Você está na página 1de 80

Introduao anlise e ao c~ a a processamento de sinais usando o MATLAB

R. Sampaio, E. Cataldo, R. Riquelme

Rio de Janeiro, setembro de 1998.

Indice
1 Introdu~o ca 2 Sinais Cont nuos no tempo 2.1 Introduao . . . . . . . . . . . . . . . . . . . . . c~ 2.2 Anlise de Fourier . . . . . . . . . . . . . . . . . a 2.2.1 Srie de Fourier . . . . . . . . . . . . . e 2.2.2 O espectro complexo de Fourier . . . . . 2.3 Transformada de Fourier . . . . . . . . . . . . . 2.3.1 Introduao . . . . . . . . . . . . . . . . . c~ 2.3.2 A transformada de Fourier . . . . . . . . 2.3.3 Exist^ncia da transformada de Fourier . e 2.3.4 Propriedades da transformada de Fourier 2.4 Convoluao . . . . . . . . . . . . . . . . . . . . c~ 2.4.1 Introduao . . . . . . . . . . . . . . . . . c~ 2.4.2 Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 6 6 6 6 9 11 11 12 13 16 16 16 17 19 19 19 19 19 21 21 21 22 23 23 24 25 29 31 31 31

3 Sinais discretos no tempo 3.1 Seq^ncias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ue 3.2 Operaoes com seq^ncias e seq^ncias bsicas . . . . . . . . . . . . . . . . . c~ ue ue a 3.2.1 Operaoes com seq^ncias . . . . . . . . . . . . . . . . . . . . . . . . c~ ue 3.2.2 Seq^ncias bsicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . ue a 3.3 Sistemas discretos no tempo . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.3.1 Introduao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . c~ 3.3.2 Alguns tipos de sistemas . . . . . . . . . . . . . . . . . . . . . . . . . 3.3.3 Sistemas Lineares Invariantes no Tempo . . . . . . . . . . . . . . . . 3.3.4 Propriedades de Sistemas Lineares Invariantes no Tempo . . . . . . . 3.3.5 Equaoes lineares de diferena de coecientes constantes . . . . . . . c~ c 3.3.6 Representaao no dom c~ nio da freq^ncia de sinais discretos no tempo ue 3.3.7 Representaao de seq. pela transformada de Fourier discreta(TFD) . c~ 3.3.8 Propriedades da transformada de Fourier discreta . . . . . . . . . . . 3.4 Amostragem de sinais contnuos . . . . . . . . . . . . . . . . . . . . . . . . . 3.4.1 Introduao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . c~ 3.4.2 Amostragem peridica . . . . . . . . . . . . . . . . . . . . . . . . . . o 1

3.5

3.6

3.7

3.4.3 Representaao das amostras no domnio da freq^ncia . . . . . . . . . c~ ue 3.4.4 Teorema da amostragem . . . . . . . . . . . . . . . . . . . . . . . . . 3.4.5 Reconstruao de um sinal limitado em faixa a partir de suas amostras c~ 3.4.6 Processamento discreto de sinal contnuo . . . . . . . . . . . . . . . . Consideraoes prticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . c~ a 3.5.1 Introduao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . c~ 3.5.2 Pr-ltragem para evitar mascaramento . . . . . . . . . . . . . . . . . e 3.5.3 Convers~o analgica-digital . . . . . . . . . . . . . . . . . . . . . . . a o 3.5.4 Convers~o digital-analgica . . . . . . . . . . . . . . . . . . . . . . . a o A Transformada Discreta de Fourier (TDF) . . . . . . . . . . . . . . . . . . 3.6.1 Introduao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . c~ 3.6.2 A srie discreta de Fourier . . . . . . . . . . . . . . . . . . . . . . . . e 3.6.3 A transformada discreta de Fourier (TDF) . . . . . . . . . . . . . . . 3.6.4 A transformada rpida de Fourier . . . . . . . . . . . . . . . . . . . . a 3.6.5 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Anlise de sinais usando TDF . . . . . . . . . . . . . . . . . . . . . . . . . . a 3.7.1 Introduao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . c~ 3.7.2 Janelas - O vazamento . . . . . . . . . . . . . . . . . . . . . . . . . . 3.7.3 Consequ^ncia da aplicaao de janelas . . . . . . . . . . . . . . . . . . e c~ 3.7.4 Tipos de janelas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . .

32 34 39 39 40 40 41 41 43 46 46 46 48 50 54 57 57 60 61 64 69 69 69 70 72 72 73 73 76

4 Duas aplica~es co 4.1 Multiplexaao . . . . . . . . . . . c~ 4.1.1 Conceito . . . . . . . . . . 4.1.2 Tipos de multiplexaao . . c~ 4.2 Translaao de freq^ncias . . . . c~ ue 4.3 Modulaao e demodulaao . . . . c~ c~ 4.3.1 Tipos de modulaao . . . c~ 4.3.2 Modulaao em amplitude . c~ 4.4 Demodulaao . . . . . . . . . . . c~ 4.5 Aplicaao a Engenharia Mec^nica: c~ a er^metros e transdutores de fora o c

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . processamento de sinais provenientes de acel. . . . . . . . . . . . . . . . . . . . . . . . . . 77

Cap tulo 1 Introdu~o ca


Este um curso de anlise e processamento de sinais. Trata-se de um curso formativo, essencial e a para que se tenha uma compreens~o m a nima dos desenvolvimentos tecnolgicos modernos: o rdio, televis~o, telefonia, CD, radar, sistemas de controle, sistemas de medida, etc. O curso a a comea com o conceito de sinal, que ser exemplicado mas n~o denido. A descriao de um c a a c~ sinal, sua anlise, feita decompondo-o numa base cujas componentes s~o sinais elementares, a e a exponenciais do tipo e2j!t. As componentes do sinal na base de exponenciais descreve o espectro do sinal, ou seja, sua composiao freqencial. A melhor maneira de iniciar-se no c~ u estudo de sinais vendo e ouvindo sinais, e paralelamente vendo sua composiao freqencial. e c~ u A montagem da gura foi constru com esse m. da

Ns veremos no curso vrios exemplos de sinais e de como feita sua anlise. As idias o a e a e bsicas s~o as da Algebra Linear, mas necessrio antes buscar um espao de representaao a a e a c c~ adequado e, sobretudo, uma base apropriada (no nosso curso ser sempre formada por exa ponenciais, mas nas aulas discutiremos as limitaoes desse ponto de vista). Veremos que a c~ escolha de uma boa base desempenha um papel fundamental e requer familiaridade com sinais e com as aplicaoes desejadas. Estudaremos sinais de dois pontos de vista independentes, mas c~ complementares : contnuo e discreto. Ao lado da anlise de um sinal, temos o seu processamento, que a transformaao de um a e c~ sinal em outro (diremos que esta transformaao feita travs de um sistema). Estudaremos c~ e e sistemas especiais, que chamaremos de ltros, que ser~o as estrelas do curso. a Devido a limitaoes de espao, n~o cobrimos nessas Notas a parte operacional que ser feita c~ c a a com o MATLAB. Anlise e Processamento de Sinais um assunto de razovel complexidade. a e a Mesmo os clculos mais simples s~o muito trabalhosos para serem feitos a m~o. Sem uma a a a

ferramenta como o MATLAB a teoria perde um pouco o sentido e, como cada um ver por si a mesmo, a graa. c H vrias aplicaoes de Anlise e Processamento de Sinais em diversas areas, tais como a a c~ a engenharia eltrica, engenharia mec^nica, processamento de imagens, comunicaao, compue a c~ taao grca e outras. Discutiremos a seguir um pouco sobre as aplicaoes em duas areas : c~ a c~ comunicaoes e engenharia mec^nica. c~ a A histria da comunicaao nasce quando o homem sente a necessidade de expressar o seu o c~ pensamento a um semelhante. Isso pode ser feito de vrias formas : pela palavra, pela m a mica, por desenhos, etc. Porm, quando os homens est~o distantes, a comunicaao torna-se difcil ou e a c~ mesmo impossvel. Soluoes tcnicas desse problema surgiram com o invento da telegraa, da c~ e comunicaao via rdio, da telefonia, e outros. Mais recentemente, da Internet. Para discutirmos c~ a a comunicaao a dist^ncia de modo geral comearemos discutindo um pouco as caracter c~ a c sticas bsicas de uma ligaao telef^nica, bem conhecida nossa. a c~ o Para entendermos essa comunicaao discutiremos os fatores que a inuenciam: o som, a c~ voz, o ouvido, a faixa de freq^ncias utilizadas, a transformaao de energia acstica em energia ue c~ u eltrica e vice-versa, a ligaao telef^nica elementar, entre outros. e c~ o O som se produz por vibraoes mec^nicas, de freq^ncias perceptveis pelo ouvido humano, c~ a ue num meio elstico. a As cordas vocais do ser humano s~o capazes de produzir vibraoes sonoras dentro de uma a c~ faixa de 100 a 10000 Hz. Cada som emitido pode ser pensado como composto de vibraoes c~ elementares de diversas freq^ncias, mltiplas de uma freq^ncia fundamental. Para o homem ue u ue essa freq^ncia fundamental de 125 Hz e para a mulher de 250 Hz. ue e e A faixa de freq^ncias audveis pelo ouvido humano vai desde 16 Hz at 20000 Hz, e o limite ue e superior varia de pessoa para pessoa. Diversos estudos foram realizados para determinar qual a faixa de freq^ncias mais aproue priada para as comunicaoes, sob o ponto de vista econ^mico e de qualidade. Para fonia foram c~ o levados em conta os fatores caracter sticos da voz e do ouvido humano: inteligibilidade e energia da voz. Dessa forma foi escolhida a faixa de freq^ncia entre 300 Hz e 3400 Hz para ue comunicaoes telef^nicas. Para transmiss~o de msica, a faixa vai de 50 a 10000 Hz. c~ o a u A energia acstica produzida pela voz transformada em energia eltrica por intermdio u e e e de um microfone. Para a transformaao da energia eltrica em energia acstica geralmente c~ e u utilizam-se cpsulas magnticas e din^micas. a e a A ligaao telef^nica elementar, entre duas pessoas, digamos A e B, consiste de dois aparelhos c~ o telef^nicos interligados por um par de os em que a dist^ncia entre os aparelhos pequena. o a e Na realidade a ligaao um pouco mais complexa, pois o interlocutor A deveria ter dois c~ e condutores ligando sua cpsula transmissora com a receptora de B, e vice-versa. a Porm, essa ligaao envolve somente a necessidade de comunicaao entre duas pessoas. Se e c~ c~ o interlocutor A deseja se comunicar com outras pessoas, o nmero de condutores iria crescer u muito. Como podemos perceber, a quantidade de condutores para um nmero grande de u ligaoes, torna o sistema economicamente invivel. Dessa forma, para solucionar esse problema, c~ a os interlocutores, chamados assinantes, est~o ligados a um centro telef^nico onde executada a o e a interligaao entre os assinantes que se desejam comunicar, operaao chamada de comutaao c~ c~ c~ telef^nica. o 4

Agora que j discutimos os conceitos bsicos de comunicaao telef^nica desejamos saber a a c~ o como, atravs de um mesmo par de os, vrias pessoas podem se comunicar. A tcnica a ser e a e discutida a multiplexaao que pode ser tanto analgica como digital e ser melhor discutida e c~ o a no ultimo captulo, aps termos estudado conceitos bsicos de sinais e relaao entre o dom o a c~ nio do tempo e da freq^ncia. ue Uma outra utilizaao de Anlise e Processamento de Sinais est ligada a vibraoes mec^nic~ a a c~ a cas. A anlise de vibraoes em mquinas caracterizada por um nmero de areas distintas de a c~ a e u aplicaoes. De modo geral, a anlise de vibraoes em mquinas visa um dos seguintes objetivos c~ a c~ a : pesquisa e desenvolvimento de mquinas, controle de produao e de qualidade e manutenao a c~ c~ e monitoramento das mquinas em servio. a c A implementaao da anlise de vibraoes em mquinas feita atravs de instrumentos de c~ a c~ a e e anlises chamados de Analisadores Din^micos de sinais. As vibraoes mec^nicas s~o combia a c~ a a naoes de sinais causados por uma grande variedade de fontes internas de vibraao, como por c~ c~ exemplo, desbalanceamento do rotor de uma mquina rotativa, ou defeito em rolamentos, entre a outros. Aps a convers~o do movimento mec^nico em sinal eltrico, atravs de um dispositivo o a a e e chamado de transdutor podemos estudar esse sinal, visando, por exemplo, os objetivos: reduzir os dados de vibraao a uma maneira fcil de ser interpretada, prever possveis falhas no c~ a funcionamento da mquina e vericar se h choque entre componentes da mquina. a a a No segundo cap tulo estudaremos sinais cont nuos no tempo. Trataremos da Srie e da e Transformada de Fourier e mostraremos alguns exemplos. Depois discutimos sobre ltros analgicos e suas Funoes Resposta em Freq^ncia (FRF). No terceiro captulo tratamos de o c~ ue sinais digitais. Estudamos nesses cap tulo a Transformada de Fourier Discreta, a Srie Discree ta de Fourier e a Transformada Discreta de Fourier. Discutimos os problemas de vazamento, Leakage, mascaramento, Aliasing, e tambm a utilizaao de janelas temporais. Finalmente no e c~ quarto cap tulo estudamos um pouco mais a multiplexaao e aplicaoes a Engenharia Mec^nica. c~ c~ a

Cap tulo 2 Sinais Cont nuos no tempo


2.1 Introdu~o ca

De modo geral, um sinal uma grandeza f e sica varivel no tempo, tal como tens~o, corrente, a a aceleraao de um ponto de um corpo, press~o num ponto do espao, pH num ponto de uma c~ a c soluao, cor num pixel de uma tela de TV,... e que contm algum tipo de informaao, geralc~ e c~ mente sobre o estado ou comportamento de um sistema f sico. Os sinais s~o representados a matematicamente por uma funao de uma ou mais variveis. Trataremos apenas de funoes c~ a c~ de uma varivel. A varivel considerada pode ser cont a a nua ou discreta, e chamaremos de sinais contnuos no tempo quando a varivel for denida para um intervalo contnuo de tempo. a Muitas vezes importante que analisemos o sinal, n~o no domnio do tempo mas no dom e a nio da freq^ncia. Estritamente falando, imaginamos uma funao temporal como sendo composta ue c~ de vrias componentes de freq^ncia. Conseqentemente, enquanto o sinal existe sicamente a ue u no dom nio do tempo, poderemos armar que ele consiste dessas componentes no dom nio da freq^ncia. A anlise dos sinais no dom ue a nio da freq^ncia ser feita por intermdio da anlise ue a e a de Fourier, baseada nas sries e transformadas de Fourier. e Este captulo devotado a uma revis~o da anlise de Fourier e a estudar como um sinal no e a a dom nio do tempo pode ser representado no dom nio da freq^ncia. ue

2.2
2.2.1

Anlise de Fourier a
Srie de Fourier e

Consideremos f : I ! I uma funao que satisfaz as seguintes condioes: R R c~ c~ (i) f peridica de perodo T; e o (ii) f de classe C 2 por partes em (t0 ; t0 + T ). e

Em todo ponto de continuidade de f, podemos escrever: ao X 2nt 2nt f(t) = + ) + bn sen( )] [an cos( 2 T T n=1 onde 8 Z to +T > > a = 2 > o f(t)dt ; > > T to > > > > > > Z < 2 to +T 2nt )dt e an = f (t)cos( > T to T > > > > > Z to +T > > > 2nt > b = 2 > n f (t)sen( )dt: : T to T Num ponto de descontinuidade o lado esquerdo de 2.1 substitu por : e do 1 lim [f(t + ") + f(t ")]: "!o+ 2 (2.3)
1

(2.1)

(2.2)

A srie 2.1 com coecientes dados por 2.2 chamada de srie de Fourier de f na forma e e e trigonomtrica. e As condioes (i) e (ii) s~o muitas vezes chamadas condioes de Dirichlet e s~o sucientes c~ a c~ a (mas n~o necessrias) para a converg^ncia da srie de Fourier. a a e e Em notaao exponencial (ou complexa) a srie de Fourier de f pode ser escrita como c~ e
+1 X

f(t) = onde 1 Fn = T Fazendo !o = 2 , temos T 1 Fn = T Z Z

Fn ej

2nt T

(2.4)

n=1

to +T to

f(t)ej

2nt T

dt:

(2.5)

to +T to

f (t)ejn!o t dt:

(2.6)

Observamos que, conhecido f , os coecientes de 2.4 podem ser calculados e, reciprocamente, conhecidos os coecientes fFn gn2Z , f pode ser sintetizada por 2.4. Dessa forma, f e fFn gn2Z Z Z fornecem a mesma informaao. Muda s o ponto de vista : um temporal, outro freqencial. c~ o u 7

Figura 2.1: Exemplo de uma funao peridica. c~ o

Exemplo Consideremos a funao f : I ! I peridica de perodo 2, dada por c~ R R, o f(t) = t ; 0 t < 2: O grco dessa funao mostrado na gura 2.1. a c~ e Srie de Fourier de f na forma trigonomtrica e e Clculo dos coecientes a Z 2 Z 2 2 f(t)dt = tdt = 2: ao = T Z0 0 Z 2 Z 2 2 2 2nt 2nt an = f (t)cos( )dt = tcos( )dt = tcos(nt)dt = 0: T Z0 T T Z0 2 Z0 2 2 2 2nt 2nt 2 bn = f(t)sen( )dt = tsen( )dt = tsen(nt)dt = : T 0 T T n 0 0 Assim, f(t) = 1 +
+1 X 2 n=1

(2.7)

sen(nt):

Srie de Fourier de f na forma exponencial e Clculo dos coecientes a 1 Fn = T e 1 Fo = T Z


0 2

Z
0

f (t)e

j 2nt T

1 dt = 2

Z
0

tejntdt =

1 j n

; n 60 =

1 f (t)dt = 2 8

Z
0

tdt = 1:

Assim, Fn = Temos, f (t) = 1 +


+1 X 1 jejnt ; n 60: = n n=1

1; n=0 1 j ; n 60: = n

2.2.2

O espectro complexo de Fourier

A expans~o em srie de Fourier de uma funao peridica a decomposiao da funao em a e c~ o e c~ c~ termos das suas componentes de vrias freq^ncias. Uma funao peridica de per a ue c~ o odo T tem 1 componentes de freq^ncias dadas por n, onde = T e n 2 Z Em termos das freq^ncias ue Z. ue angulares (ou pulsaoes), as componentes s~o dadas por n!o onde !o = 2 = 2 e n 2 Z c~ a Z. T Chamamos de espectro da funao f o conjunto de todos os coecientes de Fourier Fn ; n 2 c~ Z Se especicarmos f podemos encontrar seu espectro. Reciprocamente, se o espectro for Z: conhecido podemos encontrar a funao f correspondente. c~ Portanto, podemos especicar f de duas formas: a representaao no dom c~ nio do tempo, onde f expressa como funao do tempo e a representaao no domnio da freq^ncia, onde o e c~ c~ ue espectro especicado. e Observamos que o espectro de uma funao peridica n~o uma curva cont c~ o a e nua, mas existe apenas para valores discretos de !, m ltiplos de uma freq^ncia bsica !o = 2 ( ! = n!o ; n 2 u ue a T Z Os coecientes Fn s~o complexos e, s~o descritos por uma magnitude e uma fase. Z). a a Consideremos a funao dada por 2.7. Temos que c~ ( 1; n=0 1 Fn = j ; n 60: = n Assim, 8 < 1 ;n = 0 1 j Fn j= ; n 60 = : j n j Fazendo ! = n!0 = n 2 = n, temos : T 8 > 0 ;! = 0 > < ; ! positivo \Fn = 2 > > : ; ! negativo: 2 9 8 n=0 > 0; > < ; n positivo \Fn = 2 > > : ; n negativo: 2

8 < 1 ;! = 0 1 j Fn j= ; ! 60 = : j!j

Figura 2.2: Amplitude e fase dos coecientes da srie de Fourier. e

Figura 2.3: Funao porta peridica. c~ o Constru mos os grcos de j Fn j e \Fn , em termos da freq^ncia !, apresentando-os na a ue gura 2.2. Consideremos, agora, a funao f : I ! I peridica de perodo T , dada por : c~ R R, o 1; t 2 2 (2.8) f (t) = 0; < t < T : 2 2 Essa funao conhecida como porta (gate) peridica. Mostramos o seu grco na gura 2.3. c~ e o a Os coecientes Fn da srie de Fourier na forma exponencial s~o dados por: e a Z Z 1 T =2 1 =2 jn!o t j 2nt T dt = Fn = f (t)e e dt T =2 T =2 (2.9) sen(n!o =2) [ ] ; n 60; = = T n!o =2 e 1 Fo = T Dessa forma, 8 > ; < T Fn = > sen(n!0 =2) ; : T n!0 =2 10 n=0 n 60: = (2.11) Z
T 2 2

1 f(t)dt = T

dt =
2

: T

(2.10)

Figura 2.4: Representaao do espectro da funao porta peridica. c~ c~ o Denindo a funao Sa, conhecida como funao de amostragem, por c~ c~ Sa : I( ! I R R 1; t=0 sent t! ; t 60 = t e fazendo ! = 2 , temos, T Fn = A freq^ncia fundamental !o = ue e n Sa( ): T T (2.13)

(2.12)

2 a . Se ! = n!o , ent~o T ! Fn = Sa( ): T 2

(2.14)

Mostramos o grco de Fn em termos da freq^ncia ! na gura 2.4. a ue Podemos observar que a medida que T aumenta, a freq^ncia fundamental 2 se torna ue T menor e o espectro torna-se, ent~o, mais denso. Intuitivamente, somos levados a pensar que a quando T tende ao innito temos, no dom do tempo, um unico pulso retangular de largura nio e no domnio da freq^ncia um espectro cont ue nuo com componentes em todas as freq^ncias. ue Isso pode ser provador rigorosamente.

2.3
2.3.1

Transformada de Fourier
Introdu~o ca

Quando o sinal com o qual estamos trabalhando for n~o-peridico ele pode ser expresso como a o uma soma contnua (integral) de sinais exponenciais, em contraste com sinais peridicos, que o podem ser representados por uma soma discreta de sinais exponenciais (srie de Fourier - como e j visto). Vejamos uma motivaao para essa armaao. a c~ c~ 11

2.3.2

A transformada de Fourier

Consideremos uma funao f como mostra a gura 2.5 . c~

Figura 2.5: Grco de uma funao f. a c~ Constru mos uma nova funao, peridica, fT com per c~ o odo T, de acordo com a gura 2.6.

Figura 2.6: Construao de uma funao peridica a partir de uma funao f dada. c~ c~ o c~ Tornamos o per odo T grande o suciente para que n~o haja superposiao entre os pulsos a c~ da forma de f . Essa nova funao fT uma funao peridica e pode ser representada por uma c~ e c~ o srie exponencial de Fourier. e Numa topologia adequada, quando T ! 1, fT ! f . Desse modo, a srie de Fourier que e representa fT tambm representar f . e a A srie de Fourier de fT dada por e e fT (t) = onde !o =
2 T +1 X

Fn ejn!o t

(2.15)

n=1

e 1 Fn = T Z
T =2

fT (t)ejn!o t dt:
T =2

(2.16)

Faamos n!o = !n . Assim, Fn = Fn (!n ). c Consideremos T Fn (!n ) = F (!n ), que obviamente limitado (por construao). Temos, e c~
+1 1 X fT (t) = F (!n )ej!n t : T n=1

(2.17)

12

Substituindo T =

2 em 2.17 temos !o
+1 1 X fT (t) = F (!n )ej!n t !o : 2 n=1

(2.18)

Quando T ! 1 , fT ! f e obtemos : 1 f (t) = 2 e F (!) =

+1

F (!)ej!t d!
1

(2.19)

+1

f(t)ej!t dt:
1

(2.20)

O espectro de f ser contnuo e representado pela funao F . a c~ A equaao 2.20 conhecida como transformada (direta) de Fourier de f e a equaao 2.19 c~ e c~ como transformada inversa de Fourier de F . Simbolicamente podemos escrever F (!) = F [f (t)] e f(t) = F 1 [F (!)]: (2.22) (2.21)

Fazendo ! = 2 em 2.19 e 2.20 chegamos a uma formulaao simtrica, o fator 2 n~o aparece. c~ e a Z +1 ^ (2.23) f(t) = F()ej2td
1

e ^ F() = Z
+1

f(t)ej2t dt:

(2.24)

2.3.3

Exist^ncia da transformada de Fourier e

O espao L1 (R) c O espao L1 (R) o espao de todas as funoes f : I ! C tais que c e c c~ R Z kfkdt < 1:
R

(2.25)

13

O espao L2 (R) c O espao L2 (R) o espao de todas as funoes f : I ! C, tais que c e c c~ R Z kf k2 dt < 1:
R

(2.26)

Teorema: a Se a funao f pertence ao espao L1 (R) ent~o a transformada de f existe. c~ c Teorema: Se a funao f pertence ao espao L2 (R) ent~o a transformada F, de f, existe e F 2 L2 (R). c~ c a Exemplos 1. Consideremos a funao G (conhecida como funao porta) denida por c~ c~ 1; j t j 2 G (t) = 0; j t j> : 2

(2.27)

Figura 2.7: funao porta. c~ Calculando a transformada de Fourier dessa funao, temos : c~ Z =2 Sen( ! ) j!t 2 e dt = ; ! 60: = F (!) = FfG (t)g = !
=2 2

(2.28)

Para ! = 0 temos : F fG (t)g j!=0= Logo,

=2

dt = :
=2

FfG (t)g = Sa(

! ): 2

A gura 2.8 mostra a representaao do espectro da funao porta. Neste caso F uma c~ c~ e funao real. c~ 14

Figura 2.8: Representaao do espectro da funao porta. c~ c~ 2. Consideremos a funao f : I ! I denida por c~ R R

f(t) = ejtj :

Calculando sua transformada de Fourier, obtemos : Z +1 jtj F fe g = ejtj ej!t dt =


1

1 : 1 + !2

3. Consideremos a funao f : I ! I denida por c~ R R t e ; t>0 f (t) = 0; t 0: A sua transformada de Fourier dada por: e Z +1 F ff(t)g = et ej!t dt =
0

1 : 1 + j!

4. Consideremos a funao G : I ! I denida por c~ R R 1; j ! j =2 G (!) = 0; j ! j> =2: Desejamos calcular sua tranformada de Fourier inversa. Assim, Z =2 1 Sen( t ) 1 2 F fG (!)g = ej!t d! = ; t 60: = t 2 =2 2 2 Para t = 0 temos : F Assim, t Sa( ): 2 2 t 2 Logo, a transformada de f(t) = Sa( 2 ) igual a G (!). Em particular, e F 1fG (!)g = FfSa(t)g = G2(!): 15
1

1 fG (!)g jt=0 = 2

=2

d! =

=2

1 : 2

2.3.4

Propriedades da transformada de Fourier


FUNCAO ~ f (t) F (t) a1 f1 (t) + f2 (t) f (at) f (t)ejw0 t

As propriedades da transformada de Fourier est~o apresentadas na seguinte tabela 2.1. a TRANSFORMADA F (w) 2f (w) a1 F1(w) + a2 F2 (w) w 1 F jaj a F (w w0)

Simetria Linearidade Mudana de escala c

Translaao em freq^ncia c~ ue

f (t) cos(w0t) f(t) sen(w0 t)

Translaao no tempo c~ Dualidade Conjugaao c~ Diferenciaao no tempo c~ Integraao no tempo c~ Diferenciaao na freq^ncia c~ ue

f (t t0) F (t) f (t) dn f Z t dtn


1

1 [F (w + w0 ) + F (w w0)] 2 j [F (w + w0 ) F (w w0 )] 2 ejwt0 F (w) f(w) F (w) (jw)n F (w) 1 F (w) jw dn f dwn F (w) = F (w) RfF (w)g =RfF (w)g IfF (w)g = IfF (w)g jF (w)j = jF (w)j \F (w) = \F (w) F (w) real, par em w F (w) imaginria, impar em w a

f( )d

(jt)n f(t) f(t) real f(t) real f(t) real f(t) real f(t) real f (t) real, par em t f (t) real, impar em t

Simetria

Tabela 2.1: Propriedades da transformada de Fourier

2.4
2.4.1

Convolu~o ca
Introdu~o ca

Dadas duas funoes f1 e f2 formamos a integral c~ Z +1 f (t) = f1 ()f2 (t )d:


1

(2.29)

16

Essa integral dene a convoluao das funoes f1 e f2 . Simbolicamente escrevemos c~ c~ f = f1 f2: Veremos que convoluao est intimamente associado a produto. c~ a

2.4.2

Propriedades

Comutatividade f1 f2 = f2 f1 : Distributividade f1 [f2 + f3] = f1 f2 + f1 f3 : Associatividade f1 [f2 f3 ] = [f1 f2] f3 : Teorema da convolu~o no tempo ca a Se f1(t) $ F1 (!) e f2 (t) $ F2 (!) ent~o f1 f2 $ F1 F2 : ^ ^ Se f1 (t) $ F1 () e f2(t) $ F2 () ent~o a ^ ^ f1 f2 $ F1 F2 : Teorema da convolu~o na freq^ncia ca ue Se f1(t) $ F1 (!) e f2 (t) $ F2 (!) ent~o a f1 f2 $ ^ ^ Se f1 (t) $ F1 () e f2(t) $ F2 () ent~o a ^ ^ f1 f2 $ F1 F2 : (2.36) 1 [F1 F2 ]: 2 (2.35) (2.34) (2.33) (2.32) (2.31) (2.30)

Apresentamos na tabela 2.2 algumas transformadas que envolvem o impulso unitrio (Delta a de Dirac) denotado por . Mostramos, na tabela 2.3 as ordens de grandeza de alguns sinais. 17

FUNCAO ~ TRANSFORMADA f(t) F (w) A 2A ej!0 t 2(! !0 ) cos(!0 t) [(! !0 ) + (! + !0 )] f(t) = sen(!0 t) j[(! !0 ) (! + !0)] Tabela 2.2: Algumas tranformadas que envolvem o impulso unitrio. a

TIPO DE SINAL corrente domstica e quartzo de relgio o onda de radar vibraao de um atomo de Csio c~ e ONDAS HERTZIANAS: muito longas (telgrafo) e longas (rdio) a mdias (rdio) e a curtas (rdio) a mtricas (televis~o) e a centimtricas (radar) e luz visvel

BANDA EM Hz 60 105 1010 1014 1; 5 104 a 6 104 6 104 a 3 105 3 105 a 3 106 3 106 a 3 107 3 107 a 3 108 3 108 a 1011 3; 7 1014 a 7; 5 1014

Tabela 2.3: Ordens de grandeza de sinais.

18

Cap tulo 3 Sinais discretos no tempo


3.1 Seq^ncias ue

Sinais discretos no tempo s~o representados matematicamente como seq^ncias de nmeros, x, a ue u cujo n-simo n mero x[n], e notamos por x = fx[n]g ; n 2 Z Pode ser que uma seq^ncia e u e Z. ue deste tipo originou-se da amostragem de um sinal cont nuo. Se o sinal contnuo for xa (t) 1 podemos dizer que x[n] = xa (nT ) ; n 2 Z T chamado de perodo de amostragem e T a Z. e e freq^ncia de amostragem. Usaremos, as vezes, a notaao x[n] para nos referir a seq^ncia. ue c~ ue

3.2
3.2.1

Opera~es com seq^ncias e seq^ncias bsicas co ue ue a


Opera~es com seq^ncias co ue

O produto e a soma de duas seq^ncias x[n] e y[n] s~o denidos como o produto e a soma de ue a cada elemento de x[n] por cada elemento de y[n]. A multiplicaao de uma seq^ncia x[n] por c~ ue um nmero denida como a multiplicaao de cada elemento de x[n] por . u e c~

3.2.2

Seq^ncias bsicas ue a

Impulso unitrio a A seq^ncia impulso unitrio denida por ue a e [n] = 0 ; n 60 = 1 ; n = 0: (3.1)

Qualquer seq^ncia pode ser expressa por ue x[n] =


+1 X

k=1

x[k][n k]:

(3.2)

19

Degrau Unitrio a A seq^ncia degrau unitrio denida por ue a e u[n] = Podemos escrever u[n] = ou u[n] =
1 X k=0 n X

1; n 0 0; n < 0:

(3.3)

[k]

(3.4)

k=1

[n k]:

(3.5)

Seq^ncia Exponencial ue Denimos a seq^ncia exponencial por ue x[n] = An : onde A e s~o constantes. a Seq^ncia Senoidal ue Uma seq^ncia senoidal tem a forma ue x[n] = Acos(!o n + ) ; onde A, !o e s~o constantes. a Seq^ncia Peridica ue o Uma seq^ncia peridica aquela na qual ue o e x[n] = x[n + N] ; para todo n e N 2 Z Z: (3.8) (3.7) (3.6)

Devemos observar que seq^ncias senoidais e exponenciais n~o s~o necessariamente periue a a o dicas. Observamos, por exemplo, que a condiao de periodicidade para um sinal senoidal obtida c~ e da seguinte forma : Acos(!o n + ) = Acos(!o n + !o N + ): Requerendo que, !o N = 2k ; k 2 Z Z: 20 (3.10) (3.9)

Analogamente, as seq^ncias exponenciais complexas da forma Cej!o n ser~o peridicas se ue a o j!o (n+N ) j!o n e = e . Isto s verdade se !o N = 2k. Conseqentemente, exponenciais como e u plexas e seq^ncias senoidais n~o s~o necessariamente peridicas, dependendo do valor de !o . ue a a o Por exemplo, para !o = 3 , o menor valor de N que satisfaz 3.10, com k inteiro, N = 8 ( correse 4 pondendo a k = 3) . Para !o = 1, n~o existem valores inteiros de N ou k que satisfaam 3.10. a c Do que foi visto, para sinais discretos, a interpretaao do que sejam altas e baixas freq^ncias c~ ue distinta do que foi visto quando tratamos de sinais senoidais e exponenciais complexas para e sinais contnuos. Para um sinal senoidal cont nuo x(t) = Acos(o t + ), a medida que o cresce, x(t) oscila mais rapidamente. Para um sinal senoidal discreto x[n] = Acos(!o n + ), a medida que !o varia de !o = 0 at !o = , x[n] oscila mais rpido. Mas, a medida que !o e a varia de !o = at !o = 2 as oscilaoes tornam-se mais lentas. Dessa forma, valores de !o na e c~ vizinhana de !o = 2k, para k 2 Z s~o ditas baixas freq^ncias e valores de !o na vizinhana c Z, a ue c de !o = (2k + 1) para k 2 Z s~o ditas altas freq^ncias. Z a ue

3.3
3.3.1

Sistemas discretos no tempo


Introdu~o ca

Um sistema discreto no tempo denido matematicamente por um operador que transforma e uma seq^ncia de entrada numa seq^ncia de sa ue ue da. Se x a seq^ncia de entrada e y a de sada e T o operador que representa o sistema, temos e ue y = T fxg: (3.11)

Como exemplo consideremos o conhecido sistema ideal de atraso denido pela equaao c~ y[n] = x[n nd ] ; n 2 Z Z onde nd um inteiro xo chamado de atraso do sistema. e (3.12)

3.3.2

Alguns tipos de sistemas

Sistemas sem memria o Um sistema dito sem memria se a sa y[n] depende somente da entrada x[n] para o mesmo e o da valor de n. Sistemas Lineares Se y1 e y2 s~o as respostas de um sistema quando x1 e x2 s~o as respectivas entradas ent~o o a a a sistema dito linear se e s se e o T fa1 x1 + a2 x2g = a1 T fx1 g + a2 T fx2 g: (3.13)

21

Sistemas invariantes no tempo Um sistema dito invariante no tempo se um deslocamento no tempo na seq^ncia de entrada e ue causa um igual deslocamento no tempo na seq^ncia de sa ; isto , se para todo no a seq^ncia ue da e ue de entrada x1[n] = x[n no ] produz uma seq^ncia de sa y1 [n] = y[n no ]. ue da Estabilidade Um sistema dito estvel se e somente se toda seq^ncia de entrada limitada produz uma e a ue seq^ncia de sada tambm limitada. ue e A entrada x limitada se existir um valor positivo nito M tal que e j x[n] j M para todo n: (3.14)

Estabilidade requer que para toda entrada limitada exista um valor positivo nito N xo tal que j y[n] j N para todo n: (3.15)

3.3.3

Sistemas Lineares Invariantes no Tempo

Uma classe importante de sistemas consiste daqueles que s~o lineares e invariantes no tempo. a Considere que hk [n] a resposta do sistema cuja entrada [n k]. e e Consideremos , agora, a entrada x. Assim, a sa y ser dada por da a y[n] = T f Da condiao de linearidade, temos c~ y[n] =
+1 X +1 X

k=1

x[k][n k]g:

(3.16)

k=1

x[k]T f[n k]g =

k=1

+1 X

x[k]hk [n]:

(3.17)

A propriedade de invari^ncia no tempo implica que se h[n](resposta ao impulso) a resposta a e para [n] ent~o a resposta para [n k] h[n k]. Assim, a e y[n] =
+1 X

k=1

x[k]h[n k] =

k=1

+1 X

x[n k]h[n]:

(3.18)

Portanto, um sistema linear invariante no tempo (abreviado como LIT) completamente e caracterizado por sua resposta ao impulso. A equaao 3.18 chamada de convoluao entre x e h e representamos na forma c~ e c~ y = x h: 22 (3.19)

3.3.4

Propriedades de Sistemas Lineares Invariantes no Tempo

Como todos os sistemas lineares invariantes no tempo s~o descritos pela operaao de convoluao, a c~ c~ as propriedades dessa classe de sistemas s~o denidas pelas propriedades da convoluao discreta a c~ no tempo. Comutatividade x h = h x: Distributividade x (h1 + h2) = x h1 + x h2 : (3.21) (3.20)

3.3.5

Equa~es lineares de diferena de coecientes constantes co c

Uma subclasse de sistemas lineares invariantes no tempo consiste de sistemas nos quais a entrada e a sa satisfazem uma equaao de diferena linear de n-sima ordem de coecientes da c~ c e constantes da forma
N X k=0

ak y[n k] =

M X l=0

bl x[n l]:

(3.22)

Como exemplo consideremos o sistema conhecido como acumulador, no qual a sada no instante n igual a soma da entrada no instante n e do valor da sada no instante anterior n 1. e

Figura 3.1: Diagrama de bloco de uma equaao de diferena recursiva representando um acuc~ c mulador. A equaao de diferena que representa esse sistema dada por c~ c e y[n] = y[n 1] + x[n]: (3.23)

23

3.3.6

Representa~o no dom ca nio da freq^ncia de sinais discretos no ue tempo

Seq^ncias exponenciais complexas t^m um lugar de destaque na representaao de sinais discreue e c~ tos no tempo. Isto deve-se ao fato de que exponenciais complexas s~o autofunoes de sistemas a c~ lineares invariantes no tempo. Esta propriedade permite que sinais discretos possam ser representados em termos de exponenciais complexas. Para demonstrar a propriedade de autofunao de exponenciais complexas para sistemas c~ j!n discretos considere uma entrada x[n] = e ; n 2 Z A sa correspondente de um sistema Z. da linear invariante no tempo com resposta ao impulso h[n] e y[n] = Denindo H(e ) = podemos escrever y[n] = H(ej! )ej!n : (3.26)
j! +1 X +1 X

h[k]e

j!(nk)

=e

j!n

k=1

k=1

+1 X

h[k]ej!k ):

(3.24)

h[k]ej!k ;

(3.25)

k=1

Conseq entemente, ej!n uma autofunao do sistema e o autovalor associado H(ej! ). u e c~ e j! A funao w 7 H(e ) chamada de funao resposta em freq^ncia (FRF) do sistema linear c~ ! e c~ ue invariante no tempo. O conceito de funao de resposta em freq^ncia praticamente o mesmo c~ ue e seja o sistemas contnuo ou discreto no tempo. Porm, para sistemas discretos lineares invari e antes no tempo, a funao resposta em freq^ncia sempre uma funao peridica da freq^ncia c~ ue e c~ o ue com perodo 2. Com efeito, H(e Mas, ej2n = 1 para n 2 Z Z: Assim, ej(!+2)n = ej!n ej2n = ej!n : Logo, H(ej(!+2) ) = H(ej! ): 24
j(!+2)

)=

n=1

1 X

h[n]ej(!+2)n :

Figura 3.2: Resposta em freq^ncia do ltro ideal passa-baixa. ue De modo geral, H(ej(!+2r) ) = H(ej! ) ; r 2 Z Z; isto , H(ej! ) peridica com per e e o odo 2. j! Como H(e ) peridica com per e o odo 2 , s precisamos especicar H(ej! ) num intervalo de o comprimento 2. Normalmente especicamos H(ej! ) no intervalo < ! . Com relaao a c~ esse intervalo, as baixas freq^ncias s~o as freq^ncias prximas de zero e as altas freq^ncias ue a ue o ue s~o as freq^ncias prximas de ou . a ue o Chamaremos os sistemas lineares invariantes no tempo de ltros. Uma classe importante de sistemas lineares invariantes no tempo s~o aqueles cuja resposta a em freq^ncia vale 1 numa determinada faixa de freq^ncias e zero fora dessa faixa. Esses s~o ue ue a os chamados ltros seletivos ideais. Consideremos, como exemplo, a resposta em freq^ncia de um ltro ideal passa-baixa. ue Devido a periodicidade da resposta em freq^ncia parece que o ltro funciona como um ue ltro multifaixa. Porm, o ltro rejeita altas freq^ncias e s permite a passagem de baixas e ue o freq^ncias. Como a resposta em freq^ncia completamente especicada no intervalo < ue ue e ! , a amplitude da resposta em freq^ncia do ltro ideal passa-baixa tipicamente mostrado ue e somente nesse intervalo como indica a gura 3.2. As amplitudes das respostas em freq^ncia para ltros ideais passa-alta e passa-faixa s~o ue a mostrados na gura 3.3. Mostramos somente um perodo da resposta em freq^ncia. ue

3.3.7

Representa~o de seq^ncias pela transformada de Fourier ca ue Discreta(TFD)


+1 X

Denimos a transformada de Fourier discreta de uma seq^ncia x por ue X(e ) = e a transformada inversa de X(ej! ) por 1 x[n] = 2
j!

x[n]ej!n

(3.27)

n=1

X(ej! )ej!n d!:

(3.28)

25

Figura 3.3: Respostas em freq^ncia para ltros ideais. (a)Filtro ideal passa-alta (b)Filtro ideal ue passa-faixa. Poder amos ter escolhido qualquer intervalo de comprimento 2. De modo geral X(ej! ) complexo e podemos escrev^-lo na forma e e onde j X(ej! ) j e \X(ej! ) s~o , respectivamente, a magnitude e a fase de X(ej! ). a Observando as equaoes 3.25, 3.27 e 3.28 podemos ver que a resposta em freq^ncia de um c~ ue sistema linear invariante no tempo a transformada de Fourier discreta da resposta ao impulso e e a resposta ao impulso pode ser obtida calculando a transformada inversa de Fourier da funao c~ resposta em freq^ncia; isto , ue e Z 1 h[n] = H(ej! )ej!n d!: (3.30) 2 Podemos observar que a equaao 3.27 uma srie de Fourier complexa para uma funao c~ e e c~ peridica de varivel contnua e que 3.28 fornece os coecientes na srie de Fourier. o a e Desejamos, agora, estudar a converg^ncia da srie e e 1 X x[n]ej!n
1

X(ej! ) =j X(ej! ) j ej\X(e

j! )

(3.29)

isto , desejamos encontrar as condioes tais que e c~ j X(ej! ) j< 1 para todo !: Uma condiao suciente para a converg^ncia encontrada da seguinte forma : c~ e e j X(e ) j = j
j! +1 X

n=1 +1 X n=1

n=1 +1 X

x[n]ej!n j j x[n] jj ej!n j j x[n] j< 1:

26

Assim, se x[n] for absolutamente somvel, ent~o X(ej! ) existe. Neste caso podemos mostrar a a que a srie converge para uma funao contnua de !. e c~ Como uma seq^ncia estvel , por deniao, absolutamente somvel, todas as seq^ncias ue a e c~ a ue estveis possuem transformada de Fourier. E, tambm, qualquer sistema estvel ter resposta a e a a em freq^ncia nita e contnua. ue A somabilidade absoluta uma condiao suciente para a exist^ncia da transformada de e c~ e Fourier e tambm garante a converg^ncia uniforme; isto , e e e se
+1 X X(e ) = x[n]ej!n j! 1

e XM (e ) = ent~o a
M !+1 j! M X

x[n]ej!n

n=M

lim

j X(ej! ) XM (ej! ) j d! = 0:

Algumas seq^ncias, porm, n~o s~o absolutamente somveis, mas s~o quadrado somveis, ue e a a a a a isto , e
+1 X

n=1

j x[n]2 j< 1:

Tais seq^ncias podem ser representadas por uma transformada de Fourier discreta se ns ue o `relaxamos' a condiao de converg^ncia uniforme. Temos, assim, o caso de converg^ncia mdiac~ e e e quadrtica; isto , se a e X(e ) = e XM (ej! ) = ent~o a
M !+1 M X j! +1 X

x[n]ej!n

n=1

x[n]ej!n

n=M

lim

j X(ej! ) XM (ej! ) j2 d! = 0: 27

Como exemplo calculemos a resposta ao impulso do ltro ideal passa-baixa cuja resposta em freq^ncia ue e 1; j ! j !c j! H(e ) = (3.31) 0; !c <j ! j com periodicidade 2. Assim, 1 h[n] = 2 Para n = 0 temos 1 h[0] = 2 Denindo, Sa[n] = sen(n) , temos n h[n] = !c Sa(!c n): Z
!c

ej!n d! =
!c

sen(!c n) ; n 60: = n

!c

d! =
!c

!c :

Observamos que como h[n] n~o nula para n < 0. Observamos tambm que h[n] n~o e a e a e j! absolutamente somvel. Isto ocorre pois H(e ) descont a e nua em ! = !c . Como h[n] n~o a e absolutamente somvel, a
+1 X !c Sa(!c n)ej!n n=1

n~o converge uniformemente para todos os valores de !. a Podemos dar uma noao intuitiva para este fato considerando c~ HM (ej! ) =
M X !c Sa(!c n)ej!n : n=M

A funao HM (ej! ) mostrada na gura 3.4 para vrios valores de M e wc = =2. Note que c~ e a a medida que M aumenta, o comportamento oscilatrio em ! = !c (chamado de fen^meno de o o Gibbs) mais acentuado. Podemos mostrar que quando M ! 1 a amplitude mxima das e a oscilaoes n~o vai a zero. A soma innita n~o converge uniformemente para H(ej! ), porm h[n] c~ a a e j! j! quadrado somvel e HM (e ) converge no sentido mdio-quadrtico para H(e ); isto , e a e a e Z +1 lim j H(ej! ) HM (ej! ) j2 d! = 0:
M !+1 1

Embora a diferena entre lim HM (ej! ) e H(ej! ) n~o parea importante, ela deve ser conc a c M !1 siderado na construao de ltros. c~ 28

Figura 3.4: Grcos de HM (ej! ). a

3.3.8

Propriedades da transformada de Fourier discreta


Z

Teorema de Parseval 1 E= j x[n] j = 2 n=1


2 2 +1 X +1 1

j X(ej! ) j d!:

(3.32)

A funao j X(ej! ) j chamada de espectro de densidade de energia e s denida para sinais c~ e oe de energia nita. PROPRIEDADE Linearidade Deslocamento no tempo e na freq^ncia ue ^ DOM INIO DO TEMPO DOM INIO DA FREQUENCIA j! j! a1 x1 [n] + a2 x2 [n] a1X1(e ) + a2 X2 (e ) j!n j! x[n nd ] $ e X(e ) ej!d n x[n] $ X(ej(!!d ) ) j dX j! (e ) d!

Diferenciaao na freq^ncia nx[n] c~ ue

Tabela 3.1: Propriedades da transformada de Fourier Discreta.

29

Teorema da Convolu~o ca Se x[n] $ X(ej! ) ; h[n] $ H(ej! ) ; y[n] = ent~o a Y (ej! ) = X(ej! )H(ej! ): Periodicidade A transformada de Fourier X(ej! ) peridica em !, com per e o odo 2. Pois, X(e
j(!+2) +1 X

k=1

x[k]h[n k] = x[n] h[n] $ Y (ej! )

(3.33)

) = = =

n=1 +1 X n=1 +1 X n=1

+1 X

x[n]ej(!+2)n x[n]ej!n ej2n x[n]ej!n

= X(ej! ): Dessa forma s precisamos especicar os valores de X(ej! ) em um periodo. o Simetria Para x[n] real, X(ej! ) = X (ej! ) onde * signica conjugado complexo. Assim, para traarmos os grcos representativos de X(ej! ) s precisamos considerar metade c a o de seu per odo. Geralmente, escolhemos ! 2 [0; ]. Se x[n] for de duraao nita, ent~o podemos fazer um programa para calcular X(ej! ) c~ a numericamente para qualquer freq^ncia !. Vamos supor que x[n] tenha N amostras entre ue n1 n nN . Desejamos calcular X(ej! ) para !k = M k ; k = 0; 1; : : : ; M que s~o (M+1) freq^ncias a ue igualmente espaadas entre [0; ]. Dessa forma, podemos escrever c X(e
j!k N X )= ej(=M )knl x(nl ) ; k = 0; 1; : : : ; M: l=1

30

Quando x[nl ] e X(ej!k ) s~o colocadas como vetores coluna x e X, respectivamente. Temos, a X = Wx onde W uma matriz (M + 1) N dada por e W = fej(=M )knl ; n1 n nN ; k = 0; 1; : : : ; Mg: Se escrevemos fkg e fnl g como vetores linha k e n, temos W = [exp(j Dessa forma, temos X T = xT [exp(j T n k)]: M (3.34) T k n)]: M

A frmula 3.34 pode ser implementada no MATLAB. o Como exemplo, consideremos a seq^ncia x[n] = (0:9) exp(j=3))n , 0 n 10. Vamos ue j! calcular X(e ) e investigar sua periodicidade. Para investigarmos a periodicidade, vamos calcular e mostrar os grcos representativos de X(ej! ) em 401 freq^ncias no intervalo [3; 3]. a ue Os grcos de magnitude , fase, parte real e parte imaginria de X(ej! ) est~o mostrados na a a a gura 3.5.

3.4
3.4.1

Amostragem de sinais cont nuos


Introdu~o ca

Normalmente o processamento de sinais contnuos implementado atravs de um processo de e e amostragem do sinal, seguido do processamento do sinal discreto obtido; isto , sua transfore maao em um outro sinal discreto que depois transformado por sua vez num sinal contnuo. c~ e

3.4.2

Amostragem peridica o

O mtodo usual de obtermos um sinal discreto a partir de um sinal contnuo atravs da e e e amostragem peridica ( digamos de per o odo T ) do sinal cont nuo obtendo, assim, uma seq^ncia ue de amostras x[n] a partir do sinal cont nuo xc (t) atravs da relaao e c~ x[n] = xc [nT ] ; n 2 Z Z: (3.35)

1 T o per e odo de amostragem e fs = T a freq^ncia de amostragem. e ue Nos referimos ao sistema que implementa a operaao dada pela equaao 3.35 como um c~ c~ conversor ideal cont nuo-discreto(C/D) e a representaao em diagrama de blocos dada na c~ e gura 3.6. Na prtica, a operaao de amostragem implementada por um conversor analgicoa c~ e o digital (A/D) que ser estudado mais tarde. a

31

Figura 3.5: (a)Magnitude;(b)Fase;(c)Parte real;(d)Parte Imaginria. a A operaao de amostragem, geralmente, n~o inversvel; isto , dada a sada x[n] n~o c~ a e e a e poss vel, de modo geral, reconstruir xc (t). O diagrama de blocos da operaao que representa a obtenao de x[n] a partir de xc (t) c~ c~ e dada na gura 3.7 O processo de amostragem feito em dois estgios. No primeiro estgio o sinal xc (t) e a a e multiplicado por um trem de impulsos s(t) e no segundo estgio o trem de impulsos obtido, a xs (t), convertido para uma seq^ncia x[n]. e ue Esquematicamente temos a representaao na gura 3.8. c~

3.4.3

Representa~o das amostras no dom ca nio da freq^ncia ue

Para obtermos a relaao no dom c~ nio da freq^ncia entre a entrada e a sa de um conversor ue da C/D, vamos considerar a convers~o de xc (t) para xs (t). a Seja s(t) um trem de impulsos peridicos. Assim, o s(t) =
+1 X

n=1

(t nT )

(3.36)

32

Figura 3.6: Diagrama de bloco de representaao de um conversor ideal contnuo-discreto (C/D) c~

Figura 3.7: Diagrama de blocos representando a operaao de amostragem. c~ onde o impulso unitrio. e a Da, xs (t) = xc (t)s(t) = xc (t) ou xs (t) =
+1 X +1 X

n=1

(t nT )

(3.37)

n=1

xc (nT )(t nT ):

(3.38)

Desejamos obter a transformada de Fourier de xs (t). Podemos mostrar que s(t) $ S(j) =
+1 2 X ( ks ); T k=1

(3.39)

2 onde s = a freq^ncia de amostragem em rad/s. e ue T Mas 1 Xs (j) = Xc (j) S(j): 2 Logo


+1 1 X Xs (j) = Xc (j kjs ): T k=1

(3.40)

(3.41)

33

Figura 3.8: Representaao esquemtica da amostragem. c~ a Observamos que Xs (j) consiste de cpias repetidas da transformada de Fourier de xc (t). o A gura 3.9 mostra o processo de amostragem no dom nio da freq^ncia. ue Observamos que quando S N N ou S 2N (3.42)

as rplicas de Xc (j!) n~o se sobrep~em. Assim, xc (t) pode ser recuperado, a partir de xs (t), e a o usando um ltro ideal passa-baixa conveniente,com freq^ncia de corte c , N < c < s N : ue A gura 3.10 mostra o esquema de recuperaao de xc (t). c~ Porm, se e S < 2N (3.43)

ent~o as cpias de Xc (j) se sobrep~em (observado na gura 3.9) e Xc (j) n~o recupervel a o o a e a por um ltro passa-baixa. A distorao ocorrida no sinal de sa c~ da, neste caso, denomina-se mascaramento (ou aliasing) pois um sinal substitu por outro. A discuss~o acima a base e do a e para um teorema conhecido como Teorema da Amostragem .

3.4.4

Teorema da amostragem

Teorema : Um sinal limitado em faixa, i.e., que n~o tem nenhuma componente espectral acima da freq^ncia a ue N rad=s, determinado univocamente por suas amostras , x[n] = xc fnT g ; n = 0; 1; : : : e tomadas a intervalos uniformes menores do que segundos . Isto , o per e odo de amostragem N 2 deve satisfazer T < N . A freq^ncia de amostragem = T deve, ent~o, satisfazer > 2N . ue a Chamamos o nmero 2N de freq^ncia de Nyquist. u ue Esse teorema conhecido como Teorema da Amostragem Uniforme. e Discutiremos um pouco mais sobre o Teorema da Amostragem e o problema de mascaramento. 34

Figura 3.9: (a) Transformada de Fourier limitada com freq. mx. N (b) Trem de impulsos a peridicos S(j!) (c) Grco de XS (j!) com s > 2N (d) Grco de XS (j) com s < 2N o a a Consideremos um sinal dado por xc (t) = cos(o t): A transformada de Fourier desse sinal mostrada na gura 3.11. e Fazemos a amostragem do sinal, obtendo : xs (t) =
+1 X

n=1

xc (nT )(t nT ):

Primeiro, usamos uma freq^ncia de amostragem s > 2o ; isto , usamos T < o . A ue e transformada de Fourier de xs (t) para esse caso mostrada na gura 3.12. e Agora, usamos uma freq^ncia de amostragem s < 2o ; isto , usamos T > o . A ue e transformada de Fourier de xs (t) para esse caso mostrada na gura 3.13. e A gura 3.14 (a) mostra a transformada de Fourier aps a passagem pelo ltro passa-baixa, o para o caso em que o < s =2; isto , sem ocorr^ncia de mascaramento. A freq^ncia de corte e e ue do ltro c = s =2. e

35

Figura 3.10: (a) Diagrama de blocos da recuperaao do sinal; (b),(c),(d) e (e) reconstruao de c~ c~ xc (t). A gura 3.14 (b) mostra a transformada de Fourier aps a passagem pelo ltro passa-baixa, o para o caso em que o > s =2; isto , com ocorr^ncia de mascaramento. A freq^ncia de corte e e ue do ltro a mesma do caso anterior. e Sem a presena de mascaramento, a sada recontruda xr (t) c e xr (t) = cos(o t) e com a presena de mascaramento, a sa recontruda ser c da a xr (t) = cos(s o )t: Observamos que o sinal cos(o t) trocou de identidade (alias) e foi mascarado pelo sinal de freq^ncia mais baixa cos(s o )t. ue Desejamos, agora, encontrar uma relaao entre X(ej! ), a transformada de Fourier discreta c~ de x[n] e as transformadas de Fourier Xs (j) e Xc (j) de xs (t) e xc (t), respectivamente. Sabemos que xs (t) =
+1 X

n=1

xc (nT )(t nT ): 36

Figura 3.11: Transformada de Fourier de xc (t).

Figura 3.12: Transformada de Fourier de xs (t), com T < Aplicando a transformada de Fourier a essa equaao, temos c~ Xs (j) = Como x[n] = xc (nT ) e X(e ) = temos, Xs (j) = X(ej! ) j!=T = X(ejT ): Por outro lado, sabemos que Xs (j) = Assim, X(e
jT +1 1 X ! 2k ) = X(e ) = Xc (j j ): T k=1 T T j! +1 1 X Xc (j kjs ): T k=1 j! +1 X 1 X

. o

xc (nT )ejT n :

n=1

x[n]ej!n

n=1

(3.44)

37

Figura 3.13: Transformada de Fourier de xs (t), com T >

. o

Figura 3.14: (a) Sem ocorr^ncia de mascaramento.(b) Com ocorr^ncia de mascaramento. e e Observamos que X(ej! ) uma vers~o de Xc (j!), transladada e com uma mudana de escala e a c tanto em amplitude como em freq^ncia. ue Para entendermos o que foi dito at aqui, consideremos o sinal e xc (t) = e1000jtj : Usando a aproximaao e5 ' 0, notamos que xc (t) pode ser aproximado por um sinal de c~ duraao nita no intervalo 0:005 t 0:005. Mostramos esse sinal na gura 3.15 (a). c~ Desejamos analisar esse sinal no domnio da freq^ncia. ue Sua transformada de Fourier pode ser calculada da seguinte forma : Z +1 Xc (j) = xc (t)ejt dt Z1 Z +1 0 1000t jt = e e dt + e1000t ejt dt 0:002 = : ( 2 1+ ) 1000
1 0

Usando tambm a aproximaao e5 ' 0,temos que Xc (j) ' 0 para 2(2000). O e c~ grco de Xc (j) (nesse caso ser real), mostrado na gura 3.15 (b). a a e Amostremos, ent~o, xc (t) com freq^ncia de amostragem de s = 5000Hz, obtendo a a ue seq^ncia x1 [n]. O grco de x1 [n] assim como o grco de sua transformada de Fourier ue a a discreta X1 (ej! ) s~o mostrados na gura 3.16. Mostramos mais de um perodo de X1 (ej! ). a Com essa freq^ncia de amostragem n~o observamos a presena de mascaramento. ue a c 38

Figura 3.15: (a)Grco de xc (t).(b)Grco de Xc (j). a a Amostramos, agora, xc (t) com freq^ncia de amostragem s = 1000Hz e obtemos x2[n]. ue Mostramos o grco de x2 [n] assim como de sua transformada X2 (ej! ) na gura 3.17. a Observamos, assim, a presena de mascaramento. Como era de se esperar pois a freq^ncia c ue de 1000 Hz menor que a freq^ncia de Nyquist ( no nosso caso 4000 Hz). e ue

3.4.5

Reconstru~o de um sinal limitado em faixa a partir de suas ca amostras

Vimos que se as condioes do teorema da amostragem s~o satisfeitas e se o trem de impulsos c~ a (xs (t)) ltrado por um ltro passa-baixa apropriado ent~o a transformada de Fourier da sada e a do ltro ser id^ntica a transformada de Fourier do sinal original xc (t). Se uma seq^ncia de a e ue amostras x[n] for conhecida, podemos formar um trem de impulsos xs (t) descrito matematicamente por
+1 X

xs (t) =

n=1

x[n](t nT )

(3.45)

onde T o perodo de amostragem associado a x[n]. e A representaao do processo de reconstruao mostrada na gura 3.18. c~ c~ e

3.4.6

Processamento discreto de sinal cont nuo

Uma das aplicaoes de sistemas discretos no processamento de sinais cont c~ e nuos. Este processamento realizado por um sistema cuja forma geral dado na gura 3.19. Nesse esquema e e consideramos o mesmo perodo de amostragem para os conversores C/D e D/C, mas isso n~o a essencial. e Um sinal contnuo xc (t) entra no conversor C/D gerando uma seq^ncia x[n]. Essa seq^ncia ue ue a entrada para um sistema discreto cuja sada, aps a transformaao imposta pelo sistema e o c~ discreto y[n]. A seq^ncia y[n] ent~o convertida em um sinal analgico yr (t). e ue e a o 39

Figura 3.16: Grcos de x1[n] e de X1 (ej! ). a Se o sistema discreto for linear e invariante no tempo,ent~o a Y (ej! ) = H(ej! )X(ej! ) (3.46)

sendo H(ej! ) a resposta em freq^ncia do sistema, X(ej! ) e Y (ej! ) s~o as transformadas de ue a Fourier de x[n] e y[n]. Aps certos clculos podemos obter o a ! (3.47) Yr (j) = Heff (j!)Xc (j) onde = T e H(ejT ); j j< =T Hef f (j) = (3.48) 0; j j =T a chamada resposta em freq^ncia efetiva; isto , o sistema total equivalente a um sistema e ue e e linear invariante no tempo com resposta em freq^ncia Hef f (j). ue

3.5
3.5.1

Considera~es prticas co a
Introdu~o ca

Na prtica sinais contnuos n~o s~o limitados em faixa, ltros ideais n~o s~o realizveis e a a a a a a conversores ideais C/D e D/C n~o existem. O diagrama de blocos da gura 3.20 mostra um a modelo mais realista para processamento digital de sinais contnuos (analgicos). o 40

Figura 3.17: Grcos de x2[n] e de X2 (ej! ). a

3.5.2

Pr-ltragem para evitar mascaramento e

Se a entrada n~o for limitada em faixa ou se a freq^ncia de Nyquist da entrada for muito a ue alta, a pr-ltragem freq entemente usada. Isso pode ser obtido pela ltragem, atravs de e e u e um ltro passa-baixa, do sinal contnuo antes de entrar no conversor C/D. O ltro passa-baixa que precede o conversor C/D chamado de ltro anti-mascaramento. Idealmente, a resposta e em freq^ncia do ltro anti-mascaramento deve ser ue 1; j j c < =T Haa(j) = (3.49) 0; j j> c :
Na prtica Haa (j) deve ser pequeno para j j> T . a

3.5.3

Convers~o analgica-digital a o

Um conversor ideal C/D converte um sinal contnuo num sinal discreto em matemtica real; a isto , cada amostra conhecida com precis~o innita. Na prtica isto n~o possvel e assim e e a a a e o sistema da gura 3.21 converte um sinal analgico xa (t) num sinal digital xB [n] ; isto , o ^ e uma seq^ncia de precis~o nita de amostras quantizadas. Quantizaao aparece sempre que se ue a c~ trabalha com matemtica nita. a O conversor A/D um dispositivo que converte amplitude de tens~o ou corrente da sua e a entrada num cdigo binrio representativo do valor de amplitude quantizada mais prxima o a o da amplitude de entrada. Sob o controle de um relgio externo, o conversor A/D comea e o c completa uma convers~o A/D a cada T segundos. Porm, a convers~o n~o instant^nea e por a e a a e a essa raz~o inclui-se o bloco com o ttulo `Amostra e Segura '. a 41

Figura 3.18: Diagrama de blocos representativo da reconstruao. c~

Figura 3.19: Processamento discreto de sinal contnuo. O sistema ideal `Amostra e Segura ' o sistema cuja sada e e xo (t) =
+1 X

n=1

x[n]ho (t nT )

(3.50)

onde x[n] = xa (nT ) s~o as amostras de xa (t) e ho (t) a resposta ao impulso do sistema; isto , a e e 1; 0 < t < T ho (t) = (3.51) 0; caso contrrio : a Especicamente a sada desse sistema uma onda com a forma de escada onde os valores e de amostragem s~o mantidos constantes durante o perodo de amostragem de T segundos, a conforme mostra a gura 3.23. A representaao por diagrama de blocos, do conversor A/D, numa forma mais completa c~ e dada na gura 3.24

42

Figura 3.20: Modelo mais realista de processamento digital de sinal analgico o

Figura 3.21: Conguraao do conversor analgico-digital c~ o O quantizador um sistema n~o-linear cujo objetivo transformar a seq^ncia de entrada e a e ue x[n] num conjunto nito de valores prescritos. Representamos esta operaao como c~ x[n] = Q(x[n]) ^ (3.52)

e chamamos x[n] de amostra quantizada. Aps a quantizaao, os n ^ o c~ veis ser~o rotulados por a B+1 nveis podem ser codicados com um um cdigo que de modo geral um cdigo binrio ( 2 o e o a cdigo binrio de (B+1) bits ). o a As amostras quantizadas x[n] s~o, em geral, diferentes das verdadeiras x[n]. A diferena ^ a c entre elas chamada de erro de quantizaao, denida por e c~ e[n] = x[n] x[n]: ^ (3.53)

Geralmente e[n] n~o conhecido e um modelo estatstico deve ser usado. a e A representaao estatstica de erros de quantizaao baseada nas seguintes consideraoes : c~ c~ e c~ (i) A seq^ncia e[n] uma seq^ncia de amostras de um processo aleatrio estacionrio. ue e ue o a (ii) A seq^ncia de erro e[n] n~o correlata com a seq^ncia x[n] . ue a e ue (iii) As variveis aleatrias do processo de erro n~o s~o correlatas; isto , o erro um processo a o a a e e de rudo branco. (iv) A distribuiao de probabilidade do processo de erro uniforme. c~ e

3.5.4

Convers~o digital-analgica a o

O sistema que toma a seq^ncia y[n] como entrada e produz yr (t) como sada chamado ue e conversor ideal D/C. Um dispositivo sicamente realizvel prximo do conversor ideal D/C a o e um conversor digital-analgico (D/A) acompanhado por um ltro passa-baixa. o 43

Figura 3.22: Representaao de uma sistema 'Amostra e Segura' ideal. c~

Figura 3.23: Sinais tpicos de entrada e sada para o sistema 'Amostra e Segura'. Um conversor D/A toma uma seq^ncia de palavras cdigo binrias yB [n] como entrada e ue o a ^ produz uma sada contnua da forma yDA (t) =
+1 X

n=1

Ym ^B [n]ho (t nT ) = y

n=1

+1 X

y ^[n]ho (t nT )

(3.54)

onde Ym um par^metro relacionado com o quantizador, yB [n] a seq^ncia de palavras cdigo, e a ^ e ue o y[n] a seq^ncia quantizada representativa do sinal digital e ho (t) a resposta ao impulso de ^ e ue e um sistema `Amostra e Segura '. O diagrama de blocos de um conversor D/A mostrado na e gura 3.25. Se usarmos o modelo de rudo aditivo para representar os efeitos de quantizaao podemos c~ escrever yDA (t) = Denindo yo (t) =
+1 X +1 X

n=1

y[n]ho (t nT ) +

n=1

+1 X

e[n]ho (t nT ):

(3.55)

n=1

y[n]ho (t nT )

(3.56)

44

Figura 3.24: Representaao matemtica do conversor A/D. c~ a

Figura 3.25: Diagrama de blocos de um conversor D/A e eo (t) = temos, yDA (t) = yo (t) + eo (t): (3.58)
+1 X

n=1

e[n]ho (t nT ) ;

(3.57)

A componente yo (t) est relacionada com o sinal desejado ya (t) e o rudo eo (t) depende da a quantizaao. c~ Podemos mostrar, aps alguns clculos, que denindo um ltro com resposta em freq^ncia o a ue ( T =2 ejT =2; j j< =T sen(T =2) ~ Hr (j) = (3.59) 0; j j> =T podemos obter a sa ya(t) se a entrada do ltro for yo (t). da Porm, a entrada do ltro yDA (t) = yo (t) + eo (t) e a sa ser e e da a y ^r (t) = ya (t) + ea (t) onde ea(t) ser um ru branco limitado em faixa. a do De modo geral teremos ~ Ya (j) = Hr (j)Ho (j)H(ejT )Haa(j)Xc (j) (3.61) (3.60)

~ onde Haa (j) ; Ho (j) e Hr (j) s~o as respostas em freq^ncia do ltro anti-mascaramento, a ue `amostra e segura' e do ltro passa-baixa de reconstruao, respectivamente. H(ejT ) a rec~ e sposta em freq^ncia do sistema discreto. ue 45

3.6
3.6.1

A Transformada Discreta de Fourier (TDF)


Introdu~o ca

Ns j discutimos a representaao de seq^ncias e sistemas lineares invariantes no tempo em o a c~ ue termos da transformada de Fourier. Para seq^ncias de duraao nita possvel desenvolver ue c~ e uma representaao de Fourier alternativa, referida como Transformada Discreta de Fourier c~ (TDF). A TDF uma seq^ncia e n~o uma funao de varivel contnua e corresponde as e ue a c~ a amostras, igualmente espaadas em freq^ncia, da transformada de Fourier do sinal. A TDF c ue tem um papel importante na implementaao de algoritmos de processamento de sinais digitais. c~

3.6.2

A srie discreta de Fourier e

Considere uma seq^ncia x[n] peridica de perodo N tal que x[n] = x[n + rN ] para qualquer ue ~ o ~ ~ inteiro r. Como no caso de sinais cont nuos, tal seq^ncia pode ser representada por uma soma ue de seq^ncias exponenciais complexas harmonicamente relacionadas. A representaao em srie ue c~ e de Fourier de x[n] tem a forma ~ x ~[n] = onde ~ X[k] =
N1 X n=0 N1 1 X~ X[k]ej(2=N)kn N o

(3.62)

x ~[n]ej(2=N)kn :

(3.63)

~ Note que X[k] peridica de perodo N. e o Normalmente denimos WN = ej(2=N ) e escrevemos 3.62 e 3.63 como
N 1 1 X~ kn x[n] = ~ X[k]WN N k=0

(3.64)

e ~ X[k] =
N1 X n=0 kn x ~[n]WN :

(3.65)

Consideremos, como exemplo, que a seq^ncia x[n] dada pela gura 3.26. ue ~ e Assim, ~ X[k] =
9 X n=0

x[n]ej( 10 )kn = ~

4 X n=0

ej(2=10)kn = ej(4k=10)

sen(k=2) : sen(k=10)

(3.66)

46

Figura 3.26: Seq^ncia peridica com per ue o odo N=10

~ Figura 3.27: Magnitude de X[k]. ~ O grco da magnitude de X[k] dado na gura 3.27 . a e A seq^ncia peridica na equaao 3.66 pode ser interpretada como amostras igualmente ue o c~ espaadas da transformada de Fourier discreta de um perodo de x[n]. c ~ Consideremos x ~[n]; 0 n N 1 0; caso contrrio: a

x[n] = Assim, X(ej! ) =

(3.67)

N 1 X n=0

x[n]ej!n =

N 1 X n=0

x[n]ej!n : ~

(3.68)

Comparando 3.63 com 3.68 observamos que ~ X[k] = X(ej! ) para ! = 2k=N (3.69)

que corresponde a transformada de Fourier discreta para N freq^ncias igualmente espaadas ue c entre ! = 0 e ! = 2 com o espao entre freq^ncias de 2=N . c ue Vendo que a seq^ncia dada pela gura 3.26 peridica, tomemos apenas um perodo. ue e o Assim, 1; 0 n 4 x[n] = (3.70) 0; 5 n 9: 47

A transformada de Fourier discreta de x[n] e X(ej! ) =


4 X 0

ej!n = ej2!

sen(5!=2) : sen(!=2)

(3.71)

O grco da magnitude de X(ej! ) dado pela gura 3.28 . a e

Figura 3.28: Magnitude de X(ej! ): Unindo as guras 3.27 e 3.28 num unico grco observamos o grco da gura 3.29. a a

3.6.3

A transformada discreta de Fourier (TDF)

Observamos anteriormente que dada uma seq^ncia peridica x[n], os coecientes da srie ue o ~ e discreta de Fourier de x[n] s~o as amostras da transformada de Fourier discreta de um perodo ~ a de x[n]. Dada uma seq^ncia de comprimento nito x[n] ns podemos formar uma seq^ncia ~ ue o ue peridica x[n] dada por o ~
+1 X +1 X

x[n] = x[n] ~

(n + rN) =

x[n + rN]

(3.72)

r=1

r=1

~ Figura 3.29: Uni~o dos grcos de j X[k] j e j X(ej! ) j. a a

48

que pode ser representada por uma srie de Fourier. Alternativamente, dada a seq^ncia de e ue ~ coecientes de Fourier X[k], podemos achar x[n] e usar a relaao ~ c~ x ~[n]; 0 n N 1 x[n] = (3.73) 0; caso contrrio a para obter x[n]. Podemos ent~o usar a srie discreta de Fourier para representar seq^ncias de comprimento a e ue nito e chamamos de Transformada Discreta de Fourier (TDF). Consideremos uma seq^ncia x[n] de comprimento N (nito) tal que x[n] = 0 fora do ue intervalo 0 n N 1. Associemos uma seq^ncia peridica x[n] dada por ue o ~ x[n] = ~
+1 X

x[n + rN]:

(3.74)

r=1

A seq^ncia x[n] pode ser recuperada de x[n] por ue ~ x ~[n]; 0 n N 1 x[n] = 0; caso contrrio: a

(3.75)

~ Os coecientes da srie discreta de Fourier X[k] da seq^ncia peridica x[n] uma seq^ncia e ue o ~ e ue peridica de per o odo N. Escolhemos uma seq^ncia formada por elementos compreendidos em ue ~ um perodo de X[k]. Esta seq^ncia de duraao nita, X[k], referida como a transformada ue c~ e discreta de Fourier (TDF) de x[n]. Assim, se x[n] uma seq^ncia de comprimento nito e sua e ue transformada discreta de Fourier X[k] ent~o e a
N 1 X n=0

X[k] = e

kn x[n]WN

(3.76)

N 1 1 X kn x[n] = X[k]WN : N k=0

(3.77)

Como exemplo, consideremos a seq^ncia de duraao nita x[n] mostrada na gura 3.30 (a), ue c~ com N=10. Constru mos a seq^ncia peridica x[n] a partir de x[n], mostrada na gura 3.30 ue o ~ (b). Os coecientes da srie discreta de Fourier s~o mostrados na gura 3.30 (c), assim como a e a ~ magnitude da Transformada de Fourier discreta, j X(ej! ) j , de x[n]. Claramente, X[k] uma e j! seq^ncia de amostras de X(e ) nas freq^ncias !k = 2k=N . A TDF de 10 pontos de x[n] ue ue ~ corresponde a seq^ncia de comprimento nito obtida ao extrairmos um per ue odo de X[k]. A magnitude da TDF de 10 pontos de x[n] mostrada na gura 3.30 (d). e

49

Figura 3.30: Exemplo de TDF.

3.6.4

A transformada rpida de Fourier a

A TDF a unica transformada que discreta no tempo e na freq^ncia e denida para e e ue e seq^ncias de duraao nita. Embora ela possa ser calculada numericamente, a implementaao ue c~ c~ direta da equaao 3.76 ineciente, especialmente quando o comprimento N da seq^ncia for c~ e ue grande. Vrios algoritmos ecientes foram desenvolvidos e esses algoritmos s~o conhecidos a a coletivamente como transformada rpida de Fourier (FFT). a Considere uma seq^ncia de N pontos x[n]. Sua TDF de N pontos dada pela equaao 3.76 ue e c~ e reproduzida a seguir
N1 X n=0

X[k] =

kn x[n]WN ; 0 k N 1

(3.78)

50

onde WN = ej2=N . Para obtermos uma amostra de X[k] ns precisamos de N multiplio caoes complexas e (N 1) adioes complexas. Da para obtermos um conjunto completo dos c~ c~ , coecientes da TDF, ns precisamos de N 2 multiplicaoes complexas e N(N 1) N 2 adioes o c~ c~ complexas. Claramente, o nmero de clculos para achar a TDF de uma seq^ncia de N pontos u a ue depende quadraticamente de N, que ser denotado por a CN = o(N 2): Para N grande, o(N 2 ) inaceitvel na prtica. Geralmente, o tempo de processamento e a a para uma adiao muito menor que para uma multiplicaao. Por isso, a partir de agora c~ e c~ nos concentraremos apenas no nmero de multiplicaoes complexas, onde cada multiplicaao u c~ c~ requer quatro multiplicaoes reais e duas adioes reais. A depend^ncia quadrtica pode ser c~ c~ e a reduzida se observarmos que muitos clculos podems ser eliminados usando as propriedades de a periodicidade
k(n+N) (k+N)n kn WN = WN = WN

e de simetria
kn+N=2 kn WN = WN kn do fator fWN g. Comearemos com um exemplo para ilustrar as vantagens das propriedades de simetria e c periodicidade para reduzir o nmero de clculos. u a O MATLAB possui uma funao chamada t para calcular a TDF de um vetor x. A sintaxe c~ X = ff t(x; N) que calcula a TDF de N pontos. Se o comprimento de x menor que N, e e ent~o x completado com zeros. Se o argumento N omitido ent~o o comprimento da TDF o a e e a e comprimento de x. Se N for uma pot^ncia de 2 ent~o um algoritmo FFT de raio 2 utilizado. e a e Se N n~o for uma pot^ncia de 2, ent~o N decomposto em fatores primos e um algoritmo a e a e FFT de raio misto utilizado. Finalmente, se N for primo, ent~o a funao t calcula a TDF e a c~ diretamente pela frmula. A TDF inversa calculada usando a funao it, que tem as mesmas o e c~ caractersticas da t. Apresentamos, na gura 3.31, um resumo das relaoes entre o domnio do tempo e da c~ freq^ncia atravs da transformada de Fourier, analgica e digital. ue e o Mostramos na gura 3.32 um resumo mostrando a dualidade entre os diferentes tipos de transformadas.

51

. .

Figura 3.31: Resumo das relaoes entre os domnios do tempo e da freq^ncia, atravs das c~ ue e transformadas de Fourier.

52

. .

Figura 3.32: Dualidade entre os diferentes tipos de transformadas.

53

Figura 3.33: Grcos de (a) xc e de Xc (j).(b)x[n] e de j X[k] j. a

3.6.5

Exemplos

1- Consideremos o sinal contnuo xc dado por xc (t) = 1 ; 0 t 7: Tomemos oito amostras desse sinal nesse intervalo, construindo a seq^ncia ue x[n] = f1; 1; 1; 1; 1; 1; 1; 1g: Mostramos os grcos de xc e de j Xc (j) j na gura 3.33 (a). a Na gura 3.33 (b) mostramos os grcos de x[n] e da amplitude da FFT de x[n]; isto , a e j X[k] j, para 0 k 7. Consideremos, agora, o sinal xc dado por : 1; 0 t 7 0; 7 < t 15:

xc (t) =

Tomemos 16 amostras desse sinal, construindo a seq^ncia ue x[n] = f1; 1; 1; 1; 1; 1; 1; 1; 0; 0; 0; 0; 0; 0; 0; 0g: 54

Figura 3.34: Grcos de (a) xc e de Xc (j) (b) de x[n] e de j X j X[k] j. a Mostramos os grcos de xc e de j Xc (j) j na gura 3.34 (a). Na gura 3.34 (b) mostramos a os grcos de x[n] e da amplitude da TDF de x[n]; isto , j X[k] j para 0 k 15. a e Observamos que j X[k] j, na gura 3.33 (b) n~o representa signicativamente j Xc (j) j. a Porm, na gura 3.34 a representaao signicativa. Esse problema ser discutido mais adiante. e c~ e a Lembramos que a TDF de uma seq^ncia x[n] de N termos representa amostras igualmente ue 2k espaadas de Xc (j) para ! = N com 0 k N 1. Mostramos nas guras 3.33 e 3.34, os c grcos da amplitude da TDF colocando no eixo horizontal os valores de n. Se desejssemos a a mostrar, no eixo horizontal, os valores da freq^ncia , basta que faamos uma mudana de ue c c escala. Teramos assim os grcos mostrados na gura 3.35. a 2-Consideremos o sinal contnuo xc dado por xc (t) = sen(2t) ; 0 t 1: Desejamos obter 64 amostras, igualmente espaadas, desse sinal. Dessa forma, formamos a c seq^ncia : ue N ) para N = 0; 1; : : : ; 63: 64

x[n] = sen(2

Mostramos a representaao grca dessa seq^ncia na gura 3.36. c~ a ue 55

Figura 3.35: Grcos de j X[k] j. a

Figura 3.36: Representaao grca de uma seq^ncia. c~ a ue Calculamos a TDF dessa seq^ncia, usando o MATLAB e mostramos o grco de sua ue a amplitude na gura 3.37. O grco mostrado na gura 3.37 formado por amostras igualmente espaadas de um a e c perodo da transformada de Fourier Discreta, X(ej! ), de x[n]. Devemos interpret-lo da a seguinte forma : os termos da seq^ncia correspondentes aos valores de N entre 0 e 31 correue j! spondem as amostras de X(e ) entre 0 e e para os valores de N entre 32 e 63 correspondem a s amostras de X(ej! ) entre e 0. Consideremos o sinal xc dado por sen(2t); 0 t 1 0; 1<t2

xc (t) =

Tomemos 128 amostras desse sinal. Calculamos a TDF e mostramos os grcos da seq^ncia a ue obtida em 3.38 (a) e da magnitude da TDF em 3.38 (b). Observamos diferenas entre os grcos das amplitudes da TDF , da mesma forma que no c a exemplo 1. 56

Figura 3.37: Magnitude da TDF de x[n]. 3- Consideremos o sinal xc dado por t; 0 t 1 1; 1 < t 2:

xc (t) =

Tomemos 16 amostras desse sinal e calculemos a TDF. Mostramos os grcos da seq^ncia a ue obtida assim como da magnitude da TDF na gura 3.39. Desta vez n~o observamos quase a totalidade das amostras, em j X[k] j , nulas como nos a casos anteriores e n~o precisamos acrescentar zeros no nal da seq^ncia. a ue A apar^ncia das TDFs obtidas nas guras 3.33 e 3.37 uma ilus~o resultante da amostragem e e a espectral. A raz~o disto que a transformada discreta de Fourier exatamente zero nas a e e freq^ncias que s~o amostradas, exceto para alguns poucos valores de k. Dessa forma, reue a e comendvel que acrescentemos zeros no nal da seq^ncia de forma a obtermos uma amostragem a ue mais renada do espectro.

3.7
3.7.1

Anlise de sinais usando TDF a


Introdu~o ca

Uma das aplicaoes de TDF na anlise em freq^ncia de sinais cont c~ e a ue nuos. Os passos bsicos a para a aplicaao da TDF a sinais cont c~ nuos s~o indicados na gura 3.40. a O ltro anti-mascaramento usado para eliminar ou minimizar o mascaramento. A necese sidade da multiplicaao de x[n] por uma seq^ncia nita chamada w[n] (tambm chamada de c~ ue e janela) uma conseq^ncia da necessidade da seq^ncia ser de comprimento nito para que e ue ue possamos aplicar a TDF. Ns desenvolvemos a transformada discreta de Fourier (TDF) como uma representaao de o c~ sinais de comprimento nito. Discutimos, tambm, uma forma de calcul-la numericamente e a usando os algoritmos chamados conjuntamente de TDF. Para sinais de comprimento nito, a TDF consiste de amostras no dom nio da freq^ncia igualmente espaadas da transformada de ue c Fourier discreta (TFD) e as implicaoes dessa amostragem devem ser claramente entendidas. c~ 57

Figura 3.38: Grcos de x[n] e de j X[k] j. a Comeamos com um sinal contnuo xc (t) que aps a passagem pelo ltro anti-mascaramento, c o se transforma no sinal x(t). O sinal x(t) ent~o convertido em uma seq^ncia x[n]. No dom e a ue nio da freq^ncia, a convers~o de x(t) para a seq^ncia x[n] representada por rplicas peridicas ue a ue e e o da tranformada de Fourier de x(t)(X(j)) e normalizaao da freq^ncia; isto , c~ ue e
+1 1 X ! 2k Xc (j j ): X(e ) = T k=1 T T j!

Lembramos que na prtica o ltro anti-mascaramento n~o tem atenuaao innita na banda a a c~ de passagem e assim alguma presena de mascaramento pode ocorrer, porm o erro cometido c e ser muito pequeno. Tambm, se x[n] for um sinal digital, um erro de quantizaao pode ser a e c~ introduzido . A seq^ncia x[n] ent~o multiplicada por uma seq^ncia de comprimento nito w[n] (janela) ue e a ue pois a entrada da DFT deve ser de duraao nita. Se w[n] for constante para todos os valores c~ de n considerados, chamamos de janela retangular temporal. Porm, existem outros tipos de e janelas que ser~o discutidos mais tarde. A operaao nal a TDF da seq^ncia v[n] e dada a c~ e ue e por

58

Figura 3.39: Grcos de x[n] e de j X[k] j. a

V [k] =

N1 X n=0

v[n]ej(2=N)kn ; k = 0; 1; : : : ; N 1:

V [k] corresponde a amostras igulamente espaadas da transformada de Fourier discreta de c v[n]; isto , e V [k] = V (ej! ) j!=2k=N : Conhecemos a relaao ! = T e assim as freq^ncias obtidas na TDF correspondem as c~ ue freq^ncias k dadas por : ue k = 2k : NT

Muitos analisadores de espectro comerciais s~o baseados no que foi discutido aqui. Porm, a e devemos estar cientes que muitos fatores afetam a interpretaao da transformada de Fourier da c~ entrada em termos da TDF de uma seq^ncia formada das amostras do sinal. Desejamos estudar ue posteriormente as conseq^ncias da multiplicaao da seq^ncia por uma janela e das amostras ue c~ ue no dom da freq^ncia e para isso consideramos desprezveis os problemas de mascaramento nio ue e o erro de quantizaao introduzido na convers~o A/D. c~ a 59

Figura 3.40: Diagrama de blocos dos passos bsicos para a aplicaao da TDF. a c~

3.7.2

Janelas - O vazamento

Introdu~o ca Em muitas aplicaoes os sinais n~o t^m comprimento nito. Desejando analisar apenas deterc~ a e minado intervalo de tempo, truncamos o sinal em um determinado intervalo. Essa operaao c~ equivale a multiplicar o sinal por uma janela retangular temporal. Porm, essa multiplicaao e c~ pode levar a resultados indesejveis que podem ser observados no domnio da freq^ncia. Oba ue servamos assim o fen^meno conhecido como vazamento, ou leakage, que ser estudado adiante. o a Considere o sinal senoidal dado por f(t) = cos(!0 t): Sabemos que a transformada de Fourier desse sinal dada por e 1 F (!) = [(! !0 ) + (! !0 )] 2 ou seja, dois impulsos localizados em +!0 e !0 . Consideremos, agora, a multiplicaao de f(t) por uma janela retangular temporal dada por c~ T (t) = Obtemos, assim, uma nova funao c~ g(t) = cos(!0 t)T (t) cuja transformada de Fourier dada por e G(!) = sen(! !0 )T sen(! + !0 )T + : ! !0 ! + !0 1; T t T 0; caso contrrio: a

G(!) est representada na gura 3.41 . a Devido a truncagem do sinal ocorreu um "espalhamento" para freq^ncias diferentes de !0 . ue O espalhamento maior se T for menor. e 60

Figura 3.41: Grco de G(!): a

3.7.3

Consequ^ncia da aplica~o de janelas e ca

Consideremos um sinal cont nuo consistindo da soma de duas componentes senoidais; isto , e xc (t) = Ao cos(o t + o ) + A1 cos(1 t + 1 ) ; 1 < t < 1: (3.79)

Considerando amostragem ideal sem a presena de mascaramento e nenhum erro de quanc tizaao, obtemos o sinal discreto c~ x[n] = Ao cos(!o n + o ) + A1cos(!1 n + 1 ) ; 1 < n < +1: onde !o = o T e !1 = 1 T . Aps a aplicaao da janela w[n] em x[n] obtemos o c~ v[n] = Ao w[n]cos(!o n + o ) + A1 w[n]cos(!1n + 1 ): A transformada de Fourier discreta de v[n] ser a Ao jo Ao jo W (ej(!!o ) ) e W (ej(!!o ) ) + e 2 2 (3.81) (3.80)

V (ej! ) =

A1 j1 A1 j1 e W (ej(!!1 ) ) + e W (ej(!+!1 )) ; 2 2

(3.82)

onde W (ej! ) a transformada de Fourier discreta de w[n]. Assim, a transformada de Fourier e discreta de v[n] consiste de rplicas da transformada de Fourier de w[n] com diferente escala e de amplitude. 61

Exemplo Consideremos o sinal dado por 3.79 e obtemos a seq^ncia dada por 3.80 com freq^ncia de ue ue amostragem de 1=T = 10kHz. Consideremos uma janela retangular w[n] de comprimento igual a 64. Consideremos, ainda, Ao = 1, A1 = 0:75 e por conveni^ncia o = 1 = 0: Calculemos e V (ej! ) para vrios valores de o e 1. Mostraremos apenas os grcos relativos as magnitudes a a da transformada de Fourier discreta . Na gura 3.42 (a) mostramos o grco de j W (ej! ) j e nas guras 3.42 (b) , 3.43 (a),(b) a e 3.44 mostramos o grco de j V (ej! ) j para vrios valores de o e 1 ou equivalentemente !o a a e !1 .

Figura 3.42: (a)j W (ej! ) j.(b) j V (ej! ) j para !o = (2)=6 e !1 = (2=3). A equaao 3.82 mostra que se n~o houver superposiao entre as rplicas de W (ej! ) em !o e c~ a c~ e !1, haver um pico de amplitude 32Ao em !o e um pico de amplitude 32A1 em !1 , pois W (ej! ) a tem um pico de amplitude 64. Na gura 3.42 (b) os dois picos est~o, aproximadamente, em a !o = 2=6 e !1 = 2=3 e as amplitudes dos picos est~o aproximadamente na raz~o 0:75 .Na a a 1 j! gura 3.43 (a) h superposiao entre as rplicas de W (e ) em !o e !1 . Observamos dois picos a c~ e distintos, porm a amplitude do espectro em !o afetado pela amplitude do sinal senoidal na e e freq^ncia !1 e vice-versa. Esta interaao chamada de vazamento: a componente em uma ue c~ e freq^ncia "vaza" na vizinhana de outra componente devido ao "espalhamento" espectral ue c introduzido pela janela. A gura 3.43 (b) mostra o caso onde o vazamento maior. Observe e como as amplitudes dos picos s~o reduzidas. Na gura 3.44 a superposiao entre as rplicas a c~ e 62

Figura 3.43: (a) j V (ej! ) j para !o = (2=14) e !1 = (4=15).(b) j V (ej! ) j para !o = (2=14) e !1 = (2=12). e a a a de W (ej! ) t~o signicante que n~o s~o mais visveis dois picos mas apenas um. Em outras palavras, com esta janela as duas freq^ncias correspondentes n~o s~o diferenciadas no espectro. ue a a Resoluao reduzida e vazamento s~o dois efeitos que ocorrem como resultado da aplicaao c~ a c~ de janelas ao sinal. A resoluao inuenciada pelo largura do lobo principal (dist^ncia entre as c~ e a j! duas primeiras freq^ncias simtricas) de W (e ), enquanto o grau de vazamento depende do ue e quociente entre a amplitude mxima do lobo principal e a amplitude mxima do primeiro lobo a a j! secundrio de W (e ) . Chamaremos esse valor de As . Geralmente este valor dado em dB a e (decibel), isto , calculamos 20log j As j. A largura do lobo principal depende do comprimento e da janela (quanto maior o comprimento da janela, menor a largura do lobo principal) e a amplitude relativa do lobo principal e dos lobos secundrios depende do formato da janela (quanto a mais "bruscamente" a janela vai de um a zero ou de zero a um, maior o valor de As ).H vrias a a janelas conhecidas e elas est~o disponveis no MATLAB (toolbox "signal processing"). S~o elas: a a janela retangular, janela de Bartlett, janela de Hanning, janela de Hamming, janela de Blackman e janela de Kaiser. Os nomes foram dados em homenagem a seus autores. Discutiremos um pouco sobre cada uma delas.

63

Figura 3.44: j V (ej! ) j para !o = (2=14) e !1 = (4=25).

3.7.4

Tipos de janelas

Janela retangular A janela retangular denida por e 1; 0 n M 1 0; caso contrrio a

w[n] =

A largura do lobo principal para esta janela igual a 4 . O valor de As igual a 13 dB. e e M Para um comprimento dado, esta janela possui a menor largura de lobo principal, mas o maior valor de As comparando com as outras janela conhecidas. Mostramos os grcos de w[n] e de j W (ej! ) j (em dB), na gura 3.45, para M=45. a

Figura 3.45: Janela retangular:M=45

Janela de Bartlett Bartlett sugeriu uma janela que possui uma transiao mais gradual do que a janela retangular c~ (transiao entre 1 e 0). Essa janela denida por c~ e 64

w[n] =

8 < :

2 0;

2n ; M 1

2n ; M 1

1 0 n M2 M 1 nM 1 2 caso contrrio: a

(3.83)

A largura do lobo principal neste caso aproximadamente igual a 8 e o valor de As igual e e M j! a 25 dB. Mostramos os grcos de w[n] e de j W (e ) j, na gura 3.46. a

Figura 3.46: Janela de Bartlett: M=45.

Janela de Hanning Esta janela denida por e


2n 0:5[1 cos( M 1 )]; 0 n M 1 0; caso contrrio: a 8 M

w[n] =

(3.84) e As = 31dB.

Neste caso, o comprimento do lobo principal aproximadamente igual a e j! Mostramos os grcos de w[n] e de j W (e ) j na gura 3.47. a Janela de Hamming Esta janela denida por e
2n 0:54 0:46cos( M 1 ); 0 n M 1 0; caso contrrio: a

w[n] =

(3.85)
8 M

Neste caso, o comprimento do lobo principal aproximadamente igual a e Mostramos os grcos de w[n] e de j W (ej! ) j na gura 3.48. a

e As = 41dB.

65

Figura 3.47: Janela de Hanning: M=45

Figura 3.48: Janela de Hamming: M=45. Janela de Blackman Esta janela denida por e
2n 4n 0:42 0:5cos( M 1 ) + 0:08cos( M 1 ); 0 n M 1 0; caso contrrio: a 8 M

w[n] =

(3.86) e As = 57dB.

Neste caso, o comprimento do lobo principal aproximadamente igual a e Mostramos os grcos de w[n] e de j W (ej! ) j na gura 3.47. a Janela de Kaiser Esta janela denida por e (
Io [(1[(n)=]2 )1=2 ; Io ()

w[n] =

0;

0nM caso contrrio a

(3.87)

66

Figura 3.49: Janela de Blackman: M=45. onde = M e Io representa a funao de Bessel modicada de ordem zero de primeiro tipo. c~ 2 A janela de Kaiser tem dois par^metros: o comprimento (M+1) e um par^metro de forma (). a a Mostramos na gura 3.50 os grcos de w[n] e de j W (ej! ) para o caso em que M = 45 e a = 5:658. Nesse caso, o comprimento do lobo principal igual a 7:8 e As = 42 dB. e M

Figura 3.50: Janela de Kaiser: M=45; = 5:658 Devemos ressaltar que cada uma dessas janelas tem uma determinada aplicaao. c~ Exemplo Consideremos a seq^ncia do exemplo anterior, tomando as freq^ncia wo = 2=14 e w1 = 2=8. ue ue Faremos uma comparaao entre os grcos de j V (ej! ) j utilizando as janelas retangular, de c~ a Blackman e de Hanning. Utilizamos a seq^ncia, ue v[n] = w[n]cos( para n entre 0 e 63. 2 2 n) + w[n]0:75cos( n) 14 8

67

Mostramos na gura 3.51 (a) o grco de j V (ej! ) j utilizando a janela retangular, na a gura 3.51 (b), utilizando a janela de Hanning e na gura 3.51 (c), utilizando a janela de Blackman. 1 Observamos que o quociente entre os dois picos de amplitude deveria ser igual a 0:75 = 1:333. Com a janela retangular obtivemos 1.3097 , com a janela de Hanning obtivemos 1.3348 e com a janela de Blackman obtivemos 1.32211. Assim, as janelas de Blackman e de Hanning reduziram o problema de Leakage, como era esperado. Com janela de Hanning obtivemos o melhor resultado.

Figura 3.51: (a) Utilizaao da janela retangular; (b) Utilizaao da janela de Hanning; c~ c~ (c) Utilizaao da janela de Blackman. c~

68

Cap tulo 4 Duas aplica~es co


4.1
4.1.1

Multiplexa~o ca
Conceito

Se um circuito utilizando um par de condutores permite que duas pessoas possam estabelecer um dilogo sem problemas, podemos perceber que, se quatro assinantes tirassem o telefone do a gancho ao mesmo tempo, todos ouviriam a conversa dos outros. Quanto maior o nmero de u assinantes, maior seria o problema. Assim, h a necessidade da utilizaao de uma tcnica que a c~ e possibilite a comunicaao, sem interfer^ncia entre os circuitos, porm utilizando o mesmo meio c~ e e de transmiss~o. A multiplexaao essa tcnica. Ela utiliza circuitos a quatro os com canais a c~ e e de ida (dois os) e canais de volta (dois os). A gura 4.1 mostra esquematicamente a ligaao c~ utilizando a tcnica de multiplexaao. e c~ O meio de transmiss~o descrito pode ser um par de os, o ar (radioenlace), bra otica, etc. a

Figura 4.1: Ligaao telef^nica atravs da multiplexaao. c~ o e c~

69

4.1.2

Tipos de multiplexa~o ca

Atualmente s~o utilizados diversos tipos de multiplexaao, divididos em dois grupos, de acordo a c~ com a tcnica utilizada. e Tcnica digital : A multiplexaao que utiliza esta tcnica a chamada multiplexa~o por e c~ e e ca divis~o de tempo. a Tcnica analgica : A multiplexaao que utiliza essa tcnica a chamada multiplexa~o e o c~ e e ca por divis~o em freq^ncia a ue A escolha do meio de transmiss~o a ser utilizado num sistema multiplex primordialmente a e baseado no n mero de canais a serem transmitidos, porm a dist^ncia entre os pontos que u e a desejam se comunicar, as diculdades geogrcas entre os mesmos, bem como a conabilidade a e qualidade desejadas para o sistema tambm ir~o ditar qual o processo mais econ^mico a ser e a o utilizado. Os meios de transmiss~o basicamente n~o alteram o equipamento multiplex, sendo divididos a a em dois grupos, conforme a propagaao do sinal seja no espao ou num meio fsico: sistemas c~ c de transmiss~o via rdio e sistemas de transmiss~o via linha f a a a sica. A conguraao geral para a ligaao via rdio mostrada na gura 4.2. c~ c~ a e

Figura 4.2: Ligaao via rdio. c~ a O sinal que representa a informaao e que variar uma caracterstica de uma onda, chamada c~ a de onda portadora, chama-sea onda moduladora. Ao processo de variaao de uma caracter c~ stica da onda portadora de acordo com o sinal da informaao, chamamos de modulaao. A caractec~ c~ rstica que sofre variaao pode ser a amplitude e chamamos de modula~o em amplitude (AM), c~ ca ou a caracteristica a freq^ncia e chamamos de modula~o em freq^ncia (FM). e ue ca ue 70

Embora o multiplex telef^nico se destine primordialmente a transmiss~o de sinais de voz, o a ele tambm utilizado para o envio de informaoes sob outras formas de sinais, tais como: e e c~ sinais telegrcos, sinais de fax, sinais de dados, etc. a Assim, o multiplex telef^nico empregado por quase todos os servios de telecomunicaoes, o e c c~ onde tem a funao de concentrador a m de utilizar de maneira mais racional um meio de c~ transmiss~o de alta capacidade. a A gura 4.3 mostra um esquema de um sistema de telecomunicaoes onde vrios servios c~ a c podem ser prestados.

Figura 4.3: Servios de telecomunicaoes. c c~ Como a utilizaao primordial do multiplex para comunicaoes telef^nicas, o canal utilizado c~ e c~ o neste sistema chamado de canal multiplex telef^nico ou canal de voz e o circuito ser chamado e o a de circuito multiplex telef^nico ou circuito de voz. o H vrios tipos de canais disponveis dependendo da aplicaao. Por exemplo um canal a a c~ de 6 Khz de faixa tem emprego em sistemas de pequena capacidade, onde o baixo preo do c equipamento mais importante que o aproveitamento do meio para transmiss~o de um maior e a nmero de canais. u

71

4.2

Transla~o de freq^ncias ca ue

Chamamos de translaao (ou convers~o de freq^ncias) a transfer^ncia de sinais que ocupam c~ a ue e uma determinada faixa no espectro de freq^ncias para uma outra posiao deste espectro, de ue c~ tal maneira que seja mantida a posiao relativa das freq^ncias dentro da faixa. A translaao c~ ue c~ a operaao bsica da multiplexaao, sendo realizada por processos de modulaao, que pode e c~ a c~ c~ ser em amplitude(AM), freq^ncia(FM) ou fase (PM). ue A gura 4.4 mostra esquematicamente a translaao de freq^ncias. c~ ue

Figura 4.4: Translaao de freq^ncias. c~ ue

4.3

Modula~o e demodula~o ca ca

A modulaao um processo onde duas freq^ncias ou sinais s~o combinados, de tal maneira c~ e ue a que s~o criadas novas freq^ncias. a ue A gura ?? mostra esse processo esquematicamente.

Figura 4.5: Esquema da modulaao. c~ Na modulaao um dos sinais que ser combinado chamado de onda portadora e o outro, c~ a e sinal modulante. Ao produto da modulaao damos o nome de sinal modulado. Ao processo de c~ restauraao do sinal modulante, a partir do sinal modulado e da onda portadora, chamamos c~ de demodula~o. ca 72

4.3.1

Tipos de modula~o ca

H vrias formas de se modular um sinal e, geralmente, a onda portadora uma onda senoidal a a e que pode ser dada por aP = AP cos(2fP t + ): A modula~o em amplitude obtida somente pela variaao da amplitude AP , de forma que ca e c~ o desvio resultante, em relaao a amplitude, seja diretamente proporcional ao valor instant^neo c~ a do sinal modulante, porm independente da sua freq^ncia. e ue A modula~o em angulo, que pode ser por amplitude ou por freq^ncia, obtida quando ca ^ ue e faz-se variar o angulo 2fP t + . ^

4.3.2

Modula~o em amplitude ca

Na modulaao em amplitude, o valor mximo da onda portadora variado pela intensidade do c~ a e sinal modulante, que a quantidade moduladora. e Consideremos a onda onda portadora representada por aP = AP cos(2fP t) e a onda modulante por am = Am cos(2fm t): Desejamos obter a onda modulada em amplitude. A variaao de amplitude em torno de EP c~ ser senoidal, de forma que a amplitude em funao do tempo dada por a c~ e AP + AM cos(2fm t) sendo o valor mximo da amplitude igual a AP + Am e o valor mnimo igual a AP Am . A a onda modulada ser dada por a A = [AP + Am cos(2fm t)]cos(2fP t): Chamando a raz~o a
Am AP

de m, temos : A = AP [1 + mcos(2fm t)]cos(2fP t):

Expandindo a express~o acima temos a freq^ncia lateral inferior freq^ncia lateral superior ue ue onda portadora z }| { z }| { z }| { mAP mAP A = AP cos(2fP t) + cos2(fP fm )t + cos2(fP + fm )t : 2 2 Essa equaao indica a exist^ncia de tr^s freq^ncias distintas na onda modulada, a saber, a c~ e e ue freq^ncia da onda portadora, uma freq^ncia superior AP + Am e uma inferior AP Am . ue ue 73

Figura 4.6: (a)Domnio do tempo; (b) Domnio da freq^ncia. ue Como exemplo desse processo consideremos a onda onda portadora dada por ap = 2cos(40t) e o sinal modulante dado por am = cos(2t). Representamos na gura 4.6 o sinal modulante, a onda portadora e o sinal modulado, no dom nio do tempo e da freq^ncia. ue Neste caso o sinal modulante foi considerado como um sinal senoidal. No entanto, nos casos reais, o sinal varia continuamente numa faixa considervel, fazendo com que as freq^ncias a ue laterais que encontramos sejam substitu das por faixas de freq^ncias, denominadas banda ue lateral inferior e banda lateral superior, cuja largura igual a diferena entre o valor mximo e e c a ovalor m nimo das freq^ncias do sinal modulante. ue Consideremos, como exemplo, que o sinal x(t) contm a informaao que desejamos transmie c~ tir. Consideremos o sinal da onda portadora dado por xP (t) = AP cos(2fP t). Assim, o sinal modulado ser dado por a xm (t) = AP cos(2fP t) + mx(t)AP cos(2fP t) = AP [1 + mx(t)]cos(2fP t): m denominado ndice de modulaao e dado por m = e c~ e
Am . AP

74

No dom nio da freq^ncia, a transformada de Fourier do sinal xm dado por ue e XP (f ) = AP mAP [(f fP ) + (f + fP )] + [X(f fP ) + X(f + fP )]: 2 2

Assim, o espectro de um sinal modulado AM o espectro da mensagem deslocado, mais um e par de impulsos, em fP , que representam a onda portadora do sinal. Por exemplo, quando uma onda portadora de 1000 KHz modulada por um sinal de audio e que varia de 100 Hz a 5000 Hz, a freq^ncia mxima da faixa superior ser de 1005 Khz e a ue a a freq^ncia mnima da faixa inferior ser de 995 KHz, como ilustramos na gura 4.7. ue a

Figura 4.7: Modulaao em amplitude de um canal de voz. c~ H vrios processos de modulaao AM utilizados pela tcnica pelo mtodo da divis~o em a a c~ e e a freq^ncia. S~o eles : ue a AM-DSB - Modulaao em amplitude com faixa lateral dupla c~ AM-DSB/SC - Modulaao em amplitude com faixa lateral dupla e onda onda portadora c~ suprimida AM-SSB - Modulaao em amplitude com faixa lateral unica c~ AM-SSB/SC - Modulaao em amplitude com faixa lateral unica e onda portadora suprimc~ ida. De todos esses processos o mais empregado o AM-SSB/SC. Esse o mais utilizado pois e e a transmiss~o da onda portadora desnecessria pois n~o contm informaao e alm disso a e a a e c~ e gastar amos energia para a sua transmiss~o. Vericamos tambm que as duas bandas laterais a e possuem a mesma informaao e por isso s se faz necessria a transmiss~o de uma delas o que c~ o a a traz duas vantagens : economia de pot^ncia e de faixa de freq^ncia (ocupa-se uma faixa menor). e ue A onda onda portadora s ser necessria para a demodulaao, podendo ser gerada novamente o a a c~ aps a recepao no outro extremo. A supress~o da onda portadora realizada por moduladores o c~ a e chamados de moduladores balanceados. A seleao da banda lateral a ser transmitida executada c~ e por dispositivos chamados de ltros passa-faixa. 75

Banda de freq^ncia Freq^ncia de onda portadora Largura de faixa ue ue Ondas longas de rdio a 100 kHz 2 kHz Ondas curtas de rdio a 5 MHz 100 kHz VHF 100 MHz 2 MHz Microondas 5 GHz 100 MHz Ondas milimtricas e 100 GHz 2 GHz Faixa otica 5 1014 Hz 1013 Hz Tabela 4.1: Freq^ncia de onda portadoras e larguras de faixa selecionadas. ue A gura 4.7 apresenta o diagrama em blocos de uma modulaao em amplitude com onc~ da portadora suprimida e transmiss~o de uma s banda lateral, bem como a indicaao das a o c~ operaoes no domnio da freq^ncia. c~ ue A t tulo de curiosidade, a tabela 4.1 mostra as freq^ncias de onda portadoras e as larguras ue de faixa para determinados tipos de sinais.

4.4

Demodula~o ca

Ao processo de restauraao do sinal modulante ou informaao, a partir do sinal modulado e da c~ c~ onda portadora, chamamos de demodulaao. c~ Utilizaremos, como ilustraao, a forma senoidal para a demodulaao tal como zemos para c~ c~ a modulaao. c~ Tomemos como exemplo um sinal modulado a freq^ncia lateral inferior, cuja express~o a ue a seguir representa um sinal senoidal de freq^ncia (fP fm ): ue aBLI = mAP cos[2(fP fm )t]: 2

A onda onda portadora, id^ntica em freq^ncia a modulaao, representada pela express~o: e ue c~ e a aP = AP cos(2fP t): Assim, o sinal demodulado ser dado por a a = [AP + mAP cos[2(fP fm )t]cos(2fP t): 2

Aps algumas manipulaoes algbricas chegamos a : o c~ e onda portadora z }| { a = AP cos(2fP t) + freqencia lateral inferior freq^ncia lateral superior u ue z }| { z }| { Am Am cos(2fm t) + cos2(2fP fm )t : 4 4

Podemos observar que a demodulaao a modulaao na direao inversa, na qual obtemos c~ e c~ c~ uma freq^ncia lateral inferior id^ntica a informaao original, porm com uma amplitude menor. ue e c~ e 76

Devemos observar que n~o consideramos nesta anlise a variaao de fase entre as onda a a c~ portadoras na transmiss~o e na recepao, somente levando em conta a igualdade de freq^ncia. a c~ ue Porm, se estivermos transmitindo um tipo de informaao que tenha necessidade do reconhee c~ cimento de sua forma de onda na recepaao, uma defasagem entre as onda portadoras pode c~ deformar o sinal, a ponto de torn-lo irreconhec a vel. Mostramos na gura 4.8 um esquema do processo de multiplexaao e de demultiplexaao. c~ c~

4.5

Aplica~o a Engenharia Mec^nica: processamento ca a de sinais provenientes de aceler^metros e transduo tores de fora c

Para estudarmos a aplicaao de anlise e processamento de sinais na Engenharia Mec^nica, c~ a a discutiremos uma experi^ncia realizada para determinar freq^ncias naturais e modos de vie ue braao de uma viga em balano. A conguraao utilizada a da gura 4.9. A viga excitada c~ c c~ e e atravs de um vibrador, utilizando, para isso, um sinal aleatrio. Os sinais da excitaao, cape o c~ tado por um transdutor de fora, e da resposta, captada por um aceler^metro, s~o analisados e c o a processados por um analisador de sinais. Escolhemos no analisador a opao de funao resposta c~ c~ em freq^ncia. Nesse caso, os sinais provenientes do aceler^metro e do transdutor de fora ue o c s~o transformados para o domnio da freq^ncia e divididos um pelo o outro (determinaao a ue c~ da funao resposta em freq^ncia : sa dividida pela entrada). Como exemplo, podemos c~ ue da observar o grco da magnitude da funao resposta em freq^ncia, mostrada na gura 4.10. a c~ ue A partir dos \picos" desse grco podemos determinar as freq^ncias naturais da estrutura. a ue Para determinar os modos de vibraao, excitamos a estrutura em cada uma das freq^ncias c~ ue naturais, usando um sinal senoidal. Os modos de vibraoes podem ser visualizados usando c~ mascaramento com um estrosboscpio. o Porm, as principais aplicaoes s~o na area de controle de Sistemas Din^micos, mas ca e c~ a a para uma outra vez ... Estas Notas, feitas como um roteiro para o nosso mini-curso, n~o s~o auto-sucientes. a a Recomendamos que os interessados consultem os livros de Oppenheim e o manual do Toolbox MATLAB de Processamento de Sinais. O uso desse Toolbox sera coberto nas apresentaoes do c~ minicurso. Convidamos voces a visitarem o Laboratrio de Din^mica da PUC-Rio para verem coo a mo as idias apresentadas aqui s~o usadas para caracterizar, monitorar e controlar Sistemas e a Din^micos. a

Esperamos voces na PUC-Rio

77

Figura 4.8: Esquema de multiplexaao e demultiplexaao de tr^s canais de voz. c~ c~ e

78

Figura 4.9: Descriao da experi^ncia c~ e

Figura 4.10: Amplitude da funao resposta em freq^ncia. c~ ue

79