Você está na página 1de 88

2 CAPITULO 1.

INTRODUC
AO

6. sinais de monitoracao da energia eletrica;

7. sinais biomedicos (eletrocardiograma, eletroencefalograma, tomograa, ressonancia magnetica,


etc);

8. sinais geologicos;
Captulo 1 9. sinais astronomicos e de astronautica;

10. sinais de pesquisas em fsica, qumica, biologia;


Introdu
cao Os sinais sao, em geral, representados por funcoes de uma ou mais variaveis independentes. Por
exemplo, o sinal de voz e uma funcao da variavel tempo. Os sinais de imagem sao funcao de variaveis
no espaco bidimensional, como por exemplo dos eixos cartesianos x e y. Ja os sinais de vdeo dependem
nao so das variaveis x e y mas tambem do tempo.
Sinais sao manifestacoes fsicas que carregam informacao. Os sinais podem ser classicados em funcao de seu comportamento ao longo das variaveis inde-
Considere, como exemplo, um sistema de amplicacao de sinais sonoros mostrado na Figura 1.1. pendentes. Considerando o caso unidimensional com a variavel tempo, apenas por simplicidade, os
sinais podem ser contnuos ou discretos. Os sinais contnuos no tempo apresentam valor em cada
instante de tempo, ou seja, sao funcoes de uma variavel independente contnua. Por outro lado, os
sinais discretos no tempo sao aqueles que sao denidos apenas em instantes discretos do tempo.
microfone alto-falante Os sinais discretos no tempo podem apresentar amplitudes que variam em uma escala contnua
fonte sonora ou em uma escala discreta, dando origem aos sinais discretos com amplitude contnua e aos sinais
digitais. Observamos que os sinais digitais apresentam dois graus de discretizacao: discretizacao do
amplificador tempo e da escala de amplitudes.
Vamos estudar estes dois tipos de sinais simultaneamente, de modo a aproveitar os conceitos
variao variao semelhantes e enfatizar as diferencas.
de de
presso presso

Figura 1.1: Esquema de um sistema de amplicacao de som.

A fonte sonora gera uma variacao de pressao no ar, a qual, ao atingir o microfone, e transformada
em variacao eletrica equivalente, de tensao ou de corrente. As variacoes eletricas sao amplicadas e
enviadas ao alto-falante que as transforma em ondas de pressao adequadas ao ouvido humano. Com
isto conseguimos aumentar o nvel de energia das variacoes ac usticas.
A variacao de pressao do ar e as variacoes eletricas sao exemplos de sinais. Eles transportam
informacao, uma mesma informacao, ora representada pelas variacoes ac usticas, ora pelas variacoes
eletricas.
Com este exemplo podemos inferir que os sinais estao presentes em uma gama muito ampla de
atividades. Destacamos:

1. sinais de voz, de voz de telefonia e de audio;

2. sinais de imagem (fotograa, radiograa, etc);

3. sinais de vdeo;

4. sinais de telecomunicacoes;

5. sinais de controle e automacao;

1
4 CAPITULO 2. INTRODUC AOS SINAIS CONTINUOS E DISCRETOS
AO

x(t)=cos(t/10)
1

0.5
Captulo 2

amplitude
0

Introdu
cao aos Sinais Contnuos e 0.5
Discretos
1
20 0 20 t 40

Figura 2.1: Exemplo de um sinal contnuo no tempo.

2.1 Introdu
c
ao

Vamos tratar aqui da notacao e propriedades dos sinais contnuos no tempo e dos sinais discretos no Sinal da fala: "as".
tempo. Iniciaremos com os sinais contnuos.

amplitude
2.2 Sinais contnuos no tempo

Estes sinais serao representados por funcoes de variaveis contnuas. Por exemplo, sinais de voz, de
audio, eletrocardiograma, etc, serao funcao de uma variavel que e o tempo. Por outro lado, sinais de t
imagem serao funcao de suas variaveis espaciais, por exemplo, as coordenadas cartesianas. Os sinais Pequeno trecho da vogal "a" do sinal da fala: "as".
de vdeo serao funcao de suas coordenadas cartesianas e do tempo.
A Figura 2.1 ilustra um trecho de sinal contnuo no tempo e que e descrito por x(t) = cos(t/10).

amplitude
A Figura 2.2 ilustra um sinal de voz na sada de um microfone.
Um outro exemplo e um sinal de tensao representando a umidade de um certo local em funcao do
tempo. Este sinal pode ser gerado por um sensor apropriado colocado no local a ser monitorado. Os
nveis de umidade sao representados por nveis correspondentes de tensao ou de corrente.

t
2.3 Sinais discretos no tempo
Figura 2.2: Sinal de voz.
Sao aqueles onde o eixo do tempo foi discretizado, de modo que as amplitudes ocorrem apenas em
instantes pre-xados.
Um exemplo bastante usual e um sinal de voz captado por um microfone e que em seguida e
amostrado no tempo, produzindo uma amostra a cada T segundos. Outro exemplo e o ndice semanal
de uma bolsa de valores, ou a evolucao do saldo de uma conta corrente mes a mes, conforme ilustrado imagens de vdeo, como mostradas em um monitor de televisao, sao imagens discretizadas que variam
na Figura 2.3. Por m, uma imagem pode ser discretizada nas direcoes x e y, gerando amostras em com o tempo, gerando entao um sinal em tres dimensoes: duas dimensoes espaciais e o tempo.
um plano bidimensional. Este e o caso das imagens geradas por cameras digitais para fotograa. As Trataremos apenas de sinais com uma variavel independente, a qual denominaremos genericamente

3
2.4.
ENERGIA E POTENCIA DE UM SINAL 5 6 CAPITULO 2. INTRODUC AOS SINAIS CONTINUOS E DISCRETOS
AO

saldo mensal de conta corrente


400

|x(t)|2  potencia instantanea normalizada, ou simplesmente potencia instantanea. (2.4)

300

Esta convencao e aplicada a qualquer tipo de sinal, mesmo para aqueles que representam grandezas
que nao comportam a nocao de energia ou potencia.

R$
200
Para o caso em que x(t) e uma tensao ou uma corrente, a potencia normalizada e aquela que seria
obtida em um resistor com resistencia unitaria.
Sempre denimos as demais grandezas como energia, potencia media, a partir da potencia instan-
100
tanea.

Para sinais discretos denimos:


0 5 10 15 20 25
ms

potencia  |x[n]|2 ; (2.5)


Figura 2.3: Sinal discreto = saldo de uma conta corrente.


n2
energia no intervalo n1 < n < n2 = energia(n1 , n2 )  |x[n]|2 ; (2.6)
de tempo, seja no campo contnuo, seja no discreto. n1

Nota
c
ao: sinal contnuo= x(t); sinal discreto= x[n].
Observac ao: energia(n1 , n2 )
potencia media no intervalo n1 < n < n2  . (2.7)
Os sinais discretos sao aqueles onde a variavel independente e discreta. Porem, a amplitude e n2 n1 + 1
contnua.
Os sinais digitais sao um caso particular dos discretos, onde a amplitude tambem e discreta. Considerando todo o eixo dos tempos, isto e, para < t < , bem como < n < , temos
as seguintes denicoes:

2.4 Energia e pot


encia de um sinal

Energia total  |x(t)|2 dt; (2.8)
Sejam v(t) e i(t) a tensao e a corrente em um dispositivo.

Defini
cao:
potencia instantanea  v(t) i (t), (2.1) T
T
|x(t)|2 dt

onde i (t) e o complexo conjugado da corrente. Potencia media total  lim ; (2.9)
T 2T
Defini
cao:
 t2 

energia no intervalo t1 < t < t2 = energia(t1 , t2 )  v(t) i (t) dt. (2.2) Energia total  |x[n]|2 ; (2.10)
t1

Defini
cao: N
energia(t1 , t2 ) N |x[n]|2
potencia media no intervalo t1 < t < t2  . (2.3) Potencia media total  lim . (2.11)
(t2 t1 ) N 2N + 1

Conven
c
ao: para qualquer tipo de sinal x(t) denimos:
2.5. CLASSIFICAC DE SINAIS
AO 7 8 CAPITULO 2. INTRODUC AOS SINAIS CONTINUOS E DISCRETOS
AO

2.5 Classifica
c
ao de sinais Neste caso temos 
Energia total = a2 dt ,

2.5.1 Sinais de energia  T
a2 dt
Sao aqueles que apresentam energia total nita. T
Potencia media total = lim = a2 .
Como conseq uencia, sua potencia media total e nula. 2T T

Podemos mostrar que a potencia media total e igual a` potencia media de qualquer
intervalo de tempo.

Exemplo 2.1


eat , t > 0 , a > 0; Exemplo 2.4
x(t) =
0, t < 0.
Neste caso temos x(t) = t; t.

2at 1 Neste caso temos
Energia total = e dt = ,
0 2a
 Energia total e Potencia media total .
T
2at
e dt
T
Potencia media total = lim = 0.
T 2T

Exemplo 2.2 2.6 Transforma


c
ao da vari
avel independente

1 , 0 < t < ;
x(t) =
0 , t < 0 e t > . 2.6.1 Deslocamento
 
Energia total = |x(t)|2 dt = dt = , Dado um sinal x(t), o sinal x(t t0 ) e igual ao sinal x(t) deslocado no eixo dos tempos. Se t0 for
0 positivo, entao o novo sinal estara atrasado em relacao ao original. Logo, se t0 for negativo o novo
sinal estara adiantado.
Potencia media total = 0 . A Figura 2.4 ilustra esta transformacao.

x(t) x(t - t0 )
1 1
2.5.2 Sinais de pot
encia

Sao aqueles que apresentam potencia media total nita. -t/2 0 -t/2 t 0 t0-t/2 t0 t0+t/2 t
Como conseq uencia, a energia total .

Figura 2.4: Deslocamento de um sinal no eixo dos tempos.

Exemplo 2.3

x(t) = a; t; a = real e nito.



2.7. SINAIS PERIODICOS 9 10 CAPITULO 2. INTRODUC AOS SINAIS CONTINUOS E DISCRETOS
AO

x(t) x(-t) Defini


cao: Perodo fundamental, e o menor perodo de x(t).

Exemplo 2.5
0 t1 t - t1 0 t
x(t) = cos(2t/T + ) e periodico com perodo fundamental T segundos.

cos(2t/T); T=2
Figura 2.5: Rotacao no eixo dos tempos.
1

2.6.2 Invers
ao no eixo dos tempos

Amplitude
0

Dado um sinal x(t), o sinal x(t) e o resultado da rotacao de x(t) ao redor do eixo dos tempos,
conforme ilustrado na Figura 2.5.

1
2.6.3 Escalonamento 4 2 0 2 4
t

Dado um sinal x(t), o sinal x(at), a > 0, e uma versao ampliada ou reduzida de x(t). A ampliacao
ocorre quando 0 < a < 1, enquanto que a > 1 provoca a reducao. A Figura 2.6 ilustra os dois casos. Figura 2.7: Sinal senoidal.
x(t/2)
A Figura 2.7 ilustra este sinal. O n
umeros de ciclos de oscilacao por segundo e f = 1/T
x(t) x(2 t)
e f e a freq
uencia em Hertz (Hz).

0 t1 t 0 2 t1 t 0 0,5 t1 t Exemplo 2.6

x(t) = sen(2t/T + ) e periodico com perodo fundamental T segundos. Tambem,


x(t) = sen(2t/T + ) = cos(2t/T + /2).
Figura 2.6: Expansao e reducao de um sinal.

Exemplo 2.7
Estas propriedades tambem sao validas para os sinais discretos.
O trem de pulsos retangulares da Figura 2.8 e um sinal periodico com perodo funda-
mental T .
2.7 Sinais peri
odicos

1- Sinais contnuos
Exemplo 2.8
Defini cao: Um sinal contnuo e periodico com perodo T se e somente se x(t nT ) = x(t), n =
inteiro, t. O sinal x(t) = a (a = constante real) pode representar o nvel de tensao constante de
uma bateria. Este sinal pode ser considerado periodico e, neste caso, qualquer n umero
Se x(t) = x(t + T ), t, entao x(t) = x(t + nT ), t. Assim, todos {nT } sao perodos. real e um perodo.

2.7. SINAIS PERIODICOS 11 12 CAPITULO 2. INTRODUC AOS SINAIS CONTINUOS E DISCRETOS
AO

2.8 Sinais pares e mpares


x(t)
1 Defini
cao:
... ... x(t) e par se e somente se x(t) = x(t), t.
x(t) e mpar se e somente se x(t) = x(t), t.
-t/2 0 t/2 T-t/2 T T+t/2 t
As mesmas denicoes sao validas para os sinais discretos

Figura 2.8: Trem de pulsos retangulares.

Exemplo 2.10
x[n] = cos[n/15] e par, ao passo que x[n] = sen[n/15] e mpar.
2- Sinais discretos

Defini
cao: x[n] e periodico com perodo N se e somente se x[n N ] = x[n], N= inteiro , n. Pode-se vericar que se x(t) (x[n]) e mpar, entao x(0) = 0 (x[0] = 0).

Defini
cao: Para qualquer x(t), temos x(t) = xp (t) + xi (t), onde
xp (t) = {x(t) + x(t)}/2 e a componente par de x(t).
Exemplo 2.9
xi (t) = {x(t) x(t)}/2 e a componente mpar de x(t).
x[n] = cos[n/15] e periodico com perodo com N = 30, conforme ilustrado na Figura
2.9. O mesmo vale para os sinais discretos.

seqncia cossenoidal

1 Exemplo 2.11
Seja x[n] = e|n| .
x[n] = x[n]; portanto, x[n] e par.
cos[ n/15]

xp [n] = x[n]; xi [n] = 0.

0
Exemplo 2.12
... ... Seja 
0, t < 0;
x(t) =
1 et , t > 0.
1

10 0 10 20 30 40 50 x(t) = x(t); portanto, x(t) nao tem simetria.


n

(1 et )/2, t < 0;
xp (t) =
Figura 2.9: Seq
uencia periodica x[n] = cos[n/15]. (1 et )/2, t > 0.

(1 + et )/2, t < 0;
xi (t) =
(1 et )/2, t > 0.
2.9. SINAIS EXPONENCIAIS COMPLEXOS CONTINUOS 13 14 CAPITULO 2. INTRODUC AOS SINAIS CONTINUOS E DISCRETOS
AO

2.9 Sinais exponenciais complexos contnuos x(t) = cos( t / 2); T0=4; f0=1/4
1

A forma geral de um sinal exponencial complexo contnuo e 0.5

amplitude
x(t) = ceat , < t < , c e a complexos. 0

Formam uma famlia de sinais, os quais sao importantes na descricao dos fenomenos fsicos e para 0.5
a composicao de outros sinais.
1
0 1 2 3 4 5 6 7 8
t
x(t) = cos(2 t); T =1; f =1
0 0
2.9.1 Exponenciais reais 1

0.5
Neste caso as constantes c e a sao reais, isto e,

amplitude
0
x(t) = ceat , < t < , c e a reais.
0.5
A Figura 2.10 ilustra este tipo de exponencial.
1
0 1 2 3 4 5 6 7 8
3 3 t

2 2 Figura 2.11: Exemplos de sinais senoidais reais.


eat

eat

1 a=0,3 1 a=0,3 encia de ej0 t


Energia e pot

0 0 A energia de um perodo e dada por


0 t 0 t
 t0 +T0
Energia de um perodo = |ej0 t |2 dt
t0
Figura 2.10: Exemplos de exponenciais reais.  t0 +T0
= dt = T0 .
t0

2.9.2 Exponenciais complexas peri


odicas e sinais senoidais Obviamente a energia total e ilimitada.

Neste caso c = 1 e a = j0 , isto e,


A potencia media de um perodo e dada por
x(t) = ej0 t , < t < .
Este tipo de exponencial e periodica com perodo T0 = 2/0 , pois Potencia media de um perodo = (Energia de um perodo)/T0 = 1.

ej0 (t+2/0 ) = ej0 t . ej0 2/0 = ej0 t Como a potencia media total e a media das potencias medias dos perodos, temos
Usando a Formula de Euler:
ej0 t = cos(0 t) + jsen(0 t), Potencia media total = 1.

conclumos que cos(0 t) e sen(0 t) tambem sao periodicas com perodo T0 = 2/0 .
O perodo T0 e dado em segundos, enquanto que a freq uencia 0 = 2/T0 e dada em radianos/
segundos. Tambem, 0 = 2f0 onde f0 e a freq uencia em Hertz.
A Figura 2.11 mostra cossenoides nas frequencias 0 = /2 e 0 = 2. Podemos notar que
Exemplo 2.13
enquanto o perodo T0 decresce de T0 = 4 para T0 = 1 a freq
uencia f0 cresce de f0 = 1/4 para f0 = 1,
fazendo com que a cossenoide oscile mais rapidamente.
Seja x(t) = A cos(0 t + ). Para este sinal temos:
2.9. SINAIS EXPONENCIAIS COMPLEXOS CONTINUOS 15 16 CAPITULO 2. INTRODUC AOS SINAIS CONTINUOS E DISCRETOS
AO

 T0
1
Potencia media total = |A cos(0 t + )|2 dt Exemplo 2.14
T0 0
 Vamos mostrar que
A2 T0
= cos2 (0 t + ) dt
T0 0 x(t) = ej2t + ej3t = 2 ej2,5t cos(0, 5t).

A2 T0 Para isto, coloque em evidencia um termo exponencial com expoente igual a` media
= {1 + cos(20 t + 2)}dt aritmetica dos expoentes:
2T0 0

= A2 /2.
x(t) = ej2,5t {ej0,5t + ej0,5t } = 2 ej2,5t {0, 5ej0,5t + 0, 5ej0,5t } = 2 ej2,5t cos(0, 5t) cqd.

2.10 Sequ
encias exponenciais
2.9.3 Exponenciais complexas gerais
Vamos usar duas formas de representacao:
Sao do tipo x[n] = cn = cen , < n < , e = . (2.12)
x(t) = ceat ; c = |c|ej ; a = r + j,
ou seja,
x(t) = |c|ert ej(t+) , 2.10.1 Sequ
encias exponenciais reais
onde |c|ert e a amplitude com uma variacao exponencial e ej(t+) e periodica. Neste caso c e (ou ) sao reais.
Esta exponencial pode tambem ser escrita como Temos varios casos, conforme o valor de , como mostrado na Figura 2.13.
x(t) = |c|ert {cos(t + ) + jsen(t + )}.
2.10.2 Sequ
encias exponenciais complexas com amplitude constante e
de onde obtemos as denicoes de cossenoide e senoide com amplitude variando exponencialmente.
A Figura 2.12 ilustra a cossenoide com amplitude amortecida (r < 0). sequ
encias senoidais

2 Sao obtidas de (2.12) fazendo c = 1 e = j0 , resultando em


x[n] = ej0 n . (2.13)
j0 n
envoltoria
Como e = cos(0 n) + jsen(0 n), temos que
cos(0 n) = e(ej0 n ),
e0,3 t cos(2 t)

(2.14)
0 sen(0 n) = m(ej0 n ).
2 0 2 t
A energia e a potencia de uma seq
uencia exponencial complexa sao:


Energia total = |ej0 n |2 , pois |ej0 n | = 1;
n=
1 N
2 Potencia media total = lim |ej0 n |2 = 1.
N 2N + 1 n=N

Por m, a seq uencia exponencial complexa, bem como as seq


uencias senoidais, nao sao necessari-
Figura 2.12: Cossenoide amortecida.
amente periodicas, como veremos logo adiante.
2.11. PROPRIEDADES DE PERIODICIDADE DA SEQU
ENCIA EXPONENCIAL 17 18 CAPITULO 2. INTRODUC AOS SINAIS CONTINUOS E DISCRETOS
AO

(a) (b) ej0 t e distinta para cada valor distinto de 0 .


3 3 Entretanto,
ej(0 +2)n = ej0 n .
1<<0 j0 n
Logo, e e periodica em relacao ao parametro 0 com perodo fundamental igual a 2.
2 Assim, todas as versoes distintas de ej0 n sao descritas com
...
0 0 < + 2,
n


0 2 4 n
1 0<<1 ou seja, os valores de em um intervalo de tamanho 2 sao sucientes para obtermos a descricao
de todas as exponenciais discretas.
comum usar = 0 ou = na expressao anterior.
E
...
0 3 Estas mesmas observacoes se aplicam `as seq
uencias senoidais derivadas da seq
uencia exponen-
0 2 4 6 n cial. A Figura 2.14 ilustra esta propriedade para amostras colhidas de dois sinais senoidais.

(c) (d) x(t) = cos(0,5 t); x[n] = cos(0,5 nT); T = 1


5 5 1
0.5

amplitude
<1
... 0
>1
0.5
2.5 0
n

0 2 4 n 1
0 1 2 3 4 5 6 7 t 8
... x(t) = cos(2.5 t); x[n]= cos(2.5 nT); T = 1

1
0 5
0 2 4 6 0.5

amplitude
n
0
Figura 2.13: Seq
uencias exponenciais reais.
0.5
1
2.10.3 Sequ
encia exponencial complexa geral 0 1 2 3 4 5 6 7 t 8

Sao dadas por c = |c|ej e = ||ej0 , ou seja


Figura 2.14: Ilustracao de seq
uencias senoidais com 0 e 0 + 2k.
x[n] = |c|||n ej(0 n+) . (2.15)

A partir deste tipo de sequencia denimos as seq


uencias senoidais amortecidas como a parte real ej0 t e periodica em t para qualquer valor de 0 . O perodo fundamental e T0 = 2/0 .
ou a imaginaria da seq
uencia geral. Porem, ej0 n nem sempre e periodica em n, pois a periodicidade exige que exista um inteiro N
tal que
ej0 (n+N ) = ej0 n , N.

2.11 Propriedades de periodicidade da sequ Isto somente sera verdade se ej0 N = 1, ou seja, se 0 N = 2m, para algum m = inteiro. Mas
encia
para que esta u
ltima igualdade se verique para n e m inteiros, e preciso que
exponencial m
0 = 2, (2.16)
N
Ha similaridades e diferencas entre ej0 t e ej0 n . A seguir estao analisadas estas questoes. ou seja, que 0 seja um numero racional vezes o n umero .
Portanto,
2.11. PROPRIEDADES DE PERIODICIDADE DA SEQU
ENCIA EXPONENCIAL 19 20 CAPITULO 2. INTRODUC AOS SINAIS CONTINUOS E DISCRETOS
AO

ej0 n e periodica em n se e somente se 0 = racional


Exemplo 2.17

ej2n/5 e periodica com N0 = 5, pois


2
Exemplo 2.15 N0 = min {inteiro positivo } = 5.
{inteiros>0} 2/5
ej5n/3 e periodica no eixo n com perodo fundamental N0 = 6 pois 0 = 5/3.
Comprovando,
ej5(n+N0 )/3 = ej5n/3 . ej5N0 /3
Exemplo 2.18
e, fazendo 5N0 /3 = 2m, m = inteiro, para m = 5 obtemos N0 = 6 e ej5N0 /3 = 1.
Logo, ej4n/5 e periodica com N0 = 5, pois
ej5(n+6)/3 = ej5n/3 para todo n.
2
N0 = min {inteiro positivo } = 5.
{inteiros>0} 4/5

Exemplo 2.16
Esta forma de se determinar o perodo fundamental tambem se aplica aos sinais senoidais
ej5n/3 nao e periodica no eixo n, pois 0 = 5/3. Comprovando, discretos.

ej5(n+N0 )/3 = ej5n/3 . ej5N0 /3

e 5N0 /3 = 2m, m = inteiro. Logo, ej5N0 /3 = 1.


Exemplo 2.19

x[n] = ej2n/3 + ej3n/4 e periodica com perodo fundamental N0 = 24, pois ej2n/3
tem perodo 3, ej3n/4 tem perodo 8 e o mnimo m ultiplo comum entre 3 e 8 e 24.
Observe que apos 24 amostras ocorre uma repeticao de cada parcela de x[n] e que
ej0 t oscila com a frequencia 0 = 2f0 . Quanto maior o valor de 0 , maior o n
umero de este e o menor numero onde esta repeticao ocorre simultaneamente.
oscilacoes por segundo e menor o perodo T0 = 2/0 .
Porem, para ej0 n , 0 = racional, isto e, para ej0 n periodica, a freq
uencia de oscilacao cresce
com 0 para 0 0 . Mas decresce com 0 para < 0 2, pois a exponencial e periodica
com 0 com perodo 2 e o comportamento ao redor de 0 = 2 e igual ao comportamento ao
redor de 0 = 0.
O mesmo comportamento vale para os sinais senoidais correspondentes. 2.12 Sequ
encia impulso unit
ario e sequ
encia degrau
O perodo fundamental N0 de ej0 n , 0 = racional , pode ser determinado como se segue. Esta secao apresenta dois tipos de seq
uencias teoricas que sao importantes para o desenvolvimento
N0 e perodo. Entao N0 0 = inteiro positivo 2. Alem disto, N0 e perodo fundamental se de conceitos de sinais e sistemas discretos.
N0 e o menor inteiro positivo que satisfaz esta relacao. Logo,

N0  menor inteiro tal que N0 0 = inteiro positivo 2.


2.12.1 Sequ
encia impulso unit
ario

Ou Defini
cao: 
N0  menor inteiro tal que N0 = inteiro positivo 2/0 . 1, n = 0;
uencia impulso unitario = [n] 
Seq (2.18)
 0.
0, n =
Portanto,
2 A Figura 2.15a) ilustra a seq
uencia [n], enquanto que a Figura 2.15b) ilustra a seq
uencia [n4].
N0 = min {inteiro positivo }. (2.17)
{inteiros>0} 0
2.12. SEQU
ENCIA
IMPULSO UNITARIO E SEQU
ENCIA DEGRAU 21 22 CAPITULO 2. INTRODUC AOS SINAIS CONTINUOS E DISCRETOS
AO

a) 1) [n] = u[n] u[n 1];


1 n
2) u[n] = [m];
m=


[n]
3) u[n] = [n k];
k=0

0
2 1 0 1 2 3 4 5 n
Propriedade amostradora da sequencia [n] :
1


x[n] = x[k][n k]. (2.20)
[n4]

k=

0
2 1 0 1
b)
2 3 4 5 n 2.13 Fun
c
ao degrau e impulso unit
ario
uencias impulso unitario: (a) [n]; (b) [n 4].
Figura 2.15: Seq
2.13.1 Fun
c
ao degrau

2.12.2 Sequ
encia degrau unit
ario Defini
cao: 
1, t > 0;
Funcao degrau = u(t)  (2.21)
Defini
cao:  0, t < 0.
1, n 0;
uencia degrau unitario = u[n] 
Seq (2.19) A Figura 2.17 ilustra a funcao u(t).
0, n < 0.
A Figura 2.16 ilustra a seq
uencia u[n] .

1 ...
1

u (t)
u [n]

0
0 t

Figura 2.17: Funcao degrau.


0
2 1 0 1 2 3 4 n

Figura 2.16: Seq


uencia degrau unitario. u(t) e descontnua em t = 0, pois o limite a` esquerda de u(t) e diferente do limite `a direita.

2.13.2 Impulso unit


ario

denida como o
Nao e uma funcao pois nao tem valor denido para todos os valores da variavel t. E
Relacoes entre [n] e u[n] : limite de funcoes como sera mostrado a seguir.
2.13. FUNC DEGRAU E IMPULSO UNITARIO
AO 23 24 CAPITULO 2. INTRODUC AOS SINAIS CONTINUOS E DISCRETOS
AO

Considere > 0 e O impulso possui as seguintes propriedades:



0, t < 0;



u (t)  t/, 0 t ; (2.22) o impulso so e diferente de zero em t = 0.





1, t > . a amplitude do impulso diverge, tendendo a .
conforme mostrado na Figura 2.18.
a area do impulso e igual a 1. Assim,
  

1 ...
(t)dt =

(t)dt = 1

onde  e qualquer n
umero real positivo.
u (t)

o impulso nao e funcao pois nao tem amplitude denida em t = 0. E


denida sempre como o
limite de uma funcao apropriada.

O impulso e representado como nas Figuras 2.20a) e 2.20b). Observe que o n


umero ao lado da seta
0 t
a)
Figura 2.18: Funcao u (t).

Observe que

(t)
lim = u(t). (2.23) 1
0

Seja agora a funcao (t)



d u (t)
0, t < 0 e t > ;
(t)  = (2.24) 0
dt 0 t
1/, 0 < t < .

A Figura 2.19 ilustra a funcao (t).

A (t3)
1/
A
(t)

0
3 t
b)

0 Figura 2.20: Impulso: a) (t); b) A(t 3).


0 t

Figura 2.19: Funcao u (t).


representa a area do impulso. Observe tambem que nao tem sentido falar da amplitude do impulso
pois esta nao tem valor nito.

Defini
cao: Propriedades
impulso = (t)  lim (t). (2.25)
0
2.13. FUNC DEGRAU E IMPULSO UNITARIO
AO 25 26 CAPITULO 2. INTRODUC AOS SINAIS CONTINUOS E DISCRETOS
AO



0, t0 e t1 > 0 ou t0 e t1 < 0;
 t1


(t)dt = 1, t0 < 0 e t1 > 0; Exemplo 2.20


t0


Seja o sinal x(t) mostrado na Figura 2.21a). Este sinal e dado por x(t) = 2u(t 1)
1, t0 > 0 e t1 < 0.
3u(t 2) + 2u(t 3).
A Figura 2.21b) mostra que a derivada de x(t) e y(t) = 2(t1)3(t2)+2(t3), ou


d du(t) seja, e composta por impulsos. Este resultado pode ser demonstrado usando a propriedade
du (t)
(t) = lim (t) = lim = lim u (t) = . da derivada da funcao degrau.
0 0 dt dt 0 dt
Logo, 2
du(t)
(t) = . (2.26) 1 a)
dt

x (t)
0
Seja a uma constante arbitraria. Podemos calcular: 1 2 3 t
1
lim a (t) = a lim (t) = a(t).
0 0

Portanto, a(t) e um impulso com area igual a a.

2 2 b)

0
lim (t t0 ) = (t t0 ).

y (t)
0 1 3 t

3

(t) = (t).
Figura 2.21: a) Sinal x(t); b) y(t)=derivada de x(t).
 t
u(t) = ( )d . (2.27)


u(t) = ( t)d. (2.28)
0


x(t)(t t0 ) = x(t0 )(t t0 ). (2.29)


x(t)(t t0 )dt = x(t0 ). (2.30)

2.14. EXERCICIOS 27 28 CAPITULO 2. INTRODUC AOS SINAIS CONTINUOS E DISCRETOS
AO

2.14 Exerccios 8. Mostre como um pulso retangular com amplitude A, largura e centrado em t = t0 pode ser
escrito em termos da funcao degrau unitario.

1. Determine a potencia media total e a energia total dos sinais a seguir. Classique cada um deles 
9. Considere o sinal x[n] = 1 k=3 [n 1 k]. Determine os valores dos inteiros M e n0 tais
como sinal de energia ou de potencia.
que x[n] possa ser expresso como x[n] = u[M n n0 ].
a) x(t) = e2t u(t); b) x(t) = ej(2t+/4) ; c) x(t) = cos(t);
10. Expresse a parte real de cada um dos sinais a seguir na forma Aeat cos(t + ), onde A, a,
d) x[n] = ( 21 )n u[n]; e) x[n] = e j(n/2+/8)
; f) x[n] = cos(n/4).
umeros reais com A > 0 e < .
e sao n

a) x(t) = 2; b) x(t) = 2 ej/4 cos(3t+2); c) x(t) = et sen(3t+); d) x(t) = je(2+j100)t .
2. Determine a potencia media e a energia dos seguintes sinais nos intervalos indicados:

a) x(t) = e2t u(t), 0 < t < 1; b) x(t) = ej(2t+/4) , 0 < t < ; c) x(t) = cos(t), < t < 3; 11. a) Demonstre que se x[n] e uma seq
uencia mpar, entao n= x[n] = 0.
d) x[n] = ( 12 )n u[n], 0 n 4; e) x[n] = e j(n/2+/8)
, 0 n < 4; b) Demonstre que se x1 [n] e uma seq
uencia mpar e x2 [n] e par, entao x1 [n]x2 [n] e mpar.
f) x[n] = cos(n/4), 8 n < 16.
uencia arbitraria com componentes par xp [n] e mpar xi [n]. Demonstre que
c) Seja x[n] uma seq




3. Seja x[n] tal x[n] = 0 para n < 2 e n > 4. Determine os valores de n para os quais os sinais a x2 [n] = x2p [n] + x2i [n]
seguir sao, com certeza, nulos. n= n= n=
.
a) x[n 3]; b) x[n + 4]; c) x[n]; d) x[n + 2]; e) x[n 2].
d) Repita os itens anteriores tomando sinais contnuos no tempo.

4. Seja x(t) tal x(t) = 0 para t < 3. Determine os valores de t para os quais os sinais a seguir sao, 12. Demonstre se cada um dos sinais a seguir e periodico ou nao. Se for periodico, calcule o perodo
com certeza, nulos. fundamental.

a) x(1 t); b) x(1 t) + x(2 t); c) x(1 t)x(2 t); d) x(3t); e) x(t/3). a) x(t) = ej(t+/4) u(t); b) x(t) = jej10t ; c) x(t) = e(1+j)t ; d) x(t) = u(t) + u(t)
e) x(t) = 3 cos(4t + /3); f) x(t) = e j(t1)
; g) x(t) = [cos(2t /3)]2 ;
5. Determine os valores da variavel independente para os quais a parte par dos sinais a seguir e h) x(t) = componente par de cos(4t)u(t); i) x(t) = componente par de sen(4t)u(t);
 (2tn)
com certeza nula. j) x(t) = n= e u(2t n);
a) x[n] = u[n] u[n 4]; b) x[n] = ( 12 )n u[n 3]; c) x(t) = sen(0, 5t); d) x(t) = e5t u(t + 2). 
k) x[n] = k= [n 4k] [n 1 4k]; l) x[n] = ej7n ; m) x[n] = 3ej3(n+0,5)/5 ;
6. Seja o sinal n) x[n] = 3e j3(n+0,5)/5
; o) x[n] = sen(6n/7+1); p) x[n] = cos(n/8); q) x[n] = cos(n2 /8);

t/T, 0 t < T; r) x[n] = cos(n/2) cos(n/4); s) x[n] = 2 cos(n/4) + sen(n/8) 2 cos(n/2 + /6)
x(t) = (t/T + 2) , T t < 2T ;
t) x[n] = u[n] + u[n].
0, c.c.
conforme mostrado na Figura 2.22. Esboce x(3t + 1). 13. Determine o perodo fundamental dos sinais:

x(t) a) x(t) = 2 cos(10t + 1) sen(4t 1); b) x[n] = 1 + ej4n/7 ej2n/5 .


1
14. Considere x(t) = ej0 t , com perodo fundamental T0 = 2/0 . Considere a seq
uencia x[n]
composta por amostras de x(t), isto e, x[n] = x(nT ) = ej0 nT .
0 T 2T t
a) Mostre que x[n] e periodica se e somente se T /T0 for um n
umero racional.
Figura 2.22: Sinal x(t).
b) Suponha que T /T0 e racional, isto e, T /T0 = p/q, onde p e q sao inteiros. Calcule o valor do
perodo fundamental de x[n] e expresse em funcao de 0 T .
c) Nas condicoes do item b), calcule quantos perodos de x(t) sao necessarios para obter as
7. Esboce os sinais u(t), u(t + 5), u(t/3 5). amostras de um perodo de x[n].
2.14. EXERCICIOS 29 30 CAPITULO 2. INTRODUC AOS SINAIS CONTINUOS E DISCRETOS
AO
t
15. Demonstre, analiticamente ou gracamente, que u(t) =
( ) d .


16. Demonstre, analiticamente ou gracamente, que
x(t) (t t0 ) dt = x(t0 ).

n 
17. Demonstre, analiticamente ou gracamente: 1) u[n] = m= (m); 2)u[n] = m=0 (n m).

18. Considere o sinal x(t) = (t + 2) (t 2). Calcule a energia total do sinal


 t
x( ) d.


19. Esboce a funcao T (t) = n= (t nT ). No mesmo esbo co, desenhe uma funcao generica
x(t). Baseado nestes esbocos, faca um outro desenho representando a funcao y(t) = x(t) T (t).
Modique a expressao de y(t): coloque x(t) no interior da soma e use as propriedades do impulso
unitario.
Justique a seguinte armacao: y(t) contem informacao sobre as amostras de x(t) tomadas a
intervalos T .


0, t < 2;

1, 2 < t < 0;
20. Seja o sinal x(t) =

1 t/2, 0 t 2;

0, t > 2.

3t + 1
a) Esboce x( ).
2
b) Calcule a energia total de x(t);

c) Calcule a potencia media de x(t) no intervalo 2 < t < 2;

d) Calcule a potencia media de x(t) para < t < ;

e) Calcule a derivada de x(t) expressando-a em funcao de (t) e de u(t).

f) Calcule e esboce a componente par, xp (t), e a componente mpar, xi (t), de x(t).


2
g) Calcule 2 x(t)(t 1)dt.
32 CAPITULO 3. SISTEMAS CONTINUOS E DISCRETOS NO TEMPO

x[n] y[n]
+

atraso
unitrio
y[n-1]
Captulo 3 ay[n-1]
x a

Sistemas Contnuos e Discretos no Tempo Figura 3.2: Exemplo de um sistema discreto.

3.3 Propriedades b
asicas de sistemas

3.3.1 Causalidade
3.1 Introdu
c
ao Defini c
ao: Um sistema e causal se e somente se a sada em um dado instante nao depende de
valores futuros da entrada.

Vamos tratar aqui da notacao e das propriedades basicas dos sistemas, com enfase para os sistemas um sistema causal nao e antecipativo, isto e, a sada depende apenas de valores atuais e passados
lineares, causais e invariantes no tempo. da entrada e de valores passados da sada.

todo sistema que opera em tempo real (isto e, a sada e produzida a` medida que a entrada evolui
3.2 Introdu
c
ao a sistemas no tempo) e causal.

sistemas que operam em tempo nao-real podem ser nao-causais, como, por exemplo, os siste-
Defini
cao: Sistema e qualquer transformacao que, ao ser aplicada em um sinal (entrada), produz mas cuja entrada tenha sido armazenada em alguma memoria como ta magnetica, discos ou
um novo sinal (sada). memoria RAM. Este e caso de reprodutores de som a partir de tas ou discos.

A Figura 3.1 mostra a representacao de um sistema generico, contnuo ou discreto no tempo.

entrada sada
sistema Exemplo 3.1

1- y[n] = x[n] + x[n 1] representa um sistema causal;


2- y[n] = x[n] + x[n + 1] representa um sistema nao-causal;
Figura 3.1: Representacao de um sistema. 3- y(t) = x(t) + x(t t0 ) representa um sistema causal se t0 > 0 e nao-causal se t0 < 0.

Os circuitos compostos por capacitores, indutores e resistores sao exemplos de sistemas contnuos
no tempo.
A Figura 3.2 mostra um exemplo de um sistema discreto no tempo. Observe que a seq uencia de
entrada e enviada a um somador. A seq uencia de sada sofre um atraso de uma unidade, gerando
y[n 1], a qual e multiplicada por uma constante a e enviada ao somador. A sada do somador e a
seq
uencia y[n] de sada. Logo, y[n] pode ser escrita como 3.3.2 Estabilidade BIBO (Bounded Input - Bounded Output, BIBO)
y[n] = x[n] + ay[n 1]. Definic
ao: Um sistema e estavel se e somente se qualquer entrada com amplitude limitada produz
uma sada com amplitude limitada.
A parcela ay[n 1] representa uma realimentacao da entrada para o interior do sistema. umeros nitos. Se |x(t)| < Me , t,
De outra forma, seja x(t) a entrada, y(t) a sada e Me e Ms dois n
entao um sistema e do tipo BIBO se e somente se existe Ms tal que |y(t)| < Ms , t.

31
3.3.
PROPRIEDADES BASICAS DE SISTEMAS 33 34 CAPITULO 3. SISTEMAS CONTINUOS E DISCRETOS NO TEMPO

3.4 Sistema linear e invariante com tempo (LIT)

Exemplo 3.2 Vamos analisar as propriedades especiais dos sistemas que sao simultaneamente lineares e invariantes
1- y(t) = c x(t t0 ) representa um sistema estavel desde que |c| < ; com o tempo.
2- y[n] = n x[n] representa um sistema instavel;

3- y[n] = nk= x[k] representa um sistema instavel.
3.4.1 Sistemas LIT discretos. Soma de convolu
c
ao

Resposta ao impulso
3.3.3 Invari
ancia com o tempo
Definic
ao: Um sistema e invariante com o tempo se e somente se suas caractersticas nao variam Suponha um sistema generico que, em resposta a` entrada x[n], forneca a sada y[n]. Considere a
com o tempo, isto e, se a entrada x(t) produz a sada y(t), entao o sistema e invariante com o tempo entrada particular x[n] = [n], ou seja, a entrada e a seq uencia impulso unitario. A resposta y[n]
se e somente se a entrada x(t t0 ) produz a sada y(t t0 ). correspondente sera denominada de y[n] = h[n]. Assim, h[n] e a resposta de um sistema ao impulso
A mesma denicao vale para os sistemas discretos. unitario.
preciso ter claro que h[n] e a resposta ao impulso centrado em n = 0.
E
Tomando agora uma seq uencia generica x[n], de acordo com os resultados do Captulo 2, podemos
escrever

Exemplo 3.3 x[n] = x[k][n k],
k=
1- y(t) = c x(t) e invariante com tempo pois a entrada x(tt0 ) produz a sada y(tt0 );
2- y[n] = x[n] + b x[n 1] representa um sistema invariante com o tempo pois para ou seja, x[n] pode ser escrita como uma combinacao linear de impulsos unitarios.
x1 [n] = x[n n0 ] temos a sada y1 [n] = x1 [n] + b x1 [n 1], ou seja, y1 [n] = x[n n0 ] + Esta sequencia x[n] sera a entrada do sistema, produzindo y[n] na sada.
b x[n n0 1] = y[n n0 ] Suponha que o sistema e linear. Entao, como x[n] e uma combinacao linear de impulsos,
podemos escrever y[n] como uma combinacao linear de respostas ao impulso, ou seja:



y[n] = x[k]hk [n],
k=
3.3.4 Linearidade
Defini
cao: Um sistema e linear se e somente se a sua resposta a uma combinacao linear de entradas onde hk [n] e a resposta do sistema linear ao impulso [n k]. Observe que hk [n] nao e igual a h[n]
e a combinacao linear das respectivas sadas, isto e, se pois o impulso correspondente nao esta centrado na origem do eixo n.
Suponha que o sistema, al em de linear, e tamb em invariante com o tempo.
x1 (t) y1 (t) e x2 (t) y2 (t),
Neste caso temos hk [n] = h[n k]. Logo, a sada do sistema pode ser reescrita como
entao o sistema e linear se e somente


a1 x1 (t) + a2 x2 (t) a1 y1 (t) + a2 y2 (t). y[n] = x[k]h[n k]. (3.1)
k=
A mesma denicao vale para os sistemas discretos.
Esta e uma das propriedades mais importantes dos sistemas lineares e invariantes no tempo: a
sada, em resposta a uma entrada qualquer, pode ser calculada usando a entrada e a resposta h[n] do
sistema ao impulso.
Exemplo 3.4 Portanto, a resposta h[n] de sistema linear e invariante com o tempo caracteriza com-
1- y(t) = a x(t) + b e linear se e somente se b = 0; pletamente o sistema.
O calculo expresso em (3.1) se chama soma de convolu c
ao e e representado por
1 M
2- y[n] = x[n k], M Z, representa um sistema linear.
2M + 1 k=M y[n] = x[n] h[n]. (3.2)
3.4. SISTEMA LINEAR E INVARIANTE COM TEMPO (LIT) 35 36 CAPITULO 3. SISTEMAS CONTINUOS E DISCRETOS NO TEMPO

2 zero. Logo, como o valor de y[n] e igual a` soma das amostras de p[k, n], conclumos que y[n] e igual
x[n] a zero para n < 0.
1 A Figura 3.4 mostra tambem que o produto p[k, n] para 0 n 3 nao sera nulo, o que se reete
0 nos valores correspondentes de y[n].
2 1 0 1 2 3 4 n Finalmente, a convolucao sera nula para n > 3.
Resumindo, a soma de convolucao pode ser calculada atraves dos seguintes passos:

2 desenhamos a seq
uencia x[k] no eixo k;
h[n]
1 desenhamos a seq
uencia h[k] no eixo k;
0
2 1 0 1 2 3 4 n invertemos a seq
uencia h[k] no eixo k de modo a desenhar h[k];

deslocamos h[k] no eixo k segundo o valor do parametro n desejado de modo a desenhar


h[n k];
2
x[0].h[n]
1 multiplicamos h[n k] por x[k] gerando p[k, n];
0 somamos as amostras de p[k, n] obtendo o valor da convolucao no ponto n.
2 1 0 1 2 3 4
n
repetimos os caculos acima para todos os valores de n Z
4

x[1].h[n1] 2

0
2 1 0 1 2 3 4 n Exemplo 3.5

Vamos calcular a convolucao entre x[n] = an u[n]; |a| < 1 e h[n] = u[n], ou seja,
5


y[n] 2.5 y[n] = ak u[k]u[n k].


k=
0
2 1 0 1 2 3 4 n Podemos demonstrar que



x[k]h[n k] = h[k]x[n k]. (3.3)
Figura 3.3: Calculo da seq
uencia de sada y[n].
k= k=

Portanto, podemos escolher tanto x[n] como h[n] para ser invertida no eixo k e deslocada
C
alculo da soma de convolu
c
ao
segundo o valor de n.
No caso em questao, escolhemos inverter h[n] = u[n], conforme ilustra a Figura 3.5.
Para calcular a soma de convolucao podemos interpretar a operacao como uma soma de seq uencias Em seguida iniciamos o deslocamento de u[k] segundo o valor de n. Conforme ja
deslocadas de k Z no eixo n e ponderadas por x[k]. Isto e ilustrado na Figura 3.3 onde sao mostradas discutido, valores negativos de n produzem o deslocamento de u[k] na direcao dos valores
todas as parcelas do tipo x[k]h[n k] a serem somadas para produzir a seq uencia resultante y[n]. negativos do eixo k.
Uma forma alternativa de calculo da convolucao consiste em interpretar tanto x[k] como h[n k] Na Figura 3.5 podemos constatar que o deslocamento de u[k] com valores negativos
como seq uencias. Ambas serao consideradas em um eixo k. Assim, x[k] e igual a` sua versao x[n], de n faz com que as amostras de p[k, n] = x[k]h[n k] sejam nulas e que, portanto, o
conforme mostrado na Figura 3.4. Porem, h[n k], ou seja, h[k + n] e a seq uencia h[k] invertida resultado da convolucao sera nulo para n < 0.
no eixo k e deslocada de n unidades. A Figura 3.4 mostra a seq uencia h[k]. Mostra tambem a Em seguida tratamos dos deslocamentos produzidos pelos valores positivos de n. Atra-
uencia h[k 1] como um exemplo de h[k + n], para n = 1.
seq ves da Figura 3.5 podemos notar que o produto apresentara amostras diferentes de zero
Podemos concluir que valores negativos de n deslocam a a seq uencia h[k] para a esquerda. apenas na regiao 0 k n. Logo, a soma de convolucao para os valores positivos de n
Esta interpretacao permite armar que o calculo da convolucao, a cada valor de n, consiste em pode ser reescrita como
multiplicar as sequencias x[k] e h[k + n], obtendo uma seq uencia p[k, n] igual ao produto das duas.

n 
n
O valor da convolucao no ponto n, y[n], e igual a` soma das amostras de p[k, n]. y[n] = ak u[k]u[n k] = ak , (3.4)
A Figura 3.4 permite observar que o produto p[k, n] para n < 0 tem todas suas amostras iguais a k=0 k=0
3.4. SISTEMA LINEAR E INVARIANTE COM TEMPO (LIT) 37 38 CAPITULO 3. SISTEMAS CONTINUOS E DISCRETOS NO TEMPO

2
x[k]
1 h[1k] 1 aku[k]

... ...
0 0 0
4 3 2 1 0 1 2 3 4 5 4 3 2 1 0 1 2 3 4 5 k 6 4 2 0 2 4 6
k

1 h[k] 1 h[1k] 1 u[k]

... ...
0 0 0
4 3 2 1 0 1 2 3 4 5 k 4 3 2 1 0 1 2 3 4 5 k 6 4 2 0 2 4 6

1 u[1k]
1 h[k] 1 h[2k]
... ...
0
0 0 6 4 2 0 2 4 6
4 3 2 1 0 1 2 3 4 5 k 4 3 2 1 0 1 2 3 4 5 k

1 u[2k]

1 h[3k] ... ...


0
6 4 2 0 2 4 6

0
4 3 2 1 0 1 2 3 4 5 k

6
2 y[n]
(n+1)
y[n]=(1a )/(1a)

0 4
4 3 2 1 0 1 2 3 4 5 n

Figura 3.4: Calculo da seq


uencia de sada y[n].
2

onde foi possvel dispensar a participacao dos termos u[k]u[n k] devido a` restricao que ... ...
foi estabelecida para os valores de k na soma.
Observamos que a soma na equacao (3.4) pode ser calculada por ser a soma de uma 0
2 0 2 4 6 8 10 12 14 k
progressao geometrica com n + 1 termos e razao a.
A soma dos termos de uma progressao geometrica pode ser calculada como
Figura 3.5: Calculo de y[n] = an u[n] u[n].
ltimo termo razao
primeiro termo - u
soma = , (3.5)
1 razao
Aplicando este resultado no calculo da equacao (3.4), obtemos
ou seja, 
n
1 an+1
y[n] = ak = .

k2
r k1
r r k2 1a
rk = . (3.6) k=0

k=k1
1r
3.4. SISTEMA LINEAR E INVARIANTE COM TEMPO (LIT) 39 40 CAPITULO 3. SISTEMAS CONTINUOS E DISCRETOS NO TEMPO

Podemos entao resumir o resultado do calculo da soma de convolucao y[n] = an u[n]


u[n] como 1 x[k]

0; n < 0

y[n] = an u[n] u[n] = (3.7) 0

1 an+1 8 4 0 4 8 k
; n 0.
1a
A funcao y[n] esta mostrada na Figura 3.5. 1 h[k]

0
8 4 0 4 8 k
Exemplo 3.6
Vamos calcular a convolucao entre x[n] = u[n] u[n 5] e h[n] = u[n] u[n 10],
1 h[k]
ou seja,

y[n] = {u[k] u[k 5]} {u[k n] u[k 10 n]} 0
8 4 0 4 8 k
k=
A Figura 3.6 mostra as seq uencias x[k], h[k]e h[k].
Os valores negativos de n deslocam h[n k] para a esquerda. Neste caso, o produto 1 h[10k]
p[k, n] = x[k]h[n k] = 0 para n < 9, conforme se pode observar atraves da Figura 3.6.
Portanto, a convolucao sera nula para n < 9. 0
8 4 0 4 8
Para 9 n 5, o produto p[k, n] sera diferente de zero. Neste caso podemos k
escrever

n+9
y[n] = {u[k] u[k 5]} = n + 10. 1 h[7k]
k=0
0
Para 5 n 0, o produto p[k, n] sera diferente de zero e apresentara 5 amostras 8 4 0 4 8 k
iguais a 1. Neste caso podemos escrever

4
y[n] = {u[k] u[k 5]} = 5. 1 h[3k]
k=0
0
Para 0 n 4, o produto p[k, n] sera diferente de zero. Neste caso podemos escrever 8 4 0 4 8 k

4
y[n] = {u[k] u[k 5]} = 5 n.
k=n
1 h[2k]

Por m, para n > 4, o produto p[k, n] sera nulo. Logo, a convolucao sera nula.
0
Podemos, nalmente, resumir o resultado do calculo da soma de convolucao entre 8 4 0 4 8 k
x[n] = {u[n] u[n 5]} e h[n] = {u[n] u[n 10]} como

0; n < 9





5

n + 10; 9 n 5 y[k]

4


y[n] = {u[n] u[n 5]} {u[n] u[n 10]} = 5; 5 n 0 (3.8) 3



2



5 n; 0 n 4 1




0
8 4 0 4
0; n > 4. k
A funcao y[n] esta mostrada na Figura 3.6.
Figura 3.6: Calculo de y[n] = {u[n] u[n 5]} {u[n] u[10 n]}
3.4. SISTEMA LINEAR E INVARIANTE COM TEMPO (LIT) 41 42 CAPITULO 3. SISTEMAS CONTINUOS E DISCRETOS NO TEMPO

3.4.2 Sistemas LIT contnuos. Integral de convolu


c
ao
x(t) y(t)
sistema LIT
d(t) h(t)
Resposta ao impulso hD(t)
dD(t)

Vamos deduzir uma relacao entre a resposta ao impulso, a entrada e a sada de um SLIT contnuo Figura 3.8: Sistema linear contnuo invariante no tempo com entradas e sadas correspondentes.
semelhante a`quela deduzida para os sistemas discretos. Para isto precisamos da expressao (2.30) do
captulo 2, repetida a seguir, a qual explicita a propriedade da amostragem do impulso unitario.
 Considere o sistema LIT mostrado na Figura 3.8. Como a entrada (t) produz a sada h (t),
x( ) (t ) d = x(t). (3.9) entao, pela hipotese de invariancia no tempo, podemos armar que a entrada (t k) produzira

a sada h (t k).
Para deduzir a relacao (3.9) precisamos do seguinte resultado.
Suponha que x (t) de (3.10) produz y (t) na sada do sistema. Como x (t)e uma combinacao
Considerando a Figura 3.7, a aproximacao x (t) da funcao x(t) pode ser escrita como
linear das funcoes (t k), entao a propriedade da linearidade permite escrever


y (t) = x(k) h (t k) .
k=
x(t)
onde h (t k) e a resposta a (t k).
Mas
lim x (t) = x(t),
0
x(t)

o que implica em
lim y (t) = y(t),
0

pois, por hipotese, x(t) y(t).


... ... Portanto,


y(t) = lim x(k) h (t k) .
0 0
0 2 t k=

No limite temos
Figura 3.7: Aproximacao de uma funcao x(t). 
y(t) = x( ) h(t ) d . (3.12)


Conclumos que a sada de qualquer sistema contnuo linear e invariante no tempo pode ser
x (t) = x(k) (t k) , (3.10) calculada conhecendo-se a sua resposta ao impulso. A operacao de integral envolvendo esta resposta
k= e a entrada e chamada de integral de convolu c
ao.
onde (t) e a funcao usada no Captulo 2 para denir o impulso unitario. Este e o resultado mais importante para os SLIT contnuos, da mesma forma que ocorreu com os
Demonstra-se que sistemas discretos.
Dada a importancia da integral de convolucao, criou-se uma representacao especial compacta para
lim x (t) = x(t). (3.11)
0 a mesma. A integral de convolucao entre o sinal x(t) e o sinal h(t), denida na expressao 3.12, e
Portanto, representada por
y(t) = x(t) h(t). (3.13)
possvel demonstrar que
E


x(t) = lim x(k) (t k) .  
0
k= y(t) = x( ) h(t ) d = h( ) x(t ) d ,
 
Porem, no limite temos k , d , (t k) (t ) e . Portanto, ou seja,
 y(t) = x(t) h(t) = h(t) x(t).
x(t) = x( ) (t ) d c.q.d.

3.4. SISTEMA LINEAR E INVARIANTE COM TEMPO (LIT) 43 44 CAPITULO 3. SISTEMAS CONTINUOS E DISCRETOS NO TEMPO

C
alculo da integral de convolu
c
ao  t
1 eat
y(t) = ea d = .
O calculo da integral de convolucao e bastante semelhante ao calculo da soma de convolucao. Segundo 0 a
a expressao 3.12, devemos inverter h(t) no eixo t e expressa-la em termos da variavel , gerando h( ). Com isto podemos escrever o seguinte resumo para o resultado do calculo da convolu-
Para cada valor de t, devemos deslocar h( ) convenientemente de modo a gerar h(t ). Esta u ltima cao:
e multiplicada, ponto a ponto, por x( ) e o resultado e integrado. Os exemplos seguir ilustram este
calculo.

0, t < 0;
y(t) = at

1 e , t 0.
a

Exemplo 3.7

Vamos calcular a convolucao entre x(t) = eat u(t); a > 0 e h(t) = u(t), ou seja,
Exemplo 3.8

y(t) = x( ) h(t ) d . Vamos calcular a convolucao entre dois pulsos retangulares r (t) = au(t) au(t ).

Como as duas funcoes a serem convoludas sao iguais, nao se coloca a questao de qual
No caso em questao, escolhemos inverter h( ) = u( ), conforme ilustra a Figura 3.9. delas deve ser invertida no eixo .
O proximo passo e deslocar h( ) de um valor t, obtendo h(t ), fazer o produto de A Figura 3.10 mostra os passos do calculo. Podemos perceber que o resultado da
x( ) por h( t) e calcular a area sob o resultado deste produto. convolucao sera nulo para t < 0.
Sera diferente de zero enquanto o pulso deslocado apresentar alguma interseccao com
a
o pulso nao deslocado. Isto acontece enquanto 0 t 2. Assim, a convolucao tambem
1 e u()
sera nula para t > 2.
Para 0 t temos uma interseccao no intervalo 0 t. Por outro lado, para
0 t 2 a interseccao ocorre no intervalo t .
0
Estas consideracoes podem ser transformadas nos seguintes calculos.

1 u(t); t<0 2a) para 0 t :


 t

0 y(t) = r ( ) d = a2 t.
t 0 0

2b) para t 2:
1 u(t); t>0 
y(t) = r ( ) d = a2 (2 t).
t
0
0 t
O resumo desta convolucao e
2

0, t < 0;


y(t)



0
a2 t, 0 t ;
0 y(t) =
t


a2 (2 t), t 2;


Figura 3.9: Calculo de y(t) = e at
u(t) u(t).


0, t > 2.

A Figura 3.9 mostra que o produto sera nulo para todo valor t < 0. Mostra tambem e esta mostrado na Figura 3.11.
que o produto sempre sera diferente de zero para valores positivos de t. Neste u
ltimo caso
temos
3.4. SISTEMA LINEAR E INVARIANTE COM TEMPO (LIT) 45 46 CAPITULO 3. SISTEMAS CONTINUOS E DISCRETOS NO TEMPO

a
r () a2

0
0
y(t)

a
r (t); t<0

0
0 0 2 t
t t 0
Figura 3.11: Resultado da convolucao y(t) = r (t) r (t).

a
r (t); 0<t<

0 x(t) (t t0 ) = x(t t0 ). (3.17)


0
4- convolucao entre qualquer sinal x(t) e a funcao degrau unitario u(t),
 t
a
r (t); <t<2 x(t) u(t) = x( ) d . (3.18)

0

Propriedades semelhantes valem para a soma de convolucao.


0
0

a
r (t); t>2
3.5 Propriedades dos sistemas LIT, discretos e contnuos

0 1- Sistemas em cascata
0
A Figura 3.12 mostra dois sistemas conectados em cascata. Vamos mostrar que esta cascata
Figura 3.10: Calculo de y(t) = r (t) r (t). equivale a um u
nico sistema cuja resposta ao impulso, heq (t), e

heq (t) = h1 (t) h2 (t), (3.19)

conforme ilustrado na Figura 3.12.


Para isto, considere que a entrada do primeiro sistema e x(t) e que na sua sada temos s(t). Entao,
Finalizando esta secao, ha alguns resultados que simplicam, em algumas situacoes, o calculo da s(t) e a entrada do segundo sistema, o qual produz, em resposta, a sada y(t). Podemos entao escrever
convolucao:
1- a convolucao da soma e a soma das convolucoes: y(t) = x(t) h1 (t) h2 (t).
Como a segunda convolucao pode ser feita antes da primeira, conclumos que y(t) e igual a` convolucao
x(t) [h1 (t) + h2 (t)] = x(t) h1 (t) + x(t) h2 (t). (3.14) entre x(t) e heq (t).
2- se x(t) h(t) = y(t), entao Estas relacoes podem ser observadas de forma explicita fazendo:

x(t) h(t t0 ) = y(t t0 ). (3.15)
s(t) = x(t) h1 (t) = x() h1 (t ) d

Portanto,
x(t t1 ) h(t t2 ) = y(t t1 t2 ). (3.16) e 

3- convolucao entre qualquer sinal x(t) e o impulso unitario (t t0 ), y(t) = s(t) h2 (t) = s( ) h2 (t ) d .

3.5. PROPRIEDADES DOS SISTEMAS LIT, DISCRETOS E CONTINUOS 47 48 CAPITULO 3. SISTEMAS CONTINUOS E DISCRETOS NO TEMPO

Substituindo s( ) na segunda relacao pela primeira relacao, temos


 
sistema LIT 1
h1(t)
y(t) = x() h1 ( ) d h2 (t ) d .
x(t) y(t) x(t) y(t)
h1(t) + h2(t)

Rearranjando as integrais,
 
sistema LIT 2
h2(t)
y(t) = x() h1 ( ) h2 (t ) d d.

Fazendo uma mudanca de variavel = , obtemos Figura 3.13: Sistemas lineares conectados em paralelo.
 

y(t) = x() h1 () h2 (t ) d d.

Reconhecemos que a integral entre as chaves representa a convolucao entre h1 (t) e h2 (t), fechando a
demonstracao.
Exemplo 3.9
1- Sistemas em paralelo
A seguir sao apresentados alguns exemplos de sistemas com sua respectiva classicacao
A Figura 3.13 mostra dois sistemas conectados em paralelo. Estes sistemas equivalem a um u
nico em termos de causalidade e estabilidade.
sistema com resposta ao impulso, heq (t), dada por
1- h(t) = u(t), causal e nao-estavel;
heq (t) = h1 (t) + h2 (t), (3.20) 2- h(t) = u(t + 1), nao-causal e nao-estavel;
conforme ilustrado na Figura 3.13. 3- h(t) = eat u(t ), causal se 0 e estavel se a > 0.
A demonstracao desta propriedade e similar a` demonstracao da propriedade anterior. 4- h[n] = an u[n n0 ], causal se n0 0 e estavel se |a| < 1.
5-
x(t) y(t) 1 
N2
sistema LIT 1 sistema LIT 2 y[n] = x[n + k], N1 < N2 ,
h1(t) h2(t) |N1 | + |N2 | + 1 k=N
1

onde x[n] e a entrada e y[n] e a sada; o sistema sera causal se N2 0 e estavel se N1 e


N2 forem nitos.

x(t) y(t)
h1(t) * h2(t)

Figura 3.12: Sistemas lineares conectados em cascata.

3- Causalidade

A propriedade da causalidade assume uma forma especial para os sistema LIT.


E possvel demonstrar, usando a convolucao, que um SLIT contnuo e causal se e somente se
h(t) = 0 para t < 0.
A mesma propriedade vale para os sistemas discretos.

4- Estabilidade

A propriedade da estabilidade tambem assume uma forma especial para os sistema LIT.
possvel demonstrar que um SLIT contnuo e estavel se e somente se |h(t)| < .
E 
Para os sistemas discretos temos n= |h[n]| < .
3.6. EXERCICIOS 49 50 CAPITULO 3. SISTEMAS CONTINUOS E DISCRETOS NO TEMPO

3.6 Exerccios 7. Calcule e esboce y(t) = x(t) h(t), onde



t + 1, 0 t 1;
1. Seja x[n] = [n] + 2[n 1] [n 3] e h[n] = 2[n + 1] + 2[n 1]. Calcule e esboce o resultado x(t) = 2 t, 1 < t 2; h(t) = (t + 2) + 2(t + 1).

de cada uma das seguintes convolucoes: 0, c.c.

a) y[n] = x[n] h[n]; b) y[n] = x[n + 2] h[n]; c) y[n] = x[n] h[n + 2].
8. Seja 
1, 0 t 1;
2. Considere um sinal de entrada x[n] para um sistema LIT com resposta ao impulso h[n]: x(t) = e h(t) = x(t/), 0 < 1.
0, c.c.
(n2)
1
x[n] = u[n 2], h[n] = u[n + 2]. a) Determine e esboce y(t) = x(t) h(t).
2
b) Se dy(t)/dt contem apenas 3 descontinuidades, qual e o valor de ?
Calcule e esboce o sinal de sada y[n].

9. Seja
3. Calcule e esboce y[n] = x[n] h[n], onde 

y(t) = et u(t) (t 3k).
x[n] = u[n 3] u[n 9], h[n] = u[n 4] u[n 16]. k=

Mostre que y(t) = Aet para 0 t < 3, e determine o valor de A.

4. Calcule e esboce y[n] = x[n] h[n], onde 10. Para cada par de formas de ondas denidas a seguir, calcule a sada de um sistema LTI com
n resposta ao impulso h(t) e entrada x(t).
1
x[n] = u[n 1], h[n] = u[n 1]. a) x(t) = et u(t) , h(t) = et u(t); Faca para = e para = ;
3
b) x(t) = u(t) 2u(t 2) + u(t 5) , h(t) = e2t u(1 t);
c) x(t) e h(t) como mostrado na Figura 3.14;
5. Calcule a convolucao y[n] = x[n] h[n] para cada par de sinais a seguir. d) x(t) e h(t) como mostrado na Figura 3.15;
n
a) x[n] = u[n] , n
h[n] = u[n] , = ; e) x(t) e h(t) como mostrado na Figura 3.16;
n
b) x[n] = h[n] = u[n]; 1
 n 2
c) x[n] = 21 u[n 4] , h[n] = 4n u[2 n]; sen( t), 0 t 2
d) x[n] = u[n] u[n 5] , h[n] = u[n 2] u[n 8] + u[n 11] u[n 17]. 2

h (t)
x (t)
0
0 1 t

6. Um sistema linear tem a relacao


1 0
1 2 3 t


y[n] = x[k]g[n 2k].
k=
Figura 3.14: Exerccio c).
entre a entrada e a sada, onde g[n] = u[n] u[n 4].

a) Determine y[n] quando x[n] = [n 1]; 11. Seja h(t) igual a um tri
angulo centrado na origem com largura de base igual a 2 e altura igual

b) Determine y[n] quando x[n] = [n 2]; a 1. Considere x(t) = k= (t kT ).

c) O sistema e LTI? Justique; Calcule e esboce y(t) = x(t) h(t) para os seguintes valores de T .

d) Determine y[n] quando x[n] = u[n]. a) T = 4; b) T = 2; c) T = 1, 5; b) T = 1.


3.6. EXERCICIOS 51 52 CAPITULO 3. SISTEMAS CONTINUOS E DISCRETOS NO TEMPO

4/3 16. Considere um sistema discreto com entrada x[n] e sada y[n] relacionadas por
at+b 0
n+n
y(t) = x[k],

h (t)
x (t)
0
0 t k=nn0
2
0
1 t onde n0 e inteiro nito positivo.
1/3
a) O sistema e linear? Justique.
b) O sistema e invariante no tempo? Justique.
Figura 3.15: Exerccio d).
c) Se x[n] e limitada em amplitude por um inteiro nito B, isto e, |x[n]| < B, n, entao e
1 possvel demonstrar que y[n] tambem e limitada por um n
umero nito C. Logo , o sistema e
1
estavel. Calcule o valor de C em funcao de B e de n0 .

h (t)
x (t)

0 17. Para cada uma das seguintes relacoes entre entrada e sada, determine se o sistema correspon-
3 2 0 1 3 t
dente e: 1- linear; 2- invariante no tempo.

1 0 a) y(t) = t2 x(t 1); b) y[n] = x2 [n 2]; c) y[n] = x[n + 1] x[n 1];


0 1 t
y(t) = componente mpar de x(t).

Figura 3.16: Exerccio e). 18. Para cada opcao de sistema a seguir, verique se o mesmo e invariante no tempo, linear, causal
e estavel. Justique suas respostas. Considere que a entrada e x(t) e que a sada e y(t).
12. Determine se as armacoes a seguir sao verdadeiras ou falsas:  2t
a) y(t) = x(t 2) + x(2 t); b) y(t) = [cos(3t)]x(t); c) y(t) = x( ) d ;
a) se x[n] = 0 para n < N1 e h[n] = 0 para n < N2 , entao x[n] h[n] = 0 para n < N1 + N 2;  
0, t < 0; 0, x(t) < 0;
b) se y[n] = x[n] h[n] entao y[n 1] = x[n 1] h[n 1]; d) y(t) = ; e) y(t) =
x(t) + x(t 2), t 0. x(t) + x(t 2), x(t) 0.
c) se y(t) = x(t) h(t) entao y(t) = x(t)] h(t); f) y(t) = x(t/3).
d) se x(t) = 0 para t > T1 e h(t) = 0 para t > T2 , entao x(t) h(t) = 0 para t > T1 + T 2;
19. Considere um sistema LTI cuja resposta a` entrada x1 (t) da Figura 3.17 e o sinal y1 (t). Calcule
13. As funcoes a seguir sao respostas ao impulso de um sistema LTI. Para cada caso, determine se a resposta do sistema para as entradas x2 (t) e x3 (t).
o sistema correspondente e causal e/ou estavel. Justique.
 n  n y1(t)
a) h[n] = 15 u[n]; b) h[n] = (0, 8)n u[n + 2]; c) h[n] = 12 u[n]; d) h[n] = (5)n u[3 n]; 2
x1(t)
 n  n
e) h[n] = 12 u[n] + (1, 01)n u[n 1]; f) h[n] = 12 u[n] + (1, 01)n u[1 n]; 1 1

 n
g) h[n] = n 13 u[n1]; h) h(t) = e4t u(t2); i) h(t) = e6t u(3t); j) h(t) = e2t u(t+50); 0 1 2 t 0 1 2 t

 
l) h(t) = e2t u(1 t); m) h(t) = e6|t| ; n) h(t) = tet u(t); o) h(t) = 2et e(t100)/100 u(t). x3(t)
2
x2(t)
14. Determine quais das seguintes respostas ao impulso correspondem a sistemas LTI estaveis e 1
1
justique:
3 4
a) h(t) = e(12j)t u(t); b) h(t) = et cos(2t)u(t); c) h[n] = n cos(n/4)u[n]; 0 1 t 0 1 2 t
-1
d) h[n] = 3n u[n + 10].

15. Considere um sistema contnuo com entrada x(t) e sada y(t) relacionadas por y(t) = x(sen(t)). Figura 3.17: Sinais para um sistema LTI.
estavel? Justique.
O sistema e causal? E
54 CAPITULO 4. SERIE

DE FOURIER PARA SINAIS PERIODICOS CONTINUOS

Como conseq
uencia desta propriedade, se for possvel escrever qualquer entrada x(t) como



x(t) = ck ejk t , (4.1)
k=

entao a resposta de qualquer SLIT sera dada por


Captulo 4


y(t) = ck H(k )ejk t .
S
erie de Fourier para sinais peri
odicos k=

A questao que se coloca a partir desta observacao e se e possvel escrever (4.1) para qualquer
contnuos entrada x(t). A resposta para esta questao e dada pela serie de Fourier.

4.3 Expans
ao de um sinal em uma base de fun
c
oes ortogo-
nais
4.1 Introdu
c
ao
Vamos tratar aqui da aproximacao de uma funcao, nao necessariamente periodica, por combinacao
linear de outras funcoes, ou seja,
Vamos tratar aqui da representacao de sinal periodico com perodo T0 atraves de uma combinacao
linear de funcoes exp(jk0 t), k Z, 0 = 2/T0 . Estas sao exponenciais complexas periodicas com 

Tk = T0 /k, harmonicamente relacionadas, pois k = k0 . x(t) = ck gk (t), t1 < t < t2 . (4.2)


O objetivo e descrever x(t) = x(t + T0 ), t, como: k=

A nomenclatura que e adotada para este problema e inspirada naquela referente a` expansao de um


x(t) = ck ejk0 t , < t < . vetor em um conjunto de eixos coordenados. Assim, estabelecemos uma associacao entre o conjunto
k= de funcoes {gk (t), k Z, t1 < t < t2 e um conjunto de eixos coordenados.
Vamos agora analisar as vantagens que determinam a escolha de eixos ortogonais para a expans ao
de vetores.
Considere a Figura 4.1, a qual mostra dois eixos nao ortogonais, r e s, na direcao dos vetores ar e
4.2 A resposta de sistemas LIT a exponenciais complexas as , para a representacao do vetor v. Suponha que |ar | = |as | = 1. Vamos tentar expressar o vetor v
em funcao dos parametros do sistema de eixos.
Considere um sistema LIT com resposta ao impulso h(t) e com uma entrada x(t) = exp(j0 t). A
resposta y(t) sera v = vr ar + vs as , vr = v.ar vs cos(), vs = v.as vr cos().
Estes resultados mostram que existe uma diculdade para o calculo das componentes vr e vs , uma
y(t) = x(t) h(t) = h(t) x(t) vez que o calculo de vr depende de vs e vice-versa.
Este problema exige uma solucao iterativa. Para contornar o esforco de calculo desta solucao,
 usa-se uma condicao que elimina o problema, ou seja, escolhemos = 900 , fazendo com os eixos
= h( )ej0 (t ) d sejam ortogonais entre si. A ortogonalidade desacopla as duas componentes e simplica a expans ao.
Da obtemos a expressao classica

= ej0 (t) h( )ej0 d
vr = v.ar , vs = v.as .

= x(t)H(0 ). A descricao do problema de representacao de um sinal atraves de um conjunto de funcoes se


assemelha `aquela da representacao de vetores. Desta forma, vamos representar o sinal x(t) atraves
Conclumos que a resposta de um sistema LIT a uma entrada do tipo exponencial complexa na de componentes na direcao dos sinais gk (t).
uencia 0 e a mesma exponencial com uma alteracao na amplitude e na fase, dadas, respecti-
freq Aqui tambem a denicao dos coecientes da expansao do sinal x(t) ca bastante simplicada se
vamente, por |H(0 )| e H(0 ). Por esta propriedade, exp(j0 ) e denominada de autofuncao do escolhermos um conjunto de funcoes gk (t) mutuamente ortogonais entre si no intervalo t1 < t < t2 .
sistema LIT, enquanto que H(0 ) e um autovalor. O conceito de ortogonalidade entre sinais e denido a seguir.

53
DE UM SINAL EM UMA BASE DE FUNC
4.3. EXPANSAO
OES ORTOGONAIS 55 56 CAPITULO 4. SERIE

DE FOURIER PARA SINAIS PERIODICOS CONTINUOS

as
 t2
v.as
|e(t)|2 dt. (4.6)
t1

Vamos agora calcular os coecientes otimos para a representacao de um sinal x(t) atraves de
componentes na direcao dos sinais gk (t) ortogonais entre si.
vr Vamos inicialmente supor que todas as fun c
oes envolvidas sejam reais.
f vs O criterio para a otimizacao e a minimizacao da energia do erro da aproximacao, como expresso
v
em (4.6). Para isto vamos usar (4.5) e escrever inicialmente
vs 



e2 (t) = x2 (t) 2x(t) ci gi (t) + ci gi (t) cl gl (t).
ar i= i= l=
f f vr v.ar
Usando este resultado em (4.6), temos

 t2  t2  t2 
 t2 


Figura 4.1: Projecao de um vetor em um par de eixos nao ortogonais. e2 (t)dt = x2 (t)dt 2 x(t) ci gi (t)dt + ci gi (t) cl gl (t)dt.
t1 t1 t1 i= t1 i= l=

Defini
cao: Duas funcoes x(t) e y(t), x(t) = y(t), sao ortogonais entre si no intervalo t1 < t < t2 a qual pode ser reescrita como:
se  t2  t2  t2 


 t2
 t2
e2 (t)dt = x2 (t) dt 2 ci x(t) gi (t) dt + ci c l gi (t) gl (t) dt.
x(t) y (t) dt = 0.
t1 t1 t1 i= i= l= t1
(4.3)
t1
Supondo que o conjunto de funcoes gk (t) seja ortogonal no intervalo t1 < t < t2 , podemos simpli-
car a expressao anterior:
Defini c
ao: Um conjunto de funcoes gk (t), k = inteiro, e ortogonal no intervalo t1 < t < t2 se
as funcoes que compoem o conjunto sao ortogonais entre si no intervalo, isto e, se  t2  t2  t2 

 t2
e2 (t)dt = x2 (t)dt 2 ci x(t) gi (t)dt + c2i gi2 (t) dt.
 t2 c, k = l; t1 t1 t1 i= i= t1

gk (t)gl (t)dt = (4.4)
Os valores otimos dos coecientes ck sao aqueles que satisfazem a equacao
t1 0, k = l.
 t2


e2 (t)dt = 0.
ck t1

Exemplo 4.1 Calculando a solucao desta equacao obtemos


 t2
O conjunto de funcoes exp(jk0 t), k Z e ortogonal no intervalo t0 < t < t0 +T0 ; T0 = x(t)gk (t)dt
2/0 . Para este conjunto, a constante c de (4.4) vale c = T0 . t1
ck =  t2 . (4.7)
gk2 (t)dt
t1

Suponha que a aproximacao e escrita como Pode-se demonstrar que para sinais complexos este resultado ser
a
 t2


x(t) ck gk (t), t1 < t < t2 . x(t)gk (t)dt
t1
k= ck =  t2 . (4.8)
|gk (t)|2 dt
O erro desta aproximacao pode ser escrito como t1



Podemos agora resumir os resultados que obtivemos para a representacao de um sinal x(t) atraves
erro(t) = e(t)  x(t) ck gk (t), t1 < t < t2 . (4.5) de um conjunto gk (t) de funcoes mutuamente ortogonais em um intervalo t1 < t < t2 :
k=


O problema nesta representacao e escolher os coecientes ck de modo a minimizar a energia do x(t) = ck gk (t), t1 < t < t2 , (4.9)
erro total, ou seja minimizar k=
DE UM SINAL EM UMA BASE DE FUNC
4.3. EXPANSAO
OES ORTOGONAIS 57 58 CAPITULO 4. SERIE

DE FOURIER PARA SINAIS PERIODICOS CONTINUOS

onde os coecientes ck que minimizam a energia do erro da aproximacao sao dados por 4.4 S
erie exponencial de Fourier
 t2
x(t)gk (t)dt A serie exponencial de Fourier e um caso particular da representacao de funcoes atraves de uma base
t1
ck =  t2 . (4.10) ortogonal. A base utilizada e aquela do Exemplo 4.1, ou seja, exp(jk0 t), k Z.
|gk (t)|2 dt Este conjunto apresenta as seguintes propriedades:
t1
Este conjunto e ortogonal no intervalo t0 < t < t0 + T0 ; T0 = 2/0 . Logo, t1 = t0 e t2 = t0 + T0 .
Esta forma de representacao apresenta varias propriedades. Vamos abordar algumas delas.
Cada funcao exp(jk0 t) e periodica com perodo T0 ;

Propriedade 1: o erro e(t) e ortogonal a cada uma das funcoes gk (t) no intervalo t1 < t < t2 . As funcoes do conjunto sao harmonicamente relacionadas, isto e, suas freq
uencias sao m
ultiplos
de uma dada freq uencia, no caso, 0 ;
Para demonstrar este resultado devemos calcular, com base na expressao (4.3), Para este conjunto, a constante c de (4.4) vale c = T0 .
 t2
Podemos agora resumir as expressoes envolvidas na representacao de um sinal x(t) pela serie
e(t)gl dt ; l Z.
t1
exponencial de Fourier no intervalo t0 < t < t0 + T0 :

Usando a expressao (4.5), temos 


  x(t) = ck ejk0 t , t0 < t < t0 + T0 , T0 = 2/0 , (4.11)


 t2 

k=
x(t) ck gk (t) gl (t)dt, (4.12)
t1 k=  t0 +T0
1 jk0 t
c(k) = x(t) e dt. (4.13)
ou T0 t0
 t2 
 t2
x(t)gl (t)dt gk (t)gl (t)dt. 
ck Como cada funcao ejk0 t e periodica com perodo T0 , a serie k= ck e
jk0 t
e periodica com o
t1 k= t1
mesmo perodo. Como conseq uencia, ela pode representar a funcao generica x(t) apenas no intervalo
t0 < t < t0 + T0 . A representacao sera valida para todo t somente quando x(t) tambem for periodica
Usando (4.8) e a denicao de funcoes mutuamente ortogonais temos
com perodo T0 . A Figura 4.2 ilustra esta situacao para um sinal x(t) e sua serie de Fourier para
 t2  t2 o intervalo 2 < t < 3, ou seja, para T0 = 3 2 = 1. Observe que x(t) e a serie sao identicos no
cl |gl (t)|2 dt cl |gl (t)|2 dt = 0, c.q.d. intervalo. Porem, sao diferentes fora, pois a serie e periodica com perodo T0 = 1, enquanto que x(t)
t1 t1 nao e periodico.
Estas observacoes permitem colocar a seguinte conclusao fundamental:

Defini ao: o conjunto de funcoes {gk (t)} forma uma base ortogonal no intervalo t1 < t < t2
c
se contiver todas as funcoes gk (t) mutuamente ortogonais no intervalo t1 < t < t2 . Para que um sinal e sua serie de Fourier sejam iguais entre si para < t < e necessario que:

1- o sinal seja periodico;


Um exemplo de uma base ortogonal e o conjunto {exp(jk0 t)} e o intervalo t0 < t < t0 + T0 ; T0 =
2/0 .
2- O intervalo t0 < t < t0 + T0 da serie seja tal que T0 = perodo do sinal.

Propriedade 2: se o conjunto de funcoes {gk (t)} forma uma base ortogonal no intervalo t1 <
t < t2 , entao o erro e(t) sera nulo no intervalo t1 < t < t2 . Por m e importante observar que o coeciente c0 tem um signicado fsico. Usando (4.13),
podemos escrever

Para demonstrar esta propriedade basta observar que e(t) e ortogonal a todas as funcoes gk (t). 1 t0 +T0
c0 = x(t)dt,
Logo, se o conjunto de funcoes {gk (t)} forma uma base ortogonal, entao e(t) deve pertencer a este T0 t0
conjunto. Assim, deve participar da representacao do sinal, anulando o erro da representacao. o que mostra que c0 e o valor medio do sinal x(t) no intervalo t0 < t < t0 + T0 .

4.5. SERIE
TRIGONOMETRICA DE FOURIER 59 60 CAPITULO 4. SERIE

DE FOURIER PARA SINAIS PERIODICOS CONTINUOS

1 e substituindo ck por ck ,
x(t) 

x(t) = ck ejk0 t
k=



= c0 + ck ejk0 t + ck ejk0 t

Amplitude
k=1
0 

 
= c0 + ck ejk0 t + ck ejk0 t
k=1

serie de Fourier 

 
= c0 + 2e ck ejk0 t .
k=1

Supondo ck = ak + jbk , podemos escrever, nalmente:

2 1 0 1 2 3 4 5 

t x(t) = c0 + 2ak cos(k0 t) 2bk sen(k0 t), ck = ak + jbk . (4.14)
k=1
Portanto, para um sinal x(t) real, a serie de Fourier pode ser expressa em termos das funcoes seno
Figura 4.2: Representacao de um sinal x(t) e de sua serie de Fourier para o intervalo 2 < t < 3. e cosseno mais um termo constante, o qual descreve o valor medio do sinal.
Alem desta, e possvel derivar uma alternativa que tambem encontra ampla aplicacao na pratica.
4.5 S
erie trigonom
etrica de Fourier Fazendo ck = |ck | exp(jk ), de


 
x(t) = c0 + 2e ck ejk0 t ,
k=1
A serie exponencial de Fourier representa um sinal periodico, ou um trecho de um sinal nao-periodico,
podemos escrever
atraves de uma combinacao de sinais exponenciais complexas harmonicas. 

 
A serie exponencial de Fourier pode ser escrita em termos das funcoes seno e cosseno, dando x(t) = c0 + 2e |ck |ej(k0 t+k ) ,
origem a` serie trigonometrica de Fourier. k=1
Uma restri cao muito importante para a forma trigonom etrica e que a mesma s o pode ou


ser calculada para sinais reais. x(t) = c0 + 2|ck | cos(k0 t + k ). (4.15)
Para obte-la, vamos tomar a expressao (4.13) e supor x(t) real e periodico com perodo T0 . Assim, k=1
temos Esta notacao e adequada para denir a componente fundamental e as harmonicas do sinal periodico
x(t) = x (t), x(t). A componente fundamental ou primeira harmonica e a componente 2|c1 | cos(0 t + 1 ), ou seja,
e a componente na freq uencia 0 .
o que, fazendo 0 = 2/T0 , permite escrever
A k-esima harmonica, ou harmonica de ordem k, e 2|ck | cos(k0 t + k ), ou seja, e a componente


uencia k0 .
na freq
x(t) = ck ejk0 t = ck ejk0 t .
k= k=

Fazendo k = m resulta Exemplo 4.2





x(t) = ck ejk0 t = cm ejm0 t ,
Considere x(t) = sen(0 t). Obter a serie de Fourier.
k= m=
Sabemos que
de onde conclumos que 1 1
x(t) = ej0 t ej0 t
2j 2j
para x(t) real temos ck = ck . .
Logo, esta ja e a expressao da serie exponencial, o que permite concluir, por inspecao,
Vamos usar este resultado fazendo que ck = 0, exceto para |k| = 1, uma vez que c1 = c1 = 1/2j.
Observe que nvel medio do sinal e nulo, o que concorda com c0 = 0. Tambem, o sinal



x(t) = ck ejk0 t = c0 + ck ejk0 t + ck ejk0 t . e real, o que indica que ck = ck . Por m, este sinal e composto apenas pela componente
k= k=1 fundamental, cuja amplitude vale 2|c1 | = 1, enquanto que 1 = /2.

4.5. SERIE
TRIGONOMETRICA DE FOURIER 61 62 CAPITULO 4. SERIE

DE FOURIER PARA SINAIS PERIODICOS CONTINUOS

Amplitude
Exemplo 4.3
1
Seja
1 j0 t 1 1 1
x(t) = 1 + e ej0 t + ej0 t + ej0 t + ej(20 t+/4) + ej(20 t+/4) 0,5
2j 2j 2 2
Podemos rearranjar da seguinte forma
1 j0 t 1 1 1 0
x(t) = 1 + (1 + )e + (1 )ej0 t + ej/4 ej20 t + ej/4 ej20 t . 20 -0 0 0 20
2j 2j 2 2
1 1
Da podemos escrever: c0 = 1; c1 = c1 = 1 + ; c2 = c2 = ej/4 60
2j 2

30

Fase
Vamos tratar agora dos gracos que sao utilizados para representar os resultados da serie de 0
Fourier, tambem conhecidos como espectros de Fourier do sinal.
A representacao graca consiste em representar os coecientes ck em funcao da respectiva freq
uen-
-30
cia. Como, de uma maneira geral, os coecientes sao quantidades complexas, precisamos de dois
gracos, um para a parte real e outro para a parte imaginaria, ou, o que e mais comum, um para o
modulo e outro para o argumento. O gr afico para o m odulo e denominado espectro de am- -60
plitudes, enquanto que o gr afico para o argumento, espectro de fase. Vamos exemplicar 20 -0 0 0 20
estes gracos para o caso do exemplo 4.3.

Figura 4.3: Espectros em freq


uencia para o exemplo 4.3.

Exemplo 4.4 x(t)


Espectros de amplitude e de fase para o sinal do exemplo 4.3. 1

... ...
Estes gracos evidenciam o uso de freq uencias negativas. Estas nao tem sentido fsico, mas
apenas matematico. Elas decorrem do uso de exponenciais complexas e conjugadas como exp(jk0 ) e T /2 /2 0 /2 T /2 T t
exp(jk0 ). Esta u
ltima e interpretada como exp[j(k0 )], ou seja, como se fosse uma exponencial
uencia k0 .
na freq
Figura 4.4: Trem de pulsos retangulares.

A Figura 4.4 mostra este trem de pulsos retangulares.


Exemplo 4.5
 t0 +T
Vamos calcular a serie de Fourier de um trem de pulsos retangulares periodico com 1
ck = x(t) ejk0 t dt; 0 = 2/T.
perodo T . O perodo ao redor de t = 0 pode ser descrito como T t0

1, |t| < /2;
x(t) = (4.16) A integral para o calculo do coeciente ck se da ao longo de um perodo. A simetria
do pulso ao redor de t = 0 sugere que t0 deve ser escolhido como t0 = T /2, de forma que
0, /2 < |t| < T /2.

4.5. SERIE
TRIGONOMETRICA DE FOURIER 63 64 CAPITULO 4. SERIE

DE FOURIER PARA SINAIS PERIODICOS CONTINUOS

 0,50
T /2
1 jk0 t
ck = x(t) e dt
T T /2


Amplitude
/2
1
= ejk0 t dt 0,25
T /2

jk0 /2
1e e jk0 /2
=
T jk0 ... ...
sen(k0 /2) 0
=
k0 T /2
. 50 30 -0 0 0 30 50
Freq
uencia (rad/s)
Observe que a expressao para os coecientes ck apresenta uma indeterminacao em
k = 0. Podemos resolve-la usando a regra de LHopital ou refazendo a integral inicial
usando explicitamente k = 0 desde o incio. Qualquer um destes procedimentos fornece 180

c0 = /T,
que e o valor medio do sinal x(t). ... 30 ...

Fase
Podemos entao colocar o resumo 0
30 -0 0 0
sen(k0 /2)
ck =  0,
, k= c0 = /T. (4.17)
k0 T /2
Para = T /2 temos
-180
sen(k0 T /4)
ck =  0,
, k= c0 = 1/2.
k0 T /2 Freq
uencia (rad/s)
Mas
k0 T /4 = 2kT /4T = k/2
Figura 4.5: Espectros de freq
uencia para o trem de pulsos retangulares com = T /2.
e
sen(k/2)
ck = , k = 0 4.6 Teorema de Parceval
k
Como
0, k = par;
Este teorema relaciona a potencia media de um sinal x(t) com os respectivos parametros espectrais.
sen(k/2) =
(k1)/2 Seja um sinal x(t), periodico com perodo T e sua serie de Fourier:
(1) , k = mpar,
podemos nalmente escrever 

x(t) = ck ej2kt/T .


0, k = par, k = 0; k=




O teorema pode ser enunciado como
ck = (1)(k1)/2
, k = mpar;  t0 +T 


k 1

|x(t)|2 dt = |ck |2 , (4.18)

1/2, k = 0. T t0 k=

A Figura 4.5 mostra os espectros de amplitude e de fase do sinal x(t). isto e, a potencia media de x(t) e igual a` soma do quadrado do valor absoluto dos coecientes de
Na Figura 4.6 e mostrado o efeito da adicao de harmonicas na composicao do trem de Fourier.
pulsos retangulares. Para demonstrar, vamos substituir x(t) pela serie de Fourier.
   
1 t0 +T  

1 t0 +T 2 j2mt/T
|x(t)| dt = ck ej2kt/T
cm e dt.
T t0 T t0 k= m=

4.7. CONVERGENCIA
DA SERIE DE FOURIER 65 66 CAPITULO 4. SERIE

DE FOURIER PARA SINAIS PERIODICOS CONTINUOS

Nem sempre e possvel conseguir a a convergencia uniforme, isto e, a igualdade ponto a ponto
1
ao longo de todo o perodo do sinal. Com isto e necessario considerar criterios de convergencia e
condicoes de convergencia.
Um dos criterios e a convergencia observada em termos do erro quadratico medio. Neste caso
0 tratamos de sinais com energia nita no perodo.
O criterio pode ser estabelecido atraves de um teorema.
x1 (t) = 0, 5 + cos(2t/T )/

0 T 2T 3T Teorema
tempo
Seja x(t) um sinal periodico com perodo T . Se
1
 t0 +T
|x(t)|2 dt < ,
t0

0 entao   

Amplitudes

t0 +T t0 +T
x2 (t) = x1 (t) cos(6t/T )/3 |e(t)|2 dt = |x(t) ck ej2kt/T |2 dt = 0,
t0 t0 k=
0 T 2T tempo 3T
isto e, a energia do erro e nula.
Embora o teorema assegure erro quadratico medio nulo, isto n
ao significa que a soma seja
1
igual ao sinal em todos os instantes de tempo.
Vamos analisar dois exemplos.

0
x3 (t) = x2 (t) + cos(10t/T )/5
Exemplo 4.6
0 T 2T tempo 3T
Considere o caso bastante simples em que o sinal x(t) e composto por duas senoides
1 uencias 0 e 20 . Claramente o sinal e periodico com perodo T = 2/0 e a
nas freq
energia em um perodo e nita (supondo que as amplitudes das senoides sejam nitas).
Neste caso e evidente que as duas senoides compoem a serie de Fourier deste sinal e
que, portanto, ha a convergencia uniforme.
0
x4 (t) = x3 (t) cos(14t/T )/7

0 T 2T tempo 3T
Exemplo 4.7

Vamos agora considerar o trem de pulsos retangulares do Exemplo 4.5.


Figura 4.6: Participacao das harmonicas na composicao do trem de pulsos retangulares com = T /2.
Este sinal tambem tem energia nita em um perodo. Porem, observe que o sinal nao
tem valor denido em cada descontinuidade, uma vez que seu limite a` esquerda e diferente
Como a base de expansao e ortogonal no perodo, a integral do produto das series fornece: do limite `a direita. Por outro lado, demonstra-se que a serie converge para o ponto medio
  entre estes dois limites.
1 t0 +T  

1 t0 +T
|x(t)|2 dt = |ck |2 dt = |ck |2 c.q.d.
T t0 T t0 k= k=

Como conseq
uencia deste teorema, temos
4.7 Converg
encia da S
erie de Fourier
 t0 +T 
 t0 +T 


|x(t) ck ej2kt/T |2 dt = |x(t)|2 dt 2T |ck |2 + T |ck |2 = 0,
O estudo da convergencia da serie trata das condicoes para a soma das harmonicas seja igual ao sinal. t0 k= t0 k= k=

4.7. CONVERGENCIA
DA SERIE DE FOURIER 67 68 CAPITULO 4. SERIE

DE FOURIER PARA SINAIS PERIODICOS CONTINUOS

ou seja, deduzimos o teorema de Parseval


 t0 +T 
1
|x(t)|2 dt = T |ck |2 .
t0 k=

Podemos entao armar que se existe a convergencia no sentido que o erro quadratico medio e nulo,
entao o teorema de Parseval se aplica.
Podemos tambem armar que existem sistemas que respondem a` energia do sinal e que, portanto, 0
respondem igualmente ao sinal e a` serie.
A situacao do exemplo 4.7 motiva a denicao da condicao de Dirichelet para a convergencia da N = 21
serie.

Amplitudes
0 T t 2T

Condi
c
oes de Dirichelet
1
Seja um sinal x(t) tal que:
1-  t0 +T
|x(t)|dt < ,
t0
isto e, x(t) e absolutamente integravel no intervalo t0 < t < t0 + T ;
0
2- Em qualquer intervalo de tempo, x(t) apresenta um n umero nito de maximos e mnimos, isto
e, apresenta variacao limitada;
N = 51
3- Em qualquer intervalo nito, x(t) tem um n umero nito de descontinuidades com amplitude
nita.
0 T t 2T

Figura 4.7: Fenomeno de Gibbs para o caso do trem de pulsos retangulares com = T /2; N indica
Teorema o n
umero de harmonicas somadas.
Se x(t) satisfaz as condicoes de Dirichelet, entao a serie de Fourier e igual a x(t) (convergencia
uniforme) em todos os pontos onde x(t) e contnua. Converge para o ponto medio entre os valores
4.8 Exemplos de decomposi
c
ao em s
erie
limites de x(t), `a esquerda e a` direita, nos pontos de descontinuidade.
Nesta secao apresentaremos alguns exemplos de calculo da serie de Fourier para sinais periodicos
compostos por impulsos.

Enunciado Alternativo
Seja x(t) contnuo e com primeira e segunda derivadas contnuas em trechos nitos do intervalo
Exemplo 4.8
t0 t t0 + T . Entao a serie de Fourier converge para x(t) em todos os trechos em que x(t) e
contnuo; converge para x(t+
k )/2 + x(tk )/2 em cada ponto tk onde h
a descontinuidade. Seja


T (t) = (t kT )
k=

Esta funcao periodica e conhecida como fun c


ao pente, devido ao seu aspecto, conforme
Os sinais fsicos satisfazem as condicoes de Dirichelet. Um exemplo e o trem de pulsos retangulares. mostra a Figura 4.8.
Neste caso ocorre o fenomeno de Gibbs, conforme ilustra a Figura 4.7. Observe que as oscilacoes se Vamos calcular os coecientes de Fourier.
concentram nas descontinuidades a` medida que N . Logo, sua energia tende a zero, isto e, a 
energia do erro tende a zero. 1 t0 +T
ck = x(t) ejk0 t dt, 0 = 2/T.
T t0
4.8. EXEMPLOS DE DECOMPOSIC EM SERIE
AO 69 70 CAPITULO 4. SERIE

DE FOURIER PARA SINAIS PERIODICOS CONTINUOS

entao
1  jk0 (t+T1 )

x(t + T1 ) = e ,
T k=
ou seja,
1
1  jk0 T1 jk0 t

x(t + T1 ) = e e .
T k=
T (t)
... ... Da mesma forma
1  jk0 T1 jk0 t

x(t T1 ) = e e .
T k=

Usando estes resultados em y(t) temos


0
t
1   jk0 T1

0 T 2T 3T 
y(t) = e ejk0 T1 ejk0 t .
T k=
Figura 4.8: Funcao pente (t).
Usando a denicao de sen(k0 T1 ) obtemos

2j 

Devemos usar t0 = T /2 de modo a facilitar o calculo dos coecientes, pois
y(t) = sen(k0 T1 )ejk0 t , (4.20)
 T /2  T /2 T k=
1 jk0 t 1 jk0 t
ck = x(t) e dt = (t) e dt,
T T /2 T T /2 de onde conclumos que os coecientes da expansao de y(t) sao
ou seja, 2j
1 ck = sen(k0 T1 ).
. ck = T
T
Conclumos que estes coecientes nao dependem de k.
Podemos entao escrever


1  jk0 t

T (t) = (t kT ) = e , 0 = 2/T. (4.19)
k=
T k=

Exemplo 4.9

Seja


y(t) = (t + T1 kT ) (t T1 kT ).
k=

Podemos calcular com facilidade os coecientes desta funcao se utilizarmos o resultado


do Exemplo 4.8. Nesta direcao, seja


x(t) = (t kT )
k=

Logo,
y(t) = x(t + T1 ) x(t T1 ).
Mas se
1  jk0 t

x(t) = e
T k=
4.9. EXERCICIOS 71 72 CAPITULO 4. SERIE

DE FOURIER PARA SINAIS PERIODICOS CONTINUOS

4.9 Exerccios
x(t)
1. Um sinal x(t) contnuo no tempo e real e tem perodo fundamental T = 8. Seus coecientes de
Fourier nao-nulos sao a1 = a1 = 2, a3 = a3 = 4j. 1
 -1 1 3
Expresse x(t) na forma x(t) = k=0 Ak cos(k t + k ). -2 0 2 4 t
Esboce os espectros de amplitude e de fase.

-2
2. Considere o sinal x(t) = 2 + cos(2t/3) + 4 sen(5t/3). Calcule a freq
uencia fundamental 0 e
os coecientes da serie exponencial de Fourier.
Esboce os espectros de amplitude e de fase.
Figura 4.9: Sinal periodico.

3. Calcule os coecientes da serie exponencial de Fourier para o sinal periodico


 x(t)
1, 5 , 0 t < 1;
x(t) = 1
1, 5 , 1 t < 2.
1 2 6
cuja freq
uencia fundamental e 0 = .
-2 -1 0 3 4 5 t
Esboce os espectros de amplitude e de fase.
-1

4. Seja x1 (t) um sinal periodico com freq


uencia fundamental 1 e coecientes de Fourier ak .
Dado que x2 (t) = x1 (1 t) + x1 (t 1), qual e a freq
uencia fundamental de x2 (t) relativa a 1 ?
Figura 4.10: Sinal periodico.
Encontre uma relacao entre os coecientes de Fourier bk de x2 (t) e os coecientes ak .


5. Calcule os coecientes da serie de Fourier de x(t) = n= (t t0 nT ), 0 < t0 < T .
x(t)
2
6. Determine a representacao em serie de Fourier para cada um dos sinais a seguir. Obtenha a
serie exponencial. Obtenha a serie trigonometrica, tanto como soma das funcoes seno e cosseno
1
como na forma da soma de funcoes cosseno.
Esboce os espectros de amplitude e de fase.
-3 -2 -1 0 1 2 3 4 t
a) Cada x(t) mostrado nas Figuras 4.9, 4.10, 4.11 e 4.12.
b) x(t) periodico com perodo 2 e x(t) = et para 1 < t < 1.
c) x(t) periodico com perodo 4 e Figura 4.11: Sinal periodico.

sen(t), 0 t 2;
x(t) =
0, 2 < t 4. x(t)
1

-1 0 1 2 3 t

-1

Figura 4.12: Sinal periodico.


74 CAPITULO 5. TRANSFORMADA DE FOURIER

2. o espacamento entre as amostras de X() tende a zero e o conjunto de amostras tende a`


envoltoria.

Conclumos que podemos interpretar um sinal nao-periodico com o limite de um periodico. Neste
processo de limite, os coecientes da serie de Fourier multiplicados pelo perodo tendem a uma curva
contnua, a envoltoria destes coecientes, a qual sera denida como a transformada de Fourier.
Captulo 5
X()

Transformada de Fourier
-20 20
a)
-0 0 0

5.1 Introdu
c
ao X()

A serie de Fourier se aplica a sinais periodicos. Embora tambem possa ser aplicada a sinais nao-
periodicos, neste caso a transformada de Fourier e mais u
til. A transformada e denida como o limite -40 40
da serie quando o perodo tende a innito. b)
-0 0 0

5.2 Desenvolvimento da transformada de Fourier de um si- X()


nal n
ao-peri
odico

Vamos revisar a serie para o trem de pulsos retangulares -80 80


c)
1, |t| < /2; -40 0 40
x(t) = (5.1)

0, /2 < |t| < T /2.
Figura 5.1: Coecientes de Fourier e sua envoltoria para o trem de pulsos retangulares, com xo e:
conforme mostrado na Figura 4.4. a) T = 2 , b) T = 4 , c) T = 8 .
No Captulo 4 calculamos a serie para este sinal e obtivemos

sen(k0 /2) Vamos agora considerar o sinal nao-periodico generico x(t) da Figura 5.2 e sua extensao periodica
ck = , k = 0, c0 = /T. (5.2) com perodo T , x(t), tambem mostrado mostrado na Figura 5.2.
k0 T /2
Podemos escrever
Vamos agora considerar o sinal 

x(t) = x(t kT ).
2 sen( /2)
X() = , k=

o qual foi obtido da expressao (5.2) multiplicando-a por T e fazendo k0 . Assim, os coecientes Como x(t) e periodico, podemos expand-lo em serie de Fourier
ck podem ser tomados como amostras desta funcao X() dividida por T . Logo, a funcao X(), exceto 

pelo fator T , representa uma envoltoria sobre as linhas que denem a amplitude das componentes x(t) = ck ejk0 t , 0 = 2/T,
espectrais, conforme mostra a Figura 5.1. Nesta gura foram desenhados os coecientes para tres k=
valores de T mantendo-se xo. Observe que a` medida que T cresce, 0 decresce e as amostras da
envoltoria tornam-se mais proximas entre si. Assim, quando T ocorrem os seguintes fenomenos: onde  T /2
1
ck = x(t) ejk0 t dt.
1. a periodicidade de x(t) desaparece e o trem de pulsos tende a um pulso apenas; T T /2

73

5.2. DESENVOLVIMENTO DA TRANSFORMADA DE FOURIER DE UM SINAL NAO-PERI
ODICO75 76 CAPITULO 5. TRANSFORMADA DE FOURIER

x(t) X()ejt /2 X(k0 )ejk0 t /2

/2 0 /2 t 0

x(t)
0 k0

... ... Figura 5.3: Interpretacao do calculo da serie de x(t).


-T/2 /2 0 /2 T/2 T t

Observamos que X(k0 ) ejk0 t 0 e a area do retangulo mostrado na Figura 5.3. Assim, a funcao
Figura 5.2: Um sinal x(t) nao-periodico e sua extensao periodica x(t) com perodo T . x(t) equivale a` soma das areas dos retangulos em k0 , k Z.
Vamos analisar o comportamento deste calculo a` medida que T . Como conseq uencia,
0 0. Podemos entao colocar as seguintes tendencias:
Mas x(t) = x(t) no intervalo T /2 < t < T /2. Logo, podemos calcular os coecientes ck usando
1- Se 0 0, entao podemos tomar k de forma que k0 pode ser considerada uma variavel
 T /2 contnua ;
1
ck = x(t) ejk0 t dt. 2- O termo X(k0 ) ejk0 t 0 na expressao (5.4) e a area do retangulo em k0 . A soma dessas areas
T T /2
quando 0 0, tende a ser a area sob a curva X() ejt .
Alem disto, como x(t) e nulo fora do intervalo T /2 < t < T /2, podemos ainda escrever Estas observacoes permitem escrever
 
1 

1 1
ck = x(t) ejk0 t dt. lim
T
X(k0 )ejk0 t 0 = X()ejt d. (5.5)
T 2 k= 2

Posto este resultado, vamos agora denir a seguinte funcao Mas quando T , temos que x(t) x(t). Portanto, no limite quando T teremos, usando
 a expressao (5.4),
X()  x(t)ejt dt. (5.3) 
1
x(t) = X()ejt d. (5.6)
2
Portanto, podemos obter os coecientes ck a partir de X() fazendo
 Temos tambem,
X()  
ck = .
T  =k0 X() = x(t)ejt dt. (5.7)

Usando este resultado para escrever a serie de x(t) temos
As expressoes (5.6) e (5.7) mostram que podemos calcular uma funcao X() associada a x(t) e
1 
que de X() podemos calcular x(t). Entao x(t) e X() sao duas representacoes de um mesmo sinal,
x(t) = X(k0 )ejk0 t uma no tempo e outra em freq uencia.
T k=
Defini
cao: Dado um sinal x(t), a funcao
Vamos agora multiplicar e dividir esta expressao por 0 :

1 

X()  x(t)ejt dt (5.8)
x(t) = X(k0 )ejk0 t 0 .
T 0 k=
e a transformada de Fourier de x(t).
Como T 0 = 2, temos
1 

Defini
cao: Dada a transformada de Fourier X(), a funcao
x(t) = X(k0 )ejk0 t 0 . (5.4)
2 k= 
1
O calculo representado por esta expressao pode ser interpretado atraves da Figura 5.3. x(t)  X()ejt d (5.9)
2

5.3. CONVERGENCIA DA TRANSFORMADA DE FOURIER 77 78 CAPITULO 5. TRANSFORMADA DE FOURIER

e a transformada inversa de Fourier de X(). 5.4 Exemplos de c


alculo da transformada de Fourier
A expressao (5.9) resulta da expressao



x(t) = ck ejk0 t
k= Exemplo 5.1

quando T ou 0 0. Portanto, a expressao (5.6) tem o carater de expansao de um sinal x(t) Seja x(t) = eat u(t), a > 0.
em uma base de funcoes exponenciais complexas. Porem, enquanto que os sinais periodicos utilizam Em primeiro lugar, observe que x(t) e um sinal de energia.
apenas a serie de funcoes exponenciais complexas harmonicas de 0 , o sinal nao-periodico x(t) exige Sua transformada de Fourier sera dada por
exponenciais complexas em todas freq uencias. 
Ainda nesta interpretacao, X() d/2 assume o carater dos coecientes ck . Porem, estes co- X() = eat u(t)ejt dt,
ecientes sao agora innitesimais, indicando a forma de participacao das componentes espectrais.

Tambem, como a amplitude destas componentes depende de X()d, a funcao X() tem o carater a qual fornece
de densidade de amplitude espectral. 1
{eat u(t)} = . (5.10)
Resumindo, enquanto que x(t) possui harmonicas apenas em freq uencias discretas, x(t) possui a + j
harmonicas em todas as freq uencias. Enquanto que x(t) possui harmonicas com amplitudes nitas, Podemos ainda escrever
x(t) possui harmonicas com amplitudes innitesimais.
1
Tomando agora o caso da transformada, a expressao (5.8) resulta da expressao {eat u(t)} = ej , = arctan(/a).
a2 + 2
 T /2
1 A Figura 5.4 mostra os espectros de amplitude e de fase associados a` {eat u(t)}.
ck = x(t) ejk0 t dt
T T /2
1, 5
quando T . Portanto, a expressao (5.8) tem o carater do calculo dos coecientes da serie de
Fourier. Porem, como x(t) nao e periodico, os coecientes se transformam em uma funcao da variavel a = 0, 8

Amplitude
contnua . 1

0, 5

5.3 Converg
encia da transformada de Fourier 0
0 a

1- Se x(t) e um sinal de energia, isto e, 90



|x(t)|2 dt < ,

Fase
0
entao X() e nita e o erro 
1
e(t) = x(t) X()ejt d
2
90
0 a
tem energia nula.
De forma alternativa, temos o criterio de Dirichelet.
2- Suponha que x(t) e tal que uencia para x(t) = eat u(t), a > 0.
Figura 5.4: Espectros de freq
a) e absolutamente integravel,
b) apresenta numero nito de maximos e mnimos em qualquer intervalo nito de tempo,
c) apresenta numero nito de descontinuidades em qualquer intervalo nito de tempo.
Entao x(t) e a inversa de X() sao identicos exceto nos pontos de descontinuidade, onde a inversa Exemplo 5.2
tende ao valor medio dos limites laterais.
Seja x(t) = ea|t| , a > 0.

5.4. EXEMPLOS DE CALCULO DA TRANSFORMADA DE FOURIER 79 80 CAPITULO 5. TRANSFORMADA DE FOURIER

Este tambem e um sinal de energia. Exemplo 5.4


A transformada e dada por
 Seja X() = ().

a|t| jt Vamos calcular o sinal no tempo correspondente a esta transformada, usando a ex-
X() = e e dt,
pressao da transformada inversa.

a qual fornece   1
0 x(t) = ()ejt d.
{eat u(t)} = eat ejt dt + eat ejt dt, (5.11) 2
0
ou Pela propriedade do produto de funcao por impulso, temos
 0 

{e at
u(t)} = e atjt
dt + e atjt
dt. (5.12) 1
0 x(t) = () d.
2
Portanto,
2a Logo,
{eat u(t)} = , a > 0. (5.13)
a2 + 2
1
A Figura 5.5 mostra o espectro de amplitude associado a` {ea|t| }. Observe que temos 1 {()} = . (5.15)
2
apenas o espectro de amplitudes pois a transformada e real e seu espectro de fase e nulo. Conclumos que um sinal constante no tempo apresenta um espectro de freq uencias
com apenas uma componente na freq uencia zero. Alem disto, esta componente e do tipo
3 impulsivo, o que signica que a sua area e diferente de zero.
Usando estes resultados, podemos calcular a transformada inversa de X() = (0 )
 
1 1
Amplitude

2
a = 0, 8 x(t) = ( 0 )ejt d = ( 0 )ej0 t d.
2 2
1 Logo,
1 j0 t
1 {( 0 )} = e . (5.16)
2
0
0 /4 /2 3/4

uencia para x(t) = ea|t| , a > 0.


Figura 5.5: Espectro de freq Exemplo 5.5

Vimos no Exemplo 5.3 que {(t)} = 1. Logo, a transformada inversa de X() = 1 e


o impulso no tempo. Este resultado leva a

1 jt
e d = (t),
Exemplo 5.3 2

a qual fornece um resultado surpreendente:


Seja x(t) = (t).

Demonstra-se que este nao e um sinal de energia. Apesar disto, podemos calcular sua
ejt d = 2(t). (5.17)
transformada. 
X() = (t)ejt dt.

Mas f (t)(t) = f (0)(t). Logo,


Exemplo 5.6

{(t)} = (t) dt = 1. (5.14) Vimos no Exemplo 5.4 que {ej0 t } = 2( 0 ). Este resultado permite calcular

as transformadas das funcoes cos(0 t) e sen(0 t).
O espectro de freq
uencias e composto apenas pelo espectro de amplitudes e e constante Vamos iniciar com a transformada do cosseno.
e igual a 1 para todas as freq uencias.  
X() = cos(0 t)ejt dt = {0, 5ej0 t + 0, 5ej0 t }ejt dt.


5.4. EXEMPLOS DE CALCULO DA TRANSFORMADA DE FOURIER 81 82 CAPITULO 5. TRANSFORMADA DE FOURIER

Mas como a transformada e uma operacao linear, podemos escrever


 

Amplitude
X() = 0, 5 ej0 t ejt dt + 0, 5 ej0 t ejt dt.

Usando o resultado do Exemplo 5.4 temos

{cos(0 t)} = ( 0 ) + ( + 0 ). (5.18) 0


0 0
0
A Figura 5.6 ilustra este espectro mostrando que o conte udo em freq
uencia da funcao
cosseno se resume a apenas duas componentes em 0 e 0 . Este resultado e coerente
com o fato de que a transformada de Fourier expressa um sinal como uma combinacao /2
contnua de cossenoides e com o fato de que o espectro mostra as componentes que estao

Fase
presentes na expansao. 0

/2
0 0 0


Figura 5.7: Espectro de freq
uencia para x(t) = sen(0 t).

0 Logo,
0 0 0 ej /2 ej /2
X() = .
j
Figura 5.6: Espectro de freq
uencia para x(t) = cos(0 t). Multiplicando por 2 o numerador e o denominador obtemos
2sen( /2)
De maneira semelhante e possvel demonstrar que X() = .

Multiplicando por o numerador e o denominador obtemos
{sen(0 t)} = j( 0 ) + j( + 0 ). (5.19)
sen( /2)
Como a diferenca entre as funcoes cosseno e seno se resume a uma diferenca de fase X() = .
/2
de /2, este fato aparece na transformada, pela presenca do fator j na transformada do
seno. A funcao
A Figura 5.7 ilustra este espectro, o qual, alem das componentes do espectro do cosseno, sen( /2)
apresenta tambem um espectro de fase para levar em conta os fatores j e -j. /2
aparece com muita freq
uencia na teoria de sinais e sistemas. Por isto ela ganhou nomes
especiais:

Defini
cao - Funcao sinc(x) (sinc de x)
Exemplo 5.7
sen(x)
Vamos calcular a transformada de Fourier de um pulso retangular, denido como sinc(x)  . (5.21)
x

1, |t| < /2;
x(t) = (5.20) Defini
cao - Funcao Sa(x) (sampling de x)

0, c.c. sen(x)
Sa(x)  . (5.22)
A transformada e calculada como x
  /2
Observe que a diferenca entre as duas e apenas um fator de escala. Assim
X() = x(t)ejt dt = ejt dt.
/2
sinc(x) = Sa(x), Sa(x) = sinc(x/). (5.23)

5.4. EXEMPLOS DE CALCULO DA TRANSFORMADA DE FOURIER 83 84 CAPITULO 5. TRANSFORMADA DE FOURIER

Usaremos a funcao sampling neste texto. Vamos calcular a transformada inversa de um espectro com o formato de um pulso
A Figura 5.8 mostra a funcao Sa(x). Observe que ela simetrica em torno de x = 0, retangular, denido como
cruza o zero em pontos periodicos k, onde a funcao sen(x) do numerador se anula e suas 1, || < W/2;
amplitudes decaem assintoticamente segundo 1/x. Existe uma indeterminacao no ponto X() = (5.25)

x = 0, a qual, se resolvida aplicando LHopital, fornece Sa(0) = 1. 0, c.c.
Usando a expressao da transformada inversa em (5.6) obtemos
  W/2
1 1 1
x(t) = X()ejt d = ejt d.
2 2 W/2
Amplitude

Logo,
W sen(W t/2)
x(t) = ,
2 W t/2
ou
W
x(t) = Sa(W t/2). (5.26)
0 - 2
0 2 x

Vamos estudar agora as relacoes entre as variacoes de um sinal no tempo com as respectivas
variacoes em freq
uencia.
Figura 5.8: Funcao Sa(x). Para isto considere a Figura 5.10, a qual apresenta um sinal do tipo Sa(t) no tempo e seu espectro.
Observe que na primeira gura temos um valor maior para W que na segunda gura, implicando em
Usando esta funcao, podemos escrever a transformada do pulso retangular como um espectro com maior largura. Ja no domnio do tempo, temos um comportamento inverso: o
pulso Sa(t) correspondente ao espectro mais largo oscila mais rapidamente pois o perodo de oscilacao
X() = Sa( /2). (5.24) depende de 1/W . Assim, seu lobulo central e mais estreito e o espectro esta mais concentrado ao
redor da origem.
A Figura 5.9 mostra o espectro do pulso retangular.
Estas observacoes mostram que quanto mais rapidas as variacoes no tempo, mais largo e o espectro.
Isto se explica lembrando que estamos decompondo um sinal temporal em uma combinacao de sinais
senoidais. Assim, quanto mais rapida a variacao no tempo, tanto maior e a freq uencia maxima
das componentes senoidais necessarias. Como o espectro mostra as freq uencias que participam da
representacao do sinal, o espectro se alarga a` medida que o sinal varia mais rapidamente no tempo.
Amplitude

Outra ilustracao deste fenomeno e o impulso e seu espectro, o qual se estende por todas freq uencias.
Por outro lado, o sinal constante no tempo tem como espectro um impulso, indicando que o conte udo
espectral se localiza em = 0.
Por m, outra observacao que podemos inferir das guras e que um espectro de largura nita,
como aquele com formato retangular, esta associado a uma funcao no tempo com duracao ilimitada.
Esta e uma propriedade geral que vale para todos os espectros com faixa de freq uencias limitada.
0 Veremos mais adiante que o inverso deste fenomeno tambem ocorre, ou seja, todos os sinais com
duracao nita no tempo tem espectros com largura ilimitada.

-6 -4 -2 0 2 4 6 8

5.5 Propriedades da transformada


Figura 5.9: Espectro do pulso retangular.
As propriedades da transformada sao fundamentais. Em primeiro lugar, elas estabelecem conceitos
que geram in umeras aplicacoes praticas. Em segundo lugar, elas permitem, na maioria dos casos, que
a transformada ou a transformada inversa sejam obtidas sem a necessidade de calculos.
Por estas razoes elas compoem o topico mais importante da teoria da transformada e serao usadas
Exemplo 5.8 intensivamente.
5.5. PROPRIEDADES DA TRANSFORMADA 85 86 CAPITULO 5. TRANSFORMADA DE FOURIER

X1 ()
x1 (t) ax1 (t) + bx2 (t) aX1 () + bX2 (), (5.27)
W1 /2 ou seja, a combinacao linear de sinais produz a combinacao linear das transformadas.
A demonstracao desta propriedade usa a denicao da transformada.
1

Propriedade 2 - Deslocamento no tempo

Se
x(t) X(),
entao
t x(t t0 ) ejt0 X(). (5.28)
W1 /2 W1 /2
Observe que
2/W1 |ejt0 X()| = |X()|, ejt0 X() = t0 + X().

Conclumos que o deslocamento de um sinal no eixo dos tempos implica em mudar apenas seu es-
pectro de fase. Alem disto, a alteracao da fase se da pela adicao de uma componente proporcional a`
X2 () freq
uencia, ou seja, um deslocamento no tempo equivale a uma componente linear de fase.
x2 (t)
Por m, observe que quando produzimos um atraso no tempo, ou seja, quando t0 e positivo, a
W2 /2 inclinacao da resposta linear de fase e negativa. Podemos entao dizer que um atraso no tempo
equivale a uma componente linear de fase com inclina cao negativa.
1 Para demonstrar esta propriedade, seja y(t) = x(t t0 ). Entao,
 
Y () = y(t)ejt dt = x(t t0 )ejt dt.

Fazendo t t0 = , temos
 
Y () = x( )ej( +t0 ) dt = ejt0 x( )ej dt = ejt0 X(), cqd.
t
W2 /2 W2 /2

2/W2
Exemplo 5.9

Figura 5.10: Sinal Sa(t) e seu espectro para dois valores do parametro W . Sabemos que
(t) 1.
Vamos usar a seguinte notacao para indicar um par formado por um sinal x(t) e sua transformada Logo,
X(): (t t0 ) ejt0 ,
x(t) X(). ou seja, a transformada de um impulso e uma exponencial complexa periodica em freq
uen-
cia.

Propriedade 1 - Linearidade

Sejam Exemplo 5.10


x1 (t) X1 (), x2 (t) X2 ()
Vamos usar a Propriedade 2 para calcular de forma simples a transformada da sinal
e a e b duas constantes. Entao x(t) da Figura 5.11.
5.5. PROPRIEDADES DA TRANSFORMADA 87 88 CAPITULO 5. TRANSFORMADA DE FOURIER

2) Se x(t) e real entao X () = X().


20

10
Isto porque se x(t) e real, entao x (t) = x(t) e, do item 1), temos X () = X().
Amplitude Como conseq uencias bastante importantes temos:
0
0 T1 T2 T3 t
10

20 Para x(t) real, |X()| e uma funcao par, enquanto que X() e uma funcao mpar.

30
.

Figura 5.11: Sinal composto por pulsos retangulares.


Exemplo 5.11
Veja que o sinal pode ser escrito como uma composicao de pulsos retangulares deslo-
Seja x(t) = eat u(t), a > 0.
cados, da seguinte forma:
Sabemos que
1
x(t) = 20 rL1 (t 1 ) 30 rL2 (t 2 ) + 10 rL3 (t 3 ) X() = .
a + j
onde rLi (t) sao pulsos retangulares com amplitude unitaria e largura Li e Logo,
1
T1 T2 + T1 T3 + T2 X () = = X().
1 = , 2 = , 3 = , a + j
2 2 2 O espectro de amplitude e
1
L1 = T1 , L2 = T2 T1 , L3 = T3 T2 . |X()| = ,
a2 + 2
Sabemos que a transformada de um pulso retangular com largura e dada pela ex-
pressao (5.24), ou seja, o qual e uma funcao par. Por outro lado, o espectro de fase e
 
{ r (t)} = Sa( /2). X() = arctan ,
a
Logo, usando a propriedade do deslocamento no tempo, temos
o qual e uma funcao mpar.

{ x(t)} = L1 Sa(L1 /2) ej1 L2 Sa(L2 /2) ej2 + L3 Sa(L3 /2) ej3 .

3) x(t) X() pois

Propriedade 3 - Simetrias
  
Temos varias propriedades ligadas a simetrias no tempo e em freq
uencia. Em todos os casos a x(t)ejt dt = x( )ej d = x( )ej() d = X().

seguir vamos assumir que x(t) X().

1) x (t) X () pois Exemplo 5.12

Seja x(t) = eat u(t), a > 0. Entao x(t) = eat u(t) e


      0
1
x (t)ejt dt = x(t)ejt dt = x(t)ej()t dt = X (). {x(t)} = e(aj)t dt = = X().
a j

5.5. PROPRIEDADES DA TRANSFORMADA 89 90 CAPITULO 5. TRANSFORMADA DE FOURIER

7) Se x(t) e real e mpar entao X() e imaginario e X() = X ().

4) Se x(t) = x(t) entao X() = X() pois Isto porque se x(t) e real, entao X() = X (). Mas se x(t) e mpar entao X() = X().
Logo, para x(t) real e mpar, X() = X (), ou seja, X() = X (). Tambem, isto implica
em que X() e imaginario.
Esta decorre da Propriedade 3.3. O Exemplo 5.14 ilustra esta propriedade.
Se x(t) e real, entao esta propriedade se refere a sinais com simetria par.

Propriedade 4 - Diferenciacao e integracao

dx(t)
Exemplo 5.13 1) Se x(t) X(), entao jX().
dt
Para demonstrar esta propriedade, vamos considerar a expressao da transformada inversa de X():
Seja x(t) = e|a|t , a > 0.

Sabemos que 1
2a x(t) = X()ejt d.
X() = = X(). 2
a2 + 2
Entao 
dx(t) 1
= jX()ejt d.
dt 2

dx(t)
Logo, e jX() formam um par transformado, cqd.
5) Se x(t) e real e par entao X() e real e par. dt

Isto porque se x(t) e real, entao, da Propriedade 3.2, X() = X (). Mas se x(t) e par,
entao, da Propriedade 3.4, X() = X(). Logo, para x(t) real e par, X() = X (), ou seja,
X() = X (). 2) Se x(t) X(), entao
O Exemplo 5.13 mostra esta propriedade.  t
X()
x( )d + X(0)()
j
6) Se x(t) = x(t) entao X() = X() pois .
   A demonstracao desta propriedade sera abordada mais a frente.

X() = x(t)ejt dt = x(t)ejt dt = x( )e j
d = X().

Se x(t) e real, entao esta propriedade se refere a sinais mpares.


Exemplo 5.15

Sabemos que  t
Exemplo 5.14 ( )d = u(t).

Seja x(t) = sen(0 t). Dado que {(t)} = 1, temos que


Sabemos que
1
X() = j [( + 0 ) ( 0 )] . {u(t)} = + (). (5.29)
j
Entao, pela Propriedade 3.3, temos
Por outro lado,
{x(t)} = X() = j [( + 0 ) ( 0 )] = j [( 0 ) ( + 0 )] = X(). du(t) 1
(t) = j[ + ()] = 1.
dt j
5.5. PROPRIEDADES DA TRANSFORMADA 91 92 CAPITULO 5. TRANSFORMADA DE FOURIER

Exemplo 5.16 1
Vamos aplicar esta propriedade para agilizar o calculo da transformada. Vamos aplicar
para o caso do pulso retangular mostrado na expressao (5.20) e repetido aqui. x(t) -1
0
0 1 t
1, |t| < /2;
x(t) = -1

0, c.c.

Podemos escrever
x(t) = u(t + /2) u(t /2.
1
Logo,
dx(t) dx(t)
= (t + /2) (t /2), 0
dt dt -1 0 1 t
conforme mostra a Figura 5.12. -1 -1

1
Figura 5.13: Pulso triangular e sua derivada.
x(t)
ira facilitar sobremaneira o calculo da transformada de x(t).
dx(t)
0 A transformada de e dada por:
/2 0 /2 t dt
dx(t)
{ } = ej ej + 2Sa() = 2 cos() + 2Sa().
dt
1 Usando a propriedade da integracao, temos
dx(t) /2
0  
dt /2 0 t 1 2
X() = + () [2Sa() 2 cos()] = [Sa() cos()] .
1 j j

Figura 5.12: Pulso retangular e sua derivada. Exemplo 5.18

dx(t) Podemos usar a propriedade da integral no tempo para calcular a integral denida de
A transformada de e facilmente calculada: funcoes temporais. Como exemplo, vamos calcular a integral da funcao Sa(t), ou seja,
dt

dx(t)
{ } = ej /2 ej /2 = 2j sen( /2). Sa(t) dt.
dt

Finalmente, usando a propriedade da integracao, temos Lembrando que a expressao da transformada de Fourier e dada por
  
1 1
X() = + () 2j sen( /2) = 2j sen( /2) = Sa( /2). X() = x(t)ejt dt,
j j

conclumos que a integral desejada e igual a` transformada de Fourier da funcao Sa(t)


calculada na freq
uencia = 0, isto e,
Exemplo 5.17   

Seja a funcao x(t) mostrada na Figura 5.13. A sua derivada esta na mesma gura e Sa(t)dt = Sa(t)ejt dt  .

=0
5.5. PROPRIEDADES DA TRANSFORMADA 93 94 CAPITULO 5. TRANSFORMADA DE FOURIER

Assim, lembrado que de (5.26) temos



W 1, || < W/2;
x(t) = Sa(W t/2) X() = , Exemplo 5.21
2
0, c.c.
obtemos nalmente  2a
x(t) = ea|t| , a > 0 X() = .
Sa(t) dt = . a2 + 2
Entao
2a
X(t) = , a > 0 2x() = 2ea|| .
a2 + t2

Propriedade 5 - Dualidade

Se x(t) X(), entao X(t) 2x().


Propriedade 6 - Deslocamento em freq
uencia

Se x(t) X(), entao ej0 t x(t) X( 0 ).


Para demonstrar esta propriedade vamos tomar a transformada inversa de x(t):
 Para demonstrar esta propriedade basta tomar a denicao da transformada aplicada a ej0 t x(t).
1
x(t) = X()ejt d.
2
Vamos trocar a variavel t por e vice-versa: Propriedade 7 - Derivada em freq
uencia

1 dX()
x() = X(t)ejt dt. Se x(t) X(), entao jtx(t) .
2 d
Fazendo = temos  Para demonstrar esta propriedade basta calcular a derivada da expressao da transformada de x(t).
2x() = X(t)ejt dt

ou seja, a transformada da funcao X(t) e a funcao 2x(). cqd. Propriedade 8 - Teorema de Parceval
Esta propriedade e muito util para aumentarmos o elenco de pares transformados conhecidos.
Seguem alguns exemplos.  
1
|x(t)|2 dt = |X()|2 d.
2

Exemplo 5.19 Para demonstrar o teorema devemos calcular:


   

1
x(t)x (t)dt = x (t) X()ejt d dt
x(t) = (t) X() = 1. Entao X(t) = 1 2x() = 2(). 2
 

1
= X() x (t)ejt dt d
2

Exemplo 5.20 
1
= |X()|2 d cqd.
2

1, |t| < /2;
x(t) = X() = Sa( /2).
O teorema mostra que a energia total de um sinal, calculada no tempo, e igual a` integral do
0, c.c. modulo do espectro ao quadrado dividido pela constante 2. Assim, podemos associar energia a` area
Entao do modulo do espectro ao quadrado. Esta associacao esta gravada na seguinte denicao:
1, || < W/2;
X(t) = W Sa(W t/2) 2x() = 2

0, c.c. Defini
cao - Densidade espectral de energia
5.5. PROPRIEDADES DA TRANSFORMADA 95 96 CAPITULO 5. TRANSFORMADA DE FOURIER

Vamos transformar esta relacao entre entrada e sada para o domnio da freq
uencia, tomando a
Densidade espectral de energia  |X()|2 /2. (5.30) transformada da expressao da convolucao:
 

{y(t)} = x( )h(t ) d ejt dt






= x( ) h(t ) ejt dt d .

Exemplo 5.22 Sabemos que 

Tomando um pulso retangular no tempo, com amplitude a e largura , sabemos que h(t ) ejt dt = H()ej .

este tem uma energia normalizada igual a a2 . Entao, como a transformada do pulso e a
funcao a Sa( /2), pelo teorema podemos armar que Entao 
 {y(t)} = H() x( )ej d = H()X().
1
|a Sa( /2)|2 d = a2 ,
2 Podemos entao armar que
ou seja, podemos calcular a integral Y () = H()X(), (5.31)
 ou seja, que o espectro do sinal de sada do sistema LID e igual ao espectro da entrada multiplicado
|Sa( /2)|2 d = 2/. pela transformada de Fourier da resposta ao impulso do sistema.

Este resultado tambem demonstra a propriedade da convolucao no tempo.
Podemos tambem analisar como que a energia do pulso retangular esta distribuda no Esta e uma das propriedades mais importantes da transformada de Fourier. Ela coloca em evi-
eixo de freq
uencias. Isto porque a densidade da energia em freq
uencia e dada por dencia dois fatos:
1
Densidade de energia = |a Sa( /2)|2 . 1. A operacao de convolucao que relaciona a entrada e a resposta ao impulso para produzir a sada
2 no tempo, da lugar a uma operacao de produto no domnio da freq uencia. Esta e essencia da
Assim, observando a Figura 5.9, constatamos que a maior parte da energia (cerca de propriedade em estudo.
90%) se concentra na regiao do lobulo central da funcao Sa, ou seja, na regiao 0
2/ . Podemos observar tambem que a energia se espalha por todo o eixo de freq uencias. 2. A transformada de Fourier da resposta ao impulso ganha especial importancia por ser elemento
chave na determinacao da sada.

O primeiro fato resolve uma grande diculdade da aplicacao da relacao de convolucao para a
Propriedade 9 - Convolucao no tempo obtencao da sada de um sistema LID. Esta diculdade reside na complexidade do calculo da convo-
lucao. Ao operarmos no domnio transformado, transformamos a operacao de convolucao em produto,
Se y(t) = x(t) h(t) entao Y () = H()X(), ou seja, a operacao de convolucao no tempo da o qual e muito mais facil para o ser humano. Assim, praticamente todas as analises da operacao de
lugar a` operacao de produto no domnio da freq
uencia. um sistema LID se dao no domnio da freq uencia.
Um exemplo simples que ilustra o uso do domnio da freq uencia para discorrer sobre a acao de
Vamos demonstrar esta propriedade no contexto de uma das suas principais aplicacoes. um sistema, e o caso dos aparelhos de condicionamento dos sinais de audio, como os amplicadores
Considere o sistema LIT mostrado na Figura 5.14. Conforme estudado no Captulo 2, a relacao e os equalizadores domesticos. Quando desejamos realcar os sons de tambores e baixos, sabemos
que devemos aumentar o ganho para os sons graves. Isto signica que devemos enfatizar os sons de
Sistema LIT y(t)
baixas freq uencias relativas. Assim, devemos alterar a conguracao do sistema de forma que o ganho
x(t)
nas freq uencias correspondentes seja maior que o ganho nas demais freq uencias. A nocao de baixas
h(t) freq uencias e de alteracao de ganho em faixa de freq
uencias so e possvel no domnio transformado e
e motivado pela relacao (5.31).
E instrutivo tentar expressar esta mesma acao atraves da resposta ao impulso e a operacao de
convolucao.
Figura 5.14: Entrada e sada de um sistema linear invariante no tempo.
O segundo fato coloca uma importancia muito grande na funcao H(). De fato, a transformada
entre a entrada x(t) e a sada y(t) e dada pela convolucao entre a resposta ao impulso h(t) e a entrada da resposta ao impulso desempenha um papel fundamental na engenharia. Este fato motivou uma
x(t), ou seja, denominacao especial para esta funcao:

y(t) = x(t) h(t) = x( )h(t ) d. H() = Funcao de transferencia,

5.5. PROPRIEDADES DA TRANSFORMADA 97 98 CAPITULO 5. TRANSFORMADA DE FOURIER

onde o termo transferencia, provavelmente, se deve a` nocao que H() transfere a entrada para a
sada.
Observe que, da mesma forma que a resposta ao impulso, a funcao de transferencia caracteriza
Exemplo 5.25
completamente um sistema LID em termos de entrada e sada.
Uma consequencia desta propriedade e a funcao de transferencia de sistemas LID em cascata.
Sistema integrador
Suponha dois sistemas em cascata, com respostas ao impulso h1 (t) e h2 (t), respectivamente. Sabe-
mos que a resposta do conjunto e dada pela convolucao entre as duas respostas ao impulso, conforme  t

mostra a Figura 5.15. y(t) = x( )d .


Sabemos, pela propriedade (4), que


h1(t) h2(t) h1(t)*h2(t)
= X()
Y () = + X(0)()
j
Supondo que 
X(0) = x( )d = 0,

H1(w) H2(w) H1(w).H2(w)
= temos
1
H() = .
j
Figura 5.15: Equivalencia de sistemas LID em cascata.

O mesmo resultado no domnio da freq uencia mostra que o sistema equivalente tera um funcao de Exemplo 5.26
transferencia igual ao produto das funcoes em cascata.
Vamos agora analisar a funcao de transferencia de varios sistemas LID. Denicao de filtro passa-baixas ideal com freq uencia de corte c
A denicao e expressa especicando a funcao de transferencia correspondente, con-
forme mostra a Figura 5.16.

Exemplo 5.23
H(w)
Sistema atrasador
1
h(t) = (t t0 ) y(t) = x(t t0 ).
Portanto, 0
H() = ejt0 , -wc 0 wc w
ou seja,
|H()| = 1, H() = 0 t.
Figura 5.16: Filtro passa-baixas ideal com freq
uencia de corte c .

Exemplo 5.24

Sistema diferenciador

dx(t) Exemplo 5.27


y(t) = .
dt
Usando a propriedade da convolucao, podemos calcular a transformada de um sinal
Sabemos, pela propriedade (4), que
triangular com facilidade. Para tanto, basta vericar que a convolucao de dois retangulos
identicos, com amplitude unitaria, duracao e centrados em t = 0 e igual a um triangulo
Y () = jX().
centrado em t = 0, com amplitude e base igual a 2 . Logo, a transformada deste
Portanto, triangulo sera igual ao quadrado da transformada de cada retangulo. Normalizando a
H() = j. amplitude do triangulo para a unidade, conclumos que o sinal
5.5. PROPRIEDADES DA TRANSFORMADA 99 100 CAPITULO 5. TRANSFORMADA DE FOURIER

tanto que o impulso esta deslocado, conclumos que P () sera composto por espectros

(t + )/, < t < 0; X() deslocados e com amplitudes modicadas, ou seja,



x(t) = ( t)/, 0 < t < ; (5.32) P () = 0, 5 X( + 0 ) + 0, 5 X( 0 ).




A Figura 5.17 mostra um espectro generico para x(t) e o espectro P () resultante.
0, c.c.
tem como transformada
X(w)
X() = Sa2 ( /2) (5.33)
1

-wm 0 wm w

Propriedade 10 - Multiplicacao no tempo ou modulacao


P(w)
1
Se p(t) = x(t)y(t) entao P () = X() Y (), ou seja, a operacao de produto no tempo da
2 1/2
lugar a` operacao de convolucao no domnio da freq
uencia.
Portanto, esta e a propriedade dual da propriedade (9).
-w0--wm -w0 -w0+wm 0 w0-wm w0 w0+wm w

Para demonstra-la vamos calcular a transformada de p(t).


 Figura 5.17: Exemplo de deslocamento espectral provocado pela modulacao de uma portadora senoi-
P () = x(t)y(t)ejt dt dal.

  

1 O deslocamento simetrico de X() e uma das operacoes mais importantes em tele-


= X()ejt d y(t)ejt dt
2 comunicacoes e e sempre realizada atraves de modulacao. A operacao de convolucao e
 

1 representada pelo esquema da Figura 5.18. O sinal x(t) e denominado de sinal de infor-
= X() y(t)ejt ejt dt d macao ou modulador, cos(0 t) e a portadora e y(t) e o sinal modulado.
2

1 x(t) y(t)
= X()Y ( )d
2 x
1
= X() Y () cqd.
2

cos(w0t)

Exemplo 5.28

Seja y(t) = cos(0 t) e x(t) um sinal generico. O sinal p(t) = x(t)y(t) = x(t) cos(0 t) Figura 5.18: Esquema para a operacao de modulacao senoidal.
e muito importante em telecomunicacoes e e o resultado da modulacao da portadora
y(t) = cos(0 t) pelo sinal x(t). Como exemplo da propriedade da modulacao, podemos calcular o espectro de um pulso
Vamos analisar o espectro de p(t). Usando a Propriedade 10 temos de RF, denido como:
cos(0 t), |t| < /2;
1
P () = X() Y (). x(t) = (5.34)
2
0, |t| > /2.
Mas sabemos que Lembrando que a transformada de um pulso retangular e dada pela expressao (5.24), entao
Y () = ( + 0 ) + ( 0 ). o espectro do pulso de RF e dado por:
O espectro P () sera o resultado da convolucao de X() com cada impulso que compoe
X() = Sa [( + 0 ) /2] + Sa [( 0 ) /2] (5.35)
Y (). Como a convolucao com impulso resulta na mesma funcao, porem deslocada do 2 2
5.5. PROPRIEDADES DA TRANSFORMADA 101 102 CAPITULO 5. TRANSFORMADA DE FOURIER

Vamos agora apresentar uma serie de pares transformados, u


teis para o desenvolvimento da teoria
da transformada de Fourier e ilustracao das propriedades. sinal(t)

Exemplo 5.29 0 t

Podemos escrever o sinal x(t) = 1 da seguinte forma: -1

x(t) = 1 = u(t) + u(t).


Sabemos que
1
U () = + (). Figura 5.19: Funcao sinal(t).
j
Usando este resultado obtemos
X() = 2(),
o qual coincide com aquele ja obtido anteriormente. Exemplo 5.31

Vamos usar a funcao sinal(t) para representar a funcao u(t).


Podemos escrever
Exemplo 5.30 u(t) = [1 + sinal(t)] /2.
Vamos denir a funcao sinal(t) (e usual encontrar a notacao sgn(t)), a qual desempenha Lembrando que {1} = 2(), este resultado conduz a
papel importante na teoria de telelcomunicacoes.
1
{u(t)} = () + ,
j
Defini
cao: conforme ja havia sido determinado anteriormente.
1, t < 0;
sinal(t)  (5.36)

1, t > 0.
Exemplo 5.32

A Figura 5.19 ilustra esta funcao. Podemos agora demonstrar a propriedade da integracao no tempo.
Vamos calcular a transformada desta funcao sinal(t). Para isto vamos escrever Para isto precisamos do seguinte resultado
   t
sinal(t) = lim eat u(t) eat u(t) .
a0
x(t) u(t) = x( ) d.
Sabemos que
1
{eat u(t)} = . Logo, a integral de um sinal no tempo pode ser expressa atraves da convolucao com a
a + j funcao u(t).
e que
1 Usando este resultado podemos calcular a transformada de um sinal y(t) denido como
{eat u(t)} = .  t
a j
Usando estes resultados, podemos escrever y(t) = x( ) d.

 
1 1
{sinal(t)} = lim .
a0 a + j a j Y () = {x(t) u(t)} = X() {u(t)},
Portanto, de onde resulta  t

2 X()
{sinal(t)} = . (5.37)  x( ) d = + X()() cqd.
j j

5.6. TRANSFORMADA DE SINAIS PERIODICOS 103 104 CAPITULO 5. TRANSFORMADA DE FOURIER

0,50

Propriedade 11 - Escalonamento no tempo.

Amplitude
1 0,25
Se x(t) X(), entao x(at) X(/a), onde a e uma constante.
|a|

Para demonstrar esta propriedade basta tomar a denicao da transformada aplicada a x(at).

... ...
0
{x(at)} = x(at) ejt dt. 50 30 -00 0 30 50

Freq
uencia (rad/s)
Fazendo at = , temos 
{x(at)} = x() ej/a d/|a|, 180

onde o modulo de a e necessario pois para valores negativos de a ocorre inversao da ordem de inte-
gracao, a qual e compensada pela troca do sinal da constante.
... 30 ...

Fase
0
30 -0 0 0

5.6 Transformada de sinais peri


odicos
-180

Vamos desenvolver uma nova formulacao para a serie de Fourier. Esta formulacao permitira tratar a
Freq
uencia (rad/s)
serie como um caso particular da transformada. Como conseq uencia, teremos uma formulacao u
nica
para os sinais periodicos e nao-periodicos.
Seja x(t) = x(t + T ), t e 0 = 2/T . Entao, a representacao de x(t) em serie sera
Figura 5.20: Espectros de freq
uencia para o trem de pulsos retangulares com largura igual a metade

 t0 +T do perodo.
1
x(t) = ck ejk0 t , ck = x(t) ejk0 t dt.
k=
T t0
Por outro lado, X() tambem apresenta componentes nas freq uencias harmonicas. Porem, estas
Como pretendemos calcular a transformada de x(t), podemos escrever componentes sao agora representadas por impulsos. A transformada precisa de impulsos para repre-
  sentar uma amplitude nita em uma determinada freq uencia, pois X() tem o carater de densidade
 de amplitudes em frequencia.
{x(t)} =  ck ejk0 t = X(). 2- Os coecientes do espectro da serie sao ck , enquanto que em X() sao 2ck
k=
Exceto pelas diferencas de representacao apontadas, as duas formas espectrais de um sinal perio-
Lembrando que a transformada e linear e que dico fornecem a mesma informacao sobre o sinal.
  Alem destas semelhancas, os coecientes ck tambem podem ser calculados atraves da transformada
 ej0 t = 2( 0 ), de Fourier de um perodo do sinal periodico. Para demonstrar, considere
temos  t0 +T

1
ck = x(t) ejk0 t dt
X() = 2 ck ( k0 ). (5.38) T t0
k=  t0 +T

1
Conseguimos assim obter uma representacao espectral de um sinal periodico. Esta representacao = x(t) ejt dt
deve conter as mesmas informacoes que o espectro da serie de Fourier do sinal. Vamos entao comparar T t0
= k0 .
as representacoes.
1- O espectro da serie e formado por amplitudes e fases das exponenciais complexas nas respectivas O termo entre as chaves na expressao anterior e uma transformada de Fourier. A integral esta
freq
uencias harmonicas, conforme ilustrado na Figura 5.20 para um trem de pulsos retangulares. abrangendo apenas um perodo de x(t). Assim, podemos interpretar o termo entre chaves como a

5.6. TRANSFORMADA DE SINAIS PERIODICOS 105 106 CAPITULO 5. TRANSFORMADA DE FOURIER

transformada de um sinal que e igual a um perodo de x(t) desde t0 ate t0 + T e que e nulo fora deste a qual e igual a`quela antes obtida.
intervalo. Podemos agora escrever
Esta interpretacao permite escrever, nalmente,


1 X() = 0 Sa(k0 /2) ( k0 )


ck =  {um perodo de x(t)} , (5.39) k=
T = k0
ou seja, os coecientes ck podem ser obtidos calculando-se a transformada de um perodo de x(t), A Figura 5.21 mostra X() bem com a envoltoria das areas dos impulsos.
entre t0 e t0 + T , dividindo por T e particularizando a transformada para as freq
uencias = k0 .
Resumindo estes resultados, seja 1
x(t) = x(t + T ), t; xT (t) = x(t), t0 < t < t0 + T e  {xT (t)} = XT ().

Amplitude
Entao,
1  

x(t) = XT (k0 ) ejk0 t ; X() = 0 XT (k0 ) ( k0 )
T n= n=

Veremos que esta alternativa para o calculo dos coecientes da serie sera mais facil que atraves
da expressao convencional, pois teremos uma tabela da transformada de varias funcoes. 30
0 -0 0
0

Exemplo 5.33
Figura 5.21: Transformada do trem de pulsos retangulares com largura igual a metade do perodo.
Vamos aplicar estes conceitos no calculo da transformada do trem de pulsos retangu-
lares com largura , conforme ilustrado na Figura 4.4 do Captulo 4. A expressao (4.17)
do Captulo 4 mostra que os coecientes ck sao dados por

sen(k0 /2) Podemos obter o resultado da expressao (5.38) de outra forma.


ck = , k = 0, c0 = /T.
k0 T /2 Seja x(t) um sinal periodico com perodo T e xT (t) um perodo de x(t). Observe que qualquer
sinal periodico pode ser escrito como
Vamos calcular estes coecientes usando a transformada de um perodo do sinal pe-
riodico. 

Como o instante t0 (incio do perodo onde calcularemos a transformada) e arbitrario, x(t) = xT (t) (t kT ),
podemos escolher aqui t0 = T /2. Seja xT (t) o perodo de x(t) que se estende desde k=
T /2 ate T /2. Sabemos que neste perodo temos apenas um pulso retangular centrado
em t = 0 e com largura . Assim, pois o sinal composto pelos impulsos e periodico com perodo T e a convolucao de um sinal com um
impulso e o proprio sinal deslocado.

1, |t| < /2; Vamos usar esta forma de expressar x(t) para calcular sua transformada.
xT (t) = Seja XT () a transformada de xT (t).

0, c.c.  

A transformada XT () deste pulso retangular e dada na expressao (5.24) e esta reprodu- {x(t)} = XT () . (t kT ) .
k=
zida a seguir
XT () = Sa( /2). Mas



Para obtermos os coecientes ck da serie formada pelos pulsos retangulares basta cal- (t kT ) = ck ejk0 t , 0 = 2/T,
cularmos 
1  k= k=
ck = XT ()  , com ck = 1/T, k. Logo,
T = k0
o que fornece  
 

2 

  (t kT ) ( k0 )
ck = Sa( /2)  = Sa(k0 /2), =
T k=
T = k0 T k=

5.6. TRANSFORMADA DE SINAIS PERIODICOS 107 108 CAPITULO 5. TRANSFORMADA DE FOURIER

Temos entao,
2 

{x(t)} = XT () . ( k0 ), 1 X()
T k=

de onde podemos escrever, nalmente,

2 

{x(t)} = XT (k0 )( k0 ),
T k=

onde 30
1 0
ck = XT (k0 ). -0 0 0
T

Exemplo 5.34
Figura 5.23: Espectro de um sinal resultante da modulacao de uma portadora composta por pulsos
No Exemplo 5.26 vimos o processo de modulacao com uma portadora senoidal. Vamos retangulares periodicos.
tratar agora de uma nova forma de modulacao onde a portadora e um trem de pulsos
retangulares, conforme ilustra a Figura 5.22. Este resultado mostra que a modulacao com um trem de pulsos faz com que o espectro
do sinal x(t) seja deslocado de forma a ter seu centro em cada frequencia harmonica que
x(t) y(t) compoe a portadora, conforme mostra a Figura 5.23.
x Podemos interpretar este resultado lembrando que qualquer sinal periodico e formado
por uma combinacao linear de exponenciais complexas harmonicas. Como cada expo-
nencial produz um deslocamento espectral igual ao valor de sua freq uencia, conclumos
que a portadora periodica ira produzir tantos espectros deslocados quantas forem suas
componentes harmonicas.
p(t)
Esta interpretacao permite perceber que a modulacao com um sinal senoidal e um caso
particular onde a portadora possui apenas duas componentes exponenciais complexas.

Figura 5.22: Esquema de modulacao usando uma portadora p(t) composta por pulsos retangulares
periodicos.

Seja x(t) um sinal modulador, a portadora p(t) e o sinal modulado y(t). A portadora
e um sinal periodico com perodo T , composto por pulsos retangulares de largura .
5.7 Tabela de transformadas
Vimos nesta secao que o espectro de p(t) e dado por
Temos a seguir varios sinais e suas transformadas de Fourier.


P () = 0 Sa(k0 /2) ( k0 ), 0 = 2/T. 1
k=
x(t) = eat u(t), a > 0 X() =
a + j
O processo de modulacao consiste em multiplicar x(t) por p(t). Logo, no domnio da 2a
x(t) = ea|t| , a > 0 X() =
freq
uencia teremos a2 + 2

1  x(t) = (t) X() = 1


Y () = X() 0 Sa(k0 /2) ( k0 ).
2 k= x(t) = 1 X() = 2()

Lembrando que a convolucao com a soma e a soma das convolucoes, obtemos x(t) = ej0 t X() = 2( 0 )


x(t) = cos(0 t) X() = ( 0 ) + ( + 0 )
Y () = Sa(k0 /2) X( k0 ).
T k= x(t) = sen(0 t) X() = j( 0 ) + j( + 0 )
5.7. TABELA DE TRANSFORMADAS 109 110 CAPITULO 5. TRANSFORMADA DE FOURIER

1, |t| < /2 ; 5.8 Exerccios
x(t) = X() = Sa( /2)

0, c.c.
1. Calcule a transformada de Fourier dos sinais a seguir.
W 1, || < W/2; Esboce os espectros de amplitude e de fase.
x(t) = Sa(W t/2) X() =
2
0, c.c. a) e2(t1) u(t 1), b) e2|t1| , c) (t + 1) + (t 1), d) d
dt
{u(2 t) + u(t 2)},


1 + t/, < t < 0 ; e) sen(2t + /4), f) 1 + cos(6t + /8).



x(t) = 1 t/, 0 < t < ; X() = Sa2 ( /2)

2. Calcule a transformada inversa de Fourier de:



0, c.c. 2, 2 < 0;
a) X() = 2() + ( 4) + ( + 4), b) X() = 2, 0 2;
1
x(t) = u(t) X() = + () 0, || > 2.
j
b) |X()| = 2u( + 3) 2u( 3), X() = 3/2 + . Determine os valores de t para os
1, t < 0;
2 quais x(t) = 0.
x(t) = sinal(t)  X() =
j
1, t > 0.
  3. Seja o sinal x(t) com transformada de Fourier X(). Expresse a transformada dos sinais a
x(t) = k= (t kT ) X() = 0 k= ( k0 ), 0 = 2/T seguir em funcao de X().
d2
a) y(t) = x(1 t) + x(1 t), b) y(t) = x(3t 6), b) y(t) = dt2
x(t 1).

4. Para cada transformada a seguir, determine se o sinal temporal correspondente e i) real, ima-
ginario ou complexo; ii) par, mpar ou sem simetria. Responda sem calcular a transformada
inversa, mas usando apenas as propriedades da transformada.
sen(2)
a) X() = u() u( 2), b) X() = cos(2)sen(/2), c) X() =
ej(2+/2) ,
 |k|
d) X() = k= (0, 5) ( k/4).

5. Considere o sinal
0, t < 0, 5,
x(t) = t + 0, 5, 0, 5 t 0, 5,

1, t > 0, 5.

a)Use as propriedades da derivada e integral no tempo para obter uma expressao analtica para
a transformada de Fourier de x(t).
b) Calcule a transformada de g(t) = x(t) 0, 5.

6. a)Use as propriedades da transformada para obter uma expressao analtica para a transformada
 2
de Fourier de x(t) = t sen(t)
t
.
b) Use o teorema de Parseval e o resultado do item a) para calcular o valor numerico de

A= x2 (t) dt.

5.8. EXERCICIOS 111 112 CAPITULO 5. TRANSFORMADA DE FOURIER

7. Seja um sinal x(t) cuja transformada e X() = () + ( ) + ( 5). Seja h(t) = i) x(t) como na Figura 5.25. j) x(t) como na Figura 5.26.
u(t) u(t 2). 2

0, 5a (2 + t), 2 < t 0;


a) Verique se x(t) e periodica.
h) x(t) = 0, 5a2 (2 t), 0 < t < 2 ;
b) Verique se x(t) h(t) e periodica.



c) A convolucao de dois sinais nao-periodicos pode ser periodica?
0, c.c.

8. Seja um sinal x(t) com transformada X(). Suponha os fatos a seguir. x(t)
1
1- x(t) e real e nao-negativo.
2- 1 {(1 + j)X()} = A e2t u(t), onde A e independente de t.
 -2
3- |X()|2 d = 2. -1 0 1 2 t
Determine uma expressao analtica para x(t).
-1
9. Considere o sinal

sen(k/4)
x(t) = (t k/4).
k=
k/4
Figura 5.25: Sinal x(t) para o item i).

a) Determine o sinal g(t) tal que


sen(t) x(t)
x(t) = g(t).
t
b) Use as propriedades da transformada de Fourier para mostrar que X() e periodica. Deter- 2
mine um perodo. 1
-1 0 1 2 3 t
10. Calcule a resposta ao impulso do sistema causal LTI representado pelo circuito da Figura 5.24.
Obtenha esta resposta ao impulso calculando a transformada inversa da resposta em frequencia
Figura 5.26: Sinal x(t)para o item j).
H() do circuito.

R L
+
+ 12. Determine a representacao em serie de Fourier para cada um dos sinais mostrados nas Figuras
x(t) C y(t) 5.27 e 5.28.
_
_
x(t)
1

Figura 5.24: Sistema LIT constitudo por um circuito.


-2 -1 0 1 2 3 4 t

11. Calcule a transformada de Fourier dos sinais a seguir.



1 + cos(t), |t| 1;
a) eat cos(0 t) u(t), a > 0 b) e3|t| sen(2t) c) x(t) =
0, |t| > 1.
Figura 5.27: Sinal periodico.
 2t sen(t) sen[2(t 1)]
d) (t kT ), || < 1
k
e) te sen(4t) u(t) f)
k=0
t (t 1)

1 t2 , 0 < t < 1; 
g) x(t) = h) n= e|t2n| 13. Calcule o espectro do sinal y(t) = x(t)p(t), onde x(t) e um sinal generico com faixa de freq
uencias
0, c.c.
5.8. EXERCICIOS 113 114 CAPITULO 5. TRANSFORMADA DE FOURIER

x(t)
2

-2 -1 0 1 2 3 4 t

Figura 5.28: Sinal periodico.

limitada a m = /(5T ) e p(t) e um sinal periodico com perodo T e cujo perodo central e

1 + 2t/T, T /2 < t 0;




pT (t) = 1 2t/T, 0 < t < T /2;





0, c.c.

14. Considere a Figura 5.29, onde x(t) e um sinal generico.

Figura 5.29: Sinal periodico.

a) Calcule o espectro do sinal y(t).


b) Suponha que o sinal x(t) tem faixa de freq
uencias limitada a m = /(5T ). Esboce o espectro
de y(t).
c) Repita o item b) para m = 4/T .
116 CAPITULO 6. RESPOSTA EM FREQU
ENCIA E FILTRAGEM

Densidade de Energia
Captulo 6

Resposta em frequ
encia e filtragem

0 0 0
4 2 0 2 4

Figura 6.1: Espectro de densidade de energia de um pulso retangular e faixas de freq


uencia ao redor
6.1 Introdu
c
ao de 0 .

Neste captulo iremos aprofundar a analise das propriedades da resposta em freq


uencia dos sistemas ou seja, uma relacao entre espectros de amplitude e outra entre espectros de fase.
LIT. Apresentaremos tambem o conceito de ltragem e deniremos os principais tipos de ltros. Observe que enquanto a resposta de amplitude |H()| do sistema multiplica o espectro de entrada
para produzir o de sada, a resposta de fase do sistema se soma ao espectro correspondente da entrada.
Vamos analisar os efeitos de cada uma destas relacoes no sinal de sada.

6.2 Magnitude e fase da transformada de Fourier


Altera
c
oes de amplitude
Vimos no Captulo 5 que a transformada de Fourier de um sinal x(t) e uma funcao complexa X().
Sendo complexa, escrevemos Iniciando pela relacao entre os espectros de amplitude, a Figura 6.2 mostra a forma de um trecho de
X() = |X()|ej X() , um sinal de voz ao longo do tempo. Mostra tambem o mesmo sinal apos passar por um sistema LIT,
onde |X()| e o espectro de amplitudes e X() e o espectro de fase. cuja resposta de amplitude mantem inalteradas as componentes espectrais nas baixas freq uencias,
Vimos ainda, pelo teorema de Parceval, que |X()|2 /2 tem o carater de densidade espectral ao passo que atenua as componentes de altas freq uencias. O efeito do SLIT sobre o espectro de
de energia e mostra como a energia de x(t) se distribui ao longo do eixo de freq uencias. Assim, se amplitude do sinal pode ser observado na Figura 6.3. La e mostrado o espectro do sinal original e do
considerarmos uma faixa de freq uencia ao redor de uma freq uencia 0 , conforme mostrado na Figura sinal apos o sistema. E evidente a acao do sistema sobre as componentes espectrais nas freq uencias
6.1, podemos calcular a energia de x(t) na faixa de freq uencias calculando a area sob a curva da mais altas. Voltando agora a` Figura 6.2, podemos constatar que a atenuacao das altas freq uencias
densidade espectral de energia. E importante observar que o calculo da energia ao redor de 0 exige implica na atenuacao das variacoes mais rapidas do sinal. Este comportamento pode ser explicado
o calculo das areas ao redor de 0 e de 0 , conforme sugere a Figura 6.1. observando que as variacoes rapidas exigem componentes senoidais com oscilacoes rapidas, ou seja,
Vamos tratar agora o caso particular da transformada de Fourier da resposta ao impulso h(t) de com altas freq uencias. Assim, ao atenuar as componentes de alta freq uencia, reduzimos a amplitude
um sistema LIT. Sabemos que a sada de um SLIT em resposta a uma entrada x(t) e y(t) = x(t)h(t). das variacoes rapidas.
Quando levamos esta relacao para o domnio da freq uencia, obtemos Os SLIT com a caracterstica daquele usado nesta analise sao denominados de filtros passa-
baixas. Sao sistemas deste tipo que usamos nos equipamentos de audio para reforcar os graves.
Y () = X() H(). (6.1) Conclumos que a forma da resposta de amplitude de um sistema LIT altera o espectro da entrada
e, portanto, altera a forma do sinal no tempo.
Discutimos no Captulo 5 que esta relacao no domnio da frequencia e importante pois simplica importante estabelecer quais as condicoes para que um sistema nao provoque alteracoes sobre
E
a obtencao da resposta do sistema e facilita sobremaneira a analise de sua atuacao sobre a entrada. um sinal, como deve ser a acao dos amplicadores. Estes devem amplicar o sinal sem modicar a sua
Por esta importancia, a funcao H() recebe o nome de funcao de transferencia do SLIT. forma. Para isto devera ter uma resposta de amplitude constante ao longo da freq uencia. Como isto
A expressao (6.1) determina duas relacoes entre a entrada e a sada: e sicamente irrealizavel, pois envolve uma energia innita, exigimos que o SLIT apresente resposta
constante apenas na faixa de freq uencia do sinal a ser amplicado, isto e, ao longo da largura do
|Y ()| = |X()| |H()|, (6.2)
espectro de amplitude do sinal. Assim, um amplicador ideal deve apresentar

Y () = X() + H(), (6.3) |H()| = constante real positiva (C) na faixa do sinal a ser amplicado.

115
6.2. MAGNITUDE E FASE DA TRANSFORMADA DE FOURIER 117 118 CAPITULO 6. RESPOSTA EM FREQU
ENCIA E FILTRAGEM

Considere o sinal

Amplitude
2
0 x(t) = 1 + 0, 5 cos(2t + 1 ) + 0, 5 cos(4t + 2 ) + cos(6t + 3 ). (6.4)
3

A Figura 6.4 mostra este sinal para quatro conjuntos distintos de valores das fases i .
t
3

Amplitude
Amplitude

2
0 1
0
a) t
t
3

Amplitude
2
Figura 6.2: Sinais antes e depois de uma ltragem passa-baixas. 1
100 0
Espec. de amplitude

b) t

Amplitude
50 3
1, 5
0 0

1, 5
100 c) t
Espec. de amplitude

Amplitude
50
2
1
0 0

d) t

Figura 6.3: Espectro de amplitude de um sinal antes e depois de uma ltragem passa-baixas.
Figura 6.4: Sinal de (6.4) com valores distintos para as fases i : a) 1 = 2 = 3 = 0 b)
Com isto, 1 = 4; 2 = 8; 3 = 12 c) 1 = 6; 2 = 2, 7; 3 = 0, 93 d) 1 = 1, 2; 2 = 4, 1; 3 = 7.
Y () = C X() = C|X()|ej X() ,
Estes sinais sao tais que as amplitudes de suas componentes senoidais foram mantidas constantes
enquanto que no tempo teremos
mas a fase de cada uma foi alterada. Estas versoes de sinal podem ser obtidas submetendo um deles,
y(t) = Cx(t).
por exemplo, o sinal da Figura 6.4a) a um sistema LIT com |H()| = 1 e com uma resposta de
Os sistemas que apresentam |H()| = 1 sao denominados de passa-tudo. fase adequada. A condicao |H()| = 1 garante que as amplitudes das componentes senoidais serao
Quando |H()| =  constante, teremos alteracao da forma do sinal devido a` alteracao do seu mantidas constantes. A resposta de fase adequada proporciona as alteracoes das fases.
espectro de amplitude. Esta alteracao pode ser desejada, como nos ltros ou equalizadores, ou pode Observe que os sinais de a) e b) sao iguais exceto por um deslocamento no eixo de tempo. Isto
ser nao-desejada, quando entao e tratada como distorcao, denominada de distorcao de amplitude. concorda com a alteracao de fase que ocorreu de a) para b). Veja que as fase em b) sao linearmente
relacionadas na mesma proporcao de suas freq uencias. Assim, as componentes senoidais sofreram
uma defasagem proporcional a` freq uencia, o que congura a acao de uma componente linear de fase,
a qual produz um deslocamento no tempo.
Altera
c
oes de fase
Nos casos c) e d) ocorreu uma alteracao nao-linear de fase. Observe que os sinais correspondentes
sao diferentes dos sinais de a) e b). Esta modicacao do sinal devido a` alteracao de fase pode nao ser
Vamos agora nos ocupar com a resposta de fase. desejada, quando entao e interpretada como resultado de uma distorcao de fase.
6.2. MAGNITUDE E FASE DA TRANSFORMADA DE FOURIER 119 120 CAPITULO 6. RESPOSTA EM FREQU
ENCIA E FILTRAGEM

A Figura 6.5 mostra outro sinal no tempo com quatro espectros distintos de fase. Observe a distorcao de amplitude e de fase:
mudanca provocada pelo acrescimo de uma componente linear de fase em contraste com o acrescimo
de uma componente nao-linear. |H()| = constante, H() = t0 . (6.5)

Esta condicao pode ser adaptada a cada tipo de sinal, usando a largura de faixa de freq uencia
1 1 do sinal. Por exemplo, suponha que um sinal a ser processado pelo SLIT tenha um espectro de
amplitudes ocupando a faixa de freq uencia 1 < || < 2 . Neste caso, basta que o SLIT satisfaca as
condicoes anteriores apenas na faixa de frequencias do sinal para que nao produza distorcoes neste
sinal.
Amplitude

Amplitude
6.3 Atraso de grupo

0 0 Vamos supor um sistema LTI com resposta em freq uencia H(). Suponha que sua resposta de fase
0 50 t 100 0 50 t 100 H() seja nao-linear ao redor de uma dada freq uencia 0 . Vimos que este comportamento resulta
a) b) em distorcao de fase.
Porem, vamos analisar o efeito desta nao-linearidade sobre um dado tipo de sinal: sinal de faixa
estreita ao redor de 0 .
0, 5 0, 5 Vamos denominar, para simplicidade da notacao a ser usada a seguir, H() = ().
Com base na Figura 6.6, podemos aproximar a resposta de fase numa faixa bastante estreita 2
ao redor de 0 por
Amplitude

Amplitude

0 0
d [()] 
() = ( 0 ) (0 ) + (0 ); | 0 | < ;  () =  = .
d 0

Da mesma forma, para a regiao simetrica, ao redor de = 0 , podemos aproximar a resposta de

1 1
0 50 t 100 0 50 t 100
c) d)

H()
0
Figura 6.5: Sinal no tempo com diferentes espectros de fase: a) sinal de referencia; b) sinal de a) 0
2

acrescido de uma componente linear de fase; c) sinal de a) acrescido de uma componente nao-linear
de fase; d) sinal de c) acrescido de uma componente linear de fase. d [H()] 
 =
d 0

Conclumos que a resposta de fase de um SLIT deve ser linear com a freq uencia para que o mesmo
nao produza distorcao de fase.
Considerando uma resposta do tipo H() = ejt0 , temos uma resposta de fase proporcional a` 0
frequencia e a constante de proporcionalidade e t0 . De acordo com a propriedade do deslocamento
no tempo da transformada de Fourier, esta resposta de fase corresponde a um atraso no tempo igual
a t0 . Assim, como no mundo fsico nao podemos adiantar um fenomeno, conclumos que a inclinacao Figura 6.6: Resposta de fase de H() e sua derivada em = 0 .
da resposta de fase linear tem que ser negativa e que o valor absoluto do coeciente angular e igual
ao atraso no tempo fase por
Como exemplo, sabemos que o ouvido humano e pouco sensvel distorcoes de fase dos sinais de () = ( + 0 ) (0 ) + (0 ); | + 0 | < .
audio. Por outro lado, o olho humano e sensvel a tais distorcoes nos sinais de imagem ou vdeo. Suponha agora um sinal s(t) cujo espectro de amplitude ocupe apenas uma faixa estreita 2
Assim, os amplicadores de audio podem apresentar resposta de fase nao-linear, enquanto que os ao redor de = o, conforme mostra a Figura 6.7a). Vamos multiplicarmos este sinal por ej0 t e por
amplicadores para vdeo nao. ej0 t gerando
Por m, podemos agora colocar as especicacoes obrigatorias para que um sistema nao produza x(t) = s(t)ej0 t + s(t)ej0 t .
6.3. ATRASO DE GRUPO 121 122 CAPITULO 6. RESPOSTA EM FREQU
ENCIA E FILTRAGEM

Observe que este sinal poderia ter sido escrito como  


y(t) = s(t t0 ) ej0 t+j(0 ) + ej0 tj(0 ) ,
x(t) = 2s(t) cos(0 t),
ou seja,
ou seja, e resultado da modulacao de s(t) com uma portadora senoidal. y(t) = 2 s(t t0 ) cos [0 t + (0 )] .
Conclumos que o sinal s(t) nao sofre distorcao de fase, mas apenas um atraso igual ao negativo da
S() derivada da resposta de fase na freq uencia 0 . Tambem nao ha distorcao de amplitude, mas apenas
1 um ganho ou atenuacao. Entretanto, o SLIT processou o sinal x(t), o qual sofre sim distorcao de fase.
Quem nao sofre distorcao e o sinal s(t), que compoe x(t) e cuja faixa de freq uencia se situa ao redor
da origem.
A Figura 6.8 ilustra um sinal s(t) e o sinal x(t) correspondente. Observe que para as hipoteses
0 assumidas para s(t) e x(t), o sinal s(t) corresponde a uma envoltoria de x(t). As hipoteses que
a) garantem esta propriedade sao: 1- s(t) tem faixa 2 ao redor de = 0; 2- x(t) e composto por s(t),
deslocando o espectro de s(t) para as freq uencias 0 ; 3- A faixa 2 de x(t) e estreita ao redor de
X() 0 , isto e, 2 << 0 .

1 1

s(t)
0 0 0

b) 2
0
t
Figura 6.7: Espectros: a) do sinal s(t); b) do sinal x(t). 2

O espectro de x(t) sera

x(t)
X() = S( 0 ) + S( + 0 ),
conforme mostra a Figura 6.7b). 2
Se colocarmos x(t) na entrada do SLIT obteremos um sinal y(t) na sada, onde t

Y () = H()X().
Figura 6.8: Sinais s(t) e x(t).
Observe que a parcela S(0 ) de x(t) e afetada apenas pela resposta do sistema em > 0, enquanto
que a parcela S( + 0 ) e afetada apenas pela resposta do sistema em < 0. Estas hipoteses sao usuais em telecomunicacoes e o sinal s(t) e denominado de envoltoria de x(t).
Vamos supor |H()| = 1, uma vez que estamos interessados apenas nos efeitos da resposta de Lembre que o sinal x(t) e o resultado da modulacao de uma portadora senoidal com s(t).
fase. Usando a aproximacao para a resposta de fase do sistema, podemos escrever Estes resultados mostram que apesar da fase do SLIT nao ser linear, a envoltoria do sinal s(t) nao
 
sofre distorcao, mas apenas atraso. Este atraso e igual ao negativo da derivada da resposta de fase
Y () = S( 0 )ej(0 ) (0 )+j(0 ) + S( + 0 )ej(+0 ) (0 )+j(0 ) . na frequencia 0 . Este e o atraso que sofre um sinal que carrega informacao em telecomunicacoes.
Por isto recebeu o nome especial de atraso de grupo. Entao:
Sabemos que s(t t0 ) S()ejt0 e que s(t t0 )ej0 t S( 0 )ej(0 )t0 . Vamos denir
d [H()] 
Definic ao: Atraso de grupo (0 )   =
t+ =  (0 ); t =  (0 ). d 0

Observe ainda que o atraso sofrido pela portadora cos [0 t + (0 )] e determinado pela resposta
Com isto podemos escrever de fase, ou seja, e o atraso convencional previsto pela propriedade da transformada de Fourier. Como
a portadora contem apenas uma freq uencia, nao tem sentido falar em distorcao de fase.
Y () = S( 0 )ej(0 )t+ ej(0 ) + S( + 0 )ej(+0 )t ej(0 ) . Finalmente, e usual usar o conceito de atraso de grupo para analisar se um sistema produz ou nao
distorcao de fase. Para isto calcula-se o atraso de grupo ao longo do eixo de freq uencias e observa-se
de onde obtemos
se a curva resultante e constante ou nao. Caso nao seja constante, indicando que o atraso de grupo
y(t) = s(t t+ )ej0 t ej(0 ) + s(t t )ej0 t ej(0 ) .
varia com a freq uencia, conclui-se que o SLIT produzira distorcao de fase. Porem, quando o atraso e
Para x(t) real temos que |X()| e funcao par enquanto que X() e funcao mpar. Portanto, constante, nao podemos armar que nao sera produzida distorcao, uma vez que uma resposta de fase
 (0 ) =  (0 ). Logo, t+ = t = t0 . Por outro lado, (0 ) = (0 ) Com isto podemos escrever do tipo H() = sinal() tem atraso constante mas produz distorcao de fase.
6.4. FILTROS IDEAIS 123 124 CAPITULO 6. RESPOSTA EM FREQU
ENCIA E FILTRAGEM

H()
1

Exemplo 6.1

A Figura 6.9 mostra uma resposta de fase e o atraso de grupo correspondente.


c 0 c
Resposta de fase

Figura 6.10: Resposta em freq


uencia de um ltro passa-baixas ideal.

do ltro a ser projetado. Assim, existe uma regiao de folga tanto para a faixa de passagem como para
/2 a de rejeicao. Observe tambem que e permitida uma transicao suave.
0
Por m, resposta de fase de um ltro ideal e nula ou linear na faixa de passagem de modo a
nao produzir distorcao de fase nesta faixa. Fora da faixa de passagem, a resposta de fase pode ser
Atraso de grupo

0, 1
qualquer pois a resposta de amplitude e nula. Esta caracterstica de fase tambem e irrealizavel e um
ltro pratico apresenta resposta semelhante a`quela mostrada na Figura 6.11.

0 1
0

Amplitude
Figura 6.9: Resposta de fase e atraso de grupo correspondente. 0 c
0
0

Fase
240

480
0 c
6.4 Filtros ideais
Figura 6.11: Resposta de amplitude e de fase de um ltro passa-baixas realizavel.
Defini
cao: Filtro e todo sistema que seleciona parte do espectro de um sinal.

Existem quatro tipos basicos de ltros: passa-baixas, passa-altas, passa-faixa e rejeita-faixa. |H(w)|
A Figura 6.10 mostra a resposta em freq uencia de um ltro passa-baixas ideal. Observe que o
1+d1
ltro tem uma resposta de amplitude unitaria constante desde a freq uencia zero ate c . A partir
desta frequencia a resposta e nula. A faixa de freq uencias desde zero ate c e denominada de faixa 1- d1

de passagem, enquanto que a faixa a partir de c e a faixa de rejeicao. A freq uencia c e denominada
de freq
uencia de corte. faixa de
Esta caracterstica de ltro passa-baixas e ideal devido aos seguintes aspectos: 1- a resposta na passagem

faixa de passagem e constante e, portanto, nao deforma o espectro do sinal a ser ltrado que se faixa de rejeio

enquadra nesta faixa; 2- a resposta na faixa de rejeicao e nula, eliminando completamente o espectro d2
do sinal nesta faixa; 3- a transicao entre a faixa de passagem e a de rejeicao tem derivada innita. faixa de
transio
Nenhuma destas caractersticas ideais e realizavel com os circuitos disponveis. Logo, a resposta
0
de amplitude dos ltros praticos tem caractersticas semelhantes a`quela da Figura 6.11. Observe que 0 wp wr w
a resposta na faixa de passagem nao e constante, a transicao e suave e a rejeicao nao e total.
A Figura 6.12 mostra a forma tpica como sao fornecidas as especicacoes para a resposta de
amplitude de um ltro passa-baixas. As regioes hachuradas sao proibidas para a evolucao da resposta Figura 6.12: Mascara de especicacao de um ltro passa-baixas.
6.4. FILTROS IDEAIS 125 126 CAPITULO 6. RESPOSTA EM FREQU
ENCIA E FILTRAGEM

A Figura 6.13 mostra a resposta em freq uencia de um ltro passa-altas ideal. Valem aqui as 6.5 Exerccios
mesmas consideracoes que foram feitas para o ltro passa-baixas ideal. Observe que a resposta de
amplitude do ltro passa-altas ideal pode ser escrita como: Hpaideal () = 1 Hpbideal (), onde
Hpaideal () e a resposta de amplitude de um ltro passa-altas ideal com a mesma freq
uencia de corte 1. Considere um sistema LIT com resposta ao impulso real h(t) e funcao de transferencia H().
que a de um ltro passa-baixas ideal com resposta Hpbideal (). Suponha que apliquemos x(t) = cos(0 t + ) na entrada deste sistema. A resposta pode ser
escrita na forma y(t) = A x(t t0 ), onde A e uma constante real nao-negativa e t0 e um atraso.

H() a) Expresse A em termos de |H()|.


... 1 ... b) Expresse t0 em termos de H().
c) Repita para x(t) = sen(0 t + ).

2. Considere um sistema LIT causal e estavel com H() = (1 j)/(1 + j).


c 0 c
a) Mostre que |H()| = A e determine o valor de A.
b) Determine quais das seguintes armacoes sobre o atraso de grupo () do sistema sao ver-
Figura 6.13: Resposta de freq
uencia de um ltro passa-altas ideal. dadeiras:
i - () = 0 para > 0, ii - () > 0 para > 0, iii - () < 0 para > 0.
A Figura 6.14 mostra a resposta em freq
uencia de um ltro passa-faixa ideal. Observe que agora
temos duas freq
uencias de corte.
3. Considere um ltro ideal passa-faixa com
H() 
1 1, c || 3c ;
H() =
0, c.c.

a) Se h(t) e a resposta ao impulso deste ltro, determine a funcao g(t) tal que h(t) = (sen(c t)/(t)) g(t)
b) Considere que c e aumentada. A resposta ao impulso h(t) se torna mais ou menos concen-
c2 c1 0 c1 c2 trada ao redor da origem?

4. Um ltro LIT causal tem a funcao de transferencia H() mostrada na Figura 6.16. Determine
Figura 6.14: Resposta de freq
uencia de um ltro passa-faixa ideal. a sada do ltro para cada um dos sinais de entrada listados a seguir.

Por m, a Figura 6.15 mostra a resposta em freq


uencia de um ltro rejeita-faixa ideal. H(w)

2j
H()
... 1 ...
1
-1 w

c2 c1 0 c1 c2
-2j

Figura 6.15: Resposta de freq


uencia de um ltro rejeita-faixa ideal.
Figura 6.16: Resposta em freq
uencia de um ltro.

a) x(t) = ejt , b) x(t) = sen(0 t) u(t), c) X() = 1/[j(6 + j)], d) X() = 1/(2 + j).
6.5. EXERCICIOS 127 128 CAPITULO 6. RESPOSTA EM FREQU
ENCIA E FILTRAGEM

H(w)
|H(w)|
1 p/2

-3p
-3p 0 3p w 0 3p w

-p/2

Figura 6.17: Resposta em freq


uencia de um diferenciador passa-baixas.

5. Na Figura 6.17 esta mostrada a funcao de transferencia de um ltro LIT denominado diferen-
ciador passa-baixas. Determine a sada do ltro para cada um dos sinais de entrada listados a
seguir.

a) x(t) = cos(2t + ), b) x(t) = cos(4t + ),


c) x(t) e um sinal senoidal reticado em meia-onda, isto e,

sen(2t), k t k + 0, 5, k Z;
x(t) = .
0, k + 0, 5 < t k + 1

uencia de corte c . Determine a resposta ao


6. Considere um ltro passa-baixas ideal com freq
impulso do ltro para cada uma das respostas de fase a seguir.

a) H() = 0, b) H() = T , onde T e uma constante; c) H() = (/2) sinal().

7. Considere um ltro passa-baixas ideal com freq


uencia de corte c = 200. Determine a resposta
ao impulso real do ltro quando o seu atraso de grupo e um dos valores a seguir.

a) i) () = 5, ii) () = 5/2, iii) () = 5/2.


b) Se a resposta ao impulso nao fosse restrita ao caso real, o conhecimento de |H()| e de ()
seria suciente para determinar univocamente a resposta ao impulso?

8. Calcule o atraso de grupo para as funcoes de transferencias a seguir e verique se o sistema


correspondente tem fase linear.

a) H() = 1/(a+j), a=constante real b) H() = 1/(1 + j)2 , c) H() = 1/[(1+j)(2+j)].

9. Expresse a resposta em frequencia de um ltro passa-faixa ideal em funcao da resposta de um


ltro passa-baixas ideal adequado. Determine a relacao correspondente no domnio do tempo.
130 CAPITULO 7. AMOSTRAGEM DE SINAIS

x(t)
Captulo 7 0
-2T -T 0 T 2T 3T t

Amostragem de sinais

x(t = nT )
1

0
-2T -T 0 T 2T 3T t

7.1 Introdu
c
ao Figura 7.1: Um sinal contnuo no tempo e suas amostras nos instantes t = nT .

Neste captulo trataremos da amostragem de sinais contnuos. A amostragem consiste em tomar conforme mostrado na Figura 7.2. Uma forma de amostrarmos x(t) e multiplicarmos este sinal por
amostras de um sinal contnuo regularmente espacadas no tempo. Portanto, gera um sinal discreto T (t), ou seja,
no tempo correspondente ao sinal contnuo original. xa (t) = x(t) T (t),
Estabeleceremos tambem as condicoes para que o sinal sinal contnuo original possa ser recuperado
a partir das suas amostras. onde xa (t) e o sinal resultante da amostragem.
Usando os resultados das questoes acima, deniremos a transformada de Fourier para sinais dis- Usando a denicao em (7.1), temos
cretos e mostraremos que esta e um caso particular da transformada para sinais contnuos.


Por m, trataremos da representacao dos sistemas discretos no domnio da freq uencia, denindo xa (t) = x(t) (t nT )
a funcao de transferencia e os ltros ideais discretos. n=



= x(nT )(t nT ).
7.2 Teorema da amostragem n=

A Figura 7.2 mostra uma ilustracao deste processo e o sinal xa (t) resultante. Observe que o valor
Seja x(t) um sinal contnuo no tempo. Vamos tratar da amostragem de x(t) no tempo, com amostras das amostras do sinal x(t) estao representadas pelas areas dos impulsos do sinal xa (t).
regularmente espacadas de T segundos, formando uma seq uencia de valores ordenados x(nT ), n Z. Embora este processo de amostragem nao seja realizavel, ele e interessante dada a facilidade
A Figura 7.1 mostra um exemplo para x(t) e as suas amostras tomadas nos instantes t = nT . que oferece para a analise das conseq uencias da amostragem. Veremos mais adiante que o processo
Considere que x(t) tem faixa de frequencias limitada a m rad/s. O desenvolvimento a seguir empregado na pratica pode ser descrito com facilidade usando os resultados que serao alcancados com
mostrara que as amostras de x(t), tomadas a intervalos regulares de T segundos, contem toda a esta amostragem ideal.
informacao de xc (t), desde que T < /m . Lembrando que = 2f , onde f e a frequencia expressa O desenvolvimento das conseq uencias da amostragem sera realizado no domnio da freq uencia.
em Hertz, entao m = 2fm . Com isto, a condicao sobre o intervalo T de amostragem pode ser Entao, vamos calcular a transformada de Fourier de xa (t).
expressa como T < 1/(2fm ). Vimos que a transformada da funcao T (t) e
Para demonstrar o resultado acima, vamos usar um processo ideal de amostragem, conforme
detalhado a seguir. 

 {T (t)} = s ( ks ),
k=

7.2.1 Amostragem te
orica atrav
es de um trem peri
odico de impulsos onde s = 2/T e e denominada de frequencia de amostragem.
Usando este resultado e lembrando que o produto no tempo gera a convolucao em freq
uencia,
Considere a funcao pente (t) temos


1 
T (t) = (t nT ). (7.1) Xa () = s X() ( ks ).
n=
2 k=

129
7.2. TEOREMA DA AMOSTRAGEM 131 132 CAPITULO 7. AMOSTRAGEM DE SINAIS

1
X()
T

T (t)
1

0
-2T -T 0 T 2T 3T t
m 0 m

1
x(t)

Figura 7.3: Espectro de um sinal generico x(t).

0 Xa ()
-2T -T 0 T 2T 3T t X( + s ) X( s ) X( 2s )
1
... T
...
xa (t)

s m 0 m s 2s
-2T -T 0 T 2T 3T t

Figura 7.2: A funcao pente(t), um sinal contnuo no tempo e suas amostras nos instantes t = nT Figura 7.4: Espectro do sinal xa (t).
obtidas com a funcao pente(t).
Vamos tratar agora da questao da recuperacao do sinal original a partir do sinal amostrado xa (t).
Esta questao sera tratada no domnio da freq uencia.
Porem, a convolucao de uma funcao com um impulso reproduz a funcao dotada do deslocamento do Recuperar o sinal original x(t) signica recuperar o espectro X() a partir de Xa (). Observe que
impulso. Assim, se o espectro do sinal original tem faixa de freq uencias limitada a m , e se s m e maior que m ,
1 

Xa () = X( ks ). (7.2) entao a parcela X() na Figura 7.4 nao tem interseccao com as parcelas X( m ) e X( + m ), ou
T k= seja, as posicoes relativas destas parcelas e semelhante a`quela mostrada na Figura 7.4. Neste caso,
o espectro X() do sinal original esta intacto em Xa (), exceto por uma alteracao de amplitude.
Conclumos que o sinal resultante da amostragem tem um espectro composto por innitas replicas Assim, se for possvel extrair esta parcela de Xa (), obteremos o sinal original.
de X() divididas por T e deslocadas de s entre si. Podemos extrair a parcela central de Xa () usando um ltro passa-baixas analogico ideal com
frequencia de corte entre m e s m e ganho T , conforme mostra a Figura 7.5.
Uma das conseq
uencias mais importantes produzidas pela amostragem e:
Xa ()
O espectro do sinal amostrado
e peri
odico com perodo s = 2/T .
T Hr ()
A Figura 7.3 mostra o espectro de um sinal x(t) generico. A forma triangular de X() e mera X( + s ) 1 X( s ) X( 2s )
uencia limitada a m .
conveniencia graca. Observe que este espectro tem faixa de freq ... T
...
A Figura 7.4 mostra o espectro de um sinal xa (t) correspondente ao espectro da Figura 7.3.
Podemos colocar as seguintes conclusoes sobre o espectro do sinal amostrado xa (t):

Xa () e periodico com perodo s = 2/T . s -s /2 0 s /2 s 2s


O perodo de Xa () e inversamente proporcional ao intervalo de amostragem T . As-
sim, quanto menor T , mais proximas entre si as amostras no tempo e mais espacados
Figura 7.5: Espectro de um sinal amostrado e a resposta em freq
uencia de um ltro passa-baixas
os espectros do sinal original x(t) que foi amostrado. No limite com T , o sinal
ideal para recuperacao do sinal original.
amostrado sera o proprio sinal contnuo e o espectro Xa () sera igual a X().
Os espectros X( ks ) que compoem Xa () sao multiplicados por 1/T . Na sada do ltro teremos o espectro do X() e, portanto, o sinal x(t). Para isto basta que
7.2. TEOREMA DA AMOSTRAGEM 133 134 CAPITULO 7. AMOSTRAGEM DE SINAIS

o espectro X() tenha faixa de freq uencias limitada a m e que s seja maior que 2m . Porem,
s = 2/T , o que indica que o intervalo de amostragem T deve ser tal que T < 2/2m . De outra
forma, T < 1/2fm . 1
Podemos entao assegurar que o sinal original sera recuperado se duas condicoes forem satisfeitas: T

uencias limitada a m rad/s,


1- se x(t) tem faixa de freq
2- se
2 1 0
s > 2 m ou T < ou ainda T < . (7.3) 0 -0 0 0 s
2m 2fm
Caso a condicao s > 2m nao seja respeitada, os espectros deslocados se sobrepoem conforme
mostra a Figura 7.6. Os tracos pontilhados nesta gura representam os espectros deslocados, enquanto
que a linha cheia representa o espectro resultante. Neste caso nao e possvel recuperar o sinal original
1
contnuo no tempo pois o espectro ao redor de zero sofre distorcao pela sobreposicao dos seus vizinhos. T

Xa ()
X( + s ) 1 X( s )
... T
... 0
0 s + 0 0 s 0 0 s

Figura 7.7: Espectro do sinal x(t) = cos(0 t) sem sobreposicao espectral e com sobreposicao.
s m 0 m s

Figura 7.6: Espectro de um sinal amostrado com sobreposicao entre os espectros deslocados. Podemos entao enunciar o Teorema da Amostragem da seguinte forma.

Os sinais na natureza nao apresentam limitacoes precisas de largura espectral. Esta limitacao e Um sinal x(t) contnuo no tempo e completamente representado por suas amostras colhidas
sempre estabelecida atraves de ltragem do sinal de acordo com especicacoes padronizadas. Por uencia limitada a m rad/s e
a intervalos T desde que o espectro do sinal tenha faixa de freq
exemplo, o sinal de voz de telefonia tem, de acordo com padrao internacional, faixa de freq uencias que o intervalo T seja tal que T < /m ou T < 1/2fm . As amostras representam o sinal
compreendida entre 300 Hz e 3800 Hz, estabelecida atraves de ltro com especicacoes padronizadas. no sentido de que x(t) pode ser recuperado de forma exata. A recuperacao se faz com um
Como conseq uencia, a freq
uencia de amostragem e padronizada em 8000 Hz , isto e, sao tomadas filtro passa-baixas ideal com ganho T e frequencia de corte c tal que m < c < s m ,
8000 amostras por segundo. Da mesma forma, o sinal de audio tem faixa de freq uencias limitada a 20 onde s = 2/T .
KHz atraves de ltragem passa-baixas. A taxa de amostragem padronizada e de 44.100 amostras/s.
Por m, o sinal de vdeo tem faixa de freq
uencias entre 4, 5 MHz e 5, 0 MHz e, em geral, a taxa de
Defini
cao: Taxa de Nyquist = 2m amostras/s
amostragem e de 10 Mamostras/s.
Defini
cao: Feq
uencia de amostragem de Nyquist = 2m

Exemplo 7.1
7.2.2 Amostragem com pulsos ou amostrador-segurador (sample-hold)

Vamos considerar a amostragem do sinal x(t) = cos(0 t). Observe que o sinal senoidal Vamos empregar os resultados da secao anterior para analisar o processo de amostragem conforme
tem faixa de freq limitada a 0 rad/s. Logo, o teorema da amostragem sera respeitado ele e implementado sicamente.
uencia de amostragem s for maior que duas vezes 0 . A Figura 7.7 mostra o
se a freq A amostragem com os circuitos amostradores-seguradores emprega pulsos retangulares periodi-
resultado da amostragem para dois valores da freq uencia de amostragem. O primeiro valor cos com perodo T , cujas amplitudes sao condicionadas pelo valor da amostra do sinal no instante
respeita o teorema da amostragem, enquanto que o segundo nao. correspondente, conforme mostra a Figura 7.8
Podemos notar que no primeiro caso temos os impulsos nas freq uencias 0 e os Vamos descrever as consequencias desta forma de amostragem usando os resultados da secao
demais impulsos ao redor de m ultiplos de s , isto e, estes conjuntos de impulsos estao anterior. Para isto observe que o sinal amostrado xas (t) pode ser escrito como
claramente separados. Ja no segundo caso, os impulsos nas freq uencias (s 0 ) estao


mais proximos da origem que aqueles em 0 . Assim, `a primeira vista pode parecer que xas (t) = x(t = nT ) p(t nT ),
estamos tratando de um sinal senoidal na freq uencia s 0 . n=
7.2. TEOREMA DA AMOSTRAGEM 135 136 CAPITULO 7. AMOSTRAGEM DE SINAIS

x(t)

Sa( /2)
1
... T
...
0 T 2T 3T t

Figura 7.8: Amostragem do sinal x(t) atraves de pulsos retangulares.


s m 0 m s
onde p(t) descreve um pulso retangular com amplitude unitaria, incio em t = 0 e nal em t = .
Observe que o trem de pulsos retangulares pode ser expresso usando a funcao T (t) da seguinte
forma. Figura 7.9: Espectro gerado pela amostragem ideal e o fator multiplicativo devido a` amostragem por
 

pulsos retangulares.
p(t nT ) = p(t) (t nT ).
n= n=

Usando este resultado, o sinal amostrado xas (t) sera


4- O sinal resultante da correcao da distorcao e identico `aquele que e obtido com a amostragem


ideal. Logo, e regido pelo teorema da amostragem.
xas (t) = p(t) x(nT ) (t nT ).
n=
O equalizador para correcao da distorcao produzida pelo fato de usarmos pulsos retangulares e
nao impulsos, e conhecido como filtro 1/[sen(x)/x] e faz parte de todos os sistemas de recuperacao
O fator de um sinal contnuo no tempo a partir de suas amostras nos sistemas praticos.



x(nT ) (t nT ) = x(t) (t nT ) Observe, por m, que, conforme mostra a Figura 7.10, este equalizador atua apenas na faixa
n= n= correspondente ao ltro passa-baixas ideal para recuperacao do sinal contnuo. Tambem, e usual
e o sinal amostrado com a amostragem ideal. Logo seu espectro e conhecido. O espectro de p(t) associar o equalizador e ltro ideal em um u nico sistema, resultando na resposta mostrada na Figura
tambem e conhecido. Entao podemos calcular a transformada de Fourier de xas (t) como 7.10.

1 

Xas () = Sa( /2)ej /2 X( ks )
T k=
T

Heq ()
ou seja,
Xas () = Sa( /2)ej /2 Xa ()
Como Xa () e o espectro que resultou da amostragem ideal, conclumos que o espectro Xas () e
igual a Xa () exceto pelo fator multiplicativo representado pela funcao Sa, conforme mostra a Figura
7.9. O fator ej /2 representa apenas uma componente linear de fase e, portanto, um atraso no 0
tempo. -s /2 0 s /2
Podemos entao colocar as seguintes observacoes:
1- O espectro Xas () possui as versoes deslocadas do espectro do sinal original, porem nao e
Figura 7.10: Resposta em freq
uencia de um equalizador para corrigir a distorcao provocada pela
periodico.
amostragem com pulsos retangulares e simultaneamente ltrar o sinal amostrado para recuperacao
do sinal contnuo.
2- Os espectros deslocados estao multiplicados pelo fator Sa( /2)ej /2 . Logo, como esta curva
varia com a freq
uencia , estes espectros estao deformados.

3- A deformacao causada pelo fator multiplicativo pode ser corrigida passando o sinal amostrado
por um equalizador com uma resposta em freq uencia igual ao inverso do fator multiplicativo, ou seja,
7.2.3 Processo de recupera
c
ao no domnio do tempo
1
Heq () =
Sa( /2)
Vamos analisar o processo de recuperacao do sinal contnuo usando as ferramentas do domnio do
Observe que o fator exponencial ej /2 nao precisa ser corrigido por representar apenas um atraso. tempo, reproduzindo o processo elaborado no domnio da freq uencia.
7.3. SEQU
ENCIAS 137 138 CAPITULO 7. AMOSTRAGEM DE SINAIS

O processo de recuperacao consiste em ltrar o sinal amostrado com um ltro passa-baixas ideal
uencia de corte s /2 e ganho T , ou seja,
com freq

X() = Xa ()Hpb ().

No domnio do tempo temos x(0) Sa(s t/2)


x(t) = xa (t) hpb (t).
Lembrando que

2)
)/



2T
xa (t) = x(t) (t nT ) = x(nT ) (t nT ),

t
n= n=

s(

e que 

a(
s T s t

)S
hpb (t) = Sa ,

2T
2 2


x(
temos 


s T s t
x(t) = x(nT ) (t nT ) Sa .
n=
2 2
0
Lembrando que s = 2/T e realizando a convolucao resulta nalmente


 
s (t nT )
x(t) = x(nT ) Sa . (7.4)
2
n=
2T T 0 T 2T 3T t
Esta expressao mostra que o sinal original x(t) pode ser expresso como uma combinacao linear
de funcoes Sa(t) deslocadas e ponderadas pelas amostras de x(t). Esta expressao e conhecida como
f
ormula de interpola c
ao de um sinal e tem aplicacoes praticas. Figura 7.11: Ilustracao do processo de reconstrucao de um sinal contnuo a partir de suas amostras.
A Figura 7.11 mostra um exemplo do processo de composicao do sinal x(t) atraves da formula de
interpolacao. coerente com aquela usada nos captulos iniciais. Com isto, por exemplo, a operacao de convolucao
Observe que as funcoes Sa(t) estao deslocadas de T entre si e que todas cruzam por zero no ponto entre duas seq
uencias de amostras x(nT ) e h(nT ), que seria escrita como
de maximo de cada funcao deslocada. Portanto, todas as funcoes deslocadas nao interferem sobre
estes pontos de maximo. Dado que a amplitude destes maximos sao os valores correspondentes das 

amostras do sinal, estes maximos ja apresentam a amplitude correta para a representacao do sinal y(nT ) = x(kT )h(nT kT ),
contnuo nos instantes nT . Fora destes instantes, as amplitudes do sinal contnuo sao formadas pela k=

soma de todas as funcoes Sa(t) deslocadas.


passa a ser escrita como


y[n] = x[k]h[n k].
7.3 Sequ
encias k=

Vamos denir aqui o conceito de seq uencia conforme usualmente empregado no processamento de
sinais discretos. 7.4 A transformada de Fourier dos sinais discretos
Neste contexto, uma seq uencia representa uma lista ordenada de n umeros. A ordem e indicada
por uma variavel de contagem, como se faz para a representacao de dados armazenados na memoria
de um computador usando uma variavel indexada. A ausencia do parametro T nas expressoes envolvendo seq uencias motiva a denicao de um nova
As amostras x(nT ) de um sinal x(t) podem ser representadas por uma seq uencia de n
umeros x[n]. expressao para a transformada de Fourier a ser utilizada no contexto das seq
uencias.
O intervalo de amostragem T nao e explicitado no ambito de uma seq uencia, por conveniencia. Vimos que o sinal resultante da amostragem ideal de um sinal contnuo x(t) com intervalo T entre
Podemos interpretar os n umeros x[n] como uma variavel indexada que contem o valor da amostra amostras e escrito como
correspondente.



Esta notacao para seq
uencias e adequada para a representacao das amostras em um computador, xa (t) = x(t) (t nT ) = x(nT ) (t nT ).
como, por exemplo, quando as amostras estao armazenadas em memoria. Tambem, e uma notacao n= n=
7.4. A TRANSFORMADA DE FOURIER DOS SINAIS DISCRETOS 139 140 CAPITULO 7. AMOSTRAGEM DE SINAIS

Lembrando que  {(t)} = 1 e usando a propriedade do deslocamento no tempo temos: Por m e importante perceber que a transformada de Fourier para seq uencias ou sinais discretos
e um caso particular da transformada de Fourier estudada no Captulo 5. Isto porque a expressao


(7.6) descreve a transformada de Fourier usual de um sinal. Neste caso o sinal e composto por uma
Xa () = x(nT ) exp(jT n); para amostras. (7.5)
n=
seq
uencia de impulsos e, portanto, e discreto no tempo. Porem, a transformada empregada e aquela
denida no Captulo 5 e, assim, o resultado desta operacao e o espectro usual de Fourier.
Partindo desta expressao denimos a transformada de Fourier para seq
uencias como

Esta conclusao indica que todas as propriedades estudadas no Captulo 5 s
ao validas para
X()  x[n] exp(jn); para seq
uencias, (7.6) a transformada de Fourier para os sinais discretos.
n=

onde Portanto, nao estudaremos as propriedades da transformada de Fourier para seq


uencias.
= T ou = 2f T. (7.7)
A variavel contnua e igual a` freq
uencia em radianos por segundo normalizada pelo intervalo X(w)
1
de amostragem T associado ao processo de amostragem. Quando tratamos com seq uencias que nao
decorrem de um processo de amostragem, podemos considerar T = 1. Denominamos de freq uencia a)
angular normalizada da representacao discreta no tempo ou, conforme alguns autores, radianos por
amostra. -wm 0 wm w
A condicao suciente para a convergencia uniforme da transformada de Fourier X() e dada por:
 
  
  Xa(w)
|X()| =  x[n] exp(jn) |x[n]| < ,
  b) 1/T
n= n=

o que implica em


wm w
|x[n]| < . (7.8) -2p/T -wm 0 2p/T
n=

Vimos que a transformada de Fourier Xa () de um sinal amostrado e periodica com perodo


s = 2/T . A transformada de Fourier X() tambem e periodica com perodo s = s T = 2, ou X(W)
seja, c) 1/T
X() = X( + k2); k inteiro. (7.9)
A Figura 7.12 mostra a comparacao entre os eixos de freq uencia para f, e e a Figura 7.13
mostra a relacao entre os espectros de freq
uencias de um sinal analogico, da transformada de Fourier -2p -wmT 0 wmT 2p W
de suas amostras e da transformada de Fourier da seq uencia correspondente. Em geral desenhamos
o espectro X() apenas no intervalo < ou 0 < 2, devido a` sua periodicidade com
perodo 2. Adicionalmente, para o caso particular de seq uencias reais, onde o espectro de amplitude
possui simetria par e o espectro de fase possui simetria mpar, e comum representarmos o espectro Figura 7.13: Comparacao entre espectros de freq uencia: a) sinal contnuo, eixo ; b) sinal com
apenas no intervalo 0 < . amostragem ideal, eixo ; c) seq
uencia correspondente, eixo normalizado .

-1/T 0 1/T f(Hz)

7.4.1 Transformada inversa


-2p/T 0 2p/T w(rad/s)
Vamos mostrar que a transformada inversa de um espectro X() e dada por:

2
-2p 0 2p W(rad) 1
x[n] = X() ejn d. (7.10)
2
0

Figura 7.12: Comparacao entre eixos de freq


uencias. Para tanto, temos:

7.5. CALCULO DA TRANSFORMADA DE ALGUMAS SEQU
ENCIAS 141 142 CAPITULO 7. AMOSTRAGEM DE SINAIS

X(W)
2 2 
1
X() ej n d = x[k]ejk ejn d (7.11)
0 0 k=


2 -p 0 p W
= x[k] ej(nk) d.
k= 0
Figura 7.14: Espectro de freq
uencias da seq
uencia impulso unitario.
Mas:
nao existe a transformada de Fourier.
2 
0; k = n
ej(nk) d = 3- seq
uencia retangular
2; k = n.
0 
Portanto, usando esta u
ltima igualdade na expressao (7.11) teremos nalmente a expressao de 1, 0  n  N 1;
rN [n]  (7.15)
(7.10). 0, c.c.
A transformada de Fourier de rN [n] e calculada da seguinte forma:

7.5 C
alculo da transformada de algumas sequ
encias


RN () = rN [n] exp(jn)
Vamos calcular o espectro de freq
uencias normalizadas de algumas seq
uencias importantes. n=


N 1

1- seq
uencia impulso unit
aria = exp(jn),
 n=0
1, n = 0;
[n]  (7.12) ou seja, temos a soma de uma progressao geometrica com razao exp(j). Lembrando que tal soma
0, n = 0.
e dada por:
A transformada de Fourier desta seq
uencia e calculada como:
elemento inicial elemento f inal raz
ao
S= , (7.16)
1 raz
ao


X() = x[n] exp(jn) podemos escrever:
n=
1 ejN

RN () = . (7.17)
= [n] exp(jn). 1 ej
n=
Esta expressao pode ainda ser alterada da seguinte forma:
Da resulta :  
ejN /2 ejN /2 ejN /2
RN () = ,
X() = 1. (7.13) ej/2 (ej/2 ej/2 )
de onde resulta
A Figura 7.14 apresenta o espectro de freq uencias discreto desta seq
uencia. Este e constante ao
longo do eixo normalizado de freq
uencias, da mesma forma como o espectro da funcao Delta de Dirac. sen (N /2)
RN () = ej(N 1)/2 . (7.18)
sen (/2)
2- seq
uencia degrau unit
ario Os espectros de amplitude e de fase associados a` transformada de Fourier desta seq
uencia para o
 caso de N = 7 estao mostrados na Figura 7.15.
1, n 0; Observamos pelo graco de magnitude que RN ( = 0) = N , o que tambem pode ser comprovado
u[n]  (7.14)
0, n < 0. aplicando a regra de l Hopital para o calculo do valor de RN () em = 0. Observamos ainda que
Dado que: no intervalo 0  < 2 existem seis cruzamentos por zero nos pontos 2k/N ; k = 1, 2, ..., 6. Tais
cruzamentos sao marcados pelas descontinuidades da derivada de |RN ()| e pelos saltos da resposta



de fase nos pontos correspondentes, saltos estes com amplitude de , indicando, cada um deles, uma
|x[n]| = u[n] ,
inversao da polaridade da funcao RN ().
n= n=0

7.5. CALCULO DA TRANSFORMADA DE ALGUMAS SEQU
ENCIAS 143 144 CAPITULO 7. AMOSTRAGEM DE SINAIS

|X()|
|R(W)|
2

0
0 /2 3/2 2
0 p/2 p 3p/2 W 1
a)
0, 5

X()
0
-0, 5
arg{R(W)}(rad)

1
0 /2 3/2 2

Figura 7.16: Espectro de freq uencia x[n] = an u[n] com a = 0, 8.


uencias normalizadas para a seq

0 p/2 p 3p/2 W
6
b)

|X()|
Figura 7.15: Espectro de freq
uencias da seq
uencia retangular com N = 7.
2
4- seq
uencia exponencial real
0
x[n] = an u[n], a = constante real e |a| < 1. (7.19) 0 /2 3/2 2
Esta seq uencia desempenha um papel bastante destacado no processamento de sinais discretos, 1
em particular na analise de sistemas lineares.
Com base na expressao (7.16), podemos facilmente deduzir que a transformada de Fourier desta 0, 5

X()
seq
uencia e dada por:
0
1
X() = . (7.20) -0, 5
1 aej
As Figuras 7.16 e 7.17 apresentam dois exemplos de curvas associadas a` funcao espectral em (7.20). 1
0 /2 3/2 2

Figura 7.17: Espectro de freq uencia x[n] = an u[n] com a = 0, 8.


uencias normalizadas para a seq

7.5. CALCULO DA TRANSFORMADA DE ALGUMAS SEQU
ENCIAS 145 146 CAPITULO 7. AMOSTRAGEM DE SINAIS

Este resultado conrma a propriedade do produto no tempo associado a` convolucao


em freq uencia.
Observe que a convolucao neste caso e realizada apenas em um perodo dos espectros
Exemplo 7.2 periodicos. O resultado desta convolucao e periodico com perodo 2.
Vamos tratar da propriedade da convolucao no tempo no contexto da transformada
para seq
uencias.
Suponha a convolucao

y[n] = x[k]h[n k]. 7.6 Filtros discretos no tempo
k=

Vamos calcular a transformada de Fourier para seq


uencias desta relacao. As Figuras 7.18 ate 7.21 mostram as caractersticas do ltros discretos ideais. Observe que elas sao
  identicas `aquelas dos sistemas contnuos exceto pela periodicidade da resposta em frequencia. Dado
 
Y () = x[k]h[n k] ejn que a resposta ao impulso de um sistema discreto e uma seq uencia, sua transformada gera uma funcao
n= k= de transferencia periodica.
 


Filtro passa-baixas ideal - Figura 7.18
jn
= x[k] h[n k]e
k= k= Hpb(W)


= x[k]H()ejk 1
k=



= H() x[k]ejk -2p -p -Wc 0 Wc p 2p W
k=

= H()X().
Figura 7.18: Resposta em freq
uencia de um ltro discreto ideal passa-baixas.
Este resultado conrma a propriedade da convolucao no tempo.
O filtro seleciona as freq
uencias ao redor de = 0, ate = c . E importante observar que as
altas freq
uencias est
ao ao redor de = , uma vez que a periodicidade no eixo faz com que ao
redor de = 2 tenhamos o mesmo conte udo espectral da regi
ao ao redor de = 0.
Exemplo 7.3
Filtro passa- altas ideal - Figura 7.19
Vamos tratar da propriedade da convolucao na freq
uencia no contexto da transformada
para seq
uencias. Hpa(W)
Suponha o seguinte produto de sequencias
1
y[n] = x[n]h[n].

Vamos calcular a transformada de Fourier para seq


uencias deste produto.
-2p -p -Wc 0 Wc p 2p W



Y () = x[n]h[n]ejn
Figura 7.19: Resposta em freq
uencia de um ltro discreto ideal passa-altas.
n=


  2
Neste caso o filtro seleciona as altas freq
uencias ao redor de = . Sua freq
uencia de corte ocorre
1
= X()ejn d h[n]ejn em = c .
n=
2 0

   Filtro passa-faixa ideal - Figura 7.20


1 2 

j ()n
= X() h[n]e d O filtro passa-faixa seleciona as freq
uencias na faixa que vai desde c1 ate c2 .
2 0 n=
 Filtro rejeita-faixa ideal - Figura 7.21
2
1 O filtro rejeita-faixa elimina as freq
uencias na faixa que vai desde c1 ate c2 .
= X() H( ) d.
2 0
7.7. PROCESSAMENTO DISCRETO DE SINAIS 147 148 CAPITULO 7. AMOSTRAGEM DE SINAIS

X(w)
Hpf(W)
1

1
-wm 0 wm w

-2p -p -Wc2 -Wc1 0 Wc1 Wc2 p 2p W (a)

Xa(w)
Figura 7.20: Resposta em freq
uencia de um ltro discreto ideal passa-faixa.
1/T

Hrf(W)

-2p/T -p/T -wm wm p/T 2p/T w


1

(b)

-p -Wc2 -Wc1 o Wc1 Wc2 p 2p W


X(W)
1/T
Figura 7.21: Resposta em freq
uencia de um ltro discreto ideal rejeita-faixa.

7.7 Processamento discreto de sinais


-2p -p -wmT wmT p 2p W

Vamos analisar um exemplo que ilustra a relacao entre um processamento analogico e um discreto. A (c)
Figura 7.22 apresenta todos os passos, a nvel de espectros, de um processamento discreto que produz
uma acao equivalente a uma ltragem passa-baixas com um ltro analogico ideal com freq uencia de H(W)
corte c . Portanto, o processamento discreto e equivalente ao processamento realizado por um ltro
analogico com frequencia de corte c = c /T . 1
Podemos observar que esta freq uencia de corte c do
uencia de corte equivalente depende da freq
ltro discreto e do intervalo de amostragem T . Assim, temos dois mecanismos para alterar o valor da
freq
uencia de corte analogica de modo a poder eventualmente ajusta-la a cada nova situacao pratica:
-2p -p -Wc 0 Wc p 2p W
variando c ou variando T . Como estes dois mecanismos sao mais simples que reprojetar e reconstruir
um ltro analogico, conclumos que o equivalente discreto ainda oferece a vantagem de exibilidade
de ajuste deste parametro. (d)

Outra questao que decorre do exemplo e que a ltragem passa-baixas permite que aceitemos um
certo grau de sobreposicao entre os espectros deslocados da Figura 7.22b) sem que isto implique em Figura 7.22: Etapas de processamento discreto de um sinal: a) espectro do sinal contnuo; b) espectro
deformacao do sinal yr (t). Basta que o intervalo de amostragem T seja escolhido de forma que uencia correspondente; d) ltro passa-baixas discreto. Continua
do sinal amostrado; c) espectro da seq
na proxima pagina.
2
m > c /T.
T
7.7. PROCESSAMENTO DISCRETO DE SINAIS 149 150 CAPITULO 7. AMOSTRAGEM DE SINAIS

Y(W) x[n] y[n]


+
1/T

atraso

y[n-1]
-2p -p -Wc 0 Wc p 2p W a
ay[n-1]

(e)

Figura 7.23: Representacao de um sistema denido por y[n] = x[n] + ay[n 1].
Ya(w), Hr(w)
T
1/T A resposta impulsiva e dada por

h[n] = an u[n],

ou seja, e a seq
uencia exponencial.
-2p/T -p/T -Wc/T 0 Wc/T p/T 2p/T w A transformada de Fourier de h[n] e a funcao de transferencia do sistema discreto
e tem o formato ilustrado nas Figuras 7.16 e 7.17. Podemos observar que o sistema se
(f)
comporta como um ltro passa-baixas discreto quando adotamos a = 0, 8, , enquanto que
para a = 0, 8 o sistema se comporta como um ltro passa-altas.
Yr(w)
1

-Wc/T 0 Wc/T w

(g)

Figura 7.22: Etapas de processamento discreto de um sinal: a) espectro do sinal contnuo; b) espec-
tro do sinal amostrado; c) espectro da seq uencia correspondente; d) ltro passa-baixas discreto; e)
espectro da seq
uencia apos o ltro passa-baixas; f) ltragem para recuperacao do sinal contnuo; g)
espectro do sinal contnuo recuperado.

Exemplo 7.4

Vamos considerar a equacao a diferencas linear com coecientes constantes

y[n] = x[n] + ay[n 1], a = real


a qual pode ser associada a um sistema com a seq uencia de calculos ilustrada na Figura
7.23.
Observe que este sistema tem uma realimentacao com ganho a.
Vamos calcular a sada para o caso particular em que x[n] = [n], ou seja, vamos
calcular a resposta ao impulso deste sistema. Neste caso, a sada y[n] = h[n]. Vamos
supor que o sistema esta no estado inicial nulo, isto e, sua memoria esta zerada. Com isto
temos h[n] = 0 , n < 0.
7.8. EXERCICIOS 151 152 CAPITULO 7. AMOSTRAGEM DE SINAIS

7.8 Exerccios 7. Demonstre quais das armacoes a seguir sao verdadeiras e quais sao falsas.

1. Um sinal x(t), contnuo no tempo e real, e univocamente determinado por suas amostras quando a) O sinal x(t) = u(t+T0 )u(tT0 ) pode ser amostrado sem que ocorra superposicao espectral
a freq
uencia de amostragem e s = 10.000. Para quais valores de o espectro de x(t) e, com desde que o intervalo de amostragem T < 2T0 .
certeza, nulo? Justique. b) O sinal x(t) com transformada de Fourier X() = u( + 0 ) u( 0 ) pode ser amostrado
sem que ocorra superposicao espectral desde que o intervalo de amostragem T < /0 .
2. Suponha que um sinal contnuo s(t) e ltrado por um ltro passa-baixas ideal com freq
uencia c) O sinal x(t) com transformada de Fourier X() = u() u( 0 ) pode ser amostrado sem
de corte c = 1000, gerando um sinal x(t) na sua sada. Suponha que x(t) sera amostrado que ocorra superposicao espectral desde que o intervalo de amostragem T < 2/0 .
com intervalo T entre amostras. Quais dos seguintes valores de T garantem que x(t) podera ser
recuperado sem erros a partir das amostras?
8. Dois sistemas S1 e S2 foram propostos para implementar um ltro passa-baixas ideal com
a) T = 0, 5 103 , b) T = 2 103 , c) T = 104 . freq
uencia de corte c = /4. O sistema S1 esta especicado na Figura 7.25a), onde Sa provoca
a insercao de uma amostra nula apos cada amostra de sinal e Sb elimina uma amostra a cada
duas amostras de sinal. O sistema S2 esta especicado na Figura 7.25b).
3. A freq uencia mnima de amostragem de um dado sinal que garante a recuperacao sem erros e
Demonstre se os dois sistemas propostos implementam o ltro desejado.
denominada de freq uencia de Nyquist. Determine a freq
uencia de Nyquist para os seguintes
sinais:
a) x(t) = 1+cos(2.000t)+sen(4.000t), b) x(t) = sen(4.000t)/t, c) (sen(4.000t)/t)2 . FPB discreto ideal
x[n] Sa com freq. de corte Sb y[n]
p/8
uencia de Nyquist igual a 0 . Determine a freq
4. Um sinal x(t) tem freq uencia de Nyquist dos
sinais a seguir.
d x(t) a)
a) y(t) = x(t) + x(t 1), b) y(t) = , c) y(t) = x2 (t), d) y(t) = x(t) cos(0 t).
dt

uencia de Nyquist igual a 0 . Seja y(t) = x(t)p(t 1), onde


5. Seja um sinal x(t) com freq FPB discreto ideal FPB discreto ideal
x[n] Sb com freq. de corte com freq. de corte y[n]


p/2
Sa
p/2
p(t) = (t nT ), e T < 2/0 .
n=

Especique as restricoes para as respostas de amplitude e de fase de um ltro que ao receber o b)


sinal y(t) na entrada, fornece x(t) na sada.

Figura 7.25: Dois sistemas propostos para a implementacao de um ltro discreto ideal passa-baixas.
6. Dois sinais contnuos no tempo x1 (t) e x2 (t) sao multiplicados entre si como mostra a Figura
7.24, produzindo o sinal y(t).

x1(t) p(t) 9. Um sinal x(t) sofre uma amostragem ideal e gera o sinal discreto xa (t) =
n= x(nT ) (t
4
y(t) nT ), T = 10 . Demonstre para cada caso a seguir, se o sinal x(t) pode ser recuperado sem
+ x s(t) erros.

x2(t) a) X() = 0, || > 5000.


b) X() = 0, || > 15000.
Figura 7.24: Sistema de amostragem. c) e{X()} = 0, || > 5000.
d) x(t) real e X() = 0, || > 5000.
 e) x(t) real e X() = 0, < 15000.
O sinal y(t) e multiplicado pelo sinal p(t) = k= (t kT ) resultando no sinal s(t). Suponha
que x1 (t) e x2 (t) tem faixa de freq
uencia limitada a 1 e 2 , respectivamente. Determine o valor f) X() X() = 0, || > 15000.
maximo para T de forma que y(t) possa ser completamente recuperado a partir de s(t). g) |X()| = 0, > 5000.
7.8. EXERCICIOS 153 154 CAPITULO 7. AMOSTRAGEM DE SINAIS

10. Seja y(t) = x1 (t) x2 (t) onde X1 () = 0, || > 1000 e X2 () = 0, || > 2000. O sinal y(t) b) Esboce a resposta de amplitude de um ltro discreto passa-baixas ideal que, atuando sobre
e amostrado com perodo T . Especique a faixa de valores de T que asseguram que y(t) pode x[n], produza uma limitacao de faixa equivalente a` de um ltro analogico passa-baixas ideal
ser recuperado sem erros. com frequencia de corte igual a 8KHz.
c) Esboce Y () na sada do ltro do item b).
11. Um sinal x(t) com faixa defreq uencias limitada a m rad/s e multiplicado por um trem de
pulsos retangulares p(t) = n= r (t nT ), r (t) = u(t) u(t ), gerando um sinal y(t). 15. O sistema padronizado pela ITU para a avaliacao objetiva de qualidade de audio realiza um
Calcule e esboce o espectro do sinal y(t). Demonstre quais as condicoes para que o sinal x(t) processamento que se inicia com uma amostragem do sinal contnuo a ser analisado. Suponha
possa ser recuperado a partir de y(t). que a taxa de amostragem e 45 Kamostras/s.
a) Supondo que o sinal de audio tem faixa limitada a 20 KHz, esboce o espectro de freq
uencias
12. Um sinal x(t) complexo e contnuo no tempo tem o espectro mostrado na Figura 7.26. Este do sinal amostrado (eixo ) e da seq
uencia resultante (eixo ).
sinal e amostrado produzindo x[n] = x(nT ). b) O sinal amostrado e submetido a um ltro discreto passa-baixas ideal que limita o espectro
em uma frequencia correspondente a 18 KHz. Especique este ltro passa-baixas no eixo ,
X(w) fornecendo a freq
uencia de corte. Esboce o espectro da seq
uencia resultante.
c) O espectro da sequencia resultante da ltragem passa-baixas do item anterior e dividido em
40 faixas de freq
uencias atraves de ltros discretos passa-faixa cobrindo o espectro na regiao
correspondente a` faixa de zero ate 18 kHz. Suponha que os ltros sao ideais e que as faixas sao
0 w1 w2 w de mesma largura. Esboce a resposta de amplitude dos ltros, especicando as freq uencias de
corte.

Figura 7.26: Espectro de um sinal generico complexo.

a) Esboce X() para T = /2 .


b) Supondo que 2 = 2 1 , qual e a menor freq
uencia de amostragem sob a restricao que x(t)
possa ser recuperado de x[n]?
c) Desenhe um diagrama de blocos de um sistema que recupera x(t) nas condicoes do item b).

13. O sinal x(t), com o espectro mostrado na Figura 7.27, e amostrado com T = 2/1 , gerando
x[n].

X(w)

-2w1 w1 0 w1 2w1 w

Figura 7.27: Espectro de um sinal generico.

a) Esboce X().
b) Desenhe um diagrama de blocos de um sistema que recupera x(t) a partir de x[n].

14. Um sinal x(t) com faixa de freq


uencias limitada a 10 KHz e amostrado a uma taxa de 40.000
amostras/s gerando a seq
uencia x[n].
a) Esboce X().
156 CAPITULO 8. A TRANSFORMADA Z

Observe que a transformada do exemplo so existe para os valores de s onde Re(s) >
Re(a). Dizemos entao que a a Regi ao de Converg encia da transformada de x(t) =
eat u(t) e > Re(a).
O conceito de regiao de convergencia e importante para a transformada e uma trans-
formada somente estara completamente especicada se fornecermos o funcional em s e sua
Captulo 8 regiao de convergencia.

A Transformada Z Exemplo 7.2


Vamos calcular a transformada de Laplace de x(t) = cos(0 t)u(t).

X(s) = cos(0 t) eas ds
0
 
= 0, 5 e(sj0 )t ds + 0, 5 e(s+j0 )t ds
0 0
8.1 Introdu
c
ao 0, 5 0, 5 s
= + = 2 ; > 0.
s j0 s + j0 s + 02
8.2 Transformada Laplace Observe que este resultado quando particularizado para = 0, nao e igual a` transfor-
mada de Fourier de x(t) = cos(0 t)u(t). Logo, nao e valido dizer que a transformada de
Fourier e um caso particular da transformada de Laplace.
Seja s = + j, uma variavel complexa denida no plano complexo s.

Defini
cao: a transformada de Laplace unilateral de uma funcao x(t) e denida como

L {x(t)} = X(s)  x(t)est dt. (8.1) 8.2.1 Propriedades
0

para valores de s onde a integral converge.


1. Linearidade
A variavel s = + j, quando tomada no eixo vertical = 0, se torna semelhante a` variavel da
transformada de Fourier. Tambem, a integral da transformada de Laplace para = 0 se torna igual
`a de Fourier. Porem, a transformada de Laplace se aplica apenas ao intervalo 0 < t < . Assim, por L {x1 (t) + x2 (t)} = L {x1 (t)} + L {x2 (t)}
exemplo, ela nao pode calcular a transformada de cos(0 t), uma vez que esta funcao seria tratada
como se fosse cos(0 t)u(t). 2.
Enquanto que a transformada de Fourier se mostra mais apropriada para a analise de sinais e da  
L x(t)eat = X(s + a)
resposta de sistemas em regime estacionario, a transformada de Laplace e mais interessante para a
analise do comportamento dos sistemas lineares e para a sua sntese.
3.
dX(s)
L {tx(t)} =
ds
Portanto,
Exemplo 7.1 dn X(s)
L {(1)n tn x(t)} =
dsn
Vamos calcular a transformada de Laplace de x(t) = eat u(t).

4. Se y(t) = d x(t)/dt, entao Y (s) = sX(s) x(0).
X(s) = eat est ds
0
 5. y(t) = x(t) h(t) Y (s) = X(s)H(s)
= e(a+s)t ds
0
6. x(t ) X(s) es
1
= ; Re(s + a) > 0.
s+a

155
8.3. A TRANSFORMADA Z 157 158 CAPITULO 8. A TRANSFORMADA Z

8.3 A transformada Z ou seja, a transformada de x[n] pode ser interpretada como a transformada de Fourier da seq
uencia
x[n] multiplicada por rn onde r = |z| .

Sabemos que a transformada de Fourier transforma uma seq uencia x[n] em uma funcao contnua X()
periodica com perodo 2 e que normalmente e representada no eixo das freq
uencias normalizadas, 8.3.1 Regi
oes de converg
encia da transformada Z
conforme ilustrado na Figura 8.1a.
Vamos agora tomar o plano complexo com a variavel independente z conforme mostrado na Figura A transformada Z de uma seq
uencia x[n] e denida apenas para os valores de z tais que
8.1b.


 
x[n]z n  < ,
n=
jW
z=e ou seja, onde

W


  

 
x[n]z n  = x[n]rn ejn  = (8.4)
W
n= n=

 
= x[n]rn  < .
n=

Dizemos entao que a transformada existe nos pontos z onde a serie x[n]z n converge de forma
uniforme. Os pontos onde ocorre a convergencia denem a Regiao de Convergencia (RC) da trans-
Figura 8.1: Espacos de representacao de transformadas: a) Fourier no eixo linear ; b) Fourier na formada.
circunferencia de raio unitario do plano complexo Z. Como a regiao de convergencia depende apenas de r = |z| , se existe a convergencia para z = z1 ,
entao havera a convergencia para todos os pontos z tais que |z| = r, ou seja, havera a convergencia
numa circunferencia de raio r centrada na origem do plano Z. Como, por denicao, nao pode haver
pontos de divergencia no interior de uma regiao de convergencia, podemos armar que as regioes
de convergencia sao delimitadas por circunferencias, ou seja, sao sempre o exterior ou o interior de
Neste plano destacamos a circunferencia de raio unitario (CRU) e denominamos seus pontos de uma circunferencia, ou ainda, um anel denido por duas circunferencias. A Figura 8.2 ilustra estas
z = exp(j). Podemos interpretar esta circunferencia como uma versao circular do eixo normali- situacoes.
zado de freq
uencias para a representacao da transformada de Fourier. Com isto, cada perodo 2 e
representado por uma volta na circunferencia. Podemos entao escrever

  

 {x[n]} = x[n]ejn = x[n]z n  (8.2)
n= n=  z = ej .
A expressao (8.2) permite interpretar a transformada de Fourier como um caso particular de uma
transformada envolvendo a variavel z, a qual toma valores em todo o plano complexo. Denimos
entao a transformada Z de uma seq uencia x[n] como


X(z) = Z {x[n]}  x[n]z n . (8.3)
n=
Figura 8.2: Exemplos de regioes de convergencia.
evidente que podemos interpretar a transformada de Fourier como um caso particular da trans-
E
formada Z, fazendo z = exp(j). Porem, podemos ainda estabelecer outra relacao entre estas trans-
formadas. Fazendo z = r exp(j) na expressao (8.3), obtemos
Como decorrencia da denicao da transformada Z, podemos ainda extrair duas outras proprieda-

des.
X(z) = x[n]rn ejn = Sabemos que a transformada de Fourier de uma seq uencia e igual `a transformada Z desta seq
uencia

n=
 calculada na CRU. Por outro lado, a transformada Z so existe na regiao de convergencia correspon-
=  x[n]rn , dente. Logo:
8.3. A TRANSFORMADA Z 159 160 CAPITULO 8. A TRANSFORMADA Z

A transformada de Fourier de uma sequencia existe se e somente se a regiao


de convergencia da transformada Z correspondente contiver a CRU

A serie de potencias na denicao da transformada e uma serie de Laurent, a qual apresenta uma
serie de propriedades importantes. Uma delas e que a funcao resultante X(z) e analtica, ou seja, e
contnua e possui todas derivadas tambem contnuas. Portanto, como decorrencia desta propriedade,
a transformada de Fourier X() de uma seq uencia, se existir, e contnua com derivada contnuas.
Vamos agora analisar alguns exemplos de calculo da transformada Z:
Figura 8.3: Polos, zeros e regiao de convergencia para X(z) = z/(z 1); |z| > 1; 0 zero;
p
olo.

Exemplo 7.3

Seja x[n] = cos(n0 ), < n < . As transformadas mais importantes para o processamento digital de sinais sao aquelas descritas
Nao existe a transformada Z desta seq uencia pois nenhum valor de r em (8.4) assegura pela relacao entre polinomios, ou seja, descritas por funcoes racionais:
a convergencia uniforme da serie associada. Se tomarmos r 1, a soma divergira para
n . Da mesma forma, se r > 1 a soma divergira para n . Logo, nao existe a P (z)
transformada de seq uencias senoidais. Pelo mesmo motivo nao existe a transformada da X(z) = ; P (z) e Q(z) polinomios em z.
Q(z)
seq
uencia exponencial complexa.
Tais funcoes estao associadas a sistemas lineares invariantes com o deslocamento descritos por equa-
coes a diferencas lineares e com coecientes constantes.
As razes de P (z) e Q(z) sao os zeros e os polos, respectivamente, da transformada. Sabemos
que a serie associada `a transformada Z nao converge nos polos. Logo, a regiao de convergencia nao
Exemplo 7.4 contem polos e, na verdade, e delimitada pelos polos.

Seja x[n] = u[n].



X(z) = x[n]z n Exemplo 7.5
n=
 Seja x[n] = an u[n] ; |a| = constante.
n
= z ,
n=0


a qual e uma soma de innitos termos de uma progressao geometrica. Lembrando que X(z) = x[n]z n
n=
tal soma converge somente quando a razao tem valor absoluto inferior a 1, isto e, quando
|z 1 | < 1, podemos escrever: 
n n
= a z ,
n=0
1
X(z) = ; |z| > 1, (8.5)
1 z 1 de onde resulta, apos somarmos os termos da progressao geometrica,
ou
z 1
X(z) = ; |z| > 1. (8.6) X(z) = para |z| > |a| . (8.7)
z1 1 az 1
Podemos notar que X(z) tem um zero em z = 0 e um polo em z = 1, conforme Neste caso temos um zero em z = 0 e um polo em z = a. A regiao de convergencia e
ilustrado na Figura 8.3. Tambem, a regiao de convergencia e o exterior da CRU. Assim, o exterior da circunferencia de raio |a| .
nao existe a transformada de Fourier de u[n]. Podemos perceber que a situacao do Exemplo 4.2 e um caso particular deste, quando
fazemos a = 1. Dependendo do valor de a, poderemos calcular a transformada de Fourier
uencia x[n] = an u[n]. Esta transformada existira se a regiao de convergencia de X(z)
da seq
8.3. A TRANSFORMADA Z 161 162 CAPITULO 8. A TRANSFORMADA Z

contiver a CRU. Assim, a transformada de Fourier existira para |a| < 1 e sera descrita Observe que a regiao de convergencia e a intersecao entre as regioes originais, uma
como vez que deve atender simultaneamente a`s duas transformadas. Assim, ela e determinada
pelo polo de maior raio. A Figura 8.4 ilustra as posicoes dos polos e a regiao resultante.
1
X() = ; |a| < 1. Mostra tambem que existem duas outras regioes de convergencia possveis: uma formada
1 aej pelo anel delimitado pelas circunferencias que passam pelos polos e outra no interior
da circunferencia pelo polo em z = 1/3. Estas regioes alternativas estao associadas a
seq
uencias distintas daquela y[n] antes obtida. Iniciando pelo anel, podemos observar que
esta regiao e formada pela intersecao de uma regiao |z| > 1/3 com outra |z| < 1/2. Assim,
Exemplo 7.6
associada a |z| > 1/3 temos a seq uencia x2 [n], enquanto que associada a |z| < 1/2
temos, segundo o Exemplo 4.4, a seq uencia x3 [n] = (1/2)n u[n 1]. Logo, a seq
uencia
Seja agora x[n] = an u[n 1] , |a| = constante.
resultante associada ao anel sera



y2 [n] = (1/2)n u[n 1] + (1/3)n u[n],
X(z) = x[n]z n
n= com transformada

1
1 1 1 1
= an z n , Y2 (z) = + , para < |z| < .
n= 1 12 z 1 1 + 13 z 1 3 2

de onde obtemos, apos a soma dos temos da progressao geometrica,


1
X(z) = para |z| < |a| . (8.8) |z|>1/2
1 az 1 1/3<|z|<1/2

Comparando as expressoes (8.7) e(8.8), podemos perceber que a expressao algebrica para X(z) e |z|<1/3
a mesma nos dois casos e que as transformadas se diferenciam apenas quanto a`s regioes de conver-
gencia. Os Exemplos 4.3 e 4.4 sao classicos pela importancia das sequencias envolvidas e tambem por
evidenciar a importancia da denicao e explicitacao da regiao de convergencia de uma transformada z=1/2
z=-1/3
Z.

Figura 8.4: Regioes de convergencia delimitadas pelos polos em z = 1/2 e z = 1/3.


Exemplo 7.7
n
1 1
Sejam x1 [n] = ( )n u[n] e x2 [n] = u[n].
2 3 Para a u ltima alternativa temos a intersecao das regioes |z| < 1/2 com |z| < 1/3, as
quais estao associadas a`s seq
uencias
1 1
X1 (z) = para |z| > , x4 [n] = (1/3)n u[n 1]
1 12 z 1 2
 
1  1  e
 .
X2 (z) = 1 1 para |z| > 
1 + 3z 3  x3 [n] = (1/2)n u[n 1],
 n
Seja agora y[n] = x1 [n] + x2 [n] = ( 12 )n u[n] + 1
3
u[n]. respectivamente. Assim, a seq
uencia resultante sera
Como a transformada Z e linear em termos da seq uencia a ser transformada, temos
y3 [n] = (1/2)n u[n 1] (1/3)n u[n 1],
com transformada
Y (z) = X1 (z) + X2 (z)
1 1 1 1 1 1
= + para |z| > . Y3 (z) = + para |z| < .
1 12 z 1 1 + 13 z 1 2 1 12 z 1 1 + 13 z 1 3
8.3. A TRANSFORMADA Z 163 164 CAPITULO 8. A TRANSFORMADA Z

Conclumos que uma dada funcao racional no plano Z pode ser a transformada Z de
varias seq
uencias distintas, uma para cada possvel regiao de convergencia, onde estas
possibilidades sao denidas pelos polos associados a` funcao racional. Esta conclusao es-
tende o conceito estabelecido no Exemplo 4.4, evidenciando a importancia da denicao
da regiao de convergencia associada a uma dada transformada no plano Z.

Exemplo 7.8

uencia com comprimento nito x[n] = an rN [n], com


Vamos agora considerar uma seq
Figura 8.5: Zeros e polos para a seq
uencia do Eexemplo 4.6.
|a| = um n
umero nito. Sua transformada e dada por


N 1
X(z) = an z n
n=0 8.4 Propriedades da regi
ao de converg
encia
1 aN z N
= ,
1 az 1
Apresentamos aqui um resumo das propriedades da regiao de convergencia ja enunciadas na secao
de onde obtemos nalmente anterior e algumas propriedades adicionais.

1 z N aN
X(z) = para z = 0. 1- A RC e um anel ou um disco com centro na origem do plano Z.
z N 1 za delimitada pelos polos da transformada correspondente.
2- A RC nao contem polos. E
A regiao de convergencia associada a esta transformada e todo o plano exceto z = 0, 3- A transformada de Fourier de x[n] existe se e somente se a regiao de convergencia
uma vez que x[n] e uma seq uencia de comprimento nito cujas amostras se localizam de X(z) inclue a CRU.
em n 0, isto e, e uma sequencia causal. Assim, a transformada Z envolve apenas um 4- Se x[n] tem duracao nita entao a RC e todo o plano Z com excecao de z = 0 e/ou
numero nito de potencias negativas de z, convergindo, portanto, para qualquer valor de z . Seja
z diferente de zero.
Vamos agora calcular os polos e zeros de X(z). Temos um polo em z = a e (N 1) 
N2

polos em z = 0. Por outro lado, os zeros sao dados por X(z) = x[n]z n ; N1 e N2 nitos.
n=N1

z N = aN , Se N1 < 0 , nao ha convergencia para z , pois teremos potencias positivas de z


na serie que dene X(z). Por outro lado , se N2 > 0, nao ha convergencia para z = 0 pois
que podemos escrever como
teremos potencias negativas de z.
5- Se a RC de X(z) e o exterior de uma circunferencia, entao x[n] e uma sequencia `a
z N = aN ej2k , k = inteiro. direita, isto e, x[n] = 0 para n < N1, N1 nito (N1 < 0 exclui a condicao z ) .
Supondo que a = |a| exp(j) , podemos calcular os zeros 6- Se a RC de X(z) e o interior de uma circunferencia, entao x[n] e uma seq uencia `a
esquerda, isto e, x[n] = 0 para n > N2, N2 nito (N2 > 0 exclui a condicao z = 0).
zk = |a| exp [j( + 2k/N )] , 0 k N 1, 7- Se a RC de X(z) for um anel, entao x[n] e uma seq
uencia bilateral, isto e, se estende
onde os valores de k foram restringidos de modo a contarmos apenas as solucoes distintas. indenidamente em ambas as direcoes do eixo n.
A Figura 8.5 ilustra estas solucoes para o caso em que N = 4 e = /6.
Os zeros se situam sobre uma circunferencia de raio |a| e estao uniformemente distri-
budos. Tambem, o zero denido por k = 0, z0 = a, coincide com o polo na mesma posicao.
Assim, a transformada apresenta apenas um polo efetivo com multiplicidade (N 1) na 8.5 Transformada Z inversa
origem do plano Z. Logo, a regiao de convergencia pode ser todo o plano Z com excecao
de z = 0.
Vamos mostrar que a expressao geral da transformada inversa e

1
x[n] = X(z)z n1 dz, (8.9)
2j c
8.5. TRANSFORMADA Z INVERSA 165 166 CAPITULO 8. A TRANSFORMADA Z

onde a integral e realizada sobre um contorno c fechado, anti-horario e ao redor da origem do plano Da teoria de funcoes racionais complexas, sabemos que
z.  
Para atingir este resultado, da teoria de funcoes complexas temos: 1
X(z)z n1 dz = resduos de X(z)z n1 nos polos zi situados no inteior de c,
  2j c i
0 ; k = 1
z k dz = onde
2j ; k = 1,
c

onde k e um inteiro e c e um contorno fechado, anti-horario ao redor da origem do plano z. Este 
1 dN (z) 
resultado e obtido fazendo c = r exp(j) , r = constante e 0 < 2. Com isto, teremos no resduo de X(z)z n1
em zi de ordem N =
(N 1)! dz N 1 
contorno c, z = zi
e
z = rej , (z) = X(z)z n1 (z zi )N ,
dz = jrej d .

Assim, podemos escrever 2- M


etodo da inspe
c
ao

Consiste em usar pares transformados conhecidos.


 2
z k dz = rk ejk jrej d
c
0
2
Exemplo 7.9
= rk+1 j ej(k1) d
0 Sabemos que

0 ; k = 1
=
2j ; k = 1. 1
an u[n] para |z| > |a| ,
Vamos agora aplicar este resultado no calculo da seguinte integral 1 az 1
1
 an u[n 1] para |z| < |a| .
1 az 1
X(z)z n1 dz
c
Com isto podemos deduzir por inspecao
com o contorno c contido na regiao de convergencia de X(z). Usando a denicao da transformada Z
para substituir X(z) teremos 1
X(z) = , |z| > 0, 5 x[n] = (0, 5)n u[n].
1 0, 5z 1
 

X(z)z n1 dz = x[k] z (kn+1) dz
c k= c

  3- Expans
ao em fra
c
oes parciais e inspe
c
ao
0 ; k = n
= x[k]
2j ; k = n. Este se aplica ao calculo da anti-transformada de funcoes racionais. Apos a expansao em fracoes
k=
parciais, aplicamos o metodo da inspecao.
Portanto, obtemos a expressao (8.9) desejada. Seja
Escolhendo o contorno c como a CRU teremos z = exp(j) e a expressao em (8.9) da lugar a`
expressao da transformada inversa de Fourier.

M
Embora a expressao (8.9) permita obter a transformada inversa, em geral sua utilizacao nao bk z k
e simples. Entretanto, existem varios metodos alternativos que simplicam esta tarefa. Vamos X(z) = k=0
apresentar os mais importantes para o processamento digital de sinais. N
ak z k
k=0
1- M
etodos dos resduos

M
b0 (1 ck z 1 )
Este e um metodo de calculo da transformada atraves da expressao (8.9) baseado no conceito de k=1
= ,
resduos de uma funcao racional complexa em seus polos. Embora nao se enquadre na categoria das N

alternativas mais simples, sera apresentado para uso eventual. a0 (1 dk z 1 )


k=1
8.5. TRANSFORMADA Z INVERSA 167 168 CAPITULO 8. A TRANSFORMADA Z

onde ck e dk sao, respectivamente, os zeros e os polos nao nulos de X(z).


A expansao de X(z) em fracoes parciais segue as regras a seguir. 


a) para M < N e todos os polos de primeira ordem:   1 + 5z 1 
A1 = 1 0, 5z 1  = 9,
(1 0, 5z 1 ) (1 z 1 ) 
   z = 0, 5
N
Ak   
X(z) = onde Ak = 1 dk z 1 X(z)  ; 
1 dk z 1 z = dk 
k=1   1 + 5z 1 
A2 = 1 z 1  = 8.
(1 0, 5z 1 ) (1 z 1 ) 
b) para M N e todos os polos de primeira ordem: z=1

 N   Portanto,
M N
Ak   
X(z) = Br z r + onde A = 1 d z 1
X(z) 
1 dk z 1 k k  z = dk ; 9 8
r=0 k=1 X(z) = 2 + ; |z| > 1,
1 0, 5z 1 1 z 1
e o primeira somatoria e obtida atraves da divisao polinomial entre o numerador e o denominador de
o que permite escrever
X(z);
c) para M N e com polos de ordem maior que a unidade: x[n] = 2[n] 9(0, 5)n u[n] + 8u[n].
Supondo que o polo em z = di e de ordem P temos


M N 
N
Ak  P
Cm
X(z) = Br z r + + ,
r=0 k=1
1 dk z 1 m=1 (1 di z 1 )m 4- Expans
ao em s
eries de pot
encias

onde Este metodo faz uso da expressao que dene a transformada Z para obter a anti-transformada
por comparacao entre termos. Para isto exige a expansao de X(z) em serie de potencias. Assim,
1

dP m !

lembrando que
Cm = (1 di w)P X(w1 )  .
(P m)! (di )P m dwP m w = d1
i

Note que em todos os casos sao geradas parcelas que podem ser anti-transformadas pelo metodo 

da inspecao. X(z) = x[n]z n


n=

= . . . x[2]z 2 + x[1]z + x[0] + x[1]z 1 + x[2]z 2 + . . . ,

ao expandirmos X(z) em serie de potencias de z, por comparacao termo a termo podemos identicar
os valores das amostras x[n].
Exemplo 7.10

Seja

1 + 2z 1 + z 2 Exemplo 7.11
X(z) = ; |z| > 1,
1 1, 5z 1 + 0, 5z 2
Seja
a qual apresenta polos simples em z = 0, 5 e z = 1.
Como M N, devemos realizar a divisao entre o numerador e o denominador de X(z) X(z) = z 2 (1 0, 5z 1 )(1 + z 1 )(1 z 1 ).
ate que o grau do numerador resultante seja inferior a N. Obtemos
Desenvolvendo os produtos temos

1 + 2z 1 + z 2 1 5z 1 X(z) = z 2 0, 5z 1 + 0, 5z 1 ,
= 2
1 1, 5z + 0, 5z
1 2 1 1, 5z 1 + 0, 5z 2 a qual nos permite escrever
A1 A2
= 2+ + .
1 0, 5z 1 1 z 1 x[n] = [n + 2] 0, 5[n + 1] [n] + 0, 5[n 1].

Expandindo o segundo termo da divisao em fracoes parciais resulta


8.6. PROPRIEDADES DA TRANSFORMADA Z 169 170 CAPITULO 8. A TRANSFORMADA Z

Este metodo pode ainda ser aplicado para a obtencao da anti-transformada de algumas funcoes Demonstracao:
nao-racionais.




{ax1 [n] + bx2 [n]} z n = a x1 [n]z n + b x2 [n]z n
n= n= n=

Exemplo 7.12 = aX1 (z) + bX2 (z) c.q.d.

Seja

X(z) = ln(1 + az 1 ); |z| > a.


Lembrando que Exemplo 7.13

x2 x3
ln(1 + x) = x + ... 1
2 3 X1 (z) = para |z| > |a| ,
 (1)n+1 xn
1 az 1
= ,
n az 1
n=1 X2 (z) = para |z| > |a| .
1 az 1
temos
Portanto,


(1)n+1 an X1 (z) X2 (z) = 1 ; z.
1 n
ln(1 + az ) = z ; |z| > a,
n=1
n
No outro domnio, temos
a qual nos permite escrever
 x1 [n] = an u[n],
(1)n+1 an
; n>0
x[n] = n .
0; n 0 x2 [n] = an u[n 1]

e, portanto,

x1 [n] x2 [n] = [n]. (8.10)


8.6 Propriedades da transformada Z

Vamos agora explicitar algumas propriedades da transformada Z. Vericaremos que varias delas sao
extensoes de propriedades da transformada de Fourier.
Ao longo desta secao, usaremos o seguinte conjunto de seq
uencias e transformadas:
Propriedade 2 - Deslocamento no eixo n

x1 [n] X1 (z) com RC Rx1 , x[n n0 ] z n0 X(z)


x2 [n] X2 (z) com RC Rx2 . e a regiao de convergencia resultante e igual a` regiao inicial exceto pela adicao ou exclusao de z = 0
e z , provocadas pelo termo z n0 .

Demonstracao:
Propriedade 1 - Linearidade

ax1 [n] + bx2 [n] aX1 (z) + bX2 (z) 




x[n n0 ]z n = x[k]z (kn0 )
e a regiao de convergencia resultante e pelo menos a intersecao de Rx1 com Rx2 (pode ser maior se n= k=
na soma aparecerem zeros que cancelem polos). = z n0 X(z) c.q.d.
8.6. PROPRIEDADES DA TRANSFORMADA Z 171 172 CAPITULO 8. A TRANSFORMADA Z

Propriedade 5 - Revers
ao no eixo n

x[n] X(1/z) ; RC = 1/Rx.


Exemplo 7.14
A regiao de convergencia ca alterada pois X(1/z) existe em R < |1/z| < R+ .

Demonstracao:
x[n] = [n] X(z) = 1 ; z.
Entao 


x[n]z n = x[k](z)k
n= k=

[n n0 ] z n0 ; z, exceto z = 0 se n0 > 0 ou exceto z se n0 < 0. 


= x[k](1/z)k
k=
= X(1/z) c.q.d.

Propriedade 3 - Multiplica
c
ao por exponencial Propriedade 6 - Convolu
c
ao no eixo n
x1 [n] x2 [n] X1 (z)X2 (z).
an x[n] X(z/a) ; RC = |a| Rx.
RC sera pelo menos a intersecao das regioes de convergencias
A regiao de convergencia ca alterada pois, dado que X(z) existe em Rx tal que Rx: R < |z| <
Demonstracao:
R+ , entao X(z/a) existe em R < |z/a| < R+ , ou seja, existe em |a| R < |z| < |a| R+ .


Demonstracao: x1 [n] x2 [n] = x1 [k] x2 [n k].
k=




 

n
a x[n]z n
= x[n](z/a) n {x1 [n] x2 [n]} z n = x1 [k] x2 [n k]z n
n= n= k=
n= n=
 

= X(z/a) c.q.d. = x1 [k] x2 [n k]z n
k= n=


= X2 (z) x1 [k]z k
Propriedade 4 - Diferencia
c
ao de X(z)
k=

dX(z) = X1 (z)X2 (z) c.q.d.


nx[n] z
dz
e a regiao de convergencia e Rx, exceto pela adicao ou exclusao de z = 0 ou z . Propriedade 7 - Produto no eixo n

1
Demonstracao: x1 [n] x2 [n] X1 (v)X2 (z/v)v 1 dv.
2j c


RC sera pelo menos a intersecao das regioes de convergencias.
X(z) = x[n]z n
n= Demonstracao:
dX(z) 

= {nx[n]} z n1 
   
dz 1
n= x1 [n] x2 [n]z n = X1 (v)v n1 dv x2 [n]z n


n= n=
2j c
= (1/z) {nx[n]} z n ,   
1 
n
n=
= X1 (v) x2 [n](z/v) v 1 dv =
2j c n=
ou seja, 
dX(z) 1
nx[n] z c.q.d. (8.11) = X1 (v)X2 (z/v)v 1 dv c.q.d.
dz 2j c
8.6. PROPRIEDADES DA TRANSFORMADA Z 173 174 CAPITULO 8. A TRANSFORMADA Z

Propriedade 8 - Teorema do valor inicial Demonstracao:


Se x[n] e real entao os coecientes do numerador e do denominador de X(z) sao reais,
Se x[n] = 0 para n < 0, entao x[0] = lim X(z). uma vez que as amostras de x[n] sao os coecientes das potencias de z n na expressao da
z transformada. Logo, os coecientes dos polinomios P (z) e Q(z) sao funcao das amostras
de x[n] e, portanto, sao reais.
Se z0 e uma raz de um polinomio P (z) em uma variavel complexa z e com coecientes
Demonstrac
ao: reais cn , entao z0 tambem sera uma raz, pois se P (z0 ) = 0 entao





P (z0 ) = cn ( z0 )n
n
X(z) = x[n] z =
n=0
n=0  

= x[0] + x[1]z 1 + x[2]z 2 + .... = n
cn (z0 )
n=0
Portanto,
= P (z0 ) = 0 c.q.d.

lim X(z) = x[0] c.q.d. Como consequencia desta propriedade, e facil vericar que se Ap e o coeciente da fracao parcial de
z
X(z) com coecientes reais, referente ao polo zp , entao o coeciente da fracao parcial referente a zp
sera Ap .

Propriedade 9 - Teorema de Parseval



1
x1 [n] x2 [n] = X1 (v)X2 (1/v )v 1 dv. (8.12)
n=
2j c

Demonstracao:


   
1
x1 [n] x2 [n] = X1 (v)v n1 dv x2 [n]
n= n=
2j c
  
1 
= X1 (v) x2 [n](1/v)n v 1 dv
2j c n=
  
1 
= X1 (v) x2 [n](1/v )n v 1 dv
2j c n=

1
= X1 (v)X2 (1/v )v 1 dv c.q.d.
2j c

Este teorema generaliza o Teorema de Parseval do captulo 2, o qual apresenta a energia de uma
uencia em termos do espectro correspondente. Observe que para x2 [n] = x1 [n] e z = exp(j), o
seq
Teorema de Parseval desta secao apresenta a mesma relacao expressa no captulo 2.

Propriedade 10 - P
olos e zeros de fun
c
oes racionais
Seja X(z) = P (z)/Q(z); P (z) e Q(z) funcoes racionais e z0 um polo (zero) de X(z). Se x[n] e real
entao os polos (zeros) de X(z) ocorrem em pares complexos conjugados.
8.7. EXERCICIOS 175 176 CAPITULO 8. A TRANSFORMADA Z

8.7 Exerccios 7. Determine a regiao de convergencia da transformada Z de cada uma das seq uencias a seguir,
sem calcular X(z), mas apenas por inspecao. Determine se a transformada de Fourier converge
em cada caso.
1. Determine a transformada Z e a regiao de convergencia para cada uma das seguintes seq
uencias:
 n  n 
 1 n  1 n  1 n a) x[n] = 12 + 34 u[n 10];
 1 n2 u[n]; b) 2 u[n 1]; c) 2 u[n]; d) [n]; e) [n 1]; f ) [n + 1]; g)
a)
2
(u[n] u[n 10]) . 
1; 10 n 10
b) x[n] = ;
0; c.c.
2. Determine a transformada Z, a regiao de convergencia e esboce o diagrama de polos e zeros
para cada uma das seguintes seq uencias:
c) x[n] = 2n u[n];
n; 0 n N
a) |n| ; b) x[n] = u[n] u[n N ]; c) x[n] = 2N n; N + 1 n 2N .
8. Determine quais das transformadas abaixo poderia ser a transformada de uma seq uencia `a
0; c.c. direita em n 0. Voce deve resolver apenas por inspecao e nao calcular a transformada
inversa.
3. Considere uma transformada X(z) com os seguintes polos: p1 = 1/3; p2 = 2; p3 = 3; e com o
2
zero z1 = 1. (1 z 1 )
a) X(z) = ;
1 0, 5z 1
a) Determine a regiao de convergencia de X(z) para o caso em que existe a transformada de
Fourier. Determine se a seq
uencia x[n] e `a direita ou a` esquerda ou bilateral.
(z 1)2
b) Quantas seq
uencias bilaterais podem ser associadas aos polos e zeros acima? b) X(z) = ;
z 0, 5

uencia x[n] cuja transformada Z e X(z) = (1 + 2z)(1 + 3z 1 )(1 z 1 ).


4. Determine a seq (z 1/4)5
c) X(z) = ;
(z 0, 5)6
5. Determine a transformada Z inversa para as funcoes a seguir e indique, em cada caso, se existe
a transformada de Fourier. (z 1/4)6
d) X(z) = ;
a) X(z) =
1
, |z| > 1/2; (z 0, 5)5
1 + 12 z 1
 
1 9. Calcule a transformada inversa a` direita em n 0 de X(z) = 1/ 1 14 z 2 .
b) X(z) = , |z| < 1/2;
1 + 12 z 1
10. Considere um sistema LID com resposta ao impulso h[n] = an u[n] e entrada x[n] = u[n] u[n
1 12 z 1 N ].
c) X(z) = , |z| > 1/2;
1 + 34 z 1 + 18 z 2
a) Obtenha a resposta y[n] calculando a convolucao entre h[n] e x[n].
1 12 z 1 b) Obtenha y[n] usando a transformada Z.
d) X(z) = , |z| > 1/2;
1 14 z 2
11. Calcule a transformada inversa para:
1 az 1
e) X(z) = 1 , |z| > |1/a| . 1 13 z 1 3
z a a) X(z) = ; x[n] `a direita; b) X(z) = ; a CRU pertence `a R.C.;
1 + 13 z 1 z 14 18 z 1
6. A entrada de uma sistema LID causal e x[n] = u[n 1] + ( 12 )n u[n]. A transformada Z da sada
correspondente e 1 1 z 2
c) X(z) = ; |z| > (3)1/3 ; d) X(z) = ; |z| > 0, 5.
12 z 1 1 13 z 3 1 0, 5z 1
Y (z) =   
1 12 z 1 1 + 34 z 1
1 z 2
e) X(z) = ; |z| > 0, 5;
a) Determine H(z) e indique a regiao de convergencia. (1 0, 5z 1 )2
b) Qual a regiao de convergencia de Y (z) ?