2012-2

Prof. Cludio A. Fleury

Processamento Digital de Sinais

Aula 6 EDLCCs

Cap.3 Lathi Slides: 36

Prof. Cludio A. Fleury Sinais e Sistemas Digitais

 Modelagem Matemtica
Definies
a rea do conhecimento que estuda a simulao de sistemas
reais a fim de prever o comportamento dos mesmos
Consiste na tentativa de se descrever matematicamente um
fenmeno fsico de interesse
um conjunto de etapas que tem como objetivo final fornecer uma
descrio matemtica de um dado fenmeno do mundo real
Formas/Mtodos
Autmatos
Equaes Diferencias/Diferenas
Ter as taxas de variao do fenmeno a partir da observao
Modelo Matemtico
uma abstrao,
uma construo simplificada,
uma estrutura matemtica relacionada com parte da realidade e
criada para uma finalidade particular

Prof. Cludio A. Fleury Sinais e Sistemas Digitais 4

 Modelagem Matemtica
Aplicaes
Ao desenvolver um modelo matemtico busca-se o equilbrio entre a
representao da realidade e a complexidade do modelo, para se obter
resultados coerentes, assim como a interpretao dos mesmos
Estudo/anlise/desenvolvimento/sntese da proliferao de doenas
infecciosas, da produo de materiais para construo civil, de
estratgias de pesca, dos efeitos biolgicos de radiaes, da
movimentao de animais, do movimento de rios, das estratgias de
vacinao, da teoria da deciso, do crescimento de cidades, do trfego
urbano, do controle biolgico de pragas, da eficincia aerodinmica etc

Segundo Howard Emmons,

o processo de modelagem
o desafio da modelagem matemtica
interdisciplinar por natureza,
no produzir os modelos descritivos
pois utiliza os resultados e os
mais completos, mas sim produzir
instrumentos de outras reas como
modelos suficientemente simples que
ponto de partida para o seu
incorporam as principais caractersticas
desenvolvimento
do fenmeno em questo

Prof. Cludio A. Fleury Sinais e Sistemas Digitais 5

 Tipos de Modelos
Modelos dinmicos e estticos
Dependentes do tempo e independentes do tempo

Modelos discretos e contnuos

Equaes em diferenas recursivas ou no
Equaes Diferenciais

Modelos determinsticos e estocsticos

Processos randmicos
Alta complexidade, grande quantidade de variveis

Modelos lineares e no lineares

Estabilidade

Prof. Cludio A. Fleury Sinais e Sistemas Digitais 6

 Exemplo 1
Um correntista deposita uma quantia de x[n] reais a cada ms n,
e o banco remunera o capital mensalmente com uma taxa de juros r (%).

Qual a relao entre o saldo da contay[n] e os depsitos mensais?

y[n ] = y[n 1] + r. y[n 1] + x[n ]

onde :
x[ n ] depsito realizado no n simo ms
y[ n ] saldo calculado aps depsito do n simo ms
r taxa mensal de juros

x[n] y[n]

a.y[n-1] a y[n ] = (1 + r ). y[n 1] + x[n ]

D y[n ] = a. y[n 1] + x[n ]
onde : a = 1 + r

Neste exemplo, o depsito a causa (entrada) e o saldo o efeito (sada).

Prof. Cludio A. Fleury Sinais e Sistemas Digitais 7

 * Suavizao exponencial simples de Brown

Exemplo 3
Suavizador Exponencial de Primeira Ordem*

A suavizao exponencial usada para remover flutuaes indesejadas de sries

temporais observadas, tais como: ndice Bovespa, temperatura diria, medies da
presso arterial de um ser humano etc.

Seja x[n] o sinal discreto a ser suavizado exponencialmente e y[n] o sinal suavizado
pela mdia ponderada da sada no instante anterior, y[n-1] e da entrada atual, x[n]:

y[ n ] = . y[ n 1] + (1 ). x[ n ], 0 < <1

Quanto mais prxima a constante (fator de suavizao) for de 1, mais o valor da sada
precedente ponderado e mais "suave" ser a sada atual y[n].

Seja o sinal discreto dado a seguir:

x[n] = { 0.9,0.92,1.2,0.5,0.67,0.45,0.55,1.5,0.05,-0.4,0.4,-0.35,0.01,-0.55,0.,-0.05, -0.65,
-1.95,-0.65,0.15,-0.25,-1.95-1.,-1.5,-1.85,-1.9,-0.9,-1.2,-0.95,-1.,-0.95,-0.3,-0.05,
0.85,-1.15,-0.8,0.5,-0.2,-0.65,0.45,1.3,1.,1.9,1.35,2.,0.7,0.2,0.8,1.85 }
Vamos traar a sada suavizada exponencialmente simples para x[n] com = 0,8.

Prof. Cludio A. Fleury Sinais e Sistemas Digitais 9

 Exemplo 3

A suavizao exponencial simples no funciona bem quando existe uma

tendncia nos dados, e que pode ser resolvido com a aplicao do filtro
exponencial duas vezes:suavizao exponencial dupla ou de segunda ordem

Prof. Cludio A. Fleury Sinais e Sistemas Digitais 10

 Exemplo 3
# -*- coding: utf-8 -*-
""" Suavizador Exponencial de Primeira Ordem: calcula a mdia ponderada da
entrada atual e da sada anterior
@author: kaw
@date: 15/01/2017
"""
from numpy import zeros
from pylab import subplot, stem, title, xlabel

x = [0.9,0.92,1.2,0.5,0.67,0.45,0.55,1.5,0.05,-0.4,0.4,-0.35,0.01,-0.55,0.,
-0.05,-0.65,-1.95,-0.65,0.15,-0.25,-1.95,-1.,-1.5,-1.85,-1.9,-0.9,-1.2,
-0.95,-1.,-0.95,-0.3,-0.05,0.85,-1.15,-0.8,0.5,-0.2,-0.65,0.45,1.3,1.,1.9,
1.35,2.,0.7,0.2,0.8,1.85]
y = zeros(len(x))
alfa = 0.8 # fator de suavizao: 0 < alfa < 1

for n in range(len(x)):
if n == 0:
continue
y[n] = alfa*y[n-1] + (1-alfa)*x[n]

subplot(2,1,1); stem(x); title('Entrada')

subplot(2,1,2); stem(y); xlabel('n')
title(u'Sada suavizada exponencialmente: $alfa = ' + str(alfa) + '$')

Prof. Cludio A. Fleury Sinais e Sistemas Digitais 11

 Exerccio
Pndulo Simples

Um pndulo simples consiste de um fio leve e

inextensvel de comprimento L, tendo na extremidade
inferior, por exemplo, uma esfera de massa m; a
extremidade superior fixada em um ponto, tal que
ele possa oscilar livremente (resistncia do ar
desprezvel), com amplitudes pequenas (mx = 15o).

Problema: qual a frequncia angular das oscilaes

para pequenos deslocamentos angulares, .
A representao de sen() e cos() em srie de Taylor :
3 5 2 4
sen( ) = + ... e cos( ) = 1 + ...
3! 5! 2! 4!
Para << 1 rad: sen() e cos() 1

Prof. Cludio A. Fleury Sinais e Sistemas Digitais 12

 * Suavizao exponencial dupla de Holt-Winters

Exemplo 5
Suavizador Exponencial de Segunda Ordem*

A suavizao exponencial dupla introduz um termo que considera a possibilidade da

srie exibir alguma forma de tendncia. Esse termo atualizado por meio da suavizao
exponencial. Nesse caso, haver um fator de suavizao dos dados, , e outro fator de
suavizao da tendncia, :

y[n] = (1 ).( y[n 1] + w[n 1]) + .x[n], 0 < <1

w[n] = (1 ).w[n 1] + .( y[ n] + y[n 1]), 0 < <1
Considerando : y[0] = w[0] = 0; y[1] = x[1] e w[1] = x[1] x[0]

Exerccio: Seja o sinal discreto dado a seguir,

x[n] = {-0.35101246,2.78196179,0.54535078,1.39466314,0.60766455, 1.94272629,1.63229887,
-0.21634079, 1.35483698,1.06381446, 1.31544737,1.63766521,1.28481705,1.38363468,
1.13009057,0.50481179,1.41055212,1.01652548,3.17287364,0.30781654,2.26786531,
1.51183507,1.74541315, -0.73965649,1.87216697,1.2521502 ,0.78885067,0.8641744 ,
2.59655832,0.00568319,0.62510602,1.25315003,1.27353125,0.91988824,1.06955062,
0.81450009,2.65738103,2.39179386,1.73946044,0.56609731,1.68103873, -0.785917,
-0.79030348,1.93728125,1.78263468,1.25451215,0.99068027,-0.89163582,1.50736573,-0.0799}
Trace a sada suavizada exponencialmente dupla para x[n] com = 0,8e = 0,5
Prof. Cludio A. Fleury Sinais e Sistemas Digitais 14
 Exemplo 5

Prof. Cludio A. Fleury Sinais e Sistemas Digitais 15

 Exemplo 5
# -*- coding: utf-8 -*-
""" Suavizador Exponencial de Primeira e Segunda Ordens
@author: kaw, 21/01/2017
"""
from numpy import zeros, array
from pylab import subplot, stem, title, xlabel, figure, plot, legend
from numpy.random import randn

def suaviza_exp(x,a,b=None):
N = len(x)
yy = zeros(N)
if b == None: # suavizao simples
for n in range(len(x)):
if n == 0:
continue
yy[n] = (1-a)*yy[n-1] + a*x[n]
else:
w = zeros(N)
yy[1] = x[1]
w[1] = x[1] - x[0]
for n in range(2,N): # suavizao dupla
yy[n] = (1 - a)*(yy[n-1] + w[n-1]) + a*x[n]
w[n] = (1 - b)*w[n-1] + b*(yy[n] - yy[n-1])
return yy

...continua

Prof. Cludio A. Fleury Sinais e Sistemas Digitais 16

 Exemplo 5
...continuao
N = 50
alfa = 0.2 # fator de suavizao dos dados
#x = zeros(N) + randn(N) + 1. # valores aleatrios com mdia unitria
x = array([-0.35101246, 2.78196179, 0.54535078, 1.39466314, 0.60766455,
1.94272629, 1.63229887, -0.21634079, 1.35483698, 1.06381446,
1.31544737, 1.63766521, 1.28481705, 1.38363468, 1.13009057,
0.50481179, 1.41055212, 1.01652548, 3.17287364, 0.30781654,
2.26786531, 1.51183507, 1.74541315, -0.73965649, 1.87216697,
1.2521502 , 0.78885067, 0.8641744 , 2.59655832, 0.00568319,
0.62510602, 1.25315003, 1.27353125, 0.91988824, 1.06955062,
0.81450009, 2.65738103, 2.39179386, 1.73946044, 0.56609731,
1.68103873, -0.785917 , -0.79030348, 1.93728125, 1.78263468,
1.25451215, 0.99068027, -0.89163582, 1.50736573, -0.07995249])
media = x.sum()/len(x)
y = suaviza_exp(x,alfa)

figure()
subplot(3,1,1); plot(x); title(u'Entrada com mdia: %3.2f' % media)
subplot(3,1,2); plot(y); xlabel('n')
title(u'Sada com suavizao' + r' exponencial simples ($\alpha = %3.2f$)' % alfa)

for beta in (0.1,0.5,0.9):

yy = suaviza_exp(x,alfa,beta)
subplot(3,1,3); plot(yy,label=str(beta)); xlabel('n')
title(u'Sada com suavizao exponencial dupla ' + r'($\alpha = %3.2f$)' % alfa)
legend()

Prof. Cludio A. Fleury Sinais e Sistemas Digitais 17

 Classificao do SLITD
Quanto natureza da Resposta ao Impulso

Equao de Diferenas Linear com Coeficientes Ctes

M 1 N 1
y[n] = b j x[n j ] ai y[n i ]
j =0 i =1

FIR - Finite Impulse Response

Coeficientes ai= 0,exceto o primeiro coeficientea0 = 1
Sistemas No Recursivos
Sada atual depende de entradas corrente e/ou anterior(es)

IIR - Infinite Impulse Response

Pelo menos um coeficienteai(i > 0) no nulo
Sistemas Recursivos ou Realimentados
Sada atual depende de sada(s) anterior(es) e/ou de entrada(s) atual
e/ou anterior(es)
Prof. Cludio A. Fleury Sinais e Sistemas Digitais 18
 EDLCCs
Usando termos em avano (mais conveniente)
y[n + N ] + a1 y[n + N 1] + L + a N 1 y[n + 1] + a N y[n] =
bN M x[n + M ] + bN M +1 x[n + M 1] + L + bN 1 x[n + 1] + bN x[n]
EDLCC de ordem mx( N , M )
Usando termos em atraso (mais natural)

Usando operador em avano: Ek{w[n]} = w[n+k]

( E N + a1 E N 1 + ... + a N 1 E + a N ) y[ n] = (bN M E M + bN ( M 1) E M 1 + bN 1 E + bN ) x[ n]
Em notao polinomial : Q( E ). y[ n] = P( E ).x[n]

Prof. Cludio A. Fleury Sinais e Sistemas Digitais 21

 EDLCCs
Mtodos de Resoluo
1. Iterativo
Essencialmente computacional
Clculos sucessivos
Em SLITDs do tipo IIR, o clculo da sada corrente
necessita de todas as sadas anteriores

2. Clssico
Heurstica: soluo exponencial
Forma fechada para o clculo da sada corrente

Prof. Cludio A. Fleury Sinais e Sistemas Digitais 22

 Resoluo de
Equao de Diferenas

Mtodo Iterativo

Seo 3.5.1, Lathi (p.246)

Prof. Cludio A. Fleury Sinais e Sistemas Digitais 23
 Equao de Diferenas
Soluo de EDLCCs:
Mtodo 1:Iterativo
Exemplo: SLITD Recursivo (IIR)
Operador Atraso y[n] 0,5 y[n 1] = x[n] com c.i.* : y[1] = 16
e entrada : x[n] = n 2u[ n]

Resolvendo iterativamente: y[n] = 0,5 y[n 1] + x[n]

Para n = 0 : y[0] = 0,5 y[1] + x[0] = 0,5 16 + 0 2 = 8

Para n = 1 : y[1] = 0,5 y[0] + x[1] = 0,5 8 + 12 = 5
Para n = 2 : y[2] = 0,5 y[1] + x[2] = 0,5 5 + 2 2 = 6,5
Para n = 3 : y[3] = 0,5 y[2] + x[3] = 0,5 6.5 + 32 = 12,25
M

* condio inicial
Prof. Cludio A. Fleury Sinais e Sistemas Digitais 25
 Equao de Diferenas
Soluo de EDLCCs:
Mtodo 1:Iterativo
Exemplo:

y[n + 2] y[n + 1] + 0.24 y[n ] = x[n + 2] 2 x[n + 1] Operador Avano

com c.i.' s : y[ 1] = 2, y[ 2] = 1 e entrada causal : x[n ] = n.u[n ]

Resolvendo iterativamente: y[n + 2] = y[n + 1] 0,24 y[n] + x[n + 2] 2 x[n + 1]

Para n = 2 : y[0] = 2 0,24(1) + 0 0 = 1,76

Para n = 1 : y[1] = 1,76 0,24(2) + 1 0 = 2,28
Para n = 0 : y[2] = 2,28 0,24(1,76) + 2 2(1) = 1,8576
M

Prof. Cludio A. Fleury Sinais e Sistemas Digitais 26

 Resoluo de
Equao de Diferenas

Mtodo Clssico

Seo 3.6, Lathi (p.251)

Prof. Cludio A. Fleury Sinais e Sistemas Digitais 27
 Equao de Diferenas
Soluo de Equao de Diferenas:
Mtodo 2:Forma Fechada(mesmo mtodo usado p/ SLITCs)
Operador Avano
y[n + N ] + a1 y[n + N 1] + ... + a N 1 y[n + 1] + a N y[n] =
bN M x[n + M ] + bN ( M 1) x[n + M 1] + ... + bN 1 x[n + 1] + bN x[n]

Usando Operador Avano: Ex[n] = x[n+1], E2x[n] = x[n+2] , ENx[n] = x[n+N]

( E N + a1 E N 1 + ... + a N 1 E + a N ) y[n] =
(bN M E M + bN ( M 1) E M 1 + ... + bN 1 E + bN ) x[n]
ou, em notao polinomial : Q ( E ). y[n] = P( E ).x[n]

Soluo Geral:y[n] = y0[n] + ye0[n]

Resp. de Estado Nulo (convoluo)

2
Resp. de Entrada Nula (modos caractersticos)
1
Prof. Cludio A. Fleury Sinais e Sistemas Digitais 28
 Equao de Diferenas
Soluo de Equao de Diferenas:
Mtodo 2:Forma Fechada
Resposta Entrada Nula
Para x[n] = 0, Q( E ). y0 [n] = 0
ou : ( E N + a1 E N 1 + L + a N 1 E + a N ) y0 [n] = 0 lembrando: Ek{w[n]} = w[n+k]
Heuristicamente sabe - se que a soluo dessa equao da forma : y0 [n] = c. n
Substituindo y 0 [n ] = c. n em Q ( E ). y 0 [n ] = 0
teremos : c.( N + a1 N 1 + L + a N 1 + a N ) n = 0
Uma soluo no trivial : Equao Caracterstica do SLITD

N + a1 N 1 + L + a N 1 + a N = 0, ou Q ( ) = 0
Fatoradamente : ( 1 )( 2 )L( N ) = 0 Polinmio Caracterstico

Modos A soluo da EDLCC entrada nula ser :

Caractersticos y0 [n ] = c1 1n + c2 2n + L + c N Nn
do SLITD:
(i)np/i=1,2,...,N onde : 1 , 2 ,..., N so as razes caractersticas (autovalores) do SLITD
c1 , c2 ,..., c N so constantes arbitrrias determinadas por N c.i.' s
Prof. Cludio A. Fleury Sinais e Sistemas Digitais 29
 Equao de Diferenas
Soluo de Equao de Diferenas:
Mtodo 2: Forma Fechada
Resposta Entrada Nula
N Razes caracters ticas distintas : ( 1 )( 2 ) L ( N )
Possibilidades de Razes de

com modos caracters ticos : c1 1n + c2 2n + K + cN Nn

r Razes caracters ticas iguais : ( 1 ) r ( r +1 )( r +2 ) L ( N )

com modos caracters ticos : (c1 + c2 n + c3n 2 + cr n r 1 ) 1n + cr +1 rn+1 + K + cN Nn
Q()

2 Razes caractersticas complexas : ( 1 )( 1* )

c1 1n + c2 ( 1* ) = c1 1 e jn + c2 1 e jn
n n n
com modos caractersticos :
c j c
Para um sistema real c1 e c2 devem ser conjugados : c1 = e , c2 = e j
2 2
c n j ( n + ) n
y 0 [n ] = 1 (e + e j ( n + ) ) = c 1 cos( n + )
2

Prof. Cludio A. Fleury Sinais e Sistemas Digitais 31

 Equao de Diferenas
Soluo de Equao de Diferenas:
Mtodo 2: Forma Fechada
Resposta Entrada Nula
EXEMPLO 1:
SLITD : y[n + 2] 0,6 y[n + 1] 0,16 y[n ] = 5 x[n + 2],
C.i.' s : y[ 1] = 0, y[ 2] = 25 / 4
Entrada : x[n ] = 4 n u[n ]
Calcular y 0 [n ].

EDLCC em notao operacional : ( E 2 0,6 E 0,16) y[n ] = 5E 2 x[n ]

Polinmio caracters tico :
2 Razes caracters ticas distintas :
A resposta entrada nula :
Para n = 1 e 2 :
Logo :
2 0,6 0,16 = ( + 0,2)( 0,8) = 0
1 = 0,2 e 2 = 0,8
y 0 [n ] = c1 ( 0,2) n + c2 (0,8) n
0 = 5c1 + 5c2 / 4 c1 = 1 / 5
25 / 4 = 25c1 + 25c2 / 16 c2 = 4 / 5
[ ]
y 0 [n ] = ( 0,2) n + 4(0,8) n / 5, n 0

Prof. Cludio A. Fleury Sinais e Sistemas Digitais 32

 Equao de Diferenas
Soluo de Equao de Diferenas:
Mtodo 2: Forma Fechada
Resposta Entrada Nula
EXEMPLO 2:
SLITD : y[n + 2] + 6 y[n + 1] + 9 y[n ] = 2 x[n + 2] + 6 x[n + 1],
C.i.' s : y[ 1] = 1 / 3, y[2] = 2 / 9
Calcular y0 [n ].

EDLCC em notao operacional : ( E 2 + 6 E + 9 ) y [ n ] = ( 2 E 2 + 6 E ) x[ n ]

Polinmio caracters tico : 2 + 6 + 9 = ( + 3) 2 = 0
2 Razes caracters ticas iguais : 1 = 3 e 2 = 3
A resposta entrada nula : y0 [n ] = c1 ( 3)n + c2n( 3) n
1/ 3 = c1 / 3 + c2 / 3 c1 = 4
Para n = 1 e 2 :
2 / 9 = c1 / 9 2c2 / 9 c2 = 3
Logo : y0 [n ] = (4 + 3n )( 3) n , n 0
Prof. Cludio A. Fleury Sinais e Sistemas Digitais 33
 Equao de Diferenas
Soluo de Equao de Diferenas:
Mtodo 2: Forma Fechada
Resposta Entrada Nula
EXEMPLO 3:
SLITD : y[n + 2] 1,56 y[n + 1] + 0,81 y[n] = x[n + 1] + 3 x[n],
C.i.' s : y[1] = 2, y[2] = 1
Calcular y0 [n].
EDLCC em notao operacional : ( E 2 1,56 E + 0,81) y[n] = ( E + 3) x[n]
Polinmio caracterstico : 2 1,56 + 0,81 =
( 0,78 j 0,45)( 0,78 + j 0,45) = 0
2 Razes caractersticas complexas : 1, 2 = 0,78 j 0,45 = 0,9e j / 6
A resposta entrada nula : y0 [n] = c(0,9) n e jn / 6 + c* (0,9) n e jn / 6
2 = 10c.e j / 6 / 9 + 10c* .e j / 6 / 9 c = 2,34e j 0,17
Para n = 1 e 2 : *
1 = 100c.e j / 3 * j / 3
/ 81 + 10c .e / 81 c = 2,34e
j 0 ,17

Logo : y0 [n] = 2,34(0,9) n cos(n / 6 0,17 ), n 0

Prof. Cludio A. Fleury Sinais e Sistemas Digitais 34
 Equao de Diferenas

Resposta de Estado Nulo

Seo 3.8, Lathi (p.259)

Prof. Cludio A. Fleury Sinais e Sistemas Digitais 35
 Equao de Diferenas
Soluo de Equao de Diferenas:
Mtodo 2: Forma Fechada
Resposta de Estado Nulo
Decomposio de um sinal digital em impulsos unitrios :

x[n ] = x[k ] [n k ]
k =

Se [n] h[n] logo [n k ] h[n k ] pela inv. ao tempo

E, pela linearidade : x[k ]. [n k ] x[k ].h[n k ]

Assim : x[k ]. [n k ] x[k ].h[n k ]
k = k =

Logo : y e 0 [n ] = x[k ].h[n k ]
k =
Somatrio de
Convoluo

Prof. Cludio A. Fleury Sinais e Sistemas Digitais 36

 Equao de Diferenas
Soluo de Equao de Diferenas:
Mtodo 2: Forma Fechada

Resposta Total

N
y[n] = j j
c
j =1
n
+ x[n ] h[n ]

Resp. de Estado Nulo

Resp. de Entrada Nula

Prof. Cludio A. Fleury Sinais e Sistemas Digitais 37

 Equao de Diferenas
Soluo de Equao de Diferenas:
Mtodo 2: Forma Fechada
Resposta de Estado Nulo
EXEMPLO 1:
SLITD : y[n + 2] 0.6 y[n + 1] 0.16 y[n] = 5 x[n + 2],
C.i.' s nulas : y[1] = y[2] = 0
Entrada : x[n] = 4 n u[n] = (0.25) n u[n]
Calcular ye 0 [n].

[
A resposta impulsiva desse sistema : h[n] = (0.2) n + 4(0.8) n , n 0 ]
{ } {[
Logo : ye 0 [n] = x[n] h[n] = (0.25) n u[n] (0.2) n + 4(0.8) n u[n] ] }
[
ye 0 [n] = (0.25) n u[n] (0.2) n u[n] + (0.25) n u[n] 4(0.8) n u[n] ]
Usando o par 4 da Tab.3.1 (p.263) :
[
ye 0 [n] = 5,05(0,25) n +1 2,22(0,2) n +1 + 7,27(0,8) n +1 u[n] ]
ye 0 [n] = [ 1,26(4) n
+ 0,44(0,2) n + 5,81(0,8) n u[n] ]
Prof. Cludio A. Fleury Sinais e Sistemas Digitais 38
 Equao de Diferenas
SLITD : y[n + 2] 0.6 y[n + 1] 0.16 y[n] = 5 x[n + 2],
Calcular ye 0 [n].
A resposta impulsiva desse sistema : h[n] = (0.2) n + 4(0.8) n , n 0 [ ]
{ } {[
Logo : ye 0 [n] = x[n] h[n] = (0.25) n u[n] (0.2) n + 4(0.8) n u[n] ] }
[
ye 0 [n] = (0.25) n u[n] (0.2) n u[n] + (0.25) n u[n] 4(0.8) n u[n] ]

Usando a definio da convoluo : x[n] h[n] = x[k ]h[n k ]
k =
n n
n
1
n
u[n] u[n] =
2
k =
1
k
u[k ] nk
2 u[n k ] = n
2
k =0
k
1
k
1. u[n k ] =
2
n
2
k =0
1
k
k
2 = n
2 (
k =0
1 / 2 )k

r n +1 r m n
Somatrio de finitos termos de uma P.G. : r = ,r 1 k

k =m r 1
n
( 1 / 2 ) n +1 1 n +1 ( 1 / 2 )
n +1
1 1n +1 2n +1
Logo : ( 1 / 2 ) = .
n
2
k n
2 =2 . =
k =0 ( 1 / 2 ) 1 1 2 1 2
[
ye 0 [n] = 5,05(0,25) n +1 2,22(0,2) n +1 + 7,27(0,8) n +1 u[n] ]
ye 0 [n] = [ 1,26(4) n
+ 0,44(0,2) n + 5,81(0,8) n u[n] ]
Prof. Cludio A. Fleury Sinais e Sistemas Digitais 39
 Equao de Diferenas
Soluo de Equao de Diferenas:
Mtodo 2: Forma Fechada

EXEMPLO 1

Resposta total do SLITD : y[n + 2] 0.6 y[n + 1] 0.16 y[n ] = 5 x[n + 2],
Considerando a Entrada : x[n ] = 4 n u[n ]
E condies iniciais : y[-1] = 0, y[ 2] = 25 / 4
Conforme calculado nos exemplos anteriores :
[ ]
y0 [n ] = ( 0,2) n + 4(0,8)n u[n ] / 5
ye 0 [n ] = [ 1,26( 4) n
]
+ 0,44( 0,2)n + 5,81(0,8) n u[n ]

Logo : y[n ] = y0 [n ] + ye 0 [n ]

[
y[n ] = 0,2( 0,2)n + 0,8(0,8) n 1,26(4) n + 0,44( 0,2) n + 5,81(0,8) n u[n ] ]
Resp. de Entrada Nula Resp. de Estado Nulo
Prof. Cludio A. Fleury Sinais e Sistemas Digitais 40
 Respostas
Resposta Natural
Termos da Resposta Total com modos caractersticos
Constituda de todos os termos caractersticos

Resposta Forada
Resposta Total menos a Reposta Natural
Constituda somente de termos no caractersticos

Exemplo anterior: modos caractersticos podem aparecer

tambm na Resposta de Estado Nulo

[
Resposta total : y[n] = 0,644(0,2) n + 6,61(0,8) n 1,26(4) n .u[n] ]
Resp. Natural Resp. Forada

Prof. Cludio A. Fleury Sinais e Sistemas Digitais 41

 Equao de Diferenas
Exemplo
em repouso!
Seja o SLIT causal descrito por: y[n] = 0.5x[n] + 0.25x[n-1], com x[-1] = 0

Determine a sua resposta ao impulso e a sada do sistema a partir dessa resposta.

Usando como entrada o impulso unitrio, x[n] = [n], teremos:

y[n] = h[n] = 0.5[n] + 0.25[n-1]
h[0] = 0.51 + 0.250 = 0.5

h[1] = 0.50 + 0.251 = 0.25

A sada do sistema pode ser escrita como: y[n] = h[0].x[n] + h[1].x[n-1]

Obs.: Em geral, pode-se escrever a sada de um sistema a
partir de sua resposta ao impulso e da entrada:
y[ n ] = ... + h[ 1]. x[ n + 1] + h[ 0 ]. x[ n ] + h[1]. x[ n 1] + ...
Da definio da soma da Convoluo
Prof. Cludio A. Fleury Sinais e Sistemas Digitais 42
 Equao de Diferenas

h[n] a partir da EDLCC

Seo 3.7, Lathi (p.256)

Prof. Cludio A. Fleury Sinais e Sistemas Digitais 44
 Equao de Diferenas
Clculo de h[n] a partir da EDLCC:
Fazendo x[n] = [n]e y[n] =h[n] na EDLCC
A partir de : Q ( E ). y[n ] = P( E ) x[n ] com c.i.' s nulas e x[n ] = [n ]
teremos : Q ( E ).h[n ] = P( E ). [n ] com h[1] = h[ 2] = L = h[ N ] = 0

Admitindo : h[n] = A0 . [n] + yc [n].u[n]

onde : yc [n] a combinao linear dos modos caractersticos
Para entrada nula (x[n] = 0),
Logo : Q( E ) {A0 . [n] + yc [n].u[n]} = P( E ) [n] Q(E).yc[n] = P(E).0 = 0,
0 logo:Q(E).yc[n] = 0
A0 .Q( E ). [n] + Q( E ) yc [n].u[n] = P( E ) [n]
A0 .( [n + N ] + a1 [n + N 1] + ... + a N [n]) = b0 [n + N ] + ... + bN [n]
Fazendo n = 0, para equaes com operadores em avano : A0 = bN / a N
bN
Logo : h[n] = [n] + yc [n].u[n]
aN

Prof. Cludio A. Fleury Sinais e Sistemas Digitais 45

 Equao de Diferenas
SLITD : y[n] 0,6 y[n 1] 0,16 y[n 2] = 5 x[n]
EXEMPLO 1: A EDLCC com termos em avano :
y[n + 2] 0,6 y[n + 1] 0,16 y[n] = 5 x[n + 2] + 0.x[n + 1] + 0.x[n]
ou : ( E 2 0,6 E 0,16) y[n] = 5 E 2 x[n]
Pol. Caracterstico : 2 0,6 0,16 = ( + 0,2)( 0,8) = 0
Modos Caracter.s (MC) : (0,2) n e (0,8) n
Combinao Linear dos MC : y c [n] = c1 (0,2) n + c 2 (0,8) n
Como vimos : h[n] = bN [n] / a N + y c [n]u[n]
Da EDLCC, temos : N = 2, a 2 = 0,16 e b2 = 0
Logo : h[n] = 0. [n] /(0,16) + [c1 (0,2) n + c 2 (0,8) n ]u[n]
Podemos calcular h[0] e h[1] iterativamente a partir da EDLCC :
h[n] 0,6h[n 1] 0,16h[n 2] = 5 [n]
h[0] = 5 e h[1] = 3
5 = c1 + c 2
Assim, temos sistema de equaes lineares :
3 = 0,2c1 + 0,8c 2
Resolvendo, encontramos : c1 = 1, c 2 = 4

Prof. Cludio A. Fleury Sinais e Sistemas Digitais

[
Logo, a Resposta ao Impulso : h[n] = (0,2) n + 4(0,8) n u[n] ] 46