Curso de Processamento

Digital de Sinais e Imagens

Mestrado de Instrumentao
do CBPF

Profs: Marcelo Portes de Albuquerque e

Mrcio Portes de Albuquerque

Aula 01

Aula 01

Introduo
Processamento Digital de
Sinais (PDS) evoluiu
rapidamente nos ltimos 20
anos
PDS nos permite realizar
operaes programveis,
possuiu uma maior
flexibilidade e maior preciso

PDS no a soluo para todos os problemas de processamento de sinais

2

Aula 01

Sinais, Sistemas e
Processamento de Sinais

Um sinal definido
como uma grandeza
fsica que varia no
tempo, espao ...

... ou em funo de
qualquer outra varivel
independente

Aula 01

Sinais, Sistemas e
Processamento de Sinais

Um sistema pode ser definido como um equipamento que realiza

uma operao em um sinal

x(n)

y(n)

Quando passamos um sinal atravs de

um sistema, dizemos que processamos
o sinal
O sistema normalmente caracterizado
pelo tipo de operao feita no sinal
Um sistema tambm pode ser
considerado por operaes de software
4

Aula 01

Elementos Bsicos
de um Sistema de PDS

Muitos dos sinais encontrados na natureza so sinais analgicos

Analog
Input
Signal

Analog
Signal
Processor

Analog
Output
Signal

O PDS fornece um mtodo alternativo para o processamento de

um sinal analgico

Aula 01

Porque Processamento Digital de

Sinais ? Vantagens
A implementao digital permite a realizao de certas caractersticas
que no so possveis na implementao analgica.
1.

Independe de valores precisos do sinal digital.

2.

O circuito digital pode ser reproduzido facilmente sem ajustes na construo

ou na utilizao.

3.

Os sinais e coeficientes so representadas por palavras binrias.

4.

Circuitos digitais podem ser cascadeados sem causar sobrecarga

diferentemente dos circuitos analgicos.

5.

Sinais digitais podem ser armazenados indefinidamente sem perda de

informao

6.

As informaes podem ser processadas off-line.

6

Aula 01

Porque Processamento Digital de

Sinais ? Desvantagens
1.

Aumento da complexidade do processamento digital de sinais

analgicos

2.

Limitao da faixa de freqncia disponvel para o processamento.

3.

Sistemas digitais so construdos utilizando dispositivos ativos que

consomem potncia eltrica

4.

Dispositivos ativos so menos confiveis que os componentes

passivos.

Aula 01

Classificao de Sinais

Os mtodos que vamos estudar em PS ou na anlise de um sistema

depende das caracatersticas ou atributos do sinal/sistema

Existem tcnicas que se aplicam somente a um famlia especfica de

sinais

Consequentemente qualquer investigao em PS deve comear com a

classificao dos sinais
Sinais Multicanal e Multidimensional

Tipos de Sinais

Sinais no Tempo Contnuo e no Tempo

Discreto
Sinais com Valores Contnuos e
Valores Discretos

Sinais Determinsticos e Aleatrios

Aula 01

Sinais Multicanal e Multidimensional

Em algumas aplicaes, os sinais so

gerados por fontes mltiplas ou
sensores mltiplos.

Estes sinais podem ser representados

em forma de vetores.

Mltiplos sensores geram sinais escalares.

Embora estes sinais no so vetores do ponto de vista fsico, sempre tratamo-os como
vetors por ser conveniente matematicamente.
Referimo-nos a estes sinais como sinais multicanais.

Se estes sinais esto em funo de uma nica varivel independente, o sinal

conhecido como sinal de uma dimenso.
Por outro lado se estes sinais esto em funo de M variveis independentes
eles so chamados sinais a M dimenses.
9

Aula 01

Sinais no Tempo Contnuo

e no Tempo Discreto

Os sinais podem tambm ser classificados em 4 categorias diferentes

dependendo da caracterstica do tempo (varivel independente) e dos
valores que este pode ter.

Sinal no tempo contnuo (ou sinal analgico) definido para cada valor
do tempo e pode ter qualquer valor no intervalo contnuo (a,b).
Exemplo:

Sinal no tempo discreto so definidos somente em valores discretos do

tempo.

Normalmente estes valores de tempo so equidistantes.

10

Aula 01

Sinais no Tempo Contnuo e no

Tempo Discreto

Exemplo:
O indce n a varivel independente.

Um sinal discreto pode ser representado matematicamente por uma

seqncia de nmeros (Reais ou Compelxos).

No tempo discreto usamos x(n) ou x(nT) ao invs de x(t).

Exemplo:

O processo de
selecionar um valor de
um sinal analgico em
tempos discretos
conhecido como
amostragem.
11

Aula 01

Sinais com Valores Contnuos e

Valores Discretos

Os valores dos sinais em tempo contnuo ou

tempo discreto podem ser contnuo ou
discreto.

Sinal de valores contnuos - valores infinitos

dentro de uma faixa

Sinal de valores discretos - valores

dentro de um conjunto de valores
possveis
Normalmente estes valores so
equidistantes sinal digital

Sinal digital com 4 valores

de amplitudes diferentes
12

Aula 01

Sinais com Valores Contnuos e

Valores Discretos

Para um sinal ser processado digitalmente, ele deve ser um sinal

digital.

Para um sinal analgico ser processado ele precisa ser convertido

para um sinal digital atravs de uma amostragem no tempo e da
quantificao de seus valores (truncagem e arredondamento)

Ilustrao da Quantificao

13

Aula 01

Sinais Determinsticos e
Aleatrios

A anlise matemtica e o processamento de sinais

requer uma descrio matemtica do sinal (modelo)

Um sinal determinstico um sinal que pode ser descrito unicamente

por uma expresso matemtica. Todos os valores (passado, presente
e futuro) so conhecidos precisamente.

Em muitas aplicaes prticas os sinais no podem ser descritos

formulas ou expresses matemticas. Estes sinais so conhecidos
como sinais aleatrios.

Isto implica numa anlise destes sinais usando tcnicas estatsticas.

(Teoria de Probabilidade e Processos Estocsticos)

14

Aula 01

Sinais Determinsticos e
Aleatrios
Exemplo:

Embora estes sinais no sejam parecidos,

seus histogramas so similares.

15

Aula 01

Freqncia de Sinais nos Tempos

Contnuos e Discretos

Este conceito nos familiar quando utilizamos receptores de rdio,

sistemas de alta-fidelidade, filtros fotogrficos etc

Em fsica, freqncia esta relacionada com algum tipo de movimento

harmnico peridicos

O conceito de freqncia est quase sempre relacionado com o conceito

de tempo

Freqncia tem a dimenso inversa do tempo: F=1/T

Sinais senoidais

no tempo contnuo

no tempo discreto

Exponnciais Complexas
16

Aula 01

Sinais Senoidais no Tempo Contnuo

Uma oscilao harmnica descrita matematicamente por:

Este sinal caracterizado por:

1.

xa(t) peridico

xa(t + Tp) = xa(t)

onde Tp = 1/F o periodo fundamental.

2.

O aumento da freqncia F resulta no aumento da taxa de oscilao

dentro de um intervalo.
17

Aula 01

Sinais Senoidais no Tempo Contnuo

A equao para senoides tambm pode

ser escrita na sua forma complexa

usando a frmula de Euler:

Por definio, freqncia uma grandeza positiva. Por convenincia

matemtica necessrio a introduo de freqncias negativas.

Representao da funo coseno

atravs de pares conjugados (fasores)
18

Aula 01

Sinais Senoidais no Tempo Discreto

Um sinal senoidal em tempo discreto pode ser escrito como:

Exemplo:

Uma senoide em tempo

discreto peridica somente
se sua freqncia f um
nmero racional
Exemplo de um sinal senoidal no tempo discreto
=/6e=/3

Definio:
Exemplo:
19

Aula 01

Sinais Senoidais no Tempo Discreto

Senoides no tempo discreto onde suas freqncias so separada por um nmero
inteiro mltiplo de 2 so idnticas

A taxa de oscilao mais elevada de um sinal senoidal no tempo discreto alcanada

quando = (ou = -) ou, equivalentemente f= (ou f = -).

freqncias negativas para sinais senoidais

no tempo discreto

A faixa de freqncia finita entre

- (- f ).

20

Aula 01

Exponnciais Complexas
Sinais senoidais e exponnciais complexas tem um papel
fundamental na anlise de sinais e sistemas
Contnuo no Tempo

Para cada valor de k, sk(t) peridica, com perodo 1/(kF0) = T0/k

Para sinais bsicos, podemos construir uma combinao linear de
exponenciais complexas harmonicamente relacionadas da forma

onde ck , k=0, 1, 2, ... so constantes complexas arbitrrias. O sinal

xa(t) peridico com perodo fundamental Tp = 1/F0.
Esta representao exponncial chamada de srie de Fourier de xa(t)
21

Aula 01

Exponnciais Complexas
Exponnciais Discretas
Usamos f0 = 1 / N
Definimos um conjunto de exponenciais complexas por:

Notamos que

e como combinao linear

resultando num sinal peridico com perodo N.

Isto uma representao de Fourier para uma seqncia perodica discreta
com coeficiente {ck}.

22

Converso AD e DA

23

Aula 01

Amostragem de Sinais Perodicos

Amostragem Peridica ou uniforme

x(n) um sinal discreto no tempo,

obtido por amostras de um sinal
analgico xa(t).
O intervalo T chamado perodo de
amostragem e 1/T = Fs
(Fs a Frequencia de Amostragem)

A amostragem peridica estabelece uma relao entre variveis t e n, sinais contnuos e

sinais discretos, respectivamente
t = nT = n / Fs
Podemos relacionar F (ou ) a sinais analgicos e f (ou ) a sinais discretos.
24

Aula 01

Teorema da Amostragem
Vamos supor que qualquer sinal analgico
pode ser representado por uma soma de
senoides de diferentes amplitudes,
freqncias e fases.
Suponha que a freqncia mxima no exceda a Fmax
(por exemplo sinais de voz Fmax = 3KHz, ou TV Fmax = 5MHz).

A maior freqncia que pode ser amostrada

quando o sinal amostrado na razo
Qualquer freqncia acima de Fs/2 ou abaixo
resulta em amstragem que so identicas com
frequencias correspondente ao intervalo

Para evitar problemas de aliasing Fs relacionada

com Fs > 2 Fmax, onde Fmax a maior componente
de freqncia do sinal analgico em estudo.

25

Aula 01

Introdua a Teoria das Distribuies

Em muitos exemplos que veremos no curso, utilizamos nmeros
aleatrios para simular o efeito do rudo no sinal
Estes rudos esto presentes em equipamentos eletrnicos e
usualmente perturbam a comunio ou a deteco de sinais fracos
Atravs da gerao de rudos por computador podemos estudar seus
efeitos e a performance de sistemas na presena deste
Muitos bibliotecas de software incluem um gerador de nmero aleatrio
(dsitribuiao uniforme). Estes programas geram numeros entre 0 e 1
com a mesma probabilidade de ocorrncia
Uma varivel aleatria a sada de um gerador de nmero aleatrio.
Exemplo: 0 A 1.
26

Aula 01

Funo de Densidade de
Probabilidade Uniforme
Notamos que o valor mdio de A, mA= .

A integral (representada pela rea) da

funo de densidade de probabilidade
chamada de funo de distribuio
de probabilidade.

27

Aula 01

Funo de Distribuio de
Probabilidade Gaussiana (Normal)

Gaussian probability density

function and the corresponding
probability distributin function

28

Aula 01

Resumo

Nesta introduo apresentamos uma motivao para o processamento

digital de sinais como sendo uma alternativa ao processamento de
sinais analgicos.

Apresentamos os elementos bsicos de um sistema de processamento

digital de sinal

Descrevemos brevemente as operaes para converter um sinal

analgico em um sinal digital e o teorema de Nyquist e Shannon.

Tivemos tambm uma pequena introduo s distribuies Uniforme e

Gaussiana.

29