Você está na página 1de 57
Capítulo 1
Capítulo 1

Sinais e Sistemas

1.1 INTRODUÇÃO

Neste capítulo, começamos nosso estudo do processamento digital de sinais desenvolvendo as noções de sinal e sis- tema de tempo discreto. Vamos nos concentrar na resolução de problemas que envolvem representações, manipu- lações e propriedades de sinais, além de classificação e propriedades de sistemas. Inicialmente, na Seção 1.2, defi- nimos precisamente o que se entende por sinal de tempo discreto. A seguir, desenvolvemos algumas operações bá- sicas e importantes que podem ser realizadas com esses sinais. Em seguida, na Seção 1.3, consideramos os siste- mas de tempo discreto. De especial importância, são as noções de linearidade, invariância ao deslocamento, causa- lidade, estabilidade e invertibilidade. Para os sistemas lineares invariantes ao deslocamento, será mostrado que a entrada e a saída relacionam-se através de uma soma de convolução. As propriedades da soma de convolução e os métodos de se realizar convoluções são então discutidos na Seção 1.4. Finalmente, na Seção 1.5, vemos sistemas de tempo discreto que são descritos em termos de uma equação de diferenças.

1.2 SINAIS DE TEMPO DISCRETO

Um sinal de tempo discreto é uma seqüência indexada de números reais ou complexos. Assim, um sinal de tempo discreto é uma função de uma variável de valor inteiro, n, denotada por x(n). Ainda que a variável independente n não precise representar necessariamente o “tempo” (n pode, por exemplo, corresponder a uma coordenada espacial ou distância), x(n) é referida geralmente como uma função de tempo. Um sinal de tempo discreto é indefinido pa- ra valores não inteiros de n. Portanto, um sinal x(n) de valor real será representado graficamente na forma mostra- da na Fig. 1-1. Em alguns problemas e aplicações, é conveniente considerar x(n) como um vetor. Assim, a seqüên- cia de x(0) a x(N – 1) é entendida freqüentemente como sendo os elementos de um vetor-coluna:

Assim, a seqüên- cia de x (0) a x ( N – 1) é entendida freqüentemente

12

PROCESSAMENTO DIGITAL DE SINAIS

12 P ROCESSAMENTO D IGITAL DE S INAIS Figura 1-1 A representação gráfica de um sinal

Figura 1-1

A representação gráfica de um sinal de tempo discreto x(n).

Sinais de tempo discreto são obtidos freqüentemente pela amostragem de um sinal de tempo contínuo, tal como a fala, por meio de um conversor analógico-digital (A/D). 1 Por exemplo, um sinal de tempo contínuo x a (t), amostra- do à taxa de f s = 1/T s amostras por segundo, produz o sinal amostrado x(n), que se relaciona com x a (t) da seguinte forma:

n ), que se relaciona com x a ( t ) da seguinte forma: Entretanto, nem

Entretanto, nem todos os sinais de tempo discreto são obtidos desse modo. Alguns sinais podem ser considerados como seqüências de tempo discreto que ocorrem naturalmente, sem que nenhum conversor analógico-digital faça a conversão de um sinal analógico em um sinal de tempo discreto. Exemplos de sinais que recaem nessa categoria incluem os preços diários do mercado de ações, as estatísticas populacionais, os estoques em almoxarifados e os números de Wolf das manchas solares. 2

1.2.1 Seqüências Complexas

Em geral, um sinal de tempo discreto apresenta valor complexo. De fato, os sinais complexos aparecem natural- mente em diversas aplicações importantes tais como nas comunicações digitais. Um sinal complexo pode ser ex- presso, em termos de suas partes real e imaginária, como

presso, em termos de suas partes real e imaginária, como ou em forma polar, em termos

ou em forma polar, em termos de módulo (magnitude) e fase, como

forma polar, em termos de módulo (magnitude) e fase, como O módulo pode ser obtido das

O módulo pode ser obtido das partes real e imaginária como segue:

onde a fase pode ser encontrada usando

como segue: onde a fase pode ser encontrada usando Se z ( n ) for uma
como segue: onde a fase pode ser encontrada usando Se z ( n ) for uma

Se z(n) for uma seqüência complexa, o conjugado complexo, denotado por z*(n), é obtido trocando o sinal da par-

te imaginária de z(n):

obtido trocando o sinal da par- te imaginária de z ( n ): 1 A conversão

1 A conversão analógico-digital será discutida no Capítulo 3.

2 O número de Wolf R, associado às manchas solares, foi introduzido por Rudolf Wolf em 1848 como uma medida da atividade das manchas solares. Registros diários tem estado disponíveis desde 1818, e estimativas de médias mensais têm sido feitas desde 1749. Tem havido muito interesse no estudo das correlações da atividade das manchas solares com os fenômenos terrestres, tais como dados meteorológicos e variações climáticas.

CAPÍTULO 1 • SINAIS E SISTEMAS

13

1.2.2 Algumas Seqüências Fundamentais

Embora os sinais que transportam informações de interesse prático sejam, em sua maioria, funções complicadas de

tempo, há três sinais simples, mas importantes, de tempo discreto que são usados freqüentemente na representação

e descrição de sinais mais complexos. São a amostra unitária, o degrau unitário e a exponencial. A amostra unitá- ria, denotada por δ(n), é definida por

unitá- ria , denotada por δ ( n ), é definida por e, no processamento de

e, no processamento de sinais, desempenha o mesmo papel em tempo discreto que o impulso unitário faz em tem- po contínuo. O degrau unitário, denotado por u(n), é definido por

O degrau unitário , denotado por u ( n ), é definido por e relaciona-se com

e relaciona-se com a amostra unitária por

é definido por e relaciona-se com a amostra unitária por Por outro lado, uma amostra unitária

Por outro lado, uma amostra unitária pode ser escrita como uma diferença de dois degraus:

pode ser escrita como uma diferença de dois degraus: Finalmente uma seqüência exponencial é definida por

Finalmente uma seqüência exponencial é definida por

Finalmente uma seqüência exponencial é definida por onde a pode ser um número real ou complexo.

onde a pode ser um número real ou complexo. De particular interesse, é a seqüência exponencial formada quando

interesse, é a seqüência exponencial formada quando , onde é um número real. Nesse caso, x

, onde

é a seqüência exponencial formada quando , onde é um número real. Nesse caso, x (

é um número real. Nesse caso, x(n) é uma exponencial complexa

real. Nesse caso, x ( n ) é uma exponencial complexa Como veremos no próximo capítulo,

Como veremos no próximo capítulo, as exponenciais complexas são úteis na decomposição de Fourier de sinais.

1.2.3 Duração de Sinal

Sinais de tempo discreto podem ser classificados convenientemente em termos de sua duração ou extensão. Por exemplo, uma seqüência de tempo discreto é dita seqüência de comprimento finito se ela for igual a zero para to- dos os valores de n fora de um intervalo finito [N 1 , N 2 ]. Sinais que não têm comprimento finito, como o degrau uni- tário e a exponencial complexa, são ditos seqüências de comprimento infinito. Seqüências de comprimento infini- to podem ser classificadas ainda como laterais direitas, laterais esquerdas ou bilaterais. Uma seqüência lateral di- reita é qualquer seqüência de comprimento infinito que é igual a zero para todos os valores de n < n 0 para algum in- teiro n 0 . O degrau unitário é um exemplo de uma seqüência lateral direita. De modo semelhante, uma seqüência de comprimento infinito x(n) é dita lateral esquerda se, para algum inteiro n 0 , tivermos x(n) = 0, para todos n > n 0 . Um exemplo de uma seqüência lateral esquerda é

n 0 . Um exemplo de uma seqüência lateral esquerda é que é um degrau unitário

que é um degrau unitário invertido no tempo e retardado. Um sinal de comprimento infinito que não é lateral direi- to nem lateral esquerdo, como a exponencial complexa, é referido como uma seqüência bilateral.

14

PROCESSAMENTO DIGITAL DE SINAIS

1.2.4 Seqüências Periódicas e Aperiódicas

Um sinal de tempo discreto sempre pode ser classificado como periódico ou aperiódico. Um sinal x(n) é dito pe- riódico se, para algum inteiro real positivo N, tivermos

riódico se, para algum inteiro real positivo N , tivermos para todos n . Isso equivale

para todos n. Isso equivale a dizer que a seqüência repete-se a cada N amostras. Se um sinal for periódico com pe- ríodo N, ele também o será com os períodos 2N, 3N e todos os demais múltiplos inteiros de N. O período funda- mental, denotado por N, é o menor inteiro positivo para o qual a Equação (1.1) é satisfeita. Se a Equação (1.1) não for satisfeita para nenhum inteiro N, então x(n) é um sinal aperiódico.

Exemplo 1.2.1

Os sinais

e

) é um sinal aperiódico. Exemplo 1.2.1 Os sinais e não são periódicos, ao passo que
) é um sinal aperiódico. Exemplo 1.2.1 Os sinais e não são periódicos, ao passo que

não são periódicos, ao passo que o sinal

Os sinais e não são periódicos, ao passo que o sinal é periódico e tem um

é periódico e tem um período fundamental de N = 16.

Se x 1 (n) for uma seqüência periódica com período N 1 e x 2 (n) for uma outra seqüência periódica com período N 2 , a soma

outra seqüência periódica com período N 2 , a soma sempre é periódica e o período

sempre é periódica e o período fundamental é

, a soma sempre é periódica e o período fundamental é onde mdc( N 1 ,

onde mdc(N 1 , N 2 ) é o máximo divisor comum de N 1 e N 2 . O mesmo é verdadeiro para o produto; isto é,

e N 2 . O mesmo é verdadeiro para o produto; isto é, é periódico com

é periódico com um período N dado pela Equação (1.2). Entretanto, o período fundamental pode ser menor. Dada qualquer seqüência x(n), um sinal periódico sempre pode ser formado pela repetição de x(n) como segue:

pode ser formado pela repetição de x ( n ) como segue: onde N é um

onde N é um inteiro positivo. Nesse caso, y(n) sempre será periódico com período N.

1.2.5 Seqüências Simétricas

Freqüentemente, um sinal de tempo discreto apresenta alguma forma de simetria que pode ser explorada na resolu- ção de problemas. Duas simetrias de interesse são as seguintes:

Definição:

Um sinal de valor real é dito par se, para todos n,

Um sinal de valor real é dito par se, para todos n , ao passo que

ao passo que um sinal é dito ímpar se, para todos n,

Um sinal de valor real é dito par se, para todos n , ao passo que

CAPÍTULO 1 • SINAIS E SISTEMAS

15

Qualquer sinal x(n) pode ser decomposto em uma soma de suas parte par, x e (n), e ímpar, x o (n), como segue:

x e ( n ), e ímpar, x o ( n ), como segue: ∗ Para

Para encontrar a parte par de x(n), fazemos a soma

∗ Para encontrar a parte par de x ( n ), fazemos a soma ao passo

ao passo que, para a parte ímpar de x(n), fazemos a diferença

que, para a parte ímpar de x ( n ), fazemos a diferença Em seqüências complexas,

Em seqüências complexas, as simetrias de interesse são ligeiramente diferentes.

Definição:

Um sinal de valor complexo é dito conjugado simétrico 3 se, para todos n, tivermos

conjugado simétrico 3 se, para todos n , tivermos ao passo que um sinal é dito

ao passo que um sinal é dito conjugado anti-simétrico se, para todos n, tivermos

conjugado anti-simétrico se, para todos n , tivermos Sempre é possível decompor qualquer sinal em uma

Sempre é possível decompor qualquer sinal em uma soma de um sinal conjugado simétrico com um outro conjuga- do anti-simétrico.

1.2.6 Manipulações de Sinal

Em nosso estudo de sinais e sistemas de tempo discreto, estaremos interessados na manipulação de sinais. Geral- mente, essas manipulações são feitas pela combinação de algumas poucos tipos de transformações básicas de si- nais. Essas transformações podem ser classificadas como sendo transformações da variável independente n ou co- mo da amplitude de x(n) (isto é, a variável dependente). Nas duas subseções seguintes, examinaremos brevemente essas duas classes de transformações e listaremos as mais comumente encontradas nas aplicações.

Transformações da Variável Independente Freqüentemente, as seqüências são alteradas e manipuladas modificando-se o índice n como segue:

e manipuladas modificando-se o índice n como segue: onde f ( n ) é uma função

onde f(n) é uma função de n. Se, para algum valor de n, f(n) não for um inteiro, y (n) = x (f (n)) é indefinida. Sem- pre é possível determinar o efeito da modificação do índice n, usando uma abordagem simples que consiste em lis- tar em uma tabela, para cada valor de n, o valor de f(n) e então fazer y (n) = x (f (n)). Entretanto, para muitas trans- formações de índice, isso não é necessário e a seqüência pode ser determinada ou plotada diretamente. As transfor- mações mais comuns incluem deslocamento, inversão e escalamento, as quais são definidas abaixo.

Essa é a transformação definida por f (n) = n n 0 . Sendo y (n) = x (n n 0 ), x(n) é deslocada n 0

amostras à direita se n 0 for positivo (isso é referido como um retardo ou atraso) e ela é deslocada n 0 amostras à

Deslocamento

esquerda se n 0 for negativo (referido como um avanço ou adiantamento)

Inversão

em relação ao índice n.

Escalamento (ou Mudança de Escala) de Tempo

n/N onde M e N são inteiros positivos. No caso de f (n) = Mn, a seqüência x(Mn) é formada tomando-se cada M-ésima amostra de x(n) (essa operação é conhecida como down-sampling). Para f (n) = n/N, a seqüência y(n) = x(f(n)) é definida como segue:

Essa transformação é definida por f (n) = Mn ou f (n) =

Essa transformação é dada por f (n) = – n e envolve simplesmente o “espelhamento” do sinal x(n)

3

N. de T.: Os subscritos e e o em x e (n) e x o (n) vêm do inglês even (par) e odd (ímpar), respectivamente.

Algumas vezes, uma seqüência conjugada simétrica é dita hermitiana.

16

PROCESSAMENTO DIGITAL DE SINAIS

16 P ROCESSAMENTO D IGITAL DE S INAIS (essa operação é conhecida como up-sampling ) *

(essa operação é conhecida como up-sampling)*

A Fig. 1-2 mostra exemplos de deslocamento, inversão e escalamento de tempo para um sinal. As operações de deslocamento, inversão e escalamento de tempo dependem da ordem de aplicação. Portanto, deve-se ser cuidadoso no cálculo de combinações dessas operações. Por exemplo, a Fig. 1-3 mostra dois sistemas, um consistindo em um retardo seguido de uma inversão de tempo, e um outro consistindo em uma inversão de tem- po seguida de um retardo. Como está mostrado, as saídas desses dois sistemas não são as mesmas.

as saídas desses dois sistemas não são as mesmas. Figura 1-2 Ilustração das operações de deslocamento,

Figura 1-2

Ilustração das operações de deslocamento, inversão e escalamento da variável independente n.

inversão e escalamento da variável independente n. ( a ) Um retardo T n 0 seguido

(a) Um retardo T n0 seguido de uma inversão de tempo T r .

T n 0 seguido de uma inversão de tempo T r . Figura 1-3 ( b

Figura 1-3

(b) Uma inversão de tempo T r seguida de um retardo T n0 .

Exemplo ilustrativo da não-comutatividade das operações de retardo e inversão de tempo.

* N. de T.: Não há tradução consolidada para down-sampling e up-sampling. Ocasionalmente, poderemos usar também redução de amostragem e aumento de amostragem.

CAPÍTULO 1 • SINAIS E SISTEMAS

17

Adição, Multiplicação e Escalamento Os tipos mais comuns de transformações de amplitude são adição, multiplicação e escalamento. A realização des- sas operações é direta e envolve apenas operações diretas com os sinais.

Adição

A soma de dois sinais

diretas com os sinais. Adição A soma de dois sinais é formada pela adição dos pares

é formada pela adição dos pares correspondentes dos valores dos sinais.

Multiplicação

A multiplicação de dois sinais

dos sinais. Multiplicação A multiplicação de dois sinais é formada pela multiplicação dos pares correspondentes

é formada pela multiplicação dos pares correspondentes dos valores dos sinais.

Escalamento

obtida multiplicando todos os valores de sinal por c:

O escalamento (ou mudança de escala) da amplitude de um sinal x(n) por uma constante c é

da amplitude de um sinal x ( n ) por uma constante c é Essa operação

Essa operação também pode ser considerada como o produto de dois sinais, x(n) e f (n) = c.

1.2.7 Decomposição de Sinal

A amostra unitária pode ser usada para decompor um sinal arbitrário x(n) em uma soma de amostras unitárias pon- deradas e deslocadas como segue:

de amostras unitárias pon- deradas e deslocadas como segue: Essa decomposição pode ser escrita de forma

Essa decomposição pode ser escrita de forma concisa como

Essa decomposição pode ser escrita de forma concisa como onde cada termo da soma, x (

onde cada termo da soma, x (k)δ(n k), é um sinal que tem amplitude x(k) no tempo n = k, e zero em todos os de- mais valores de n. Essa decomposição é a versão discreta da propriedade de “peneiramento”* dos sinais de tempo contínuo e é usada na dedução da soma de convolução.

1.3 SISTEMAS DE TEMPO DISCRETO

Um sistema de tempo discreto é um operador ou mapeamento matemático que transforma um sinal (a entrada) em um outro sinal (a saída) por meio de um conjunto fixo de regras ou operações. A notação T [ . ] é usada para repre- sentar um sistema genérico como o mostrado na Figura 1-4, no qual um sinal de entrada x(n) é transformado em um sinal de saída y(n) por meio da transformação T [ . ]. As propriedades de entrada e saída de um sistema podem ser especificadas por meio de diversas formas. A relação entre a entrada e a saída, por exemplo, pode ser expressa em termos de uma regra ou função matemática concisa tal como

termos de uma regra ou função matemática concisa tal como Figura 1-4 que mapeia um sinal

Figura 1-4

que mapeia um sinal de entrada x(n) em um sinal de saída y(n).

Representação de um sinal de tempo discreto como uma transformação T [ . ]

* N. de T.: Sifting, em inglês.

18

PROCESSAMENTO DIGITAL DE SINAIS

ou

18 P ROCESSAMENTO D IGITAL DE S INAIS ou Entretanto, também é possível descrever um sistema
18 P ROCESSAMENTO D IGITAL DE S INAIS ou Entretanto, também é possível descrever um sistema

Entretanto, também é possível descrever um sistema em termos de um algoritmo que fornece uma seqüência de ins- truções ou operações que devem ser aplicadas ao sinal de entrada, tal como

que devem ser aplicadas ao sinal de entrada, tal como Em alguns casos, um sistema pode

Em alguns casos, um sistema pode ser convenientemente especificado em termos de uma tabela que define o con- junto de todos os possíveis pares de entrada e saída de interesse. Sistemas de tempo discreto podem ser classificados em termos de suas propriedades. As de interesse mais co- mum são a linearidade, a invariância ao deslocamento, a causalidade, a estabilidade e a invertibilidade. Essas pro- priedades e algumas outras serão descritas na próxima seção.

1.3.1 Propriedades dos Sistemas

Sistemas Sem Memória

A primeira propriedade diz respeito a se um sistema tem ou não memória.

Definição: Um sistema é dito sem memória se a saída no tempo n = n 0 depender apenas da entrada nesse mesmo tempo n = n 0 .

Em outras palavras, um sistema é sem memória se, para qualquer n 0 , pudermos determinar o valor de y (n 0 ) conhe- cendo apenas o valor de x (n 0 ).

Exemplo 1.3.1

O sistema

apenas o valor de x ( n 0 ). Exemplo 1.3.1 O sistema é sem memória

é sem memória porque y (n 0 ) depende apenas do valor de x(n) no tempo n 0 . O sistema

apenas do valor de x ( n ) no tempo n 0 . O sistema por

por outro lado, tem memória porque a saída no tempo n 0 depende dos valores da entrada no tempo n 0 e também no tempo n 0 – 1.

Aditividade Um sistema aditivo é aquele cuja resposta a uma soma de entradas é igual à soma das entradas tomadas separada- mente. Assim,

Definição:

Um sistema é dito aditivo se tivermos

Assim, Definição: Um sistema é dito aditivo se tivermos para quaisquer sinais x 1 ( n

para quaisquer sinais x 1 (n) e x 2 (n).

Homogeneidade

Um sistema é dito homogêneo se, fazendo um escalamento na entrada por uma constante, resultar um escalamen-

to de mesmo valor na saída. Especificamente,

CAPÍTULO 1 • SINAIS E SISTEMAS

19

Definição:

Um sistema é dito homogêneo se

S ISTEMAS 19 Definição: Um sistema é dito homogêneo se para qualquer constante complexa c e

para qualquer constante complexa c e para qualquer seqüência de entrada x(n).

Exemplo 1.3.2

O sistema definido por

não é aditivo porque temos

1.3.2 O sistema definido por não é aditivo porque temos o que não é o mesmo
1.3.2 O sistema definido por não é aditivo porque temos o que não é o mesmo

o que não é o mesmo que

por não é aditivo porque temos o que não é o mesmo que Entretanto, esse sistema

Entretanto, esse sistema é homogêneo porque, para uma entrada cx(n), a saída é

homogêneo porque, para uma entrada cx ( n ), a saída é Por outro lado, o

Por outro lado, o sistema definido pela equação

é aditivo porque

lado, o sistema definido pela equação é aditivo porque Entretanto, esse sistema não é homogêneo porque
lado, o sistema definido pela equação é aditivo porque Entretanto, esse sistema não é homogêneo porque

Entretanto, esse sistema não é homogêneo porque a resposta a cx(n) é

portanto, diferente de

porque a resposta a cx ( n ) é portanto, diferente de Sistemas Lineares Um sistema
porque a resposta a cx ( n ) é portanto, diferente de Sistemas Lineares Um sistema

Sistemas Lineares Um sistema é dito linear se for simultaneamente aditivo e homogêneo. Assim,

Definição:

Um sistema é dito linear se

homogêneo. Assim, Definição: Um sistema é dito linear se para quaisquer duas entradas x 1 (

para quaisquer duas entradas x 1 (n) e x 2 (n) e para quaisquer constantes complexas a 1 e a 2 .

A linearidade simplifica muito o cálculo da resposta de um sistema a uma dada entrada. Por exemplo, usando a de- composição de x(n) dada na Equação (1.4) e a propriedade da aditividade, resulta que a saída y(n) pode ser escrita como

de x ( n ) dada na Equação ( 1.4 ) e a propriedade da aditividade,

20

PROCESSAMENTO DIGITAL DE SINAIS

Como os coeficientes x(k) são constantes, podemos usar a propriedade da homogeneidade para escrever

podemos usar a propriedade da homogeneidade para escrever Se definirmos h k ( n ) como

Se definirmos h k (n) como sendo a resposta do sistema a uma amostra unitária no tempo n = k,

a Equação (1.5) torna-se

unitária no tempo n = k , a Equação ( 1.5 ) torna-se que é conhecida
unitária no tempo n = k , a Equação ( 1.5 ) torna-se que é conhecida

que é conhecida como o a soma ou somatório de superposição.

Invariância ao Deslocamento Se um sistema tiver a propriedade de um deslocamento (retardo) de n 0 na entrada corresponder a um deslocamen- to de n 0 na saída, o sistema é dito invariante ao deslocamento. Mais formalmente,

Seja y(n) a resposta de um sistema a uma entrada arbitrária x(n). O sistema é dito invariante ao

deslocamento se, para qualquer retardo n , a resposta a x (n n 0 ) for y (n n 0 ). Um sistema que não é invarian-

Definição:

te ao deslocamento é dito variante ao deslocamento. 4

0

De fato, um sistema é invariante ao deslocamento se as suas propriedades ou características não se alterarem com o tempo. Para testar a invariância ao deslocamento, é necessário comparar y (n n 0 ) com T [x (n n 0 )]. Se elas forem as mesmas para qualquer entrada x(n) e para todos os deslocamentos n 0 , o sistema é invariante ao deslocamento.

Exemplo 1.3.3

O sistema definido por

ao deslocamento. Exemplo 1.3.3 O sistema definido por é invariante ao deslocamento, como será demostrado a

é invariante ao deslocamento, como será demostrado a seguir. Se y (n) = x 2 (n) for a resposta do sistema a x(n), então a resposta do sistema a

é

Como

equação

a x ( n ), então a resposta do sistema a é Como equação , o
a x ( n ), então a resposta do sistema a é Como equação , o
a x ( n ), então a resposta do sistema a é Como equação , o

, o sistema é invariante ao deslocamento. Entretanto, o sistema descrito pela

ao deslocamento. Entretanto, o sistema descrito pela é variante ao deslocamento. Para verificar isso, observe

é variante ao deslocamento. Para verificar isso, observe que a resposta do sistema à entrada x (n) = δ (n) é

a resposta do sistema à entrada x ( n ) = δ ( n ) é

ao passo que a resposta a x (n – 1) = δ (n – 1) é

passo que a resposta a x ( n – 1) = δ ( n – 1)

Como isso não é o mesmo que y (n – 1) = 2δ (n – 1), o sistema é invariante ao deslocamento.

4 Alguns autores se referem a essa propriedade como invariância ao tempo. Entretanto, como n não representa necessariamente “tempo”, inva- riância ao deslocamento é mais geral.

CAPÍTULO 1 • SINAIS E SISTEMAS

21

Sistemas Lineares Invariantes ao Deslocamento Um sistema que é linear e também invariante ao deslocamento é dito sistema linear invariante ao deslocamento (LID ou LSI)*. Se h(n) for a resposta de um sistema LSI à amostra unitária δ (n), então a sua resposta à δ (n k) é h (n k). Portanto, na soma de superposição dada na Equação (1.6), temos

e vem que

de superposição dada na Equação ( 1.6 ), temos e vem que A Equação ( 1.7
de superposição dada na Equação ( 1.6 ), temos e vem que A Equação ( 1.7

A Equação (1.7), conhecida como soma de convolução, é escrita como

1.7 ), conhecida como soma de convolução, é escrita como onde o sinal * indica o

onde o sinal * indica o operador de convolução. A seqüência h(n), referida como resposta à amostra unitária, ca- racteriza completamente um sistema LSI. Em outras palavras, a resposta do sistema à qualquer entrada x(n) pode ser encontrada desde que h(n) seja conhecida.

Causalidade Uma propriedade de sistema importante em aplicações de tempo real é a causalidade, definida como segue:

Definição:

nas dos valores de entrada até o tempo n = n 0 .

Um sistema é dito causal se, para qualquer n 0 , a resposta do sistema no tempo n 0 depender ape-

Em um sistema causal, as alterações de saída não podem antecipar as alterações de entrada. Assim, se x 1 (n) = x 2 (n) para n n 0 , y 1 (n) deve ser igual a y 2 (n) para n n 0 . Por essa razão, os sistemas causais são chamados não an- tecipatórios. Um sistema LSI é causal se e apenas se h(n) for igual a zero para n < 0.

Exemplo 1.3.4

saída em qualquer tempo n = n 0 depende apenas da entrada nos tempos n 0 e n 0 – 1. Por outro lado, o sis-

tema descrito por y (n) = x (n) + x (n + 1) é não causal porque a saída no tempo n = n 0 depende dos valo- res da entrada no tempo n 0 + 1.

O sistema descrito pela equação y (n) = x (n) + x (n – 1) é causal porque o valor da

Estabilidade

Em muitas aplicações, é importante que um sistema tenha a resposta y(n) limitada em amplitude, sempre que a en- trada for limitada. Um sistema com essa propriedade é dito estável no sentido de entrada limitada – saída limitada (BIBO)**. Especificamente, temos

Um sistema é dito estável no sentido de entrada limitada – saída limitada se, para qualquer entrada , a saída for limitada,

Definição:

limitada,

entrada , a saída for limitada, Definição: limitada, Em um sistema linear invariante ao deslocamento, a
entrada , a saída for limitada, Definição: limitada, Em um sistema linear invariante ao deslocamento, a

Em um sistema linear invariante ao deslocamento, a estabilidade estará garantida se a resposta à amostra unitária for absolutamente somável:

a resposta à amostra unitária for absolutamente somável: * ** N. de T.: Do inglês Linear

*

**

N. de T.: Do inglês Linear Shift Invariant. N. de T.: Do inglês Bounded Input – Bounded Output.

22

PROCESSAMENTO DIGITAL DE SINAIS

Exemplo 1.3.5 que |a| < 1 porque

Um sistema LSI com resposta à amostra unitária h(n) = a n u (n) será estável sempre

unitária h ( n ) = a n u ( n ) será estável sempre Por

Por outro lado, o sistema descrito pela equação y(n) = nx(n) não é estável porque a resposta a um de- grau unitário, x(n) = u(n), é y(n) = nu(n) a qual é não limitada.

Invertibilidade Uma propriedade de sistema importante em aplicações, tais como equalização de canal e deconvolução, é a inver- tibilidade. Um sistema é dito invertível se a entrada do sistema puder ser determinada de forma única a partir da saí- da. Para um sistema ser invertível, é necessário que entradas distintas produzam saídas distintas. Em outras pala- vras, dadas duas entradas quaisquer x 1 (n) e x 2 (n) com x 1 (n) x 2 (n), deve ser verdadeiro que y 1 (n) y 2 (n).

Exemplo 1.3.6

O sistema definido por

) ≠ y 2 ( n ). Exemplo 1.3.6 O sistema definido por é invertível se

é invertível se e apenas se g(n) 0 para todos n. Em particular, dado y(n) e sendo g(n) diferente de zero para todos n, então x(n) pode ser recuperado de y(n) como segue:

1.4

x ( n ) pode ser recuperado de y ( n ) como segue: 1.4 CONVOLUÇÃO

CONVOLUÇÃO

A relação entre a entrada de um sistema linear invariante ao deslocamento, x(n), e a saída, y(n), é dada pela soma

de convolução

n ), e a saída, y ( n ), é dada pela soma de convolução Como

Como a convolução é fundamental para analisar e descrever os sistemas LSI, examinaremos nesta seção a mecâni-

ca do cálculo de convolução. Começaremos listando algumas propriedades da convolução que podem ser usadas para simplificar o cálculo da soma de convolução.

1.4.1 Propriedades da Convolução

A convolução é um operador linear e, portanto, apresenta uma série de propriedades importantes, incluindo a co-

mutatividade, a associatividade e a distributividade. As definições e explicações dessas propriedades estão resumi- das a seguir.

Propriedade da Comutatividade

A propriedade da comutatividade afirma que a ordem com a qual se faz a convolução de duas seqüências não é im-

portante. Matematicamente, a propriedade da comutatividade é

Matematicamente, a propriedade da comutatividade é Do ponto de vista de sistema, essa propriedade afirma que

Do ponto de vista de sistema, essa propriedade afirma que um sistema com uma resposta h(n) à amostra unitária e uma entrada x(n) se comporta exatamente da mesma maneira que um sistema com resposta x(n) à amostra unitária e uma entrada h(n). Isso está ilustrado na Fig. 1-5(a).

CAPÍTULO 1 • SINAIS E SISTEMAS

23

C APÍTULO 1 • S INAIS E S ISTEMAS 23 ( a ) A propriedade comutativa.

(a) A propriedade comutativa.

S INAIS E S ISTEMAS 23 ( a ) A propriedade comutativa. ( b ) A

(b) A propriedade associativa.

) A propriedade comutativa. ( b ) A propriedade associativa. Figura 1-5 ( c ) A

Figura 1-5

(c) A propriedade distributiva.

Aplicação das propriedades de convolução do ponto de vista de sistemas.

Propriedade da Associatividade

O operador de convolução satisfaz a propriedade da associatividade, que é

satisfaz a propriedade da associatividade, que é Do ponto de vista de sistema, a propriedade da

Do ponto de vista de sistema, a propriedade da associatividade afirma que, se dois sistemas com respostas h 1 (n) e h 2 (n) à amostra unitária forem conectados em cascata como mostrado na Fig. 1-5(b), um sistema equivalente é um que tem resposta à amostra unitária igual à convolução de h 1 (n) e h 2 (n):

igual à convolução de h 1 ( n ) e h 2 ( n ): Propriedade

Propriedade da Distributividade

A propriedade da distributividade do operador de convolução afirma que

da distributividade do operador de convolução afirma que Do ponto de vista de sistema, essa propriedade

Do ponto de vista de sistema, essa propriedade afirma que, se dois sistemas com respostas à amostra unitária h 1 (n) e h 2 (n) forem conectados em paralelo, como ilustrado na Fig. 1-5(c), um sistema equivalente é um que tem a res- posta à amostra unitária igual à soma de h 1 (n) e h 2 (n):

unitária igual à soma de h 1 ( n ) e h 2 ( n ):

1.4.2 Realizando Convoluções

Depois de considerar algumas das propriedades do operador de convolução, examinaremos agora a mecânica do cálculo de convoluções. Há diversas abordagens que podem ser usadas, a mais fácil dependerá da forma e do tipo da seqüência que deve ser convoluída.

Cálculo Direto Se as seqüências que estão sendo convoluídas puderem ser descritas por expressões matemáticas simples, então, em geral, a convolução é realizada mais facilmente calculando-se diretamente a soma dada na Equação (1.7). Em geral, quando as convoluções são feitas diretamente, é necessário calcular somas finitas ou infinitas envolvendo termos da forma α n ou nα n . Listadas na Tabela 1-1, estão as expressões de algumas das séries mais comumente encontradas.

24

PROCESSAMENTO DIGITAL DE SINAIS

Tabela 1-1

Expressões para Algumas Séries Comumente Encontradas

1-1 Expressões para Algumas Séries Comumente Encontradas Exemplo 1.4.1 e Vamos realizar a convolução de dois

Exemplo 1.4.1

e

Vamos realizar a convolução de dois sinais

Exemplo 1.4.1 e Vamos realizar a convolução de dois sinais Fazendo o cálculo direto da soma

Fazendo o cálculo direto da soma de convolução, encontramos

o cálculo direto da soma de convolução, encontramos Como u ( k ) é zero para

Como u(k) é zero para k < 0 e u(n k) é zero para k > n, quando n < 0, então não há termos diferentes de zero na soma e temos y(n) = 0. Por outro lado, se n 0,

Portanto,

temos y ( n ) = 0. Por outro lado, se n ≥ 0, Portanto, Método
temos y ( n ) = 0. Por outro lado, se n ≥ 0, Portanto, Método

Método Gráfico Além do método direto, as convoluções também podem ser calculadas graficamente. Os passos envolvidos no uso do método gráfico são os seguintes:

1. Faça o gráfico de ambas as seqüências, x(k) e h(k), como funções de k.

2. Escolha uma das seqüências, digamos h(k), e a inverta no tempo para formar a seqüência h(– k).

3. Desloque de n a seqüência invertida no tempo. [Observação: Se n > 0, isso corresponde a um deslocamento à direita (retardo), ao passo que, se n < 0, isso corresponde a um deslocamento à esquerda (adiantamento).]

4. Multiplique as duas seqüências x(k) e h(n k) e some os produtos para todos os valores de k. O valor resultan- te será igual a y(n). Esse processo é repetido para todos os deslocamentos possíveis, n.

Exemplo 1.4.2

Para ilustrar o método gráfico da convolução, vamos calcular y(n) = x(n) * h(n) onde

x(n) e h(n) são as seqüências mostradas na Fig. 1-6(a) e (b), respectivamente. Para realizar essa convolu- ção, seguiremos os passos listados abaixo:

1. Como x(k) e h(k) estão ambas plotadas como funções de k na Fig. 1-6(a) e (b), vamos escolher uma das seqüências para fazer uma inversão no tempo. Neste exemplo, vamos inverter a h(k), como está mostrado na Fig. 1-6(c).

2. Formando o produto, x(k)h(– k), e somando em relação a k, encontramos y(0) = 1.

CAPÍTULO 1 • SINAIS E SISTEMAS

25

3. Deslocando h(k) de um à direita, resulta a seqüência h(1 – k) mostrada na Fig. 1-6(d). Formando o produto x(k)h(1 – k) e somando em k, encontramos y(1) = 3.

4. Deslocando h(1 – k) novamente à direita, obtemos a seqüência h(2 – k) mostrada na Fig. 1-6(e). Fa- zendo o produto x(k)h(1 – k) e somando em k, encontramos y(2) = 6.

5. Continuando dessa forma, encontramos y(3) = 5, y(4) = 3 e y(n) = 0 para n > 4.

6. A seguir, tomamos h(– k) e a deslocamos de um à esquerda como mostrado na Fig. 1-6(f). Como o produto x(k)h(– 1 – k) é zero para todos k, encontramos y(– 1) = 0. De fato, y(n) = 0 para todos n < 0.

A Fig. 1-6(g) mostra a convolução para todos n.

0. A Fig. 1-6( g ) mostra a convolução para todos n . Figura 1-6 O

Figura 1-6

O método gráfico da convolução.

Um fato útil de lembrar no cálculo da convolução de duas seqüências de comprimento finito é que, se x(n) tiver comprimento L 1 e h(n) tiver comprimento L 2 , então y(n) = x(n) * h(n) tem comprimento

comprimento L 1 e h ( n ) tiver comprimento L 2 , então y (

26

PROCESSAMENTO DIGITAL DE SINAIS

Além disso, se os valores diferentes de zero de x(n) pertencerem ao intervalo [M x , N x ] e os valores diferentes de ze-

ro de h(n) pertencerem ao intervalo [M h , N h ], então os valores diferentes de zero de y(n) estão confinados ao inter- valo [M x + M h , N x + N h ].

Exemplo 1.4.3

Considere a convolução da seqüência

Exemplo 1.4.3 Considere a convolução da seqüência com

com

com

Como x(n) é zero fora do intervalo [10, 20] e h(n) é zero fora do intervalo [– 5, 5], os valores diferentes de zero da convolução y(n) = x(n) * h(n) estarão contidos no intervalo [5, 25].

Método da Régua de Cálculo Um outro método de se realizar convoluções, chamado método da régua de cálculo, é particularmente adequado quando ambas x(n) e h(n) forem finitas em comprimento e curtas em duração. Os passos do método da régua de cál- culo são os seguintes:

1. Escreva os valores de x(k) ao longo da margem superior de um pedaço de papel, e os valores de h(– k) ao lon- go da margem superior de um outro pedaço de papel como está ilustrado na Fig. 1-7.

2. Alinhe os dois valores x(0) e h(0) das seqüências, multiplique todos os pares de números e some esses produ- tos para obter o valor de y(0).

3. Desloque de um à direita o papel com a seqüência h(k) invertida no tempo, multiplique todos os pares de nú- meros e some os produtos para obter o valor de y(1). Repita para todos os deslocamentos de n > 0 à direita. Faça o mesmo, deslocando à esquerda a seqüência invertida no tempo, para encontrar os valores de y(n) para n < 0.

para encontrar os valores de y ( n ) para n < 0. Figura 1-7 O

Figura 1-7

O método da régua de cálculo para convolução.

No Capítulo 2, veremos um outro modo de se calcular a convolução usando a transformada de Fourier.

1.5 EQUAÇÕES DE DIFERENÇAS

A soma de convolução expressa a saída de um sistema linear invariante ao deslocamento em termos de uma com-

binação linear dos valores de entrada x(n). Por exemplo, um sistema que tem uma resposta à amostra unitária h(n)

= α n u(n) é descrito pela equação

h ( n ) = α n u ( n ) é descrito pela equação Embora

Embora essa equação permita que se compute a saída y(n) para uma entrada arbitrária x(n), essa representação não

é muito eficiente do ponto de vista computacional. Em alguns casos, é possível expressar, de forma mais eficiente,

a saída em termos dos valores passados da saída, e dos valores passados e atual da entrada. O sistema visto antes, por exemplo, pode ser escrito de forma mais concisa como segue:

CAPÍTULO 1 • SINAIS E SISTEMAS

27

C APÍTULO 1 • S INAIS E S ISTEMAS 27 A Equação ( 1.10 ) é

A Equação (1.10) é um caso especial do que é conhecido como equação de diferenças linear com coeficientes cons-

tantes ou EDLCC. A forma geral de uma EDLCC é

cons- tantes ou EDLCC. A forma geral de uma EDLCC é onde os coeficientes a (

onde os coeficientes a(k) e b(k) são constantes que definem o sistema. Se a equação de diferenças tiver um ou mais termos a(k) diferentes de zero, ela é dita recursiva. Por outro lado, se todos os coeficientes a(k) forem zero, a equa- ção de diferenças é dita não recursiva. Assim, a Equação (1.10) é um exemplo de uma equação de diferenças recur- siva de primeira ordem, ao passo que a Equação (1.9) é uma equação de diferenças não recursiva de ordem infinita. As equações de diferenças propiciam um método para se calcular a resposta y(n) de um sistema a uma entrada arbitrária x(n). Entretanto, antes que essas equações possam ser resolvidas, é necessário especificar um conjunto de condições iniciais. Por exemplo, com uma entrada x(n) que começa no tempo n = 0, a solução da Equação (1.11) no tempo n = 0 depende dos valores de y(– 1), …, y(– p). Portanto, essas condições iniciais devem ser especifica- das antes de se encontrar a solução para n 0. Quando essas condições iniciais forem zero, diremos que o sistema está em repouso inicial. Para um sistema LSI descrito por uma equação de diferenças, a resposta à amostra unitária, h(n), é encontrada resolvendo a equação de diferenças para x(n) = δ(n) e assumindo repouso inicial. Para um sistema não recursivo, a(k) = 0, a equação de diferenças torna-se

recursivo, a ( k ) = 0, a equação de diferenças torna-se e a saída é

e

a saída é simplesmente uma soma ponderada dos valores passados e atual da entrada. Como resultado, a respos-

ta

à amostra unitária é simplesmente

a respos- ta à amostra unitária é simplesmente Assim, h ( n ) é finita em

Assim, h(n) é finita em comprimento e o sistema é referido como sendo um sistema de resposta de comprimento fini- to ao impulso (FIR)*. Entretanto, se a(k) 0, a resposta à amostra unitária é, em geral, infinita em comprimento e o sistema é referido como sendo um sistema de resposta de comprimento infinito ao impulso (IIR)**. Por exemplo, se

de comprimento infinito ao impulso (IIR)**. Por exemplo, se a resposta à amostra unitária é h

a resposta à amostra unitária é h(n) = a n u(n). Há diversos métodos diferentes que podemos usar para resolver EDLCCs para uma entrada genérica x(n). O primeiro é simplesmente montar uma tabela com os valores de entrada e saída e resolver a equação de diferenças para cada valor de n. Essa abordagem é adequada quando é necessário determinar apenas poucos valores de saída. Um outro método é usando transformadas z. Essa abordagem será discutida no Capítulo 4. O terceiro é a aborda- gem clássica de se encontrar as soluções homogênea e particular. Esse método será descrito agora. Dada uma EDLCC, a solução geral é a soma de duas partes,

Dada uma EDLCC, a solução geral é a soma de duas partes, onde y h (

onde y h (n) é conhecida como solução homogênea e y p (n) é a solução particular. A solução homogênea é a respos-

ta do sistema às condições iniciais, supondo a entrada x(n) = 0. A solução particular é a resposta do sistema à entra-

da x(n) supondo condições iniciais zero.

*

**

N. de T.: Do inglês Finite-Length Impulse Response. N. de T.: Do inglês Infinite-Length Impulse Response.

28

PROCESSAMENTO DIGITAL DE SINAIS

A solução homogênea é encontrada resolvendo-se a equação de diferenças homogênea

resolvendo-se a equação de diferenças homogênea A solução da Equação ( 1.13 ) pode ser encontrada

A solução da Equação (1.13) pode ser encontrada supondo uma solução da forma

( 1.13 ) pode ser encontrada supondo uma solução da forma Substituindo essa solução na Equação

Substituindo essa solução na Equação (1.13), obtemos a equação polinomial

ou

na Equação ( 1.13 ), obtemos a equação polinomial ou O polinômio entre chaves é chamado
na Equação ( 1.13 ), obtemos a equação polinomial ou O polinômio entre chaves é chamado

O polinômio entre chaves é chamado polinômio característico. Como ele é de grau p, terá p raízes, reais ou com-

plexas. Se os coeficientes a(k) forem de valor real, essas raízes ocorrem em pares de conjugados complexos (isto é, para cada raiz complexa z i haverá uma outra igual a z * i ). Se as p raízes z i forem distintas, z i z k para k i, a solução geral da equação de diferenças homogênea é

a solução geral da equação de diferenças homogênea é onde as constantes A k são escolhidas

onde as constantes A k são escolhidas de modo a satisfazerem as condições iniciais. Com raízes repetidas, a solução deve ser modificada como segue. Se z 1 for uma raiz de multiplicidade m e as restantes p m raízes forem distintas, a solução homogênea é

– m raízes forem distintas, a solução homogênea é Para a solução particular, é necessário encontrar

Para a solução particular, é necessário encontrar a seqüência y p (n) que satisfaz a equação de diferenças para a x(n) dada. Em geral, isso requer alguma criatividade e insight. Entretanto, para muitas das entradas típicas que nos in- teressam, a solução terá a mesma forma da entrada. A Tabela 1-2 lista a solução particular das entradas mais comu- mente encontradas. Por exemplo, se x(n) = a n u(n), a solução particular é da forma

( n ) = a n u ( n ), a solução particular é da forma

desde que a não seja uma raiz da equação característica. A constante C é encontrada substituindo a solução na equa- ção de diferenças. Observe que, para x(n) = Cδ(n), a solução particular é zero. Como x(n) = 0 para n > 0, a amostra unitária afeta apenas a condição inicial de y(n).

Tabela 1-2

A Solução Particular de uma EDLCC para Diversas Entradas Diferentes

apenas a condição inicial de y ( n ). Tabela 1-2 A Solução Particular de uma

CAPÍTULO 1 • SINAIS E SISTEMAS

29

Exemplo 1.5.1

Vamos encontrar a solução da equação de diferenças

Vamos encontrar a solução da equação de diferenças para x ( n ) = u (

para x(n) = u(n) supondo as condições iniciais de y(– 1) e y(– 2). Começamos encontrando a solução particular. Da Tabela 1-2, vemos que, para x(n) = u(n), temos

Da Tabela 1-2, vemos que, para x ( n ) = u ( n ), temos

Substituindo essa solução na equação de diferenças, encontramos

essa solução na equação de diferenças, encontramos Para isso ser verdadeiro, devemos ter Para encontrar a

Para isso ser verdadeiro, devemos ter

encontramos Para isso ser verdadeiro, devemos ter Para encontrar a solução homogênea, fazemos y h (

Para encontrar a solução homogênea, fazemos y h (n) = z n , que dá o polinômio característico

h ( n ) = z n , que dá o polinômio característico ou Portanto, a

ou

Portanto, a solução homogênea tem a forma

.
.
ou Portanto, a solução homogênea tem a forma . Assim, a solução total é Agora as

Assim, a solução total é

homogênea tem a forma . Assim, a solução total é Agora as constantes A 1 e

Agora as constantes A 1 e A 2 devem ser encontradas de tal modo que a solução total satisfaça as condições iniciais dadas, y(– 1) = 1 e y(– 2) = 0. Como a solução dada na Equação (1.17) aplica-se apenas para n 0, devemos deduzir um conjunto equivalente de condições iniciais para y(0) e y(1). Calculando a Equa- ção (1.16) em n = 0 e n = 1, temos

a Equa- ção ( 1.16 ) em n = 0 e n = 1, temos Substituindo

Substituindo essas condições iniciais deduzidas ou derivadas na Equação (1.17), temos

deduzidas ou derivadas na Equação ( 1.17 ), temos Resolvendo em relação a A 1 e

Resolvendo em relação a A 1 e A 2 , encontramos

Assim, a solução é

a A 1 e A 2 , encontramos Assim, a solução é Até agora examinamos as
a A 1 e A 2 , encontramos Assim, a solução é Até agora examinamos as

Até agora examinamos as equações de diferenças lineares com coeficientes constantes. Entretanto, nem todos sistemas e equações de diferenças de interesse são lineares, nem todas têm coeficientes constantes. Por exemplo, um sistema que computa uma média móvel* de um sinal x(n), em um intervalo [0, n], é definido por

* N. de T.: Running average, em inglês.

30

PROCESSAMENTO DIGITAL DE SINAIS

30 P ROCESSAMENTO D IGITAL DE S INAIS Esse sistema pode ser representado por uma equação

Esse sistema pode ser representado por uma equação de diferenças com coeficientes variáveis no tempo:

de diferenças com coeficientes variáveis no tempo: Embora mais complicadas e difíceis de serem resolvidas, as

Embora mais complicadas e difíceis de serem resolvidas, as equações de diferenças não lineares, ou com coeficien- tes variáveis no tempo, são importantes e surgem freqüentemente em muitas aplicações.

Problemas Resolvidos

Sinais de Tempo Discreto

1.1 Determine se os sinais abaixo são periódicos ou não e, para cada sinal periódico, determine o período fun- damental.

(a)

(b)

(c)

(d)

(a)

(b)

Como e
Como
e
fun- damental. ( a ) ( b ) ( c ) ( d ) ( a

x(n) é periódico de período N = 16.

Aqui temos a soma de dois sinais periódicos,

N = 16. Aqui temos a soma de dois sinais periódicos, com os períodos do primeiro

com os períodos do primeiro igual a N 1 = 24 e do segundo igual a N 2 = 36. Portanto, o período da soma é

(c)

(d)

a N 2 = 36. Portanto, o período da soma é ( c ) ( d

Para essa seqüência ser periódica, devemos encontrar um valor de N tal que

ser periódica, devemos encontrar um valor de N tal que A função seno é periódica de

A função seno é periódica de período 2π. Portanto, 0,2N deve ser um múltiplo inteiro de 2π. No entanto, como π é um nú- mero irracional, não existe nenhum valor inteiro de N que torne a igualdade verdadeira. Assim, essa seqüência é aperiódica.

Aqui temos o produto de duas seqüências periódicas com períodos N 1 = 32 e N 2 = 34. Portanto, o período fundamental é

1 = 32 e N 2 = 34. Portanto, o período fundamental é 1.2 Encontre as

1.2 Encontre as partes par e ímpar dos seguintes sinais:

1 = 32 e N 2 = 34. Portanto, o período fundamental é 1.2 Encontre as

CAPÍTULO 1 • SINAIS E SISTEMAS

31

A parte par de um sinal x(n) é dada por

S ISTEMAS 31 A parte par de um sinal x ( n ) é dada por

Para x(n) = u(n), temos

sinal x ( n ) é dada por Para x ( n ) = u (

que pode ser escrita de forma concisa como

= u ( n ), temos que pode ser escrita de forma concisa como Portanto, a

Portanto, a parte par do degrau unitário é uma seqüência que tem o valor constante A parte ímpar de um sinal x(n) é dada pela diferença

A parte ímpar de um sinal x ( n ) é dada pela diferença para todos
A parte ímpar de um sinal x ( n ) é dada pela diferença para todos

para todos n exceto n = 0, onde seu valor é 1.

Para x(n) = u(n), temos

n = 0, onde seu valor é 1. Para x ( n ) = u (

ou

onde sgn(n) é a função signum.*

Para x(n) = α n u(n), a parte par é

signum.* Para x ( n ) = α n u ( n ), a parte par
signum.* Para x ( n ) = α n u ( n ), a parte par

ou

Por outro lado, a parte ímpar é

u ( n ), a parte par é ou Por outro lado, a parte ímpar é
u ( n ), a parte par é ou Por outro lado, a parte ímpar é

1.3 Se x 1 (n) for par e x 2 (n) for ímpar, o que é y(n) = x 1 (n) . x 2 (n)?

Se y(n) = x 1 (n) . x 2 (n),

2 ( n )? Se y ( n ) = x 1 ( n ) .

Como x 1 (n) é par, temos x 1 (n) = x 1 (– n), e, como x 2 (n) é ímpar, temos x 2 (n) = – x 2 (– n). Portanto,

e vem que y(n) é ímpar.

x 2 (– n ). Portanto, e vem que y ( n ) é ímpar. *

* N. de T.: Sinal, em latim. Essa função indica o sinal. Se n > 0, sgn(n) = 1; se n = 0, sgn(n) = 0 e se n < 0, sgn(n) = –1.

32

PROCESSAMENTO DIGITAL DE SINAIS

1.4 Se x(n) = 0 para n < 0, deduza uma expressão para x(n) em termos de sua parte par, x e (n), e, usando essa expressão, encontre x(n) quando x e (n) = (0,9) |n| u(n). Determine se é possível ou não deduzir uma expressão semelhante para x(n) em termos de sua parte ímpar.

Como

e

observe que, quando x(n) = 0 para n < 0,

e

Como e observe que, quando x ( n ) = 0 para n < 0, e
Como e observe que, quando x ( n ) = 0 para n < 0, e
Como e observe que, quando x ( n ) = 0 para n < 0, e
Como e observe que, quando x ( n ) = 0 para n < 0, e

Portanto, x(n) pode ser recuperada de sua parte par como segue:

x ( n ) pode ser recuperada de sua parte par como segue: Por exemplo, com

Por exemplo, com x e (n) = (0,9) |n| u(n), temos

com x e ( n ) = (0,9) | n | u ( n ), temos

Diferentemente do caso em que apenas a parte par de uma seqüência é conhecida, se apenas a parte ímpar for dada, não será possível recuperar x(n). O problema está na recuperação do valor de x(0). Como x o (0) é sempre zero, não há informação na par-

te ímpar de x(n) sobre o valor de x(0). Entretanto, se for dado x(0) juntamente com a parte ímpar, então x(n) poderá ser recupe-

rada para todos n.

1.5 Se x e (n) for a parte conjugada simétrica de uma seqüência x(n), que simetrias as partes real e imaginária de x e (n) possuem?

A parte conjugada simétrica de x(n) é

( n ) possuem? A parte conjugada simétrica de x ( n ) é Expressando x

Expressando x(n) em termos de suas partes real e imaginária, temos

x ( n ) em termos de suas partes real e imaginária, temos Portanto a parte

Portanto a parte real de x e (n) é par e a parte imaginária é ímpar.

1.6 Encontre a parte conjugada simétrica da seqüência

A parte conjugada simétrica de x(n) é

da seqüência A parte conjugada simétrica de x ( n ) é Assim, esta seqüência é
da seqüência A parte conjugada simétrica de x ( n ) é Assim, esta seqüência é

Assim, esta seqüência é conjugada anti-simétrica.

CAPÍTULO 1 • SINAIS E SISTEMAS

33

1.7 Dada a seqüência

1 • S INAIS E S ISTEMAS 33 1.7 Dada a seqüência , faça os gráficos

, faça os gráficos de

ISTEMAS 33 1.7 Dada a seqüência , faça os gráficos de ( a ) A seqüência

(a) A seqüência x(n), ilustrada na Fig. 1-8(a), é uma seqüência linearmente decrescente que começa no índice n = 0 e termina em n = 5. A primeira seqüência a ser plotada, y 1 (n) = x(4 – n), é encontrada deslocando x(n) de quatro amostras e inverten- do no tempo. Observe que no índice n = 4, y 1 (n) é igual a x(0). Portanto, y 1 (n) tem um valor de 6 em n = 4 e decresce linear- mente à esquerda (valores decrescentes de n) até n = – 1, a partir do qual y 1 (n) = 0. A seqüência y 1 (n) está mostrada na Fig.

1-8(b).

1 ( n ) = 0. A seqüência y 1 ( n ) está mostrada na

Figura 1-8

Fazendo manipulações de sinal.

34

PROCESSAMENTO DIGITAL DE SINAIS

(b)

A

segunda seqüência, y 2 (n) = x(2n – 3), é formada pela combinação de deslocamento de tempo e down-sampling. Portan-

to, y 2 (n) pode ser plotada deslocando primeiro x(n) três amostras à direita (retardo) como mostrado na Fig. 1-8(c). A se- qüência y 2 (n) é então formada fazendo down-sampling por um fator de 2 (isto é, mantendo apenas os termos de índice par como indicado pelos círculos cheios na Fig. 1-8(c)). O gráfico de y 2 (n) está mostrado na Fig. 1-8(d).

(c)

A

terceira seqüência, y 3 (n) = x(8 – 3n), é formada pela combinação de deslocamento de tempo, down-sampling e inversão

de tempo. Para fazer o gráfico de y 3 (n), começamos plotando x(8 – n) que é formada deslocando x(n) de oito amostras (avanço) à esquerda e invertendo em tempo como mostrado na Fig. 1-8(e). Então, y 3 (n) é encontrada retirando cada tercei-

ra

amostra de x(8 – n), como indicado pelos círculos cheios na Fig. 1-8(f).

(d)

Finalmente, y 4 (n) = x(n 2 – 2n + 1) é formada por uma transformação não linear da variável de tempo n. Essa seqüência po-

de

ser facilmente plotada listando como o índice n é transformado. Primeiro, observe que, se n 4 ou n – 2, então n 2 – 2n

+ 1 9 e, portanto, y 4 (n) = 0. Para – 1 n 3, temos

y 4 ( n ) = 0. Para – 1 ≤ n ≤ 3, temos A

A seqüência y 4 (n) está plotada na Fig. 1-8(g).

1.8 A notação x((n)) N é usada para definir a seqüência formada como segue:

N é usada para definir a seqüência formada como segue: onde ( n módulo N )

onde (n módulo N) é o inteiro positivo, pertencente ao intervalo [0, N – 1], que resta depois da divisão de n por N.

Por exemplo, ((3)) 8 = 3, ((12)) 8 = 4 e ((– 6)) 4 = 2. Se for e (b) x((n – 2)) 3 .

, faça o gráfico de (a) x((n)) 3

n – 2)) 3 . , faça o gráfico de ( a ) x (( n

(a)

Começamos observando que ((n)) 3 , para qualquer valor de n, é sempre um inteiro pertencente ao intervalo [0, 2]. De fato, como ((n)) 3 = ((n + 3k)) 3 para qualquer k,

como (( n )) 3 = (( n + 3 k )) 3 para qualquer k

Portanto, x((n)) 3 é periódica com período N = 3. Assim, vem que x((n)) 3 é formada repetindo-se periodicamente os três pri- meiros valores de x(n) como está ilustrado na figura abaixo:

(b)

de x ( n ) como está ilustrado na figura abaixo: ( b ) A seqüência

A seqüência x((n – 2)) 3 também é periódica com período N = 3, exceto que o sinal está deslocado de n 0 = 2 amostras à di-

reita em comparação com a seqüência periódica da parte (a). Essa seqüência está mostrada na figura abaixo:

( a ). Essa seqüência está mostrada na figura abaixo: 1.9 A potência de um sinal

1.9 A potência de um sinal de valor real x(n) é definida como a soma dos quadrados dos valores da seqüência:

como a soma dos quadrados dos valores da seqüência: Suponha que uma seqüência x ( n

Suponha que uma seqüência x(n) tenha uma parte par x e (n) igual a

dos quadrados dos valores da seqüência: Suponha que uma seqüência x ( n ) tenha uma

CAPÍTULO 1 • SINAIS E SISTEMAS

35

Se a potência de x(n) for P = 5, encontre a potência da parte ímpar x o (n) de x(n).

Esse problema requer a determinação da relação entre a potência de x(n) e as potências das partes par e ímpar.

Por definição, x(n) = x e (n) + x o (n). Portanto,

x ( n ) = x e ( n ) + x o ( n ).

Observe que x e (n)x o (n) é o produto de uma seqüência par por uma seqüência ímpar e, portanto, o produto é ímpar. Como a soma para todos n de uma seqüência ímpar é zero,

Assim, a potência de x(n) é

ímpar é zero, Assim, a potência de x ( n ) é a qual mostra que
ímpar é zero, Assim, a potência de x ( n ) é a qual mostra que

a qual mostra que a potência de x(n) é igual à soma das potências de suas partes par e ímpar. Calculando a potência da parte par de x(n), encontramos

Portanto, para P = 5, temos

1.10 Considere a seqüência

Portanto, para P = 5, temos 1.10 Considere a seqüência ( a ) Encontre o valor
Portanto, para P = 5, temos 1.10 Considere a seqüência ( a ) Encontre o valor
Portanto, para P = 5, temos 1.10 Considere a seqüência ( a ) Encontre o valor

(a)

Encontre o valor numérico de

( a ) Encontre o valor numérico de ( b ) Compute a potência de x

(b)

Compute a potência de x(n),

valor numérico de ( b ) Compute a potência de x ( n ), ( c

(c)

Se x(n) for a entrada de um sistema variante no tempo definido por y(n) = nx(n), encontre a potência do sinal de saída (is-

to é, calcule a soma) dada por

do sinal de saída (is- to é, calcule a soma) dada por ( a ) Essa

(a) Essa é uma aplicação direta da série geométrica

do sinal de saída (is- to é, calcule a soma) dada por ( a ) Essa

36

PROCESSAMENTO DIGITAL DE SINAIS

(b)

Com a substituição de n por –n, temos

Portanto, resulta da série geométrica

n por – n , temos Portanto, resulta da série geométrica Para calcular a potência de
n por – n , temos Portanto, resulta da série geométrica Para calcular a potência de

Para calcular a potência de x(n), devemos calcular a soma

calcular a potência de x ( n ), devemos calcular a soma Substituindo n por –

Substituindo n por –n e usando a série geométrica, essa soma torna-se

(c)

n e usando a série geométrica, essa soma torna-se ( c ) Finalmente, para determinar a

Finalmente, para determinar a potência de y(n) = nx(n), devemos calcular a soma

a potência de y ( n ) = nx ( n ), devemos calcular a soma

Na Tabela 1-1, há uma expressão em forma fechada para a soma

Tabela 1-1, há uma expressão em forma fechada para a soma mas não para Diferenciando ambos

mas não para

Diferenciando ambos os membros da Equação (1.19) em relação a a, temos

os membros da Equação ( 1.19 ) em relação a a , temos . Entretanto, podemos

. Entretanto, podemos deduzir uma expressão em forma fechada para essa soma como segue. 5

expressão em forma fechada para essa soma como segue. 5 Portanto, temos a soma Usando essa

Portanto, temos a soma

fechada para essa soma como segue. 5 Portanto, temos a soma Usando essa expressão para calcular

Usando essa expressão para calcular a Equação (1.18), encontramos

expressão para calcular a Equação ( 1.18 ), encontramos 1.11 Expresse a seqüência 5 Esse método

1.11 Expresse a seqüência

a Equação ( 1.18 ), encontramos 1.11 Expresse a seqüência 5 Esse método é muito útil

5 Esse método é muito útil e deveria ser memorizado.

CAPÍTULO 1 • SINAIS E SISTEMAS

37

como uma soma de degraus unitários escalados e deslocados.

Nesse problema, gostaríamos de fazer uma decomposição de sinal, expressando x(n) como uma soma de degraus unitários sub- metidos a escalamentos e deslocamentos. Há muitos modos de se deduzir essa decomposição. Uma maneira é expressando x(n) como uma soma de amostras unitárias ponderadas e deslocadas,

uma soma de amostras unitárias ponderadas e deslocadas, e usar o fato de que uma amostra

e usar o fato de que uma amostra unitária pode ser escrita como a diferença de dois degraus como segue:

ser escrita como a diferença de dois degraus como segue: Portanto, a qual dá a decomposição

Portanto,

a qual dá a decomposição desejada:

como segue: Portanto, a qual dá a decomposição desejada: Um outro modo de se deduzir mais
como segue: Portanto, a qual dá a decomposição desejada: Um outro modo de se deduzir mais

Um outro modo de se deduzir mais diretamente essa decomposição é como segue. Primeiro, notamos que a decomposição deve- ria começar com um degrau unitário, gerando um valor 1 quando o índice é n = 0. Como x(n) aumenta de valor até atingir 2 em n = 1, devemos acrescentar um degrau unitário retardado u(n – 1). Em n = 2, x(n) aumentou sua amplitude novamente de 1 e, as- sim, acrescentamos o degrau unitário retardado u(n – 2). Nesse ponto, temos

unitário retardado u ( n – 2). Nesse ponto, temos Neste ponto, tudo que resta fazer

Neste ponto, tudo que resta fazer é trazer a seqüência de volta a zero em n 3. Isso pode ser feito subtraindo o degrau unitário retardado 3u(n – 3), resultando a mesma decomposição de antes.

Sistemas de Tempo Discreto

1.12 Para cada um dos sistemas abaixo, x(n) é a entrada e y(n) é a saída. Determine quais sistemas são homogêneos, quais sistemas são aditivos e quais são lineares.

quais sistemas são aditivos e quais são lineares. ( a ) Se o sistema for homogêneo,

(a)

Se o sistema for homogêneo,

e quais são lineares. ( a ) Se o sistema for homogêneo, para todas as entradas

para todas as entradas x(n) e para todas as constantes complexas c. O sistema y(n) = log(x(n)) não é homogêneo porque a resposta do sistema a x 1 (n) = cx(n) é

porque a resposta do sistema a x 1 ( n ) = cx ( n )

a qual não é igual a c log(x(n)). Para o sistema ser aditivo, se y 1 (n) e y 2 (n) forem as respostas às entradas x 1 (n) e x 2 (n), res- pectivamente, então a resposta à x(n) = x 1 (n) + x 2 (n) deverá ser y(n) = y 1 (n) + y 2 (n). Para esse sistema, temos

= y 1 ( n ) + y 2 ( n ). Para esse sistema, temos

(b)

Portanto, o sistema não é aditivo. Finalmente, como o sistema não é aditivo nem homogêneo, o sistema é não linear.

Observe que, se y(n) for a resposta a x(n) dada por

não é aditivo nem homogêneo, o sistema é não linear. Observe que, se y ( n

38

PROCESSAMENTO DIGITAL DE SINAIS

então a resposta a x 1 (n) =