Você está na página 1de 70

Sinais e Sistemas

Aplicaes das
Representaes de Fourier

Prof Sandra Mara Torres Mller

Aula 23

Resposta em Frequncia de Sistemas LTI





A resposta em frequncia constitui uma caracterizao do


comportamento entrada-sada do sistema.
Existem algumas relaes das descries de sistema em
domnio do tempo com a resposta em frequncia do sistema:



Resposta em frequncia e a resposta ao impulso;


Resposta em frequncia e a equao diferencial e a diferenas
(no);
Resposta em frequncia e a descrio por variveis de estado
(no).

Aula 23

Resposta ao Impulso



A resposta ao impulso no tempo e na frequncia constituem uma


par de FT ou DTFT.
Um sistema dito estvel se a sua resposta ao impulso for
absolutamente integrvel ou somvel:

Assim, a resposta em frequncia existe para sistema estveis.


Sabe-se tambm que:

Aula 23

Resposta ao Impulso


importante lembrar que a multiplicao no domnio da frequncia


origina a noo de filtragem.

PB

PA

PF
Aula 23

Resposta ao Impulso





A caracterizao do filtro de tempo discreto baseia-se em seu


comportamento na faixa de frequncia - < < porque sua
resposta em frequncia tem perodo 2.
Curva de filtro real vs. Curva de filtro ideal.
A resposta em amplitude descrita em decibis (dB).
Note que o ganho unitrio corresponde a 0dB e a frequncia de
corte do filtro dado por 1/2 do ganho mximo, ou seja, -3dB,
pois nesse ponto o filtro deixa passar somente 50% da potncia
de entrada.

Aula 23

Resposta ao Impulso

Aula 23

Resposta ao Impulso


Pode-se definir tambm pela propriedade da convoluo que:

E pode-se recuperar a entrada como:

Aula 23

Resposta ao Impulso

Aula 23

Resposta ao Impulso


Descrio por equao diferencial e a diferenas e


descrio por variveis de estado (pag. 264 a 268) fica
como leitura para casa.

Aula 23

Representaes com Transformada de


Fourier para Sinais Peridicos


Apesar que a FT e a DTFT no converge para sinais


peridicos, possvel us-la para representar sinais
peridicos se for incorporado impulsos nas
transformadas de maneira apropriada.
Isso serve para anlise de problemas com combinaes
de sinais peridicos e no-peridicos.

Aula 23

Representaes com Transformada de


Fourier para Sinais Peridicos
Relacionando a FT com a FS (caso contnuo)
 FS para x(t) peridico:


Sabe-se que:

Ento:

Ou seja, a FT de um sinal peridico uma srie de impulsos


espaados pela frequncia fundamental 0. O k-simo impulso
tem fora 2X[k].
Aula 23

Representaes com Transformada de


Fourier para Sinais Peridicos

Aula 23

Representaes com Transformada de


Fourier para Sinais Peridicos

Aula 23

Representaes com Transformada de


Fourier para Sinais Peridicos

Aula 23

Representaes com Transformada de


Fourier para Sinais Peridicos

Aula 23

Representaes com Transformada de


Fourier para Sinais Peridicos
Relacionando a DTFT com a DTFS (caso discreto)
 A expresso da DTFS para x[n] com perodo N:


Um impulso deslocado na frequncia, expresso para um perodo,


dado por:

Para vrios perodos, temos:

A observao que a DTFT inversa de um impulso deslocado na


frequncia uma senide complexa de tempo discreto:
Aula 23

Representaes com Transformada de


Fourier para Sinais Peridicos


Assim, temos:

Como X[k] tem perodo N e N0 = 2, ento:

Ou seja, a representao por DTFT de um sinal peridico uma srie


de impulsos espaados pela frequncia fundamental 0. O k-simo
impulso tem fora 2X[k] (figura no prximo slide).

Aula 23

Representaes com Transformada de


Fourier para Sinais Peridicos

Aula 23

Representaes com Transformada de


Fourier para Sinais Peridicos

Aula 23

Representaes com Transformada de


Fourier para Sinais Peridicos

Aula 23

Convoluo e Modulao com Classes


Combinadas de Sinais
Convoluo de sinais peridico e no-peridico

Quando x(t) peridico, temos:

O que leva a:

Aula 24

Convoluo e Modulao com Classes


Combinadas de Sinais


Peridico

No-peridico

Peridico
Aula 24

Convoluo e Modulao com Classes


Combinadas de Sinais

Aula 24

Convoluo e Modulao com Classes


Combinadas de Sinais

Aula 24

Convoluo e Modulao com Classes


Combinadas de Sinais


Para o caso discreto temos:

Quando x[n] peridico:

E ento:

Ou seja, a forma de Y(ej) indica que y[n] tambm ser


peridico, com mesmo perodo de x[n].

Aula 24

Convoluo e Modulao com Classes


Combinadas de Sinais

Aula 24

Convoluo e Modulao com Classes


Combinadas de Sinais
Modulao de sinais peridicos e no-peridicos

Quando x(t) peridico, temos:

Ento

Aula 24

Convoluo e Modulao com Classes


Combinadas de Sinais

Aula 24

Convoluo e Modulao com Classes


Combinadas de Sinais

Aula 24

Convoluo e Modulao com Classes


Combinadas de Sinais

Aula 24

Convoluo e Modulao com Classes


Combinadas de Sinais


Para o caso discreto temos:

Aula 24

Representao por Transformada de Fourier


para Sinais de Tempo Discreto




Aqui ser derivada a representao por FT para sinais de tempo


discreto, incorporando impulsos de maneira apropriada.
Pode-se fazer a correspondncia entre a frequncia de tempo
contnuo e a frequncia de tempo discreto .
Definindo x(t) = ejt e g[n] = ejn, fora-se que g[n] seja igual s
amostras de x(t) tomadas em intervalos de amostragem , ou
seja, g[n] = x(n), o que implica em:
Ou seja, a frequncia de tempo discreto corresponde
frequncia de tempo contnuo multiplicada pelo intervalo de
amostragem .
Aula 24

Representao por Transformada de Fourier


para Sinais de Tempo Discreto
Relacionando a FT com a DTFT
 A DTFT de um sinal discreto x[n] :
 Procura-se um par FT
que corresponda ao par
DTFT
. Substituindo = na equao acima
temos:


Sabe-se que:

Ento

Aula 24

Representao por Transformada de Fourier


para Sinais de Tempo Discreto


Ou seja, x(t) um sinal de tempo contnuo que corresponde a x[n], e a


FT, X(j), corresponde DTFT X(ej) com = .

Aula 24

Representao por Transformada de Fourier


para Sinais de Tempo Discreto

Aula 24

Representao por Transformada de Fourier


para Sinais de Tempo Discreto
Relacionando a FT com a DTFS
 Aqui ser mostrado como usar a FT para representar um sinal discreto
e peridico.
 A representao por DTFT de um sinal x[n] peridico com perodo N
dada por:


Para obter a representao por FT basta substituir = .

Aula 24

Representao por Transformada de Fourier


para Sinais de Tempo Discreto


Como X[k] tem perodo N, ento X(j) peridico com


perodo N0/=2/.

x(t) corresponde FT e obtido por

x(t) tambm peridico em N.

Aula 24

Representao por Transformada de Fourier


para Sinais de Tempo Discreto

Aula 24

Representao por Transformada de Fourier


para Sinais de Tempo Discreto

Aula 24

Amostragem Sinais de Tempo Contnuo




Seja x(t) um sinal de temo contnuo e x[n] um sinal igual s


amostras de x(t) em mltiplos inteiros de um intervalo de
amostragem , ou seja,
A representao em tempo contnuo do sinal de tempo discreto
x[n] se d por

Como

Ento
Aula 25

Amostragem Sinais de Tempo Contnuo




Ou seja, pode-se representar o sinal amostrado como o produto


do sinal por um trem de impulsos.

Aula 25

Amostragem Sinais de Tempo Contnuo




O efeito da amostragem determinado relacionando-se a FT de x(t) com a


FT de x(t). No domnio da frequncia temos:

P(j) foi determinado no exemplo 4.7 e 0 corresponde a s.

A convoluo resulta em:

Ou seja, a FT do sinal amostrado uma soma infinita de verses


deslocadas da FT original.

Aula 25

Amostragem Sinais de Tempo Contnuo




Essas verses podem se sobrepor se s for pequeno.


Para que no haja sobreposio necessrio que s > 2W, onde
W a componente de frequncia mais elevada do sinal.

Aula 25

Aula 25

Amostragem Sinais de Tempo Contnuo








A superposio nas rplicas denominada aliasing, que o fenmeno


de uma componente de alta frequncia assumir a identidade de uma de
baixa frequncia.
A distoro do espectro vai desde pores de um tringulo at uma
constante, o que impede a reconstruo do sinal.
Para a condio s > 2W temos que < /.
A DTFT do sinal amostrado obtida de X(j) usando-se a relao
= , ou seja,
Isso implica que

Aula 25

Aula 25

Aula 25

Amostragem Sinais de Tempo


Contnuo

Aula 25

Aula 25

Amostragem Sinais de Tempo Contnuo




Subamostragem, pg. 288: leitura para casa.

Aula 25

Reconstruo de Sinais de Tempo Contnuo a


Partir de Amostras


O problema de se reconstruir um sinal de tempo contnuo a partir


de amostras envolve uma combinao de sinais de tempo
contnuo e discreto.
Aqui sero consideradas as condies que devem ser satisfeitas a
fim de reconstruir de maneira nica um sinal de tempo contnuo
a partir de suas amostras.
Supondo que estas condies so satisfeitas, estabelecido um
mtodo para a reconstruo do sinal.

Aula 25

Reconstruo de Sinais de Tempo Contnuo a


Partir de Amostras
Teorema da Amostragem
 Dois sinais de tempo contnuo podem ter o mesmo sinal amostrado

Para determinar como o sinal se comporta entre as amostras, deve-se


especificar restries adicionais para o sistema de tempo contnuo. Por
exemplo, exigir que o sinal faa transies suaves de uma amostra para
outra.
Aula 25

Reconstruo de Sinais de Tempo Contnuo a


Partir de Amostras


Para reconstruir o sinal, deve haver uma correspondncia nica


entre as FTs do sinal de tempo contnuo e o do sinal amostrado.

Isso acontece se o processo de amostragem no introduzir


aliasing.

O aliasing distorce o espectro do sinal original e destri a relao


biunvoca entre as FTs do sinal de tempo contnuo e amostrado.

Assim, tem-se o teorema da amostragem:


Aula 25

Reconstruo de Sinais de Tempo Contnuo a


Partir de Amostras

A frequncia mnima, 2m, denominada frequncia de Nyquist


Usando a notao de frequncia temos que

Ento

Aula 25

Reconstruo de Sinais de Tempo


Contnuo a Partir de Amostras

Aula 25

Reconstruo de Sinais de Tempo Contnuo a


Partir de Amostras

Aula 25

Reconstruo de Sinais de Tempo Contnuo a


Partir de Amostras
Reconstruo Ideal
 Considere o problema de reconstruir o sinal de tempo contnuo a partir
de amostras do sinal.
 Como
 Ento para o sinal amostrado temos

Supondo que as condies de amostragem sejam satisfeitas temos

Aula 25

Reconstruo de Sinais de Tempo Contnuo a


Partir de Amostras


O objetivo da reconstruo aplicar uma certa operao a X(j) que a


converta de volta em X(j), ou seja, janelando (no pode haver
aliasing).

No domnio do tempo temos:

Aula 25

Reconstruo de Sinais de Tempo Contnuo a


Partir de Amostras


Como

Temos

Assim x(t) ser uma soma ponderada de funes sinc deslocadas pelo
intervalo de amostragem. Os pesos correspondem aos valores da
sequncia de tempo discreto.

Aula 25

Reconstruo de Sinais de Tempo Contnuo a


Partir de Amostras


Na prtica isso um sistema no-causal pois a sada x(t)


depende dos valores passados e futuros da entrada x[n] e
tambm a influncia de cada amostra se estende ao longo de um
intervalo infinito de tempo, o que impede a implementao da
reconstruo ideal.

Aula 25

Reconstruo de Sinais de Tempo Contnuo a


Partir de Amostras
Reconstruo Prtica O Retentor de Ordem Zero
 O retentor ou interpolador de ordem zero retm o valor x[n] durante
segundos.

Sua funo:

Sua sada:
Aula 25

Reconstruo de Sinais de Tempo Contnuo a


Partir de Amostras

Aula 25

Aula 25

Reconstruo de Sinais de Tempo Contnuo a


Partir de Amostras
Comparando X0(j) com X(j), vemos que o retentor de ordem zero
leva a 3 formas de modificao:


1.
2.

3.




Defasamento linear de um retardo de /2 segundos


A parte de X(j) entre -m e m distorcida pela curvatura do lbulo
principal de H0(j)
Verses distorcidas e atenuadas de X(j) permanecem centralizadas em
mltiplos de s

As modificaes 1 e 2 podem ser reduzidas aumentando s ou


diminuindo
As modificaes 2 e 3 so eliminadas passando x0(t) por um filtro de
compensao de tempo contnuo com resposta em frequncia

Aula 25

Reconstruo de Sinais de Tempo Contnuo a


Partir de Amostras




Isto inverte a distoro introduzida pela curvatura do lbulo


principal de H0(j).
Hc(j) tambm chamado de filtro anti-imagem porque
elimina as imagens distorcidas de X(j).

Aula 25

Reconstruo de Sinais de Tempo


Contnuo a Partir de Amostras

Aula 25

Reconstruo de Sinais de Tempo Contnuo a


Partir de Amostras

Aula 25

Reconstruo de Sinais de Tempo


Contnuo a Partir de Amostras

Aula 25

Reconstruo de Sinais de Tempo Contnuo a


Partir de Amostras

Aula 25

Reconstruo de Sinais de Tempo Contnuo a


Partir de Amostras


No ser contemplado o contedo a partir do tpico 4.8 (pg


301).

Aula 25

Você também pode gostar