Processamento Digital de Sinais

Carlos Alexandre Mello

Carlos Alexandre Mello cabm@cin.ufpe.br 1

 Sinais Digitais

Um sinal pode ser entendido como uma
funo que carrega uma informao

Sinal de voz

O sinal processado de acordo com a
aplicao necessria

Transmisso, armazenamento, manipulao

Carlos Alexandre Mello cabm@cin.ufpe.br 2

 Processamento de Sinais

O processamento de sinais lida com a
representao, transformao e
manipulao dos sinais e da informao
que eles contm

At a dcada de 60

Tecnologia analgica

Evoluo de computadores e
microprocessadores

PDS

Carlos Alexandre Mello cabm@cin.ufpe.br 3

 Processamento Digital de Sinais

Aspecto fundamental:

Converso do sinal contnuo em uma
sequncia de amostras

Um sinal discreto no tempo

Aps o processamento digital, a sequncia de
sada pode ser convertida de volta a um sinal
contnuo no tempo

Carlos Alexandre Mello cabm@cin.ufpe.br 4

 Processamento Digital de Sinais

Classificao:

Sinais contnuos no tempo (Analgicos)

Representados por funes de variveis contnuas

Sinais discretos no tempo

Representados matematicamente por uma sequncia de
nmeros reais ou complexos

Sinais contnuos em valores

Se um sinal pode assumir qualquer valor dentro de um
espao finito ou infinito

Sinais discretos em valores

Assume apenas valores dentro de um espao finito

Carlos Alexandre Mello cabm@cin.ufpe.br 5

 Processamento Digital de Sinais

Sinais Digitais

Sinais digitais so aqueles para os quais tanto
o tempo quanto a amplitude so discretos

Ou seja, ele discreto no tempo e s pode
assumir valores dentro de um conjunto finito de
possveis valores ( discreto em valores)

Carlos Alexandre Mello cabm@cin.ufpe.br 6

 Processamento Digital de Sinais

Sinais Determinsticos

Qualquer sinal que podem ser unicamente
descrito por uma expresso matemtica, uma
tabela de dados ou uma regra bem definida

Sinais Aleatrios

os sinais no podem ser representados
precisamente por equaes matemticas ou
suas descries so muito complexas para
uso. Isso indica que tais sinais tm
comportamento imprevisvel

Carlos Alexandre Mello cabm@cin.ufpe.br 7

 Processamento Digital de Sinais

A sequncia x escrita como:

x = {x[n]}, - <n <
n inteiro

Sequncia gerada a partir do processo de
amostragem

n-simo termo:

x[n] = xa(nT), - <n <

Carlos Alexandre Mello cabm@cin.ufpe.br 8

 Amostragem
Sinal Amostragem
Original

Carlos Alexandre Mello cabm@cin.ufpe.br 9

Amostragem

Carlos Alexandre Mello cabm@cin.ufpe.br 10

 Amostragem

Cuidados com a taxa de amostragem

Baixa taxa de
Amostragem !

Carlos Alexandre Mello cabm@cin.ufpe.br 11

MatLab

No MatLab:
Funo Seno contnua (-):
>> fplot (sin(x/2 + 1), [0, 30], r)
Funo Seno amostrada (-):
>>nn = 0:30;
>> sinus=sin(nn/2 + 1);
>> stem(nn, sinus);

Carlos Alexandre Mello cabm@cin.ufpe.br 12

 Exemplos

Impulso (delta de Dirac)

0 n

Uma sequncia arbitrria pode ser

representada como uma soma de impulsos

Carlos Alexandre Mello cabm@cin.ufpe.br 13

 Exemplos

Impulso (delta de Dirac)

No MatLab:
function [x, n] = impseq(n0, n1, n2)
n = [n1:n2];
x = [(n - n0) == 0];
stem (x);

>> impseq (5, 0, 10);

Carlos Alexandre Mello cabm@cin.ufpe.br 14

 Exemplos

Impulso (delta de Dirac)

De forma geral:

Carlos Alexandre Mello cabm@cin.ufpe.br 15

 Exemplos

Impulso (delta de Dirac)
x[n] = 2.[n + 2] - [n 4], -5 n 5
No MatLab:
>> n = [-5:5];
>> x = 2*impseq(-2, -5,5) - impseq(4, -5, 5);
>> stem (n, x); title ('Exemplo de Sequencia'); xlabel('n'); ylabel('x[n]');

Carlos Alexandre Mello cabm@cin.ufpe.br 16

 Exemplos

Degrau Unitrio

Relao com o Impulso

Carlos Alexandre Mello cabm@cin.ufpe.br 17

 Exemplos

Degrau

No MatLab:
function [x, n] = stepseq(n0, n1, n2)
% Degrau
n = [n1:n2];
x = [(n-n0) >= 0];
stem (x);

>> stepseq (5, 0, 10);

Carlos Alexandre Mello cabm@cin.ufpe.br 18

 Exemplos

Degrau
x[n] = n[u[n] u[n 10]] + 10e-0.3(n 10)[u[n 10] u[n 20]], 0 n 20

>> n = 0:20;
>> x1 = n.*(stepseq(0,0,20) - stepseq(10,0,20));
>> x2 = 10*exp(-0.3*(n-10)).*(stepseq(10,0,20) - stepseq(20,0,20));
>> x = x1 + x2;
>> stem(n,x); title('Sequencia de Degraus'); xlabel('n'); ylabel ('x[n]');

Carlos Alexandre Mello cabm@cin.ufpe.br 19

 Exemplos

Sequncia Exponencial
No MatLab:
Funo Exponencial:
>> nn = 0 + [1:21] - 1;
>> y = (0.9).^nn;
>> stem(nn, y);

Carlos Alexandre Mello cabm@cin.ufpe.br 20

 Sistemas e Propriedades

Sistemas Discretos no Tempo

Um sistema discreto no tempo definido
matematicamente como uma transformao que
mapeia uma seqncia de entrada x[n] em uma
seqncia de sada y[n]

y[n] = T{x[n]}

Carlos Alexandre Mello cabm@cin.ufpe.br 21

 Sistemas e Propriedades

Sistemas Discretos no Tempo

Exemplos:

Atraso ideal: y[n] = x[n nd], - <n <

Mdia mvel:

Carlos Alexandre Mello cabm@cin.ufpe.br 22

 Sistemas e Propriedades

Sistemas Discretos no Tempo

Propriedades

1) Sistema sem Memria

A sada y[n] a cada valor de n depende apenas da
entrada x[n] no mesmo valor de n

Ex:

Sistema sem memria: y[n] = {x[n]}2

Carlos Alexandre Mello cabm@cin.ufpe.br 23

 Sistemas e Propriedades

Sistemas Discretos no Tempo

Propriedades

2) Sistema Linear

Obedecem ao princpio da Superposio:

T{a.x1[n] + b.x2[n]} = a.T{x1[n]} + b.T{x2[n]}

Ex:

Acumulador:

Carlos Alexandre Mello cabm@cin.ufpe.br 24

 Sistemas e Propriedades

Sistemas Discretos no Tempo

Propriedades

3) Sistema Invariante no Tempo

Um deslocamento no tempo da sequncia de
entrada gera um deslocamento correspondente na
sequncia de sada
T T

Ou seja: Se x[n] y[n], ento x[n + m] y[n + m]

Ex: Sistema no invariante no tempo: y[n] = x[M.n]

Carlos Alexandre Mello cabm@cin.ufpe.br 25

 Sistemas e Propriedades

Sistemas Discretos no Tempo

Propriedades

4) Sistema Causal

No depende de valores futuros da sequncia

Ex: Sistema no causal: y[n] = x[n + 1]

5) Sistema Estvel

Toda entrada limitada produz uma sada limitada

Carlos Alexandre Mello cabm@cin.ufpe.br 26

 Sistemas Lineares e Invariantes
no Tempo (LTI)

Como vimos, uma sequncia qualquer pode ser
representada como uma soma de impulsos:

Como y[n] = T{x[n]}, temos:

Carlos Alexandre Mello cabm@cin.ufpe.br 27

 Sistemas Lineares e Invariantes
no Tempo (LTI)

Assim, um sistema Linear e Invariante no
Tempo completamente descrito por sua
resposta ao impulso

Essa representao conhecida tambm
como soma de convoluo

Carlos Alexandre Mello cabm@cin.ufpe.br 28

 Propriedades da Soma de
Convoluo

1) Comutatividade: x[n]*h[n] = h[n]*x[n]

2) Distributividade:

x[n]*(h1[n] + h2[n]) = x[n]*h1[n] + x[n]*h2[n]

3) Conexo em Cascata

Carlos Alexandre Mello cabm@cin.ufpe.br 29

 Propriedades da Soma de
Convoluo

4) Conexo em Paralelo

Carlos Alexandre Mello cabm@cin.ufpe.br 30

 Propriedades da Soma de
Convoluo

5) Causalidade

Como definido anteriormente, um sistema
dito causal se sua resposta no depende de
eventos futuros. Ou seja, para calcular a sada
de y[n0], precisamos apenas de x[n], n n0.
Isso implica na condio:

h[n] = 0, n < 0

Assim, para testar a causalidade basta testar
se h[n] = 0 para n<0

Carlos Alexandre Mello cabm@cin.ufpe.br 31

 Propriedades da Soma de
Convoluo

6) Estabilidade

A estabilidade garantida se:

Carlos Alexandre Mello cabm@cin.ufpe.br 32

 Sistemas Lineares e Invariantes
no Tempo (LTI)

Sistemas Inversos

Se um sistema linear invariante no tempo tem
uma resposta ao impulso h[n], ento seus
sistema inverso, se existir, tem resposta ao
impulso hi[n] definida pela relao:

h[n]*hi[n] = hi[n]*h[n] = [n]

Carlos Alexandre Mello cabm@cin.ufpe.br 33

 Sistemas Lineares e Invariantes
no Tempo (LTI)

Uma classe importante de sistemas
lineares invariantes no tempo consiste
daqueles para os quais x[n] e y[n] se
relacionam atravs de uma equao de
diferenas de coeficientes constantes
lineares de n-sima ordem da forma:

Carlos Alexandre Mello cabm@cin.ufpe.br 34

 Sistemas Lineares e Invariantes
no Tempo (LTI)

Exemplo: y[n] = y[n 1] + x[n]

Na equao anterior
teramos:
N=1
a0 = 1
a1 = -1
M=0
b0 = 1

Carlos Alexandre Mello cabm@cin.ufpe.br 35

 Sistemas LTI como Filtros Seletores
de Frequncia

O termo filtro normalmente usado para
descrever um dispositivo que discrimina, de
acordo com algum atributo do objeto aplicado
como entrada, o que passa atravs dele

Como um filtro de ar que deixa o ar passar, mas retm
partculas de impureza

Um sistema LTI tambm funciona como um tipo
de discriminante, filtrando entre os vrios
componentes de frequncia na sua entrada

Carlos Alexandre Mello cabm@cin.ufpe.br 36

 Sistemas LTI como Filtros Seletores
de Frequncia

A forma da filtragem definida pela resposta de
frequncia H() que depende da escolha de
parmetros do sistema (como os coeficientes do
filtro)

Como veremos em projeto de filtros

Carlos Alexandre Mello cabm@cin.ufpe.br 37

 Sistemas LTI como Filtros Seletores
de Frequncia

Em geral, um sistema LTI modifica o espectro do
sinal de entrada X() de acordo com a resposta
em frequncia H() que leva a um sinal de sada
com espectro Y() = H()X()

Assim, um sistema LTI pode ser visto como um
filtro embora no bloqueie completamente
qualquer componente de frequncia do sinal de
entrada.

Consequentemente, os termos sistema LTI e filtro
so sinnimos e so normalmente usados sem
distino.

Carlos Alexandre Mello cabm@cin.ufpe.br 38

 Sistemas LTI como Filtros Seletores
de Frequncia

Filtros so normalmente classificados de
acordo com suas caractersticas no domnio
da frequncia como passa-baixa, passa-
alta, passa-faixa e rejeita-faixa

Carlos Alexandre Mello cabm@cin.ufpe.br 39

Sistemas LTI como Filtros Seletores
de Frequncia

Carlos Alexandre Mello cabm@cin.ufpe.br 40

 Sistemas LTI como Filtros Seletores
de Frequncia

Todos os filtros ideais tm caractersticas
de magnitude constante e fase linear dentro
da banda de passagem

Em todos os casos, tais filtros no so
fisicamente realizveis, mas servem como
idealizaes matemticas para filtros
prticos

Carlos Alexandre Mello cabm@cin.ufpe.br 41

 Representao pela
Transformada de Fourier

Transformadas

Mudana entre domnios de sinais

Transformada de Laplace

Transformada de Fourier

Transformada Discreta do Cosseno

Transformada Z

Transformada Wavelet

Permitem observar propriedades de forma mais
simples

Carlos Alexandre Mello cabm@cin.ufpe.br 42

 Representao pela
Transformada de Fourier

Transformada de Fourier de uma sequncia

Transformada Inversa

Carlos Alexandre Mello cabm@cin.ufpe.br 43

 Representao pela
Transformada de Fourier

Em geral, a Transformada de Fourier uma
funo complexa em

Como na resposta frequncia, algumas
vezes, pode-se expressar X(ej) na forma

X(ej) = XR(ej) + j.XI(ej)

ou na forma polar:

X(ej) = |X(ej)| ejX(e^j)
Fase
Magnitude

Carlos Alexandre Mello cabm@cin.ufpe.br 44

 Representao pela
Transformada de Fourier

Vamos mostrar que a relao entre a
Transformada de Fourier e sua Inversa

Considere:

Se trocarmos a ordem da integral e do

somatrio:

Carlos Alexandre Mello cabm@cin.ufpe.br 45

 Representao pela
Transformada de Fourier

Calculando a integral dentro dos parnteses

Assim:

Carlos Alexandre Mello cabm@cin.ufpe.br 46

 Representao pela
Transformada de Fourier

Exemplo:

x[n] = anu[n]

Que converge se |a.e-jw| < 1 |a| < 1.

Carlos Alexandre Mello cabm@cin.ufpe.br 47

 Representao pela
Transformada de Fourier

Propriedades da Transf. de Fourier

Carlos Alexandre Mello cabm@cin.ufpe.br 48

 Bibliografia Complementar

Vinay K. Ingle, John G. Proakis, Digital
Signal Processing, Thomson Learning,
2000.

Michael Weeks, Digital Signal Processing
Using MatLab and Wavelets, Infinity
Science Press, 2007.

Alan V. Oppenheim, Ronald Schafer,
Discrete Time Signal Processing, Prentice
Hall, 1989

Carlos Alexandre Mello cabm@cin.ufpe.br 49