Você está na página 1de 33
TRANSFORMADA DE FOURIER DISCRETA
TRANSFORMADA DE FOURIER
DISCRETA

AMOSTRAGEM NO DOMÍNIO DA FREQUÊNCIA E RECONSTRUÇÃO DE SINAIS DE TEMPO DISCRETO

Sinais não periódicos e discretos de energia finita tem espectro contínuo.

Sinais não periódicos e discretos de energia finita tem espectro contínuo. X ( ) = •

X

(

)

=

n =

x n e

(

)

j

n

AMOSTRAGEM NO DOMÍNIO DA FREQUÊNCIA E RECONSTRUÇÃO DE SINAIS DE TEMPO DISCRETO

Suponha que amostramos X(ω) periodicamente em um espaçamento

de

N equidistantes amostras no intervalo

espaçamento

radianos entre sucessivas amostras. Por conveniência, pegamos

=

2

/ N

.

0

<

2

com

amostras no intervalo espaçamento radianos entre sucessivas amostras. Por conveniência, pegamos = 2 / N .
amostras no intervalo espaçamento radianos entre sucessivas amostras. Por conveniência, pegamos = 2 / N .

AMOSTRAGEM NO DOMÍNIO DA FREQUÊNCIA E RECONSTRUÇÃO DE SINAIS DE TEMPO DISCRETO

A soma em 7.1.2 pode ser subdividida em um número infinito de somas, onde cada soma tem N termos.

um número infinito de somas, onde cada soma tem N termos. Mudando o índice da soma

Mudando o índice da soma de n para n-lN e trocando a ordem da soma, obtemos:

de somas, onde cada soma tem N termos. Mudando o índice da soma de n para

AMOSTRAGEM NO DOMÍNIO DA FREQUÊNCIA E RECONSTRUÇÃO DE SINAIS DE TEMPO DISCRETO

O sinal x p (n) obtido pela repetição periódica de x(n) a cada N amostra, é claramente periódico com periodo fundamental N. Consequentemente, ele pode ser expandido em uma série de Fourier como

x

p

com

c

k

(

n

)

=

N

1

c

k = 0 coeficient

=

1

N

N

1

n = 0

k

e

es

x

p

j

2

de

(

n

) e

kn

/

N

Fourier

j

2

,

kn

/

n

N

=

,

0 ,1,

k

=

,

N

0 ,1,

,

1

(5.1.5)

N

1

(5.1.6)

Comparando 5.13 com 5.1.6, concluímos que

c

k

=

1

N

X

(

2

N

k k

),

=

0 ,1,

,

N

1

(5.1.7)

AMOSTRAGEM NO DOMÍNIO DA FREQUÊNCIA E RECONSTRUÇÃO DE SINAIS DE TEMPO DISCRETO

DA FREQUÊNCIA E RECONSTRUÇÃO DE SINAIS DE TEMPO DISCRETO Portanto A relação em 5.1.8 fornece a

Portanto

A relação em 5.1.8 fornece a reconstrução do sinal periódico x p (n) das amostras do espectro X(ω). Entretanto, isto não implica que podemos recuperar X(ω) ou x(n) das amostras. Para realizar isto, precisamos considerar a relação entre x p (n) e x(n). d

o em

D

5.1.4, é claro que x(n) pode ser recuperado de x p (n) se não há aliasing no domínio do tempo, isto é, se x(n) é limitado para menos do que o período de N de x p (n).

d

é

iódi

ã

ca extens o

d d

a

es

e que x p (n)

a per

e

x(n) como

para menos do que o período de N de x p (n). d é iódi ã

AMOSTRAGEM NO DOMÍNIO DA FREQUÊNCIA E RECONSTRUÇÃO DE SINAIS DE TEMPO DISCRETO

O procedimento é para computar x p (n), n=0,1,…,N-1 de 5.1.8, então

é para computar x p (n), n=0,1,…,N-1 de 5.1.8, então Como no caso de sinais de

Como no caso de sinais de tempo contínuo, é possível expressar o espectro X(ω) diretamente em termos de suas amostras X(2πk/N), k=0,1,…,N-1. Para derivar tal formula de interpolação para X(ω), assumimos que N ≥ L. Desde que x(n)=x p (n) para 0 ≤ n ≤ N-1,

tal formula de interpolação para X( ω ), assumimos que N ≥ L. Desde que x(n)=x
tal formula de interpolação para X( ω ), assumimos que N ≥ L. Desde que x(n)=x
tal formula de interpolação para X( ω ), assumimos que N ≥ L. Desde que x(n)=x

AMOSTRAGEM NO DOMÍNIO DA FREQUÊNCIA E RECONSTRUÇÃO DE SINAIS DE TEMPO DISCRETO

O

termo

somatório

entre

colchetes

representa

a

função

de

interpolação básica deslocada por 2πk/N em frequência.

entre colchetes representa a função de interpolação básica deslocada por 2 π k/N em frequência. Se

Se definirmos

entre colchetes representa a função de interpolação básica deslocada por 2 π k/N em frequência. Se

AMOSTRAGEM NO DOMÍNIO DA FREQUÊNCIA E RECONSTRUÇÃO DE SINAIS DE TEMPO DISCRETO

Observa-se que P(ω) tem a propriedade

AMOSTRAGEM NO DOMÍNIO DA FREQUÊNCIA E RECONSTRUÇÃO DE SINAIS DE TEMPO DISCRETO Observa-se que P( ω

AMOSTRAGEM NO DOMÍNIO DA FREQUÊNCIA E RECONSTRUÇÃO DE SINAIS DE TEMPO DISCRETO

DA FREQUÊNCIA E RECONSTRUÇÃO DE SINAIS DE TEMPO DISCRETO Consequentemente, a fórmula de interpolação 5.1.13

Consequentemente, a fórmula de interpolação 5.1.13 fornece-nos exatamente X(2πk/N ) para ω= 2πk/N. Todas as outras frequencias, a formula fornece uma combinação linear devidamente ponderada das amostras espectrais original.

A TRANSFORMADA DE FOURIER DISCRETA

Em geral, as amostras em frequencias igualmente espaçadas X(2πk/N) ( k=0,1,…,N-1) não unicamente representa a sequencia original x(n) quando x(n) tem duração infinita. Em vez disto, as amostras em frequencias igualmente espaçadas X(2πk/N) ( k=0,1,…,N-1), corresponde a uma sequencia periodica xp(n) de período N, onde xp(n) tem é uma versão repetida de x(n), como indicado pela relação

x

p

(

n

)

=

x n

(

lN

)

l =

Quando a sequencia x(n) tem uma finita duração de comprimento L ≤ N, então xp(n) é uma repetição periódica de x(n), onde xp(n) sobre um único período é dado como

x

p

(

n

) =

x n

(

),0

 

0,

L

n

n

L

N

1

1

A TRANSFORMADA DE FOURIER DISCRETA

Consequentemente, as amostras em frequencias igualmente espaçadas X(2πk/N) ( k=0,1,…,N-1), unicamente representa a sequencia de duração finita x(n). Desde que x(n)=xp(n) sobre um único período ( acrescido por N – L zeros ), a sequencia de duração finita original x(n) pode ser obtida das amostras em frequencia X(2πk/N) por meio da formula

x p (

n )

=

1

N

N

1

k = 0

X

  

2

N

k

e

j

2

kn

/

N

,

n

=

0,1,

,

N

1

Uma sequencia de duração finita x(n) de comprimento L, onde x(n)=0 para n < 0 e n ≥ L, tem uma transformada de Fourier

X

(

)

=

L

1

n = 0

x ( n ) e

j

n

,

0

2

A TRANSFORMADA DE FOURIER DISCRETA

Quando amostramos X(ω) em frequencias igualmente espaçadas ω k =2̟k/N ( k=0,1,2,…,N-1 ), onde N ≥ L, as amostras resultantes são:

X (

k )

X k

(

) =

 

X

 

k

N

2

N

1

n = 0

x n e

(

)

k

=

0,1,2,

,

N

1

=

L

1

n = 0

x n e

(

)

j

2

kn

/

N

,

j

2

x n

(

)

kn

=

/

N

0 para

n

L

por isso

L-

1foi substituido por

N-

1

Esta relação é uma formula para transformar uma sequencia, x(n), de comprimento L ≤ N em uma sequencia de amostras de frequencia, X(k), de comprimento N.

A TRANSFORMADA DE FOURIER DISCRETA

DFT :

IDFT :

X

x

(

k

) =

(n) =

N

1

x ( n ) e

n = 0

1

N

N

1

n=0

X

j 2

(

k e

)

kn

/

N

,

k

=

j

2

kn

/

N

 

,

0,1,2,

, N

k

=

0,1,2,

,

1

N

1

PROPRIEDADES DA DFT: MULTIPLICAÇÃO DE DUAS DFT´S E CONVOLUÇÃO CIRCULAR

Suponha

que

temos

duas

seqüências

de

duração

finita

de

comprimento N, x 1 (n) e x 2 (n). A DFT´s são:

X

1

X 2

(

k

)

( )

k

=

=

N

1

n = 0

N

1

n= 0

x

1

x

2

(

(

n e

)

n e

)

j

2

kn

/

N

 

,

j

2

kn

/

N

 

,

k

=

0,1,2,

,

N

1

k

=

0 1 2

 

N

1

 

,

,

,

,

Multiplicando as duas DFT´s: X 3 (k)=X 1 (k)X 2 (k) k=0,1, ,N-1

A IDFT de

X 3 (k) é

x

3

(m) =

1

N

N

1

n = 0

X

3

(

k e

)

j

2

km N

/

=

1

N

N

1

n = 0

X

1

(

k

)

X

2

(

k e

)

j

2

km N

/

PROPRIEDADES DA DFT: MULTIPLICAÇÃO DE DUAS DFT´S E CONVOLUÇÃO CIRCULAR

x

x

3

3

(m) =

(m) =

1

N

1

N

N

1

N

1

∑∑ ∑ ∑ ∑

x

1

k

= 0 n = 0

N

1

N

x

1

(

n

)

(

n

) e

1

x

2

n

= 0

l = 0

j

2

kn N

/

N

1

( )

l

k = 0

e

j

Dentroda chaves:

N

=

k

1


N

a

= 0

a

k

,

N

1

1

a

a =

1

,

a π

1

a = e

j

2

N

1

 

 

 

   l = 0

x

2

k m

(

(

m

n

2

(

n

l

l

)/

) e

l

)/

N

j

2

N

kl

/

N

e

j

2

(7.2.36)

km N

/

a

= 1quando m - n - l é ummúltiplode N

a

N

=

1paraqualquer valordea

π

0

N

1

k

a

k = 0

=

N

,

l =

m - n

+

pN

=

((m- n))

0, casocontrário

N (7.2.38)

x

3

(

m ) =

N

1

n = 0

x

1

(

n

) x

2

((

m

n

))

N

m

=

0,1,

,

N

1

a

CONVOLUÇÃO

CIRCULAR

MÉTODOS LINEAR DE FILTRAGEM BASEADOS NA DFT

Um sistema com resposta em frequencia H(ω), quando excitado por um sinal de entrada que tem espectro X(ω), possuí um espectro de saída Y(ω)=X(ω) H(ω). Y(n) é determinado via transformada de Fourier inversa.

Computacionalmente, o

Y(ω),X(ω) e H(ω) são funções de variável contínua ω. Como consequencia, a computação não pode ser feita em computadores digitais, pois o computador pode somente armazenar e realizar computação em quantidades de frequencia discreta.

que

problema

este

domínio

frequencia

é

na

A DFT realiza a computação em computadores digitais. Na verdade, operação no domínio da frequencia baseada na DFT é computacionalmente mais eficiente do que a convolução no domínio do tempo devido a existencia de algoritmos eficientes para computar a DFT.

MÉTODOS

LINEAR DE

FILTRAGEM BASEADOS DFT

NA

USO DA DFT EM FILTRAGEM LINEAR

Foi demonstrado que o produto de duas DFTs é equivalente a convolução circular da correspondente sequencia no domínio do tempo. Infelizmente, convolução circular é de nenhum uso para nós se nosso objetivo é determinar a saída de um filtro linear para uma dada sequencia de entrada.

Neste

domínio da frequencia

equivalente a convolução linear. Suponha que temos uma sequencia x(n) com duração finita de comprimento L

que excite um filtro FIR de comprimento M. ( h(n) é a resposta ao impulso do

metodologia

caso,

procuramos

uma

no

filtro FIR )

x

(

n

)

= 0,

n

<

0

e

n

L

h

(

n

)

= 0,

n

<

0

e

n

M

A sequencia de saída y(n) do filtro FIR pode ser expressa no domínio do tempo

como a convolução de x(n) e h(n)

(

y n

)

=

M

1

k = 0

(

h k

)

(

x n

k

)

MÉTODOS

LINEAR DE

FILTRAGEM BASEADOS DFT

NA

USO DA DFT EM FILTRAGEM LINEAR

Desde que h(n) e x(n) são sequencias de duração finita, sua convolução é também finita em duração. Na verdade, a duração de y(n) é L+M-1.

No domínio da frequencia

Se a sequencia y(n) é para ser representada unicamente no domínio da frequencia por amostras de seu espectro Y(ω) em um conjunto de frequencias discretas, o número de amostras distintas deve ser igual ou exceder L+M-1. Portanto, uma DFT de tamanho N ≥ L+M -1 é exigida para representar y(n) no domínio da frequencia.

Y(

) = X (

)H(

)

Y

Y

Y

(

(

(

k

k

k

)

)

)

=

=

Y

X

X

(

(

(

k

)

)

= 2

H

(

k

/

)

H

(

k

)

N

)

,

= 2

k

k

=

0,1,

,

N

1

k

/

N

,

k

=

0,1,

 

,

N

=

0,1,

,

N

1

1

MÉTODOS

LINEAR DE

FILTRAGEM BASEADOS DFT

NA

USO DA DFT EM FILTRAGEM LINEAR

Desde que h(n) e x(n) tem duração menos que N, acrescenta-se zeros nestas sequencias para aumentar o comprimento para N. Este aumento no tamanho da sequencia não altera o espectro. Desde que a ( N=L+M-1 ) pontos da DFT da sequencia de saída y(n) é suficiente para representar y(n) no domínio da frequencia, segue que a multiplicação da N pontos das DFTs X(k) e H(k) seguido pela computação da N pontos da IDFT, deve apresentar a sequencia y(n).