Escolar Documentos
Profissional Documentos
Cultura Documentos
Pomilio
Esta anlise trata de sinais contnuos, porm amostrados no tempo. Os mtodos das
transformadas de Fourier e Laplace so muito teis para tratar funes temporais contnuas, mas no
para tratar sinais amostrados usando processamento digital.
( t ) para t 0
( t ) 0 para t 0
( t ). dt 1
para t 0
0 para t 0
V-se que a integral do impulso a funo degrau. Ou ainda,
( t t a ) para t t a
( t t a ) 0 para t t a
( t t a ). dt 1 para t t a
0 para t t a
(0) (ta)
0 t 0 ta t
Pela definio de Transformada de Fourier (TF) tem-se: ( ) ( t ). e j t . dt
Atravs da funo pode-se discretizar uma funo contnua f(t) em um instante t=ta qualquer,
uma vez que a integral define o valor da funo apenas para o instante t=ta , sendo zero para
qualquer outro instante:
( t t a ). f ( t ). dt f ( t a )
o que quer dizer que o impulso na origem contm todas as frequncias com igual amplitude e
deslocamento nulo de fase. Essa a razo pela qual, idealmente, basta aplicar um impulso (na
entrada) para se determinar a resposta em frequncia (da sada) de um sistema.
G( ) 1
1
(0)
G( ) 0
0 t
G( ) 1
1
(t-T)
1 0
0 T cresc. G( ) T
t
T -
T cresc.
( ) x0 x1 .e j T x 2 .e j 2 T ... x
k 0 ,1, 2...
k .e jkT
Essa a chamada Transformada Discreta de Fourier (TDF). Apesar de ser fcil escrever a
TDF para uma srie de amostras de um sinal, a visualizao da forma resultante para () no
simples. Isso se deve a:
F()
-2T -T 0 T 2T
Coeficientes da TF:
T1
2
1
a0
T1 A.cos( t ). dt 0
T
1
1
2
T1 T1
2 2
1 1
A. cos( t ).e A. cos t. (cos t j sen t ). dt
j 1 t
a1 1 . dt 1 1 1
T1 T T1 T1
1
2 2
T1
2
A 1 A A
T1 T1 2
.(1 sen 21t ). dt
2T1
.T1
2
2
T1
2
1
A. cos(k. t ).e
j 1 t
ak 1 . dt 0 k 1
T1 T
1
2
Se a mesma cossenide for amostrada com intervalo T, o que muda no domnio da frequncia
que o espectro torna-se repetitivo e essa repetio definida pelo intervalo de amostragem T.
1 2
a0
T1
A .dt T 1
A
2
sen k
2A sen( k 1 ) 2A T
ak . .
1
k0
T1 k 1 T1 2
k
T1
Se essa onda quadrada for amostrada com intervalo de amostragem T, tem-se a repetio desse
espectro em torno de /T.
2
Se na amostragem T0, ento , ou seja, a repetitividade do espectro tende a sumir e
T
volta-se ao sinal contnuo.
Como se v, o espectro que interessa encontra-se na faixa . Como o espectro
T T
simtrico em torno da origem, basta obter o espectro na faixa 0
.
T
Se T aumenta (taxa de amostragem diminui), a distncia entre as funes SINC diminui,
criando superposio dos espectros, o que pode comprometer a filtragem para se isolar apenas o
lbulo central do espectro.
0 T 9T t
Suponha que esse sinal volta a se repetir, repetindo-se a cada intervalo T1= 9T.
0 T T1 2T1 t
1
2 2
T1 9T
rd s .
8 10
A 4 harmnica ser 4 4 1 e a 5 harmnica 5 . Portanto, se a informao do
9T 9T
espectro est contida em s possvel obter o espectro at a 4 harmnica. O restante uma
T
repetio espelhada desse espectro a partir de .
T
Isso no surpresa pois, pelo teorema de amostragem, necessita-se de pelo menos duas
amostras por perodo para ter a informao de frequncia e, com 9 amostras, s se pode obter o nvel
CC e mais 4 harmnicas.
Outra formulao equivalente dizer que com N amostras pode-se obter N/2 frequncias
harmnicas.
2k
A frequncia da k-sima harmnica , portanto: k k = 0,1,2....N-1
NT
( ) x o x1 . e jT x 2 . e j 2T x 3 . e j 3T ... x N 1 . e j( N 1 )T
2 k 2 k 2 k 2 k
j j2 j3 j ( N 1)
( ) X (k ) x0 x1. e N
x2 . e N
x3 .e N
... xN 1.e N
N 1 kn
j2
xn . e N
k=0,1,2...N-1
n 0
Assim, para obter a TDF do sinal amostrado tem-se que variar os valores de n e k. Para
simplificar a notao, define-se o operador complexo de rotao que aparece em todas as N amostras
como sendo:
j .2 2 2
WN e N
cos j . sen
N N
N 128 2 7
N 2 2 14 16384 reduo de 9:1 operaes
2 N log 2 N 256 .7 1792
N 1024 2 10
N 2 2 20 1048576 reduo de 51:1 operaes
2 N log 2 N 2048 .10 20480
Seja pois: N 2
Como N par, pode-se expressar a TDF separando xn nas duas sequncias de N amostras
2
pares e mpares:
N 1 N 1
X( k ) x
n par
n .W Nn k x
n mpar
n .W Nn k k 0 ,1,2....N 1
Para explicitar os contadores de amostras pares e mpares usa-se um novo contador r definido
de forma que para r= 0, 1, 2, 3,....(N/2-1)
n = 2r para n par
n = 2r+1 para n mpar
N N
1 1
2 2
X (k ) x
r 0
2r .WN2 r k x2 r 1.WN( 2 r 1) k
r 0
W e N e
j 2 j 4 N
2 N
e 2
WN
N
2
Levando em conta essa redundncia conclui-se que cada somatrio torna-se uma TDF de N
2
amostras:
N N
1 1
2 2
X( k ) x
r 0
.W Nrk2 W Nk . x 2 r 1 .W Nr k
2r
r 0 2
k 0 ,1,2...N 1
TDF par TDF mpar
Como N continua sendo nmero par, pode-se repetir essa quebra, resultando 4 TDF de N
2 4
amostras. Continuando, chega-se a N TDF de apenas 2 amostras. Esse processo de quebra das
2
amostras temporais em subconjuntos chamado dizimao temporal. A cada etapa tem-se uma
relao entre as TDF de um estgio m para o seguinte, do tipo:
Xk k (p) W k . X k (q)
(p) X m (I)
m1 N m
k
onde X m ( p, q ) = valores das TDF pares (p) e mpares(q) no estgio m para harmnica k;
m = estgio da dizimao m=1,2,3...
p, q = ndices par e mpar p,q=0,1,2...( N 2 1 )
k = ordem harmnica k=0,1,2...N-1
A expresso (I) anterior d os termos pares de X mk 1 . Faltam os termos mpares. Notar que o
ndice k varia at N-1, enquanto r varia at (
N
1). Para os demais termos, k r N , os
2 2
coeficientes da TDF iro se repetir, pois como:
(r N )
j . 2 2
1
rN N j 2r j
j 2r
W N
2
e
e N
. e e N
WNr
N
basta calcular os operadores W Nr para r 0 ,1,2...( 1 ) , e usar o seguinte par de equaes para
2
N
k r 0 ,1,2...( 1).
2
X mk 1 ( p) X mk ( p) WNk . X mk (q) p conjunto par
X mk 1 (q) X mk ( p) WNk . X mk (q) q conjunto mpar
Esse par de equaes chamado de operao borboleta devido sua forma de representao
grfica, mostrada no exemplo a seguir.
Exemplo:
Supondo N=23=8 amostras, o clculo da FFT pode ser representado pelo seguinte diagrama
que ter =3 estgios. A decomposio (dizimao) comea de trs para frente para se chegar
operao inicial entre duas amostras.
Primeira dizimao:
m=1 m=2 DFT (N=8) m=3
k
X2 (0)
x0 X3 (0) 0
W0
x2 X3 (1) 1
par DFT 1
(N=4) W
x4 X3 (2) 2
2
W
x6 X3 (3) 3
3
W
x1 W4 X3 (4) 4
x3 W5 X3 (5) 5
DFT
mpar (N=4)
x5 W6 X3 (6) 6
x7 W7 X3 (7) 7
X2 (7)
N
r
Devido simetria do tipo WN 2
WNr pode-se escrever:
W 4 W 0
W 5 W 1
W 6 W 2
W 7 W 3
Repetindo as operaes para as DFT menores, obtm-se para o segundo estgio da dizimao:
X1 (4)
x1 W4 X3 (4) 4
par DFT W
0
(N=2) X3 (5) 5
x5 2 W5
W
x3 X3 (6) 6
DFT W
4
W6
mpar
(N=2) X3 (7) 7
x7 W
6
W7
X1 (7) X2 (7)
X1 (4)
x1 0
W4 X3 (4) 4
W 0
W
4
x5 W 2 W5 X3 (5) 5
W
x3 X3 (6) 6
W
4
W6
0
W
x7 W
4
W
6
W7
X3 (7) 7
X1 (7) X2 (7)
Figura 4.14 Terceiro estgio de dizimao
Portanto, o algoritmo para N=8 amostras pode ser reduzido s seguintes operaes:
x0 X (0)
0
x4 W -1 X (1)
x2 0 X (2)
W -1
x6 0 -1 W
2
X (3)
W -1
x1 W0 -1 X (4)
0 -1 1
x5 W W -1 X (5)
x3 W
0
-1 X (6)
-1 W2
x7 W
0 -1 W
2
-1 W3 -1
X (7)
N=4
AMOSTRA ORDEM INICIAL BITS REVERTE ORDEM FINAL
x(1) 0 00 00 0
x(2) 1 01 10 2
x(3) 2 10 01 1
x(4) 3 11 11 3
N=8
AMOSTRA ORDEM INICIAL BITS REVERTE ORDEM FINAL
x(1) 0 000 000 0
x(2) 1 001 100 4
x(3) 2 010 010 2
x(4) 3 011 110 6
x(5) 4 100 001 1
x(6) 5 101 101 5
x(7) 6 110 011 3
x(8) 7 111 111 7
X m 1 ( p) X m ( p) W r X m (q)
borboleta bsica
X m 1 (q) X m ( p) W X m (q)
r
para todos os conjuntos p, q e todos os estgios m, varrendo os operadores W r requeridos.
Incio: escolha
N= potncia de 2
X(I)=[1,2,3...N]
Imprimir vetor
de entrada X(I)
L=1
Imprimir vetor
I=1, N-1 Fim
de sada X(I)
I:L
<
XL=X(L)
X(L)=X(I)
X(I)=XL
K=N/2
L=L+K K:L
<
L=L-K
K=K/2
Figura 4.16 Algoritmo para troca de posio de dados, baseado na reverso de bits.
Seja N=4
Amostras X(1) X(2) X(3) X(4)
L=1
I=1 Y(1)=X(1) (no muda)
I=L
K=N/2=2
K>L
L=L+K=1+2=3
I=2
I<L
XL=X(3)
X(3)=X(2) Y(3)=X(2) [antigo X(2)]
X(2)=XL Y(2)=X(3) [antigo X(3)]
K=N/2=2
K<L
L=L-K=3-2=1
K=K/2=1
K=L
L=L+K=1+1=2
I=3
I>L
K=N/2=2
K=L
L=L+K=2+2=4
I=4 Y(4)=X(4) (no muda)
Fim do programa
Entrada: vetorY(I)
[X(I) revertido]
M=log2N
L=1, M
LE=2^L
U=1+j0
W=cos(2/LE)-jsen(2/LE)
K=1, LE/2
IP=K, N step LE
IQ=IP+LE/2
T=Y(IQ)*U
Z(IQ)=Y(IP) -T
Z(IP)=Y(IP) +T
U=U*W
Imprimir vetor
de saida Z(I)
Fim
Figura 4.17 Algoritmo das operaes "borboleta" da FFT.
As amostras de x(t), tomadas a intervalos T, podem ser expressas pela funo discreta:
2
x( nT ) A1 sen 2 f 1 ( nT ) A1 sen n x( n )
N
nn01,,21,,23......NN 1
Acrescentando-se uma harmnica de ordem h, pode-se escrever, por semelhana, a srie de
amostras como sendo:
2 2 h
x( n ) A1 sen n Ah sen n
N N
1
max 2 f max f max
T 2T
max 2 1 f
f max
N NT NT N
2 2
Para melhorar (aumentar) a resoluo em frequncia, o que se pode fazer aumentar o nmero
de ciclos amostrados com a mesma taxa de amostragem. No caso de amostrarmos 6 ciclos em vez de
1, a resoluo em frequncia ser 6 vezes maior, pois:
f max f1
f 10 Hz
2
6 N 6
Essa informao til para se converter o vetor de sada para a escala de frequncias
correspondentes: escala em Hz no de ciclos xf no de ciclos/ N .T .
Abs( Z1 )
A0
N
Abs( Z I )
AI 1 para I>1. Este o valor para a srie unilateral (o dobro da sada da FFT).
N
2
Im( Z I )
I tg 1 dependendo do quadrante e de Re(.) 0 e I>1
Re( Z I )
OBS: para obter preciso da fase preciso sobre-amostrar o sinal. Para N=512 pontos por
ciclo, o erro no ngulo (em graus) aproximadamente igual ordem harmnica, ou seja:
I=2 (Componente fundamental) 10
I=6 (quinta harmnica) 50
Exemplo
Seja uma onda quadrada com 4 amostras por perodo (N=4):
+1
-1
O valor A0 corresponde ao valor mdio. Devido ao uso da srie na forma complexa bilateral, as
amplitudes das harmnicas so metade do valor real. A1 corresponde componente na frequncia
fundamental, A2 corresponde segunda harmnica e assim sucessivamente.
No entanto, sabe-se que com 4 amostras possvel identificar at a segunda componente
harmnica, ou seja, aps esta frequncia os resultados no tm significado. Neste exemplo, o valor
da componente A3, que corresponderia terceira harmnica, deve ser descartado.
Quando se analisa o valor da componente fundamental, observa-se que o mesmo est errado,
pois sabido que a fundamental desta onda quadrada tem amplitude 4/. Ou seja, a amostragem
muito reduzida, embora permita identificar corretamente a frequncia, no capaz de calcular
corretamente a amplitude.
Na verdade, o valor identificado corresponde ao de uma senide de mesma frequncia e com
amplitude 2, amostrada nos ngulos de 45, 135, 225 e 315, ou seja, com os mesmo valores das
amostras da onda quadrada original.
A figura a seguir mostra o resultado do algoritmo da FFT, sempre tomando apenas 4 amostras
por ciclo, mas analisando um nico ciclo (resoluo de 60 Hz) e analisando quatro ciclos (resoluo
de 15 Hz). Os resultados devem ser considerados at a componente A2, e coincidem nas frequncias
detectadas e na amplitude (ambas erradas). O termo A3 pode ser analisado como a reflexo do
espectro em frequncia em torno da frequncia de Nyquist, ou seja, a mxima frequncia observvel
(120 Hz, neste caso).
0.8 0.8
0.7 0.7
X: 60
Y: 0.7071
0.6 0.6
0.5 0.5
0.4 0.4
0.3 0.3
0.2 0.2
0.1 0.1
0 0
0 20 40 60 80 100 120 140 160 180 0 50 100 150 200 250
a) b)
Figura 4.19 FFT de onda quadrada em 60 Hz, amplitude unitria, com quatro amostras por ciclo:
a) Um ciclo de observao; b|) Quatro ciclos de observao (resoluo de 15 Hz).
0.7
0.6 X: 60
Y: 0.6376
0.5
0.4
0.3
960 Hz
0.2
0.1
0
0 200 400 600 800 1000 1200 1400 1600 1800 2000
Figura 4.20 FFT de onda quadrada em 60 Hz, amplitude unitria e 32 amostras por ciclo.
Espectro analisvel at 16 x 60=960 Hz.
Tome-se agora para anlise uma onda senoidal (amplitude unitria) com 20 % de 5 harmnica
(300 Hz), 10% de nona harmnica (540 Hz), e de um nvel CC unitrio. O sinal e o respectivo
espectro so mostrados a seguir.
2.5 1
0.9
2
0.8
0.7
1.5
0.6 X: 60
Y: 0.5
1 0.5
0.4
0.5
0.3
0.2
0
0.1
-0.5 0
0 20 40 60 80 100 120 140 0 200 400 600 800 1000 1200 1400 1600 1800 2000
Figura 4.21 Forma de onda e respectivo espectro obtido com 32 amostras por ciclo.
O algoritmo identifica exatamente o nvel CC, bem como as componentes oscilatrias, tanto
em termos de frequncia quanto de amplitude. A amostragem leva a uma frequncia de Nyquist de
960 Hz, o que garante, neste exemplo, que no h interferncia entre os componentes dos espectros,
de modo que os valores de amplitude so corretamente estimados.
Ao reduzir a taxa de amostragem para 16 amostras por ciclo, a frequncia em torno da qual se
d o espelhamento do espectro se reduz para 480 Hz, como mostra a figura 4.22, impossibilitando
qualquer anlise acima desta frequncia. O nvel CC continua adequadamente estimado, no entanto
h um embaralhamento nas componentes de ordem elevada, pois a componente vista em 420 Hz
no existe no sinal, sendo o reflexo da nona harmnica. Neste caso em particular, como no h
coincidncias entre as componentes originais e as refletidas, as amplitudes so corretas.
Um filtro anti-aliasing (AAF) usado antes do amostrador para restringir a largura de banda
do sinal de modo a, aproximadamente ou completamente, satisfazer o teorema de amostragem sobre
a banda de interesse.
A reconstruo inequvoca do sinal a partir de suas amostras possvel apenas quando no
existam componentes espectrais alm da frequncia de Nyquist. Assim, mesmo que o sinal original
possua componentes alm deste limite, a informao obtida pela FFT no confivel.
Para evitar interpretaes erradas dos espectros, usual limitar a banda do sinal a ser
amostrado por meio de um filtro passa-baixas que elimine (ou minimize) a faixa do espectro no
identificvel pela amostragem. O resultado do uso do AAF mostrado na figura 4.23. Note-se que o
sinal, aps a filtragem, tem formado distinto e que o espectro apresenta apenas as componentes que
efetivamente podem ser avaliadas pela FFT. Foi utilizado um filtro de Butterworth de quarta ordem
sintonizado na frequncia de (4,32.1). Com isso se preserva a terceira harmnica e se atenua
fortemente a nona harmnica.
2.5 1
0.9
2
0.8
0.7
1.5
0.6
1 0.5
0.4
0.5
0.3
0.2
0
X: 420
0.1 Y: 0.05
-0.5 0
0 10 20 30 40 50 60 70 0 100 200 300 400 500 600 700 800 900 1000
0.9
2 0.8
0.7
1.5
0.6
0.5
1
0.4
0.5
0.3
0.2
0
0.1
-0.5 0
0 10 20 30 40 50 60 70 0 100 200 300 400 500 600 700 800
Figura 4.23 Forma de onda e respectivo espectro obtido com 16 amostras aps filtragem do sinal.
A resposta em frequncia do filtro est na figura 4.24. Note-se a resposta plana para o ganho
(caracterstica dos filtros Butterworth). O ajuste realizado garante ganho praticamente unitrio para a
3 harmnica.
Bode Diagram
-20
Magnitude (dB)
-40
-60
-80
-100
0
-90
Phase (deg)
-180
-270
-360
-450
1 2 3
10 10 10
Frequency (Hz)
-10 1 0,1
10
-20 0,1 0,01
-40 0,01 10-4
Obs: Notar que 20 dB corresponde a 1 dcada (10 vezes) em amplitudes e que 3 dB corresponde
razo 2 de potncias.
A1
A1
Ak Ak
0 f1 fk 0 f1 fk
Ciclos completos. Ciclos incompletos.
Figura 4.25 Sada de FFT a partir de amostras que no se referem a ciclos completos do sinal.
Este efeito pode ser visualizado no sinal a seguir, que apresenta a mesma forma de onda
mostrada anteriormente, mas com um nmero no inteiro de ciclos, bem como o respectivo espectro.
Note que a identificao da frequncia ainda se mostrou correta (o que nem sempre acontece, pois
pode haver um deslocamento do pico), mas com grande erro de amplitude.
2.5 1
2
0.8
1.5
0.6
1 X: 60
Y: 0.3988
0.4
0.5
0 0.2
-0.5 0
0 20 40 60 80 100 120 140 0 500 1000 1500 2000
Como esse erro devido basicamente ao truncamento do sinal, uma forma usual de se
contornar tal efeito utilizar funes de ponderao ou janelas ("windows") para atenuar o impacto
de truncamento. Essas janelas, porm, alteram a energia do sinal e, por isso, introduzem um fator
adicional de escala de amplitude.
Existem muitos tipos de janelas e cada uma produz um efeito particular sobre o espectro do
sinal. Pode-se dizer que uma janela causa dois efeitos principais sobre o espectro:
a) reduz o efeito de vazamento e, portanto, atenua as raias laterais do espectro calculado,
melhorando a identificao de frequncias;
b) "alarga" a banda em torno das raias principais, afetando a identificao da amplitude.
A1
A1
Ak Ak
0 f1 fk 0 f1 fk
O que distingue uma janela da outra o compromisso entre esses dois efeitos. Por exemplo:
W (k )1 0 k N 1
Janela retangular
W (k )0
diferente
W ( k ) 2 k 0 k N
N 2
Janela triangular
2k
W (k )2 N k N
N 2
k
W (k )0,540,46cos 2 N 0 k N 1
Janela Hamming
W (k )0 diferente
2 0.6
1.5 0.5
0.4
1
X: 60
0.3 Y: 0.2454
0.5
0.2
0
0.1
-0.5 0
0 20 40 60 80 100 120 140 0 500 1000 1500 2000
Figura 4.28 Aplicao da janela de Hamming em sinal amostrado e seu efeito sobre o espectro.
0 0 0
-20dB -20dB -20dB
-40dB
Existem vrios outros tipos de janelas de ponderao (Blackman, Hanning, Exponencial, etc.).
Quanto maior for a atenuao dos lbulos laterais do espectro da janela, melhor a janela. Mas
tambm desejvel que o lbulo principal seja o mais estreito possvel para dar maior acuidade em
torno das frequncias contidas no sinal que se deseja analisar.
A figura 4.30 mostra que, com nmero inteiro de ciclos, a aplicao da janela indiferente. A
FFT calcula com preciso a amplitude (o aplicativo presente no osciloscpio j fornece o valor eficaz
da harmnica) e identifica corretamente a frequncia. J com nmero fracionrio de ciclos, a
frequncia no bem identificada, bem como h erro na amplitude.
Figura 4.30 Janela retangular com nmero inteiro (esq.) e fracionrio (dir.) de ciclos.
Considerando uma onda quadrada, quando se tem uma quantidade de ciclos inteiros, a
identificao da frequncia correta, assim como a amplitude. No caso ilustrado na figura a seguir, a
onda quadrada tem 2 V de amplitude, o que leva a uma fundamental com 2,546 V de amplitude e 1,8
V de valor eficaz. No entanto, para ciclos fracionrios, repetem-se os erros na identificao da
frequncia e no valor da amplitude.
Figura 4.32 Janela Hamming com nmero inteiro (esq) e fracionrio (dir) de ciclos.
Figura 4.33 Efeito do aumento do nmero de ciclos na FFT para diferentes janelas.