Aula 2

TE-708 Processamento Digital de Sinais - UFPR
1
2. Sinais e Sistemas Discretos
v Notao: x[n] Discreto x(t) Contnuo
n(amostras)
Sinal Discreto x[n]=x(n.T) Sinal Digital x
q
[n]
Sinal Contnuo x(t)
n
-20 -15 -10 -5 0 5 10 1 5 2 0
-3
-2
-1
0
1
2
3
A
m
p
litu
d
e
Tempo (mseg)
Sinal Continuo
-20 -15 -10 -5 0 5 10 1 5 2 0
-3
-2
-1
0
1
2
3
A
m
p
litu
d
e
Sinal Amostrado
Tempo (mseg)
-20 -15 -10 -5 0 5 10 1 5 2 0
-3
-2
-1
0
1
2
3
Sinal Discreto
A
m
p
litu
d
e
Amostra
-20 -15 -10 -5 0 5 10 1 5 2 0
-3
-2
-1
0
1
2
3
Amostra
A
m
p
litu
d
e
Sinal Digital
Sinal Amostrado x
a
(t)
t (ms)
2
v Sistemas:
x(t) y(t) H(s)
Contnuo:
x
a
(t) y
a
(t) H(z)
Amostrado:
x[n] y[n] H(z)
Discreto:
x
q
[n] y
q
[n] H
q
(z)
Digital:
Ex.: Filtros ativos e
passivos
Ex.: Filtros a capacitor
chaveado
Ex.: Filtros digitais com
Preciso Infinita
Ex.: Filtros digitais com
Preciso Finita
3
v Sinais Discretos: Sequncia de nmeros reais ou
complexos.
x[n] no definido para n no-inteiro
Ex.: x[n]={..., 1.3, 1.6, 2.0, 1.8, 1.7 ...}
4
2.1.1. Sequncias Bsicas e Operaes
v Soma: z[n]=x[n]+y[n]
v Produto: z[n]=x[n].y[n]
v Escalamento: y[n]=.x[n]
Operaes realizadas amostra a amostra
v Deslocamento: y[n]=x[n-n
o
]
5
v Sinais Discretos Bsicos:
Impulso Unitrio:
(Delta de Dirac)
0, 0
[ ]
1, 0
n
n
n
'
p[n]=a
-3
[n+3]+a
1
[n-1]+a
2
[n-2]+a
7
[n-7]
Sinal arbitrrio:
6
v Generalizando: [ ] [ ]. [ ]
k
x n x k n k
-Degrau unitrio:
'
<
0 , 0
0 , 1
] [
n
n
n u
[ ] [ ]
n
k
u n k

0
[ ] [ ]
k
u n n k
Analogamente:
[ ] [ ] [ 1] n u n u n
7
v Funo Exponencial Complexa: x[n]=A.
n
Se A e forem nmeros reais x[n] ser Real
Considerando A real positivo
Se 0<<1
Se =1
Se >1
Se -1<<0
Se <-1
8
Se A e forem nmeros complexos x[n] ser Complexa
Considerando:
.
j
A A e

0
.
j
e

( )
0
[ ] . . . .
n
j n j
x n A A e e

Ento:
( )
0
.
[ ] . .
n
j n
x n A e

Euler:
cos( ) sin( )
j
e j
+
Logo:
( ) ( )
0 0
[ ] . cos . sin .
n
x n A n j n 1 + + +
]
9
||<1
||=1
||>1
A=1
-10 -5 0 5 10
-2
0
2
4
a
l
p
h
a
=
.
9
/
4
5
-10 -5 0 5 10
-4
-2
0
2
-10 -5 0 5 10
-2
-1
0
1
2
a
l
p
h
a
=
1
/
4
5
-10 -5 0 5 10
-2
-1
0
1
2
-10 -5 0 5 10
-2
0
2
4
a
l
p
h
a
=
1
.
1
/
4
5
-10 -5 0 5 10
-2
0
2
4
Re{x[n]} Im{x[n]}
( ) ( )
0 0
[ ] . cos . sin .
n
x n A n j n 1 + + +
]
10
v Propriedades das exponenciais complexas
( ) ( )
0
0 0
cos sin
j t
e t j t
+ Sinal Contnuo:
Nota-se que: - Aumentando
0
Aumenta taxa de oscilao
- p/
0
sempre peridica
- em um tempo T existem infinitas senides completas
Sinal Discreto:
0
0 0
cos( ) .sin( )
j n
e n j n
+
- Aumentando
0
de 2:
0 0 0
( 2 ). ( ) ( ) .2 .
.
j n j n j n j n
e e e e
+

Concluso: Repetio dos sinais em t2., t4. ,...
Exponenciais complexas discretas necessitam serem
consideradas no intervalo (0,2.) ou (-, ).
11
0 2 4 6 8 10 12
-1
0
1
0 2 4 6 8 10 12
-1
0
1
0 2 4 6 8 10 12
-1
0
1
0 2 4 6 8 10 12
-1
0
1
0 2 4 6 8 10 12
-1
0
1
0 2 4 6 8 10 12
-1
0
1
0 2 4 6 8 10 12
-1
0
1
0 2 4 6 8 10 12
-1
0
1
0 2 4 6 8 10 12
-1
0
1
0
=0
0
=/6
0
=/3
0
=/2
0
=
0
=3/2
0
=5/3
0
=11/6
0
=2
12
Logo: Baixas Frequncias
0
prximo de 0 ou 2
Altas Frequncias
0
prximo de
-Propriedade 2:
Para um sinal ser peridico com perodo N necessrio que:
x[n]=x[n+N] para todo n
Ento:
0 0
( ) j n j n N
e e
+
0 0 0
.
j n j n j N
e e e

0
0 0
cos( ) .sin( ) 1
j N
N j N e

+
Logo:
0
2 N m
m
Ou:
0
2
m
N
No peridico p/
0
!!!!
13
Definindo: Perodo Fundamental:
Frequncia Fundamental:
0
2
N m

_
,
0
m
Sinais harmonicamente relacionados:

Contnuo:
0
2
T

0 0 0 0
2 4 6 2
.
2 3
, , ,.., , , ,...,
j t j t j t j k t
j t j t j t jk t
T T T T
e e e e e e e e

Logo: existem funes diferentes

peridicas em T
-100 -80 -60 -40 -20 0 20 40 60 80 100
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
14
No caso Discreto:
2
jk n
N
e

2
1
j n
N
k e

2 2 2
( 1)
2
1 .
j N n j n j n
j n
N N N
k N e e e e

+
+
0
0 1
j
k e
2
1
j n
k N e

Logo: Existem apenas N funes peridicas diferentes
que possuem perodo N.
0 2 4
0
0. 1
0. 2
0. 3
0. 4
0. 5
0. 6
0. 7
0. 8
0. 9
1
k=0 N=4
0 2 4
-1
-0. 8
-0. 6
-0. 4
-0. 2
0
0. 2
0. 4
0. 6
0. 8
1
k=1 N=4
0 2 4
-1
-0. 8
-0. 6
-0. 4
-0. 2
0
0. 2
0. 4
0. 6
0. 8
1
k=2 N=4
0 2 4
-1
-0. 8
-0. 6
-0. 4
-0. 2
0
0. 2
0. 4
0. 6
0. 8
1
k=3 N=4
k=0 k=1 k=2 k=3
p/ N=4
15
Exemplos: So peridicas as seguintes funes?
1)
[ ] cos
6
x n n

,
2)
4
[ ] cos
7
x n n

,
3)
[ ] cos
2
n
x n
_

,
0 2 4 6 8 10 12
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
0 1 2 3 4 5 6 7
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
0 2 4 6 8 10 12 14 16
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
16
2.2. Sistemas Discretos
Um sistema discreto uma transformao
ou operao que mapeia um sequncia
de entrada x[n] em uma sequncia de
sada y[n]
y[n]=T{x[n]}
T{}
x[n]
y[n]
17
Ex.: Sistema de Atraso
y[n]=x[n-n
0
]
n
0
> 0 Sistema de atraso
n
0
< 0 Sistema de avano
Ex.: Mdia Mvel (Moving Average - MA)
2
1
1 2
1
[ ] [ ]
1
M
k M
y n x n k
M M

+ +

0 2 4 6 8 10 12 14 16 18 20
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
n n-5
Na figura: M
1
=0 M
2
=5
18
Um sistema dito sem memria se a sada y[n] a cada
valor de n depende somente da entrada x[n] p/ mesmo
valor de n.
Ex.: y[n]=x[n]
2
Atraso?
Mdia Mvel?
2.2.1. Sistemas Sem-Memria
19
2.2.2. Sistemas Lineares
v Um sistema dito linear se obedece ao
Princpio da Superposio:
Dado: y
1
[n]=T{x
1
[n]} e y
2
[n]=T{x
2
[n]}
Ento:
Linearidade: T{a.x
1
[n]+b.x
2
[n]}=a.T{x
1
[n]}+b.T{x
2
[n]}
Aditividade: T{x
1
[n]+x
2
[n]}=T{x
1
[n]}+T{x
2
[n]}
Homogeneidade: T{a.x[n]}=a.T{x[n]}
Ex.: Acumulador, logaritmo
20
2.2.3. Sistemas Invariantes no Tempo
v Certo: Sistemas invariantes ao deslocamento
Um sistema Invariante no Tempo aquele que um
deslocamento no sinal de entrada causa um
correspondente deslocamento no sinal de sada.
Se: y[n]=T{x[n]}
Ento: y[n-n
0
]=T{x[n-n
0
]}
Ex.: Acumulador, Compressor
21
2.2.4. Causalidade
v Um sistema dito causal se uma amostra
y[n
0
] depende de y[n] e/ou x[n] para nn
0
.
Isto , no depende de valores futuros.
Sistema no-antecipativo.
Ex.: Forward Difference: y[n]=x[n+1]-x[n] No-Causal
Backward Difference: y[n]=x[n]-x[n-1] Causal
22
2.2.5. Estabilidade
v Diversos critrios...
Critrio BIBO (Bounded Input Bounded Output)
Sistema estvel se para toda sequncia de entrada limitada
esse sistema produz uma sada tambm limitada.
x[n] limitado se: |x[n]|B
x
< para todo n
y[n] limitado se: |y[n]|B
y
< para todo n
O sistema estvel se y[n] limitado para todo
e qualquer sinal x[n] limitado.
Basta encontrar um caso que no cumpra a condio para o
sistema ser considerado instvel.
23
Exemplos:
1) y[n]=x[n]
2
2) y[n]=log(x[n])
3)Acumulador
n
k
k x n y ] [ ] [
24
2.3. Sistemas Lineares Invariantes
no Tempo - LTI
[ ] [ ]. [ ]
k
y n T x k n k

' )

{ } [ ] [ ] y n T x n Dado:
Se o sistema Linear :
{ }
[ ] [ ]. [ ] [ ]. [ ]
k
k k
y n x k T n k x k h n

h
k
[n] a resposta ao impulso do sistema no instante k.
h[n]=T{[n]}
25
Se o sistema Invariante no Tempo:
[ ] [ ]
k
h n h n k
Logo para sistemas LTI:
[ ] [ ]. [ ]
k
y n x k h n k
O sistema T{} completamente caracterizado pela

sua resposta ao impulso h[n].
Soma de Convoluo.
26
Soma de Convoluo:
[ ] [ ]* [ ] [ ]. [ ]
k
y n x n h n x k h n k
Mesma interpretao da integral de convoluo dos

sistemas contnuos
Porm com senso mais prtico, pois ser usada para
Implementar sistemas, ao contrrio da integral de
convoluo que de senso mais terico.
27
Interpretao 1 : Soma das
respostas ao impulso do
sistema, ponderadas e
deslocadas.
28
Interpretao 2:
29
30
2.4. Propriedades dos Sistemas LTI
v Comutatividade:
x[n]*h[n] = h[n]*x[n] Demonstrar...
h
1
[n] h
2
[n]
x[n] y[n]
h
2
[n] h
1
[n]
x[n] y[n]
h
1
[n]*h
2
[n]
x[n] y[n]
31
v Distributividade: Provar...
x[n]*(h
1
[n]+h
2
[n])=x[n]*h
1
[n]+x[n]*h
2
[n]
h
1
[n]
h
2
[n]
+
x[n] y[n]
h
1
[n]+h
2
[n]
x[n] y[n]
32
v Estabilidade:
Critrio BIBO: Um sistema LTI estvel se e somente se
Sua resposta ao impulso for absolutamente somvel.
Provar...
[ ]
k
S h k
<

33
v Causalidade
O sistema causal se sua resposta ao impulso for um
sinal causal. Sistema no-antecipativo.
h[n]=0 , n<0
Provar....
34
v Sistema Inverso
h
1
[n] h
2
[n]
x[n]
y[n]
z[n]
O sistema h
2
[n] dito sistema inverso de h
1
[n]
se z[n]=x[n]
Logo:
h[n]=h
1
[n]*h
2
[n]=[n]
Pois: x[n]*[n]=x[n]
35
Exerccios:
Analisar os sistemas:
Atraso Ideal: y[n]=x[n-n
0
]
Mdia Mvel:
2
1
1 2
1
[ ] [ ]
1
M
k M
y n x n k
M M

+ +

Acumulador:
[ ] [ ]
n
k
y n x k

Forward Difference: y[n]=x[n+1]-x[n]
Backward Difference: y[n]=x[n]-x[n-1]
Compressor: y[n]=x[M.n]

Aula 2

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Aula 2

Enviado por

Direitos autorais:

Formatos disponíveis

TE-708 Processamento Digital de Sinais - UFPR

Sinais harmonicamente relacionados:

Logo: existem funes diferentes

O sistema T{} completamente caracterizado pela

Mesma interpretao da integral de convoluo dos

TE-708 Processamento Digital de Sinais - UFPR

Você também pode gostar