Você está na página 1de 688

Processamento

em tempo discreto
de sinais 3 a edição

INI oppen0512_INI BR.indd 1 1/15/13 5:56 PM


INI oppen0512_INI BR.indd 2 1/15/13 5:56 PM
Oppenheim • Schafer

Processamento
em tempo discreto
de sinais 3 a edição
Alan V. Oppenheim
Massachusetts Institute of Technology

Ronald W. Schafer
Hewlett-Packard Laboratories

Tradução:
Daniel Vieira

Revisão técnica:
Dr. Marcio Eisencraft
Professor adjunto do Centro de Engenharia, Modelagem e Ciências
Sociais Aplicadas da Universidade Federal do ABC (UFABC)
Doutor em Engenharia Elétrica pela Escola Politécnica da
Universidade de São Paulo
Dra. Maria D. Miranda
Professora adjunta do Departamento de Telecomunicações e
Controle da Escola Politécnica da Universidade de São Paulo
Doutora em Engenharia Elétrica pela Escola Politécnica da
Universidade de São Paulo

INI oppen0512_INI BR.indd 3 1/15/13 5:56 PM


©2013 by Pearson Education do Brasil Ltda.
© 2010, 1999, 1989 by Pearson Higher Education, Inc.,
Todos os direitos reservados. Nenhuma parte desta publicação poderá ser reproduzida ou transmitida de qualquer
modo ou por qualquer outro meio, eletrônico ou mecânico, incluindo fotocópia, gravação ou qualquer outro tipo de sistema
de armazenamento e transmissão de informação, sem prévia autorização por escrito e transmissão de informação,
da Pearson Education do Brasil.

Diretor editorial e de conteúdo Roger Trimer


Gerente editorial Kelly Tavares
Supervisora de produção editorial Silvana Afonso
Coordenadora de produção gráfica Tatiane Romano
Coordenador de produção editorial Sérgio Nascimento
Editor de aquisições Vinícius Souza
Editora de texto Sabrina Levensteinas
Editor assistente Marcos Guimarães
Preparação Beatriz Garcia
Revisão Adriane Schirmer e Norma Gusukuma
Sidnei Moura e Solange Rennó
Capa
Projeto gráfico Globaltec Editorial & Marketing
Diagramação Casa de Ideias

Dados Internacionais de Catalogação na Publicação (CIP)


(Câmara Brasileira do Livro, SP, Brasil)

Oppenheim, Alan V.
Processamento em tempo discreto de sinais / Alan V. Oppenheim,
Ronald W. Schafer; tradução Daniel Vieira; revisão técnica Marcio
Eisencraft e Maria D. Miranda. – 3. ed. – São Paulo: Pearson Education
do Brasil, 2012.

Título original: Discrete-time signal processing.


Bibliografia.
ISBN 978-85-8143-102-4

1. Análise de sistemas 2. Teoria de sinais (Telecomunicação) I. Título.

12-13205 CDD-621.38223

Índice para catálogo sistemático:


1. Sinais e sistemas : Tecnologia 621.38223

2013
Direitos exclusivos para a língua portuguesa cedidos à
Pearson Education do Brasil Ltda.,
uma empresa do grupo Pearson Education
Rua Nelson Francisco, 26
CEP 02712-100 – São Paulo – SP – Brasil
Fone: 11 2178-8686 – Fax: 11 2178-8688
vendas@pearson.com

INI oppen0512_INI BR.indd 4 1/24/13 10:05 AM


Para Phyllis, Justine e Jason
Para Dorothy, Bill, Tricia, Ken e Kate
e em memória de John

INI oppen0512_INI BR.indd 5 1/15/13 5:56 PM


INI oppen0512_INI BR.indd 6 1/15/13 5:56 PM
Sumário

Prefácio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . XV
1 Introdução. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.0 Introdução. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1 Perspectiva histórica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 Promessas futuras. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2 Sinais e sistemas de tempo discreto. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.0 Introdução. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1 Sinais de tempo discreto. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2 Sistemas de tempo discreto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2.1 Sistemas sem memória . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2.2 Sistemas lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2.3 Sistemas invariantes no tempo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2.4 Causalidade. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2.5 Estabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.3 Sistemas LIT. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.4 Propriedades dos sistemas lineares invariantes no tempo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.5 Equações de diferenças lineares com coeficientes constantes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.6 Representação no domínio da frequência de sinais e sistemas de tempo discreto . . . . . . . . . . . . . . . . . . . . . 26
2.6.1 Autofunções para sistemas lineares invariantes no tempo. . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.6.2 Entradas exponenciais complexas abruptamente aplicadas. . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.7 Representação de sequências por transformadas de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.8 Propriedades de simetria da transformada de Fourier. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.9 Teoremas da transformada de Fourier. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.9.1 Linearidade da transformada de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.9.2 Teorema do deslocamento no tempo e do deslocamento na frequência. . . . . . . . . . . . . . . . . 36
2.9.3 Teorema da reflexão no tempo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.9.4 Teorema da diferenciação na frequência. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.9.5 Teorema de Parseval . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.9.6 Teorema da convolução. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.9.7 Teorema da modulação ou do janelamento. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.10 Sinais aleatórios de tempo discreto. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.11 Resumo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
Problemas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3 A transformada z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.0 Introdução. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.1 Transformada z. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61

INI oppen0512_INI BR.indd 7 1/15/13 5:56 PM


VIII  Processamento em tempo discreto de sinais

3.2 Propriedades da RDC para a transformada z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67


3.3 A transformada z inversa. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
3.3.1 Método da inspeção. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
3.3.2 Expansão em frações parciais. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
3.3.3 Expansão em série de potências. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3.4 Propriedades da transformada z. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
3.4.1 Linearidade. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
3.4.2 Deslocamento no tempo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
3.4.3 Multiplicação por uma sequência exponencial. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
3.4.4 Diferenciação de X (z). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
3.4.5 Conjugação de uma sequência complexa. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
3.4.6 Reflexão no tempo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
3.4.7 Convolução de sequências . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
3.4.8 Resumo de algumas propriedades da transformada z. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
3.5 Transformadas z e sistemas LIT. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
3.6 A transformada z unilateral. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
3.7 Resumo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
Problemas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
4 Amostragem de sinais de tempo contínuo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
4.0 Introdução. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
4.1 Amostragem periódica. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
4.2 Representação da amostragem no domínio da frequência . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
4.3 Reconstrução de um sinal de banda limitada a partir de suas amostras. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
4.4 Processamento em tempo discreto de sinais de tempo contínuo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
4.4.1 Processamento LIT em tempo discreto de sinais de tempo contínuo. . . . . . . . . . . . . . . . . 100
4.4.2 Invariância ao impulso. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
4.5 Processamento em tempo contínuo de sinais de tempo discreto. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
4.6 Mudança da taxa de amostragem usando o processamento em tempo discreto. . . . . . . . . . . . . . . . . . . . . . 107
4.6.1 Redução da taxa de amostragem por um fator inteiro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
4.6.2 Aumento da taxa de amostragem por um fator inteiro. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
4.6.3 Filtros de interpolação simples e práticos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
4.6.4 Mudança da taxa de amostragem por um fator não inteiro. . . . . . . . . . . . . . . . . . . . . . . . . . 115
4.7 Processamento multitaxa de sinais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
4.7.1 Comutação da filtragem com compressor/expansor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
4.7.2 Dizimação e interpolação em estágios múltiplos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
4.7.3 Decomposições polifásicas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
4.7.4 Implementação polifásica de filtros de dizimação. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
4.7.5 Implementação polifásica de filtros de interpolação. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
4.7.6 Bancos de filtros multitaxas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
4.8 Processamento digital de sinais analógicos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
4.8.1 Pré-filtragem para evitar aliasing. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
4.8.2 Conversão A/D. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
4.8.3 Análise de erros de digitalização. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
4.8.4 Conversão D/A. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
4.9 Sobreamostragem e formatação do ruído nas conversões A/D e D/A. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
4.9.1 Conversão A/D sobreamostrada com digitalização direta. . . . . . . . . . . . . . . . . . . . . . . . . . . 137
4.9.2 Conversão A/D sobreamostrada com formatação do ruído. . . . . . . . . . . . . . . . . . . . . . . . . . 140

INI oppen0512_INI BR.indd 8 1/15/13 5:56 PM


Sumário  IX

4.9.3 Sobreamostragem e formatação do ruído na conversão D/A . . . . . . . . . . . . . . . . . . . . . . . . 143


4.10 Resumo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
Problemas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
5 Análise no domínio transformado de sistemas lineares invariantes no tempo. . . . . . . . . . . . . . . . . . . . . . . . . . 166
5.0 Introdução. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
5.1 A resposta em frequência de sistemas LIT. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
5.1.1 Fase e atraso de grupo da resposta em frequência. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
5.1.2 Exemplo dos efeitos do atraso de grupo e da atenuação . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
5.2 Sistemas caracterizados por equações de diferenças com coeficientes constantes . . . . . . . . . . . . . . . . . . . . 172
5.2.1 Estabilidade e causalidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
5.2.2 Sistemas inversos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
5.2.3 Resposta ao impulso para funções de sistema racionais. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
5.3 Resposta em frequência para funções de sistema racionais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
5.3.1 Resposta em frequência de sistemas de primeira ordem . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
5.3.2 Exemplos com múltiplos polos e zeros. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
5.4 Relação entre magnitude e fase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
5.5 Sistemas passa-tudo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
5.6 Sistemas de fase mínima. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
5.6.1 Decomposição fase mínima e passa-tudo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
5.6.2 Compensação da resposta em frequência de sistemas de fase não mínima. . . . . . . . . . . . . 187
5.6.3 Propriedades dos sistemas de fase mínima. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
5.7 Sistemas lineares com fase linear generalizada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
5.7.1 Sistemas com fase linear. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
5.7.2 Fase linear generalizada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194
5.7.3 Sistemas causais de fase linear generalizada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
5.7.4 Relação entre sistemas FIR com fase linear e sistemas de fase mínima. . . . . . . . . . . . . . . 200
5.8 Resumo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
Problemas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
6 Estruturas para sistemas de tempo discreto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
6.0 Introdução. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
6.1 Representação em diagrama de blocos de equações de diferenças lineares
com coeficientes constantes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
6.2 Representação em diagrama de fluxo de sinais de equações de diferenças lineares com coeficientes
constantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
6.3 Estruturas básicas para sistemas IIR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230
6.3.1 Formas diretas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230
6.3.2 Forma em cascata. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231
6.3.3 Forma paralela. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
6.3.4 Realimentação em sistemas IIR. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
6.4 Formas transpostas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235
6.5 Estruturas básicas de rede para sistemas FIR. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
6.5.1 Forma direta. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
6.5.2 Forma em cascata. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
6.5.3 Estruturas para sistemas FIR de fase linear. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
6.6 Filtros em treliça. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240
6.6.1 Filtros FIR em treliça . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
6.6.2 Estrutura em treliça só-polos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245

INI oppen0512_INI BR.indd 9 1/15/13 5:56 PM


X  Processamento em tempo discreto de sinais

6.6.3 Generalização dos sistemas em treliça . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 246


6.7 Visão geral sobre os efeitos numéricos da precisão finita. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247
6.7.1 Representações numéricas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247
6.7.2 Digitalização na implementação de sistemas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 248
6.8 Efeitos da digitalização dos coeficientes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251
6.8.1 Efeitos da digitalização dos coeficientes em sistemas IIR . . . . . . . . . . . . . . . . . . . . . . . . . . . 251
6.8.2 Exemplo da digitalização dos coeficientes em filtro elíptico . . . . . . . . . . . . . . . . . . . . . . . . . 252
6.8.3 Polos de seções de segunda ordem digitalizadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256
6.8.4 Efeitos da digitalização dos coeficientes em sistemas FIR. . . . . . . . . . . . . . . . . . . . . . . . . . . 257
6.8.5 Exemplo de digitalização de um filtro FIR ótimo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 258
6.8.6 Preservando a fase linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260
6.9 Efeitos do ruído de arredondamento nos filtros digitais. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261
6.9.1 Análise das estruturas IIR na forma direta. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261
6.9.2 Fator de escala nas implementações em ponto fixo de sistemas IIR. . . . . . . . . . . . . . . . . . . 266
6.9.3 Exemplo de análise de uma estrutura IIR em cascata . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 268
6.9.4 Análise de sistemas FIR na forma direta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
6.9.5 Realizações em ponto flutuante de sistemas de tempo discreto. . . . . . . . . . . . . . . . . . . . . . . 274
6.10 Ciclos limite de entrada nula em realizações de filtros digitais IIR em ponto fixo . . . . . . . . . . . . . . . . . . . . 275
6.10.1 Ciclos limite devido ao arredondamento e truncamento . . . . . . . . . . . . . . . . . . . . . . . . . . . . 275
6.10.2 Ciclos limite devido ao transbordamento. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
6.10.3 Evitando ciclos limite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
6.11 Resumo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 278
Problemas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 278
7 Técnicas de projeto de filtros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 294
7.0 Introdução. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 294
7.1 Especificações do filtro. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 295
7.2 Projeto de filtros IIR de tempo discreto a partir de filtros de tempo contínuo . . . . . . . . . . . . . . . . . . . . . . . 296
7.2.1 Projeto de filtro por invariância ao impulso. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 296
7.2.2 Transformação bilinear. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 300
7.3 Filtros Butterworth, Chebyshev e elípticos de tempo discreto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 302
7.3.1 Exemplos de projetos de filtros IIR. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 303
7.4 Transformações de frequência de filtros IIR passa-baixas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 311
7.5 Projeto de filtros FIR por janelamento. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 315
7.5.1 Propriedades de janelas comumente utilizadas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 317
7.5.2 Incorporação da fase linear generalizada. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 318
7.5.3 Método do projeto de filtro utilizando a janela de Kaiser . . . . . . . . . . . . . . . . . . . . . . . . . . . 320
7.6 Exemplos de projetos de filtro FIR pelo método da janela de Kaiser. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 322
7.6.1 Filtro passa-baixas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 322
7.6.2 Filtro passa-altas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 323
7.6.3 Diferenciadores de tempo discreto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 325
7.7 Aproximações ótimas de filtros FIR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 327
7.7.1 Filtros passa-baixas de Tipo I ótimos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 330
7.7.2 Filtros passa-baixas de Tipo II ótimos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 333
7.7.3 Algoritmo de Parks–McClellan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 334
7.7.4 Características dos filtros FIR ótimos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 336
7.8 Exemplos da aproximação equiripple FIR. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 337
7.8.1 Filtro passa-baixas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 337

INI oppen0512_INI BR.indd 10 1/15/13 5:56 PM


Sumário  XI

7.8.2 Compensação para a retenção de ordem zero. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 339


7.8.3 Filtro passa-faixa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 340
7.9 Comentários sobre filtros de tempo discreto IIR e FIR. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 341
7.10 Projeto de um filtro para sobreamostragem. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 341
7.11 Resumo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 344
Problemas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 344
8 A transformada de Fourier discreta. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 368
8.0 Introdução. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 368
8.1 Representação de sequências periódicas: a série de Fourier discreta. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 368
8.2 Propriedades da SFD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 371
8.2.1 Linearidade. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 371
8.2.2 Deslocamento de uma sequência. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 371
8.2.3 Dualidade. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 371
8.2.4 Propriedades de simetria. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 372
8.2.5 Convolução periódica. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 372
8.2.6 Resumo das propriedades de representação por SFD de sequências periódicas. . . . . . . . . 373
8.3 Transformada de Fourier de sinais periódicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 373
8.4 Amostragem da transformada de Fourier. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 376
8.5 Representação de Fourier de sequências de duração finita: a TFD. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 379
8.6 Propriedades da TFD. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 381
8.6.1 Linearidade. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 382
8.6.2 Deslocamento circular de uma sequência. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 382
8.6.3 Dualidade. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 384
8.6.4 Propriedades de simetria. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 384
8.6.5 Convolução circular. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 386
8.6.6 Resumo das propriedades da TFD. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 388
8.7 Cálculo da convolução linear a partir da TFD. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 388
8.7.1 Convolução linear de duas sequências de comprimento finito. . . . . . . . . . . . . . . . . . . . . . . . 389
8.7.2 Convolução circular como convolução linear com aliasing . . . . . . . . . . . . . . . . . . . . . . . . . . 389
8.7.3 Implementação de sistemas lineares invariantes no tempo usando a TFD . . . . . . . . . . . . . 394
8.8 Transformada de cosseno discreta (TCD). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 396
8.8.1 Definições da TCD. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 398
8.8.2 Definição da TCD-1 e da TCD-2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 399
8.8.3 Relação entre a TFD e a TCD-1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 400
8.8.4 Relação entre a TFD e a TCD-2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 401
8.8.5 Propriedade da compactação de energia da TCD-2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 401
8.8.6 Aplicações da TCD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 404
8.9 Resumo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 404
Problemas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 404
9 Cálculo numérico da transformada de Fourier discreta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 422
9.0 Introdução. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 422
9.1 Cálculo direto da transformada de Fourier discreta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 423
9.1.1 Cálculo direto pela definição da TFD. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 423
9.1.2 Algoritmo de Goertzel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 424
9.1.3 Explorando tanto a simetria quanto a periodicidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 426
9.2 Algoritmos de FFT com dizimação no tempo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 426
9.2.1 Generalização e programação da FFT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 430

INI oppen0512_INI BR.indd 11 1/15/13 5:56 PM


XII  Processamento em tempo discreto de sinais

9.2.2 Cálculos realizados localmente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 431


9.2.3 Formas alternativas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 433
9.3 Algoritmos de FFT com dizimação na frequência. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 434
9.3.1 Cálculos realizados localmente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 436
9.3.2 Formas alternativas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 437
9.4 Considerações práticas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 437
9.4.1 Indexação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 438
9.4.2 Coeficientes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 439
9.5 Algoritmos de FFT mais genéricos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 439
9.5.1 Algoritmos para valores compostos de N. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 439
9.5.2 Algoritmos de FFT otimizados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 441
9.6 Implementação da TFD usando convolução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 441
9.6.1 Visão geral do algoritmo de Winograd para a transformada de Fourier. . . . . . . . . . . . . . . . 441
9.6.2 Algoritmo da transformada chirp . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 442
9.7 Efeitos do comprimento finito do registrador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 445
9.8 Resumo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 450
Problemas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 450
10 Análise de Fourier de sinais usando a transformada de Fourier discreta. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 467
10.0 Introdução. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 467
10.1 Análise de Fourier de sinais usando a TFD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 467
10.2 Análise por TFD de sinais senoidais. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 470
10.2.1 Efeito do janelamento. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 470
10.2.2 Propriedades das janelas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 471
10.2.3 Efeito da amostragem espectral. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 472
10.3 Transformada de Fourier dependente do tempo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 477
10.3.1 Invertibilidade de X [n, λ). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 481
10.3.2 Interpretação por banco de filtros de X [n, λ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 481
10.3.3 Efeito da janela . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 481
10.3.4 Amostragem no tempo e na frequência . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 482
10.3.5 Método de reconstrução por sobreposição e soma. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 485
10.3.6 Processamento de sinais baseado na transformada de Fourier dependente do tempo. . . . 487
10.3.7 Interpretação da transformada de Fourier dependente do tempo como banco de filtros. 488
10.4 Exemplos de análise de Fourier de sinais não estacionários. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 489
10.4.1 Análise de Fourier dependente do tempo de sinais de voz . . . . . . . . . . . . . . . . . . . . . . . . . . 490
10.4.2 Análise de Fourier dependente do tempo de sinais de radar. . . . . . . . . . . . . . . . . . . . . . . . . 492
10.5 Análise de Fourier de sinais aleatórios estacionários: o periodograma. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 494
10.5.1 Periodograma. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 495
10.5.2 Propriedades do periodograma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 496
10.5.3 Média dos periodogramas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 498
10.5.4 Cálculo de periodogramas médios usando a TFD. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 500
10.5.5 Exemplo de análise por periodograma. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 500
10.6 Análise de espectro de sinais aleatórios usando estimativas de sequência de autocorrelação. . . . . . . . . . 502
10.6.1 Cálculo de estimativas da correlação e do espectro de potência usando a TFD. . . . . . . . . 504
10.6.2 Estimação do espectro de potência do ruído de digitalização. . . . . . . . . . . . . . . . . . . . . . . . 506
10.6.3 Estimação do espectro de potência da voz. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 509
10.7 Resumo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 511
Problemas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 513

INI oppen0512_INI BR.indd 12 1/24/13 10:05 AM


Sumário  XIII

11 Modelagem paramétrica de sinais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 529


11.0 Introdução. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 529
11.1 Modelagem só-polos de sinais. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 529
11.1.1 Aproximação por mínimos quadrados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 530
11.1.2 Modelo inverso por mínimos quadrados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 530
11.1.3 Formulação por predição linear da modelagem só-polos. . . . . . . . . . . . . . . . . . . . . . . . . . . . 532
11.2 Modelos de sinais determinísticos e aleatórios. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 532
11.2.1 Modelagem só-polos dos sinais determinísticos com energia finita. . . . . . . . . . . . . . . . . . . . 532
11.2.2 Modelagem de sinais aleatórios. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 533
11.2.3 Erro quadrático médio mínimo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 533
11.2.4 Propriedade do casamento da autocorrelação. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 533
11.2.5 Determinação do parâmetro de ganho G. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 534
11.3 Estimação das funções de correlação. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 535
11.3.1 Método da autocorrelação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 535
11.3.2 Método da covariância . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 537
11.3.3 Comparação dos métodos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 538
11.4 Ordem do modelo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 538
11.5 Análise de espectro só-polos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 539
11.5.1 Análise só-polos de sinais de voz. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 540
11.5.2 Localização dos polos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 542
11.5.3 Modelagem só-polos dos sinais senoidais. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 544
11.6 Solução das equações normais da autocorrelação. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 545
11.6.1 Recursão de Levinson–Durbin. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 546
11.6.2 Dedução do algoritmo de Levinson–Durbin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 547
11.7 Filtros em treliça. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 548
11.7.1  Rede em treliça do erro de predição. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 549
11.7.2 Rede em treliça do modelo só-polos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 550
11.7.3 Cálculo direto dos parâmetros k . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 551
11.8 Resumo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 552
Problemas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 552
12 Transformadas de Hilbert discretas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 562
12.0 Introdução. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 562
12.1 Suficiência das partes real e imaginária da transformada de Fourier para sequências causais. . . . . . . . . . 563
12.2 Teoremas de suficiência para sequências de comprimento finito. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 566
12.3 Relações entre magnitude e fase. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 569
12.4 Relações da transformada de Hilbert para sequências complexas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 570
12.4.1 Projeto de transformadores de Hilbert. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 572
12.4.2 Representação de sinais passa-banda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 574
12.4.3 Amostragem passa-banda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 576
12.5 Resumo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 578
Problemas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 578
13 Análise cepstral e desconvolução homomórfica. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 584
13.0 Introdução. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 584
13.1 Definição do cepstrum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 584
13.2 Definição do cepstrum complexo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 585
13.3 Propriedades do logaritmo complexo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 587
13.4 Expressões alternativas para o cepstrum complexo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 587

INI oppen0512_INI BR.indd 13 1/15/13 5:56 PM


XIV  Processamento em tempo discreto de sinais

13.5 Cepstrum complexo para sequências exponenciais, de fase mínima e de fase máxima. . . . . . . . . . . . . . . . 588
13.5.1 Sequências exponenciais. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 588
13.5.2 Sequências de fase mínima e fase máxima. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 589
13.5.3 Relação entre o cepstrum real e o cepstrum complexo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 590
13.6 Cálculo numérico do cepstrum complexo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 591
13.6.1 Desfazendo as voltas da fase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 591
13.6.2 Cálculo numérico do cepstrum complexo usando a derivada logarítmica. . . . . . . . . . . . . . 594
13.6.3 Realizações de fase mínima para sequências de fase mínima. . . . . . . . . . . . . . . . . . . . . . . . . 594
13.6.4 Cálculo recursivo do cepstrum complexo para sequências de fase mínima e de
fase máxima . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 595
13.6.5 Uso da ponderação exponencial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 595
13.7 Cálculo numérico do cepstrum complexo a partir de raízes de polinômios. . . . . . . . . . . . . . . . . . . . . . . . . . 596
13.8 Desconvolução usando o cepstrum complexo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 597
13.8.1 Desconvolução homomórfica fase mínima/passa-tudo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 597
13.8.2 Desconvolução homomórfica fase mínima/fase máxima . . . . . . . . . . . . . . . . . . . . . . . . . . . . 598
13.9 Cepstrum complexo para um modelo multipercurso simples. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 599
13.9.1 Cálculo do cepstrum complexo por análise com a transformada z. . . . . . . . . . . . . . . . . . . 601
13.9.2 Cálculo do cepstrum usando a TFD. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 602
13.9.3 Desconvolução homomórfica para o modelo multipercurso . . . . . . . . . . . . . . . . . . . . . . . . . 604
13.9.4 Decomposição de fase mínima. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 606
13.9.5 Generalizações. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 608
13.10 Aplicações para processamento de voz. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 609
13.10.1 Modelo de sinal de voz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 609
13.10.2 Exemplo de desconvolução homomórfica de voz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 611
13.10.3 Estimando os parâmetros do modelo de voz. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 613
13.10.4 Aplicações. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 614
13.11 Resumo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 614
Problemas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 615
A Sinais aleatórios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 621
B Filtros de tempo contínuo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 629
C Respostas dos problemas básicos selecionados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 632
Referências . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 640
Índice remissivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 647

INI oppen0512_INI BR.indd 14 1/15/13 5:56 PM


Prefácio

Esta terceira edição de Processamento em Tempo truídos e atividades extraclasse, esse novo texto incluiu
Discreto de Sinais provém de nosso livro-texto original mais de 400 problemas.
Digital Signal Processing, publicado em 1975. Esse texto Enquanto a área continuava a avançar em teoria
muito bem-sucedido apareceu em um período em que e em aplicações, grande parte dos fundamentos básicos
a área era nova e apenas começava a se desenvolver ra- permanecia igual, embora aperfeiçoada em ênfase, in-
pidamente. Nessa época, o assunto era ensinado apenas terpretação e pedagogia. Consequentemente, a segunda
em nível de pós-graduação e em algumas poucas facul- edição de Processamento em Tempo Discreto de Sinais
dades. Nosso texto de 1975 foi elaborado para esses cur- foi publicada em 1999 nos EUA. Essa nova edição foi
sos. Ele ainda é impresso e bem-sucedido em diversas uma revisão importante, que teve a intenção de tornar o
faculdades nos Estados Unidos e outros países. assunto de processamento em tempo discreto de sinais
Na década de 1980, o ritmo da pesquisa, da tec- ainda mais acessível a alunos e engenheiros em exercí-
nologia de aplicações e da implementação do processa- cio, sem comprometimento na cobertura do que consi-
mento de sinais deixou claro que o processamento di- deramos ser os conceitos essenciais que definem a área.
gital de sinais (PDS) alcançaria e superaria o potencial Esta terceira edição de Processamento em Tempo
que ficara evidente na década de 1970. A importância Discreto de Sinais é uma revisão importante de nossa
explosiva do PDS justificou nitidamente a revisão e a segunda edição. A nova edição responde a mudanças
atualização do texto original. Ao organizar essa revisão, no modo como o assunto é ensinado e a mudanças no
ficou claro que ocorreram tantas mudanças, tanto na escopo dos cursos típicos em nível de graduação e pri-
área de atuação quanto no nível e no estilo com que o meiro ano de pós-graduação. Ela dá continuidade à
tópico era ensinado, que foi mais apropriado desenvol- tradição de enfatizar a acessibilidade dos tópicos aos
ver um novo livro-texto, baseado fortemente em nosso alunos e engenheiros em exercício, realçando os prin-
texto original, embora tenhamos mantido a publicação cípios fundamentais com ampla aplicabilidade. Uma
do texto original. Chamamos o novo livro, publicado característica importante da nova edição é a incorpora-
em 1989 nos EUA, de Processamento em Tempo Discre- ção e a expansão de alguns dos tópicos mais avançados,
to de Sinais, para enfatizar que a maior parte da teoria cuja compreensão agora é essencial para o trabalho de
e das técnicas de projeto do PDS discutidas no texto forma eficaz na área. Cada capítulo da segunda edição
se aplica a sistemas de tempo discreto em geral, sejam passou por uma revisão e mudanças significativas, um
analógicos ou digitais. capítulo totalmente novo foi acrescentado e um capítu-
No desenvolvimento de Processamento em Tempo lo foi restaurado e atualizado significativamente a par-
Discreto de Sinais, reconhecemos que os princípios bá- tir da primeira edição.
sicos do PDS estavam sendo comumente ensinados em À medida que continuávamos a ensinar o assunto
nível de graduação, muitas vezes até mesmo como par- no decorrer dos dez anos desde a segunda edição, cons-
te de um primeiro curso em sistemas lineares de tem- tantemente criávamos novos problemas para atividades
po discreto, porém, com mais frequência, em um nível extraclasse e provas. Coerentemente com a importância
mais avançado em matérias de terceiro ano, quarto ano que sempre demos a exemplos e atividades extraclasse
ou início da pós-graduação. Portanto, foi apropriado bem construídos, selecionamos mais de 130 dos melho-
expandir consideravelmente o tratamento de tópicos res deles para ser incluídos na terceira edição, que agora
como sistemas lineares, amostragem, processamento contém mais de 700 problemas extraclasse.
multitaxa de sinais, aplicações e análise espectral. Além Como em edições anteriores deste texto, conside-
disso, mais exemplos foram incluídos para enfatizar e ramos que o leitor tenha uma base avançada em cálculo,
ilustrar conceitos importantes. Em conformidade com bem como um bom conhecimento de elementos de nú-
a importância que colocamos em exemplos bem cons- meros complexos e variáveis complexas. Uma base em

INI oppen0512_INI BR.indd 15 1/15/13 5:56 PM


XVI  Processamento em tempo discreto de sinais

teoria de sistemas lineares para sinais de tempo contí- cularmente empolgante que, com um desses poderosos
nuo, incluindo transformadas de Laplace e Fourier, con- pacotes de software instalado, o computador portátil de
forme ensinado na maioria dos currículos de engenha- cada aluno se torne um laboratório de última geração
ria elétrica e mecânica em nível de graduação, continua para a experimentação de conceitos de processamento
sendo um pré-requisito básico. Agora também é comum, em tempo discreto de sinais e de sistemas.
na maioria dos currículos de graduação, incluir uma ex- Como professores, procuramos consistentemente
posição inicial a sinais e sistemas de tempo discreto, a melhor maneira de usar os recursos do computador
transformadas de Fourier de tempo discreto e processa- para melhorar o ambiente de aprendizado de nossos
mento em tempo discreto dos sinais de tempo contínuo. alunos. Continuamos a acreditar que os livros-texto são
Nossa experiência no ensino de processamen- a melhor maneira de apresentar o conhecimento de
to em tempo discreto de sinais no nível avançado de forma conveniente e estável. Os livros-texto necessaria-
graduação e no nível de pós-graduação confirma que mente evoluem em uma escala de tempo relativamente
é essencial começar com uma revisão cuidadosa desses lenta. Isso assegura uma certa estabilidade e fornece
tópicos, para que os alunos prossigam para os tópicos tempo para a análise dos desenvolvimentos na área e
mais avançados a partir de uma base de conhecimen- para avaliar maneiras de apresentação de novas ideias
to sólida e uma familiaridade com uma estrutura de aos alunos. Por outro lado, as mudanças na tecnologia de
notação consistente, usada ao longo de todo o curso e software e hardware de computadores ocorrem em uma
que acompanha o livro-texto. Tipicamente, em uma pri- escala de tempo muito mais rápida. As revisões de soft-
meira exposição ao processamento em tempo discreto ware muitas vezes ocorrem semestralmente, e as veloci-
de sinais no início dos cursos de graduação, os alunos dades de hardware continuam a aumentar anualmente.
aprendem a realizar manipulações matemáticas, mas é Isso, juntamente com a disponibilidade da world-wide-
revendo os tópicos que eles aprendem a manipular com -web, proporciona a oportunidade de atualização mais
mais desenvoltura os conceitos fundamentais. Portanto, frequente dos componentes interativos e experimentais
nesta edição, retemos a cobertura desses fundamentos do ambiente de aprendizado. Por esses motivos, propor-
nos cinco primeiros capítulos, melhorados com novos cionar ambientes separados para a matemática básica e
exemplos e uma discussão expandida. Em seções poste- os conceitos básicos na forma de livro-texto, e para a ex-
riores de alguns capítulos são incluídos tópicos adicio- periência interativa e prática, principalmente por meio
nais, como ruído de digitalização, que pressupõe conhe- da world-wide-web, parece ser um caminho natural.
cimento básico em sinais aleatórios. Uma rápida revisão Com isso em mente, criamos esta terceira edição
do fundamento essencial para essas seções foi incluída de Processamento em Tempo Discreto de Sinais, incor-
no Capítulo 2 e no Apêndice A. porando o que acreditamos ser a matemática e os con-
Uma mudança importante no ensino de PDS, que ceitos fundamentais do processamento em tempo dis-
ocorreu por volta da última década, é um amplo uso de creto de sinais.
sofisticados pacotes de software, como MATLAB, Lab- O material neste livro está organizado de modo
VIEW e Mathematica, que fornecem uma experiência a fornecer uma flexibilidade considerável em seu uso
interativa e prática para os alunos. A acessibilidade e a nos níveis de graduação e pós-graduação. Uma maté-
facilidade de uso desses pacotes de software fornecem ria eletiva típica de um semestre em nível de gradua-
a oportunidade de associar os conceitos e a matemá- ção poderia abranger em profundidade o Capítulo 2,
tica, que são a base para o processamento em tempo seções 2.0-2.9; o Capítulo 3; o Capítulo 4, seções 4.0-4.6;
discreto de sinais, a aplicações envolvendo sinais reais e o Capítulo 5, seções 5.0-5.3; o Capítulo 6, seções 6.0-
sistemas em tempo real. Esses pacotes de software são 6.5; e o Capítulo 7, seções 7.0-7.3; e uma breve passada
bem documentados, possuem excelente suporte técnico pelas seções 7.4-7.6. Se os alunos tiverem estudado si-
e excelentes interfaces com o usuário, fato que os torna nais e sistemas de tempo discreto em um curso anterior
facilmente acessíveis aos alunos sem tirar a atenção do sobre sinais e sistemas, será possível passar mais rapi-
principal objetivo: o desenvolvimento de ideias e a in- damente pelo material dos capítulos 2, 3 e 4, fazendo
tuição sobre os fundamentos. Em muitos cursos de pro- com que haja mais tempo para abordar o Capítulo 8. No
cessamento de sinais, agora é comum que sejam incluí- primeiro ano do curso de pós-graduação ou um curso
dos projetos e exercícios a ser resolvidos com o uso de de especialização poderiam ser incorporados aos tópi-
um ou vários dos pacotes de software disponíveis. Cer- cos anteriores os tópicos restantes do Capítulo 5, uma
tamente, isso precisa ser feito com cautela, a fim de ma- discussão de processamento multitaxa de sinais (Seção
ximizar o benefício ao aprendizado do aluno, enfatizan- 4.7), uma exposição a algumas das questões de digita-
do a experimentação dos conceitos, parâmetros e assim lização apresentadas na Seção 4.8 e talvez uma intro-
por diante, em vez de fornecer simplesmente exercícios dução à formatação do ruído em conversores A/D e
que podem ser resolvidos com uma “receita”. É parti- D/A, conforme discutido na Seção 4.9. No primeiro ano

INI oppen0512_INI BR.indd 16 1/15/13 5:56 PM


Prefácio  XVII

do curso de pós-graduação também devem-se incluir a de sistemas lineares invariantes no tempo. Embora o
exposição a algumas das questões de digitalização tra- material nos capítulos 2 e 3 possa ser uma revisão para
tadas nas seções 6.6-6.9, uma discussão dos filtros FIR muitos alunos, a maior parte dos cursos introdutórios
ideais, conforme incorporados nas seções 7.7-7.9, e um sobre sinais e sistemas não terá a profundidade ou a
tratamento completo da transformada de Fourier dis- abrangência desses capítulos. Além disso, esses capítu-
creta (Capítulo 8) e seu cálculo usando a FFT (Capítulo los estabelecem a notação que será usada ao longo de
9). A discussão da TFD pode ser efetivamente reforça- todo o texto. Assim, recomendamos que os capítulos 2
da com muitos dos exemplos no Capítulo 10. Em um e 3 sejam estudados tão cuidadosamente quanto neces-
curso de pós-graduação de dois semestres, todo o texto, sário para que os alunos se sintam confiantes em seu
incluindo os novos capítulos sobre modelagem para- domínio dos fundamentos dos sinais e sistemas de tem-
métrica de sinais (Capítulo 11) e o cepstrum (Capítulo po discreto.
13), pode ser abordado juntamente com uma série de No Capítulo 4 é feita uma discussão detalhada da
tópicos avançados adicionais. Em todos os casos, os pro- relação entre os sinais de tempo contínuo e de tempo
blemas extraclasse ao final de cada capítulo podem ser discreto quando os sinais de tempo discreto são obtidos
trabalhados com ou sem o auxílio de um computador, com amostragem periódica dos sinais de tempo con-
e podem ser usados para fortalecer a relação entre a tínuo. Isso inclui um desenvolvimento do teorema da
teoria e a implementação por computador dos sistemas amostragem de Nyquist. Além disso, discutimos a supe-
de processamento de sinais. ramostragem e a subamostragem dos sinais de tempo
Concluímos este prefácio com um resumo do con- discreto conforme usadas, por exemplo, nos sistemas
teúdo de cada capítulo, destacando as mudanças signifi- de processamento multitaxas de sinais e na conversão
cativas na terceira edição. da taxa de amostragem. O capítulo conclui com uma
No Capítulo 2, apresentamos a aula básica dos si- discussão de algumas das questões práticas encontradas
nais e sistemas de tempo discreto e definimos as pro- na conversão de tempo contínuo para tempo discreto,
priedades básicas do sistema, como linearidade, inva- incluindo a pré-filtragem para evitar aliasing, a mode-
riância no tempo, estabilidade e causalidade. O foco lagem dos efeitos da digitalização de amplitude quando
principal do livro está nos sistemas lineares invariantes os sinais de tempo discreto são representados digital-
no tempo, devido ao rico conjunto de ferramentas dis-
mente e o uso da sobreamostragem na simplificação
poníveis para projetar e analisar essa classe de sistemas.
dos processos de conversão A/D e D/A. Esta terceira
No Capítulo 2, em particular, desenvolvemos a repre-
edição inclui novos exemplos de simulações de ruído
sentação no domínio do tempo dos sistemas lineares
de digitalização, uma nova discussão dos filtros de in-
invariantes no tempo através da soma de convolução
terpolação obtidos das splines e novas discussões da
e abordamos a classe de sistemas lineares e invarian-
interpolação de múltiplos estágios e bancos de filtros
tes no tempo representados por equações de diferen-
multitaxas em dois canais.
ças lineares com coeficientes constantes. No Capítulo
6, abordamos essa classe de sistemas em mais detalhes. No Capítulo 5, aplicamos os conceitos desenvol-
Também no Capítulo 2, abordamos a representação no vidos nos capítulos anteriores a um estudo detalhado
domínio da frequência dos sinais e sistemas de tempo das propriedades dos sistemas lineares invariantes no
discreto por meio da transformada de Fourier de tempo tempo. Definimos a classe de filtros ideais seletivos em
discreto. O foco principal do Capítulo 2 está na repre- frequência e desenvolvemos a função de sistema e re-
sentação das sequências em termos da transformada de presentação de polos e zeros para os sistemas descritos
Fourier de tempo discreto, ou seja, como uma combi- por equações de diferenças lineares com coeficientes
nação linear de exponenciais complexas, e o desenvol- constantes, uma classe de sistemas cuja implementação
vimento das propriedades básicas da transformada de é considerada em detalhes no Capítulo 6. Também no
Fourier de tempo discreto. Capítulo 5, definimos e discutimos o atraso de grupo,
No Capítulo 3, desenvolvemos a transformada z a resposta de fase e a distorção de fase, além das rela-
como uma generalização da transformada de Fourier. ções entre a resposta de magnitude e a resposta de fase
Esse capítulo foca o desenvolvimento dos teoremas e dos sistemas, incluindo uma discussão sobre os sistemas
das propriedades básicas da transformada z e o desen- de fase linear de fase mínima, passa-tudo e sistemas de
volvimento do método da expansão em frações parciais fase linear generalizada. As mudanças da terceira edi-
para a operação de transformada inversa. Uma nova se- ção incluem um novo exemplo dos efeitos do atraso de
ção sobre a transformada z unilateral foi acrescentada grupo e atenuação.
nesta edição. No Capítulo 5, os resultados desenvolvi- No Capítulo 6, focamos especificamente os siste-
dos nos capítulos 2 e 3 são usados extensivamente em mas descritos por equações de diferenças lineares com
uma discussão detalhada da representação e análise coeficientes constantes, e desenvolvemos sua represen-

INI oppen0512_INI BR.indd 17 1/24/13 10:05 AM


XVIII  Processamento em tempo discreto de sinais

tação em termos de diagrama de blocos e diagrama de contrário, no caso do tempo discreto, muitos sistemas
fluxo de sinais lineares. Grande parte do capítulo trata e algoritmos de processamento de sinais envolvem o
do desenvolvimento de uma variedade de importantes cálculo explícito da transformada de Fourier. Embora a
estruturas de sistema e da comparação de algumas de própria transformada de Fourier não possa ser calcula-
suas propriedades. A importância dessa discussão e a da, uma versão amostrada dela, a transformada de Fou-
variedade de estruturas de filtro se relacionam ao fato rier discreta (TFD), pode ser calculada, e para sinais de
de que, em uma implementação prática de um sistema duração finita, a TFD é uma representação de Fourier
de tempo discreto, os efeitos das imprecisões dos coefi- completa do sinal. No Capítulo 8, a TFD é apresentada,
cientes e erros da aritmética podem depender muito da e suas propriedades e relações com a transformada de
estrutura específica utilizada. Embora essas questões Fourier de tempo discreto (TFTD) são desenvolvidas
básicas sejam similares em implementações digitais e em detalhes. Neste capítulo, também fornecemos uma
analógicas em tempo discreto, elas serão ilustradas nes- introdução à transformada de cosseno discreto (TCD),
te capítulo no contexto de uma implementação digital, que desempenha um papel muito importante em apli-
com uma discussão dos efeitos da digitalização dos coe- cações como compactação de áudio e vídeo.
ficientes e da aritmética do ruído de arredondamento No Capítulo 9, a rica e importante variedade de
para filtros digitais. Uma nova seção fornece uma dis- algoritmos para calcular ou gerar a TFD é introduzida e
cussão detalhada dos filtros em treliça FIR e IIR para discutida, incluindo o algoritmo de Goertzel, os algorit-
a implementação de equações de diferenças lineares mos da transformada de Fourier rápida (FFT, do inglês
com coeficientes constantes. Conforme discutido no Fast Fourier Transform) e a transformada chirp. Nesta
Capítulo 6 e mais adiante no Capítulo 11, essa classe terceira edição, as operações básicas de superamostra-
de estruturas de filtro se tornou extremamente impor- gem e subamostragem, discutidas no Capítulo 4, são
tante em muitas aplicações devido a suas propriedades usadas para oferecer noções adicionais para a dedução
desejáveis. Nas discussões sobre filtros em treliça, em dos algoritmos de FFT. Conforme também é discutido
muitos textos e artigos, é comum associar sua impor- nesse capítulo, a evolução da tecnologia alterou consi-
tância à análise de predição linear e de modelagem de deravelmente as métricas importantes na avaliação da
sinais. Entretanto, a importância do uso de implemen- eficiência dos algoritmos de processamento de sinais.
tações em treliça dos filtros FIR e IIR é independente Na época da publicação de nosso primeiro livro, na dé-
de como a equação de diferenças a ser implementada é cada de 1970, tanto a memória quanto o custo computa-
obtida. Por exemplo, a equação de diferenças pode ser cional (multiplicações e também adições de ponto flu-
resultado do uso de técnicas de projeto de filtro, con- tuante) eram dispendiosos, e a eficiência dos algoritmos
forme abordagem do Capítulo 7, do uso da modelagem muitas vezes era julgada por quanto era exigido desses
paramétrica de sinais, conforme abordagem do Capítu- recursos. Atualmente, é comum empregar memória
lo 11, ou resultado de qualquer uma das diversas outras adicional para aumentar a velocidade e reduzir os re-
formas em que a equação de diferenças a ser implemen- quisitos de potência na implementação de algoritmos
tada aparece. de processamento de sinais. De uma maneira similar, as
Enquanto o Capítulo 6 trata da representação e plataformas multi-core, em alguns contextos, têm resul-
implementação de equações de diferenças lineares com tado no favorecimento da implementação paralela de
coeficientes constantes, o Capítulo 7 trata dos procedi- algoritmos, mesmo aumentando o custo computacional.
mentos para a obtenção dos coeficientes dessa classe de Muitas vezes, o número de ciclos de troca de dados, co-
equações de diferenças para aproximar uma desejada municação em um chip e requisitos de potência agora
resposta de sistema. As técnicas de projeto são separa- são as principais medidas na escolha da estrutura para
das naquelas usadas em filtros com resposta ao impul- implementação de um algoritmo. Conforme discutimos
so de duração infinita (IIR, do inglês Infinite Impulse no Capítulo 9, embora a FFT seja mais eficiente em
Response) e naquelas usadas em filtros com resposta ao termos das multiplicações exigidas do que o algoritmo
impulso de duração finita (FIR, do inglês Finite Impul- de Goertzel ou da implementação direta da TFD, ela é
se Response). Novos exemplos de projeto de filtro IIR menos eficiente do que ambos se a métrica dominante
fornecem noções adicionais sobre as propriedades dos for ciclos de comunicação, pois a implementação direta
diferentes métodos de aproximação. Um novo exemplo da TFD ou o algoritmo de Goertzel permitem um para-
sobre projeto de filtro para interpolação fornece uma lelismo de implementação muito maior do que a FFT.
estrutura de comparação entre os filtros IIR e FIR em Com a base desenvolvida nos capítulos anteriores
uma configuração prática. e particularmente nos capítulos 2, 3, 5 e 8, no Capítu-
Na teoria de sistema linear de tempo contínuo, a lo 10 focamos a análise de Fourier dos sinais usando
transformada de Fourier é principalmente uma ferra- a TFD. Sem uma compreensão detalhada das questões
menta analítica para representar sinais e sistemas. Ao envolvidas e da relação entre a transformada de Fou-

INI oppen0512_INI BR.indd 18 1/15/13 5:56 PM


Prefácio  XIX

rier de tempo contínuo, a TFTD e a TFD, o uso da TFD penha um papel importante na discussão do cepstrum
na análise prática de sinais muitas vezes pode causar do Capítulo 13.
confusão e má interpretação. Abordamos uma série Nosso primeiro livro, em 1975, e a primeira edição
dessas questões no Capítulo 10. Também consideramos deste livro, em 1989, incluíam um tratamento detalhado
com alguns detalhes a análise de Fourier dos sinais com da classe de técnicas não lineares conhecidas como aná-
características variantes no tempo, por meio da trans- lise cepstral e desconvolução homomórfica. Essas técni-
formada de Fourier dependente do tempo. A novidade cas têm se tornado cada vez mais importantes, e agora
nesta terceira edição é a abordagem com mais detalhes são de uso generalizado em aplicações como codifica-
da análise de banco de filtros, incluindo um exemplo de ção de voz, reconhecimento de voz e locução, análise
banco de filtros MPEG. Também foram incluídos novos de dados de imagens geofísicas e médicas, e em muitas
exemplos de análise de Fourier dependente do tempo outras aplicações em que a desconvolução é um tema
dos sinais chirp ilustrando o efeito do comprimento da importante. Consequentemente, nesta edição, introdu-
janela e simulações mais detalhadas da análise do ruído zimos esses tópicos com discussão e exemplos expan-
de digitalização. didos. O capítulo contém uma discussão detalhada da
O Capítulo 11, sobre a modelagem paramétrica de definição e das propriedades do cepstrum e da varieda-
sinais, é um capítulo totalmente novo. Começando com de de formas de calculá-lo, incluindo novos resultados
o conceito básico da representação de um sinal como sobre o uso de raízes de polinômios como base para o
a saída de um sistema LIT, o Capítulo 11 mostra como cálculo do cepstrum. Uma exposição ao material do Ca-
os parâmetros do modelo do sinal podem ser encontra- pítulo 13 também fornece ao leitor a oportunidade de
dos pela solução de um conjunto de equações lineares. desenvolver novas abordagens sobre os fundamentos
Os detalhes dos cálculos envolvidos na preparação e apresentados nos capítulos iniciais, no contexto de um
na solução das equações são discutidos e ilustrados por conjunto de técnicas não lineares de análise de sinal,
meio de exemplos. Uma ênfase particular está na solu- com importância crescente e que servem para o mesmo
ção com o algoritmo de Levinson–Durbin e nas muitas tipo de análise rica apreciada pelas técnicas lineares. O
propriedades da solução que são facilmente obtidas a capítulo também inclui novos exemplos que ilustram o
partir dos detalhes do algoritmo, como a interpretação uso da filtragem homomórfica na desconvolução.
do filtro em treliça. Aguardamos ansiosamente o uso desta nova edi-
O Capítulo 12 trata da transformada de Hilbert ção como material de ensino, e esperamos que nossos
discreta. Essa transformada surge em diversas aplica- colegas e alunos se beneficiem com as muitas melhorias
ções práticas, incluindo filtragem inversa, representa- em comparação às edições anteriores. O processamento
ções complexas de sinais reais passa-banda, técnicas de de sinais em geral e o processamento em tempo discreto
modulação em banda lateral única e muitas outras. Com de sinais em particular são de uma imensa riqueza em
o advento do aumento da sofisticação dos sistemas de todas as suas dimensões, e prometem desenvolvimentos
comunicações e da crescente riqueza de métodos para ainda mais interessantes no futuro.
amostragem eficiente de sinais de tempo contínuo em
banda larga e multibanda, o entendimento básico das
transformadas de Hilbert tem se tornado cada vez mais Alan V. Oppenheim
importante. A transformada de Hilbert também desem- Ronald W. Schafer

INI oppen0512_INI BR.indd 19 1/15/13 5:56 PM


XX  Processamento em tempo discreto de sinais

 Agradecimentos muitos hábitos de pensamento e expressão desses gran-


des mentores, e faz isso com a certeza de que eles não se
Esta terceira edição de Processamento em tempo importam nem um pouco.
discreto de sinais evoluiu a partir das duas primeiras
No decorrer de nossas carreiras acadêmicas, no
edições (1989, 1999) que se originaram do nosso primei-
MIT e na Georgia Tech nos forneceram um ambiente
ro livro Digital Signal Processing (1975). A influência
estimulante para pesquisa e ensino, e nos deram en-
e o impacto dos muitos colegas, alunos e amigos que
corajamento e suporte para esse projeto em evolução.
auxiliaram, apoiaram e contribuíram para esses primei-
Desde 1977, Al Oppenheim passou vários sabáticos e
ros trabalhos permanecem evidentes nesta nova edição,
quase todos os verões na Woods Hole Oceanographic
e gostaríamos de expressar novamente nossa profunda
Institution (WHOI), e está profundamente grato por
apreciação a todos e mais explicitamente aos que agra-
essa oportunidade e sociedade especial. Foi durante es-
decemos nas edições anteriores.
ses períodos e no maravilhoso ambiente da WHOI que
No decorrer de nossas carreiras, ambos tivemos
grande parte da redação das várias edições deste livro
a sorte de ter mentores extraordinários. Cada um de
foi realizada.
nós gostaria de agradecer a vários indivíduos que pro-
vocaram um impacto tão importante em nossas vidas No MIT e na Georgia Tech, ambos recebemos um
e carreiras. bom suporte financeiro de diversas origens. Al Op-
penheim é extremamente grato pelo apoio de Mr. Ray
Al Oppenheim foi profundamente orientado e
influenciado como aluno de graduação e por toda a Stata e da Analog Devices Inc., a Bose Foundation e a
sua carreira pelo professor Amar Bose, pelo professor Ford Foundation pelo patrocínio da pesquisa e ensino
Thomas Stockham e pelo Dr. Ben Gold. Como assisten- no MIT de várias formas. Também tivemos o apoio da
te de ensino por vários anos e como aluno de doutorado Texas Instruments Inc. por nossas atividades de ensino
supervisionado pelo professor Bose, Al foi significati- e pesquisa. Em particular, Gene Frantz da TI tem sido
vamente influenciado pelo ensino inspirador, estilo de um defensor dedicado de nosso trabalho e educação
pesquisa criativo e padrões extraordinários que são ca- em PDS em geral, em ambas as instituições acadêmicas.
racterísticos do professor Bose em tudo o que ele faz. Ron Schafer também agradece pelo suporte generoso
No início de sua carreira, Al Oppenheim também teve da John and Mary Franklin Foundation, que patrocinou
a grande sorte de desenvolver colaboração e amizade a presidência de John e Marilu McCarty na Georgia
com o Dr. Ben Gold e o professor Thomas Stockham. Tech. Demetrius Paris, durante muito tempo diretor da
O incrível encorajamento e modelo de vida fornecidos Escola de ECE na Georgia Tech, e W. Kelly Mosley e
por Ben foram significativos na formação do estilo de Marilu McCarty, da Franklin Foundation, merecem
orientação e pesquisa de Al Oppenheim. Tom Stock- agradecimentos especiais por sua amizade e suporte
ham também forneceu aconselhamento, suporte e en- por mais de 30 anos. Ron Schafer gostaria de exprimir
corajamento significativos, além de amizade contínua e seu apreço pela oportunidade de fazer parte da equipe
modelo de vida maravilhoso. A influência desses men- de pesquisa na Hewlett-Packard Laboratories, primei-
tores extraordinários flui por todo este livro. ro por meio do apoio de pesquisa na Georgia Tech por
Mais notáveis entre os muitos professores e men- muitos anos e, desde 2004, como HP Fellow. A terceira
tores que influenciaram Ron Schafer são o professor edição não poderia ter sido concluída sem o encoraja-
Levi T. Wilson, o professor Thomas Stockham e o Dr. mento e o apoio dos gerentes da HP Labs, Fred Kitson,
James L. Flanagan. O professor Wilson apresentou um Susie Wee e John Apostolopoulos.
menino ingênuo de cidade pequena às maravilhas da Nossa associação com a Prentice Hall Inc. come-
matemática e da ciência, de um modo que foi memo- çou há várias décadas com nosso primeiro livro, publi-
rável e que mudou sua vida. Sua dedicação ao ensino cado em 1975, e continuou pelas três edições desta obra,
foi uma inspiração muito forte para resistir. O professor bem como em outras. Tivemos a extrema sorte de ter-
Stockham foi um ótimo professor, um amigo em tempos mos trabalhado com a Prentice Hall. O encorajamento e
difíceis, um colega valioso e um engenheiro maravilho- apoio oferecidos por Marcia Horton e Tom Robbins, por
samente criativo. Jim Flanagan é um gigante na área de meio deste e de muitos outros projetos de escrita, e por
ciência e engenharia de voz, e uma inspiração para to- Michael McDonald, Andrew Gilfillan, Scott Disanno­e
dos os que têm a sorte de ter trabalhado com ele. Nem Clare Romeo, com esta edição, melhoraram significati-
todos os ótimos professores levam o título de “Mestre”. vamente o prazer de escrever e completar este projeto.
Ele ensinou a Ron e a muitos outros o valor do pensa- Assim como nas edições anteriores, na produção
mento cuidadoso, o valor da dedicação a uma área de desta terceira edição, tivemos a sorte de receber a ajuda
aprendizado e o valor da escrita e expressão claras e de muitos colegas, alunos e amigos. Somos bastante gra-
lúcidas. Ron Schafer admite livremente se apropriar de tos por sua generosidade no tempo dedicado a nos aju-

INI oppen0512_INI BR.indd 20 1/15/13 5:56 PM


Prefácio  XXI

dar com este projeto. Em particular, expressamos nosso Eric Strattman, Darla Secor, Diane Wheeler, Stacy
agradecimento e apreciação a: Schultz, Kay Gilstrap e Charlotte Doughty,
por seu auxílio administrativo na preparação
Professor John Buck, por sua atuação significativa
desta revisão e apoio contínuo de nossas ativi-
na preparação da segunda edição e seu tem-
dades de ensino,
po e esforço contínuos durante a vida daquela
edição, Tom Baran, por sua ajuda em muitas das questões
de computação associadas ao gerenciamento
Professores Vivek Goyal, Jae Lim, Gregory Wor-
de arquivos para esta edição e por sua ajuda
nell, Victor Zue, e doutores Babak Ayazifar,
significativa com os exemplos em diversos ca-
Soosan Beheshti e Charles Rohrs, que lecio-
pítulos,
naram no MIT usando várias edições e fize-
ram muitos comentários e sugestões úteis, Shay Maymon, que leu meticulosamente a maior
parte dos capítulos, reformulou muitos dos
Professores Tom Barnwell, Russ Mersereau e
problemas nos capítulos mais avançados, fez
Jim McClellan, durante muito tempo amigos
correções e deu sugestões importantes,
e colegas de Ron Schafer, que lecionaram
constantemente a partir de várias edições e in- A todos os que ajudaram na revisão cuidadosa
fluenciaram muitos aspectos do livro, do manuscrito e provas diagramadas: Berkin
Bilgic, Albert Chang, Myung Jin Choi, Majid
Professor Bruce Black, do Rose-Hulman Institute
Fozunbal, Reeve Ingle, Jeremy Leow, Ying
of Technology, por organizar cuidadosamente
Liu, Paul Ryu, Sanquan Song, Dennis Wei e
dez anos de novos problemas, selecionando os
Zahi Karam.
melhores, atualizando-os e integrando-os aos
capítulos, E aos muitos assistentes de ensino que influen-
ciaram esta edição, direta ou indiretamente,
Professor Mark Yoder e Professor Wayne Padgett,
enquanto trabalhavam conosco no ensino do
por desenvolverem materiais adicionais,
assunto no MIT e na Georgia Tech.
Ballard Blair, por seu auxílio na atualização da bi-
bliografia,

  Site de apoio do livro


 a Sala Virtual deste livro (<sv.pearson.com.br>), professores podem acessar os seguintes materiais
N
adicionais 24 horas:

• Manual de soluções (em inglês);


• Exercícios extras com soluções (em inglês);
• Apresentações em PowerPoint.

Esse material é de uso exclusivo para professores e está protegido por senha. Para ter acesso a ele, os professores que ado-
tam o livro devem entrar em contato com seu representante Pearson ou enviar e-mail para universitarios@pearson.com.

INI oppen0512_INI BR.indd 21 1/15/13 5:56 PM


INI oppen0512_INI BR.indd 22 1/15/13 5:56 PM
1 Introdução
Capítulo

1.0 Introdução A quantidade cada vez maior de aplicações e


a demanda por algoritmos cada vez mais sofisticados
A rica história e o futuro promissor do processa- andam lado a lado com o rápido desenvolvimento da
mento de sinais decorrem de uma forte sinergia entre tecnologia de dispositivos para implementar sistemas
aplicações cada vez mais sofisticadas, novos desenvolvi- de processamento de sinais. De acordo com algumas
mentos teóricos e novas arquiteturas e plataformas de estimativas, mesmo com as limitações iminentes da Lei
hardware que surgem constantemente. As aplicações do
de Moore, a capacidade de processamento de micro-
processamento de sinais abrangem um imenso conjun-
processadores dedicados a processamento de sinais e
to de áreas, que incluem entretenimento, comunicações,
de computadores pessoais provavelmente aumentará
exploração do espaço, medicina, arqueologia e geofísi-
em várias ordens de grandeza nos próximos dez anos.
ca, apenas para citar algumas. Algoritmos e hardwares
Evidentemente, a importância e o papel do processa-
de processamento de sinais são prevalentes em uma
mento de sinais continuarão a se expandir em um ritmo
grande variedade de sistemas, desde sistemas militares
acelerado no futuro.
altamente especializados e aplicações industriais até
O processamento de sinais lida com a representa-
sistemas eletrônicos de baixo custo e alto volume de
ção, a transformação e a manipulação de sinais e da in-
produção voltados ao consumidor. Embora rotineira-
mente nem se questione o extraordinário desempenho formação que os sinais contêm. Por exemplo, podemos
de sistemas multimídia, como vídeo de alta definição, querer separar dois ou mais sinais que foram combina-
áudio de alta fidelidade e jogos interativos, esses siste- dos por alguma operação, como adição, multiplicação
mas sempre foram fortemente baseados no estado da ou convolução, ou então amplificar algum componente
arte do processamento de sinais. Sofisticados processa- do sinal ou estimar algum parâmetro de um modelo de
dores digitais de sinais estão no núcleo de todos os tele- sinal. Nos sistemas de comunicação, geralmente é neces-
fones celulares modernos. Os padrões de compactação sário realizar um pré-processamento como modulação,
de áudio e vídeo MPEG e de dados de imagem JPEG1 condicionamento do sinal e compressão antes da trans-
baseiam-se fortemente em muitos dos princípios e das missão por um canal de comunicações, e depois execu-
técnicas de processamento de sinais discutidos neste li- tar pós-processamento no receptor, para recuperar uma
vro. Dispositivos de armazenamento de dados de alta cópia semelhante ao sinal original. Antes da década de
densidade e novas memórias de estado sólido contam 1960, a tecnologia para esse processamento de sinais era
cada vez mais com o uso de processamento de sinais quase exclusivamente analógica e de tempo contínuo.2
para fornecer consistência e robustez a tecnologias que Uma mudança continuada e relevante para tecnolo-
de outra forma seriam frágeis. Ao olharmos para o fu- gias digitais foi resultado da rápida evolução de com-
turo, fica claro que o papel do processamento de sinais putadores e microprocessadores digitais e dos chips de
está se expandindo, impulsionado em parte pela con- baixo custo para a conversão analógico-digital (A/D) e
vergência de comunicações, computadores e processa- digital-analógico (D/A). Essas evoluções na tecnologia
mento de sinais, tanto na área do consumidor quanto foram reforçadas por muitos desenvolvimentos teóri-
em aplicações industriais e governamentais avançadas. cos importantes, como o algoritmo da transformada­de

1 Os acrônimos MPEG e JPEG são os termos usados informalmente para se referir aos padrões desenvolvidos pelo Moving Picture Expert
Group (MPEG) e pelo Joint Photographic Expert Group (JPEG) da International Organization for Standardization (ISO).
2 Em um contexto geral, vamos nos referir à variável independente como “tempo”, embora, em contextos específicos, a variável independente
possa assumir uma grande variedade de significados possíveis. Consequentemente, tempo contínuo e tempo discreto devem ser entendidos
como termos genéricos que se referem a uma variável independente contínua e uma variável independente discreta, respectivamente.

BOOK_oppen0512_BR.indb 1 1/15/13 5:58 PM


2  Processamento em tempo discreto de sinais

Fourier­ rápida (FFT, do inglês fast Fourier transform), em uma memória de estado sólido) e o processamento
modelagem paramétrica de sinal, técnicas multitaxas, final para reconstruir o sinal de áudio é executado em
implementação de filtros polifásicos e novas formas de tempo real quando a saída é reproduzida para escuta.
representar sinais, como expansões em wavelets. Ape- Os sistemas de gravação e reprodução de CD e MP3
nas como um exemplo dessa mudança, os sistemas de baseiam-se em muitos dos conceitos de processamento
comunicação por rádio analógicos estão evoluindo para de sinais abordados neste livro.
os “software rádios” reconfiguráveis, que são implemen- A engenharia financeira representa outro campo
tados quase exclusivamente com computação digital. que está emergindo rapidamente e que incorpora mui-
O processamento em tempo discreto de sinais é tos conceitos e técnicas de processamento de sinais. A
baseado no processamento de sequências numéricas in- modelagem, a previsão e a filtragem eficazes de dados
dexadas sobre as variáveis inteiras, em vez de funções econômicos podem resultar em ganhos significativos no
de uma variável independente contínua. Em processa- desempenho e na estabilidade econômica. Os gerentes
mento digital de sinais (PDS), os sinais são representa- de investimentos de carteira de títulos, por exemplo,
dos por sequências de números com precisão finita, e baseiam-se cada vez mais no uso do processamento
o processamento é implementado usando computação sofisticado de sinais, pois mesmo um aumento muito
digital. O termo mais geral processamento em tempo pequeno na previsibilidade de um sinal ou na relação
discreto de sinais inclui o processamento digital de si- sinal-ruído (SNR, do inglês signal-to-noise ratio) pode
nais como um caso especial, mas também inclui a pos- resultar em um ganho significativo no desempenho.
sibilidade de que sequências de amostras (dados amos- Outra área importante do processamento de sinais
trados) possam ser processadas com outras tecnologias é a interpretação de sinais. Nesses contextos, o objetivo
de tempo discreto. Frequentemente, a distinção entre do processamento é obter uma caracterização do sinal
os termos processamento em tempo discreto de sinais de entrada. Por exemplo, em um sistema de reconheci-
e processamento digital de sinais tem importância me- mento ou compreensão de voz, o objetivo é interpretar
nor, pois ambos tratam de sinais de tempo discreto. o sinal de entrada ou extrair informações dele. Tipica-
Isso é particularmente verdadeiro quando se emprega mente, tal sistema aplica um pré-processamento digital
computação de alta precisão. Embora existam muitos (filtragem, estimação de parâmetros e assim por diante)
exemplos em que os sinais a serem processados são ine- seguido por um sistema de reconhecimento de padrões
rentemente sequências de tempo discreto, a maior parte para produzir uma representação simbólica, como uma
das aplicações envolve o uso da tecnologia de tempo transcrição fonética da voz. Essa saída simbólica pode,
discreto para processar sinais que se originam como si- por sua vez, ser a entrada de um sistema de processa-
nais de tempo contínuo. Nesse caso, um sinal de tempo mento simbólico, como um sistema especialista baseado
contínuo tipicamente é convertido em uma sequência em regras, para fornecer a interpretação final do sinal.
de amostras, ou seja, um sinal de tempo discreto. De Ainda outra categoria relativamente nova de
fato, um dos mais importantes estímulos à aplicação processamento de sinais envolve a manipulação sim-
generalizada do processamento digital de sinais foi o bólica de expressões em processamento de sinais.
desenvolvimento de chips de conversão A/D e D/A de Esse tipo de processamento é potencialmente útil em
baixo custo, com base em digitalização diferencial com estações de trabalho para processamento de sinais e
formatação de ruído. Após o processamento em tempo no projeto de sistemas de processamento de sinais
discreto, a sequência de saída é convertida de volta em auxiliado por computador. Nessa classe de processa­
um sinal de tempo contínuo. Nesses sistemas, a opera- mento, sinais e sistemas são representados e manipu-
ção em tempo real frequentemente é exigida ou dese- lados como objetos de dados abstratos. As linguagens
jável. À medida que as velocidades dos computadores de programação orientadas a objeto fornecem um
aumentaram, o processamento em tempo discreto de ambiente conveniente para a manipulação de sinais,
sinais de tempo contínuo em tempo real tornou-se co- sistemas­e expressões de processamento de sinais sem
mum em sistemas de comunicação, radar e sonar, codifi- utilizar explicitamente sequências numéricas de da-
cação e aprimoramento de voz e vídeo, engenharia bio- dos. A sofisticação dos sistemas projetados para reali-
médica e muitas outras áreas de aplicação. Aplicações zar o processamento simbólico de sinais é diretamente
que não necessitam de processamento em tempo real influenciada pela incorporação de conceitos, teoremas
também são comuns. O CD player e o MP3 player são e propriedades fundamentais de processamento de
exemplos de sistemas assimétricos em que um sinal de sinais, como aqueles que formam a base deste livro.
entrada é processado apenas uma vez. O processamento Por exemplo, um ambiente de processamento de si-
inicial pode ocorrer em tempo real, mais lento que em nais que incorpora a propriedade de que a convolução
tempo real ou até mais rápido do que em tempo real. A no domínio do tempo corresponde à multiplicação
forma processada da entrada é armazenada (no CD ou no domínio da frequência pode explorar uma série

BOOK_oppen0512_BR.indb 2 1/15/13 5:58 PM


Capítulo 1 Introdução 3

de ­rearranjos das estruturas de filtragem, incluindo (ed.) (2005), Woods (2006), Gonzalez e Woods (2007)
aquelas que envolvem o uso direto da transformada e Pratt (2007). A análise de dados sísmicos, necessária
de Fourier discreta (TFD) e o algoritmo de FFT. De na exploração de petróleo, medições relacionadas a ter-
modo similar, os ambientes que incorporam a relação remotos e monitoramento de testes nucleares, também
entre taxa de amostragem e aliasing podem fazer uso utiliza técnicas de processamento de sinais multidimen-
eficaz de estratégias de dizimação e interpolação para sionais. Aplicações sísmicas são discutidas, por exemplo,
a implementação de filtros. Ideias semelhantes estão em Robinson e Treitel (1980) e Robinson e Durrani
sendo atualmente exploradas para implementar o (1985).
processamento de sinais em ambientes de rede. Nes- O processamento de sinais multidimensionais é
se tipo de ambiente, os dados podem, potencialmente, apenas um dos muitos tópicos avançados e específicos
ser marcados com uma descrição em alto nível do pro- que se baseiam nos fundamentos abordados neste texto.
cessamento a ser feito, e os detalhes da implementa- A análise espectral, baseada no uso da TFD e no uso de
ção podem ser baseados dinamicamente nos recursos modelos de sinais, é outro aspecto particularmente rico
disponíveis na rede. e importante do processamento de sinais. Discutimos
Muitos dos conceitos e das técnicas de projeto dis- muitas facetas desse assunto nos capítulos 10 e 11, que
cutidos neste texto agora são incorporados na estrutura focam os conceitos e técnicas básicas relacionadas ao
de sistemas de software sofisticados, como MATLAB, uso da TFD e da modelagem paramétrica de sinais. No
Simulink, Mathematica e LabVIEW. Em muitos ca- Capítulo 11, também discutimos com detalhes métodos
sos em que os sinais de tempo discreto são adquiridos de análise espectral de alta resolução, com base na repre-
e armazenados em computadores, essas ferramentas sentação do sinal a ser analisado como a resposta de um
permitem que operações de processamento de sinais filtro linear invariante no tempo (LIT, ou do inglês LTI —
extremamente sofisticadas sejam executadas a partir linear time-invariant) de tempo discreto a um impulso
das funções básicas. Nesses casos, geralmente não é ou a ruído branco. A análise espectral é obtida por meio
necessário conhecer os detalhes do algoritmo que im- da estimação dos parâmetros (por exemplo, os coefi-
plementa o cálculo de uma operação como a FFT, mas cientes da equação de diferenças) do sistema seguida
ainda assim é essencial entender o que é calculado e pelo cálculo do quadrado da magnitude da resposta em
como deve ser interpretado. Em outras palavras, um frequência do filtro modelado. Discussões detalhadas
bom conhecimento dos conceitos considerados neste sobre análise espectral podem ser encontradas nos tex-
texto é essencial para o uso adequado das ferramentas tos de Kay (1988), Marple (1987), Therrien (1992), Ha-
de software de processamento de sinais que agora estão yes (1996) e Stoica e Moses (2005).
amplamente disponíveis. A modelagem de sinais também desempenha um
Naturalmente, os problemas de processamento de papel importante na compressão e codificação de dados,
sinais não se limitam aos sinais unidimensionais. Embo- e, mais uma vez, os fundamentos de equações de dife-
ra existam algumas diferenças fundamentais nas teorias renças fornecem a base para a compreensão de muitas
para processamento de sinais unidimensionais e multi- dessas técnicas. Por exemplo, uma classe de técnicas de
dimensionais, grande parte do material que discutimos codificação de sinais, conhecida como codificação predi-
aqui tem um correspondente direto nos sistemas multi- tiva linear (LPC, do inglês linear predictive coding), ex-
dimensionais. A teoria do processamento digital de si- plora a ideia de que, se um sinal é a resposta de uma certa
nais multidimensionais é apresentada com detalhes em classe de filtros de tempo discreto, o valor do sinal em
diversas referências, incluindo Dudgeon e ­Mersereau qualquer índice de tempo é uma função linear (e, portan-
(1984), Lim (1989) e Bracewell (1994).3 Muitas apli- to, linearmente predizível) de valores anteriores. Conse-
cações de processamento de imagens requerem o uso quentemente, representações eficientes do sinal podem
de técnicas de processamento de sinais bidimensionais. ser obtidas pela estimativa desses parâmetros de predi-
Este é o caso de áreas como codificação de vídeo, ima- ção e usando-os juntamente com o erro de predição para
gens médicas, aprimoramento e análise de fotografias representar o sinal. O sinal pode, então, ser recuperado
aéreas, análise de fotos meteorológicas de satélites e quando necessário a partir dos parâmetros do modelo.
aprimoramento de transmissões de vídeo de sondas Essa classe de técnicas de codificação de sinal tem sido
lunares e de espaço profundo. Aplicações do processa- particularmente eficaz na codificação de voz e é descrita
mento digital de sinais multidimensionais ao proces- de forma aprofundada em Jayant e Noll (1984), Markel e
samento  de imagens são discutidas, por exemplo, em Gray (1976), Rabiner e Schafer (1978) e Quatieri (2002),
Macovski (1983), Castleman (1996), Jain (1989), Bovic e também é discutida com algum detalhe no Capítulo 11.

3 Nomes de autores e datas são usados ao longo do texto para se referir a livros e artigos listados nas Referências, ao final do livro.

BOOK_oppen0512_BR.indb 3 1/15/13 5:58 PM


4  Processamento em tempo discreto de sinais

Outro tópico avançado de importância conside- publicação do tratado de Fourier sobre a representação
rável é o processamento adaptativo de sinais. Os siste- de funções em séries harmônicas.
mas adaptativos representam uma classe particular de Até o início da década de 1950, o processamen-
sistemas variantes no tempo, e, em certo sentido, não to de sinais como definimos era tipicamente executado
lineares, com ampla aplicação e com técnicas estabele- com sistemas analógicos implementados com circuitos
cidas e eficazes para seu projeto e análise. Novamente, eletrônicos ou ainda com dispositivos mecânicos. Em-
muitas dessas técnicas se baseiam nos fundamentos de bora os computadores digitais estivessem aparecendo
processamento em tempo discreto de sinais abordados em ambientes de negócios e em laboratórios científicos,
neste texto. Descrições mais aprofundadas sobre pro- eles eram caros e tinham capacidade relativamente li-
cessamento adaptativo podem ser vistas em Widrow e mitada. Nessa mesma época, a necessidade de proces-
Stearns (1985), Haykin (2002) e Sayed (2008). samento mais sofisticado de sinais em algumas áreas de
Esses representam apenas alguns dos muitos tó- aplicação levou a um interesse considerável no proces-
picos avançados que se estendem a partir do conteúdo samento em tempo discreto de sinais. Um dos primeiros
abordado no texto. Outros incluem técnicas avançadas usos dos computadores digitais em PDS foi na explora-
e específicas de projetos de filtros, uma variedade de ção geofísica, em que sinais sísmicos de frequência rela-
algoritmos especializados para o cálculo da transforma- tivamente baixa podiam ser digitalizados e gravados em
da de Fourier, estruturas específicas de filtros e diversas fita magnética para processamento posterior. Esse tipo
técnicas avançadas de processamento multitaxa de si- de processamento de sinais geralmente não podia ser
nais, incluindo transformadas wavelet. [Veja introduções feito em tempo real; minutos ou mesmo horas de tem-
a esses assuntos em Burrus, Gopinath e Guo (1997), po de processamento eram necessários para processar
Vaidyanathan (1993) e Vetterli e Kovačević (1995).] apenas segundos de dados. Ainda assim, a flexibilidade
Constantemente se diz que o propósito de um livro­ do computador digital e os benefícios em potencial tor-
‑texto fundamental deve ser descobrir, em vez de cobrir, naram essa alternativa extremamente atraente.
um assunto. Na escolha dos tópicos e da profundidade Também na década de 1950, o uso de computadores
de abrangência, fomos guiados por essa filosofia. Essa digitais em processamento de sinais emergiu de uma for-
breve discussão e as Referências ao final do livro deixam ma diferente. Graças à flexibilidade dos computadores
claro que existe uma grande variedade de teorias desa- digitais, frequentemente era útil simular um sistema de
fiadoras e aplicações atraentes a serem reveladas por processamento de sinais em um computador digital antes
aqueles que diligentemente se preparam com um estudo de implementá-lo no hardware analógico. Desse modo,
dos fundamentos de PDS. um novo algoritmo ou sistema de processamento de si-
nais poderia ser estudado em um ambiente experimental
flexível antes de comprometer recursos econômicos e de
1.1  Perspectiva histórica engenharia para sua construção. Exemplos típicos des-
O processamento em tempo discreto de sinais sas simulações foram as simulações do vocoder, realiza-
avançou em passos irregulares no decorrer dos anos. das no Lincoln Laboratory do Massachusetts Institute of
Observar o desenvolvimento da área de processamen- Technology (MIT) e no Bell Telephone Laboratories. Na
to em tempo discreto de sinais provê uma perspectiva implementação de um vocoder de canal analógico, por
valiosa sobre os fundamentos que permanecerão no exemplo, as características de filtro afetavam a qualidade
centro dessa área por muito tempo. Desde a invenção percebida do sinal de voz codificado de maneiras difíceis
do cálculo no século XVII, cientistas e engenheiros têm de quantificar de modo objetivo. Por meio de simulações
desenvolvido modelos para representar fenômenos computacionais, essas características de filtro podiam ser
físicos em termos de funções de variáveis contínuas e ajustadas, e a qualidade percebida de um sistema de co-
equações diferenciais. Porém, técnicas numéricas têm dificação de voz podia ser avaliada antes da construção
sido usadas para resolver essas equações quando solu- do equipamento analógico.
ções analíticas não são possíveis. De fato, Newton usou Em todos esses exemplos de processamento
métodos de diferenças finitas que são casos especiais de sinais usando computadores digitais, o computa-
de alguns dos sistemas de tempo discreto que apresen- dor oferecia vantagens significativas em flexibilida-
tamos neste texto. Matemáticos do século XVIII, como de. Porém, o processamento não podia ser feito em
Euler, Bernoulli e Lagrange, desenvolveram métodos tempo real. Consequentemente, a atitude prevalente
para integração numérica e interpolação de funções de até o fim da década de 1960 era a de usar o compu-
uma variável contínua. Uma pesquisa histórica interes- tador digital para aproximar, ou simular, um sistema
sante de Heideman, Johnson e Burrus (1984) mostrou de processamento analógico de sinais. Seguindo essa
que Gauss descobriu o princípio fundamental da FFT tendência, os primeiros trabalhos em filtragem digital
(discutida no Capítulo 9) em 1805 — antes mesmo da concentravam-se em maneiras como um filtro poderia

BOOK_oppen0512_BR.indb 4 1/15/13 5:58 PM


Capítulo 1 Introdução 5

ser programado em um computador digital de modo deduzida para o cálculo da transformada de Fourier
que, com a conversão A/D do sinal, seguida pela fil- de um sinal de tempo discreto ou sequência e envolvia
tragem digital, seguida pela conversão D/A, o sistema um conjunto de propriedades e matemática que eram
global se aproximasse de um bom filtro analógico. A exatas no domínio de tempo discreto — não era sim-
ideia de que os sistemas digitais poderiam de fato ser plesmente uma aproximação para uma transformada
práticos para a implementação em tempo real efetiva de Fourier de tempo contínuo. Esse fato teve o efeito
do processamento de sinais na comunicação de voz, de estimular uma reformulação de muitos conceitos e
processamento de radar ou qualquer uma de várias algoritmos de processamento de sinais em termos de
outras aplicações parecia ser altamente especulativa, matemática de tempo discreto, e essas técnicas então
mesmo em casos mais otimistas. Velocidade, custo e formaram um conjunto exato de relações no domínio
tamanho, naturalmente, foram três dos fatores impor- de tempo discreto. Após essa mudança do paradigma
tantes em favor do uso de componentes analógicos. de que o processamento de sinais em um computador
À medida que os sinais passaram a ser processa- digital era simplesmente uma aproximação para as téc-
dos em computadores digitais, os pesquisadores tive- nicas de processamento analógico de sinais, emergiu a
ram uma tendência natural de experimentar algoritmos visão atual de que o processamento em tempo discreto
de processamento de sinais cada vez mais sofisticados. de sinais é uma área de pesquisa importante por si só.
Alguns desses algoritmos foram concebidos usando a Outro desenvolvimento importante na história do
flexibilidade do computador digital, e não tinham uma processamento em tempo discreto de sinais aconteceu
implementação prática aparente em equipamento ana- na área da microeletrônica. A invenção, e subsequente
lógico. Assim, muitos desses algoritmos foram tratados proliferação, do microprocessador preparou o caminho
como ideias interessantes, mas de certa forma imprati- para as implementações de baixo custo dos sistemas de
cáveis. Porém, o desenvolvimento desses algoritmos de processamento em tempo discreto de sinais. Embora
processamento de sinais tornou a ideia da implementa- os primeiros microprocessadores fossem muito lentos
ção totalmente digital dos sistemas de processamento para implantar a maioria dos sistemas em tempo discre-
de sinais ainda mais atraente. Começou-se a trabalhar to em tempo real, exceto em taxas de amostragem mui-
ativamente na investigação de vocoders digitais, anali- to baixas, em meados da década de 1980, a tecnologia de
sadores de espectro digitais e outros sistemas totalmen- circuito integrado avançou para um nível que permitiu
te digitais, na esperança de que eventualmente esses a implementação de microcomputadores de ponto fixo
sistemas se tornassem práticos. e ponto flutuante muito velozes, com arquiteturas es-
A evolução de um novo ponto de vista para o pro- pecialmente projetadas para desenvolver algoritmos de
cessamento em tempo discreto de sinais foi acelerada processamento em tempo discreto de sinais. Com essa
ainda mais pela divulgação, por Cooley e Tukey (1965), tecnologia surgiu, pela primeira vez, a possibilidade da
de uma classe eficiente de algoritmos para cálculo de aplicação generalizada das técnicas de processamento
transformadas de Fourier, conhecida coletivamente em tempo discreto de sinais. O ritmo rápido de desen-
como FFT. A FFT foi importante por vários motivos. volvimento na microeletrônica também afetou signifi-
Muitos algoritmos de processamento de sinais que ti- cativamente o desenvolvimento de algoritmos de pro-
nham sido desenvolvidos nos computadores digitais cessamento de sinais em outras formas. Por exemplo,
exigiam tempos de processamento várias ordens de nos primeiros dispositivos de processamento digital de
grandeza maiores do que o tempo real. Frequentemen- sinais em tempo real, a memória era relativamente cara,
te, isso acontecia porque a análise espectral era um com- e uma das métricas importantes no desenvolvimento
ponente importante do processamento de sinais e não de algoritmos de processamento de sinais era o uso
havia um meio eficiente para implementá-la. A FFT re- eficiente da memória. Hoje em dia, a memória digital
duziu o tempo de cálculo da transformada de Fourier é tão barata que muitos algoritmos incorporam inten-
em ordens de grandeza, permitindo a implementação cionalmente mais memória do que é absolutamente
de algoritmos de processamento de sinais cada vez mais necessário, de modo que os requisitos de potência do
sofisticados, com tempos de processamento que permi- processador sejam reduzidos. Outra área em que as li-
tiam a experimentação interativa com o sistema. Além mitações na tecnologia impuseram uma barreira signifi-
disso, com a percepção de que os algoritmos de FFT cativa para o desenvolvimento generalizado do PDS foi
poderiam, realmente, ser implementáveis em hardware na conversão de sinais analógicos em sinais de tempo
digital dedicado, muitos algoritmos de processamento discreto (digitais). Os primeiros conversores A/D e D/A
de sinais que anteriormente pareciam ser impraticáveis amplamente disponíveis eram dispositivos únicos, que
começaram a parecer viáveis. custavam milhares de dólares. Combinando a teoria do
Outra implicação importante da FFT foi que era processamento digital de sinais com a tecnologia da mi-
um conceito inerentemente de tempo discreto. Ela foi croeletrônica, conversores A/D e D/A com sobreamos-

BOOK_oppen0512_BR.indb 5 1/15/13 5:58 PM


6  Processamento em tempo discreto de sinais

tragem e custando poucos dólares ou menos possibilita- Técnicas de processamento em tempo discreto de
ram uma miríade de aplicações em tempo real. sinais já promoveram avanços revolucionários em algu-
De modo similar, reduzir o número de operações mas áreas de aplicação. Um exemplo notável ocorre na
aritméticas, como multiplicações ou adições em ponto área de telecomunicações, em que as técnicas de pro-
flutuante, agora é menos essencial, pois os processa- cessamento em tempo discreto de sinais, a tecnologia
dores com múltiplos núcleos frequentemente possuem microeletrônica e a transmissão por fibra ótica combi-
vários multiplicadores disponíveis e torna-se cada vez naram-se para mudar a natureza dos sistemas de comu-
mais importante reduzir a comunicação entre os nú- nicação de formas realmente revolucionárias. Pode-se
cleos, mesmo que isso exija mais multiplicações. Em um esperar um impacto similar em muitas outras áreas. De
ambiente com múltiplos núcleos, por exemplo, o cálculo fato, o processamento de sinais sempre foi e sempre
direto da TFD (ou o uso do algoritmo de Goertzel) é será uma área que prospera com novas aplicações. As
mais “eficiente” do que o uso de um algoritmo de FFT, necessidades de uma nova área de aplicação às vezes
pois, embora muito mais multiplicações sejam necessá- podem ser preenchidas pelo conhecimento adaptado
rias, os requisitos de comunicação são significativamen- de outras aplicações, porém, constantemente, novas ne-
te reduzidos, pois o processamento pode ser distribuído cessidades de aplicação estimulam a criação de novos
de modo mais eficiente entre os vários processadores algoritmos e novos sistemas de hardware para imple-
ou núcleos. De um modo geral, a reestruturação de mentar esses algoritmos. Inicialmente, aplicações em
algoritmos e o desenvolvimento de outros novos para sismologia, radar e comunicações proveram o contexto
explorar oportunidades de processamento paralelo e para o desenvolvimento de muitas das técnicas centrais
distribuído estão se tornando uma nova tendência sig- de processamento de sinais que discutimos neste livro.
nificativa no desenvolvimento de algoritmos de proces- Certamente, o processamento de sinais continuará no
samento de sinais. centro das aplicações de defesa nacional, entreteni-
mento, comunicação, tratamento médico e diagnóstico.
1.2  Promessas futuras Recentemente, vimos aplicações de técnicas de proces-
Engenheiros microeletrônicos continuam a buscar samento de sinais em novas áreas, tão distantes quanto
por aumentos na densidade e produção de circuitos; finanças e análise de sequências de DNA.
como resultado, a complexidade e a sofisticação dos Embora seja difícil prever onde outras novas apli-
sistemas microeletrônicos crescem continuamente. A cações surgirão, não há dúvida de que elas serão evi-
complexidade, a velocidade e a capacidade dos chips de dentes para aqueles que estiverem preparados para
PDS têm crescido exponencialmente desde o início da reconhecê-las. A chave para estar pronto para resolver
década de 1980, e não mostram sinais de desaceleração. novos problemas de processamento de sinais é, e sempre
Quando uma técnica de integração em escala de lâmina foi, um profundo conhecimento da matemática funda-
torna-se altamente desenvolvida, sistemas muito com- mental dos sinais e sistemas e dos projetos e algoritmos
plexos de processamento em tempo discreto de sinais de processamento associados. Embora o processamen-
são implementados com baixo custo, tamanho reduzido to em tempo discreto de sinais seja uma área dinâmica e
e baixo consumo de energia. Além disso, as tecnologias de crescimento continuado, seus fundamentos são bem
como sistemas mecânicos microeletrônicos (MEMS, formulados, e é extremamente valioso aprendê-los bem.
do inglês microelectronic mechanical systems) prome- Nosso objetivo neste livro é abordar os fundamentos da
tem produzir muitos tipos de sensores muito pequenos, área, fornecendo um tratamento coerente da teoria dos
cujas saídas deverão ser processadas usando-se técnicas sistemas lineares em tempo discreto, filtragem, amos-
de PDS que operam sobre redes distribuídas de senso- tragem, análise de Fourier de tempo discreto e modela-
res de entradas. Consequentemente, a importância do gem de sinais. Este texto deve fornecer ao leitor o co-
processamento em tempo discreto de sinais continuará nhecimento necessário para uma apreciação do amplo
a aumentar, e o desenvolvimento futuro na área prome- escopo de aplicações do processamento em tempo dis-
te ser ainda mais impactante do que o curso do desen- creto de sinais e uma base para que ele possa contribuir
volvimento que acabamos de descrever. para desenvolvimentos futuros nessa área tão excitante.

BOOK_oppen0512_BR.indb 6 1/15/13 5:58 PM


2 Sinais e sistemas de tempo discreto
Capítulo

2.0 Introdução nais de tempo contínuo, e os sistemas de tempo discreto


são aqueles para os quais a entrada e a saída são sinais
O termo sinal geralmente é aplicado a algo de tempo discreto. De modo similar, um sistema digi-
que transmite informação. Os sinais podem, por exem- tal é um sistema para o qual tanto a entrada quanto a
plo, transmitir informações sobre o estado ou o com- saída são sinais digitais. O processamento digital de si-
portamento de um sistema físico. Como outra classe nais, então, lida com a transformação de sinais que são
de exemplos, os sinais podem ser sintetizados com a discretos tanto na amplitude quanto no tempo. O foco
finalidade de transmitir informações entre humanos ou principal deste livro está nos sinais e sistemas de tempo
entre humanos e máquinas. Embora os sinais possam discreto — e não nos digitais. Porém, a teoria de sinais
ser representados de várias formas, em todos os casos e sistemas de tempo discreto também é extremamente
a informação está contida em variações de algum pa- útil para sinais e sistemas digitais, particularmente se as
drão. Os sinais são representados matematicamente amplitudes do sinal são digitalizadas com precisão. Os
como funções de uma ou mais variáveis independentes. efeitos da digitalização da amplitude de um sinal são
Por exemplo, um sinal de voz é representado matema- considerados nas seções 4.8, 6.8-6.10 e 9.7.
ticamente como uma função do tempo, e uma imagem Neste capítulo, apresentamos as definições bási-
fotográfica é representada como uma luminosidade em cas, estabelecemos a notação e desenvolvemos e revisa-
função de duas variáveis espaciais. Uma convenção co- mos os conceitos básicos associados com sinais e siste-
mum — e aquela que usualmente será seguida neste mas de tempo discreto. A apresentação desse material
livro — é referir-se à variável independente da repre- considera que o leitor teve exposição anterior a parte
sentação matemática de um sinal como tempo, embora, desse material, talvez com ênfase e notação diferentes.
em exemplos específicos, a variável independente possa Assim, este capítulo tem como objetivo principal for-
não corresponder de fato ao tempo. necer uma base comum para o material incluído nos
A variável independente na representação mate- próximos capítulos.
mática de um sinal pode ser contínua ou discreta. Os si-
Na Seção 2.1, discutiremos a representação dos
nais de tempo contínuo são definidos em um continuum
sinais de tempo discreto como sequências e descreve-
de tempo, e assim são representados por uma variável
remos as sequências básicas como o impulso unitário,
independente contínua. Os sinais de tempo contínuo fre-
quentemente são chamados de sinais analógicos. Os sinais o degrau unitário e as exponenciais complexas, que de-
de tempo discreto são definidos em instantes discretos, e sempenham um papel central na caracterização dos sis-
assim, a variável independente assume valores discretos; temas de tempo discreto e a partir das quais podem se
ou seja, os sinais de tempo discreto são representados construir sequências mais gerais. Na Seção 2.2, a repre-
como sequências de números. Sinais como voz ou ima- sentação, as propriedades básicas e exemplos simples
gens podem ter uma representação contínua ou discreta, de sistemas de tempo discreto serão apresentados. As
e, se certas condições forem válidas, essas representações seções 2.3 e 2.4 focarão a importante classe dos sistemas
serão completamente equivalentes. Além de as variáveis lineares invariantes no tempo (LIT) e sua representa-
independentes serem contínuas ou discretas, a amplitude ção no domínio do tempo por meio da soma de convo-
do sinal pode ser contínua ou discreta. Sinais digitais são lução, com a Seção 2.5 considerando a classe específica
aqueles para os quais tanto o tempo quanto a amplitude de sistemas LIT representados por equações de dife-
são discretos. renças lineares com coeficientes constantes. Na Seção
Sistemas de processamento de sinais podem ser 2.6 será desenvolvida a representação no domínio de
classificados seguindo as mesmas linhas do que foi feito frequência de sistemas de tempo discreto por meio do
com os sinais. Ou seja, os sistemas de tempo contínuo conceito de exponenciais complexas como autofunções,
são sistemas para os quais a entrada e a saída são si- e nas seções 2.7, 2.8 e 2.9 será formulada e explorada a

BOOK_oppen0512_BR.indb 7 1/15/13 6:03 PM


8  Processamento em tempo discreto de sinais

representação da transformada de Fourier dos sinais de a sequência inteira, assim como nos referimos ao “sinal
tempo discreto como uma combinação linear de expo- analógico xa(t)”. Representamos graficamente os sinais
nenciais complexas. Na Seção 2.10 será feita uma rápida de tempo discreto (ou seja, sequências) como mostrado
introdução aos sinais aleatórios de tempo discreto. na Figura 2.1. Embora a abscissa seja representada como
uma linha contínua, é importante reconhecer que x[n] é
2.1  Sinais de tempo discreto definido somente para valores inteiros de n. Não é correto
pensar que x[n] é nulo quando n não é um inteiro; x[n]
Os sinais de tempo discreto são representados mate-
é simplesmente indefinido para valores não inteiros de n.
maticamente como sequências de números. Uma sequên-
Como exemplo de sequência obtida por amostra-
cia de números x, em que o n-ésimo número na sequência
gem, na Figura 2.2(a) é mostrado um segmento de um
é indicado por x[n],1 é escrita formalmente como
sinal de voz correspondente à variação de pressão acús-
x = {x[n]},  −∞ < n < ∞, (2.1) tica em função do tempo, e na Figura 2.2(b) é apresen-
tada uma sequência de amostras do sinal de voz. Em-
sendo n um inteiro. Na prática, tais sequências surgem fre- bora o sinal de voz original esteja definido em todos os
quentemente da amostragem periódica de um sinal analó- instantes de tempo t, a sequência contém informações
gico (ou seja, de tempo contínuo) xa(t). Nesse caso, o valor sobre o sinal apenas em instantes discretos. O teorema
numérico do n-ésimo número na sequência é igual ao va- da amostragem, discutido no Capítulo 4, garante que o
lor do sinal analógico, xa(t) no instante nT, isto é, sinal original pode ser reconstruído de forma tão preci-
x[n] = xa (nT),  −∞ < n < ∞. (2.2) sa quanto se queira a partir de uma sequência corres-
A grandeza T é o período de amostragem, e seu in-
verso é a frequência de amostragem. Embora as sequências x [–1] x [0]
x [1] x [n]
nem sempre surjam da amostragem de formas de onda x [–2]
x [2]
analógicas, é conveniente se referir a x[n] como a “n-ésima
amostra” da sequência. Além disso, embora, estritamen-
te falando, x[n] indique o n-ésimo número na sequência, 7 8 9 10 11
a notação da Equação 2.1 é com frequência desnecessa- –9 –8 –7 –6 –5 –4 –3 –2 –1 0 1 2 3 4 5 6 n
riamente confusa, e é conveniente e sem ambiguidade
referir-se à “sequência x[n]” quando queremos denotar Figura 2.1  Representação gráfica de um sinal de tempo discreto.

32 ms
(a)

256 amostras
(b)

Figura 2.2  (a) Segmento de um sinal de voz em tempo contínuo xa(t). (b) Sequência de amostras x [n] = xa(nT ) obtida a partir do sinal na parte (a)
com T = 125 μs.

1 Observe que usamos [ ] para delimitar a variável independente das funções de variável discreta, e usamos ( ) para delimitar a variável inde-
pendente das funções de variável contínua.

BOOK_oppen0512_BR.indb 8 1/15/13 6:03 PM


Capítulo 2  Sinais e sistemas de tempo discreto  9

pondente de amostras, se as amostras são tomadas com Um dos aspectos importantes da sequência impul-
frequência suficiente. so é que uma sequência arbitrária pode ser representada
Na discussão da teoria dos sinais e sistemas de como uma soma de impulsos devidamente ponderados
tempo discreto, diversas sequências básicas são de par- e atrasados. Por exemplo, a sequência p[n] na Figura 2.4
ticular importância. Elas são mostradas na Figura 2.3 e pode ser expressa como
serão discutidas a seguir.
p[n] = a−3δ[n + 3] + a1δ[n − 1] + a2δ[n − 2] + a7δ[n − 7]. (2.4)
A sequência amostra unitária [Figura 2.3(a)] é de-
finida como a sequência De modo geral, qualquer sequência pode ser ex-
pressa como
0, n = 0,
δ[n] = (2.3) ∞
1, n = 0.
x[n] = x[k]δ[n − k]. (2.5)
A sequência amostra unitária desempenha para si- k=−∞
nais e sistemas de tempo discreto o mesmo papel que Faremos uso específico da Equação 2.5 ao discutir
a função impulso unitário (função delta de Dirac) de- a representação de sistemas lineares de tempo discreto.
sempenha para sinais e sistemas de tempo contínuo. Por A sequência degrau unitário [Figura 2.3(b)] é de-
conveniência, frequentemente nos referimos à sequência finida como
amostra unitária como um impulso de tempo discreto ou
simplesmente como um impulso. É importante observar 1, n ≥ 0,
que um impulso de tempo discreto não sofre das mesmas u[n] =

0, n < 0. (2.6)
complicações matemáticas que o impulso de tempo con-
tínuo; sua definição na Equação 2.3 é simples e precisa. O degrau unitário está relacionado ao impulso
unitário por
1
Amostra unitária n
... ...
u[n] = δ[k]; (2.7)
k=−∞
0 n ou seja, o valor da sequência degrau unitário no índice
(a) (de tempo) n é igual à soma acumulada do valor da se-
quência impulso no índice n e de todos os seus valores
Degrau unitário anteriores. Uma representação alternativa do degrau
1 unitário em termos do impulso é obtida interpretando-se
... ... o degrau unitário na Figura 2.3(b) como uma soma de
impulsos atrasados, como na Equação 2.5. Nesse caso, os
0 n valores não nulos são todos unitários, de modo que
(b) u[n] = δ[n] + δ[n − 1] + δ[n − 2] + · · · (2.8a)
ou

Exponencial real u[n] = δ[n − k]. (2.8b)
...
k= 0

... Como outra alternativa, a sequência impulso pode


0 n ser expressa como a primeira diferença regressiva da se-
(c) quência degrau unitário, ou seja,
Senoide δ[n] = u[n] − u[n − 1]. (2.9)

...
a1
0 n a–3
... p [n]
2 7
–4 –2 0 1 3 4 5 6 8 n
(d)
a2 a7
Figura 2.3  Algumas sequências básicas. As sequências mostradas
desempenham papéis importantes na análise e representação dos Figura 2.4  Exemplo de uma sequência a ser representada como uma
sinais e sistemas de tempo discreto. soma de impulsos ponderados e atrasados.

BOOK_oppen0512_BR.indb 9 1/15/13 6:03 PM


10  Processamento em tempo discreto de sinais

Sequências exponenciais são outra classe impor- x[n] = A cos[(ω0 + 2πr)n + φ]


tante de sinais básicos. A forma geral de uma sequência
= A cos(ω0n + φ). (2.14)
exponencial é
As implicações dessa propriedade para as sequên-
x[n] = A αn. (2.10) cias obtidas pela amostragem de senoides e outros si-
Se A e α são números reais, então a sequência é nais serão discutidas no Capítulo 4. Por enquanto, con-
real. Se 0 < α < 1 e A é positivo, então os valores de cluímos que, ao estudar sinais exponenciais complexos
sequência são positivos e decrescem com n crescente, na forma x[n] = A ejω0n ou sinais senoidais reais na for-
como na Figura 2.3(c). Para −1 < α < 0, os valores de ma x[n] = A cos(ω0n + φ), precisamos apenas considerar
sequência alternam de sinal, mas novamente decrescem frequências em um intervalo de comprimento 2π. Tipi-
em magnitude para n crescente. Se |α| > 1, então a se- camente, escolheremos −π < ω0 ≤ π ou 0 ≤ ω0 < 2π.
quência cresce em magnitude quando n aumenta. Outra diferença importante entre exponenciais com-
A sequência exponencial A αn com α complexo plexas e senoides de tempo contínuo e tempo discreto diz
tem partes real e imaginária que são senoides exponen- respeito à sua periodicidade em n. No caso de tempo con-
cialmente ponderadas. Especificamente, se α = |α|ejω0 e tínuo, um sinal senoidal e um sinal exponencial complexo
A = |A |ejφ, a sequência A αn pode ser expressa em qual- são ambos periódicos no tempo, com o período igual a 2π
quer uma das seguintes maneiras: dividido pela frequência. No caso de tempo discreto, uma
sequência periódica é uma sequência para a qual
x[n] = A αn = |A |ej φ |α|n ej ω 0 n
x[n] = x[n + N], para todo n, (2.15)
= |A | |α|n ej (ω0 n+φ) sendo o período N necessariamente um inteiro. Se essa
n
= |A | |α| cos(ω 0 n + φ) condição para periodicidade for testada para a senoide
de tempo discreto, então
+ j |A | |α|n sen(ω 0 n + φ). (2.11)
A cos(ω0n + φ) = A cos(ω0n + ω0N + φ), (2.16)
A sequência oscila com uma envoltória exponen-
cialmente crescente se |α| > 1 ou com uma envoltória o que requer que
exponencialmente decrescente se |α| < 1. (Como um ω0N = 2πk, (2.17)
exemplo simples, considere o caso ω0 = π.) em que k é um inteiro. Uma afirmação semelhante vale
Quando |α| = 1, a sequência tem a forma para a sequência exponencial complexa Cejω0n; ou seja,
x[n] = |A|ej (ω0n+φ) a periodicidade com período N requer que
= |A| cos(ω0n + φ) + j |A | sen(ω0n + φ); (2.12) ejω0(n+N) = ejω0n, (2.18)
ou seja, as partes real e imaginária de ejω0n variam se- o que é verdadeiro somente para ω0N = 2πk, como na
noidalmente com n. Por analogia com o caso de tempo Equação 2.17. Consequentemente, sequências exponen-
contínuo, a quantidade ω0 é chamada de frequência da ciais complexas e senoidais não são necessariamente
senoide complexa ou exponencial complexa, e φ é cha- periódicas em n com período (2π/ω0) e, dependendo do
mado de fase. Porém, como n é um inteiro adimensional, valor de ω0, podem nem sequer ser periódicas.
a dimensão de ω0 é radianos. Se quisermos manter uma
analogia mais próxima com o caso de tempo contínuo, Exemplo 2.1  Senoides de tempo discreto
podemos especificar a unidade de ω0 como radianos por periódicas e aperiódicas
amostra e a unidade de n como amostras.
O fato de que n é sempre inteiro na Equação 2.12 Considere o sinal x1[n] = cos(π n/4). Esse sinal tem um período
N = 8. Para mostrar isso, note que x1[n + 8] = cos(π(n + 8)/4)
leva a algumas diferenças importantes entre as proprie- = cos(π n/4 + 2π) = cos(π n/4) = x[n], satisfazendo a defini-
dades das sequências exponenciais complexas e senoi- ção de um sinal periódico de tempo discreto. Ao contrário do
dais de tempo discreto e tempo contínuo. Considere, que ocorre com as senoides de tempo contínuo, aumentar o
por exemplo, uma frequência (ω0 + 2π). Nesse caso, valor de ω0 para uma senoide de tempo discreto não necessa-
riamente diminui o período do sinal. Considere a senoide de
x[n] = A ej (ω0+2π)n tempo discreto x2[n] = cos(3π n/8), que tem uma frequência
= A ejω0nej2πn = A ejω0n. (2.13) maior do que x1[n]. Porém, x2[n] não é periódica com período
8, pois x2[n + 8] = cos(3π(n + 8)/8) = cos(3π n/8 + 3π) = −x2[n].
De modo geral, sequências exponenciais comple- Usando um argumento semelhante àquele para x1[n], pode-
xas com frequências (ω0 + 2πr), em que r é um inteiro, mos mostrar que x2[n] tem período N = 16. Assim, aumentar o
são indistinguíveis entre si. Uma afirmação idêntica é valor de ω0 = 2π/8 para ω0 = 3π/8 também aumenta o período
válida para sequências senoidais. Especificamente, veri- do sinal. Isso ocorre porque os sinais de tempo discreto estão
definidos apenas em índices n inteiros.
fica-se facilmente que

BOOK_oppen0512_BR.indb 10 1/15/13 6:03 PM


Capítulo 2  Sinais e sistemas de tempo discreto  11

A restrição de que n deve ser inteiro resulta no fato de cular os valores da sequência de saída a partir dos valo-
que alguns sinais senoidais não são periódicos. Por exem- res da sequência de entrada. Deve-se enfatizar que o va-
plo, não existe um inteiro N tal que o sinal x3[n] = cos(n) lor da sequência de saída em cada valor do índice n pode
satisfaça a condição x3[n + N] = x3[n] para todo n. Essas e depender de amostras da entrada x[n] para todos os
outras propriedades das senoides de tempo discreto que valores de n, ou seja, y no instante n pode depender de
se opõem às de suas correspondentes em tempo contínuo toda ou de parte da sequência x inteira. Nos exemplos a
são devidas à limitação do índice de tempo n aos inteiros seguir são mostrados alguns sistemas simples e úteis.
para sinais e sistemas de tempo discreto.
Quando combinamos a condição da Equação 2.17
Exemplo 2.2  Sistema atraso ideal
com nossa observação anterior de que ω0 e (ω0 + 2πr)
são frequências indistinguíveis, fica claro que existem O sistema atraso ideal é definido pela equação
N frequências distinguíveis para as quais as sequências
y[n] = x[n − nd],  −∞ < n < ∞, (2.20)
­correspondentes são periódicas com período N. Um con-
junto de tais frequências é ωk = 2πk/N, k = 0, 1, ..., N − 1. em que nd é um inteiro positivo fixo que representa o atra-
Essas propriedades das sequências exponenciais com- so do sistema. Em outras palavras, o sistema atraso ideal
plexas e senoidais são básicas tanto para a teoria quanto desloca a sequência de entrada para a direita de nd amos-
tras para formar a saída. Se, na Equação 2.20, nd fosse um
para o projeto de algoritmos computacionais para aná- inteiro negativo fixo, então o sistema deslocaria a entrada
lise de Fourier de tempo discreto, e elas serão discutidas para a esquerda de |nd| amostras, o que corresponderia a
com mais detalhes nos capítulos 8 e 9. um avanço de tempo.
Relacionado à discussão anterior está o fato de
que a interpretação de frequências altas e baixas é um
tanto diferente para sinais exponenciais complexos e No sistema do Exemplo 2.2, somente uma amostra
senoidais de tempo contínuo e tempo discreto. Para um da sequência de entrada é envolvida na determinação
sinal senoidal de tempo contínuo x(t) = A cos(Ω0t + φ), de uma dada amostra da saída. Este não é o caso no
à medida que Ω0 aumenta, x(t) oscila progressivamen- exemplo a seguir.
te mais rápido. Para o sinal senoidal de tempo discreto
x[n] = A cos(ω0n + φ), quando ω0 aumenta de ω0 = 0
até ω0 = π, x[n] oscila progressivamente mais rápi- Exemplo 2.3  Sistema média móvel
do. Porém, quando ω0 aumenta de ω0 = π até ω0 = 2π, O sistema média móvel geral é definido pela equação
as oscilações se tornam mais lentas. Isso é ilustrado
M2
na Figura 2.5. De fato, graças à periodicidade em ω0 1
y[n] = x[n − k]
das sequências senoidais e exponenciais complexas, M1 + M2 + 1
k=−M 1
ω0 = 2π é indistinguível de ω0 = 0, e, de modo mais geral, 1
as frequências em torno de ω0 = 2π são indistinguíveis das = x[n + M 1 ]
M1 + M2 + 1
frequências em torno de ω0 = 0. Como consequência,
+ x[n + M 1 − 1]+ ··· + x[n]
para sinais senoidais e exponenciais complexas, os va-
+ x[n − 1] + ··· + x[n − M 2 ] . (2.21)
lores de ω0 nas proximidades de ω0 = 2πk para qualquer
valor inteiro de k são tipicamente chamados de frequên- Esse sistema calcula a n-ésima amostra da sequência de
cias baixas (oscilações relativamente lentas), enquanto saída como a média de (M1 + M2 + 1) amostras da sequên-
os valores de ω0 nas proximidades de ω0 = (π + 2πk) cia de entrada em torno da n-ésima amostra. Na Figura 2.7
para qualquer inteiro k são tipicamente chamados de é mostrado um gráfico de uma sequência de entrada em
função de um índice auxiliar k e as amostras (pontos sóli-
frequências altas (oscilações relativamente rápidas).
dos) envolvidas no cálculo da amostra de saída y[n] para
n = 7,­M1 = 0 e M2 = 5. A amostra da saída y[7] é igual a um
2.2  Sistemas de tempo discreto sexto da soma de todas as amostras entre as linhas trace-
jadas verticais. Para se calcular y[8], as duas linhas traceja-
Um sistema de tempo discreto é definido matema- das são deslocadas uma amostra para a direita.
ticamente como uma transformação ou um operador
que mapeia uma sequência de entrada com valores x[n]
em uma sequência de saída com valores y[n]. Isso pode Classes de sistemas são definidas pela imposição
ser indicado como de restrições sobre as propriedades da transformação
y[n] = T {x[n]} (2.19) T {·}. Isso frequentemente leva a representações ma-
temáticas muito genéricas, conforme veremos. De im-
e é indicado de modo esquemático na Figura 2.6. A portância particular são as restrições e propriedades do
Equação 2.19 representa uma regra ou fórmula para cal- sistema, discutidas nas seções 2.2.1-2.2.5.

BOOK_oppen0512_BR.indb 11 1/15/13 6:03 PM


12  Processamento em tempo discreto de sinais

 0 = 0 ou  0 = 2

... ...

0 n
(a)

 0 = /8 ou  0 = 15/8

... ...

0 n

(b)

 0 = /4 ou  0 = 7/4

... ...

0 n

(c)

0 = 
... ...

0 n
... ...

(d)

Figura 2.5  cosω0n para diversos valores diferentes de ω0. À medida que ω0 aumenta de zero para π [partes (a)-(d)], a sequência oscila mais
rapidamente. À medida que ω0 aumenta de π para 2π [partes (d)-(a)], as oscilações se tornam mais lentas.

T{ • }
x [n] y[n] 2.2.1  Sistemas sem memória
Figura 2.6  Representação de um sistema de tempo discreto, isto é, Um sistema é denominado sem memória se a saí-
uma transformação que mapeia uma sequência de entrada x[n] em da y[n] para cada valor de n depender somente da en-
uma única sequência de saída y [n]. trada x[n] no mesmo valor de n.

BOOK_oppen0512_BR.indb 12 1/15/13 6:03 PM


Capítulo 2  Sinais e sistemas de tempo discreto  13

x [k]

n–5
0 n k

Figura 2.7  Valores de sequência envolvidos no cálculo da média móvel com M1 = 0 e M2 = 5.

Exemplo 2.4  Um sistema sem memória em que yk [n] é a resposta do sistema para a entrada xk [n].
Usando a definição do princípio da superposição, po-
Um exemplo de sistema sem memória é um sistema para de-se mostrar facilmente que os sistemas dos exemplos 2.2 e
o qual x[n] e y[n] estão relacionados por
2.3 são lineares. (Veja o Problema 2.39.) Um exemplo de um
y[n] = (x[n])2,  para cada valor de n. (2.22) sistema não linear é o sistema do Exemplo 2.4.
O sistema no Exemplo 2.2 não é sem memória, a menos
que nd = 0; em particular, esse sistema é referenciado Exemplo 2.5  Sistema acumulador
como tendo “memória”, seja nd positivo (um atraso no
tempo) ou negativo (um avanço no tempo). O sistema de O sistema definido pela equação de entrada-saída
média móvel no Exemplo 2.3 não é sem memória, a me- n
nos que M1 = M2 = 0. y[n] = x[k] (2.26)
k=−∞
é chamado de sistema acumulador, pois a saída no instante n
é o acúmulo ou soma da amostra presente e todas as amostras
2.2.2  Sistemas lineares de entrada anteriores. O sistema acumulador é um sistema li-
A classe dos sistemas lineares é definida pelo prin- near. Como esse fato pode não ser intuitivamente claro, é um
exercício útil passar por todos os passos e mostrar esse resul-
cípio da superposição. Se y1[n] e y2[n] são as respostas tado mais formalmente. Começamos definindo duas entradas
de um sistema quando x1[n] e x2[n] são as respectivas quaisquer x1[n] e x2[n] e suas saídas correspondentes.
entradas, então o sistema é linear se e somente se
n
T {x1[n] + x2[n]} = T {x1[n]} + T {x2[n]} y 1 [n] = x1 [k], (2.27)
k=−∞
= y1[n] + y2[n] (2.23a) n
y 2 [n] = (2.28)
x2 [k].
e
k=−∞
T {ax[n]} = aT {x[n]} = ay[n], (2.23b) Quando a entrada é x3[n] = ax1[n] + bx2[n], o princípio da
superposição requer que a saída seja y3[n] = ay1[n] + by2[n]
em que a é uma constante arbitrária. A primeira pro- para todas as escolhas possíveis de a e b. Podemos mostrar
priedade é a propriedade da aditividade, e a segunda, isso a partir da Equação 2.26:
a propriedade da homogeneidade ou da mudança de n
escala. Essas duas propriedades juntas compreendem o y3 [n] = x3 [k], (2.29)
princípio da superposição, formulado como k=−∞
n
  T {ax1[n] + bx2[n]} = aT {x1[n]} + bT {x2[n]} (2.24) ax1 [k] + bx (2.30)
= 2 [k] ,
para constantes arbitrárias a e b. Essa equação pode ser k=−∞
n n
generalizada para a superposição de várias entradas. =a x1 [k] + b (2.31)
x2 [k],
Especificamente, se k=−∞ k=−∞

x[n] = akxk[n], (2.25a) = ay 1 [n] + by 2 [n]. (2.32)


k
Assim, o sistema acumulador da Equação 2.26 satisfaz o
então a saída de um sistema linear será princípio da superposição para todas as entradas e, por-
tanto, é linear.
y[n] = akyk[n], (2.25b)
k

BOOK_oppen0512_BR.indb 13 1/15/13 6:03 PM


14  Processamento em tempo discreto de sinais

Exemplo 2.6   Sistema não linear Substituindo a mudança de variáveis k1 = k − n0 no soma-


tório, obtém-se
Considere o sistema definido por
n−n0
w[n] = log10 (|x[n]|). (2.33) y 1 [n] = x[k 1 ]. (2.37)

Esse sistema é não linear. Para provar isso, precisamos k 1 =−∞
apenas encontrar um contraexemplo — ou seja, um con- Como o índice k na Equação 2.34 e o índice k1 na Equa-
junto de entradas e saídas que demonstre que o sistema ção 2.37 são índices auxiliares nos somatórios e podem ser
viola o princípio da superposição da Equação 2.24. As representados por qualquer símbolo, as equações 2.34 e
entradas x1[n] = 1 e x2[n] = 10 são um contraexemplo. A 2.37 são iguais, e, portanto, y1[n] = y[n − n0]. O acumulador
saída para x1[n] + x2[n] = 11 é é um sistema invariante no tempo.
log10(1 + 10) = log10(11) ≠ log10(1) + log10(10) = 1.
Além disso, a saída para o primeiro sinal é w1[n] = 0, en-
No exemplo a seguir ilustra-se um sistema que não
quanto para o segundo é w2[n] = 1. Como x2[n] = 10x1[n], a é invariante no tempo.
propriedade da mudança de escala dos sistemas lineares re-
quer que, se o sistema for linear, seja verdadeiro que w2[n] = Exemplo 2.8  Sistema compressor
10w1[n]. Como isso não é verdade para a Equação 2.33 para
esse conjunto de entradas e saídas, o sistema não é linear. O sistema definido pela relação
y[n] = x[Mn], −∞ < n < ∞, (2.38)
2.2.3  Sistemas invariantes no tempo com M um inteiro positivo, é chamado de compressor. Es-
Um sistema invariante no tempo (algumas vezes pecificamente, ele descarta (M − 1) amostras a cada M;
isto é, ele gera a sequência de saída selecionando cada M-
chamado, equivalentemente, de sistema invariante a deslo-
-ésima amostra. Esse sistema não é invariante no tempo.
camento) é um sistema para o qual um deslocamento ou Podemos mostrar esse fato considerando a resposta y1[n]
atraso no tempo da sequência de entrada causa um deslo- à entrada x1[n] = x[n − n0]. Para o sistema ser invariante no
camento correspondente na sequência de saída. Especifica- tempo, a saída do sistema quando a entrada é x1[n] deve
mente, suponha que um sistema transforme a sequência de ser igual a y[n − n0]. A saída y1[n] que resulta da entrada
entrada com valores x[n] na sequência de saída com valores x1[n] pode ser calculada diretamente pela Equação 2.38
y[n]. Então, o sistema é dito invariante no tempo se, para como
todo n0, a sequência de entrada com valores x1[n] = x[n − n0] y1[n] = x1[Mn] = x[Mn − n0]. (2.39)
produz a sequência de saída com valores y1[n] = y[n − n0].
Atrasar a saída y[n] de n0 amostras resulta
Como no caso da linearidade, provar que um sis-
tema é invariante no tempo exige uma prova geral em y[n − n0] = x[M(n − n0)]. (2.40)
que não sejam feitas suposições específicas sobre os si- Comparando essas duas saídas, vemos que y[n − n0] não é
nais de entrada. Por outro lado, provar a não invariân- igual a y1[n] para todo M e n0, e, portanto, o sistema não
cia no tempo exige somente um contraexemplo para a é invariante no tempo.
invariância no tempo. Todos os sistemas nos exemplos Também é possível provar que um sistema não é invarian-
2.2-2.6 são invariantes no tempo. O estilo de prova para te no tempo encontrando apenas um contraexemplo que
invariância no tempo é ilustrado nos exemplos 2.7 e 2.8. viole a propriedade de invariância no tempo. Por exemplo,
um contraexemplo para o compressor é o caso em que
M = 2, x[n] = δ[n] e x1[n] = δ[n − 1]. Para essa escolha de
Exemplo 2.7  O
 acumulador como sistema entradas e M, y[n] = δ[n], mas y1[n] = 0; assim, fica claro
invariante no tempo que y1[n] ≠ y[n − 1] para esse sistema.

Considere o acumulador do Exemplo 2.5. Definimos x1[n]


= x[n − n0]. Para mostrar a invariância no tempo, encon-
tramos y[n − n0] e y1[n] e comparamos os resultados para 2.2.4  Causalidade
ver se são iguais. Primeiro,
Um sistema é causal se, para cada escolha de n0,
n−n0
o valor da sequência de saída no índice n = n0 depen-
y[n − n0 ]= x[k]. (2.34)
der somente dos valores da sequência de entrada para
k=−∞
n ≤ n0.­Isso implica que, se x1[n] = x2[n] para n ≤ n0, então
Em seguida, encontramos que
y1[n] = y2[n] para n ≤ n0. Ou seja, o sistema é não anteci-
n
y 1 [n] = x1 [k] (2.35) patório. O sistema do Exemplo 2.2 é causal para nd ≥ 0
k=−∞ e é não causal para nd < 0. O sistema do Exemplo 2.3
n é causal se −M1 ≥ 0 e M2 ≥ 0; caso contrário, ele é não
= (2.36)
x[k − n0 ]. causal. O sistema do Exemplo 2.4 é causal, assim como
k=−∞ o acumulador do Exemplo 2.5 e o sistema não linear no

BOOK_oppen0512_BR.indb 14 1/15/13 6:03 PM


Capítulo 2  Sinais e sistemas de tempo discreto  15

Exemplo 2.6. Porém, o sistema do Exemplo 2.8 é não dade, é preciso que, para todas as entradas limitadas, a saída
causal se M > 1, pois y[1] = x[M]. Outro sistema não seja limitada. Se pudermos encontrar apenas uma entrada
causal é dado no exemplo a seguir. para a qual a propriedade do sistema não seja válida, então
teremos mostrado que o sistema não tem essa propriedade.
Exemplo 2.9  Sistemas de diferenças progressivas No exemplo a seguir ilustra-se a forma de se testar a estabi-
lidade para vários dos sistemas que definimos.
e regressivas
O sistema definido pela relação Exemplo 2.10   Testando a estabilidade ou
y[n] = x[n + 1] − x[n] (2.41) instabilidade
O sistema do Exemplo 2.4 é estável. Para ver isso, suponha
é chamado de sistema de diferenças progressivas. Esse
que a entrada x[n] seja limitada de modo que |x[n]| ≤ Bx
sistema é não causal, pois o valor atual da saída depende
para todo n. Então, |y[n]| = |x[n]|2 ≤ Bx2. Assim, podemos
de um valor futuro da entrada. A violação da causalidade
escolher By = Bx2 e provamos que y[n] é limitado.
pode ser demonstrada considerando as duas entradas
x1[n] = δ[n − 1] e x2[n] = 0 e suas saídas correspondentes De modo semelhante, podemos ver que o sistema definido
y1[n] = δ[n] − δ[n − 1] e y2[n] = 0 para todo n. Note que no Exemplo 2.6 é instável, pois y[n] = log10(|x[n]|) = −∞
x1[n] = x2[n] para n ≤ 0, de modo que a definição da causa- para quaisquer valores do índice de tempo n em que
lidade requer que y1[n] = y2[n] para n ≤ 0, que claramente x[n]  =  0, embora a saída seja limitada para quaisquer
não é o caso para n = 0. Assim, por esse contraexemplo, amostras de entrada que não sejam nulas.
mostramos que o sistema é não causal. O acumulador, como definido no Exemplo 2.5 pela Equa-
O sistema de diferenças regressivas, definido como ção 2.26, também não é estável. Por exemplo, considere
o caso em que x[n] = u[n], que claramente é limitada por
y[n] = x[n] − x[n − 1], (2.42) Bx = 1. Para essa entrada, a saída do acumulador é
tem uma saída que depende somente dos valores presente n
e passado da entrada. Como y[n0] depende somente de y[n] = u[k] (2.45)
x[n0] e x[n0 − 1], o sistema é causal por definição. k=−∞

0, n < 0, (2.46)
=
(n + 1), n ≥ 0.

Não há escolha finita para By tal que (n + 1) ≤ By < ∞


2.2.5  Estabilidade para todo n; assim, o sistema é instável.
Várias definições de certa forma diferentes são Usando argumentos similares, pode-se mostrar que os sis-
comumente usadas para a estabilidade de um sistema. temas nos exemplos 2.2, 2.3, 2.8 e 2.9 são todos estáveis.
Neste texto, usamos especificamente a estabilidade en-
trada limitada saída limitada.
Um sistema é estável no sentido entrada limitada
saída limitada (BIBO, do inglês bounded-input, boun- 2.3  Sistemas LIT
ded-output) se, e somente se, toda sequência limitada Como em tempo contínuo, uma classe particular-
de entrada produzir uma sequência limitada de saída. A mente importante de sistemas de tempo discreto con-
entrada x[n] é limitada se houver um valor fixo positivo siste naqueles que são lineares e invariantes no tempo.
e finito Bx tal que Essas duas propriedades combinadas levam a represen-
tações especialmente convenientes para tais sistemas.
|x[n]| ≤ Bx < ∞,  para todo n. (2.43)
Ainda mais importante é que essa classe de sistemas
A estabilidade requer que, para toda entrada li- tem aplicações significativas em processamento de si-
mitada, exista um valor fixo positivo e finito By tal que nais. A classe de sistemas lineares é definida pelo princí-
pio da superposição da Equação 2.24. Se a propriedade
|y[n]| ≤ By < ∞,  para todo n. (2.44)
da linearidade for combinada com a representação de
É importante enfatizar que as propriedades que de- uma sequência qualquer como uma combinação linear
finimos nesta seção são propriedades de sistemas, e não de impulsos atrasados, como na Equação 2.5, conclui-se
das entradas de um sistema. Ou seja, podemos ser capazes que um sistema linear pode ser completamente carac-
de encontrar entradas para as quais as propriedades são terizado por sua resposta ao impulso. Especificamente,
verdadeiras, mas a existência da propriedade para algumas seja hk[n] a resposta do sistema à entrada δ[n − k], um
entradas não significa que o sistema tenha a propriedade. impulso que ocorre em n = k. Então, usando a Equação
Para o sistema ter a propriedade, ela precisa ser verdadeira 2.5 para representar a entrada, segue-se que
para todas as entradas. Por exemplo, um sistema instável ∞
pode ter algumas entradas limitadas para as quais a saída é y[n]= T x[k]δ[n − k] , (2.47)
limitada, mas para o sistema ter a propriedade da estabili- k=−∞

BOOK_oppen0512_BR.indb 15 1/15/13 6:03 PM


16  Processamento em tempo discreto de sinais

e pelo princípio da superposição da Equação 2.24, po- A dedução da Equação 2.49 sugere a interpreta-
demos escrever ção de que a amostra da entrada em n = k, representa-
∞ ∞
da como x[k]δ[n − k], é transformada pelo sistema em
y[n] = x[k]T{δ[n − k]} = x[k]hk[n]. (2.48) uma sequência de saída x[k]h[n − k] para −∞ < n <
k=−∞ k=−∞
∞, e que, para cada k, essas sequências são superpos-
tas (somadas) para formar a sequência de saída total.
De acordo com a Equação 2.48, a resposta do siste-
Essa interpretação é ilustrada na Figura 2.8, que mos-
ma a qualquer entrada pode ser expressa em termos das
tra uma resposta ao impulso, uma sequência de entrada
respostas do sistema às sequências δ[n − k]. Se apenas a
simples que possui três amostras não nulas, as saídas
linearidade for imposta, então hk[n] dependerá tanto de
individuais devidas a cada amostra e a saída composta
n quanto de k, caso em que a utilidade computacional
devida a todas as amostras na sequência de entrada. Es-
da Equação 2.48 é um tanto limitada. Obteremos um
pecificamente, x[n] pode ser decomposto como a soma
resultado mais útil se impusermos a restrição adicional
das três sequências x[−2]δ[n + 2], x[0]δ[n] e x[3]δ[n − 3]
de invariância de tempo.
que representam os três valores não nulos na sequência
A propriedade de invariância de tempo implica
x[n]. As sequências x[−2]h[n + 2], x[0]h[n] e x[3]h[n − 3]
que, se h[n] é a resposta a δ[n], então a resposta a δ[n − k]­
são as respostas do sistema para x[−2]δ[n + 2], x[0]δ[n]
é h[n − k]. Com essa restrição adicional, a Equação 2.48
e x[3]δ[n − 3], respectivamente. A resposta para x[n] é
se torna
então a soma dessas três respostas individuais.

Embora a expressão da soma de convolução seja
y[n] = x[k]h[n − k], para todo n. (2.49) semelhante à integral de convolução da teoria dos sis-
k=−∞
temas lineares de tempo contínuo, a soma da convolu-
Uma consequência da Equação 2.49 é que um ção não deve ser considerada como uma aproximação
sistema LIT é completamente caracterizado por sua da integral de convolução. A integral de convolução é
resposta ao impulso h[n] no sentido de que, dadas as principalmente uma ferramenta de análise matemáti-
sequências x[n] e h[n] para todo n, é possível usar a ca na teoria dos sistemas lineares de tempo contínuo;
Equação 2.49 para calcular cada amostra da sequência veremos que a soma de convolução, além de sua im-
de saída y[n]. portância analítica, muitas vezes serve como uma rea-
A Equação 2.49 é chamada de soma de convolu- lização explícita de um sistema linear de tempo dis-
ção, e é representada pela notação operacional creto. Assim, é importante ganhar alguma experiência
y[n] = x[n] * h[n]. (2.50) com as propriedades da soma de convolução em cál-
culos práticos.
A operação convolução de tempo discreto toma A interpretação anterior da Equação 2.49 enfatiza
duas sequências x[n] e h[n] e produz uma terceira se- que a soma de convolução é um resultado direto da li-
quência y[n]. A Equação 2.49 expressa cada amostra da nearidade e da invariância no tempo. Porém, um modo
sequência de saída em termos de todas as amostras das ligeiramente diferente de ver a Equação 2.49 leva a
sequências de entrada e de resposta ao impulso. uma interpretação computacional particularmente útil.
A notação da Equação 2.50 para a operação de Quando vista como uma fórmula para calcular um úni-
convolução como uma abreviação para a Equação co valor da sequência de saída, a Equação 2.49 informa
2.49 é conveniente e compacta, mas precisa ser usada que y[n] (isto é, o n-ésimo valor da saída) é obtido pela
com cautela. A definição básica da convolução de duas multiplicação da sequência de entrada (expressa como
sequências é dada pela Equação 2.49, e qualquer uso uma função de k) pela sequência cujos valores são h[n −
da forma abreviada da Equação 2.50 deve ser sempre k], −∞ < k < ∞ para qualquer valor fixo de n, seguida
referenciada à Equação 2.49. Por exemplo, considere pela soma de todos os valores dos produtos x[k]h[n − k],
y[n − n0]. A partir da Equação 2.49, vemos que com k sendo o índice de contagem no processo de soma.
∞ Portanto, a operação de convoluir duas sequências en-
y[n − n0 ] = x[k]h[n − n0 − k] (2.51) volve fazer o cálculo especificado da Equação 2.49 para
k=−∞ cada valor de n, gerando-se assim a sequência de saída
ou, em notação abreviada, completa y[n], −∞ < n < ∞. A chave para executar os
cálculos da Equação 2.49 para se obter y[n] é entender
y[n − n0] = x[n] * h[n − n0]. (2.52)
como formar a sequência h[n − k], −∞ < k < ∞, para
Substituir n por (n − n0) na Equação 2.49 leva ao todos os valores de n que sejam de interesse. Para isso,
resultado e à conclusão corretos, mas tentar cegamen- é útil observar que
te a mesma substituição na Equação 2.50, não. De fato,
h[n − k] = h[−(k − n)]. (2.53)
x[n − n0] * h[n − n0] resulta em y[n − 2n0].

BOOK_oppen0512_BR.indb 16 1/15/13 6:03 PM


Capítulo 2  Sinais e sistemas de tempo discreto  17

1
x[n] h[n]

3
–2 0 n 0 2 n

x–2 [n] = x[–2][n + 2] y–2 [n] = x[–2]h[n + 2]

–2 0 n –2 0 n

x0 [n] = x[0][n] y0 [n] = x[0]h[n]

0 n 0 2 n

x3 [n] = x[3][n – 3] y3 [n] = x[3]h[n – 3]

3 3 5
0 n 0 n

x[n] = x–2 [n] + x0 [n] + x3[n] y[n] = y–2 [n] + y0 [n] + y3 [n]

3 5
–2 0 n –2 0 n

Figura 2.8  Representação da saída de um sistema LIT como a superposição de respostas a amostras individuais da entrada.

Para ilustrar a interpretação da Equação 2.53, supo- refletimos h[k] no tempo em relação a k = 0 e depois atra-
nha que h[k] seja a sequência mostrada na Figura 2.9(a) e samos por n amostras o sinal refletido no tempo.
que queiramos obter h[n − k] = h[−(k − n)]. Defina h1[k] Para implementar a convolução em tempo discre-
como h[−k], conforme mostrado na Figura 2.9(b). Em se- to, as duas sequências x[k] e h[n − k] são multiplicadas
guida, defina h2[k] como h1[k], atrasado, de n amostras no amostra a amostra para −∞ < k < ∞, e os produtos são
eixo k, ou seja, h2[k] = h1[k − n]. Na Figura 2.9(c) mostra- somados para se calcular a amostra de saída y[n]. Para
-se a sequência que resulta do atraso de n amostras da se- obter outra amostra de saída, a origem da sequência
quência na Figura 2.9(b). Usando a relação entre h1[k] e h[−k] é deslocada para a posição da nova amostra e o
h[k], podemos mostrar que h2[k] = h1[k − n] = h[−(k − n)] processo é repetido. Esse procedimento computacional
= h[n − k], e, assim, na figura inferior está o sinal desejado. se aplica tanto se os cálculos forem executados numeri-
Resumindo, para obter h[n − k] a partir de h[k], primeiro camente sobre dados amostrados quanto analiticamente

BOOK_oppen0512_BR.indb 17 1/15/13 6:03 PM


18  Processamento em tempo discreto de sinais

h [k]

–3 0 6 k
(a)

h1 [k ] = h [–k] = h [0 – k]

–6 0 3 k
(b)

h2[k] = h1 [k – n] = h[n – k] = h [–(k – n)]

n–6 0 n n+3 k
(c)

Figura 2.9  Formando a sequência h [n − k]. (a) A sequência h [k] em função de k. (b) A sequência h [ − k] em função de k. (c) A sequência h [n − k]
= h [ − (k − n)] em função de k para n = 4.

com sequências para as quais os valores da amostra pos- y[n] = 0,  n < 0.
suem fórmulas simples. No exemplo seguinte ilustra-se
a convolução em tempo discreto para o segundo caso. Na Figura 2.10(b) ilustram-se as duas sequências quando
0 ≤ n e n − N + 1 ≤ 0. Essas duas condições podem ser
combinadas na única condição 0 ≤ n ≤ N − 1. Consideran-
Exemplo 2.11  Cálculo analítico da soma de do a Figura 2.10(b), vemos que como
convolução x[k]h[n − k] = ak,  para 0 ≤ k ≤ n
Considere um sistema com resposta ao impulso quando 0 ≤ n ≤ N – 1, segue-se que
n
h[n] = u[n] − u[n − N ] y[n] = a k, para 0 ≤ n ≤ N − 1. (2.54)
1, 0 ≤ n ≤ N − 1, k=0
= Os limites do somatório podem ser vistos diretamente a
0, caso contrário.
partir da Figura 2.10(b). Pela Equação 2.54 vemos que
A entrada é y[n] é a soma de n + 1 termos de uma série geométrica em
que a razão dos termos é a. Essa soma pode ser expressa
an, n ≥ 0, de forma fechada usando a fórmula geral
x[n] =
0, n < 0,
N2
α N 1 − α N 2 +1
ou, de modo equivalente, αk = , N 2 ≥ N 1 . (2.55)
1−α
k=N 1
x[n] = anu[n]. Aplicando essa fórmula à Equação 2.54, obtemos
Para encontrar a saída em um índice particular n, temos de
formar as somas para todo k do produto x[k]h[n − k]. Nesse 1 − a n+1
y[n] = , 0 ≤ n ≤ N − 1. (2.56)
caso, podemos encontrar fórmulas para y[n] para diferentes 1−a
conjuntos de valores de n. Para isso, é útil esboçar as sequên- Finalmente, na Figura 2.10(c) mostram-se as duas sequências
cias x[k] e h[n − k] em função de k para diferentes valores re- quando 0 < n − N + 1 ou N − 1 < n. Como anteriormente,
presentativos de n. Por exemplo, na Figura 2.10(a) são mos-
trados gráficos das sequências x[k] e h[n − k], para n inteiro x[k]h[n − k] = ak,  n − N + 1 ≤ k ≤ n,
negativo. Nitidamente, todos os valores negativos de n levam
mas agora o limite inferior da soma é n − N + 1, como
a uma situação semelhante; ou seja, as partes não nulas das
vemos na Figura 2.10(c). Assim,
sequências x[k] e h[n − k] não se superpõem, e, portanto,

BOOK_oppen0512_BR.indb 18 1/15/13 6:03 PM


Capítulo 2  Sinais e sistemas de tempo discreto  19

h [n – k]
x [k]

n 0 k
n – (N – 1) (a)

0 n k
n – (N – 1)
(b)

0 n k
n – (N – 1)
(c)

y [n]

0 k
N–1
(d)

Figura 2.10  Sequência envolvida no cálculo de uma convolução discreta. (a)-(c) As sequências x[k] e h[n−k] em função de k para diferentes
valores de n. (Somente amostras não nulas são mostradas.) (d) Sequência de saída correspondente em função de n.

n Assim, por causa da natureza exponencial por partes tan-


y[n] = a k, para N − 1 < n. (2.57) to da entrada quanto da resposta à amostra unitária, po-
k= n−N+1 demos obter a seguinte expressão na forma fechada para
y[n] em função do índice n:
Usando a Equação 2.55, obtemos

a n− N+ 1 − a n+ 1  0, n < 0,
y[n] = , 

1− a 

 1 − a n+ 1

ou y[n] = , 0 ≤ n ≤ N − 1,
 1− a

1 − aN  n− N+ 1 1 − a N


y[n] = a n− N+ 1 . (2.58) a
 , N − 1 < n. (2.59)
1− a 1− a

Essa sequência é mostrada na Figura 2.10(d).

BOOK_oppen0512_BR.indb 19 1/15/13 6:03 PM


20  Processamento em tempo discreto de sinais

No Exemplo 2.11 ilustra-se como a soma de con- Essa propriedade segue imediatamente da Equa-
volução pode ser calculada analiticamente quando a ção 2.49, e é um resultado direto da linearidade e da
entrada e a resposta ao impulso são dadas por fórmulas comutatividade da convolução. A Equação 2.62 é re-
simples. Nesses casos, as somas podem ter uma forma presentada esquematicamente na Figura 2.11, em que a
compacta que pode ser deduzida pelo uso da fórmula Figura 2.11(a) representa o membro direito da Equação
da soma de uma série geométrica ou outras fórmulas 2.62 e a Figura 2.11(b) o membro esquerdo.
“fechadas”.2 Quando nenhuma forma simples está dis- A operação de convolução também satisfaz a pro-
ponível, a soma de convolução ainda pode ser calculada priedade associativa, ou seja,
numericamente por meio da técnica ilustrada no Exem-
y[n] = (x[n] * h1[n]) * h2[n] = x[n] * (h1[n] * h2[n]). (2.63)
plo 2.11 sempre que as somas forem finitas, o que será o
caso se a sequência de entrada ou a resposta ao impulso Além disso, como a operação de convolução é co-
tiver comprimento finito, isto é, tiver um número finito mutativa, a Equação 2.63 é equivalente a
de amostras não nulas.
y[n] = x[n] * (h2[n] * h1[n]) = (x[n] * h2[n]) * h1[n]. (2.64)

2.4 Propriedades dos sistemas lineares Essas equivalências são representadas esquemati-


camente na Figura 2.12. Além disso, as equações 2.63
invariantes no tempo e 2.64 claramente implicam que, se dois sistemas LIT
Como todos os sistemas LIT são descritos pela com respostas ao impulso h1[n] e h2[n] são colocados
soma de convolução da Equação 2.49, as propriedades em cascata em qualquer ordem, a resposta ao impulso
dessa classe de sistemas são definidas pelas proprieda- total equivalente h[n] é
des da convolução de tempo discreto. Portanto, a res-
h[n] = h1[n] * h2[n] = h2[n] * h1[n]. (2.65)
posta ao impulso é uma caracterização completa das
propriedades de um sistema LIT específico. Em uma conexão paralela, os sistemas têm a mes-
Algumas propriedades gerais da classe dos siste- ma entrada, e suas saídas são somadas para produzir
mas LIT podem ser encontradas considerando-se pro- uma saída total. Segue da propriedade distributiva da
priedades da operação de convolução.3 Por exemplo, a convolução que a conexão de dois sistemas LIT em pa-
operação de convolução é comutativa: ralelo é equivalente a um único sistema cuja resposta ao
impulso é a soma das respostas ao impulso individuais;
x[n] * h[n] = h[n] * x[n]. (2.60)
isto é,
Essa propriedade pode ser mostrada aplicando-se
h[n] = h1[n] + h2[n]. (2.66)
uma substituição de variáveis ao índice do somatório na
Equação 2.49. Especificamente, com m = n – k, As restrições de linearidade e invariância no tem-
−∞ po definem uma classe de sistemas com propriedades
y[n] = x[n − m]h[m] muito especiais. Estabilidade e causalidade represen-
m=∞ tam propriedades adicionais, e muitas vezes é impor-
∞ tante saber se um sistema LIT é estável e se ele é causal.
= h[m]x[n − m] = h[n] ∗ x[n], (2.61)
m=−∞
h1 [n]
de modo que os papéis de x[n] e h[n] no somatório po-
dem ser trocados. Ou seja, a ordem das sequências em +
um operador de convolução não é importante; logo, a x [n] y [n]
saída do sistema é a mesma se os papéis da entrada e da h2 [n]
resposta ao impulso forem trocados. Consequentemen-
(a)
te, um sistema LIT com entrada x[n] e resposta ao im-
pulso h[n] terá a mesma saída de um sistema LIT com
h1[n] + h2[n]
entrada h[n] e resposta ao impulso x[n]. A operação de x [n] y[n]
convolução também é distributiva com relação à adi- (b)
ção; isto é,
Figura 2.11  (a) Associação paralela de sistemas LIT. (b) Um sistema
x[n] * (h1[n] + h2[n]) = x[n] * h1[n] + x[n] * h2[n]. (2.62) equivalente.

2 Esses resultados são discutidos, por exemplo, em Grossman (1992) e Jolley (2004).
3 Em nossa discussão a seguir e ao longo de todo o texto, usaremos a notação abreviada da Equação 2.50 para a operação de convolução, mas
novamente enfatizamos que as propriedades da convolução são deduzidas a partir da definição da Equação 2.49.

BOOK_oppen0512_BR.indb 20 1/15/13 6:03 PM


Capítulo 2  Sinais e sistemas de tempo discreto  21

Portanto, se Bh = ∞, é possível que uma sequência


h1 [n] h2 [n]
x [n] y [n] de entrada limitada produza uma sequência de saída
(a) ilimitada.
A classe dos sistemas causais foi definida na Seção
2.2.4 como aquela que compreende os sistemas para os
h2 [n] h1 [n] quais a saída y[n0] depende apenas das amostras da en-
x [n] y [n]
(b)
trada x[n], para n ≤ n0. Segue a partir da Equação 2.49 ou
da Equação 2.61 que essa definição implica a condição
h[n] = 0,  n < 0, (2.72)
h1[n] * h2[n]
x [n] y [n]
para a causalidade dos sistemas LIT. (Veja o Problema
(c)
2.69.) Por esse motivo, às vezes é conveniente referir-
Figura 2.12  (a) Associação em cascata de dois sistemas LIT. (b) Cas- -se a uma sequência que é nula para n < 0 como uma
cata equivalente. (c) Sistema único equivalente. sequência causal, o que significa que ela poderia ser a
resposta ao impulso de um sistema causal.
Lembre-se da Seção 2.2.5 que um sistema estável é um Para ilustrar como as propriedades dos sistemas
sistema para o qual cada entrada limitada produz uma LIT são representadas na resposta ao impulso, conside-
saída limitada. Sistemas LIT são estáveis se, e somente raremos novamente alguns dos sistemas definidos nos
se, a resposta ao impulso for somável em valor absoluto, exemplos 2.2-2.9. Primeiro, note que apenas os sistemas
isto é, se dos exemplos 2.2, 2.3, 2.5 e 2.9 são lineares e invariantes
∞ no tempo. Embora a resposta ao impulso dos sistemas
Bh = |h[k]| < ∞. (2.67) não lineares ou variantes no tempo possa ser encontrada
k=−∞ simplesmente usando uma entrada impulso, geralmente
Pode-se mostrar essa propriedade da seguinte for- ela é de interesse limitado, pois a fórmula da soma de
ma. A partir da Equação 2.61, convolução e as equações 2.67 e 2.72, que expressam es-
tabilidade e causalidade, não se aplicam a tais sistemas.
∞ ∞
Primeiro, determinaremos as respostas ao impulso
|y[n]| = h[k]x[n − k] ≤ |h[k]| |x[n − k]|. (2.68)
dos sistemas nos exemplos 2.2, 2.3, 2.5 e 2.9. Podemos
k=−∞ k=−∞
fazê-lo pelo simples cálculo da resposta de cada sistema
Se x[n] é limitado, de modo que a δ[n], usando a relação que define o sistema. As respos-
|x[n]| ≤ Bx, tas ao impulso resultantes são as seguintes:
então a substituição de |x[n − k]| por Bx pode apenas Atraso ideal (Exemplo 2.2)
ampliar a desigualdade. Logo, h[n] = δ[n − nd], sendo nd um inteiro positivo fixo. (2.73)
|y[n]| ≤ Bx Bh. (2.69) Média móvel (Exemplo 2.3)
Assim, y[n] é limitado se a Equação 2.67 for verda- 2 M
deira; em outras palavras, a Equação 2.67 é uma condi- 1
h[n] = δ[n − k]
ção suficiente para a estabilidade. Para mostrar que ela M1 + M2 + 1
k=−M 1
também é uma condição necessária, devemos mostrar 
 1
que se Bh = ∞, então é possível encontrar uma entrada , −M 1 ≤ n ≤ M 2 ,
= M1 + M2 + 1
limitada, que causará uma saída ilimitada. Essa entrada é 
0, caso contrário. (2.74)
a sequência com valores
 ∗ Acumulador (Exemplo 2.5)
 h [− n] , h[n] = 0,
n
x[n] = |h[− n]| 1, n ≥ 0,
 h[n] = δ[k] = = u[n]. (2.75)
0, h[n] = 0, (2.70) 0, n < 0,
k=−∞

em que h*[n] é o complexo conjugado de h[n]. A se- Diferenças progressivas (Exemplo 2.9)
quência x[n] é nitidamente limitada em uma unidade. h[n] = δ[n + 1] − δ[n]. (2.76)
Porém, o valor da saída em n = 0 é
Diferenças regressivas (Exemplo 2.9)
∞ ∞
|h[k]|2
y[0] = x[−k]h[k] = = B h . (2.71) h[n] = δ[n] − δ[n − 1]. (2.77)
|h[k]|
k=−∞ k=−∞

BOOK_oppen0512_BR.indb 21 1/15/13 6:03 PM


22  Processamento em tempo discreto de sinais

Dadas as respostas ao impulso desses sistemas bá- Ou seja, a convolução de uma sequência impulso
sicos (equações 2.73-2.77), podemos testar a estabilida- deslocado com qualquer sinal x[n] é facilmente obtida
de de cada uma calculando a soma simplesmente deslocando x[n] do atraso do impulso.
∞ Como o atraso é uma operação fundamental na
Bh = |h[n]|. implementação de sistemas lineares, o resultado ante-
n=−∞
rior muitas vezes é útil na análise e simplificação de as-
Para os exemplos do atraso ideal, média móvel, di- sociações de sistemas LIT. Como exemplo, considere o
ferenças progressivas e diferenças regressivas, fica claro sistema da Figura 2.13(a), que consiste em um sistema
que Bh < ∞, pois a resposta ao impulso tem apenas um de diferenças progressivas em cascata com um atraso
número finito de amostras não nulas. Em geral, um sis- ideal de uma amostra. De acordo com a propriedade
tema com uma resposta ao impulso de duração finita comutativa da convolução, a ordem em que os sistemas
[daqui em diante chamado de sistema FIR (do inglês são associados não importa, desde que eles sejam linea-
finite-duration impulse response)] sempre será estável, des- res e invariantes no tempo. Portanto, obtemos o mes-
de que cada um dos valores de resposta ao impulso seja fini- mo resultado, tanto quando calculamos as diferenças
to em magnitude. O acumulador, porém, é instável porque progressivas de uma sequência e atrasamos o resultado

[Figura 2.13(a)], quanto quando atrasamos a sequência
Bh = u[n] = ∞.
primeiro e depois calculamos as diferenças progressivas
n=0
[Figura 2.13(b)]. Além disso, como indicado na Equa-
Na Seção 2.2.5, também demonstramos a instabili- ção 2.65 e na Figura 2.12, a resposta ao impulso total de
dade do acumulador dando um exemplo de entrada limi- um sistema em cascata é a convolução das respostas ao
tada (o degrau unitário) para a qual a saída é ilimitada. impulso individuais. Consequentemente,
A resposta ao impulso do acumulador tem duração
infinita. Esse é um exemplo da classe de sistemas conheci-  h[n] = (δ[n + 1] − δ[n]) * δ[n − 1]
da como sistemas de resposta ao impulso de duração infi- = δ[n − 1] * (δ[n + 1] − δ[n]) (2.81)
nita (IIR, do inglês infinite-duration impulse response). Um = δ[n] − δ[n − 1].
exemplo de sistema IIR que é estável é um sistema cuja
Assim, h[n] é idêntica à resposta ao impulso do
resposta ao impulso é h[n] = anu[n] com |a| < 1. Nesse caso,
sistema de diferenças regressivas; ou seja, os sistemas

em cascata das figuras 2.13(a) e 2.13(b) podem ser subs-
Bh = |a|n . (2.78)
tituídos por um sistema de diferenças regressivas, como
n=0
mostrado na Figura 2.13(c).
Se |a| < 1, a fórmula da soma dos termos de uma Note que os sistemas não causais de diferenças
série geométrica infinita fornece progressivas das figuras 2.13(a) e (b) foram convertidos
1 em sistemas causais pela sua associação em cascata com
Bh = < ∞. (2.79)
1 − |a| um atraso. Em geral, qualquer sistema FIR não causal
pode tornar-se causal se associado em cascata com um
Se, por outro lado, |a| ≥ 1, então a soma é infinita e atraso suficientemente longo.
o sistema é instável.
Para testar a causalidade dos sistemas LIT dos
Diferenças Atraso de
exemplos 2.2, 2.3, 2.5 e 2.9, podemos verificar se h[n] = 0 x[n] progressivas uma amostra y[n]
para n < 0. Como discutido na Seção 2.2.4, o atraso ideal
(nd ≥ 0 na Equação 2.20) é causal. Se nd < 0, então o sis- (a)
tema é não causal. Para a média móvel, a causalidade
requer que −M1 ≥ 0 e M2 ≥ 0. Os sistemas acumulador Atraso de Diferenças
e de diferenças regressivas são causais, e o sistema de x[n] uma amostra progressivas y[n]
diferenças progressivas é não causal.
(b)
O conceito de convolução como uma operação
entre duas sequências leva à simplificação de muitos
problemas que envolvem sistemas. Um resultado par- Diferenças
ticularmente útil pode ser enunciado para o sistema x [n] regressivas y [n]
atraso ideal. Como a saída do sistema atraso é y[n] =
x[n − nd], e como o sistema atraso tem resposta ao im- (c)
pulso h[n] = δ[n − nd], segue-se que
Figura 2.13  Sistemas equivalentes encontrados usando a proprieda-
x[n] * δ[n − nd] = δ[n − nd] * x[n] = x[n − nd]. (2.80) de comutativa da convolução.

BOOK_oppen0512_BR.indb 22 1/15/13 6:03 PM


Capítulo 2  Sinais e sistemas de tempo discreto  23

Outro exemplo de sistemas em cascata introduz o As propriedades discutidas na Seção 2.4 e algu-
conceito de um sistema inverso. Considere a cascata de mas das técnicas de análise nela apresentadas podem
sistemas da Figura 2.14. A resposta ao impulso do siste- ser usadas para obter representações por equação de
ma em cascata é diferenças para alguns dos sistemas LIT que definimos.
h[n] = u[n] * (δ[n] − δ[n − 1])
= u[n] − u[n − 1] (2.82) Exemplo 2.12  Representação do acumulador com
= δ[n]. equação de diferenças
Ou seja, a associação em cascata de um acumula- O sistema acumulador é definido por
dor, seguida por um sistema de diferenças regressivas n
(ou vice-versa), resulta em um sistema cuja resposta ao y[n] = x[k]. (2.85)
impulso total é um impulso. Assim, a saída da associa- k=−∞
ção em cascata sempre será igual à entrada, pois x[n] * Para mostrar que a entrada e a saída satisfazem uma equa-
δ[n] = x[n]. Nesse caso, o sistema de diferenças regressi- ção de diferenças na forma da Equação 2.84, reescreve-
vas compensa exatamente (ou inverte) o efeito do acu- mos a Equação 2.85 como
mulador; ou seja, o sistema de diferenças regressivas n−1
é o sistema inverso do acumulador. Pela propriedade y[n] = x[n] + x[k] (2.86)
comutativa da convolução, o acumulador é similar ao k=−∞

sistema inverso para o sistema de diferenças regressi- Além disso, da Equação 2.85,
vas. Note que esse exemplo fornece uma interpretação n−1
de sistema para as equações 2.7 e 2.9. Em geral, se um y[n − 1] = x[k]. (2.87)
sistema LIT tem resposta ao impulso h[n], então seu k=−∞
sistema inverso, se existir, tem resposta ao impulso hi[n] Substituindo a Equação 2.87 na Equação 2.86, obtém-se
definido pela relação y[n] = x[n] + y[n − 1], (2.88)
h[n] * hi [n] = hi [n] * h[n] = δ[n]. (2.83) e, de modo equivalente,
Os sistemas inversos são úteis em muitas situações y[n] − y[n − 1] = x[n]. (2.89)
em que é necessário compensar os efeitos de um siste- Assim, além de satisfazer a relação de definição da Equa-
ma. Em geral, é difícil resolver a Equação 2.83 direta- ção 2.85, a entrada e a saída de um acumulador satisfazem
mente para hi[n], dado h[n]. Porém, no Capítulo 3, vere- uma equação de diferenças linear com coeficientes cons-
mos que a transformada z fornece um método imediato tantes na forma da Equação 2.84, com N = 1, a0 = 1, a1 = −1,
para encontrar o inverso de um sistema LIT. M = 0 e b0 = 1.

Sistema
Sistema de A equação de diferenças na forma da Equação
diferenças
x [n] acumulador y [n] regressivas x [n] 2.88 sugere uma implementação simples do sistema
acumulador. De acordo com a Equação 2.88, para cada
valor de n, somamos o valor da entrada atual x[n] à
Figura 2.14  Um acumulador em cascata com um sistema de diferen-
soma previamente acumulada y[n − 1]. Essa interpre-
ças regressivas. Como o sistema de diferenças regressivas é o siste-
tação do acumulador é representada em diagrama de
ma inverso do acumulador, a associação em cascata é equivalente ao
blocos na Figura 2.15.
sistema identidade.
A Equação 2.88 e o diagrama de blocos na Figura
2.15 são chamados de representação recursiva do siste-

2.5 Equações de diferenças lineares


com coeficientes constantes x [n]
+
y[n]
Uma classe importante de sistemas LIT consiste
naqueles sistemas para os quais a entrada x[n] e a saí- Atraso de
uma amostra
da y[n] satisfazem uma equação de diferenças linear de
­N-ésima ordem com coeficientes constantes na forma y [n – 1]
N M
aky[n − k] = bmx[n − m]. (2.84) Figura 2.15  Diagrama de blocos de uma equação de
k=0 m=0 diferenças recursiva representando um acumulador.

BOOK_oppen0512_BR.indb 23 1/15/13 6:03 PM


24  Processamento em tempo discreto de sinais

ma, pois cada valor é calculado usando valores previa- de diferenças distintas podem ser usadas para represen-
mente calculados. Essa noção geral será explorada com tar uma dada relação entrada-saída LIT.
mais detalhes posteriormente nesta seção. Assim como no caso das equações diferenciais linea-
res com coeficientes constantes para sistemas de tempo
contínuo, sem restrições adicionais ou outras informações,
Exemplo 2.13  Representação do sistema média
uma equação de diferenças linear com coeficientes cons-
móvel por equação de diferenças tantes para sistemas de tempo discreto não fornece uma
Considere o sistema média móvel do Exemplo 2.3, com especificação única da saída para uma dada entrada. Es-
M1 = 0, de modo que o sistema é causal. Nesse caso, pela pecificamente, suponha que, para uma dada entrada xp[n],
Equação 2.74, a resposta ao impulso é
determinamos por algum meio uma sequência de saída
1 yp[n], de modo que uma equação na forma da Equação
h[n] = u[n] − u[n − M 2 − 1] , (2.90)
(M 2 + 1) 2.84 é satisfeita. Então, a mesma equação com a mesma
da qual segue que entrada é satisfeita por qualquer saída na forma
M2 y[n] = yp[n] + yh[n], (2.95)
1
y[n] = x[n − k], (2.91)
(M 2 + 1) sendo yh[n] uma solução qualquer da Equação 2.84 com
k=0
x[n] = 0, isto é, uma solução para a equação
que é um caso especial da Equação 2.84, com N = 0, a0 = 1,
M = M2 e bk = 1/(M2 + 1) para 0 ≤ k ≤ M2. N
Além disso, a resposta ao impulso pode ser expressa como akyh [n − k] = 0. (2.96)
k= 0
1
h[n] = δ[n] − δ[n − M 2 − 1] ∗ u[n], (2.92) A Equação 2.96 é chamada de equação de dife-
(M 2 + 1)
renças homogênea e yh[n], a solução homogênea. A se-
que sugere que o sistema média móvel causal pode ser quência yh[n] é, de fato, um membro de uma família de
representado como o sistema em cascata da Figura 2.16.
soluções na forma
Podemos obter uma equação de diferenças para esse dia-
grama de blocos observando primeiro que N
n
1 yh [n] = A mz m , (2.97)
x1 [n] = x[n] − x[n − M 2 − 1] . (2.93) m=1
(M 2 + 1)
em que os coeficientes Am podem ser escolhidos de
Da Equação 2.89 do Exemplo 2.12, a saída do acumulador
modo a satisfazer um conjunto de condições auxiliares
satisfaz a equação de diferenças
sobre y[n]. A substituição da Equação 2.97 na Equação
y[n] − y[n − 1] = x1[n], 2.96 mostra que os números complexos zm devem ser
de modo que raízes do polinômio
1 N
y[n] − y[n − 1] = (x[n] − x[n − M 2 − 1]). (2.94)
(M 2 + 1) A(z) = akz− k, (2.98)
k= 0
Novamente, temos uma equação de diferenças na forma
da Equação 2.84, mas dessa vez N = 1, a0 = 1, a1 = −1, M = isto é, A(zm) = 0 para m = 1, 2, ..., N. A Equação 2.97
M2 + 1 e b0 = −bM +1 = 1/(M2 + 1) e bk = 0, caso contrário. assume que todas as N raízes do polinômio da Equa-
2
ção 2.98 são distintas. A forma dos termos associados
às raízes múltiplas é ligeiramente diferente, mas sempre
No Exemplo 2.13, mostramos duas representações
existem N coeficientes indeterminados. Um exemplo da
diferentes da equação de diferenças para o sistema mé-
solução homogênea com raízes múltiplas é considerado
dia móvel. No Capítulo 6, veremos que muitas equações
no Problema 2.50.
Como yh[n] tem N coeficientes indeterminados,
um conjunto de N condições auxiliares é exigido para
Atenuador +
1 +
Sistema a especificação única de y[n] para um dado x[n]. Essas
acumulador
x [n] (M2 + 1) – x1 [n ] y[n] condições auxiliares podem consistir na especificação
de valores fixos de y[n] em valores específicos de n,
Atraso de como y[−1], y[−2], ..., y[−N], e depois na solução de um
(M2 + 1) conjunto de N equações lineares para os N coeficientes
amostras
indeterminados.
Alternativamente, se as condições auxiliares fo-
Figura 2.16  Diagrama de blocos da forma recursiva de um sistema
rem um conjunto de valores auxiliares de y[n], os ou-
média móvel.

BOOK_oppen0512_BR.indb 24 1/15/13 6:03 PM


Capítulo 2  Sinais e sistemas de tempo discreto  25

tros valores de y[n] podem ser gerados reescrevendo-se • A saída para uma dada entrada não é unicamente
a Equação 2.84 como uma fórmula de recorrência, ou especificada. São necessárias informações ou con-
seja, na forma dições auxiliares.
N M • Se a informação auxiliar estiver em forma de N
ak bk
y[n] = − y[n − k] + x[n − k]. (2.99) valores sequenciais da saída, os valores subse-
a0 a0 quentes poderão ser obtidos rearranjando-se a
k=1 k=0
Se a entrada x[n] para todo n, juntamente com um equação de diferenças como uma relação recur-
conjunto de valores auxiliares, digamos, y[−1], y[−2], ..., siva progressiva em n, e valores anteriores po-
y[−N], é especificada, então y[0] pode ser determinado derão ser obtidos rearranjando-se a equação de
pela Equação 2.99. Com y[0], y[−1], ..., y[−N + 1] agora diferenças como uma relação recursiva regres-
disponíveis, y[1] pode então ser calculado, e assim por siva em n.
diante. Quando esse procedimento é usado, diz-se que • A linearidade, a invariância no tempo e a causali-
y[n] é calculado recursivamente; ou seja, o cálculo da dade do sistema dependerão das condições auxilia-
saída envolve não apenas a sequência de entrada, mas res. Se uma condição adicional for que o sistema es-
também valores anteriores da sequência de saída. teja inicialmente em repouso, então o sistema será
Para gerar valores de y[n] para n < −N (novamen- linear, invariante no tempo e causal.
te supondo que os valores y[−1], y[−2], ..., y[−N] sejam A discussão anterior considera que N ≥ 1 na
dados como condições auxiliares), podemos rearranjar Equação 2.84. Se, em vez disso, N = 0, nenhuma recur-
a Equação 2.84 na forma são é exigida para se usar a equação de diferenças para
N− 1 M calcular a saída e, portanto, nenhuma condição auxiliar
ak bk
y[n − N ] = − y[n − k] + x[n − k], (2.100) é exigida. Ou seja,
aN aN
k= 0 k= 0
M
a partir da qual y[−N − 1], y[−N − 2], ... podem ser cal- bk
y[n] = x[n − k]. (2.101)
culados recursivamente de forma regressiva. a0
k= 0
Nosso interesse principal neste livro está nos sis- A Equação 2.101 está na forma de uma convolu-
temas que são lineares e invariantes no tempo, caso em ção, e fazendo x[n] = δ[n], vemos que a resposta ao im-
que as condições auxiliares precisam ser consistentes pulso correspondente é
com esses requisitos adicionais. No Capítulo 3, quan-
M
do discutirmos a solução de equações de diferenças bk
usando a transformada z, incorporamos implicitamente h[n] = δ[n − k],
a0
k= 0
condições de linearidade e invariância no tempo. Como
veremos nessa discussão, mesmo com as restrições adi- ou
cionais de linearidade e invariância de tempo, a solução 
para uma equação de diferenças, e, portanto, para o sis-  bn ,

0 ≤ n ≤ M,
h[n] = a0
tema, não é especificada de forma única. Em particular, 
 0, caso contrário. (2.102)
existem em geral sistemas LIT causais e não causais,
consistentes com uma dada equação de diferenças. A resposta ao impulso, claramente, tem duração
Se um sistema for caracterizado por uma equação finita. De fato, a saída de qualquer sistema FIR pode
de diferenças linear com coeficientes constantes e for ser calculada não recursivamente sendo que os coefi-
especificado ainda como linear, invariante no tempo e cientes são os valores da sequência resposta ao impul-
causal, então a solução é única. Nesse caso, as condições so. O sistema média móvel do Exemplo 2.13 com M1
auxiliares frequentemente são enunciadas como condi- = 0 é um exemplo de um sistema FIR causal. Uma ca-
ções de repouso inicial. Em outras palavras, a informação racterística interessante desse sistema foi que também
auxiliar é que, se a entrada x[n] for nula para n menor do encontramos uma equação recursiva para a saída. No
que algum instante n0, então a saída y[n] é obrigatoria- Capítulo 6, mostraremos que existem muitas formas
mente nula para n menor do que n0. Essa restrição for- possíveis de implementar uma transformação de sinal
nece então condições iniciais suficientes para obter y[n] desejada. As vantagens de um método em relação a
para n ≥ n0 usando recursivamente a Equação 2.99. outro dependem de considerações práticas, como pre-
Em resumo, em um sistema para o qual a entrada cisão numérica, armazenamento de dados e o número
e a saída satisfazem uma equação de diferenças linear de multiplicações e adições exigidas para calcular cada
com coeficientes constantes: amostra da saída.

BOOK_oppen0512_BR.indb 25 1/15/13 6:03 PM


26  Processamento em tempo discreto de sinais

2.6 Representação no domínio da Exemplo 2.14  Resposta em frequência do sistema


frequência de sinais e sistemas de atraso ideal

tempo discreto Como um exemplo simples e importante, considere o sis-


tema atraso ideal definido por
Nas seções anteriores, resumimos alguns dos con-
ceitos fundamentais da teoria dos sinais e sistemas de y[n] = x[n − nd], (2.107)
tempo discreto. Para sistemas LIT, vimos que uma re- sendo nd um inteiro fixo. Com a entrada x[n] = ejωn da
presentação da sequência de entrada como uma soma Equação 2.107, temos
ponderada de impulsos atrasados leva a uma represen- y[n] = e j ω(n −nd ) = e−j ωnd e j ωn .
tação da saída como uma soma ponderada das respos- A resposta em frequência do atraso ideal é, portanto,
tas ao impulso atrasadas. Assim como ocorre com os
H(ejω) = e−jωnd. (2.108)
sinais de tempo contínuo, os sinais de tempo discreto
podem ser representados de diferentes formas. Por Como um método alternativo para obter a resposta em
exemplo, as sequências exponenciais complexas e se- frequência, lembre-se de que a resposta ao impulso para o
sistema atraso ideal é h[n] = δ[n − nd]. Usando a Equação
noidais desempenham um papel particularmente im-
2.104, obtemos
portante na representação dos sinais de tempo discreto.
Isso ocorre porque as sequências exponenciais comple- ∞

xas são autofunções de sistemas LIT, e a resposta a uma H (e j ω ) = δ[n − nd ]e−j ωn = e−j ωnd .
n=−∞
entrada senoidal é senoidal com a mesma frequência
da entrada e com amplitude e fase determinadas pelo As partes real e imaginária da resposta em frequência são
sistema. Essas propriedades fundamentais dos sistemas HR (ejω) = cos(ωnd), (2.109a)
LIT fazem com que representações dos sinais em ter-
HI (ejω) = − sen(ωnd). (2.109b)
mos de senoides ou exponenciais complexas (isto é, re-
presentações de Fourier) sejam muito úteis na teoria A magnitude e a fase são
dos sistemas lineares. |H (ejω)| = 1, (2.110a)

2.6.1  Autofunções para sistemas lineares ∠H (ejω) = −ωnd. (2.110b)

invariantes no tempo
A propriedade de autofunção das exponenciais Na Seção 2.7, mostraremos que uma ampla classe
complexas para sistemas de tempo discreto vem direta- de sinais pode ser representada como uma combinação
mente de substituição na Equação 2.61. Especificamen- linear de exponenciais complexas na forma
te, com entrada x[n] = ejωn para −∞ < n < ∞, pode-se
mostrar facilmente que a saída correspondente de um x[n] = αke j ω kn . (2.111)
sistema LIT com resposta ao impulso h[n] é k
Pelo princípio da superposição e da Equação
y[n] = H (ejω)ejωn, (2.103)
2.103, a saída correspondente de um sistema LIT é
em que

y[n] = αkH (e j ω k )e j ω kn . (2.112)
k
H (e j ω ) = h[k]e−j ωk . (2.104)
Assim, se pudermos encontrar uma representação
k=−∞
de x[n] como uma superposição de sequências expo-
Consequentemente, ejωn é uma autofunção do nenciais complexas, como na Equação 2.111, podere-
sistema, e o autovalor associado é H(ejω). Da Equação mos então encontrar a saída usando a Equação 2.112
2.103, vemos que H(ejω) descreve a mudança na ampli- se soubermos a resposta em frequência do sistema em
tude complexa de um sinal de entrada exponencial com- todas as frequências ωk. O exemplo simples a seguir
plexo em função da frequência ω. O autovalor H(ejω) é ilustra essa propriedade fundamental dos sistemas LIT.
a resposta em frequência do sistema. Em geral, H(ejω)
é complexo e pode ser expresso em termos de suas par-
Exemplo 2.15  Resposta senoidal de sistemas LIT
tes real e imaginária como
H (ejω) = HR (ejω) + jHI (ejω) (2.105) Consideremos uma entrada senoidal

ou, em termos de magnitude e fase, como x[n] = A cos(ω 0 n + φ)


jω) A j φ j ω0 n A −j φ −j ω0 n
H (ejω) = |H (ejω)|ej∠ H (e . (2.106) = e e + e e . (2.113)
2 2

BOOK_oppen0512_BR.indb 26 1/15/13 6:03 PM


Capítulo 2  Sinais e sistemas de tempo discreto  27

Da Equação 2.103, a resposta a x1[n] = (A /2)ejφ ejω0n é


é indistinguível da sequência

A
{ej (ω+2π)n},  −∞ < n < ∞.
y 1 [n] = H (e j ω0 ) e j φ e j ω0 n . (2.114a)
2 Como essas duas sequências possuem valores
idênticos para todo n, o sistema precisa responder de
A resposta a x2[n] = (A /2)e−jφe−jω0n é
forma idêntica a essas duas sequências de entrada. Essa
A condição requer que a Equação 2.119 seja válida.
y 2 [n] = H (e−j ω0 ) e−j φ e−j ω0 n . (2.114b)
2 Como H(ejω) é periódico com período 2π, e como
Assim, a resposta total é as frequências ω e ω+2π são indistinguíveis, segue-se
que precisamos apenas especificar H(ejω) em um inter-
A valo de comprimento 2π, por exemplo, 0 < ω ≤ 2π ou
y[n] = [H (e jω0 )e jφ e jω0 n + H (e−jω0 )e−jφ e−jω0 n ]. (2.115)
2 −π < ω ≤ π. A periodicidade inerente define a respos-
Se h[n] for real, pode-se mostrar (veja o Problema 2.78) ta em frequência em todos os pontos fora do intervalo
que H(e−jω0) = H*(ejω0). Consequentemente, escolhido. Por simplicidade e por consistência com o
caso de tempo contínuo, geralmente é conveniente es-
y[n] = A |H (ejω0)| cos(ω0n + φ + θ), (2.116)
pecificar H(ejω) no intervalo −π < ω ≤ π. Com relação
em que θ = ∠H(ejω0) é a fase da função de sistema na fre- a esse intervalo, as “frequências baixas” são as frequên-
quência ω0. cias próximas de zero, enquanto as “frequências altas”
Para o exemplo simples do atraso ideal, |H (ejω0)| = 1 e
são as frequências próximas de ±π. Relembrando que
θ = −ω0nd, como determinamos no Exemplo 2.14. Portanto,
as frequências que diferem por um múltiplo inteiro de
y[n] = A cos(ω0n + φ − ω0nd) 2π são indistinguíveis, podemos generalizar a afirmação
= A cos[ω0(n − nd) + φ], (2.117)
anterior da seguinte forma: As “frequências baixas” são
aquelas que estão próximas de um múltiplo par de π,
que é idêntico ao que teríamos obtido diretamente usan-
do a definição do sistema atraso ideal. enquanto as “frequências altas” são aquelas que estão
próximas de um múltiplo ímpar de π, o que é consisten-
te com nossa discussão anterior na Seção 2.1.
O conceito da resposta em frequência dos siste- Uma classe importante de sistemas LIT inclui
mas LIT é essencialmente o mesmo para sistemas de aqueles sistemas para os quais a resposta em frequência
tempo contínuo e tempo discreto. Porém, surge uma é unitária em uma certa faixa de frequências e é nula
distinção importante, porque a resposta em frequência nas frequências restantes, correspondendo aos filtros
dos sistemas LIT de tempo discreto é sempre uma fun- ideais seletivos em frequência. A resposta em frequên-
ção periódica da variável de frequência ω com perío- cia de um filtro passa-baixas ideal é mostrada na Figu-
do 2π. Para mostrar esse fato, substituímos ω + 2π na ra 2.17(a). Graças à periodicidade inerente da resposta
Equação 2.104 para obter em frequência de tempo discreto, ela tem a aparência

de um filtro com múltiplas bandas, pois as frequências
H (e j (ω +2π) ) = h[n]e−j (ω +2π )n. (2.118) em torno de ω = 2π são indistinguíveis das frequências em
n=−∞

Usando o fato de que e±j2πn = 1 para n inteiro, temos Hlp(e j)


1
e−j (ω+2π)n = e−jωne−j 2πn = e−jωn.
Portanto,
–2 –2 + c – – c c  2 – c 2 
H(ej (ω+2π)) = H (ejω), para todo ω, (2.119)
(a)
e, de modo mais geral,
Hlp(e j)
H (ej(ω+2πr)) = H (ejω), para r inteiro. (2.120)
1
Ou seja, H(ejω) é periódico com período 2π. Note
que isso é claramente verdadeiro para o sistema atraso
ideal, pois e−j(ω+2π)nd = e−jωnd quando nd é um inteiro. – – c c  
O motivo para essa periodicidade está relaciona- (b)
do diretamente com nossa observação anterior de que
a sequência Figura 2.17  Filtro passa-baixas ideal mostrando (a) periodicidade da
resposta em frequência e (b) um período da resposta em frequência
{ejωn},  −∞ < n < ∞, periódica.

BOOK_oppen0512_BR.indb 27 1/15/13 6:03 PM


28  Processamento em tempo discreto de sinais

torno de ω = 0. Porém, de fato, a resposta em frequência Portanto, a resposta em frequência é


passa somente frequências baixas e rejeita frequências
altas. Como a resposta em frequência é completamente M2
1
especificada por seu comportamento no intervalo −π < H (e j ω ) = e−j ωn . (2.121)
M1 + M2 + 1
n=−M 1
ω ≤ π, a resposta em frequência do filtro passa-baixas
ideal tipicamente é mostrada apenas no intervalo −π < Para o sistema média móvel causal, M1 = 0 e a Equação
2.121 pode ser expressa como
ω ≤ π, como na Figura 2.17(b). Fica subentendido que a
resposta em frequência repete-se periodicamente com 1
M2
período 2π fora do intervalo representado. Com essa H (e j ω ) = e−j ωn . (2.122)
M2 + 1
suposição implícita, as respostas em frequência para fil- n=0

tros passa-altas, rejeita-faixa e passa-banda ideais são Usando a Equação 2.55, a Equação 2.122 torna-se
como mostradas nas figuras 2.18(a), (b) e (c), respecti-
1 1 − e−j ω(M 2 +1)
vamente. H (e j ω) =
M2 + 1 1 − e−j ω

1 (e j ω(M 2 +1)/2 − e−j ω(M 2 +1)/2 )e−j ω(M 2 +1)/2


Hhp(e j) =
M2 + 1 (e j ω/2 − e−j ω/2 )e−j ω/2
1 1 sen[ω(M2 + 1)/2] −j ωM 2 /2
(2.123)
= e .
M2 + 1 sen ω/2

– – c 0 c  
A magnitude e a fase de H(ejω) nesse caso, com M2 = 4,
são mostradas na Figura 2.19.
(a) Se o filtro média móvel for simétrico, ou seja, se M1 = M2,
então a Equação 2.123 é substituída por
Hbs(e j) 1 sen[ω(2M2 + 1)/ 2]
1 H (e j ω ) = . (2.124)
2M2 + 1 sen(ω/ 2)

Note que, em ambos os casos, H(ejω) é periódico, confor-


me é exigido da resposta em frequência de um sistema de
– – b –a 0 a b   tempo discreto. Note também que |H(ejω)| cai nas “altas
frequências” e que ∠H(ejω), isto é, a fase de H(ejω), varia
(b)
linearmente com ω. Essa atenuação das altas frequências
sugere que o sistema suavizará variações rápidas na se-
Hbp(e j) quência de entrada; em outras palavras, o sistema é uma
aproximação grosseira de um filtro passa-baixas. Isso é
1 consistente com o que esperaríamos intuitivamente do
comportamento do sistema média móvel.

– – b – a 0 a b  
(c)
2.6.2  Entradas exponenciais complexas
abruptamente aplicadas
Figura 2.18  Filtros seletivos em frequência ideais. (a) Filtro passa-al- Vimos que entradas exponenciais complexas na
tas. (b) Filtro rejeita-faixa. (c) Filtro passa-banda. Em cada caso, a res- forma ejωn para −∞ < n < ∞ produzem saídas na for-
posta em frequência é periódica com período 2π. Somente um período ma H(ejω)ejωn para sistemas LIT. Modelos desse tipo são
é mostrado. importantes na representação matemática de uma larga
gama de sinais, mesmo aqueles que existem apenas em
um domínio finito. Também podemos ganhar conheci-
Exemplo 2.16  Resposta em frequência do sistema
mento adicional sobre os sistemas LIT considerando
média móvel entradas da forma
A resposta ao impulso do sistema média móvel do Exem- x[n] = ejωnu[n], (2.125)
plo 2.3 é
 isto é, exponenciais complexas que são abruptamente apli-
 1

 , −M 1 ≤ n ≤ M 2 , cadas em um instante arbitrário e que por conveniência
h[n] = M 1 + M 2+1 aqui escolhemos como n = 0. Usando a soma de convolu-


 0, caso contrário. ção na Equação 2.61, a saída correspondente de um siste-
ma LIT causal com resposta a impulso h[n] é

BOOK_oppen0512_BR.indb 28 1/15/13 6:04 PM


Capítulo 2  Sinais e sistemas de tempo discreto  29

j
1 |H(e )|

–2 – –2 2  2 
5 5

H(e j)
4/5

–2 –  2 

–4/5

Figura 2.19  (a) Magnitude e (b) fase da resposta em frequência do sistema média móvel para o caso M1 = 0 e M2 = 4.


 0, n < 0,
 ∞ ∞
n −j ωk j ωn
y[n] = |yt [n]| = h[k]e e ≤ |h[k]|. (2.128)

 h[k]e− j ωk e j ωn , n ≥ 0. k=n+1 k=n+1
k= 0
A partir da Equação 2.128, deve ficar claro que, se
Se considerarmos a saída para n ≥ 0, podemos es- a resposta ao impulso tiver comprimento finito, de modo
crever que h[n] = 0 exceto para 0 ≤ n ≤ M, então o termo yt [n] =
∞ 0 para n + 1 > M, ou n > M − 1. Nesse caso,
y[n] = h[k]e−j ωk e j ωn y[n] = yss[n] = H (ejω)ejωn, para n > M − 1.
k=0
  Quando a resposta ao impulso tem duração infini-

−j ωk  j ωn ta, a resposta transitória não desaparece bruscamente,
− h[k]e e (2.126)
mas se as amostras da resposta ao impulso se aproxi-
k=n+1
mam de zero com n crescente, então yt[n] se aproximará
 
∞ de zero. Observe que a Equação 2.128 pode ser escrita
    = H (e j ω )e j ωn −  h[k]e−j ωk  e j ωn . (2.127) como
k=n+1 ∞
Da Equação 2.127, vemos que a saída consiste na |yt [n]| = h[k]e−j ωk e j ωn
soma de duas parcelas, isto é, y[n] = yss[n] + yt[n]. A pri- k=n+1
meira parcela, ∞ ∞
≤ |h[k]| ≤ |h[k]|. (2.129)
yss[n] = H (ejω)ejωn,
k=n+1 k=0
é a resposta em regime permanente. Ela é idêntica à Ou seja, a resposta transitória é limitada pela soma
resposta do sistema quando a entrada é ejωn para todo dos valores absolutos de todas as amostras da resposta
n. De certa forma, a segunda parcela, ao impulso. Se o membro direito da Equação 2.129 for
∞ limitado, isto é, se
yt [n] = − h[k]e−j ωk ej ωn , ∞
k=n+1 |h[k]| < ∞,
k=0
é a quantidade pela qual a saída difere do resultado da
autofunção. Essa parte corresponde à resposta transitó- então o sistema é estável. A partir da Equação 2.129,
ria, pois é claro que, em alguns casos, ela pode tender a segue-se que, para sistemas estáveis, a resposta transitó-
zero. Para ver as condições para as quais isso é verda- ria deve tornar-se cada vez menor à medida que n → ∞.
deiro, consideremos a dimensão do segundo termo. Sua Assim, uma condição suficiente para a resposta transitó-
magnitude é limitada da seguinte forma: ria decair assintoticamente é que o sistema seja estável.

BOOK_oppen0512_BR.indb 29 1/15/13 6:04 PM


30  Processamento em tempo discreto de sinais

Na Figura 2.20 é mostrada a parte real de um si- a mesma que a condição para o predomínio da solu-
nal exponencial complexo com frequência ω = 2π/10. Os ção em regime permanente. De fato, uma exponencial
pontos sólidos indicam as amostras x[k] da exponencial complexa que existe para todo n pode ser entendida
complexa abruptamente aplicada, enquanto os círculos como uma que é aplicada em n = −∞. A propriedade
abertos indicam as amostras da exponencial complexa de autofunção das exponenciais complexas depende
que estão “faltando”, isto é, que seriam não nulas se a da estabilidade do sistema, pois, em um n finito, a res-
entrada fosse da forma ejωn para todo n. Os pontos som- posta transitória precisa ter se tornado nula, de modo
breados indicam as amostras da resposta ao impulso que apenas vemos a resposta em regime permanente
h[n − k] em função de k para n = 8. No caso de com- H(ejω)ejωn para todo n finito.
primento finito mostrado na Figura 2.20(a), fica claro
que a saída consiste apenas do componente em regime 2.7 Representação de sequências por
permanente para n ≥ 8, enquanto no caso de compri-
mento infinito, fica claro que as amostras que “faltam” transformadas de Fourier
têm cada vez menos efeito à medida que n aumenta, Uma das vantagens da representação pela res-
devido à natureza decrescente da resposta ao impulso. posta em frequência de um sistema LIT é que as inter-
A condição de estabilidade também é uma condi- pretações do comportamento do sistema, como aquela
ção suficiente para a existência da função resposta em que fizemos no Exemplo 2.16, muitas vezes surgem fa-
frequência. Para ver isso, note que, em geral, cilmente. Elaboraremos esse ponto com consideravel-
∞ ∞ mente mais detalhes no Capítulo 5. Neste ponto, porém,
|H (e j ω )| = h[k]e−j ωk ≤ |h[k]e−j ωk | retornemos à questão de como podemos encontrar re-
k=−∞ k=−∞ presentações na forma da Equação 2.111 para uma se-
∞ quência de entrada arbitrária.
≤ |h[k]|, Muitas sequências podem ser representadas por
k=−∞ uma integral de Fourier na forma
de modo que a condição geral
1 π
∞ x[n] = X (e j ω)e j ωn dω, (2.130)
2π −π
|h[k]| < ∞
k=−∞
em que

garante que H(ejω)
existe. Não é surpresa que a con- X (e j ω) = x[n]e−j ωn . (2.131)
dição para a existência da resposta em frequência seja n=−∞

h [n – k]

0
0 n k

(a)

h [n – k]

0
0 n k

(b)

Figura 2.20  Exemplo de uma parte real da entrada exponencial complexa abruptamente aplicada com (a) FIR e (b) IIR.

BOOK_oppen0512_BR.indb 30 1/15/13 6:04 PM


Capítulo 2  Sinais e sistemas de tempo discreto  31

As equações 2.130 e 2.131, juntas, formam uma Como discutido anteriormente, a resposta em fre-
representação de Fourier para a sequência. A Equação quência é uma função periódica de ω. De modo simi-
2.130, a transformada de Fourier inversa, é uma fórmula lar, a transformada de Fourier é periódica em ω com
de síntese. Ou seja, ela representa x[n] como uma su- período 2π. Uma série de Fourier é comumente usada
perposição de senoides complexas infinitesimalmente para representar sinais periódicos, e vale a pena notar
pequenas na forma que, de fato, a Equação 2.131 tem a forma de uma série
de Fourier para a função periódica X(ejω). A Equação
1
X (e j ω )e j ωn dω, 2.130, que expressa os valores de sequência x[n] em ter-
2π mos da função periódica X(ejω), tem a forma da integral
com ω variando em um intervalo de comprimento 2π que seria usada para obter os coeficientes na série de
e com X(ejω) determinando a importância relativa Fourier. Nosso uso das equações 2.130 e 2.131 é focado
de cada componente senoidal complexo. Embora es- na representação da sequência x[n]. Apesar disso, é útil
crevendo-se a Equação 2.130 tenhamos escolhido um ter ciência da equivalência entre a representação por
intervalo de valores para ω entre −π e +π, qualquer in- série de Fourier das funções periódicas de variável con-
tervalo de comprimento 2π pode ser usado. A Equação tínua e a representação por transformada de Fourier
2.131, a transformada de Fourier,4 é uma expressão para dos sinais de tempo discreto, pois todas as propriedades
calcular X(ejω) a partir da sequência x[n], isto é, para familiares da série de Fourier podem ser aplicadas, com
analisar a sequência x[n] e determinar o quanto de cada a interpretação apropriada das variáveis, à represen-
componente em frequência é necessário para sintetizar tação por transformada de Fourier de uma sequência.
x[n] usando-se a Equação 2.130. [Oppenheim e Willsky (1997), McClellan, Schafer e Yo-
Em geral, a transformada de Fourier é uma função der (2003).]
de ω e de valores complexos. Assim como ocorre com a Determinar a classe de sinais que pode ser repre-
resposta em frequência, podemos expressar X(ejω) na sentada pela Equação 2.130 é equivalente a considerar
forma retangular, como a convergência da soma infinita na Equação 2.131. Ou
seja, estamos preocupados com as condições que devem
X(ejω) = XR (ejω) + jXI (ejω), (2.132a)
ser satisfeitas pelos termos na soma na Equação 2.131,
ou na forma polar, como de tal forma que

X(ejω) = |X(ejω)|ej ∠ X(e ), (2.132b) |X(ejω)| < ∞  para todo ω,
com |X(ejω)| representando a magnitude e ∠X(ejω), sendo X(ejω) o limite quando M → ∞ da soma finita
a fase. M
A fase ∠X(ejω) não é especificada de forma única XM (e j ω ) = x[n]e−j ωn . (2.134)
pela Equação 2.132(b), já que qualquer múltiplo intei- n=−M
ro de 2π pode ser acrescentado a ∠X(ejω) em qualquer Uma condição suficiente para a convergência
valor de ω sem afetar o resultado da exponenciação pode ser encontrada como se segue:
complexa. Quando queremos especificamente nos re-

ferir ao valor principal, ou seja, ∠X(ejω) restrito ao in-
|X (e j ω )| = x[n]e−j ωn
tervalo de valores entre −π e +π, denotamos isso como
n=−∞
ARG[X(ejω)]. Se quisermos nos referir a uma função de

fase que seja uma função contínua de ω para 0 < ω < π,
≤ |x[n]| |e−j ωn |
isto é, não calculada com mod 2π, usamos a notação
n=−∞
arg[X(ejω)].

Como fica claro pela comparação das equações
≤ |x[n]| < ∞.
2.104 e 2.131, a resposta em frequência de um sistema n=−∞
LIT é a transformada de Fourier da resposta ao impul-
so. A resposta ao impulso pode ser obtida a partir da Assim, se x[n] for somável em valor absoluto, en-
resposta em frequência aplicando a integral da transfor- tão X(ejω) existe. Além disso, nesse caso, pode-se mos-
mada de Fourier inversa; isto é, trar que a série converge uniformemente para uma fun-
ção contínua de ω [Körner (1988), Kammler (2000)].
1 π
Como uma sequência estável é, por definição, somável
h[n] = H (e j ω )e j ωn dω. (2.133)
2π −π

4 A Equação 2.131 é algumas vezes chamada mais explicitamente de transformada de Fourier de tempo discreto, ou TFTD, particularmente
quando é importante distingui-la da transformada de Fourier de tempo contínuo.

BOOK_oppen0512_BR.indb 31 1/15/13 6:04 PM


32  Processamento em tempo discreto de sinais

em valor absoluto, todas as sequências estáveis têm que define X(ejω). Especificamente, nesse caso, temos a
transformadas de Fourier. Segue-se também que qual- convergência em média quadrática; ou seja, com

quer sistema estável, ou seja, que tenha uma resposta ao
impulso somável em valor absoluto, terá uma resposta X (e j ω ) = x[n]e−j ωn (2.137a)
n=−∞
em frequência finita e contínua. e
A somabilidade em valor absoluto é uma condição M

suficiente para a existência de uma representação por XM (e j ω) = x[n]e−j ωn , (2.137b)


transformada de Fourier. Nos exemplos 2.14 e 2.16, cal- n=−M

culamos as transformadas de Fourier da resposta ao im- segue-se que


pulso do sistema atraso e do sistema média móvel. As res- π
postas ao impulso são somáveis em valor absoluto, pois lim |X (e j ω) − XM (e j ω )|2 dω = 0. (2.138)
M→∞ −π
têm comprimento finito. Nitidamente, qualquer sequência
de comprimento finito é somável em valor absoluto, e, as- Em outras palavras, o erro |X(ejω) − XM (ejω)|
sim, terá uma representação por transformada de Fourier. pode não tender a zero para cada valor de ω quando
No contexto dos sistemas LIT, qualquer sistema FIR será M → ∞, mas a “energia” total do erro, sim. O Exemplo
estável e, portanto, terá uma resposta em frequência con- 2.18 ilustra esse caso.
tínua e finita. Porém, quando uma sequência tem compri-
mento infinito, temos de nos preocupar com a convergên- Exemplo 2.18  Somabilidade quadrática para o
cia da soma infinita. O exemplo a seguir ilustra esse caso. filtro passa-baixas ideal
Neste exemplo, determinamos a resposta ao impulso do
Exemplo 2.17  Somabilidade em valor filtro passa-baixas ideal discutido na Seção 2.6. A resposta
absoluto para uma exponencial em frequência é
abruptamente aplicada 1, |ω| < ω c ,
H lp (e j ω ) = (2.139)
0, ω c < |ω| ≤ π,
Considere x[n] = anu[n]. A transformada de Fourier dessa
sequência é com periodicidade 2π também subentendida. A resposta
ao impulso hlp[n] pode ser encontrada usando a equação
∞ ∞
de síntese da transformada de Fourier (2.130):
X (e j ω ) = a n e−j ωn = (ae−j ω )n
n=0 n=0 1 ωc
hlp [n] = ej ωn dω
1 2π −ωc
= se |ae−j ω | < 1 ou |a| < 1.
1 − ae−j ω 1 ωc 1
= e j ωn = (e j ω c n − e−j ω c n )
2πj n −ωc 2πj n
Claramente, a condição |a| < 1 é a condição para a soma-
bilidade em valor absoluto de x[n]; isto é, sen ωc n
(2.140)
= , −∞ < n < ∞.
πn

1 Notamos que, como hlp[n] é não nulo para n < 0, o filtro
|a|n = < ∞ se|a| < 1. (2.135)
1 − |a| passa-baixas ideal é não causal. Além disso, hlp[n] não é
n=0
somável em valor absoluto. Os valores da sequência se
aproximam de zero quando n → ∞, mas somente com
1/n. Isso ocorre porque Hlp(ejω) é descontínua em ω = ωc.
A somabilidade em valor absoluto é uma condi- Como hlp[n] não é somável em valor absoluto, a soma in-
ção suficiente para a existência de uma representação finita
por transformada de Fourier, e também garante a con- ∞
sen ωc n −j ωn
vergência uniforme. Algumas sequências não são so- e
πn
máveis  em valor absoluto, mas são quadraticamente n=−∞
somáveis,­ou seja, não converge uniformemente para todos os valores de
∞ ω. Para se ter uma percepção intuitiva desse fato, consi-
|x[n]|2 < ∞. (2.136) deremos HM(ejω) como a soma de um número finito de
n=−∞ parcelas:
Essas sequências podem ser representadas por M
sen ωc n −j ωn
uma transformada de Fourier se aceitarmos relaxar a HM (e j ω ) = e . (2.141)
πn
n=−M
condição de convergência uniforme da soma infinita

BOOK_oppen0512_BR.indb 32 1/15/13 6:04 PM


Capítulo 2  Sinais e sistemas de tempo discreto  33

A função HM(ejω) é mostrada na Figura 2.21 para diver- Exemplo 2.19  Transformada de Fourier de uma
sos valores de M. Note que, quando M aumenta, o com- constante
portamento oscilatório em ω = ωc (muitas vezes chamado Considere a sequência x[n] = 1 para todo n. Essa sequên-
de fenômeno de Gibbs) é mais rápido, mas a amplitude cia não é nem somável em valor absoluto nem quadrati-
das oscilações não diminui. De fato, pode-se mostrar que, camente somável, e a Equação 2.131 não converge nem
enquanto M → ∞, a amplitude máxima das oscilações no sentido uniforme nem na média quadrática nesse caso.
não se aproxima de zero, mas as oscilações convergem lo- Porém, é possível e útil definir a transformada de Fourier
calmente para os pontos ω = ±ωc. Assim, a soma infinita da sequência x[n] como o trem de impulso periódico
não converge uniformemente para a função descontínua ∞
Hlp(ejω) da Equação 2.139. Porém, hlp[n], dada na Equação X (e j ω ) = 2πδ(ω + 2π r). (2.142)
2.140, é quadraticamente somável e, de modo correspon- r=−∞
dente, HM(ejω) converge no sentido da média quadrática Os impulsos, nesse caso, são funções de uma variável contínua
para Hlp(ejω); isto é, e, portanto, são de “altura infinita, largura zero e área unitá-
π ria”, o que é consistente com o fato de que a Equação 2.131
lim |H lp (e j ω ) − HM (e j ω )|2 dω = 0. não converge em qualquer sentido usual. [Veja Oppenheim
M→∞ −π
e Willsky (1997) para uma discussão sobre a definição e as
Embora o erro entre HM(ejω) e Hlp(ejω) quando M → ∞ propriedades da função impulso.] O uso da Equação 2.142
possa não parecer importante porque as duas funções di- como uma representação de Fourier da sequência x[n] = 1
ferem apenas em ω = ωc, veremos no Capítulo 7 que o é justificado principalmente porque a substituição formal da
comportamento das somas finitas, como a Equação 2.141, Equação 2.142 na Equação 2.130 leva ao resultado correto. O
tem implicações importantes no projeto de sistemas de Exemplo 2.20 representa uma generalização deste exemplo.
tempo discreto para filtragem.
Exemplo 2.20  Transformadas de Fourier de
sequências exponenciais complexas
Algumas vezes, é útil ter uma representação por
transformada de Fourier para certas sequências que Considere uma sequência x[n] cuja transformada de
não são nem somáveis em valor absoluto nem quadrati- Fourier seja o trem de impulso periódico
camente somáveis. Ilustramos diversas delas nos exem- ∞
plos a seguir. X (e j ω) = 2πδ(ω − ω 0 + 2π r). (2.143)
r=−∞

HM (e j), M = 1 HM (e j), M = 3

– –c 0 c   – –c 0 c  
(a) (b)

HM (e j), M =7 HM (e j), M = 19

– –c 0 c   – –c 0 c  
(c) (d)

Figura 2.21  Convergência da transformada de Fourier. O comportamento oscilatório em ω = ωc é muitas vezes chamado de fenômeno de Gibbs.

BOOK_oppen0512_BR.indb 33 1/15/13 6:04 PM


34  Processamento em tempo discreto de sinais

Mostramos, neste exemplo, que x[n] é a sequência expo-


As propriedades de simetria da transformada de
nencial complexa ejω0n, com −π < ω0 ≤ π. Fourier frequentemente são muito úteis para simplifi-
Podemos determinar x[n] substituindo X(ejω) na integral da car a solução de problemas. A discussão a seguir apre-
transformada de Fourier inversa da Equação 2.130. Como senta essas propriedades. As provas são consideradas
a integração de X(ejω) estende-se apenas por um período, nos problemas 2.79 e 2.80. Porém, antes de apresentar
de −π < ω < π, precisamos incluir apenas a parcela r = 0 da as propriedades, começaremos com algumas definições.
Equação 2.143. Consequentemente, podemos escrever
Uma sequência simétrica conjugada xe[n] é defi-
1 π nida como uma sequência para a qual xe[n] = x*e[−n], e
x[n] = 2πδ(ω − ω 0 )e j ωn dω. (2.144)
2π −π uma sequência antissimétrica conjugada xo[n] é definida
como uma sequência para a qual xo[n] = −x*o[−n], em que
Pela definição da função impulso, segue-se que * indica conjugação complexa. Qualquer sequência x[n]

x[n] = ejω0n para qualquer n. pode ser expressa como a soma de uma sequência si-
Para ω0 = 0, essa sequência reduz-se à considerada no métrica conjugada e de uma sequência antissimétrica
Exemplo 2.19. conjugada. Especificamente,
x[n] = xe[n] + xo[n], (2.149a)
sendo
Claramente, x[n] no Exemplo 2.20 não é nem so-
mável em valor absoluto nem quadraticamente somá- xe [n] = 21 (x[n] + x ∗ [−n]) = xe∗ [−n] (2.149b)
vel, e |X(ejω)| não é finito para todo ω. Assim, o enuncia-
do matemático e
∞ ∞ xo[n] = 21 (x[n] − x ∗ [−n]) = −xo∗ [−n]. (2.149c)
ej ω0 n e−j ωn = 2π δ(ω − ω 0 + 2π r) (2.145)
n=−∞ r=−∞
Somando-se as equações 2.149(b) e 2.149(c) con-
deve ser interpretado no contexto das funções genera- firma-se que a Equação 2.149(a) é válida. Uma sequên-
lizadas (Lighthill, 1958). Usando essa teoria, o concei- cia real que é simétrica conjugada de tal forma que xe[n]
to de uma representação por transformada de Fourier = xe[−n] é chamada de sequência par, e uma sequência
pode ser estendido para a classe de sequências que po- real que é antissimétrica conjugada de tal forma que
dem ser expressas como uma soma de componentes em xo[n] = −xo[−n] é chamada de sequência ímpar.
frequência discretos, como Uma transformada de Fourier X(ejω) pode ser de-
composta em uma soma de uma função simétrica con-
x[n] = ak e j ω k n , −∞ < n < ∞. (2.146) jugada e uma função antissimétrica conjugada como
k
Pelo resultado do Exemplo 2.20, segue-se que X(ejω) = Xe(ejω) + Xo(ejω), (2.150a)
∞ em que
   X (e j ω) = 2π akδ(ω − ωk + 2π r) (2.147)
r=−∞ k Xe(ejω) = ½ [X(ejω) + X*(e−jω)] (2.150b)
é uma representação consistente da transformada de e
Fourier de x[n] na da Equação 2.146.
Outra sequência que não é nem somável em valor Xo(ejω) = ½ [X(ejω) − X*(e−jω)]. (2.150c)
absoluto nem quadraticamente somável é a sequência Substituindo −ω por ω nas equações 2.150(b) e
degrau unitário u[n]. Embora não seja completamente 2.150(c), segue que Xe(ejω) é simétrica conjugada e
imediato mostrar, essa sequência pode ser representada Xo(ejω) é antissimétrica conjugada; ou seja,
pela seguinte transformada de Fourier:
∞ Xe(ejω) = X*e(e−jω) (2.151a)
1
U (e j ω) = + π δ(ω + 2πr). (2.148) em que
1 − e−j ω r=−∞
Xo(ejω) = −X*o(e−jω). (2.151b)
2.8 Propriedades de simetria da Se uma função real de uma variável contínua for
transformada de Fourier simétrica conjugada, ela é chamada de função par, e
Ao usar as transformadas de Fourier, é útil que se uma função antissimétrica conjugada real de uma va-
tenha um conhecimento detalhado do modo como as riável contínua é chamada de função ímpar.
propriedades da sequência se manifestam na transfor- As propriedades de simetria da transformada de
mada de Fourier e vice-versa. Nesta seção e na Seção 2.9, Fourier são resumidas na Tabela 2.1. As seis primeiras
discutimos e resumimos uma série dessas propriedades. propriedades aplicam-se a uma sequência complexa

BOOK_oppen0512_BR.indb 34 1/15/13 6:04 PM


Capítulo 2  Sinais e sistemas de tempo discreto  35

Tabela 2.1  Propriedades de simetria da transformada de Fourier.

Sequência Transformada de Fourier


x[n] X(ejω)

1. x*[n] X*(e−jω)
2. x*[−n] X*(ejω)
3. Re{x[n]} Xe(ejω) (componente simétrica conjugada de X(ejω))
4. j Im{x[n]} Xo(ejω) (componente antissimétrica conjugada de X(ejω))
5. xe[n] (componente simétrica conjugada de x[n]) XR(ejω) = Re{X(ejω)}
6. xo[n] (componente antissimétrica conjugada de x[n]) jXI (ejω) = j Im{X(ejω)}
As propriedades a seguir se aplicam somente quando x[n] é real:
7. Qualquer x[n] real X(ejω) = X*(e−jω) (a transformada de Fourier é simétrica conjugada)
8. Qualquer x[n] real XR(ejω) = XR(e−jω) (a parte real é par)
9. Qualquer x[n] real XI(ejω) = −XI(e−jω) (a parte imaginária é ímpar)
10. Qualquer x[n] real |X(ejω)| = |X(e−jω)| (a magnitude é par)
11. Qualquer x[n] real ∠ X(ejω) = −∠X(e−jω) (a fase é ímpar)
12. xe[n] (componente par de x[n]) XR(ejω)
13. xo[n] (componente ímpar de x[n]) jXI (ejω)


genérica x[n] com transformada de Fourier X(ejω). As X(ejω) = |X(ejω)|ej∠X(e ), (2.154)
propriedades 1 e 2 são consideradas no Problema 2.79.
A propriedade 3 segue das propriedades 1 e 2, além do podemos mostrar que, para uma sequência real x[n], a
fato de que a transformada de Fourier da soma de duas magnitude da transformada de Fourier, |X(ejω)|, é uma
sequências é a soma de suas transformadas de Fourier. função par de ω, e a fase, ∠X(ejω), pode ser escolhida de
Especificamente, a transformada de Fourier de Re{x[n]} forma a ser uma função ímpar de ω (propriedades 10 e
= ½(x[n] + x*[n]) é a componente simétrica conjuga- 11). Além disso, para uma sequência real, a componen-
da de X(ejω), ou Xe(ejω). Similarmente, jIm{x[n]} = te par de x[n] transforma-se em XR(ejω), e a componente­
½ (x[n] − x*[n]), ou, de forma equivalente, jIm{x[n]} ímpar de x[n] transforma-se em jXI(ejω) (propriedades
tem uma transformada de Fourier que é o componen- 12 e 13).
te antissimétrico conjugado Xo(ejω), correspondente à
propriedade 4. Considerando a transformada de Fou- Exemplo 2.21  Uso das propriedades
rier de xe[n] e xo[n], os componentes simétrico conjuga-
de simetria
do e antissimétrico conjugado de x[n], respectivamente,
pode-se mostrar que as propriedades 5 e 6 são válidas. Retornemos à sequência do Exemplo 2.17, no qual mos-
Se x[n] é uma sequência real, essas proprieda- tramos que a transformada de Fourier da sequência real
des de simetria se tornam particularmente imediatas x[n] = anu[n] é
e úteis. Especificamente, para uma sequência real, a 1
transformada de Fourier é simétrica conjugada; isto é, X (e j ω) = se |a| < 1. (2.155)
1 − ae−j ω
X(ejω) = X*(e–jω) (propriedade 7). Expressando X(ejω)
em termos de suas partes real e imaginária como Então, das propriedades dos números complexos, segue
que
X(ejω) = XR(ejω) + jXI (ejω), (2.152) 1
X (e j ω) = = X∗ (e−j ω)
podemos deduzir as propriedades 8 e 9 — especificamente, 1 − ae−j ω
(propriedade 7),
XR(ejω) = XR(e−jω) (2.153a)
1 − a cos ω
e XR (e j ω) = = XR (e−j ω )
1 + a 2 − 2a cos ω
XI (ejω) = −XI (e−jω). (2.153b) (propriedade 8),

Em outras palavras, a parte real da transformada −a sen ω


XI (e j ω ) = = −XI (e−j ω )
de Fourier é uma função par, e a parte imaginária é uma 1 + a 2 − 2a cos ω
função ímpar, se a sequência for real. De modo similar, (propriedade 9),
expressando X(ejω) na forma polar como

BOOK_oppen0512_BR.indb 35 1/15/13 6:04 PM


36  Processamento em tempo discreto de sinais

1
2.9 Teoremas da transformada de
|X (e j ω)| = = | X (e− j ω)|
(1 + a 2 − 2a cos ω)1/ 2 Fourier
(propriedade 10). Além das propriedades de simetria, diversos teo-
−a sen ω remas (apresentados nas seções 2.9.1-2.9.7) relacionam
X (e j ω) = tg−1 = − X (e−j ω)
1 − a cos ω operações sobre a sequência a operações sobre a sua
(propriedade 11). transformada de Fourier. Veremos que esses teoremas
Gráficos dessas funções são mostrados na Figura 2.22 são muito similares, na maioria dos casos, aos teore-
para a > 0, especificamente, a = 0,75 (curva sólida) e a = mas correspondentes para sinais de tempo contínuo e
0,5 (curva tracejada). No Problema 2.32, consideramos os suas transformadas de Fourier. Para facilitar o enun-
gráficos correspondentes para a < 0. ciado dos teoremas, introduzimos a seguinte notação
operacional:
5
4 X (e j ω) = F{x[n]},
Amplitude

3 x[n] = F −1 {X (e j ω)},
2 F
1 x[n] ←→ X (e j ω).
0 Ou seja, F indica a operação de “tomar a trans-
– – 0  
2 2 formada de Fourier de x[n]”, e F −1 é o inverso dessa
Frequência em radianos () operação. A maior parte dos teoremas será enunciada
(a) sem prova. As provas, que são deixadas como exer-
2 cícios (Problema 2.81), geralmente envolvem apenas
manipulações simples de variáveis do somatório ou
Amplitude

1
integração. Os teoremas nesta seção estão resumidos
0
na Tabela 2.2.
–1

–2 2.9.1  Linearidade da transformada de Fourier


– – 0  
2 2 Se
Frequência em radianos ()
F
(b) x1 [n] ←→ X1 (e j ω )
5
e
4
F
Amplitude

3 x2 [n] ←→ X2 (e j ω ),
2
então segue, por substituição na definição da TFTD, que
1
F
0
–
  ax1 [n] + bx2 [n] ←→ aX1 (e j ω) + bX2 (e j ω). (2.156)
– 0  
2 2
Frequência em radianos () 2.9.2  Teorema do deslocamento no tempo e do
(c)
deslocamento na frequência
1,0 Se
Fase (radianos)

0,5 F
x[n] ←→ X (e j ω),
0
então, para a sequência deslocada no tempo x[n − nd],
– 0,5
uma transformação simples do índice do somatório na
–1,0 TFTD resulta
– – 0  
2 2
F
Frequência em radianos () x[n − nd ] ←→ e−j ωnd X (e j ω). (2.157)
(d)
A substituição direta prova o seguinte resultado
Figura 2.22  Resposta em frequência para um sistema com resposta para a transformada de Fourier deslocada na frequência:
ao impulso h [n] = a nu [n]. (a) Componente real. a > 0; a = 0,75 (curva
F
sólida) e a = 0,5 (curva tracejada). (b) Componente imaginária. (c) Mag- e j ω 0 n x[n] ←→ X (e j (ω −ω 0 ) ). (2.158)
nitude. a > 0; a = 0,75 (curva sólida) e a = 0,5 (curva tracejada). (d) Fase.

BOOK_oppen0512_BR.indb 36 1/15/13 6:04 PM


Capítulo 2  Sinais e sistemas de tempo discreto  37

Tabela 2.2  Teoremas da transformada de Fourier.

Sequência Transformada de Fourier


x[n] X(ejω)
y[n] Y(ejω)

1. ax[n] + by[n] aX (e j ω ) + bY (e j ω)

2. x[n − nd ] (nd um inteiro) e−j ωnd X (e j ω)

3. e j ω 0 n x[n] X (e j (ω −ω 0 ) )

4. x[−n] X (e−j ω )
X∗ (e j ω ) se x[n] real.

dX (e j ω )
5. nx[n] j

6. x[n] ∗ y[n] X (e j ω )Y (e j ω )
1 π
7. x[n]y[n] X (e j θ )Y (e j (ω −θ ) )dθ
2π −π

Teorema de Parseval:

1 π
8. |x[n]|2 = |X (e j ω )|2 dω
2π −π
n=−∞

1 π
9. x[n]y ∗ [n] = X (e j ω )Y∗ (e j ω )dω
2π −π
n=−∞

2.9.3  Teorema da reflexão no tempo então


Se ∞
1 π
  E = |x[n]|2 = |X (e j ω )|2 dω. (2.162)
F jω n=−∞
2π −π
x[n] ←→ X (e ),
A função |X(ejω)|2 é chamada de densidade espec-
então, se a sequência for refletida no tempo, tral de energia, pois determina como a energia é distri-
F buída no domínio da frequência. Necessariamente, a
x[−n] ←→ X (e−j ω ). (2.159)
densidade espectral de energia é definida somente para
Se x[n] é real, esse teorema se torna sinais de energia finita. Uma forma mais geral do teore-
ma de Parseval é mostrada no Problema 2.84.
F
x[−n] ←→ X∗ (e j ω ). (2.160)
2.9.6  Teorema da convolução
2.9.4  Teorema da diferenciação na frequência Se
Se F
x[n] ←→ X (e j ω )
F
x[n] ←→ X (e j ω ), e

então, diferenciando a TFTD, pode-se ver que F


h[n] ←→ H (e j ω ),
F dX (e j ω) e se
nx[n] ←→ j . (2.161)

2.9.5  Teorema de Parseval y[n] = x[k]h[n − k] = x[n] ∗ h[n], (2.163)


k=−∞
Se
então
F
x[n] ←→ X (e j ω ), Y(ejω) = X(ejω)H(ejω). (2.164)

BOOK_oppen0512_BR.indb 37 1/15/13 6:04 PM


38  Processamento em tempo discreto de sinais

Assim, a convolução de sequências implica a mul- 2.9.7  Teorema da modulação ou do janelamento


tiplicação das transformadas de Fourier corresponden- Se
tes. Note que a propriedade do deslocamento no tempo
F
é um caso especial da propriedade de convolução, pois x[n] ←→ X (e j ω)
F
δ[n − nd ] ←→ e−j ωnd (2.165) e
F
e se h[n] = δ[n − nd], então y[n] = x[n] * δ[n − nd] = w[n] ←→ W (e j ω),
x[n − nd]. Portanto,
e se
H(ejω) = e−jωnd e Y (ejω) = e−jωnd X(ejω).
y[n] = x[n]w[n], (2.166)
Uma dedução formal do teorema da convolução
é facilmente obtida aplicando-se a definição da trans- então
formada de Fourier a y[n], como expresso na Equação 1 π
2.163. Esse teorema também pode ser interpretado Y (e j ω ) = X (e j θ )W (e j (ω −θ) )dθ. (2.167)
2π −π
como uma consequência direta da propriedade de auto-
função das exponenciais complexas para sistemas LIT. A Equação 2.167 é uma convolução periódi-
Lembre-se de que H(ejω) é a resposta em frequência do ca, isto é, uma convolução de duas funções periódi-
sistema LIT cuja resposta ao impulso é h[n]. Além dis- cas com limites de integração que se estendem por
so, se apenas um período. A dualidade inerente na maioria
dos teoremas de transformada de Fourier é eviden-
x[n] = ejωn,
te quando comparamos os teoremas da convolução e
então modulação. Porém, diferentemente do caso de tempo
y[n] = H(ejω)ejωn. contínuo, onde essa dualidade é completa, no caso do
tempo discreto aparecem diferenças fundamentais,
Ou seja, exponenciais complexas são autofunções porque a transformada de Fourier é uma soma, en-
de sistemas LIT, sendo H(ejω), a transformada de Fou- quanto a transformada inversa é uma integral com
rier de h[n], o autovalor. Da definição da integração, um integrando periódico. Embora para tempo contí-
a equação de síntese da transformada de Fourier cor- nuo possamos enunciar que a convolução no domínio
responde à representação de uma sequência x[n] como do tempo é representada pela multiplicação no do-
uma superposição de exponenciais complexas de di- mínio da frequência e vice-versa, em tempo discre-
mensão infinitesimal; ou seja, to esse enunciado precisa ser um pouco modificado.
1 π Especificamente, a convolução em tempo discreto de
x[n] = X (e j ω )e j ωn dω sequências (a soma de convolução) é equivalente à
2π −π
multiplicação de transformadas de Fourier periódicas
1 correspondentes, e a multiplicação de sequências é
= lim X (e )e
→0 2π equivalente à convolução periódica das transforma-
k
das de Fourier correspondentes.
Pela propriedade de autofunção dos sistemas li- Os teoremas desta seção e uma série de pares
neares e pelo princípio da superposição, a saída corres- transformados de Fourier estão resumidos nas tabe-
pondente será las 2.2 e 2.3, respectivamente. Uma das formas em
1 que o conhecimento dos teoremas e propriedades
y[n] = lim H (e )X (e )e da transformada de Fourier é útil é na determinação
→0 2π
k das transformadas de Fourier ou das transformadas
1 π inversas. Muitas vezes, usando os teoremas e pares
= H (e j ω)X (e j ω)e j ωn dω. transformados conhecidos, é possível representar
2π −π
uma sequência em termos de operações sobre outras
Assim, concluímos que sequências para as quais a transformada é conhecida,
Y (ejω) = H (ejω)X(ejω), simplificando assim um problema de outra forma di-
fícil ou tedioso. Os exemplos 2.22-2.25 ilustram essa
como na Equação 2.164. abordagem.

BOOK_oppen0512_BR.indb 38 1/15/13 6:04 PM


Capítulo 2  Sinais e sistemas de tempo discreto  39

Tabela 2.3  Pares transformados de Fourier.

Sequência Transformada de Fourier

1. δ[n] 1
2. δ[n − n0 ] e−j ωn0

3. 1 (−∞ < n < ∞) 2π δ(ω + 2π k)
k=−∞

1
4. a n u[n] (|a| < 1)
1 − ae−j ω

1
5. u[n] + π δ(ω + 2π k)
1 − e−j ω
k=−∞
1
6. (n + 1)an u[n] (|a| < 1)
(1 − ae−j ω )2
r n sen ωp(n + 1) 1
7. u[n] (|r| < 1)
sen ωp 1 − 2r cos ωp e−j ω + r 2 e−j 2ω
sen ωc n 1, |ω| < ωc ,
8. X (ej ω ) =
πn 0, ω c < |ω| ≤ π

1, 0 ≤ n ≤ M sen[ω(M + 1)/ 2] −j ωM/ 2


9. x[n] = e
0, caso contrário sen(ω/ 2)

10. e j ω0 n 2π δ(ω − ω 0 + 2π k)
k=−∞

11. cos(ω 0 n + φ) [π ej φ δ(ω − ω 0 + 2π k) + π e−j φ δ(ω + ω 0 + 2π k)]
k =−∞

Exemplo 2.22  D
 eterminando uma transformada de Exemplo 2.23  Determinando uma transformada
Fourier usando as tabelas 2.2 e 2.3 de Fourier inversa usando as
tabelas 2.2 e 2.3
Suponha que queiramos encontrar a transformada de
Fourier da sequência x[n] = anu[n − 5]. Essa transformada Suponha que
pode ser calculada explorando-se os teoremas 1 e 2 da Ta-
bela 2.2 e o par transformado 4 da Tabela 2.3. Seja x1[n] = 1
X (e j ω ) = . (2.171)
anu[n]. Começamos com esse sinal porque ele é o sinal da (1 − ae− j ω) (1 − be− j ω)
Tabela 2.3 mais semelhante a x[n]. A tabela enuncia que
A substituição direta de X(ejω) na Equação 2.130 leva a
1 uma integral que é difícil de calcular por técnicas comuns
X 1 (e j ω ) = . (2.168)
1 − ae− j ω de integração real. Porém, usando a técnica de expansão
em frações parciais, que discutimos com detalhes no Capí-
Para obter x[n] a partir de x1[n], primeiro atrasamos x1[n]
tulo 3, podemos expandir X(ejω) na forma
de cinco amostras, ou seja, x2[n] = x1[n − 5]. O Teorema 2
da Tabela 2.2 fornece a relação correspondente no domí- a/(a − b) b/(a − b)
nio da frequência, X2(ejω) = e−j5ωX1(ejω), de modo que X (e j ω ) = − . (2.172)
1 − ae− j ω 1 − be− j ω
e− j 5ω Do Teorema 1 da Tabela 2.2 e pelo par transformado 4 da
X 2 (e j ω ) = . (2.169) Tabela 2.3, segue que
1 − ae− j ω
Para passar de x2[n] para o x[n] desejado, temos apenas a b
x[n] = a n u[n] − bn u[n]. (2.173)
de multiplicá-lo pela constante a5, isto é, x[n] = a5x2[n]. A a− b a− b
propriedade de linearidade da transformada de Fourier,
Teorema 1 da Tabela 2.2, então fornece a transformada de
Fourier desejada,

a 5 e− j 5ω
X (e j ω ) = . (2.170)
1 − ae− j ω

BOOK_oppen0512_BR.indb 39 1/15/13 6:04 PM


40  Processamento em tempo discreto de sinais

Exemplo 2.24  D
 eterminando a resposta ao impulso
1 − jω
a partir da resposta em frequência H (e j ω ) =
1
− 4e . (2.179)
1 − 21 e− j ω 1 − 21 e− j ω
A resposta em frequência de um filtro passa-altas com
fase linear é Pela transformada 4 da Tabela 2.3,

e−j ωnd , ω c < |ω| < π, F


1 n u[n] ←→ 1
H (e j ω ) = (2.174) 2 .
0, |ω| < ω c , 1 − 21 e− j ω

em que um período de 2π é subentendido. Essa resposta Combinando essa transformada com a propriedade 2 da
em frequência pode ser expressa como Tabela 2.2, obtemos

H (ejω) = e−jωnd (1 − Hlp(ejω)) = e−jωnd − e−jωnd Hlp(ejω), 1 −j ω


− 41
F
1 n−1 u[n − 1] ←→ − 4e . (2.180)
2
em que Hlp(ejω) é periódico com período 2π e 1 − 21 e−j ω

1, |ω| < ω c , Com base na propriedade 1 da Tabela 2.2, então,


H lp (e j ω ) =
0, ω c < |ω| < π.
n 1 n−1 u[n − 1]. (2.181)
h[n] = 21 u[n] − 41 2
Usando o resultado do Exemplo 2.18 para obter a trans-
formada inversa de Hlp(ejω), juntamente com as proprie-
dades 1 e 2 da Tabela 2.2, temos

h[n] = δ[n − nd ] − h lp [n − nd ] 2.10 Sinais aleatórios de tempo


sen ωc (n − nd ) discreto
= δ[n − nd ] − .
π(n − nd ) As seções anteriores concentraram-se nas repre-

sentações matemáticas dos sinais e sistemas de tempo
discreto e as consequências interessantes que decorrem
Exemplo 2.25  D
 eterminando a resposta ao impulso de tais representações matemáticas. Sinais e sistemas de
para uma equação de diferenças tempo discreto possuem representações no domínio de
tempo e no domínio de frequência, cada uma com um
Neste exemplo, determinamos a resposta ao impulso para
lugar importante na teoria e no projeto dos sistemas de
um sistema LIT estável para o qual a entrada x[n] e a
saída y[n] satisfazem a equação de diferenças linear com processamento em tempo discreto de sinais. Até agora,
coeficientes constantes consideramos que os sinais são determinísticos, ou seja,
que cada valor de uma sequência é unicamente deter-
y[n] − 21 y[n − 1] = x[n] − 41 x[n − 1]. (2.175) minado por uma expressão matemática, uma tabela de
No Capítulo 3, veremos que a transformada z é mais útil dados ou uma regra de algum tipo.
do que a transformada de Fourier para lidar com equa- Em muitas situações, os processos que geram si-
ções de diferenças. Porém, este exemplo fornece uma pis- nais são tão complexos que tornam a descrição exata
ta sobre a utilidade dos métodos transformados na análise de um sinal extremamente difícil ou indesejável, se não
de sistemas lineares. Para encontrar a resposta ao impulso,
fazemos x[n] = δ[n]; com h[n] denotando a resposta ao im-
impossível. Nesses casos, a modelagem do sinal como
pulso, a Equação 2.175 torna-se um processo aleatório é analiticamente útil.5 Como um
exemplo, veremos no Capítulo 6 que muitos dos efeitos
h[n] − 21 h[n − 1] = δ[n] − 41 δ[n − 1]. (2.176) encontrados na implementação de algoritmos de pro-
Aplicando a transformada de Fourier em ambos os lados cessamento digital de sinais com comprimento de re-
da Equação 2.176 e usando as propriedades 1 e 2 da Tabe- gistro finito podem ser representados por ruído aditivo,
la 2.2, obtemos isto é, uma sequência aleatória. Muitos sistemas mecâ-
H (ejω) − 21 e−jωH (ejω) = 1 − 41 e−jω, (2.177) nicos geram sinais acústicos ou vibratórios que podem
ser processados para diagnosticar falhas em potencial;
ou
novamente, os sinais desse tipo são muitas vezes mais
1 − 41 e− j ω bem modelados em termos de sinais aleatórios. Os si-
H (e j ω) = . (2.178)
1 − 21 e− j ω nais de voz a serem processados para reconhecimento
Para obter h[n], queremos determinar a transformada de automático ou compressão da largura de banda e os
Fourier inversa de H(ejω). Para esse fim, reescrevemos a sinais musicais a serem processados com o objetivo
Equação 2.178 como de aprimorar a sua qualidade são mais dois de muitos
exemplos.
5 É comum, na literatura de processamento de sinais, usar os termos “aleatório” e “estocástico” com o mesmo significado. Neste livro, nós nos
referimos preferencialmente a essa classe de sinais como sinais aleatórios ou processos aleatórios.

BOOK_oppen0512_BR.indb 40 1/15/13 6:04 PM


Capítulo 2  Sinais e sistemas de tempo discreto  41

Um sinal aleatório é considerado como um mem- nos capítulos seguintes. Desta forma, concentramo-nos
bro de um conjunto de sinais de tempo discreto que é nos sinais aleatórios estacionários em sentido amplo e
caracterizado por um conjunto de funções densidade em sua representação no contexto do processamento
de probabilidade. Mais especificamente, para um sinal com sistemas LIT. Embora, por simplicidade, conside-
em particular em um instante em particular, assume-se remos que x[n] e h[n] sejam reais, os resultados podem
que a amplitude da amostra do sinal nesse instante seja ser generalizados para o caso complexo.
determinada por um esquema subjacente de probabili- Considere um sistema LIT estável com resposta
dades. Ou seja, assume-se que cada amostra individual ao impulso real h[n]. Seja x[n] uma sequência real que
x[n] de um sinal particular é o resultado de uma variá- é uma sequência amostra de um processo aleatório de
vel aleatória subjacente xn. O sinal completo é repre- tempo discreto estacionário no sentido amplo. Então, a
sentado por uma coleção dessas variáveis aleatórias, saída do sistema linear também é uma sequência amos-
uma para cada instante de amostra, −∞ < n < ∞. Essa tra de um processo aleatório de tempo discreto relacio-
coleção de variáveis aleatórias é chamada de processo nado ao processo de entrada pela transformação linear
aleatório, e assumimos que uma sequência particular de ∞ ∞
amostras x[n] para −∞ < n < ∞ foi gerada pelo proces- y[n] = h[n − k]x[k] = h[k]x[n − k].
so aleatório que está por trás do sinal. Para descrever k=−∞ k=−∞
completamente o processo aleatório, precisamos espe- Como mostramos, já que o sistema é estável, y[n]
cificar as distribuições de probabilidade individual e será limitado se x[n] for limitado. Veremos em breve que,
conjunta de todas as variáveis aleatórias. se a entrada for estacionária,6 então a saída também será.
A chave para a obtenção dos resultados úteis a O sinal de entrada pode ser caracterizado por sua média
partir desses modelos de sinais está em sua descrição mx e sua função de autocorrelação φxx[m], ou também
em termos de médias, que podem ser calculadas a partir podemos ter informações adicionais sobre as distribui-
de leis de probabilidade assumidas ou estimadas a par- ções de probabilidade de primeira ou mesmo de segun-
tir de sinais específicos. Embora os sinais aleatórios não da ordem. Na caracterização do processo aleatório de
sejam somáveis em valor absoluto ou quadraticamente saída y[n], desejamos informações similares. Para muitas
somáveis e, como consequência, não tenham transfor- aplicações, é suficiente caracterizar a entrada e a saída
madas de Fourier diretamente, muitas (mas não todas) em termos de médias estatísticas simples, como média,
das propriedades desses sinais podem ser resumidas em variância e autocorrelação. Portanto, deduziremos as re-
termos de médias como as sequências de autocorrela- lações entre entrada e saída para essas quantidades.
ção ou autocovariância, para as quais a transformada As médias dos processos de entrada e saída são,
de Fourier frequentemente existe. Como discutiremos respectivamente,
nesta seção, a transformada de Fourier da sequência de
mx = E{xn},  my = E{yn}, (2.182)
autocorrelação tem uma interpretação útil em termos n n

da distribuição em frequência da potência no sinal. O em que E {·} denota o valor esperado de uma variável alea-
uso da sequência de autocorrelação e sua transformada tória. Na maior parte de nossa discussão, não será necessá-
tem outra vantagem importante: o efeito de processar rio distinguir cuidadosamente entre as variáveis aleatórias
sinais aleatórios com um sistema linear de tempo dis- xn e yn e seus valores específicos x[n] e y[n]. Isso simplifica-
creto pode ser convenientemente descrito em termos do rá significativamente a notação matemática. Por exemplo,
efeito do sistema sobre a sequência de autocorrelação. a Equação 2.182 será escrita de forma alternativa como
Na discussão a seguir, assumimos que o leitor está mx[n] = E{x[n]},  my[n] = E{y[n]}. (2.183)
familiarizado com os conceitos básicos de processos
aleatórios, como médias, funções de correlação e cova- Se x[n] for estacionário, então mx[n] é indepen-
riância, e o espectro de potência. Uma breve revisão e dente de n e será escrito como mx, com notação similar
um resumo da notação e dos conceitos são fornecidos para my[n] se y[n] for estacionário.
no Apêndice A. Uma apresentação mais detalhada da A média do processo de saída é
teoria dos sinais aleatórios pode ser encontrada em ∞
diversos textos excelentes, como Davenport (1970) e my [n] = E{y[n]} = h[k]E{x[n − k]},
Papoulis (2002), Gray e Davidson (2004), Kay (2006) k=−∞
e Bertsekas e Tsitsiklis (2008). em que usamos o fato de que o valor esperado de uma
Nosso objetivo principal nesta seção é apresentar soma é a soma dos valores esperados. Como a entrada é
um conjunto específico de resultados que serão úteis estacionária, mx[n − k] = mx e, consequentemente,

6 No restante do texto, usaremos o termo estacionário com o significado de “estacionário no sentido amplo”, isto é, de que E{x[n1]x[n2]} para todo
n1, n2 depende somente da diferença (n1 − n2). De modo equivalente, a autocorrelação é apenas uma função da diferença de tempo (n1 − n2).

BOOK_oppen0512_BR.indb 41 1/15/13 6:04 PM


42  Processamento em tempo discreto de sinais

∞ que a autocorrelação da saída de um sistema linear é a


my [n] = mx h[k]. (2.184) convolução da autocorrelação da entrada com a auto-
k=−∞ correlação aperiódica da resposta ao impulso do siste-
Da Equação 2.184, vemos que a média da saída ma.
também é constante. Uma expressão equivalente à A Equação 2.187 sugere que as transformadas de
Equação 2.184 em termos da resposta em frequência é Fourier podem ser úteis na caracterização da resposta
my = H (ej0)mx. (2.185) de um sistema LIT a uma entrada aleatória. Assuma,
por conveniência, que mx = 0; isto é, as sequências de
Assumimos temporariamente que a saída seja não autocorrelação e autocovariância são idênticas. Então,
estacionária, a função de autocorrelação do processo de com xx(ejω), yy(ejω) e Chh(ejω) indicando as transfor-
saída para uma entrada real é madas de Fourier de φxx[m], φyy[m] e chh[/], respectiva-
φyy [n, n + m] = E{y[n]y[n + m]} mente, da Equação 2.187,
∞ ∞ yy (ejω) = Chh(ejω)xx (ejω). (2.189)
=E h[k]h[r]x[n − k]x[n + m − r]
Além disso, da Equação 2.188,
k=−∞ r=−∞
∞ ∞ Chh(ejω) = H(ejω)H*(ejω)
= h[k] h[r]E{x[n − k]x[n + m − r]}. = |H(ejω)|2,
k=−∞ r=−∞
de modo que
Como considera-se x[n] estacionário, E{x[n − k]x[n
yy (ejω) = |H(ejω)|2 xx (ejω). (2.190)
+ m − r]} depende apenas da diferença temporal m +
k − r. Portanto, A Equação 2.190 fornece a motivação para o ter-
∞ ∞ mo densidade espectral de potência. Especificamente,
φyy [n, n + m] = h[k] h[r]φxx [m + k − r]
1 π
k=−∞ r=−∞   E{y 2 [n]} = φyy [0] = yy (e

) dω (2.191)
2π −π
(2.186)
= φyy [m].
= potência média total na saída.
Ou seja, a sequência de autocorrelação de saída Substituindo a Equação 2.190 na Equação 2.191,
também depende apenas da diferença temporal m. As- temos
sim, para um sistema LIT tendo uma entrada estacioná-
ria no sentido amplo, a saída também é estacionária no E{y 2 [n]} = φyy [0]
sentido amplo.
1 π
Fazendo a substituição / = r − k, podemos expres- = |H (e j ω )|2 xx (e

) dω. (2.192)
2π −π
sar a Equação 2.186 como
∞ ∞ Suponha que H(ejω) seja um filtro passa-bandas
φyy [m] = φxx [m − ] h[k]h[ + k] ideal, como mostrado na Figura 2.18(c). Como φxx[m] é
=−∞ k=−∞ uma sequência real e par, sua transformada de Fourier
∞ também é real e par, isto é,
φxx [m − ]chh [ ],
(2.187)
=
=−∞ xx (ejω) = xx (e−jω).
em que definimos De modo similar, |H(ejω)|2 é uma função par de ω.
∞ Portanto, podemos escrever
chh [ ] = h[k]h[ + k]. (2.188)
k=−∞
φyy [0] = potência média na saída
A sequência chh[/] é chamada de sequência de au- 1 ωb
jω 1 −ωa

tocorrelação determinística ou, simplesmente, sequên- = xx (e ) dω + xx (e ) dω. (2.193)
2π ωa 2π −ωb
cia de autocorrelação de h[n]. Deve ser enfatizado que
Assim, a área sob xx (ejω) para ωa ≤ |ω| ≤ ωb pode
chh[/] é a autocorrelação de uma sequência aperiódica
ser tomada como representativa do valor médio qua-
— isto é, de energia finita —, e não deve ser confundi-
drático da entrada nessa faixa de frequências. Obser-
da com a autocorrelação de uma sequência aleatória de
vamos que a potência de saída precisa permanecer não
energia infinita. De fato, pode-se ver que chh[/] é sim-
negativa, de modo que
plesmente a convolução discreta de h[n] com h[−n]. A
Equação 2.187, então, pode ser interpretada para indicar lim φyy [0] ≥ 0.
(ωb − ωa )→0

BOOK_oppen0512_BR.indb 42 1/15/13 6:04 PM


Capítulo 2  Sinais e sistemas de tempo discreto  43

Esse resultado, juntamente com a Equação 2.193 Nesse caso, notamos que a correlação cruzada en-
e o fato de que a banda ωa ≤ ω ≤ ωb pode ser arbitraria- tre entrada e saída é a convolução da resposta ao impul-
mente pequena, implica que so com a sequência de autocorrelação de entrada.
A transformada de Fourier da Equação 2.195 é
xx (ejω) ≥ 0  para todo ω. (2.194)
Logo, notamos que a função densidade de potên- yx (ejω) = H (ejω)xx (ejω). (2.196)
cia de um sinal real é real, par e não negativa. Esse resultado tem uma aplicação útil quando a
entrada é ruído branco, isto é, quando φxx[m] = σx2 δ[m].
Fazendo a substituição na Equação 2.195, notamos que
Exemplo 2.26   Ruído branco
φyx [m] = σx2 h[m]. (2.197)
O conceito de ruído branco é extremamente útil em uma Isto é, para uma entrada ruído branco com média
grande variedade de contextos no projeto e análise de
nula, a correlação cruzada entre entrada e saída de um
processamento de sinais e sistemas de comunicação. Um
sinal ruído branco é um sinal para o qual φxx[m] = σ2xδ[m]. sistema linear é proporcional à resposta ao impulso
Assumimos, neste exemplo, que o sinal tem média nula. do sistema. De modo similar, o espectro de potência de
O espectro de potência de um sinal ruído branco é uma uma entrada ruído branco é
constante, isto é,
xx (ejω) = σx2, −π ≤ ω ≤ π. (2.198)
xx (ejω) = σ2x para todo ω.
Assim, da Equação 2.196,
A potência média de um sinal ruído branco é, portanto,
yx (ejω) = σx2 H (ejω). (2.199)
1 π 1 π
φxx [0] = xx (e j ω ) dω = σx2 dω = σx2 .
2π −π 2π −π Em outras palavras, o espectro de potência cruza-
do é, neste caso, proporcional à resposta em frequência
O conceito de ruído branco também é útil na representa-
do sistema. As equações 2.197 e 2.199 podem servir de
ção de sinais aleatórios cujos espectros de potência não
são constantes com a frequência. Por exemplo, um sinal base para estimar a resposta ao impulso ou a resposta
aleatório y[n] com espectro de potência yy(ejω) pode ser em frequência de um sistema LIT se for possível ob-
considerado como a saída de um sistema LIT com uma en- servar a saída do sistema em resposta a uma entrada
trada ruído branco. Ou seja, usamos a Equação 2.190 para ruído branco. Um exemplo da aplicação é a medição
definir um sistema com resposta em frequência H(ejω) que da resposta ao impulso acústico de um teatro ou sala
satisfaça a equação de concertos.
yy(ejω) = |H (ejω)|2σx2 ,
sendo σx2 a potência média do sinal de entrada assumindo
2.11 Resumo
ruído branco. Ajustamos a potência média desse sinal de Neste capítulo, revimos e discutimos uma série de
entrada para fornecer a potência média correta para y[n]. definições básicas relacionadas aos sinais e sistemas
Por exemplo, suponha que h[n] = anu[n]. Então,
de tempo discreto. Consideramos a definição de um con-
1 junto de sequências básicas, a definição e a representa-
H (e j ω ) = ,
1 − ae− j ω ção de sistemas LIT em termos da soma de convolução
e podemos representar todos os sinais aleatórios cujos es- e algumas implicações da estabilidade e da causalidade.
pectros de potência têm a forma Mostrou-se que a classe de sistemas para os quais a en-
trada e a saída satisfazem uma equação de diferenças
2
1 σx2 linear com coeficientes constantes com condições de re-
yy (e
jω) = σx2 = .
1 − ae −j ω 2
1 + a − 2a cos ω pouso inicial é uma importante subclasse dos sistemas
LIT. A solução recursiva dessas equações de diferenças
foi discutida, e as classes de sistemas FIR e IIR, definidas.
Outro resultado importante diz respeito à correla- Um meio importante para a análise e representa-
ção cruzada entre a entrada e a saída de um sistema LIT: ção de sistemas LIT está em sua representação no do-
mínio da frequência. A resposta de um sistema a uma
φyx [m] = E{x[n]y[n + m]}
entrada exponencial complexa foi considerada, levando

à definição da resposta em frequência. A relação entre
= E x[n] h[k]x[n + m − k] resposta ao impulso e resposta em frequência foi então
k=−∞
interpretada como um par transformado de Fourier.

(2.195) Chamamos a atenção para muitas propriedades
= h[k]φxx [m − k]. das representações por transformada de Fourier e dis-
k=−∞
cutimos uma série de pares transformados de Fourier

BOOK_oppen0512_BR.indb 43 1/15/13 6:04 PM


44  Processamento em tempo discreto de sinais

úteis. As tabelas 2.1 e 2.2 resumem as propriedades e os 2.6. (a)  Determine a resposta em frequência H(ejω) do sis-
teoremas, e a Tabela 2.3 contém alguns pares transfor- tema LIT cuja entrada e saída satisfazem a equação
mados de Fourier úteis. de diferenças
O capítulo foi concluído com uma introdução aos y[n] − 21 y[n − 1] = x[n] + 2x[n − 1] + x[n − 2].

sinais aleatórios de tempo discreto. Essas ideias e resul-
tados básicos serão mais desenvolvidos e utilizados em (b) Escreva uma equação de diferenças que caracterize
um sistema cuja resposta em frequência seja
capítulos posteriores.
1 − 21 e− j ω + e− j 3ω
Problemas H (e j ω ) =
1 + 21 e− j ω + 43 e− j 2ω
.

Problemas básicos com respostas


2.7. Determine se cada um dos sinais a seguir é periódico. Se
2.1. Para cada um dos sistemas a seguir, determine se ele é
o sinal for periódico, informe seu período.
(1) estável, (2) causal, (3) linear, (4) invariante no tempo
e (5) sem memória: (a) x[n] = ej (πn/6)
(a) T
(a) T(x[n])
(x[n]) == g[n]x[n]
g[n]x[n]com g[n]dado
withg[n] given (b) x[n] = ej (3πn/4)
(b) T (x[n]) = n
x[k] n = 0 (c) x[n] = [sen(πn/5)]/(πn)
k= n0
n+ n 0 (d) x[n] = ejπn/√2.
(c) T (x[n]) = k= n− n0 x[k] 2.8. Um sistema LIT tem resposta ao impulso h[n] = 5(−1/2)nu[n].
(d)
(d) T = x[n
(x[n]) =
T(x[n]) x[n−− nn00]]
Use a transformada de Fourier para encontrar a saída
(e) T (x[n]) = ex[n]
desse sistema quando a entrada for x[n] = (1/3)nu[n].
(f) T (x[n]) = ax[n] + b
2.9. Considere a equação de diferenças
(g) T (x[n]) = x[−n]
(h) T (x[n]) = x[n] + 3u[n + 1]. 5 1 1
y[n] − y[n − 1] + y[n − 2] = x[n − 1].
2.2. (a) Sabe-se que a resposta ao impulso h[n] de um sis- 6 6 3
tema LIT é nula, exceto no intervalo N0 ≤ n ≤ N1.
(a) Quais são as respostas ao impulso, em frequência e
Sabe-se que a entrada x[n] é nula, exceto no interva-
ao degrau para um sistema LIT causal que satisfaça
lo N2 ≤ n ≤ N3. Como resultado, a saída é obrigato-
essa equação de diferenças?
riamente nula, exceto em um intervalo N4 ≤ n ≤ N5.
(b) Qual é a forma geral da solução homogênea dessa
Determine N4 e N5 em termos de N0, N1, N2 e N3.
equação de diferenças?
(b) Se x[n] é nulo, exceto em N pontos consecutivos, e
(c) Considere um sistema diferente que satisfaça a
h[n] é nulo, exceto em M pontos consecutivos, qual
equação de diferenças, que não seja causal nem
é o número máximo de pontos consecutivos para os
LIT, mas que tenha y[0] = y[1] = 1. Encontre a res-
quais y[n] pode ser não nulo?
posta desse sistema para x[n] = δ[n].
2.3. Pelo cálculo direto da soma de convolução, determine a
2.10. Determine a saída de um sistema LIT se a resposta ao
resposta ao degrau unitário (x[n] = u[n]) de um sistema
impulso h[n] e a entrada x[n] forem as seguintes:
LIT cuja resposta ao impulso é
(a) x[n] = u[n] e h[n] = anu[−n − 1], com a > 1.
h[n] = a−nu[−n], 0 < a < 1.
(b) x[n] = u[n − 4] e h[n] = 2nu[−n − 1].
2.4. Considere a equação de diferenças linear com coeficien- (c) x[n] = u[n] e h[n] = (0,5)2nu[−n].
tes constantes
(d) h[n] = 2nu[−n − 1] e x[n] = u[n] − u[n − 10].
y[n] − 43 y[n − 1] + 18 y[n − 2] = 2x[n − 1]. Use seu conhecimento de linearidade e invariância no
tempo para minimizar o trabalho nos itens (b)-(d).
Determine y[n] para n ≥ 0 quando x[n] = δ[n] e y[n] = 0, 2.11. Considere um sistema LIT com resposta em frequência
n < 0.
2.5. Um sistema LIT causal é descrito pela equação de dife- 1 − e−j 2ω
renças H (e j ω ) = , −π < ω ≤ π.
1 + 21 e−j 4ω
y[n] − 5y[n − 1] + 6y[n − 2] = 2x[n − 1].
Determine a saída y[n] para todo n se a entrada x[n]
(a) Determine a resposta homogênea do sistema, isto é, para todo n for
as possíveis saídas se x[n] = 0 para todo n.
(b) Determine a resposta ao impulso do sistema. πn
x[n] = sen .
(c) Determine a resposta ao degrau do sistema. 4

BOOK_oppen0512_BR.indb 44 1/15/13 6:04 PM


Capítulo 2  Sinais e sistemas de tempo discreto  45

2.12. Considere um sistema com entrada x[n] e saída y[n] que (a) O sistema total é LIT?
satisfaça a equação de diferenças (b) O sistema total é causal?
(c) O sistema total é estável no sentido BIBO?
y[n] = ny[n − 1] + x[n].
2.16. Considere a seguinte equação de diferenças:
O sistema é causal e satisfaz as condições de repouso ini-
cial; isto é, se x[n] = 0 para n < n0, então y[n] = 0 para n 1 1
y[n] − y[n − 1] − y[n − 2] = 3x[n].
< n0. 4 8
(a) Se x[n] = δ[n], determine y[n] para todo n.
(a) Determine a forma geral da solução homogênea
(b) O sistema é linear? Justifique sua resposta. dessa equação de diferenças.
(c) O sistema é invariante no tempo? Justifique sua (b) Um sistema LIT causal e um sistema LIT anticausal
resposta.
são caracterizados por essa equação de diferenças.
2.13. Indique quais dos seguintes sinais de tempo discreto são Encontre as respostas ao impulso dos dois sistemas.
autofunções de sistemas de tempo discreto LIT estáveis:
(c) Mostre que o sistema LIT causal é estável e que o
(a) ej2πn/3
sistema LIT anticausal é instável.
(b) 3n
(d) Encontre uma solução particular para a equação de
(c) 2nu[−n − 1]
diferenças quando x[n] = (1/2)nu[n].
(d) cos(ω0n)
2.17. (a)  Determine a transformada de Fourier da sequência
(e) (1/4)n
(f) (1/4)nu[n] + 4nu[−n − 1]. 1, 0 ≤ n ≤ M,
r[n] =
2.14. Uma única relação entrada-saída é dada para cada um 0, caso contrário.
dos três sistemas a seguir:
(a) Sistema A: x[n] = (1/3)n,  y[n] = 2(1/3)n. (b) Considere a sequência
(b) Sistema B: x[n] = (1/2)n,  y[n] = (1/4)n. 
1 2π n
(c) Sistema C: x[n] = (2/3)n u[n],  y[n] = 4(2/3)n u[n] − 1 − cos , 0 ≤ n ≤ M,
w[n] = 2 M
3(1/2)n u[n]. 
0, caso contrário.
Com base nessa informação, escolha a conclusão mais
forte possível a que você pode chegar sobre cada sistema Esboce w[n] e expresse W(ejω), a transformada de
a partir da seguinte lista de afirmações: Fourier de w[n], em termos de R(ejω), a transfor-
(i) Não é possível que o sistema seja LIT. mada de Fourier de r[n]. (Dica: Primeiro, expresse
(ii) O sistema deve ser LIT. w[n] em termos de r[n] e das exponenciais comple-
(iii) O sistema pode ser LIT, e há somente um sistema xas ej(2πn/M) e e–j (2πn/M).)
LIT que satisfaz essa restrição de entrada-saída. (c) Esboce a magnitude de R(ejω) e W(ejω) para o caso
(iv) O sistema pode ser LIT, mas não pode ser unica- em que M = 4.
mente determinado a partir da informação de en- 2.18. Para cada uma das seguintes respostas ao impulso de sis-
trada-saída fornecida. temas LIT, indique se o sistema é ou não causal:
Se você escolheu a opção (iii) dessa lista, especifique ou (a) h[n] = (1/2)nu[n]
a resposta ao impulso h[n] ou a resposta em frequência (b) h[n] = (1/2)nu[n − 1]
H(ejω) para o sistema LIT. (c) h[n] = (1/2)|n|
2.15. Considere o sistema ilustrado na Figura P2.15. A saída (d) h[n] = u[n + 2] – u[n − 2]
de um sistema LIT com uma resposta ao impulso h[n] = (e) h[n] = (1/3)nu[n] + 3nu[−n − 1].
n
1 2.19. Para cada uma das seguintes respostas ao impulso de sis-
u[n + 10] é multiplicada por uma função de degrau
4 temas LIT, indique se o sistema é estável ou não:
unitário u[n] para gerar a saída total do sistema. Respon-
(a) h[n] = 4nu[n]
da a cada uma das seguintes perguntas, com uma breve
justificativa de suas respostas: (b) h[n] = u[n] – u[n − 10]
(c) h[n] = 3nu[−n − 1]
(d) h[n] = sen(πn/3)u[n]
u [n]
(e) h[n] = (3/4)|n| cos(πn/4 + π/4)
(f) h[n] = 2u[n + 5] – u[n] – u[n − 5].
h[n] = (1/4)nu[n + 10]  2.20. Considere a equação de diferenças que representa um
x[n] v [n] y [n] sistema LIT causal:
y[n] + (1/a)y[n − 1] = x[n − 1].
Figura P2.15

BOOK_oppen0512_BR.indb 45 1/15/13 6:04 PM


46  Processamento em tempo discreto de sinais

(a) Encontre a resposta ao impulso do sistema, h[n], 2.24. Considere um sistema linear arbitrário com entrada x[n]
em função da constante a. e saída y[n]. Mostre que, se x[n] = 0 para todo n, então
(b) Para que faixa de valores de a o sistema será estável? y[n] também deverá ser zero para todo n.
2.25. Considere um sistema para o qual a entrada x[n] e a saí-
Problemas básicos da y[n] satisfazem a relação a seguir.
2.21. Um sinal de tempo discreto x[n] é mostrado na Figura 8y[n] + 2y[n − 1] − 3y[n − 2] = x[n] (P2.25-1)
P2.21.
(a) Para x[n] = δ[n], mostre que uma sequência par-
1 x[n] ticular que satisfaz a equação de diferenças é
1
3 − 3 n u[n] + 1 1 n u[n].
yp [n] = 40
2 4 20 2

–2 –1 0 1 2 3 4 (b) Determine a(s) solução(ões) homogênea(s) para


a equação de diferenças especificada na Equação
Figura P2.21 P2.25-1.
(c) Determine y[n] para −2 ≤ n ≤ 2 quando x[n] é igual
Esboce e coloque a escala cuidadosamente para cada a δ[n] na Equação P2.25-1 e a condição de repouso
um dos seguintes sinais: inicial é assumida na solução da equação de dife-
(a) x[n − 2] renças. Note que a condição de repouso inicial im-
(b) x[4 − n] plica que o sistema descrito pela Equação P2.25-1 é
(c) x[2n] causal.
(d) x[n]u[2 − n] 2.26. Para cada um dos sistemas na Figura P2.26, escolha a
(e) x[n − 1]δ[n − 3]. conclusão válida mais forte a que você possa chegar so-
2.22. Considere um sistema LIT de tempo discreto com res- bre cada sistema, a partir da seguinte lista de afirmações:
posta ao impulso h[n]. Se a entrada x[n] é uma sequência
(i) O sistema deve ser LIT, e é unicamente especifica-
periódica com período N (isto é, se x[n] = x[n + N]), mos-
do pela informação dada.
tre que a saída y[n] também é uma sequência periódica
com período N. (ii) O sistema deve ser LIT, mas não pode ser unica-
2.23. Para cada um dos seguintes sistemas, determine se o sis- mente determinado pela informação dada.
tema é (1) estável, (2) causal, (3) linear e (4) invariante (iii) O sistema poderia ser LIT e, se for, a informação
no tempo. dada especifica unicamente o sistema.
(a) T (x[n]) = (cos πn)x[n] (iv) O sistema poderia ser LIT, mas não pode ser unica-
(b) T (x[n]) = x[n2] mente determinado pela informação dada.
∞ (v) O sistema não pode de forma alguma ser LIT.
(c) T (x[n]) = x[n] δ[n − k] Para cada sistema para o qual você escolheu a opção
k=0 (i) ou (iii), dê a resposta ao impulso h[n] para o sistema

LIT unicamente especificado. Um exemplo de uma en-
(d) T (x[n]) = x[k].
trada e sua saída correspondente é mostrado para cada
k=n−1
sistema na Figura P2.26.

Sistema A: n n
1 1
Sistema A
2 4

Sistema B:
π π
cos n Sistema B 3j sen n
3 3

Sistema C:
n n n
1 1 1 1
u[n] Sistema C −6 u[ − n − 1] − 6 u[n]
5 5 2 3

Figura P2.26

BOOK_oppen0512_BR.indb 46 1/15/13 6:04 PM


Capítulo 2  Sinais e sistemas de tempo discreto  47

2.27. Para cada um dos sistemas na Figura P2.27, escolha a o sistema é LIT. Qual é h[n], a resposta ao impulso
conclusão válida mais forte a que você possa chegar so- do sistema?
bre cada sistema, a partir da seguinte lista de afirmações: (d) Suponha que (1) seja o par entrada-saída de um
(i) O sistema deve ser LIT, e é unicamente especifica- sistema LIT S3. Qual é a saída desse sistema para a
do pela informação dada. entrada na Figura P2.28-2?
(ii) O sistema deve ser LIT, mas não pode ser unica-
2 2 2
mente determinado pela informação dada.
(iii) O sistema poderia ser LIT e, se for, a informação 1 1
dada especifica unicamente o sistema.
(iv) O sistema poderia ser LIT, mas não pode ser unica- 0 1 2 3 4
mente determinado pela informação dada.
(v) O sistema não pode de forma alguma ser LIT. Figura P2.28-2

δ[n]
n
2ej 4 u[n] 2.29. Um sistema LIT tem resposta ao impulso definida por

Sistema A  0 n< 0


1 n = 0, 1, 2, 3
n h[n] =
1
u[n] δ[n] 
 −2 n = 4, 5
3 
0 n> 5
Sistema B
Determine e faça um gráfico da saída y[n] quando a en-
x[n] + αy[n] T(x[n]) + αT(y[n]) trada x[n] é:
Sistema C (a) u[n]
(b) u[n − 4]
(c) u[n] – u[n − 4].
Para todas as escolhas de x[n], y[n] e a constante α 2.30. Considere uma associação em cascata de dois sistemas
LIT na Figura P2.30:
1
cos 3n
π
3 cos 3n
π
+ 2 sen 2n+ 5
π π
(a) Determine e esboce w[n] se x[n] = (−1)nu[n]. De-
Sistema D termine também a saída total y[n].
(b) Determine e esboce a resposta ao impulso total do
x[n] y[n] = 0,2y[n + 1] + x[n] sistema em cascata; isto é, faça um gráfico da saída
y[n] = h[n] quando x[n] = δ[n].
Sistema E
(c) Agora, considere a entrada x[n] = 2δ[n] + 4δ[n − 4]
− 2δ[n − 12]. Esboce w[n].
Figura P2.27 (d) Para a entrada do item (c), escreva uma expressão
2.28. Quatro pares de entrada-saída de um sistema S em par- para a saída y[n] em termos da resposta ao impulso
ticular são especificados na Figura P2.28-1: total h[n] como definida no item (b). Faça um esbo-
ço cuidadoso de sua resposta e coloque escala.
2 2.31. Se a entrada e a saída de um sistema LIT causal satisfize-
(1) 1 1 1 1 1
rem a equação de diferenças
S
0 1 2 0 1 2 3 4 y[n] = ay[n − 1] + x[n],

(2) 1 1 1
2
1
então a resposta ao impulso do sistema deverá ser h[n]
S = anu[n].
0 1 2 0 1 2 3 4 5 (a) Para quais valores de a esse sistema é estável?
(b) Considere um sistema LIT causal para o qual a en-
(3) 1 1 1 1 1 1
trada e a saída sejam relacionadas pela equação de
S diferenças
0 1 2 0 1 2 3 4 5
y[n] = ay[n − 1] + x[n] − aN x[n − N],
(4) 1 1 1
sendo N um inteiro positivo. Determine e esboce a res-
S
posta ao impulso desse sistema. Dica: Use a linearida-
0 0 1 2 3 4 5
de e a invariância no tempo para simplificar a solução.
(c) O sistema no item (b) é um sistema FIR ou IIR?
Figura P2.28-1
Explique.
(d) Para que valores de a o sistema no item (b) é está-
(a) O sistema S pode ser invariante no tempo? Explique.
vel? Explique.
(b) O sistema S pode ser linear? Explique.
2.32. Para X(ejω) = 1/(1 − ae−jω), com −1 < a < 0, determine e
(c) Suponha que (2) e (3) sejam pares de entrada-saída
esboce os itens a seguir em função de ω:
de um sistema S2 em particular e que saibamos que
(a) Re{X(ejω)}
(b) Im{X(ejω)}

BOOK_oppen0512_BR.indb 47 1/15/13 6:04 PM


48  Processamento em tempo discreto de sinais

Sistema Sistema
LIT 1 LIT 2
x [n] h1[n] w[n] h2[n] y[n]

h1[n] h2[n]

1 1

0 3 n −3 0 n

Figura P2.30

(c) |X(ejω)| (d) Se a entrada do sistema acima for x[n] = cos(0,2πn),


(d) ∠X(ejω). a saída deverá ter a forma y[n] = A cos(0,2πn + θ).
2.33. Considere um sistema LIT definido pela equação de di- Quais os valores de A e θ?
ferenças 2.35. Um sistema LIT tem a resposta ao impulso dada pelo
seguinte gráfico:
y[n] = −2x[n] + 4x[n − 1] − 2x[n − 2].
h[n]
(a) Determine a resposta ao impulso desse sistema.
(b) Determine a resposta em frequência desse sistema. 1
Expresse sua resposta na forma
3
H(ejω) = A(ejω)e−jωnd, 0 1 2 4 n
sendo A(ejω)
uma função real de ω. Especifique ex-
−1
plicitamente A(ejω) e o atraso nd desse sistema.
(c) Esboce um gráfico da magnitude |H(ejω)| e um grá- Figura P2.35-1
fico da fase ∠H(ejω).
(d) Suponha que a entrada do sistema seja A entrada do sistema, x[n], é representada a seguir em
x1[n] = 1 + ej0,5πn − ∞ < n < ∞. função de n.

Use a função resposta em frequência para determi- x[n]


nar a saída correspondente y1[n]. 1
(e) Agora suponha que a entrada do sistema seja
1
x2[n] = (1 + ej0,5πn)u[n] − ∞ < n < ∞.
0 2 3 4 n
Use a equação de diferenças da definição ou a con-
volução discreta para determinar a saída correspon- −1
dente y2[n] para −∞ < n < ∞. Compare y1[n] e y2[n].
Elas deveriam ser iguais para certos valores de n. So- Figura P2.35-2
bre qual intervalo de valores de n elas são iguais?
2.34. Um sistema LIT tem a resposta em frequência (a) Use a convolução discreta para determinar a saída
do sistema y[n] = x[n] * h[n] para a entrada acima.
1 − 1,25e−j ω 0,45e−j ω Dê sua resposta na forma de um esboço de y[n]
H (e j ω) = = 1 − .
1 − 0,8e−j ω 1 − 0,8e−j ω com a escala cuidadosamente colocada por um in-
tervalo suficiente para defini-la completamente.
(a) Especifique a equação de diferenças que é satisfei-
(b) A autocorrelação determinística de um sinal x[n] é
ta pela entrada x[n] e pela saída y[n].
definida na Equação 2.188 como cxx[n] = x[n] * x[−n].
(b) Use uma das formas acima da resposta em fre- O sistema definido pela Figura P2.35-1 é um filtro
quência para determinar a resposta ao impulso casado para a entrada na Figura P2.35-2. Observe
h[n]. que h[n] = x[−(n − 4)] e expresse a saída do item (a)
(c) Mostre que |H(ejω)|2 = G2, sendo G uma constan- em termos de cxx[n].
te. Determine a constante G. (Este é um exemplo (c) Determine a saída do sistema cuja resposta ao im-
de filtro passa-tudo a ser discutido com detalhes no pulso é h[n] quando a entrada for x[n] = u[n + 2].
Capítulo 5.) Esboce sua resposta.

BOOK_oppen0512_BR.indb 48 1/15/13 6:04 PM


Capítulo 2  Sinais e sistemas de tempo discreto  49

2.36. Um sistema de tempo discreto LIT tem resposta em fre- (c) Use qualquer meio conveniente para determinar a
quência dada por resposta ao impulso h[n] do sistema em cascata total.
2.38. Considere a cascata de dois sistemas LIT mostrada na
(1 − j e −j ω) (1 + j e −j ω ) 1 + e−j 2ω
H (e j ω) = = Figura P2.38.
1 − 0,8e−j ω 1 − 0,8e−j ω As respostas ao impulso dos dois sistemas são:
1 e−j 2ω
= −j
+ . 1 0≤n≤4
1 − 0,8e ω 1 − 0,8e−j ω h1 [n] = u[n − 5] e h2 [n] =
0 caso contrário.
(a) Use uma das formas da resposta em frequência
acima para obter uma equação para a resposta ao (a) Faça um esboço mostrando tanto h2[k] quanto
impulso h[n] do sistema. h1[n − k] (para algum n < 0 qualquer arbitrário) em
função de k.
(b) A partir da resposta em frequência, determine a
equação de diferenças que é satisfeita pela entrada (b) Determine h[n] = h1[n] * h2[n], a resposta ao im-
x[n] e pela saída y[n] do sistema. pulso do sistema total. Dê sua resposta como uma
equação (ou conjunto de equações) que defina h[n]
(c) Se a entrada desse sistema for
para −∞ < n < ∞ ou como um gráfico de h[n] com
x[n] = 4 + 2 cos(ω0n) para − ∞ < n < ∞, as escalas colocadas cuidadosamente, em um inter-
para que valor de ω0 a saída será da forma valo suficiente para defini-la completamente.
y[n] = A = constante 2.39. Usando a definição de linearidade [equações 2.23(a)-
-2.23(b)], mostre que o sistema atraso ideal (Exemplo
para −∞ < n < ∞? Qual o valor da constante A?
2.2) e o sistema média móvel (Exemplo 2.3) são ambos
2.37. Considere a cascata de sistemas de tempo discreto LIT
sistemas lineares.
mostrada na Figura P2.37.
2.40. Determine qual dos seguintes sinais é periódico. Se um
O primeiro sistema é descrito pela resposta em frequência
sinal for periódico, determine seu período.
0 |ω| ≤ 0,25π (a) x[n] = ej(2πn/5)
H1 (e j ω ) = e−j ω (b) x[n] = sen(πn/19)
1 0,25π < |ω| ≤ π
(c) x[n] = nejπn
e o segundo sistema é descrito por
(d) x[n] = ejn.
sen(0,5πn) 2.41. Considere um sistema LIT com |H(ejω)| = 1, e seja
h2 [n] = 2 arg[H(ejω)] como mostrado na Figura P2.41. Se a en-
πn
trada é
(a) Determine uma equação que defina a resposta em
frequência, H(ejω), do sistema total no intervalo 3π π
x[n] = cos n+ ,
−π ≤ ω ≤ π. 2 4
(b) Esboce a magnitude, |H(ejω)|, e a fase, ∠H(ejω), da
resposta em frequência total no intervalo −π ≤ ω ≤ determine a saída y[n].
π.

Sistema Sistema
x[n] w[n] y[n]
LIT 1 LIT 2
h1 [n], H1 (ej ω ) h2 [n], H2 (ej ω )

Figura P2.37

Sistema Sistema
x[n] w[n] y[n]
LIT 1 LIT 2
h1 [n] h2 [n]

Figura P2.38

BOOK_oppen0512_BR.indb 49 1/15/13 6:04 PM


50  Processamento em tempo discreto de sinais

arg[H (e j)] 3 3
2 2
5/6
1 1

... −5 −4 −3 −2 −1 0 1 2 ... n
/2
Inclinação = – 1/3

3
–  
2
1
– /2 Inclinação = – 1/3
−4 −2 0
... ... n
−5 −3 −1 1 2
−1
–5/6
−2
−3
Figura P2.41

2.42. As sequências s[n], x[n] e w[n] são sequências amostras


Figura P2.44
de processos aleatórios estacionários no sentido amplo,
sendo Faça os seguintes cálculos sem determinar X(ejω) expli-
s[n] = x[n]w[n]. citamente.
(a) Calcule X(ejω)|ω=0.
As sequências x[n] e w[n] são de média nula e estatisti-
(b) Calcule X(ejω)|ω=π.
camente independentes. A função de autocorrelação de
w[n] é (c) Calcule −ππ
X(ej ω ) dω.
(d) Determine e esboce o sinal (no domínio de tempo)
E {w[n]w[n + m]} = σw2 δ[m],
cuja transformada de Fourier é X(e−jω).
e a variância de x[n] é σx2. (e) Determine e esboce o sinal (no domínio de tempo)
Mostre que s[n] é branco com variância σx2σw2 . cuja transformada de Fourier é j Im{X(ejω)}.
2.45. Considere a cascata de sistemas de tempo discreto LIT
Problemas avançados mostrada na Figura P2.45.
2.43. O operador T representa um sistema LIT. Como mostra- O Sistema 1 é descrito pela equação de diferenças
n
do nas figuras a seguir, se a entrada do sistema T é 1 u[n], w[n] = x[n] − x[n − 1],
3
a saída do sistema é g[n]. Se a entrada é x[n], a saída é y[n]. e o Sistema 2 é descrito por

sen(0,5πn) 1 |ω| < 0,5π


( 13 )n u[n] T g[n] h2 [n] = ⇐⇒ H2 (e j ω ) =
πn 0 0,5π < |ω| < π.

A entrada x[n] é
x[n] T y[n] x[n] = cos(0,4πn) + sen(0,6πn) + 5δ[n − 2] + 2u[n].
Determine a saída total y[n].
Figura P2.43 (Raciocinando de forma cuidadosa, você será capaz de
usar as propriedades dos sistemas LIT para escrever a
Expresse y[n] em termos de g[n] e x[n]. resposta por inspeção.)
2.44. X(ejω) denota a transformada de Fourier do sinal com- 2.46. O par TFTD
plexo x[n], para o qual as partes real e imaginária são 1
a n u[n] ⇐⇒ |a| < 1(P2.46-1)
dadas na Figura P2.44. (Nota: A sequência é nula fora do 1 − ae−j ω
intervalo mostrado.) é dado.

Sistema Sistema
LIT 1 LIT 2
x [n] h1[n], H1(e jω) w[n] h2[n], H2(e jω) y[n]

Figura P2.45

BOOK_oppen0512_BR.indb 50 1/15/13 6:04 PM


Capítulo 2  Sinais e sistemas de tempo discreto  51

(a) Usando a Equação P2.46-1, determine a TFTD, 2.49. Sabe-se que o sistema L na Figura P2.49 é linear. São
X(ejω), da sequência mostrados três sinais de saída y1[n], y2[n] e y3[n] em res-
posta aos sinais de entrada x1[n], x2[n] e x3[n], respecti-
−bn n ≤ −1 vamente.
x[n] = −bn u[−n − 1] =
0 n ≥ 0. (a) Determine se o sistema L poderia ser invariante no
tempo.
Que restrição sobre b é necessária para que a TFTD
de x[n] exista? (b) Se a entrada x[n] do sistema L é δ[n], qual é a res-
posta y[n] do sistema?
(b) Determine a sequência y[n] cuja TFTD é
2.50. Na Seção 2.5, enunciamos que a solução para a equação
2e−j ω de diferenças homogênea
Y (e j ω) = .
1 + 2e−j ω
N
2.47. Considere o “sinal cosseno janelado” akyh [n − k] = 0
k=0
x[n] = w[n] cos(ω0n).
é da forma
(a) Determine uma expressão para X(ejω) em termos
de W(ejω). N
(b) Suponha que a sequência w[n] seja a sequência de yh [n] = n,
A mz m
(P2.50-1)
comprimento finito m= 1

1 −L ≤ n ≤ L sendo os Am arbitrários e os zm as N raízes do polinômio


w[n] =
0 caso contrário. N
A(z) = akz−k;(P2.50-2)
Determine a TFTD W(ejω). Dica: Use as tabelas 2.2 e k=0
2.3 para obter uma solução em “forma fechada”.Você
deverá verificar que W(ejω) é uma função real de ω. isto é,
(c) Esboce a TFTD X(ejω) para a janela em (b). Para N N
um dado ω0, como L deverá ser escolhido de modo A(z) = akz−k = (1 − zmz−1 ).
que seu esboço mostre dois picos distintos? k=0 m= 1
2.48. Sabe-se que o sistema T na Figura P2.48 é invariante no
tempo. Quando as entradas do sistema são x1[n], x2[n] (a) Determine a forma geral da solução homogênea
e x3[n], as respostas do sistema são y1[n], y2[n] e y3[n], para a equação de diferenças
como mostrado.
y[n] − 43 y[n − 1] + 18 y[n − 2] = 2x[n − 1].
(a) Determine se o sistema T poderia ser linear.
(b) Se a entrada x[n] do sistema T for δ[n], qual é a res- (b) Determine os coeficientes Am na solução homogê-
posta y[n] do sistema? nea se y[−1] = 1 e y[0] = 0.
(c) Quais são as entradas possíveis x[n] para as quais (c) Agora, considere a equação de diferenças
a resposta do sistema T pode ser determinada so-
mente a partir das informações dadas? y[n] − y[n − 1] + 41 y[n − 2] = 2x[n − 1].(P2.50-3)

x1 [n] 3 y1 [n]
2 T 2
1

0 1 n 0 1 2 n

4
x2 [n] y2 [n]
2 T 2

0 1 n 0 1 2 3 n

x3 [n] 3 y3 [n]
T 2
1

0 1 2 3 4 n –2 –1 0 n

Figura P2.48

BOOK_oppen0512_BR.indb 51 1/15/13 6:04 PM


52  Processamento em tempo discreto de sinais

3 3 y1 [n]
x1 [n]

1 1
–1 1 –1
L
0 n 0 1 2 3 n
–1
–2 –2

x2 [n] y2 [n]

1 1
–1 –1 1 2 3
L
0 n 0 n
–1 –1
–2
–3

x3 [n] y3 [n]
2 2
1 1 1
0
L
0 1 n –2 –1 1 2 n

–3

Figura P2.49

Se a solução homogênea contém apenas termos na


Determine a resposta em regime permanente, isto é, a
forma da Equação P2.50-1, mostre que as condições resposta para um n grande, à excitação
iniciais y[−1] = 1 e y[0] = 0 não podem ser satisfeitas.
x[n] = cos(πn)u[n].
(d) Se a Equação P2.50-2 tem duas raízes que são idên-
ticas, então, no lugar da Equação P2.50-1, yh[n] to- 2.53. Um sistema LIT tem resposta em frequência
mará a forma 
 2π 3
N−1  e−j ω 3 , |ω| <
 ,
n + nB z n ,(P2.50-4) j ω
H (e ) = 16 2
yh [n] = A mz m 1 1  2π 3

 0, ≤ |ω| ≤ π.
m= 1 16 2
em que consideramos que a raiz dupla é z1. Usando
a Equação P2.50-4, determine a forma geral de yh[n] A entrada do sistema é um trem periódico de impulsos
para a Equação P2.50-3. Verifique explicitamente que unitários com período N = 16; isto é,
a sua resposta satisfaz a Equação P2.50-3 com x[n] = 0.

(e) Determine os coeficientes A1 e B1 na solução ho-
x[n] = δ[n + 16k].
mogênea obtida no item (d) se y[−1] = 1 e y[0] = 0.
k=−∞
2.51. Considere um sistema com entrada x[n] e saída y[n]. A
relação entrada-saída para o sistema é definida pelas Determine a saída do sistema.
duas propriedades a seguir: 2.54. Considere o sistema da Figura P2.54.
1. y[n] – ay[n − 1] = x[n],
2. y[0] = 1.
(a) Determine se o sistema é invariante no tempo.
(b) Determine se o sistema é linear. + h2 [n] =  nu [n]
x[n] y [n]
(c) Assuma que a equação de diferenças (propriedade 1)
permaneça a mesma, mas o valor y[0] seja especifica-
do como nulo. Isso mudaria as suas respostas para os h1 [n] =   [n – 1]
itens (a) ou (b)?
2.52. Considere o sistema LIT com resposta ao impulso
h [n]
j n
h[n] = u[n], sendo j = −1.
2 Figura P2.54

BOOK_oppen0512_BR.indb 52 1/15/13 6:04 PM


Capítulo 2  Sinais e sistemas de tempo discreto  53

(a) Determine a resposta ao impulso h[n] do sistema total. 2.58. Um sistema LIT é descrito pela relação entrada-saída
(b) Determine a resposta em frequência do sistema total.
y[n] = x[n] + 2x[n − 1] + x[n − 2].
(c) Especifique uma equação de diferenças que rela-
cione a saída y[n] à entrada x[n]. (a) Determine h[n], a resposta ao impulso do sistema.
(d) Esse sistema é causal? Sob que condição o sistema (b) Esse é um sistema estável?
seria estável? (c) Determine H(ejω), a resposta em frequência do sis-
2.55. Seja X(ejω) a transformada de Fourier do sinal x[n] mos- tema. Use identidades trigonométricas para obter
trado na Figura P2.55. Faça os seguintes cálculos sem de- uma expressão simples para H(ejω).
terminar X(ejω) explicitamente: (d) Esboce a magnitude e a fase da resposta em frequência.
(a) Calcule X(ejω)|ω=0. (e) Agora, considere um novo sistema cuja resposta
(b) Calcule X(ejω)|ω=π. em frequência seja H1(ejω) = H(ej(ω+π)). Determine
(c) Encontre ∠X(ejω). h1[n], a resposta ao impulso do novo sistema.
(d) Calcule −ππ
X(ej ω ) dω. 2.59. Considere que o sinal de tempo discreto real x[n] com
(e) Determine e esboce o sinal cuja transformada de transformada de Fourier X(ejω) seja a entrada de um sis-
Fourier é X(e−jω). tema com a saída definida por
(f) Determine e esboce o sinal cuja transformada de x[n], se n for par,
Fourier é Re{X(ejω)}. y[n] =
0, caso contrário.
2.56. Para o sistema da Figura P2.56, determine a saída y[n]
quando a entrada x[n] for δ[n] e H(ejω) for um filtro pas- (a) Esboce o sinal de tempo discreto s[n] = 1 + cos(πn)
sa-baixas ideal, como indicado, isto é, e sua transformada de Fourier (generalizada) S(ejω).
(b) Expresse Y(ejω), a transformada de Fourier da saí-
1, |ω| < π/2, da, em função de X(ejω) e S(ejω).
H (e j ω) =
0, π/2 < |ω| ≤ π. (c) Suponha que seja de interesse aproximar x[n] pelo si-
2.57. Uma sequência tem a TFTD nal interpolado w[n] = y[n] + (1/2)(y[n + 1] + y[n − 1]).­
Determine a transformada de Fourier W(ejω) em fun-
1 − a2 ção de Y(ejω).
X (e j ω ) = , |a| < 1. (d) Esboce X(ejω), Y(ejω) e W(ejω) para o caso em que
(1 − ae− j ω) (1 − ae j ω )
x[n] = sen(πn/a)/(πn/a) e a > 1. Sob que condições o
(a) Encontre a sequência x[n]. sinal interpolado proposto w[n] é uma boa aproxi-
(b) Calcule 1/2π −ππ X (e j ω ) cos(ω)dω. mação para o x[n] original?

2 2 2 2
x [n]
1 1
–3 7
–2 –1 0 1 2 3 4 5 6 8 n
–1 –1

Figura P2.55

(–1) nw [n]


w [n] (–1) n
H(e j) +
x [n] y[n]

H(e j)

1
...
–2 – 2
–   
2 2

Figura P2.56

BOOK_oppen0512_BR.indb 53 1/15/13 6:05 PM


54  Processamento em tempo discreto de sinais

2.60. Considere um sistema LIT de tempo discreto com res- (c) O sistema S é estável? Justifique sua resposta.
posta em frequência H(ejω) e resposta ao impulso corres- (d) Especifique um sistema C tal que o diagrama de
pondente h[n]. blocos na Figura P2.63-2 represente um modo al-
(a) Primeiro, são dadas as três informações a seguir so- ternativo de expressar a relação entrada-saída do
bre o sistema: sistema S. (Nota: O sistema C não precisa ser um
(i)  O sistema é causal. sistema LIT.)
(ii) H(ejω) = H*(e−jω).
(iii) A TFTD da sequência h[n + 1] é real. x [n] h [n]e j 0 n C y[n]
Usando essas três informações, mostre que o siste-
ma tem uma resposta ao impulso de duração finita.
(b) Além dessas três informações, agora recebemos Figura P2.63-2
mais duas informações:
1 π 2.64. Considere um filtro passa-baixas ideal com resposta ao
(iv)
(iv) H (e j ω)dω = 2. impulso hlp[n] e resposta em frequência
2π −π
(v) H (ejπj π) =
(v) H(e )=0. 0. 1, |ω| < 0,2π,
H lp (e j ω ) =
Existe informação suficiente para identificar unica- 0, 0,2π ≤ |ω| ≤ π.
mente o sistema? Se houver, determine a resposta
ao impulso h[n]. Se não, especifique o máximo que (a) Um novo filtro é definido pela equação h1[n] = (−1)n­
você puder sobre a sequência h[n]. hlp[n] = ejπnhlp[n]. Determine uma equação para a
2.61. Considere as três sequências resposta em frequência de H1(ejω) e faça um grá-
fico dessa equação para |ω| < π. Que tipo de filtro
v[n] = u[n] − u[n − 6], é esse?
w[n] = δ[n] + 2δ[n − 2] + δ[n − 4],
(b) Um segundo filtro é definido pela equação h2[n] =
2hlp[n] cos(0,5πn). Determine a equação para a res-
q[n] = v[n] ∗ w[n]. posta em frequência H2(ejω) e esboce essa equação
(a) Encontre e esboce a sequência q[n]. para |ω| < π. Que tipo de filtro é esse?
(b) Encontre e esboce a sequência r[n] tal que (c) Um terceiro filtro é definido pela equação
n−1
sen(0,1πn)
r[n] ∗ v[n] = q[k]. h3 [n] = hlp [n].
πn
k=−∞
(c) É verdadeiro que q[−n] = v[−n] * w[−n]? Justifique Determine a equação para a resposta em frequência
sua resposta. H3(ejω) e esboce a equação para |ω| < π. Que tipo de fil-
2.62. Considere um sistema LIT com resposta em frequência tro é esse?
H(ejω) = e−j [(ω/2) + (π/4)], −π < ω ≤ π. 2.65. O sistema LIT

Determine y[n], a saída desse sistema, se a entrada for −j, 0 < ω < π,
H (e j ω ) =
j, −π < ω < 0,
15πn π
x[n] = cos −
4 3 é chamado de deslocador de fase 90º e é usado para
para todo n. gerar o que é conhecido como um sinal analítico w[n],
como mostrado na Figura P2.65-1. Especificamente, um
2.63. Considere um sistema S com entrada x[n] e saída y[n]
relacionadas de acordo com o diagrama de blocos da Fi- sinal analítico w[n] é um sinal complexo para o qual
gura P2.63-1. Re{w[n]} = x[n],

Sistema LIT Im{w[n]} = y[n].


x [n]  y [n]
h[n]
Re { w [n] }
–j 0 n
x [n]
e

Figura P2.63-1 H (e j) Im { w [n] }


y [n]
A entrada x[n] é multiplicada por e−jω0n, e o produto pas-
sa por um sistema LIT estável com resposta ao impulso Figura P2.65-1
h[n].
(a) O sistema S é linear? Justifique sua resposta. Se Re{X(ejω)} é como mostrado na Figura P2.65-2 e
(b) O sistema S é invariante no tempo? Justifique sua Im{X(ejω)} = 0, determine e esboce W(ejω), a transfor-
resposta. mada de Fourier do sinal analítico w[n] = x[n] + jy[n].

BOOK_oppen0512_BR.indb 54 1/15/13 6:05 PM


Capítulo 2  Sinais e sistemas de tempo discreto  55

Re { X (e j) } Problemas de extensão


2.69. A causalidade de um sistema foi definida na Seção 2.2.4.
1
Por essa definição, mostre que, para um sistema LIT, a
causalidade implica que a resposta ao impulso h[n] é
nula para n < 0. Uma abordagem é mostrar que, se h[n]
não for nula para n < 0, então o sistema não pode ser
– – r r  
causal. Mostre também que, se a resposta ao impulso for
nula para n < 0, então o sistema será necessariamente
Figura P2.65-2 causal.
2.70. Considere um sistema de tempo discreto com entrada
2.66. A sequência de autocorrelação de um sinal x[n] é defini- x[n] e saída y[n]. Quando a entrada é
da como
1 n
∞ x[n] = u[n],
4
R x [n] = x ∗ [k]x[n + k].
k=−∞ a saída é
(a) Mostre que, para uma escolha apropriada do si- 1 n
nal g[n], Rx[n] = x[n] * g[n], e identifique a escolha y[n] = para todo n.
2
apropriada para g[n].
Determine qual das seguintes afirmações é correta:
(b) Mostre que a transformada de Fourier de Rx[n] é
igual a |X(ejω)|2. • O sistema deve ser LIT.
2.67. Os sinais x[n] e y[n] mostrados na Figura P2.67-1 são a • O sistema pode ser LIT.
entrada e a saída correspondente para um sistema LIT. • O sistema não pode ser LIT.
Se a sua resposta for que o sistema deve ser ou pode
ser LIT, dê uma possível resposta ao impulso. Se a sua
1 x [n] 1 y [n]
resposta é que o sistema não pode ser LIT, explique cla-
0 2 3 ramente por que não.
1 2 3 n 0 1 n 2.71. Considere um sistema LIT cuja resposta em frequência é

–1 –1 H(ejω) = e–jω/2, |ω| < π.


Determine se o sistema é causal ou não. Mostre seu ra-
Figura P2.67-1 ciocínio.
2.72. Na Figura P2.72, duas sequências x1[n] e x2[n] são mos-
(a) Encontre a resposta do sistema para a sequência
tradas. As duas sequências são nulas para todo n fora das
x2[n] na Figura P2.67-2.
regiões mostradas. As transformadas de Fourier dessas
sequências são X1(ejω) e X2(ejω), que, em geral, espera-se
1 x2[n]
que sejam complexas e que podem ser escritas na forma

5 X 1 (e j ω ) = A 1 (ω)e j θ 1 (ω),
0 n X 2 (e j ω ) = A 2 (ω)e j θ 2 (ω),

–1 sendo A1(ω), θ1(ω), A2(ω) e θ2(ω) funções reais escolhi-


das de modo que tanto A1(ω) quanto A2(ω) sejam não
Figura P2.67-2 negativas em ω = 0, mas que fora isso podem assumir
valores positivos e negativos. Determine escolhas apro-
priadas para θ1(ω) e θ2(ω) e esboce essas duas funções de
(b) Encontre a resposta ao impulso h[n] para esse siste-
fases no intervalo 0 < ω < 2π.
ma LIT.
2.73. Considere a cascata de sistemas de tempo discreto na
2.68. Considere um sistema para o qual a entrada x[n] e a saí-
Figura P2.73. Os sistemas de reflexão no tempo são
da y[n] satisfaçam a equação de diferenças
defi­nidos pelas equações f [n] = e [−n] e y [n] = g [−n].
1 Suponha para este problema que x[n] e h1[n] sejam se-
y[n] − y[n − 1] = x[n] quências reais.
2
(a) Expresse E(ejω), F (ejω), G (ejω) e Y (ejω) em termos
e para o qual restringe-se y[−1] a ser nulo para toda en- de X(ejω) e H1(ejω).
trada. Determine se o sistema é estável ou não. Se você (b) O resultado do item (a) deveria convencê-lo de que
concluir que o sistema é estável, mostre seu raciocínio. o sistema total é LIT. Encontre a resposta em fre-
Se você concluir que o sistema não é estável, dê um quência H(ejω) do sistema total.
exemplo de uma entrada limitada que resulte em uma (c) Determine uma expressão para a resposta ao im-
saída não limitada. pulso h[n] do sistema total em termos de h1[n].

BOOK_oppen0512_BR.indb 55 1/15/13 6:05 PM


56  Processamento em tempo discreto de sinais

2 2 x1[n]
1 1
–1 0 3 4
–3 –2 1 2 5 6 n
–1 –1

–4 –4

4 4 x2[n]

2 2
1 1
–1 4 5 6 8 9
–4 –3 –2 0 1 2 3 –1 –1 7 10 n
–2 –2

–4 –4

Figura P2.72

Sistema Sistema
LIT Sistema Sistema
LIT
de reflexão de reflexão
x[n] h1[n] e[n] f [n] h1[n] g [n] y [n]
no tempo no tempo
H1(e j) H1(e j)

Figura P2.73

2.74. Pode-se mostrar que o sistema total na caixa tracejada 2.75. Na Figura P2.75-1 são mostradas as relações entrada-saí-
na Figura P2.74 é linear e invariante no tempo. da dos sistemas A e B, enquanto a Figura P2.75-2 contém
(a) Determine uma expressão para H(ejω), a resposta duas possíveis associações em cascata desses sistemas.
em frequência do sistema total da entrada x[n] até
a saída y[n], em termos de H1(ejω), a resposta em xA [n] Sistema A yA [n] = xA [–n]
frequência do sistema LIT interno. Lembre-se de
que (−1)n = ejπn.
(b) Faça um gráfico de H(ejω) para o caso em que a res-
xB [n] Sistema B yB [n] = xB [n + 2]
posta em frequência do sistema LIT interno seja

1, |ω| < ω c , Figura P2.75-1


H 1 (e j ω ) =
0, ω c < |ω| ≤ π.

x1[n] Sistema A Sistema B w1[n]

Sistema LIT
 causal  x2[n] Sistema B Sistema A w2[n]
x [n] v[n] h1[n] w[n] y [n]

(–1) –n (–1) n Figura P2.75-2


Se x1[n] = x2[n], w1[n] e w2[n] serão necessariamente iguais?
Figura P2.74 Se a sua resposta for sim, explique clara e concisamente por
que e demonstre com um exemplo. Se a sua resposta for
não necessariamente, demonstre com um contraexemplo.

BOOK_oppen0512_BR.indb 56 1/15/13 6:05 PM


Capítulo 2  Sinais e sistemas de tempo discreto  57

2.76. Considere o sistema da Figura P2.76, em que os subsiste- 2.78. Considere que H(ejω) denote a resposta em frequência
mas S1 e S2 são LIT. de um sistema LIT com resposta ao impulso h[n], sendo
h[n], em geral, complexa.
(a) Usando a Equação 2.104, mostre que H*(e−jω) é a
y1[n] resposta em frequência de um sistema com resposta
S1
ao impulso h*[n].
(b) Mostre que, se h[n] é real, a resposta em frequência

x [n] y [n] é simétrica conjugada, isto é, H(e−jω) = H*(ejω).
2.79. Considere que X(ejω) denote a transformada de Fourier
S2
y2[n] de x[n]. Usando as equações de síntese ou análise da
transformada de Fourier (equações 2.130 e 2.131), mos-
tre que
Figura P2.76 (a) a transformada de Fourier de x*[n] é X*(e−jω),
(b) a transformada de Fourier de x*[−n] é X*(ejω).
(a) O sistema total delimitado pela caixa tracejada, 2.80. Mostre que, para x[n] real, a propriedade 7 na Tabela 2.1
com entrada x[n] e saída y[n] igual ao produto de segue da propriedade 1 e que as propriedades 8-11 se-
y1[n] e y2[n], é garantidamente um sistema LIT? guem da propriedade 7.
Em caso positivo, explique seu raciocínio. Se não, 2.81. Na Seção 2.9, enunciamos uma série de teoremas da
forneça um contraexemplo. transformada de Fourier sem prova. Usando as equações
(b) Suponha que S1 e S2 tenham respostas em frequên- de síntese ou análise de Fourier (equações 2.130 e 2.131),
cia H1(ejω) e H2(ejω) que sabe-se serem nulas em demonstre a validade dos teoremas 1-5 na Tabela 2.2.
certas regiões. Sejam 2.82. Na Seção 2.9.6, argumentou-se intuitivamente que

0, |ω| ≤ 0,2π, Y(ejω) = H(ejω)X(ejω),(P2.82-1)


H 1 (e j ω ) =
não especificado, 0,2π < |ω| ≤ π,
quando Y(ejω), H(ejω) e X(ejω) são, respectivamente,
não especificado, |ω| ≤ 0,4π, as transformadas de Fourier da saída y[n], da resposta
H 2 (e j ω ) = ao impulso h[n] e da entrada x[n] de um sistema LIT;
0, 0,4π < |ω| ≤ π.
isto é,
Suponha também que saibamos que a entrada x[n] ∞
é limitada em banda a 0,3π, isto é, y[n] = x[k]h[n − k].(P2.82-2)
não especificado, |ω| < 0,3π, k=−∞
X (e j ω ) = Verifique a Equação P2.82-1 aplicando a transforma-
0, 0,3π ≤ |ω| ≤ π.
da de Fourier à soma de convolução dada na Equação
Sobre qual região de −π ≤ ω < π, Y(ejω), a TFTD de P2.82-2.
y[n], é nula? 2.83. Aplicando a equação da síntese de Fourier (Equação
2.77. Uma operação numérica comumente usada, chamada de 2.130 à Equação 2.167) e usando o Teorema 3 da Tabe-
primeira diferença regressiva, é definida como la 2.2, demonstre a validade do teorema da modulação
(Teorema 7, Tabela 2.2).
y[n] = ∇(x[n]) = x[n] − x[n − 1],
2.84. Considere que x[n] e y[n] denotem sequências comple-
sendo x[n] a entrada e y[n] a saída do sistema de primei- xas e X(ejω) e Y(ejω), suas respectivas transformadas de
ra diferença regressiva. Fourier.
(a) Mostre que esse sistema é linear e invariante no (a) Usando o teorema da convolução (Teorema 6 na
tempo. Tabela 2.2) e propriedades apropriadas da Tabela
(b) Encontre a resposta ao impulso do sistema. 2.2, determine, em termos de x[n] e y[n], a sequên-
(c) Encontre e esboce a resposta em frequência (mag- cia cuja transformada de Fourier é X(ejω)Y * (ejω).
nitude e fase). (b) Usando o resultado do item (a), mostre que
(d) Mostre que, se

1 π
x[n] = f [n] * g[n], x[n]y ∗ [n] = X (ej ω )Y ∗ (e j ω )dω. (P2.84-1)
2π −π
n=−∞
então
A Equação P2.84-1 é uma forma mais geral do teo-
∇(x[n]) = ∇(f [n]) * g[n] = f [n] * ∇(g[n]). rema de Parseval, como dado na Seção 2.9.5.
(e) Encontre a resposta ao impulso de um sistema que (c) Usando a Equação P2.84-1, determine o valor
poderia ser colocado em cascata com o sistema de numérico da soma
primeira diferença para recuperar a entrada; isto é, ∞
encontre hi[n], tal que sen(πn/ 4) sen(π n/ 6)
.
2π n 5πn
hi[n] * ∇(x[n]) = x[n]. n=−∞

2.85. Sejam x[n] e X(ejω) uma sequência e sua transformada


de Fourier, respectivamente. Determine, em termos de

BOOK_oppen0512_BR.indb 57 1/15/13 6:05 PM


58  Processamento em tempo discreto de sinais

X(ejω), as transformadas de ys[n], yd[n] e ye[n] definidas é branca, isto é, que


a seguir. Em cada caso, esboce a correspondente trans-
E{y[n]y[n + m]} = A δ[m],
formada de Fourier da saída Ys(ejω), Yd(ejω) e Ye (ejω),
respectivamente para X(ejω) como mostrado na Figura sendo A uma constante.
P2.85. 2.89. Considere um sinal aleatório x[n] = s[n] + e[n], em que
tanto s[n] quanto e[n] são sinais aleatórios estacionários
X(e j)
de média nula independentes com funções de autocorre-
1 lação φss[m] e φee[m], respectivamente.
... ... (a) Determine expressões para φxx[m] e xx(ejω).
(b) Determine expressões para φxe[m] e xe(ejω).
–2 –   (c) Determine expressões para φxs[m] e xs (ejω).
2
2.90. Considere um sistema LIT com resposta ao impulso h[n]
= anu [n] com |a| < 1.
Figura P2.85
(a) Calcule a função de autocorrelação determinística
φhh[m] para essa resposta ao impulso.
(a) Amostrador:
(b) Determine a função de magnitude ao quadrado
x[n], n par, |H(ejω)|2 para o sistema.
ys [n] =
0, n ímpar. (c) Use o teorema de Parseval para calcular a integral

Note que ys[n] = 21 {x[n] + (−1)nx[n]} e −1 = ejπ. 1 π


|H (e j ω )|2 dω
(b) Compressor: 2π −π

yd[n] = x[2n]. para o sistema.


(c) Expansor: 2.91. A entrada para o sistema de primeira diferença regressi-
va (Exemplo 2.9) é um sinal ruído branco de média nula,
x[n/ 2], n par, cuja função de autocorrelação é φxx[m] = σx2 δ[m].
ye [n] =
0, n ímpar. (a) Determine e faça um gráfico da função de autocor-
relação e do espectro de potência da corresponden-
2.86. A função de correlação de duas frequências x(N, ω) é te saída do sistema.
muitas vezes usada em radares e sonares para calcular (b) Qual é a potência média da saída do sistema?
a resolução da frequência e do tempo de viagem de um (c) O que este problema lhe diz sobre a primeira dife-
sinal. Para sinais de tempo discreto, definimos rença regressiva de um sinal ruído?
∞ 2.92. Seja x[n] um processo ruído branco real, estacionário,
x (N, ω) = x[n + N ]x ∗ [n − N ]e−j ωn . com média nula e variância σx2 . Seja y[n] a saída cor-
n=−∞ respondente quando x[n] é a entrada de um sistema LIT
com resposta ao impulso h[n]. Mostre que
(a) Mostre que
(a) E{x[n]y[n]} = h[0] σx2 ,
x(–N, –ω) = x* (N, ω). (b) σy2 = σx2 ∞ 2
n=−∞ h [n].
(b) Se
2.93. Seja x[n] uma sequência ruído branco real estacionária,
x[n] = A anu[n], 0 < a < 1, com média nula e variância σx2 . Seja x[n] a entrada para
a cascata de dois sistemas de tempo discreto LIT causais,
encontre x(N, ω). (Assuma que N ≥ 0.) como mostrado na Figura P2.93.
(c) A função x(N, ω) tem um dual no domínio da fre-
quência. Mostre que
h1 [n] h2 [n]
1 π x[n] y[n] w[n]
x (N, ω) = X ej [v+(ω/ 2)] X∗ e j [v−(ω/ 2)] e j 2vN dv.
2π −π
Figura P2.93
2.87. Considere que x[n] e y[n] sejam sinais aleatórios estacio-
nários, não correlacionados. Mostre que, se (a) É verdadeiro que σy2 = σx2 ∞ 2
k= 0 h 1 [k]?
∞ 2
w[n] = x[n] + y[n], (b) É verdadeiro que σw2 = σy2 k= 0 h 2 [k]?
então (c) Seja h1[n] = anu[n] e h2[n] = bnu[n]. Determine a
resposta ao impulso do sistema total na Figura
mw = m x + m y e σw2 = σx2 + σy2 . P2.93 e, a partir dela, determine σw2 . Suas respostas
para os itens (b) e (c) são consistentes?
2.88. Seja e[n] uma sequência ruído branco, e seja s[n] uma se-
quência que é não correlacionada com e[n]. Mostre que 2.94. Às vezes, estamos interessados no comportamento esta-
a sequência tístico de um sistema LIT quando a entrada é um sinal
aleatório aplicado abruptamente. Essa situação é repre-
y[n] = s[n]e[n] sentada na Figura P2.94.

BOOK_oppen0512_BR.indb 58 1/15/13 6:05 PM


Capítulo 2  Sinais e sistemas de tempo discreto  59

2.96. Considere um processo aleatório x[n] que seja a respos-


h[n] ta do sistema LIT mostrado na Figura P2.96. Na figura,
x[n] w[n] y [n]
w[n] representa um processo ruído branco estacionário
(chave fechada em n = 0)
com média nula e com E{w2[n]} = σw2 .

Figura P2.94 H (e j) =


1
w[n] 1 – 0,5 e–j x[n]
Seja x[n] um processo ruído branco estacionário. A en-
trada do sistema, w[n], dada por Figura P2.96
x[n], n ≥ 0,
w[n] = (a) Expresse E {x2[n]} em termos de φxx[n] ou xx(ejω).
0, n < 0,
(b) Determine xx(ejω), a densidade espectral de po-
tência de x[n].
é um processo não estacionário, como a saída y[n].
(c) Determine φxx[n], a função de correlação de x[n].
(a) Deduza uma expressão para a média da saída em
2.97. Considere um sistema LIT cuja resposta ao impulso seja
termos da média da entrada.
real e dada por h[n]. Suponha que as respostas do siste-
(b) Deduza uma expressão para a sequência de auto- ma às duas entradas x[n] e v[n] sejam, respectivamente,
correlação φyy[n1, n2] da saída. y[n] e z[n], como mostrado na Figura P2.97.
(c) Mostre que, para n grande, as fórmulas deduzidas
nos itens (a) e (b) aproximam-se dos resultados
h [n]
para as entradas estacionárias. x[n] y [n]
(d) Assuma que h[n] = anu[n]. Encontre a média e o
valor médio quadrático da saída em termos da mé-
dia e do valor médio quadrático da entrada. Esboce h [n]
esses parâmetros em função de n. v [n] z [n]
2.95. Sejam x[n] e y[n], respectivamente, a entrada e a saída
de um sistema. A relação entrada-saída de um sistema Figura P2.97
algumas vezes usado para fins de redução de ruído em
imagens é dada por As entradas x[n] e v[n] na figura representam processos
aleatórios estacionários de média nula com funções de
σ 2 [n] autocorrelação φxx[n] e φvv[n], função de correlação cru-
y[n] = s (x[n] − mx [n]) + mx [n], zada φxv[n], espectros de potência xx(ejω) e vv(ejω) e
σx2 [n] espectro de potência cruzada xv(ejω).
em que Dados φxx[n], φvv[n], φxv[n], xx(ejω), vv(ejω) e
(a) 
xv(ejω), determine yz(ejω), o espectro de potência
n+1 cruzada de y[n] e z[n], sendo yz(ejω) definido por
1
σx2 [n] = (x[k] − mx [n])2 ,
3 F j ω ),
k=n−1 φyz[n] ←→ yz(e

n+1 com φyz[n] = E{y[k]z[k − n]}.


1
mx [n] = x[k], (b) O espectro de potência cruzada xv(ejω) é sempre
3
k=n−1 não negativo; isto é, xv(ejω) ≥ 0 para todo ω? Justi-
fique sua resposta.
σx2 [n] − σw2 , σ x2 [n] ≥ σw2 , 2.98. Considere o sistema LIT mostrado na Figura P2.98. A
σs2 [n] =
0, caso contrário, entrada desse sistema, e[n], é um sinal ruído branco de
média nula estacionário com potência média σe2 . O pri-
e σw2 é uma constante conhecida proporcional à potên- meiro sistema é um sistema de diferenças regressivas de-
cia do ruído. finido por f [n] = e[n] − e[n − 1]. O segundo sistema é um
(a) O sistema é linear? filtro passa-baixas ideal com resposta em frequência
(b) O sistema é invariante a deslocamento?
1, |ω| < ω c ,
(c) O sistema é estável? H 2 (e j ω ) =
0, ω c < |ω| ≤ π.
(d) O sistema é causal?
(e) Para um x[n] fixo, determine y[n] quando σw2 tem
um valor muito alto (alta potência de ruído) e Sistema LIT Sistema LIT
quando σw2 tem valor muito baixo (baixa potência e[n] 1 f [n] 2 g [n]
de ruído). Os resultados y[n] fazem sentido para es-
ses casos extremos? Figura P2.98

BOOK_oppen0512_BR.indb 59 1/15/13 6:05 PM


60  Processamento em tempo discreto de sinais

(a) Determine uma expressão para ff (ejω), o espectro (c) Determine uma expressão para gg(ejω), o espectro
de potência de f [n], e faça um gráfico dessa expres- de potência de g[n], e faça um gráfico dessa expres-
são para −2π < ω < 2π. são para −2π < ω < 2π .
(b) Determine uma expressão para φff [m], a função de (d) Determine uma expressão para σg2 , a potência mé-
autocorrelação de f [n]. dia da saída.

BOOK_oppen0512_BR.indb 60 1/15/13 6:05 PM


3 A transformada z
Capítulo

3.0 Introdução única entre uma sequência e sua transformada z será


indicada pela notação
Neste capítulo, desenvolvemos a representação
Z
por transformada z de uma sequência e estudamos x[n] ←→ X(z). (3.4)
como as propriedades de uma sequência estão rela-
A transformada z, conforme a definimos na Equa-
cionadas às propriedades de sua transformada z. A
ção 3.2, é muitas vezes chamada de transformada z de
transformada z para sinais de tempo discreto é o cor-
dois lados ou bilateral, ao contrário da transformada z
respondente da transformada de Laplace para sinais
de um lado ou unilateral, que é definida como
de tempo contínuo, e cada uma delas tem uma relação
similar com a transformada de Fourier corresponden- ∞

te. Uma motivação para a introdução dessa generali- X (z) = x[n]z−n . (3.5)
zação é que a transformada de Fourier não converge n=0

para todas as sequências, e é útil ter uma generalização Claramente, as transformadas bilaterais e unilate-
da transformada de Fourier que abranja uma classe rais são idênticas se x[n] = 0 para n < 0, mas, caso con-
mais ampla de sinais. Uma segunda vantagem é que, trário, são diferentes. Damos uma breve introdução às
em problemas analíticos, a notação da transformada z propriedades da transformada z unilateral na Seção 3.6.
é muitas vezes mais conveniente do que a notação da Comparando as equações 3.1 e 3.2 fica evidente
transformada de Fourier. que existe uma relação próxima entre a transformada
de Fourier e a transformada z. Em particular, se subs-
3.1 Transformada z tituirmos a variável complexa z na Equação 3.2 pela
quantidade complexa ejω, então a transformada z se re-
A transformada de Fourier de uma sequência x[n]
duz à transformada de Fourier. Essa é a motivação para
foi definida no Capítulo 2 como
a notação X(ejω) para a transformada de Fourier. Quan-

do existe, a transformada de Fourier é simplesmente
X(e j ω) = x[n]e−j ωn . (3.1)
X(z) com z = ejω. Isso corresponde a restringir z a ter
n=−∞
magnitude unitária; isto é, para |z| = 1, a transformada
A transformada z de uma sequência x[n] é defini-
z corresponde à transformada de Fourier. De modo ge-
da como
ral, podemos expressar a variável complexa z em forma

polar, como
X(z) = x[n]z−n . (3.2)
n=−∞ z = re j ω.
Essa equação é, em geral, uma soma infinita, ou
Com z expressa dessa forma, a Equação 3.2 torna-se
uma série de potências infinita, sendo z considerada uma

variável complexa. Às vezes, é útil considerar a Equação
3.2 como um operador que transforma uma sequência X(re j ω) = x[n](re j ω)−n ,
n=−∞
em uma função. Ou seja, o operador da transformada z
Z{·}, definido como ou
∞ ∞

Z{x[n]} = x[n]z −n
= X(z), (3.3) X(re ) = (x[n]r −n )e−j ωn . (3.6)
n=−∞ n=−∞

transforma a sequência x[n] em uma função X(z), sendo A Equação 3.6 pode ser interpretada como a
z uma variável complexa contínua. A correspondência transformada de Fourier do produto da sequência ori-

BOOK_oppen0512_BR.indb 61 1/15/13 6:06 PM


62  Processamento em tempo discreto de sinais

ginal x[n] e da sequência exponencial r−n. Para r = 1, a em valor absoluto, a transformada de Fourier converge
Equação 3.6 se reduz à transformada de Fourier de x[n]. para uma função contínua de ω. Aplicar esse critério à
Como a transformada z é uma função de uma va- Equação 3.6 leva à condição
riável complexa, é conveniente descrevê-la e interpretá- ∞
-la usando o plano z complexo. No plano z, o contorno |X(re j ω )| ≤ |x[n]r −n | < ∞ (3.7)
correspondente a |z| = 1 é uma circunferência de raio n=−∞
unitário, como ilustrado na Figura 3.1. Esse contorno, para a convergência da transformada z. A partir da
chamado de circunferência unitária, é o conjunto de Equação 3.7, segue-se que, graças à multiplicação da se-
pontos z = ejω para 0 ≤ ω < 2π. A transformada z cal- quência pela exponencial real r−n, é possível que a trans-
culada sobre a circunferência unitária corresponde à formada z convirja mesmo que a transformada de Fou-
transformada de Fourier. Note que ω é o ângulo entre o rier (r = 1) não convirja. Por exemplo, a sequência x[n] =
vetor da origem até um ponto z na circunferência uni- u[n] não é somável em valor absoluto e, portanto, a série
tária e o eixo real do plano z complexo. Se calculamos de potências da transformada de Fourier não converge
X(z) em pontos da circunferência unitária no plano z, em valor absoluto. Porém, r−nu[n] é somável em valor
começando em z = 1 (isto é, ω = 0), passando por z = absoluto se r > 1. Isso significa que a transformada z
j (isto é, ω = π/2) até z = −1 (isto é, ω = π), obtemos a para o degrau unitário existe com uma RDC r = |z| > 1.
transformada de Fourier para 0 ≤ ω ≤ π. Continuar em A convergência da série de potências da Equação
torno da circunferência unitária corresponderia a obter 3.2 para determinada sequência depende somente de
a transformada de Fourier de ω = π até ω = 2π, ou, de |z|, pois |X(z)| < ∞ se
modo equivalente, de ω = −π a ω = 0. No Capítulo 2, a ∞
transformada de Fourier é mostrada em um eixo linear |x[n]|| z|−n < ∞, (3.8)
de frequências. A interpretação da transformada de n=−∞
Fourier como a transformada z na circunferência uni-
isto é, a RDC da série de potências na Equação 3.2 con-
tária no plano z corresponde conceitualmente a enrolar
siste em todos os valores de z tal que a desigualdade
o eixo linear de frequências em torno da circunferência
na Equação 3.8 seja válida. Assim, se algum valor de z,
unitária com ω = 0 em z = 1 e ω = π em z = −1. Com essa
digamos, z = z1, estiver na RDC, então todos os valo-
interpretação, a periodicidade na frequência inerente
res de z na circunferência definida por |z| = |z1| também
da transformada de Fourier é naturalmente capturada,
estarão na RDC. Como consequência disso, a RDC
pois uma mudança de ângulo de 2π radianos no plano z
consistirá em um anel no plano z centrado na origem.
corresponde a percorrer a circunferência unitária uma
Seu limite externo será uma circunferência (ou a RDC
vez retornando exatamente ao mesmo ponto.
pode se estender para fora em direção ao infinito), e
Como discutimos no Capítulo 2, a série de po- seu limite interno será uma circunferência (ou ela pode
tências que representa a transformada de Fourier não se estender para dentro e incluir a origem). Isso é ilus-
converge para todas as sequências; isto é, a soma in- trado na Figura 3.2. Se a RDC inclui a circunferência
finita pode não ser sempre finita. De modo similar, a unitária, então isso naturalmente implica convergência
transformada z não converge para todas as sequências da transformada z para |z| = 1, ou, de modo equivalente,
ou para todos os valores de z. Para qualquer sequência
dada, o conjunto de valores de z para os quais a série de
potências da transformada z converge é chamado de re- Im Plano z
gião de convergência (RDC) da transformada z. Como
enunciamos na Seção 2.7, se a sequência for somável

Im Plano z
Circunferência unitária z = e j Re


1 Re

Figura 3.2  A RDC como um anel no plano z. Para casos específicos,


o limite interno pode se estender para dentro até a origem, e a RDC
se transforma em um disco. Em outros casos, o limite externo pode se
Figura 3.1  Circunferência unitária no plano z complexo. estender para fora, até o infinito.

BOOK_oppen0512_BR.indb 62 1/15/13 6:06 PM


Capítulo 3  A transformada z  63

a transformada de Fourier da sequência converge. Por A transformada z é útil sobretudo quando a


outro lado, se a RDC não inclui a circunferência unitá- soma infinita pode ser expressa em forma fechada, isto
ria, a transformada de Fourier não converge em valor é, quando pode ser “somada” e expressa como uma
absoluto. fórmula matemática simples. Entre as transformadas
Uma série de potências na forma da Equação 3.2 z mais importantes e úteis estão aquelas para as quais
é uma série de Laurent. Portanto, diversos teoremas X(z) é igual a uma função racional dentro da RDC,
elegantes e poderosos da teoria das funções de uma va- isto é,
riável complexa podem ser empregados no estudo da P (z)
transformada z. [Veja Brown e Churchill (2007).] Por X(z) = , (3.11)
Q(z)
exemplo, uma série de Laurent, e portanto a transfor-
mada z, representa uma função analítica em cada ponto sendo P(z) e Q(z) polinômios em z. De modo geral, os
no interior da RDC; portanto, a transformada z e todas valores de z para os quais X(z) = 0 são os zeros de X(z),
as suas derivadas precisam ser funções contínuas de z e os valores de z para os quais X(z) é infinito, são os
no interior da RDC. Isso implica que, se a RDC inclui polos de X(z). No caso de uma função racional como a
a circunferência unitária, então a transformada de Fou- da Equação 3.11, os zeros são as raízes do polinômio no
rier e todas as suas derivadas com relação a ω devem numerador, e os polos (para valores finitos de z) são as
ser funções contínuas de ω. Além disso, pela discussão raízes do polinômio no denominador. Para transforma-
na Seção 2.7, a sequência deverá ser somável em valor das z racionais, existe uma série de relações importan-
absoluto, ou seja, uma sequência estável. tes entre a localização dos polos de X(z) e a RDC da
A convergência uniforme da transformada z re- transformada z. Discutimos essas relações mais especi-
quer somabilidade em valor absoluto da sequência pon- ficamente na Seção 3.2. Porém, primeiro ilustramos a
derada exponencialmente, como enunciado na Equa- transformada z por meio de vários exemplos.
ção 3.7. Nenhuma das sequências
sen ωc n Exemplo 3.1  Sequência exponencial lateral direita
x1 [n] = , −∞ < n < ∞, (3.9)
πn
e Considere o sinal x[n] = anu[n], em que a denota um nú-
mero real ou complexo. Por ser não nula somente para
x2 [n] = cos ω0 n, −∞ < n < ∞, (3.10) n ≥ 0, este é um exemplo da classe de sequências late-
rais direitas, que são sequências que começam em algum
é somável em valor absoluto. Além disso, nenhuma instante N1 e possuem valores não nulos somente para
dessas sequências multiplicada por r–n seria somável N1 ≤ n < ∞; ou seja, elas ocupam o lado direito de um
em valor absoluto para nenhum valor de r. Assim, gráfico da sequência. Da Equação 3.2,
nenhuma dessas sequências tem uma transformada ∞ ∞
z que converge absolutamente para algum z. Porém, X(z) = a n u[n]z−n = (az−1 )n .
mostramos na Seção 2.7 que, embora uma sequência n=−∞ n=0
como x1[n] na Equação 3.9 não seja somável em valor Para a convergência de X(z), exigimos que
absoluto, ela possui energia finita (isto é, ela é qua-

draticamente somável), e a transformada de Fourier |az−1 |n < ∞.
converge no sentido da média quadrática para uma n=0
função periódica descontínua. De modo similar, a
Assim, a RDC é a faixa de valores de z para os quais
sequência x2[n] da Equação 3.10 não é somável nem
|az−1| < 1 ou, de modo equivalente, |z| > |a|. No interior da
em valor absoluto nem quadraticamente, mas uma RDC, a série infinita converge para
transformada de Fourier útil para x2[n] pode ser de- ∞
finida usando-se as funções impulso (ou seja, funções 1 z
X (z) = (az−1 )n = = , |z| > |a|. (3.12)
generalizadas ou funções delta de Dirac). Em ambos 1 − az−1 z−a
n=0
os casos, as transformadas de Fourier não são funções Para obter essa expressão em forma fechada, usamos a
contínuas, infinitamente diferenciáveis, de modo que familiar fórmula para a soma de termos de uma série geo-
não podem resultar do cálculo de uma transformada métrica (ver Jolley, 1961). A transformada z da sequência
z sobre a circunferência unitária. Assim, nesses casos, x[n] = anu[n] tem uma RDC para qualquer valor finito de
não é estritamente correto pensar na transformada de |a|. Para a = 1, x[n] é a sequência degrau unitário com a
transformada z
Fourier como a transformada z calculada sobre a cir-
cunferência unitária, embora continuemos a usar a no- 1
X(z) = , |z| > 1. (3.13)
tação X(ejω) sempre para denotar a transformada de 1 − z−1
Fourier de tempo discreto.

BOOK_oppen0512_BR.indb 63 1/15/13 6:07 PM


64  Processamento em tempo discreto de sinais

Se |a| < 1, a transformada de Fourier de x[n] = anu[n] con- Se |a−1z| < 1 ou, de forma equivalente, |z| < |a|, a última
verge para soma na Equação 3.15 converge e, usando novamente a
1 fórmula para a soma de termos em uma série geométrica,
X(e j ω) = . (3.14)
1 − ae−j ω 1 1
X(z) = 1 − = =
Porém, se a ≥ 1, a transformada de Fourier da sequência 1 − a −1 z 1 − az−1
exponencial lateral direita não converge. z
= , |z| < |a|. (3.16)
z−a
No Exemplo 3.1, a soma infinita é igual a uma
função racional de z no interior da RDC. Para muitos O diagrama de polos e zeros e a RDC para este exemplo
são mostrados na Figura 3.4.
propósitos, essa função racional é uma representação
Note que para |a| < 1, a sequência −an u[−n −1] cresce ex-
muito mais conveniente do que a soma infinita. Vere-
ponencialmente quando n → −∞, e assim, a transformada
mos que qualquer sequência que pode ser represen- de Fourier não existe. Porém, se |a| > 1, a transformada de
tada como uma soma de exponenciais pode, de forma Fourier é
equivalente, ser representada por uma transformada z
1
racional. Essa transformada z é determinada por seus X(ej ω ) = , (3.17)
zeros e polos a menos de uma constante multiplicadora. 1 − ae−j ω
Para esse exemplo, existe um zero, em z = 0, e um polo, que é idêntica em forma à Equação 3.14. À primeira vista,
em z = a. O diagrama de polos e zeros e a RDC para isso parece violar a unicidade da transformada de Fourier.
o Exemplo 3.1 são mostrados na Figura 3.3, em que o Porém, essa ambiguidade é resolvida se lembrarmos que
símbolo “+” denota o zero e o símbolo “×”, o polo. Para a Equação 3.14 é a transformada de Fourier de an u[n] se
|a| < 1, enquanto a Equação 3.17 é a transformada de Fou-
|a| ≥ 1, a RDC não inclui a circunferência unitária, o que
rier de −an u[−n − 1] quando |a| > 1.
é consistente com o fato de que, para esses valores de
a, a transformada de Fourier da sequência exponencial-
mente crescente an u[n] não converge.
Comparando as equações 3.12 e 3.16 e as figuras
3.3 e 3.4, vemos que as sequências e, portanto, as somas
Im infinitas são diferentes; porém, as expressões algébricas
Plano z
para X(z) e os diagramas de polos e zeros correspon-
Circunferência
dentes são idênticos nos exemplos 3.1 e 3.2. As trans-
unitária
formadas z diferem apenas na RDC. Isso enfatiza a
necessidade de especificar tanto a expressão algébrica
quanto a RDC para uma transformada z bilateral de
a 1 Re
uma dada sequência. Além disso, em ambos os exem-
plos, as sequências são exponenciais e as transformadas
z resultantes são racionais. De fato, como é sugerido
ainda no próximo exemplo, X(z) é racional sempre que
x[n] for uma combinação linear de exponenciais reais
Figura 3.3  Diagrama de polos e zeros e RDC para o Exemplo 3.1. ou complexas.

Exemplo 3.2  Sequência exponencial lateral


esquerda Im Plano z

Circunferência
Agora, considere
unitária
−a n n ≤ −1
x[n] = −a n u[−n − 1] =
0 n > −1.
Como a sequência é não nula somente para n ≤ −1, essa
é uma sequência lateral esquerda. A transformada z nesse a 1 Re
caso é
∞ −1
X(z) = − a n u[− n − 1]z−n = − a n z−n
n=−∞ n=−∞
(3.15)
∞ ∞
=− a −n zn = 1 − (a −1 z)n .
n=1 n=0 Figura 3.4  Diagrama de polos e zeros e RDC para o Exemplo 3.2.

BOOK_oppen0512_BR.indb 64 1/15/13 6:07 PM


Capítulo 3  A transformada z  65

Exemplo 3.3  Soma de duas sequências Para a convergência de X(z), ambas as somas na Equação
exponenciais 3.19 devem convergir, o que requer que tanto 21 z−1 < 1

Considere um sinal que é a soma de duas exponenciais quanto − 13 z−1 < 1, ou, de modo equivalente, |z| > 21 e
reais:
|z| > 13. Assim, a RDC é a região de superposição, |z| > 21. O
n n
1 1 diagrama de polos e zeros e a RDC para a transformada z
x[n] = u[n] + − u[n]. (3.18)
2 3 de cada uma das parcelas individuais e para o sinal combi-
A transformada z é nado são mostrados na Figura 3.5.

1 n 1 n
X(z) = u[n] + − u[n] z−n
2 3
n=−∞
∞ ∞ Em cada um dos exemplos anteriores, começamos
1 n 1 n
= u[n]z−n + − u[n]z−n (3.19) com a definição da sequência e manipulamos cada uma
2 3
n=−∞ n=−∞ das somas infinitas em uma forma cuja soma poderia
∞ ∞
1 −1 n 1 n ser reconhecida. Quando a sequência é reconhecida
= z + − z−1
n=0
2
n=0
3 como uma soma de sequências exponenciais da forma
dos exemplos 3.1 e 3.2, a transformada z pode ser obti-
1 z−1
2 1 − 12
1 1 da de forma muito mais simples usando o fato de que o
= + =
1 − 21 z−1 1 + 13 z−1 1 − 21 z−1 1 + 13 z−1 operador transformada z é linear. Especificamente, da
definição da transformada z na Equação 3.2, se x[n] é
1
2z z − 12 a soma de duas parcelas, então X(z) será a soma das

= . (3.20)
z − 21 z + 13 transformadas z correspondentes das parcelas indivi-
duais. A RDC será a interseção das RDCs individuais,

Im Plano z Im Plano z

1 Re Re
1 –1 1
2 3

(a) (b)
Im Plano z

–1 1 1 1 Re
3 12 2

(c)

Figura 3.5  Diagrama de polos e zeros e RDC para as parcelas individuais e para a soma das parcelas nos exemplos 3.3 e 3.4. (a) 1/ (1 − 21 z −1),
|z| > 21 . (b) 1/ (1 + 13 z −1), |z| > 13 . (c) 1/ (1 − 21 z −1) + 1/ (1 + 13 z −1), |z | > 21 .

BOOK_oppen0512_BR.indb 65 1/15/13 6:07 PM


66  Processamento em tempo discreto de sinais

isto é, os valores de z para os quais ambas as somas in- Assim, pela linearidade da transformada z,
dividuais convergem. Já demonstramos a propriedade
da linearidade ao obter a Equação 3.19 no Exemplo 1 1 1 1
X (z) = + , < |z| e |z| < ,
3.3. No Exemplo 3.4 mostra-se como a transformada z 1 + 13 z−1 1 − 21 z−1 3 2

do Exemplo 3.3 pode ser obtida de uma maneira muito 1 z−1 1 (3.25)
2 1 − 12 2z z − 12
mais direta, expressando-se x[n] como a soma de duas = = .
sequências. 1 + 13 z−1 1 − 21 z−1 z + 13 z − 21

Nesse caso, a RDC é a região anular 13 < |z| < 21. Note que
Exemplo 3.4  Soma de duas exponenciais a função racional neste exemplo é idêntica à função racio-
(novamente) nal do Exemplo 3.4, mas a RDC é diferente neste caso. O
diagrama de polos e zeros e a RDC para este exemplo são
Novamente, seja x[n] dado pela Equação 3.18. Então, mostrados na Figura 3.6.
usando o resultado geral do Exemplo 3.1 com a = 21 e Como a RDC não contém a circunferência unitária, a se-
­a = − 13, pode-se ver facilmente que as transformadas z das quência na Equação 3.24 não tem uma transformada de
Fourier.
duas parcelas individuais são

1 n Z 1 1
u[n] ←→ , |z| > , (3.21)
2 1 − 21 z−1 2
Im Plano z

1 n Z 1 1
− u[n] ←→ , |z| > , (3.22)
3 1 + 13 z−1 3

e, consequentemente,

1 n 1 n Z 1
u[n] + − u[n] ←→ + –1 1 1 Re
2 3 1 − 21 z−1 3 12 2

1 1
+ , |z| > , (3.23)
1 + 13 z−1 2

como determinado no Exemplo 3.3. O diagrama de polos


e zeros e a RDC para a transformada z de cada uma das
parcelas individuais e para o sinal combinado são mostra- Figura 3.6  Diagrama de polos e zeros e RDC para o Exemplo 3.5.
dos na Figura 3.5.

Em cada um dos exemplos anteriores, expressa-


Os principais pontos nos exemplos 3.1-3.4 estão mos a transformada z tanto como uma razão de polinô-
resumidos no Exemplo 3.5. mios em z quanto como uma razão de polinômios em
z−1. Pela forma da definição da transformada z como
Exemplo 3.5  Sequência exponencial bilateral dada na Equação 3.2, vemos que, para sequências que
são nulas para n < 0, X(z) envolve apenas potências
Considere a sequência negativas de z. Assim, para essa classe de sinais, é par-
ticularmente conveniente expressar X(z) em termos
1 n 1 n de polinômios em z−1 em vez de em z; porém, mesmo
x[n] = − u[n] − u[−n − 1]. (3.24)
3 2 quando x[n] é não nulo para n < 0, X(z) ainda pode
Note que essa sequência cresce exponencialmente para
ser expresso em termos de fatores na forma (1 − az−1).
n S −∞. Usando o resultado geral do Exemplo 3.1 com Devemos lembrar que esse fator introduz um polo e
a = − 13, obtemos um zero, como ilustrado pelas expressões algébricas nos
exemplos anteriores.
1 n Z 1 1
− u[n] ←→ , |z| > , Esses exemplos mostram que sequências expo-
3 1 + 13 z−1 3
nenciais infinitamente longas possuem transformadas

1 z que podem ser expressas como funções racionais de z
e o uso do resultado do Exemplo 3.2 com a = fornece
2 ou de z−1. O caso em que a sequência tem comprimento
1 n Z 1 1 finito também tem uma forma bastante simples. Se a
− u[−n − 1] ←→ , |z| < .
2 1 − 21 z−1 2 sequência for não nula apenas no intervalo N1 ≤ n ≤ N2,
a transformada z

BOOK_oppen0512_BR.indb 66 1/15/13 6:07 PM


Capítulo 3  A transformada z  67

N2 Im Plano z
−n
X(z) = x[n]z (3.26) Polo de 15a ordem Circunferência unitária
n=N1
π
não tem problemas de convergência, desde que cada 8
um dos termos |x[n]z−n| seja finito. Em geral, pode não
ser possível expressar a soma de um conjunto finito de Re
parcelas em uma forma fechada, mas nesses casos isso a
pode ser desnecessário. Por exemplo, se x[n] = δ[n] +
δ[n − 5], então X(z) = 1 + z−5, que é finito para |z| > 0.
­Um exemplo de um caso em que um número finito
de termos pode ser somado para produzir uma repre-
Figura 3.7  Diagrama de polos e zeros para o Exemplo 3.6 com N = 16
sentação mais compacta da transformada z é dado no
e a real tal que 0 < a < 1. A RDC nesse exemplo consiste em todos os
Exemplo 3.6.
valores de z, exceto z = 0.

Exemplo 3.6  Sequência exponencial truncada de Os pares transformados correspondentes a alguns


comprimento finito dos exemplos anteriores, bem como uma série de outros
pares de transformadas z comumente encontrados, estão
Considere o sinal
listados na Tabela 3.1. Veremos que esses pares transfor-
an, 0 ≤ n ≤ N − 1, mados básicos são muito úteis para determinar trans-
x[n] =
0, caso contrário. formadas z dada uma sequência ou, ao contrário, para
Então, determinar a sequência correspondente a uma determi-
nada transformada z.
N−1 N−1
X(z) = a n z−n = (az−1 )n =
n=0 n=0 3.2 Propriedades da RDC para a
=
1 − (az−1 )N
=
1 zN − a N
,
transformada z
1 − az−1 zN−1 z−a (3.27)
Os exemplos da seção anterior sugerem que as
em que usamos a fórmula geral da Equação 2.55 para ob- propriedades da RDC dependem da natureza do sinal.
ter uma expressão em forma fechada para a soma da série
Essas propriedades são resumidas nesta seção com al-
finita. A RDC é determinada pelo conjunto de valores de
z para os quais guma discussão e justificativa intuitiva. Assumimos es-
N−1 pecificamente que a expressão algébrica para a transfor-
|az−1 |n < ∞. mada z é uma função racional e que x[n] tem amplitude
n=0 finita, exceto, possivelmente, em n = ∞ ou n = −∞.
Como existe somente um número finito de termos não nu- Propriedade 1: A RDC terá ou a forma 0 ≤ rR < |z|, ou
los, a soma será finita desde que az−1 seja finito, o que por |z| < rL ≤ ∞, ou, em geral, o anel, 0 ≤ rR < |z| < rL ≤ ∞.
sua vez requer somente que |a| < ∞ e z Z 0. Assim, assumin-
Propriedade 2: A transformada de Fourier de x[n] con-
do que |a| seja finito, a RDC inclui o plano z inteiro, com
a exceção da origem (z = 0). O diagrama de polos e zeros verge em valor absoluto se, e somente se, a RDC da
para este exemplo, com N = 16 e a real e entre zero e um, transformada z de x[n] incluir a circunferência unitária.
é mostrado na Figura 3.7. Especificamente, as N raízes do Propriedade 3: A RDC não pode conter quaisquer
polinômio do numerador estão localizadas no plano z em polos.
zk = aej ( 2πk/N ), k = 0, 1, . . . , N − 1. (3.28) Propriedade 4: Se x[n] é uma sequência de duração fini-
ta, isto é, uma sequência que é nula exceto em um inter-
(Note que esses valores satisfazem a equação = aN, e zN
valo finito −∞ < N1 ≤ n ≤ N2 < ∞, então a RDC é todo
quando a = 1, esses valores complexos são as N-ésimas raí-
zes da unidade.) O zero correspondente a k = 0 cancela o plano z, exceto possivelmente z = 0 ou z = ∞.
o polo em z = a. Consequentemente, não existem polos Propriedade 5: Se x[n] é uma sequência lateral direita,
além dos N – 1 polos na origem. Os zeros restantes estão isto é, uma sequência que é nula para n < N1 < ∞, a
localizados no plano z em RDC se estende para o exterior a partir do polo finito
zk = aej ( 2πk/N ), k = 1, . . . , N − 1. (3.29)
mais externo (isto é, de maior magnitude) de X(z) até (e
possivelmente incluindo) z = ∞.

BOOK_oppen0512_BR.indb 67 1/15/13 6:07 PM


68  Processamento em tempo discreto de sinais

Tabela 3.1  Alguns pares comuns de transformada z.

Sequência Transformada RDC


1. δ[n] 1 Todo z
i 1
2. u[n] |z| > 1
1 − z−1
1
3. −u[−n − 1] |z| < 1
1 − z−1
4. δ[n − m] z−m Todo z exceto 0 (se m > 0) ou ∞ (se m < 0)
1
5. a n u[n] |z| > |a|
1 − az−1
1
6. −a n u[−n − 1] |z| < |a|
1 − az−1
az−1
7. na n u[n] |z| > |a|
(1 − az−1 )2
az−1
8. −na n u[−n − 1] |z| < |a|
(1 − az−1 )2
1 − cos(ω0 )z−1
9. cos(ω0 n)u[n] |z| > 1
1 − 2 cos(ω0 )z−1 + z−2
sen(ω0 )z−1
10. sen(ω0 n)u[n] |z| > 1
1 − 2 cos(ω0 )z−1 + z−2
1 − r cos(ω0 )z−1
11. r n cos(ω0 n)u[n] |z| > r
1 − 2r cos(ω0 )z−1 + r 2 z−2
r sen(ω0 )z−1
12. r n sen(ω0 n)u[n] |z| > r
1 − 2r cos(ω0 )z−1 + r 2 z−2

a n , 0 ≤ n ≤ N − 1, 1 − a N z−N
13. |z| > 0
0, caso contrário 1 − az−1

Propriedade 6: Se x[n] é uma sequência lateral esquer- em que r = |z|. A Equação 3.30 mostra que, para um dado
da, isto é, uma sequência que é nula para n > N2 > −∞, x[n], a convergência depende somente de r = |z| (isto é,
a RDC se estende para o interior a partir do polo não não depende do ângulo de z). Note que, se a transfor-
nulo mais interno (menor magnitude) de X(z) até (e mada z converge para |z| = r0, então podemos decrescer
possivelmente incluindo) z = 0. r até que a transformada z não convirja. Esse é o valor
Propriedade 7: Uma sequência bilateral é uma se- |z| = rR tal que |x[n]|r−n cresce tão rapidamente (ou decai
quência de duração infinita que não é nem lateral di- tão lentamente) quando n S ∞, de modo que a série
reita nem lateral esquerda. Se x[n] é uma sequência não é mais somável em valor absoluto. Isso define rR. A
bilateral, a RDC consistirá em um anel no plano z, transformada z não pode convergir para r ≤ rR, pois r−n
limitado interior e exteriormente por um polo e, de crescerá ainda mais rápido. De modo similar, o limite
forma consistente com a Propriedade 3, não contendo externo rL pode ser encontrado aumentando r a partir
quaisquer polos. de r0 e considerando o que acontece quando n S −∞.
Propriedade 8: A RDC precisa ser uma região conectada. A Propriedade 2 é uma consequência do fato de
A Propriedade 1 resume a forma geral da RDC. que a Equação 3.2 se reduz à transformada de Fourier
Como discutido na Seção 3.1, ela resulta do fato de que quando |z| = 1. A Propriedade 3 segue reconhecendo­‑se
a condição para convergência da Equação 3.2 é dada que X(z) é infinito em um polo e, portanto, por defini-
pela Equação 3.7, repetida aqui como ção, não converge.
∞ A Propriedade 4 segue do fato de que a transfor-
|x[n]|r −n < ∞ (3.30) mada z de uma sequência de comprimento finito é uma
n=−∞ soma finita de potências finitas de z, isto é,

BOOK_oppen0512_BR.indb 68 1/15/13 6:07 PM


Capítulo 3  A transformada z  69

N2 Outro modo de chegar à Propriedade 5 é aplicar a


−n
X(z) = x[n]z . Equação 3.30 à Equação 3.31, obtendo-se
n=N1 ∞ N N ∞
Ak(dk)n r −n ≤ |Ak| |dk/r|n < ∞, (3.34)
Portanto, |X(z)| < ∞ para todo z, exceto z = 0,
n=0 k=1 k=1 n=0
quando N2 > 0 e/ou z = ∞ quando N1 < 0.
As propriedades 5 e 6 são casos especiais da Pro- que mostra que a convergência é garantida se todas as
priedade 1. Para interpretar a Propriedade 5 para trans- sequências |dk/r|n forem somáveis em valor absoluto.
formadas z racionais, note que uma sequência na forma Mais uma vez, como |dN| é a maior magnitude de polo,
escolhemos |dN /r| < 1, ou r > |dN|.
N
x[n] = Ak(dk)n u[n] (3.31) Para a Propriedade 6, que trata das sequências la-
k=1
terais esquerdas, um argumento exatamente paralelo
pode ser usado para uma soma das sequências exponen-
é um exemplo de uma sequência lateral direita compos-
ciais laterais esquerdas para mostrar que a RDC será de-
ta de sequências exponenciais com amplitudes Ak e fa-
finida pelo polo com a menor magnitude. Com a mesma
tores exponenciais dk. Embora esta não seja a sequência
suposição sobre a ordenação dos polos, a RDC será
lateral direita mais geral, ela será suficiente para ilustrar
a Propriedade 5. Sequências laterais direitas mais ge- |z| < |d1 | = min |dk| = rL, (3.35)
k
rais podem ser formadas adicionando-se sequências de
isto é, a RDC está para dentro do polo mais interno. Se a
comprimento finito ou deslocando-se sequências expo-
sequência lateral esquerda tiver valores não nulos para
nenciais de quantidades finitas; porém, essas modifica-
valores positivos de n, então a RDC não incluirá a ori-
ções na Equação 3.31 não mudariam nossas conclusões.
gem, z = 0. Como x[n] agora se estende até −∞ ao longo
Recorrendo à propriedade da linearidade, a transfor-
do eixo n negativo, r deve ser restringido, de modo que,
mada z do x[n] da Equação 3.31 é
para cada dk, a sequência exponencial (dk r−1)n decaia a
N zero enquanto n decresce até −∞.
Ak
X(z) = . (3.32) Para sequências laterais direitas, a RDC é ditada
1 − dkz−1
k=1 pela ponderação exponencial r−n requerida para que
|z| > |dk| todos os termos exponenciais decaiam a zero para um
Note que, para valores de z que se encontram em n crescente; para sequências laterais esquerdas, a pon-
todas as RDCs individuais, |z| > |dk|, as parcelas podem deração exponencial precisa ser tal que todos os termos
ser combinadas em uma função racional com denomi- exponenciais decaiam a zero para n decrescente. A Pro-
nador comum priedade 7 segue do fato de que, para sequências bilate-
rais, a ponderação exponencial precisa ser equilibrada,
N
uma vez que se decair muito rapidamente para n cres-
(1 − dkz−1 );
cente, pode crescer muito rapidamente para n decres-
k=1
cente e vice-versa. Mais especificamente, para sequên-
isto é, os polos de X(z) estão localizados em z = d1, ..., dN. cias bilaterais, alguns dos polos contribuem somente
Assuma, por conveniência, que os polos sejam ordena- para n > 0, e o restante somente para n < 0. A RDC está
dos de modo que d1 tenha a menor magnitude, corres- limitada interiormente pelo polo com a maior magnitu-
pondendo ao polo mais interno, e dN tenha a maior de que contribui para n > 0 e exteriormente pelo polo
magnitude, correspondendo ao polo mais externo. O com a menor magnitude que contribui para n < 0.
crescimento menos rápido dessas exponenciais, quando A Propriedade 8 é sugerida intuitivamente por
n cresce, é aquele correspondente ao polo mais interno, nossa discussão sobre as propriedades 4 a 7. Qualquer
isto é, d1, e o decaimento mais lento (ou o crescimen- sequência bilateral infinita pode ser representada como
to mais rápido) é aquele correspondente ao polo mais uma soma de uma componente lateral direita (digamos,
externo, isto é, dN. Não surpreendentemente, dN deter- para n ≥ 0) e uma componente lateral esquerda que in-
mina o limite interno da RDC que é a interseção das clua tudo que não está incluído na componente lateral
regiões |z| > |dk|. Ou seja, a RDC da transformada z de direita. A componente lateral direita terá uma RDC dada
uma soma de sequências exponenciais laterais direitas é pela Equação 3.33, enquanto a RDC da componente la-
teral esquerda será dada pela Equação 3.35. A RDC da
|z| > |dN | = max |dk| = rR , (3.33) sequência bilateral inteira deverá ser a interseção dessas
k
duas regiões. Assim, se tal interseção existir, ela sempre
isto é, a RDC é externa ao polo mais externo, estenden-
será uma região anular simplesmente conectada da forma
do-se até o infinito. Se uma sequência lateral direita co-
meçar em n = N1 < 0, então a RDC não incluirá |z| = ∞. rR < |z| < rL.

BOOK_oppen0512_BR.indb 69 1/15/13 6:07 PM


70  Processamento em tempo discreto de sinais

Existe uma possibilidade de não haver nenhuma Im Plano z


Circunferência
superposição entre as RDCs das componentes laterais unitária
direita e esquerda; isto é, rL < rR. Nesses casos, a trans-
formada z da sequência simplesmente não existe.

a b c Re
Exemplo 3.7  Regiões de convergência não
superpostas
Um exemplo é a sequência
(a)
1 n 1 n
x[n] = u[n] − − u[−n − 1]. Im Plano z Im Plano z
2 3

Aplicar as entradas correspondentes da Tabela 3.1 separa-


damente a cada parte leva a
1 1
X(z) = + . a b c Re a b c Re
1 − 21 z−1 1 + 13 z−1

|z| > 21 |z| < 13

Como não existe superposição entre |z| > 21 e |z| < 13, con-
cluímos que x[n] não tem representação por transformada (b) (c)
z (nem por transformada de Fourier).
Im Plano z Im Plano z

Como indicamos na comparação entre os exem-


plos 3.1 e 3.2, a expressão algébrica ou o padrão de
polos e zeros não especifica completamente a trans- a b c Re a b c Re
formada z de uma sequência; isto é, a RDC também
precisa ser especificada. As propriedades consideradas
nesta seção limitam as RDCs possíveis que possam
estar associadas a determinado padrão de polos e ze-
ros. Para ilustrar, considere o padrão de polos e zeros (d) (e)

mostrado na Figura 3.8(a). Das propriedades 1, 3 e 8, Figura 3.8  Exemplos de quatro transformadas z com a mesma locali-
existem apenas quatro escolhas possíveis para a RDC. zação de polos e zeros, ilustrando as diferentes possibilidades para a
Estas são indicadas nas figuras 3.8(b), (c), (d) e (e), RDC, cada uma correspondendo a uma sequência diferente: (b) a uma
sendo cada uma delas associada a uma sequência di- sequência lateral direita, (c) a uma sequência lateral esquerda, (d) a
ferente. Especificamente, a Figura 3.8(b) corresponde uma sequência bilateral e (e) a uma sequência bilateral.
a uma sequência lateral direita, a Figura 3.8(c) a uma
sequência lateral esquerda e as figuras 3.8(d) e 3.8(e) Exemplo 3.8  Estabilidade, causalidade e a RDC
a duas sequências bilaterais diferentes. Se assumirmos,
como indicado na Figura 3.8(a), que a circunferência Considere um sistema LIT com resposta ao impulso h[n].
Conforme discutiremos com mais detalhes na Seção 3.5,
unitária se encontra entre o polo em z = b e o polo a transformada z de h[n] é chamada de função de sistema
em z = c, então o único dos quatro casos para o qual a do sistema LIT. Suponha que H(z) tenha o diagrama de
transformada de Fourier converge é aquele mostrado polos e zeros mostrado na Figura 3.9. Existem três RDCs
na Figura 3.8(e). possíveis consistentes com as propriedades 1-8 que po-
dem ser associadas a esse diagrama de polos e zeros; isto
Na representação de uma sequência por sua trans-
é, ­|z| < 21 , 21 < |z| < 2 e |z| > 2. Porém, se enunciamos adi-
formada z, às vezes é conveniente especificar a RDC cionalmente que o sistema é estável (ou, de modo equi-
implicitamente por uma propriedade apropriada da valente, que h[n] é somável em valor absoluto e, portanto,
sequência no domínio do tempo. Isso é ilustrado no tem uma transformada de Fourier), então a RDC precisa
Exemplo 3.8. incluir a circunferência unitária. Assim, a estabilidade do
sistema e as propriedades 1-8 implicam que a RDC é a
região 21  <  |z| < 2. Note que, como consequência, h[n] é
bilateral; portanto, o sistema é não causal.

BOOK_oppen0512_BR.indb 70 1/15/13 6:07 PM


Capítulo 3  A transformada z  71

Im Plano z tos pares transformados. Por exemplo, na Seção 3.1,


Circunferência unitária calculamos a transformada z para sequências da for-
ma x[n] = anu[n], sendo a real ou complexo. Sequên-
cias nessa forma surgem frequentemente e, em con-
sequência, é particularmente útil fazer uso direto do
par transformado
–2 1 Re
2 Z 1
a n u[n] ←→ , |z| > |a|. (3.37)
1 − az−1
Se precisarmos determinar a transformada z in-
versa de
Figura 3.9  Diagrama de polos e zeros para a função de sistema do 1 1
Exemplo 3.8. X(z) = 1 −1
, |z| > , (3.38)
1− 2
2z
e lembrarmos do par de transformada z da Equação
Se enunciarmos, por outro lado, que o sistema é causal e, 3.37, reconheceríamos n“por inspeção” a sequência asso-
portanto, que h[n] é lateral direita, a Propriedade 5 requer ciada como x[n] = 21 u[n]. Se a RDC associada a X(z)
que a RDC seja a região |z| > 2. Sob essa condição, o sis- na Equação 3.38 tivesse sido |z| < 21, poderíamos lembrar
tema não seria estável; isto é, para esse diagrama de polos do par transformado 6 na Tabela 3.1 para encontrar, por
e zeros específico, não há uma RDC que implica que o n
sistema é estável e causal. inspeção, que x[n] = − 21 u[− n − 1].
Tabelas de transformadas z, como a Tabela 3.1, são
valiosas na aplicação do método da inspeção. Se a ta-
bela for extensa, pode ser possível expressar uma dada
transformada z como uma soma de parcelas, cujo inver-
3.3  A transformada z inversa so de cada uma é dado na tabela. Nesse caso, a transfor-
Ao usarmos a transformada z na análise dos sinais mada inversa (isto é, a sequência correspondente) pode
e sistemas de tempo discreto, devemos ser capazes de ir e ser escrita a partir da tabela.
voltar entre as representações no domínio de tempo e no
domínio z. Muitas vezes, essa análise envolve encontrar a 3.3.2  Expansão em frações parciais
transformada z de sequências e, após alguma manipula- Como já descrevemos, as transformadas z inversas
ção das expressões algébricas, encontrar a transformada podem ser encontradas por inspeção se a expressão da
z inversa. A transformada z inversa é a seguinte integral transformada z for reconhecida ou tabulada. Às vezes,
de contorno complexa: X(z) pode não ser dada explicitamente em uma tabela
1 disponível, mas pode ser possível obter uma expressão
x[n] = X(z)zn−1dz, (3.36) alternativa para X(z) como uma soma de parcelas mais
2πj C simples, sendo cada uma delas tabulada. Esse é o caso
em que C representa um contorno fechado dentro da para qualquer função racional, pois podemos obter uma
RDC da transformada z. Essa expressão integral pode expansão em frações parciais e identificar facilmente as
ser deduzida usando o teorema da integral de Cauchy da sequências correspondentes às parcelas individuais.
teoria das variáveis complexas. (Veja Brown e Churchill, Para saber como obter uma expansão em frações
2007, para uma discussão dos tópicos da série de Lau- parciais, assuma que X(z) seja expressa como uma ra-
rent e teoremas de integração complexa, todos relevan- zão de polinômios em z−1; isto é,
tes para um estudo aprofundado das bases matemáticas M
fundamentais da transformada z.) Porém, para os casos bkz−k
típicos de sequências e transformadas z que encontrare- X(z) =
k=0
. (3.39)
N
mos na análise de sistemas LIT discretos, procedimentos
menos formais são suficientes e preferíveis às técnicas akz−k
k=0
baseadas no cálculo da Equação 3.36. Nas seções 3.3.1-
Essas transformadas z surgem com frequência no
3.3.3, consideramos alguns desses procedimentos, especi-
estudo de sistemas LIT. Uma expressão equivalente é
ficamente o método da inspeção, a expansão em frações
M
parciais e a expansão em série de potências.
zN bkzM−k
k=0
3.3.1  Método da inspeção X(z) = . (3.40)
N
O método da inspeção consiste simplesmente em zM akzN−k
familiarizar-se com, ou reconhecer “por inspeção”, cer- k=0

BOOK_oppen0512_BR.indb 71 1/15/13 6:07 PM


72  Processamento em tempo discreto de sinais

A Equação 3.40 mostra explicitamente que, para (Observe que os fatores comuns entre o numerador e o
tais funções, haverá M zeros e N polos não nulos no pla- denominador devem ser cancelados antes do cálculo das
no z finito, assumindo que a0, b0, aN e bM sejam não expressões acima para A1 e A2.) Portanto,
nulos. Além disso, haverá M – N polos em z = 0 se M >
−1 2
N ou N − M zeros em z = 0 se N > M. Em outras pala- X(z) = + .
vras, transformadas z da forma da Equação 3.39 sempre 1 − 41 z−1 1 − 21 z−1

têm o mesmo número de polos e zeros no plano z finito,
e não ocorrem polos ou zeros em z = ∞. Para obter a Como x[n] é lateral direita, a RDC para cada parcela se
estende para o exterior a partir do polo mais externo. A
expansão em frações parciais de X(z) na Equação 3.39,
partir da Tabela 3.1 e da linearidade da transformada z,
é mais conveniente notar que X(z) poderia ser expresso conclui-se então que
na forma
1 n 1 n
M x[n] = 2 u[n] − u[n] .
2 4
(1 − ckz−1 )
b0 k=1
X(z) = , (3.41)
a0 N
(1 − dkz ) −1 Claramente, o numerador que resultaria da adição
k=1 das parcelas na Equação 3.42 seria no máximo de grau
(N – 1) na variável z−1. Se M ≥ N, então um polinômio
em que os cks são os zeros não nulos de X(z) e os dks de ordem (M − N) deve ser adicionado ao membro di-
são os polos não nulos de X(z). Se M < N e os polos reito da Equação 3.42. Assim, para M ≥ N, a expansão
forem todos de primeira ordem, então X(z) pode ser em frações parciais completa tem a forma
expresso como M−N N
Ak
N
Ak X(z) = Br z−r + . (3.45)
X(z) = . (3.42) 1 − dkz−1
r=0 k=1
1 − dkz−1
k=1
Se recebemos uma função racional na forma da
Claramente, o denominador comum das frações Equação 3.39, com M ≥ N, os Br s podem ser obtidos
na Equação 3.42 é o mesmo denominador presente na pela divisão longa do numerador pelo denominador,
Equação 3.41. Multiplicar ambos os membros da Equa- com o processo de divisão terminando quando o resto
ção 3.42 por (1 − dkz−1) e calculá-los para z = dk mostra for de grau menor do que o denominador. Os Aks ainda
que os coeficientes, Ak, podem ser encontrados a partir de podem ser obtidos com a Equação 3.43.
Se X(z) tiver polos múltiplos e M ≥ N, a Equação 3.45
Ak = (1 − dkz−1 )X(z) z=d . (3.43)
k deverá sofrer mais modificações. Em particular, se X(z) ti-
ver um polo de ordem s em z = di e todos os outros polos
Exemplo 3.9  Transformada z de um sistema de forem de primeira ordem, então a Equação 3.45 torna-se
segunda ordem M−N N
Ak
X(z) = Br z−r + +
Considere uma sequência x[n] com a transformada z 1 − dkz−1
r=0 k=1,k=i
1 1 s
X(z) = , |z| > . (3.44) Cm
1 − 41 z−1 1 − 21 z−1 2 + . (3.46)
(1 − di z−1 )m
m=1
O diagrama de polos e zeros para X(z) é mostrado na Fi-
gura 3.10. A partir da RDC e da Propriedade 5, Seção 3.2,
vemos que x[n] é uma sequência lateral direita. Como os
polos são ambos de primeira ordem, X(z) pode ser expres- Im Plano z
so na forma da Equação 3.42; isto é,
A1 A2
X(z) = + .
1 − 41 z−1 1 − 21 z−1

Da Equação 3.43, 1 1 Re
1 (1 − 41 z−1 ) 4 2
A1 = 1 − z−1 X(z) = = −1,
4 z=1/4 (1 − 41 z−1 )(1 − 21 z−1 ) z=1/4

1 −1 (1 − 21 z−1 )
A2 = 1− z X(z) = =2.
2 (1 − 1 z−1 )(1 − 1 z−1 )
z=1/2 4 2 z=1/2

Figura 3.10  Diagrama de polos e zeros e RDC para o Exemplo 3.9.

BOOK_oppen0512_BR.indb 72 1/15/13 6:07 PM


Capítulo 3  A transformada z  73

Os coeficientes Ak e Br são obtidos como antes. Os dendo a sequências laterais esquerdas. Polos de ordem
coeficientes Cm são obtidos a partir da equação múltipla também, da mesma maneira, são divididos em
1 ds−m
contribuições laterais esquerdas e direitas. O uso da
Cm = [(1 − di w)s X(w−1 )] . (3.47) RDC para encontrar transformadas z inversas a partir
(s − m)!(−di )s−m dws−m w=di−1
da expansão em frações parciais é ilustrado pelos exem-
A Equação 3.46 dá a forma mais geral para a ex- plos a seguir.
pansão em frações parciais de uma transformada z ra-
cional expressa em função de z−1 para o caso M ≥ N
e para di um polo de ordem s. Se houver vários polos Exemplo 3.10  Inversão por frações parciais
múltiplos, então haverá uma parcela como a tercei-
Para ilustrar o caso em que a expansão em frações parciais
ra soma na Equação 3.46 para cada polo múltiplo. Se
tem a forma da Equação 3.45, considere uma sequência
não houver polos múltiplos, a Equação 3.46 se reduz à x[n] com transformada z
Equação 3.45. Se a ordem do numerador for menor do
que a ordem do denominador (M < N), então a parcela 1 + 2z−1 + z−2
X(z) = =
polinomial desaparece das equações 3.45 e 3.46, o que 1 − 23 z−1 + 21 z−2
leva à Equação 3.42.
Deve-se notar que poderíamos ter chegado aos (1 + z−1 )2
= , |z| > 1. (3.48)
mesmos resultados supondo que a transformada z ra- 1 − 21 z−1 (1 − z−1 )
cional foi expressa em função de z em vez de z−1. Ou O diagrama de polos e zeros para X(z) é mostrado na Fi-
seja, em lugar de fatores na forma (1 − az−1), podería- gura 3.11. A partir da RDC e da Propriedade 5, Seção 3.2,
mos ter considerado fatores na forma (z − a). Isso le- fica claro que x[n] é uma sequência lateral direita. Como
varia a um conjunto de equações similares em forma M = N = 2 e os polos são todos de primeira ordem, X(z)
às equações 3.41-3.47, o que seria conveniente para uso pode ser representada como
com uma tabela de transformadas z expressas em ter- A1 A2
X(z) = B0 + + .
mos de z. Como achamos mais conveniente expressar 1 − 21 z−1 1 − z−1
a Tabela 3.1 em termos de z−1, o desenvolvimento que
seguimos é mais útil. A constante B0 pode ser calculada pela divisão longa:
Para ver como encontrar a sequência corresponden-
2
te a uma dada transformada z racional, vamos supor que 1 −2 − 3 z−1 + 1 z−2 + 2z−1 + 1
X(z) tenha apenas polos de primeira ordem, de modo 2z 2
z−2 − 3z−1 + 2
que a Equação 3.45 seja a forma mais geral da expansão
5z−1 − 1
em frações parciais. Para encontrar x[n], primeiro nota-
mos que a operação de transformada z é linear, de modo
Como o resto após um passo da divisão longa é de grau 1
que a transformada inversa das parcelas individuais pode
na variável z−1, não é necessário continuar a dividir. As-
ser encontrada e depois adicionada para formar x[n]. sim, X(z) pode ser expressa como
As parcelas Br z−r correspondem a sequências
impulso deslocadas e multiplicadas por escalar, isto é, −1 + 5z−1
X(z) = 2 + . (3.49)
parcelas na forma Brδ[n − r]. As parcelas fracionárias 1 − 21 z−1 (1 − z−1 )
correspondem a sequências exponenciais. Para decidir
se um termo
Im
Plano z
Ak
1 − dkz−1

corresponde a (dk)nu[n] ou −(dk)nu[−n − 1], precisamos


usar as propriedades da RDC que foram discutidas na
Seção 3.2. A partir dessa discussão, segue-se que, se
X(z) tiver apenas polos simples e a RDC tiver a forma 1 1 Re
2
rR < |z| < rL, então um dado polo dk corresponderá a
uma exponencial lateral direita (dk)nu[n] se |dk | ≤ rR e
corresponderá a uma exponencial lateral esquerda se
|dk | ≥ rL. Assim, a RDC pode ser usada para classificar
os polos, com todos os polos no interior do limite inter-
no rR correspondendo a sequências laterais direitas e Figura 3.11  Diagrama de polos e zeros para a transformada z do
todos os polos no exterior do limite externo correspon- Exemplo 3.10.

BOOK_oppen0512_BR.indb 73 1/15/13 6:07 PM


74  Processamento em tempo discreto de sinais

Agora, os coeficientes A1 e A2 podem ser encontrados apli-


podemos determinar qualquer valor particular da se-
cando-se a Equação 3.43 à Equação 3.48 ou, de modo equi- quência encontrando o coeficiente da potência apro-
valente, à Equação 3.49. Usando a Equação 3.49, obtemos priada de z−1. Já usamos esse método para encontrar a
  
transformada inversa da parte polinomial da expansão
−1 + 5z−1 1 em frações parciais quando M ≥ N. Essa abordagem
A1 = 2 +  1− z −1  = −9,
1 − 21 z−1 (1 − z−1 ) 2 também é muito útil para sequências de comprimento
z=1/2 finito em que X(z) pode não ter uma forma mais sim-
  
−1 + 5z −1 ples do que um polinômio em z−1.
A2 = 2 +  (1 − z−1 ) = 8.
1 − 21 z−1 (1 − z−1 )
z=1
Exemplo 3.11  Sequência de comprimento finito
Portanto,
9 8 Suponha que X(z) seja dada na forma
X(z) = 2 − + . (3.50)
1 − 21 z−1 1 − z−1
1 −1
X(z) = z2 1 − z (1 + z−1 )(1 − z−1 ). (3.52)
Da Tabela 3.1, vemos que, como a RDC é |z| > 1, 2
Z
2 ←→ 2δ[n], Embora X(z) seja obviamente uma função racional de
n z, ela não é realmente uma função racional na forma da
1 Z 1
←→ u[n], Equação 3.39. Seus únicos polos estão em z = 0, de modo
1 − 21 z−1 2
que uma expansão em frações parciais de acordo com as
1 Z técnicas da Seção 3.3.2 não é apropriada. Porém, multi-
←→ u[n]. plicando os fatores da Equação 3.52, podemos expressar
1 − z−1
X(z) como

Assim, a partir da linearidade da transformada z, 1 1


X(z) = z2 − z − 1 + z−1 .
2 2
1 n
x[n] = 2δ[n] − 9 u[n] + 8u[n]. Portanto, por inspeção, pode-se ver que x[n] é
2


 1, n = −2,


Na Seção 3.4, discutiremos e ilustraremos uma série 
 1 n = −1,
−2,
de propriedades da transformada z que, em combinação x[n] = −1, n = 0,


com a expansão em frações parciais, proveem um meio  1,
 n = 1,


para determinar a transformada z inversa a partir de uma 2
0, caso contrário.

expressão algébrica racional dada e da RDC associada,
mesmo quando X(z) não está exatamente na forma da De forma equivalente,
Equação 3.41. Os exemplos desta seção foram simples o
1 1
suficiente para que o cálculo da expansão em frações par- x[n] = δ[n + 2] − δ[n + 1] − δ[n] + δ[n − 1].
2 2
ciais não fosse difícil. Porém, quando X(z) é uma função
racional com polinômios de alto grau no numerador e no
denominador, os cálculos para fatorar o denominador e
calcular os coeficientes se tornam muito mais difíceis. Nes- Para encontrar transformadas z de uma sequên-
ses casos, ferramentas de software como o MATLAB po- cia, geralmente buscamos somar a série de potências
dem implementar os cálculos com facilidade. da Equação 3.51 para obter uma expressão matemáti-
ca mais simples, por exemplo, uma função racional. Se
3.3.3  Expansão em série de potências quisermos usar a série de potências para encontrar a
A expressão de definição para a transformada z é sequência correspondente a uma dada X(z) expressa
uma série de Laurent em que os valores da sequência em forma fechada, temos de expandir X(z) de volta
x[n] são os coeficientes de z−n. Assim, se a transformada em uma série de potências. Muitas séries de potên-
z for dada como uma série de potências na forma cias foram tabuladas para funções transcendentais

como log, sen, senh etc. Em alguns casos, essas séries
X(z) = x[n]z−n de potências podem ter uma interpretação útil como
n=−∞ transformadas z, como ilustramos no Exemplo 3.12.
(3.51) Para transformadas z racionais, a expansão em série
= · · · + x[−2]z2 + x[−1]z + x[0] +
de potências pode ser obtida por divisão longa, como
+ x[1]z−1 + x[2]z−2 + · · · , ilustrado no Exemplo 3.13.

BOOK_oppen0512_BR.indb 74 1/15/13 6:07 PM


Capítulo 3  A transformada z  75

Exemplo 3.12  Transformada inversa por expansão 3.4 Propriedades da transformada z


em série de potências
Muitas das propriedades matemáticas da transfor-
Considere a transformada z mada z são particularmente úteis no estudo de sinais e
sistemas de tempo discreto. Por exemplo, essas proprie-
X(z) = log(1 + az−1 ), |z| > |a|. (3.53) dades são usadas muitas vezes em conjunto com as téc-
nicas de transformada z inversa discutidas na Seção 3.3
Usando a expansão em série de Taylor para log(1 + x) com
para obter a transformada z inversa de expressões mais
|x| < 1, obtemos
complicadas. Na Seção 3.5 e no Capítulo 5, veremos que

(−1)n+1 a n z−n as propriedades também formam a base para a trans-
X(z) = .
n formação de equações de diferenças lineares com coe-
n=1
ficientes constantes em equações algébricas em termos
Portanto, da variável transformada z, e a solução pode então ser
 obtida usando a transformada z inversa. Nesta seção,
 an
x[n] = (−1)n+1 , n ≥ 1, (3.54) consideramos algumas das propriedades utilizadas mais
 0, n
n ≤ 0. frequentemente. Na discussão a seguir, X(z) denota a
transformada z de x[n], e a RDC de X(z) é indicada por
Rx; isto é,
Quando X(z) é a razão de polinômios, às vezes é Z
x[n] ←→ X(z), RDC = Rx .
útil obter uma série de potências pela divisão longa dos
polinômios. Como vimos, Rx representa um conjunto de valo-
res de z tal que rR < |z| < rL. Para propriedades que en-
Exemplo 3.13  Expansão em série de potências por volvem duas sequências e transformadas z associadas,
os pares transformados serão denotados como
divisão longa
Z
x1 [n] ←→ X1 (z), RDC = Rx1 ,
Considere a transformada z
Z
1 x2 [n] ←→ X2 (z), RDC = Rx2 .
X(z) = , |z| > |a|. (3.55)
1 − az−1

Uma vez que a RDC é o exterior de um círculo, a sequên- 3.4.1  Linearidade


cia é lateral direita. Além disso, como X(z) tende a uma A propriedade da linearidade estabelece que
constante finita quando z tende a infinito, a sequência é
Z
causal. Assim, dividimos, de modo a obter uma série de ax1 [n] + bx2 [n] ←→ aX1 (z) + bX2 (z),
potências em z−1. Fazendo a divisão longa, obtemos
RDC contém Rx1 ∩ Rx2 ,

1+az−1 +a 2 z−2 +· · ·
1 − az−1 1 e segue diretamente da definição da transformada z,
1−az−1 Equação 3.2; isto é,
,
az−1 ∞
az−1 −a 2 z−2 (ax1 [n] + bx2 [n])z−n =
a 2 z−2 · · · n=−∞
∞ ∞
ou =a x1 [n]z−n + b x2 [n]z−n .
1 n=−∞ n=−∞
= 1 + az−1 + a 2 z−2 + · · · .
1 − az−1 |z| ∈ Rx1 |z| ∈ Rx2

Logo, x[n] = anu[n].
Como indicado, para se dividir a transformada z
de uma soma na soma das transformadas z correspon-
Ao dividirmos a potência mais alta de z−1 no de- dentes, z precisa estar em ambas as RDCs. Portanto, a
nominador pela potência mais alta no numerador no RDC é pelo menos a interseção das RDCs individuais.
Exemplo 3.13, obtivemos uma série em z−1. Uma alter- Para sequências com transformadas z racionais, se os
nativa é expressar a função racional como uma razão de polos de aX1(z) + bX2(z) consistirem em todos os polos
polinômios em z e então dividir. Isso leva a uma série de X1(z) e X2(z) (isto é, se não houver cancelamento
de potências em z a partir da qual a sequência lateral de polos e zeros), então a RDC será exatamente igual
esquerda correspondente pode ser determinada. à superposição das RDCs individuais. Se a combinação

BOOK_oppen0512_BR.indb 75 1/15/13 6:07 PM


76  Processamento em tempo discreto de sinais

linear for tal que alguns zeros introduzidos cancelam ou


polos, então a RDC pode ser maior. Um exemplo sim-
Y (z)= z−n0 X(z).
ples disso ocorre quando x1[n] e x2[n] são de duração
infinita, mas a combinação linear tem duração finita. A propriedade de deslocamento no tempo nor-
Nesse caso, a RDC da combinação linear é o plano z malmente é útil em conjunto com outras propriedades e
inteiro, com a possível exceção de z = 0 ou z = ∞. Um procedimentos, na obtenção da transformada z inversa.
exemplo foi dado no Exemplo 3.6, em que x[n] pode ser Ilustraremos isso com um exemplo.
expressa como

x[n] = an (u[n] − u[n − N]) = anu[n] − anu[n − N]. Exemplo 3.14  Sequência exponencial deslocada
Tanto anu[n] quanto anu[n − N] são sequências la- Considere a transformada z
terais direitas de extensão infinita, e suas transformadas
1 1
z têm um polo em z = a. Portanto, suas RDCs indivi- X(z) = , |z| > .
duais seriam ambas |z| > |a|. Porém, como mostrado no z − 41 4
Exemplo 3.6, o polo em z = a é cancelado por um zero A partir da RDC, identificamos que ela corresponde a
em z = a, e, portanto, a RDC se estende pelo plano z uma sequência lateral direita. Primeiro, podemos reescre-
inteiro, com exceção de z = 0. ver X(z) na forma
Já exploramos a propriedade da linearidade em
z−1 1
nossa discussão anterior sobre o uso da expansão em fra­ X(z) = , |z| > . (3.56)
1 − 41 z−1 4
ções parciais no cálculo da transformada z inversa. Com
esse procedimento, X(z) é expandido em uma soma de Essa transformada z tem a forma da Equação 3.41 com
parcelas mais simples e, pela linearidade, a transforma- M = N = 1, e sua expansão na forma da Equação 3.45 é
da z inversa é a soma das transformadas inversas de 4
cada uma dessas parcelas. X(z) = −4 + . (3.57)
1 − 41 z−1

3.4.2  Deslocamento no tempo Da Equação 3.57, segue que x[n] pode ser expressa como
A propriedade de deslocamento no tempo é 1 n
x[n] = −4δ[n] + 4 u[n]. (3.58)
Z 4
x[n − n0 ] ←→ z−n0 X(z),
RDC = Rx (exceto pela possível adição Uma expressão para x[n] pode ser obtida mais diretamen-
ou exclusão de z = 0 ouz = ∞). te aplicando a propriedade do deslocamento no tempo.
Primeiro, X(z) pode ser escrito como

1 1
A quantidade n0 é um inteiro. Se n0 for positivo, a X(z) = z−1 , |z| > . (3.59)
sequência original x[n] é deslocada para a direita, e se 1 − 41 z−1 4
n0 for negativo, x[n] é deslocada para a esquerda. Assim
Da propriedade do deslocamento no tempo, reconhece-
como no caso da linearidade, a RDC pode ser modifica- mos que o fator z−1 na Equação 3.59 está associado a um
da, pois o fator z−n0 pode alterar o número de polos em deslocamento no tempo de uma amostra para a direita da
z = 0 ou z = ∞. n
sequência 1 u[n]; isto é,
4
A dedução dessa propriedade segue diretamente
da expressão da transformada z na Equação 3.2. Espe- 1 n−1
x[n] = u[n − 1]. (3.60)
cificamente, se y[n] = x[n − n0], a transformada z corres- 4
pondente é
É fácil verificar que as equações 3.58 e 3.60 são as mesmas
∞ para todos os valores de n; isto é, elas representam a mes-
Y (z)= x[n − n0 ]z−n . ma sequência.
n=−∞

Com a substituição de variáveis m = n − n0,



3.4.3  Multiplicação por uma sequência
Y (z)= x[m]z−(m+n0 )
m=−∞
exponencial
∞ A propriedade de multiplicação exponencial é
−n0 −m
=z x[m]z , Z
z0n x[n] ←→ X(z/z0 ), RDC = |z0 |Rx .
m=−∞

BOOK_oppen0512_BR.indb 76 1/15/13 6:07 PM


Capítulo 3  A transformada z  77

A notação RDC = |z0|Rx significa que a RDC é Rx 3.4.4  Diferenciação de X (z)


multiplicada escalarmente pelo número |z0|; isto é, se Rx é A propriedade da diferenciação estabelece que
o conjunto de valores de z tal que rR < |z| < rL, então |z0|Rx
é o conjunto de valores de z tal que |z0|rR < |z| < |z0|rL. Z dX(z)
nx[n] ←→ −z , RDC = Rx .
Essa propriedade é facilmente demonstrada com dz
a simples substituição de z0n x[n] na Equação 3.2. Como
uma consequência da propriedade de multiplicação expo- Essa propriedade é verificada pela diferenciação da
nencial, todas as localizações de polos e zeros são multi- expressão da transformada z da Equação 3.2; isto é, para
plicadas escalarmente por um fator z0, pois, se X(z) tem

um polo (ou zero) em z = z1, então X(z/z0) terá um polo
X(z) = x[n]z−n ,
(ou zero) em z = z0z1. Se z0 for um número real positivo, a
n=−∞
multiplicação por escalar pode ser interpretada como uma
compressão ou expansão do plano z; isto é, as localizações obtemos
de polos e zeros mudam ao longo de linhas radiais no pla- ∞
no z. Se z0 é complexo com magnitude unitária, de modo dX(z)
−z = −z (−n)x[n]z−n−1
que z0 = e jω0, a multiplicação por escalar corresponde a dz n=−∞
uma rotação no plano z de um ângulo ω0; isto é, as locali- ∞
zações de polos e zeros mudam de posição ao longo de cir- = nx[n]z−n = Z{nx[n]}.
cunferências centradas na origem. Isso, por sua vez, pode n=−∞
ser interpretado como um deslocamento em frequência ou
translação da transformada de Fourier de tempo discreto, Ilustraremos o uso da propriedade da diferencia-
que é associada no domínio do tempo à modulação pela ção com dois exemplos.
sequência exponencial complexa e jω0 n. Ou seja, se a trans-
formada de Fourier existe, essa propriedade tem a forma Exemplo 3.16  Inversão de transformada z não
F
e j ω 0n
x[n] ←→ X(e j (ω −ω0 )
). racional

Neste exemplo, usamos a propriedade da diferenciação
Exemplo 3.15  Multiplicação exponencial juntamente com a propriedade de deslocamento no tem-
po para determinar a transformada z inversa considerada
Começando com o par transformado no Exemplo 3.12. Com
Z 1 X(z) = log(1 + az−1 ), |z| > |a|,
u[n] ←→ , |z| > 1, (3.61)
1 − z−1
primeiro diferenciamos para obter uma expressão racional:
podemos usar a propriedade de multiplicação exponen-
cial para determinar a transformada z de dX(z) −az−2
= .
dz 1 + az−1
x[n] = r n cos(ω0 n)u[n], r > 0. (3.62)
A partir da propriedade da diferenciação,
Primeiro, x[n] é expressa como
1 jω 0 n 1 Z dX(z) az−1
x[n] = (re ) u[n] + (re−j ω 0 )n u[n]. nx[n] ←→ −z
dz
= , |z| > |a|. (3.64)
2 2 1 + az−1

Então, usando a Equação 3.61 e a propriedade da multi- A transformada inversa da Equação 3.64 pode ser obtida
plicação exponencial, vemos que pelo uso conjunto do par de transformada z do Exemplo
3.1, da propriedade da linearidade e da propriedade do
1
1 jω 0 n Z 2 deslocamento no tempo. Especificamente, podemos ex-
(re ) u[n] ←→ , |z| > r,
2 1 − rej ω 0 z−1 pressar nx[n] como

1 −j ω 0 n Z 2
1
nx[n] = a(−a)n−1 u[n − 1].
(re ) u[n] ←→ , |z| > r.
2 1 − re−j ω 0 z−1
Portanto,
an Z
Da propriedade da linearidade, segue que x[n] = (−1)n+1 u[n − 1] ←→ log(1 + az−1 ), |z| > |a|.
n
1 1
X(z) = 2 + 2 , |z| > r
1 − rej ω 0 z−1 1 − re−j ω 0 z−1
1 − r cos(ω0 )z−1 (3.63) O resultado do Exemplo 3.16 será útil em nossa
= , |z| > r. discussão de cepstrum, no Capítulo 13.
1 − 2r cos(ω0 )z−1 + r 2 z−2

BOOK_oppen0512_BR.indb 77 1/15/13 6:08 PM


78  Processamento em tempo discreto de sinais

Exemplo 3.17  Polo de segunda ordem Exemplo 3.18   Sequência exponencial refletida no
tempo
Como outro exemplo do uso da propriedade da diferen-
ciação, determinaremos a transformada z da sequência Como um exemplo do uso da propriedade de reflexão no
x[n] = na n u[n] = n(a n u[n]). tempo, considere a sequência

x[n] = a −n u[−n],
Do par de transformada z do Exemplo 3.1 e da proprieda-
de da diferenciação, segue-se que que é uma versão refletida no tempo de anu[n]. Da pro-
d 1 priedade de reflexão no tempo, segue-se que
X(z) = −z , |z| > |a|
dz 1 − az−1
1 −a −1 z−1
X(z) = = , |z| < |a −1 |.
az−1 1 − az 1 − a −1 z−1
= , |z| > |a|.
(1 − az−1 )2
Note que a transformada z de anu[n] tem um polo em z =
Portanto, a, enquanto X(z) tem um polo em 1/a.

Z az−1
na n u[n] ←→ , |z| > |a|.
(1 − az−1 )2
3.4.7  Convolução de sequências
De acordo com a propriedade da convolução,
Z
3.4.5  Conjugação de uma sequência complexa x1 [n] ∗ x2 [n] ←→ X1 (z)X2 (z), RDC contém Rx1 ∩ Rx2 .
A propriedade de conjugação é expressa como
Para demonstrar essa propriedade formalmente,
Z

x [n] ←→ X (z ), ∗ ∗
RDC = Rx . consideramos


Essa propriedade segue de maneira direta da defi- y[n] = x1 [k]x2 [n − k],
nição da transformada z. Os detalhes da demonstração k=−∞
são deixados como exercício (Problema 3.54).
de modo que
3.4.6  Reflexão no tempo ∞
A propriedade de reflexão no tempo é dada por Y (z)= y[n]z−n
n=−∞
Z 1
x ∗ [−n] ←→ X∗ (1/z∗ ), RDC = . ∞ ∞
Rx
= x1 [k]x2 [n − k] z−n .
A notação RDC = 1/Rx implica que Rx é invertida; n=−∞ k=−∞
isto é, se Rx é o conjunto de valores de z tal que rR < |z| < rL,
então a RDC para X*(1/z*) é o conjunto de valores de Se trocarmos a ordem do somatório (o que é per-
z tal que 1/rL < |z| < 1/rR. Assim, se z0 estiver na RDC mitido para z na RDC),
de x[n], então 1/z0* está na RDC para a transformada z de ∞ ∞
x*[−n]. Se a sequência x[n] for real ou se não conjugar- Y (z)= x1 [k] x2 [n − k]z−n .
mos uma sequência complexa, o resultado torna-se k=−∞ n=−∞

Z 1 Mudando o índice do somatório na segunda soma


x[− n] ←→ X(1/z), RDC = .
Rx de n para m = n − k, obtemos
Assim como a propriedade da conjugação, a pro- ∞ ∞
priedade da reflexão no tempo segue facilmente da de- Y (z)= x1 [k] x2 [m]z−m z−k
finição da transformada z, e os detalhes são deixados k=−∞ m=−∞
como um exercício (Problema 3.54). ∞ ∞
Note que, se z0 for um polo (ou zero) de X(z), = x1 [k] X2 (z) z−k = x1 [k]z−k X2 (z)
então 1/z0 será um polo (ou zero) de X(1/z). A magni- k=−∞ |z|∈Rx2 k=−∞
tude de 1/z0 é simplesmente o recíproco da magnitude
de z0. Porém, o ângulo de 1/z0 é o negativo do ângu- Assim, para valores de z dentro das RDCs de
lo de z0. Quando os polos e zeros de X(z) são todos X1(z) e X2(z), podemos escrever
reais ou estão em pares complexos conjugados, como
devem estar quando x[n] é real, esse emparelhamento Y (z)= X1 (z)X2 (z),
de conjugado complexo é mantido.

BOOK_oppen0512_BR.indb 78 1/15/13 6:08 PM


Capítulo 3  A transformada z  79

sendo que a RDC inclui a interseção das RDCs de de sistemas de tempo discreto. Como devemos contar
X1(z) e X2(z). Se um polo que está na borda da RDC extensamente com a transformada z no Capítulo 5 e em
de uma das transformadas z for cancelado por um zero capítulos posteriores, vale a pena agora ilustrar como a
da outra, então a RDC de Y(z) pode ser maior. transformada z pode ser usada na representação e aná-
O uso da transformada z no cálculo de convolu- lise dos sistemas LIT.
ções é ilustrado pelo exemplo a seguir. Lembre-se da Seção 2.3 que um sistema LIT pode
ser representado como a convolução y[n] = x[n] * h[n]
da entrada x[n] com h[n], sendo h[n] a resposta do siste-
Exemplo 3.19  Convolução de sequências de
ma à sequência impulso unitário δ[n]. Da propriedade
comprimento finito da convolução da Seção 3.4.7, segue-se que a transfor-
mada z de y[n] é
Suponha que
x1[n] = δ[n] + 2δ[n − 1] + δ[n − 2] Y(z) = H(z)X(z), (3.65)

seja uma sequência de comprimento finito a ser convoluí- sendo H(z) e X(z) as transformadas z de h[n] e x[n],
da com a sequência x2[n] = δ[n] − δ[n − 1]. As transforma- respectivamente. Nesse contexto, a transformada z
das z correspondentes são H(z) é chamada de função de sistema do sistema LIT,
X1(z) = 1 + 2z−1 + z−2 cuja resposta ao impulso é h[n].
O cálculo da saída de um sistema LIT usando a
e X2(z) = 1 − z−1. A convolução y[n] = x1[n] * x2[n] tem
transformada z é ilustrado pelo exemplo a seguir.
transformada z
Y (z) = X1(z)X2(z) = (1 + 2z−1 + z−2)(1 − z−1)
= 1 + z−1 − z−2 − z−3.
Exemplo 3.20  C
 onvolução de sequências de
comprimento infinito
Como essas sequências têm comprimento finito, as RDCs
são ambas |z| > 0, e, portanto, o mesmo ocorre com a RDC
de Y(z). De Y(z), concluímos por inspeção dos coeficien- Sejam h[n] = anu[n] e x[n] = Au[n]. Para usar a transfor-
tes do polinômio que mada z no cálculo da convolução y[n] = x[n] * h[n], come-
çamos encontrando as transformadas z correspondentes
y[n] = δ[n] + δ[n − 1] − δ[n − 2] − δ[n − 3]. como
O ponto importante deste exemplo é que a convolução ∞
1
de sequências de comprimento finito é equivalente à mul- H (z) = a n z−n = , |z| > |a|,
1 − az−1
tiplicação polinomial. Reciprocamente, os coeficientes do n=0
produto de dois polinômios são obtidos pela convolução
discreta dos coeficientes polinomiais. e

A
X(z) = Az−n = , |z| > 1.
1 − z−1
A propriedade de convolução desempenha um pa- n=0

pel particularmente importante na análise de sistemas A transformada z da convolução y[n] = x[n] * h[n] é, por-
LIT, como discutiremos com mais detalhes na Seção 3.5 tanto,
e no Capítulo 5. Um exemplo do uso da transformada z A Az2
para calcular a convolução de duas sequências de com- Y (z) = = , |z| > 1,
(1 − az−1 )(1 − z−1 ) (z − a)(z − 1)
primento infinito é dado na Seção 3.5.
em que assumimos que |a| < 1, de modo que a superposi-
3.4.8  Resumo de algumas propriedades da ção das RDCs é |z| > 1.
transformada z Os polos e zeros de Y(z) são traçados na Figura 3.12, e a
RDC é observada como a região de superposição. A se-
Apresentamos e discutimos uma série de teore- quência y[n] pode ser obtida determinando-se a transfor-
mas e propriedades das transformadas z, muitos dos mada z inversa. A expansão em frações parciais de Y(z) é
quais são úteis na manipulação de transformadas z na
A 1 a
análise de sistemas de tempo discreto. Essas proprie- Y (z) = − |z| > 1.
1−a 1 − z−1 1 − az−1
dades e diversas outras são resumidas para referência
conveniente na Tabela 3.2. Portanto, tomando-se a transformada z inversa de cada
termo, resulta
3.5 Transformadas z e sistemas LIT A
y[n] = (1 − a n+1 )u[n].
As propriedades discutidas na Seção 3.4 fazem a 1−a
transformada z uma ferramenta muito útil na análise

BOOK_oppen0512_BR.indb 79 1/15/13 6:08 PM


80  Processamento em tempo discreto de sinais

Tabela 3.2  Algumas propriedades da transformada z.

Propriedade Seção de Sequência Transformada RDC


Número referência
x[n] X(z) Rx
x1 [n] X1 (z) Rx1
x2 [n] X2 (z) Rx2
1 3.4.1 ax1 [n] + bx2 [n] aX1 (z) + bX2 (z) Contém Rx1 ∩ Rx2
2 3.4.2 x[n − n0 ] z−n0 X(z) Rx , exceto pela possível
adição ou exclusão
da origem ou ∞
3 3.4.3 z0n x[n] X(z/z0 ) |z0 |Rx
dX(z)
4 3.4.4 nx[n] −z Rx
dz
5 3.4.5 x ∗ [n] X∗ (z∗ ) Rx
1
6 Re{x[n]} [X(z) + X∗ (z∗ )] Contém Rx
2
1
7 Im{x[n]} [X(z) − X∗ (z∗ )] Contém Rx
2j
8 3.4.6 x ∗ [−n] X∗ (1/z∗ ) 1/Rx
9 3.4.7 x1 [n] ∗ x2 [n] X1 (z)X2 (z) Contém Rx1 ∩ Rx2

A transformada z é particularmente útil na análise sejam todos nulos. A equação de diferenças com dadas
de sistemas LIT descritos pelas equações de diferenças. condições de repouso inicial define o sistema LIT, mas
Lembre-se de que na Seção 2.5 mostramos que as equa- também é de interesse conhecer a função de sistema. Se
ções de diferenças na forma aplicamos a propriedade da linearidade (Seção 3.4.1) e
N M a propriedade do deslocamento no tempo (Seção 3.4.2)
ak bk à Equação 3.66, obtemos
y[n] = − y[n − k] + x[n − k] (3.66)
a0 a0
k=1 k=0 N M
ak −k bk −k
comportam-se como sistemas LIT causais quando a en- Y (z)= − z Y (z)+ z X(z).(3.67)
a0 a0
trada é nula antes de n = 0 e as condições de repouso k=1 k=0
inicial são impostas antes do momento em que a entra- Resolvendo para Y(z) em termos de X(z) e dos
da se torna não nula; isto é, supõe-se que parâmetros da equação de diferenças, resulta
y[− N], y[− N + 1], . . . , y[− 1]  M 

 bkz−k 
 
 k=0 
Y (z)=   X(z), (3.68)
Im  N 
Plano z  ak z−k 

k=0

e por uma comparação das equações 3.65 e 3.68, con-


clui-se que, para o sistema LIT descrito pela Equação
3.66, a função de sistema é
a 1 Re M
bkz−k
Região de k=0
convergência H (z) = . (3.69)
N
akz−k
k=0

Figura 3.12  Diagrama de polos e zeros para a transformada z da con- Como o sistema definido pela equação de diferen-
volução das sequências u [n] e a n u [n] (assumindo |a| < 1). ças da Equação 3.66 é um sistema causal, a discussão na

BOOK_oppen0512_BR.indb 80 1/15/13 6:08 PM


Capítulo 3  A transformada z  81

Seção 3.2 nos leva à conclusão de que H(z) na Equação Teremos muito mais usos para a transformada z
3.69 deverá ter uma RDC na forma |z| > rR, e como a no Capítulo 5 e nos capítulos subsequentes. Por exem-
RDC não pode conter polos, rR deverá ser igual à mag- plo, na Seção 5.2.3, devemos obter expressões gerais
nitude do polo de H(z) que está mais distante da ori- para a resposta ao impulso de um sistema LIT com fun-
gem. Além disso, a discussão na Seção 3.2 também con- ção do sistema racional, e mostraremos como a resposta
firma que, se rR < 1, isto é, se todos os polos estão dentro em frequência do sistema está relacionada à localização
da circunferência unitária, então o sistema é estável e a dos polos e zeros de H(z).
resposta em frequência do sistema é obtida fazendo z =
e jω na Equação 3.69. 3.6 A transformada z unilateral
Note que se a Equação 3.66 for expressa na forma
A transformada z, como definida pela Equação 3.2,
equivalente
e como considerada até aqui neste capítulo, é chamada
N M mais explicitamente de transformada z bilateral ou trans-
aky[n − k] = bkx[n − k], (3.70) formada z de dois lados. Por outro lado, a transformada z
k=0 k=0 unilateral, ou transformada z de um lado, é definida como
então a Equação 3.69, que dá a função de sistema (e a ∞
resposta em frequência para sistemas estáveis) como X (z) = x[n]z−n . (3.74)
uma razão de polinômios na variável z−1, pode ser escrita n=0
diretamente observando-se que o numerador é a repre- A transformada z unilateral difere da transforma-
sentação por transformada z dos coeficientes e dos ter- da z bilateral no fato de que o limite inferior da soma é
mos de atraso que envolvem a entrada, enquanto o de- sempre fixado em zero, independentemente dos valores
nominador representa os coeficientes e termos de atraso de x[n] para n < 0. Se x[n] = 0 para n < 0, as transforma-
que envolvem a saída. Similarmente, dada a função de das z unilateral e bilateral são idênticas, ao passo que se
sistema como uma razão de polinômios em z−1, como na x[n] não for nulo para todo n < 0, elas serão diferentes.
Equação 3.69, é simples escrever a equação de diferenças Um simples exemplo ilustra esse fato.
na forma da Equação 3.70 e depois escrevê-la no forma-
to da Equação 3.66 para implementação recursiva.
Exemplo 3.22  Transformada unilateral de um
Exemplo 3.21  Sistema de primeira ordem impulso

Suponha que um sistema LIT causal seja descrito pela Suponha que x1[n] = δ[n]. Então, fica claro pela Equação
equação de diferenças 3.74 que X1(z) = 1, o que é idêntico à transformada z
bilateral do impulso. Porém, considere x2[n] = δ[n + 1] =
y[n] = ay[n − 1] + x[n]. (3.71) x1[n  + 1]. Dessa vez, usando a Equação 3.74, encontra-
Por inspeção, segue que a função de sistema para esse mos que X2(z) = 0, enquanto a transformada z bilateral
­sistema é fornece X2(z) = zX1(z) = z.

1
H (z) = , (3.72)
1 − az−1 Como a transformada unilateral de fato ignora
com RDC |z| > |a|, a partir do qual segue, da linha 5 da qualquer componente lateral esquerda, as propriedades
Tabela 3.1, que a resposta ao impulso do sistema é da RDC da transformada z unilateral serão as mesmas
que aquelas da transformada bilateral de uma sequên-
h[n] = a n u[n]. (3.73)
cia lateral direita obtidas, considerando que os valores
Finalmente, se x[n] é uma sequência com uma transfor- da sequência são nulos para n < 0. Isto é, a RDC para to-
mada z racional, como x[n] = Au[n], podemos encontrar das as transformadas z unilaterais terão a forma |z| > rR,
a saída do sistema de três formas distintas. (1) Podemos
iterar a equação de diferenças na Equação 3.71. Em geral, e para transformadas z unilaterais racionais, o limite da
essa abordagem poderia ser usada com qualquer entra- RDC será definido pelo polo que está mais afastado da
da e, geralmente, seria usada para implementar o sistema, origem do plano z.
mas não levaria diretamente a uma solução de forma fe- Em aplicações de processamento digital de sinais,
chada válida para todo n, mesmo que tal expressão exis-
tisse. (2) Poderíamos calcular a convolução de x[n] e h[n] as equações de diferenças da forma da Equação 3.66 são
explicitamente usando as técnicas ilustradas na Seção 2.3. geralmente empregadas com condições de repouso ini-
(3) Como as transformadas z tanto de x[n] quanto de h[n] cial. Porém, em algumas situações, podem ocorrer con-
são funções racionais de z, podemos usar o método de fra- dições que não sejam de repouso inicial. Nesses casos,
ções parciais da Seção 3.3.2 para determinar uma expres- as propriedades de linearidade e deslocamento no tempo
são em forma fechada para a saída válida para todo n. De
fato, isso foi feito no Exemplo 3.20. da transformada z unilateral são ferramentas particular-
mente úteis. A propriedade da linearidade é idêntica

BOOK_oppen0512_BR.indb 81 1/15/13 6:08 PM


82  Processamento em tempo discreto de sinais

àquela da transformada z bilateral (Propriedade 1 na Note que, se y[−1] = 0, a primeira parcela desaparece, e
Tabela 3.2). A propriedade do deslocamento no tempo ficamos com Y(z) = H(z)X (z), em que
é diferente no caso unilateral, pois o limite inferior na
definição da transformada unilateral é fixado em zero. 1
H(z) = , |z| > |a|
Para ilustrar como chegar a essa propriedade, considere 1 − az−1
uma sequência x[n] com transformada z unilateral X(z)
é a função de sistema do sistema LIT correspondente à
e considere y[n] = x[n − 1]. Então, por definição,
equação de diferenças da Equação 3.77 quando iterada
∞ com condições de repouso inicial. Isso confirma que as
Y(z) = x[n − 1]z−n . condições de repouso inicial são necessárias para que a
n=0 equação de diferenças iterada se comporte como um sis-
Com a substituição do índice do somatório m = tema LIT. Além disso, note que, se x[n] = 0 para todo n, a
saída será igual a
n − 1, podemos escrever Y(z) como
∞ ∞ y[n] = y[−1]a n+1 n ≥ −1.
−(m+1) −1 −m
Y(z) = x[m]z = x[−1] + z x[m]z ,
m=−1 m=0 Isso mostra que, se y[−1] Z 0, o sistema não se comporta li-
nearmente, pois a propriedade de mudança de escala para
de modo que sistemas lineares [Equação 2.23(b)] requer que, quando a
entrada for nula para todo n, a saída deverá ser igualmen-
Y(z) = x[−1] + z−1 X (z). (3.75) te nula para todo n.
Assim, para determinar a transformada z unilate- Para ser mais específico, suponha que x[n] = Au[n], como
ral de uma sequência atrasada, temos de fornecer va- no Exemplo 3.20. Podemos determinar uma equação para
y[n] para n ≥ −1, notando que a transformada z unilateral
lores da sequência que sejam ignorados no cálculo de
de x[n] = Au[n] é
X(z). Por uma análise similar, pode-se mostrar que, se
y[n] = x[n − k], com k > 0, então A
X (z) = , |z| > 1
1 − z−1
Y(z) = x[− k] + x[− k + 1]z−1 + . . .
+ x[− 1]z−k+1 + z−kX (z) de modo que a Equação 3.78 torna-se
k ay[− 1] A
= x[m − k − 1]z−m+1 + z−kX (z). (3.76) Y(z) = + . (3.79)
1 − az−1 (1 − az−1 )(1 − z−1 )
m=1
Aplicando a técnica de expansão em frações parciais à
O uso da transformada z unilateral para resolver Equação 3.79, obtém-se
a saída de uma equação de diferenças com condições
iniciais não nulas é ilustrado pelo exemplo a seguir. A aA

ay[− 1] 1 − a 1 −a ,
Y(z) = + +
1 − az−1 1 − z−1 1 − az−1
Exemplo 3.23  Efeito das condições iniciais não
nulas de onde segue que a solução completa é

Considere um sistema descrito pela equação de diferenças  y[− 1] n = −1


linear com coeficientes constantes 

y[n] = n+1 + A
y[n] − ay[n − 1] = x[n],  y[− 1]a 1 − a n+1 n ≥ 0 (3.80)
(3.77) 
 1−a

 REN
que é o mesmo sistema dos exemplos 3.20 e 3.21. Suponha RCIN
que x[n] = 0 para n < 0 e que a condição inicial em n =
−1 seja denotada como y[−1]. Aplicando a transformada A Equação 3.80 mostra que a resposta do sistema é com-
z unilateral à Equação 3.77 e usando a propriedade de li- posta de duas partes. A resposta à entrada nula (REN) é
nearidade, bem como a propriedade de deslocamento no a resposta quando a entrada é nula (nesse caso, quando
tempo da Equação 3.75, temos A = 0). A resposta a condições iniciais nulas (RCIN) é a
componente que é diretamente proporcional à entrada
Y(z) − ay[−1] − az−1 Y(z) = X (z). (conforme requerido pela linearidade). Essa componente
permanece quando y[−1] = 0. No Problema 3.49, mostra-se
Resolvendo para Y (z), obtemos
que essa decomposição em componentes REN e RCIN é
ay[− 1] 1 válida para qualquer equação de diferenças na forma da
Y(z) = + X (z). (3.78)
1 − az−1 1 − az−1 Equação 3.66.

BOOK_oppen0512_BR.indb 82 1/15/13 6:08 PM


Capítulo 3  A transformada z  83

3.7 Resumo (a) xa [n] = α |n| , 0 < |α| < 1.


1, 0 ≤ n ≤ N − 1,
Neste capítulo, definimos a transformada z de uma (b) xb[n] =
0, caso contrário.

sequência e mostramos que ela é uma generalização  n + 1, 0 ≤ n ≤ N − 1,
da transformada de Fourier. A discussão concentrou- (c) xc [n] = 2N − 1 − n, N ≤ n ≤ 2(N − 1),

-se nas propriedades da transformada z e nas técnicas 0, caso contrário.
para a obtenção da transformada z de uma sequência Dica: Note que xb[n] é uma sequência retangular e
e vice-versa. Especificamente, mostramos que a série xc[n] é uma sequência triangular. Primeiro, expres-
de potências que definem a transformada z pode con- se xc[n] em termos de xb[n].
vergir quando a transformada de Fourier não conver- 3.4. Considere a transformada z X(z), cujo diagrama de po-
ge. Exploramos em detalhes a dependência da RDC los e zeros é como mostrado na Figura P3.4.
com as propriedades da sequência. Uma compreensão (a) Determine a RDC de X(z) se sabemos que a trans-
plena das propriedades da RDC é essencial para o uso formada de Fourier existe. Para esse caso, deter-
bem-sucedido da transformada z. Isso é particularmen- mine se a sequência x[n] correspondente é lateral
te verdadeiro no desenvolvimento de técnicas para direita, lateral esquerda ou bilateral.
determinar a sequência que corresponde a uma dada (b) Quantas possíveis sequências bilaterais tem o dia-
grama de polos e zeros mostrado na Figura P3.4?
transformada z, isto é, para determinar transformadas
(c) É possível que o diagrama de polos e zeros na Fi-
z inversas. Grande parte da discussão concentrou-se
gura P3.4 seja associado com uma sequência que é
nas transformadas z que são funções racionais e em sua tanto estável quanto causal? Nesse caso, dê a RDC
região de convergência. Para tais funções, descrevemos apropriada.
uma técnica de transformação inversa baseada na ex-
pansão em frações parciais de X(z). Também discuti- Im
Plano z
mos outras técnicas para a transformação inversa, como Circunferência unitária
o uso das expansões em série de potências tabuladas e
divisão longa.
Uma parte importante do capítulo foi a discussão
–1 1 2 3 Re
de algumas das muitas propriedades da transformada z 3
que a tornam útil na análise de sinais e sistemas de tem-
po discreto. Diversos exemplos demonstraram como
essas propriedades podem ser usadas para encontrar
transformadas z diretas e inversas. Figura P3.4

3.5. Determine a sequência x[n] com transformada z


Problemas X(z) = (1 + 2z)(1 + 3z−1)(1 − z−1).
Problemas básicos com respostas 3.6. A seguir, há várias transformadas z. Para cada uma, de-
3.1. Determine a transformada z, incluindo a RDC, para termine a transformada z inversa usando ambos os méto-
cada uma das seguintes sequências: dos — expansão em frações parciais e expansão em série
de potências — discutidos na Seção 3.3. Além disso, indi-
(a) 1 n u[n]
2 que em cada caso se a transformada de Fourier existe.
n
(b) − 21 u[− n − 1] 1 1
(a) X(z) = , |z| >
n
(c) 21 u[− n] 1 + 21 z−1 2
1 1
(d) δ[n] (b) X(z) = , |z| <
(e) δ[n − 1] 1 + 21 z−1 2
( f ) δ[n + 1] 1 − 21 z−1 1
1 n (u[n] − u[n − 10]) (c) X(z) = , |z| >
(g) 2 1 + 43 z−1 + 18 z−2 2

3.2. Determine a transformada z da sequência 1 − 21 z−1 1


(d) X(z) = , |z| >
1 − 41 z−2 2
n, 0 ≤ n ≤ N − 1,
x[n] = 1 − az−1
N, N ≤ n. (e) X(z) = , |z| > |1/a|
z−1 − a
3.3. Determine a transformada z de cada uma das sequên-
cias a seguir. Inclua com sua resposta a RDC no pla- 3.7. A entrada de um sistema LIT causal é
no z e um esboço do diagrama de polos e zeros. Ex-
presse todas as somas em forma fechada; α pode ser 1 n
x[n] = u[−n − 1] + u[n].
complexo. 2

BOOK_oppen0512_BR.indb 83 1/15/13 6:08 PM


84  Processamento em tempo discreto de sinais

A transformada z da saída desse sistema é (1 − z−1 )2


(a)
− 21 z−1 1 − 21 z−1
Y(z) = .
1 − 21 z−1 1 + z−1 (z − 1)2
(b)
z − 21
(a) Determine H(z), a transformada z da resposta ao 5
impulso do sistema. Não se esqueça de especificar a z − 41
RDC. (c)
6
(b) Qual é a RDC para Y(z)? z − 21
(c) Determine y[n]. 6
z − 41
3.8. A função de sistema de um sistema LIT causal é (d)
5
1 − z−1 z − 21
H (z) = .
1 + 43 z−1 3.12. Esboce o diagrama de polos e zeros para cada uma das
seguintes transformadas z e sombreie a RDC:
A entrada desse sistema é
1 − 21 z−1
1 n (a) X1 (z) = , RDC: |z| < 2
x[n] = u[n] + u[−n − 1]. 1 + 2z−1
3 1 − 13 z−1
(b) X2 (z) = , x 2 [n] causal
(a) Encontre a resposta ao impulso do sistema, h[n]. 1 + 21 z−1 1 − 23 z−1
(b) Encontre a saída y[n]. 1 + z−1 − 2z−2
(c) O sistema é estável? Isto é, h[n] é somável em valor (c) X3 (z) = , x 3 [n] somável em
1 − 13 z−1 + z−2 valor absoluto.
absoluto? 6
3.9. Um sistema LIT causal tem resposta ao impulso h[n], 3.13. Uma sequência causal g[n] tem a transformada z
para a qual a transformada z é
G(z) = sen(z−1)(1 + 3z−2 + 2z−4).
1 + z−1
H (z) = . Encontre g[11].
1 − 21 z−1 1 + 41 z−1
1
3.14. Se H (z) = e h[n] = A1αn1 u[n] + A2αn2 u[n], de-
(a) Qual é a RDC de H(z)? 1 − 41 z−2
(b) O sistema é estável? Explique. termine os valores de A1, A2, α1 e α2.
(c) Determine a transformada z X(z) de uma entrada 1 z−10
1 − 1024
x[n] que produzirá a saída 3.15. Se H (z) = para |z| > 0, o sistema LIT cor-
1 − 12 z−1
1 1 n 4 respondente é causal? Justifique sua resposta.
y[n] = − − u[n] − (2)n u[−n − 1].
3 4 3 3.16. Quando a entrada de um sistema LIT é
(d) Encontre a resposta ao impulso h[n] do sistema. 1 n
3.10. Sem obter explicitamente X(z), forneça a RDC da trans- x[n] = u[n] + (2)n u[−n − 1],
3
formada z de cada uma das sequências a seguir e deter-
mine se a transformada de Fourier converge: a saída correspondente é

(a) x[n] = 1 n+ 3 n u[n − 10] 1 n 2 n


2 4 y[n] = 5 u[n] − 5 u[n].
1, −10 ≤ n ≤ 10, 3 3
(b) x[n] =
0, caso contrário, (a) Encontre a função de sistema H(z) do sistema. Faça
(c) x[n] = 2n u[−n] um diagrama de polo(s) e zero(s) de H(z) e indique
(d) x[n] = 1 n+4 − (ej π/ 3 )n u[n − 1] a RDC.
4
(b) Encontre a resposta ao impulso h[n] do sistema.
(e) x[n] = u[n + 10] − u[n + 5]
n−1 (c) Escreva uma equação de diferenças que seja satis-
( f ) x[n] = 21 u[n] + (2 + 3j ) n−2 u[−n − 1]. feita pela entrada e pela saída dadas.
(d) O sistema é estável? Ele é causal?
3.11. A seguir, há quatro transformadas z. Determine quais 3.17. Considere um sistema LIT com entrada x[n] e saída y[n]
poderiam ser a transformada z de uma sequência cau- que satisfaça a equação de diferenças
sal. Não calcule a transformada inversa. Você deve dar a
resposta por inspeção. Indique claramente seu raciocínio 5
y[n] − y[n − 1] + y[n − 2] = x[n] − x[n − 1].
em cada caso. 2

BOOK_oppen0512_BR.indb 84 1/15/13 6:08 PM


Capítulo 3  A transformada z  85

Determine todos os valores possíveis para a resposta ao (d) Use a expansão em frações parciais para determi-
impulso do sistema h[n] em n = 0. nar a resposta ao impulso h[n].
3.18. Um sistema LIT causal tem a função de sistema (e) Encontre Y(z), a transformada z da saída, quando
a entrada é x[n] = u[−n − 1]. Especificar a RDC
1 + 2z−1 + z−2 para Y(z).
H (z) = .
1 + 21 z−1 (1 − z−1 ) (f) Encontre a sequência de saída y[n] quando a entra-
da é x[n] = u[−n − 1].
(a) Encontre a resposta ao impulso do sistema, h[n]. 3.22. Um sistema LIT causal tem função de sistema
(b) Encontre a saída desse sistema, y[n], para a entrada 1 − 4z−2
H (z) = .
x[n] = 2 n. 1 + 0,5z−1
3.19. Para cada um dos seguintes pares de transformada z A entrada desse sistema é
da entrada X(z) e função de sistema H(z), determine a
π
RDC da transformada z da saída Y(z): x[n] = u[n] + 2 cos n − ∞ < n < ∞,
2
1 1
(a) X(z) = , |z| >
1 + 21 z−1 2 Determine a saída y[n] para um n grande e positivo; isto
é, encontre uma expressão para y[n] que seja assintotica-
1 1 mente correta quando n se torna grande. (Naturalmente,
H (z) = , |z| >
1 − 41 z−1 4 uma abordagem é encontrar uma expressão para y[n] que
seja válida para todo n, mas você deverá ver um modo
1 mais fácil.)
(b) X(z) = , |z| < 2 3.23. Considere um sistema LIT com resposta ao impulso
1 − 2z−1
1 1 a n , n ≥ 0,
H (z) = , |z| > h[n] =
1 − 13 z−1 3 0, n < 0,

e entrada
1 1 1, 0 ≤ n ≤ (N − 1),
(c) X(z) = , < |z| < 3 x[n] =
1 − 15 z−1 1 + 3z−1 5 0, caso contrário.

1 + 3z−1 1 (a) Determine a saída y[n] calculando explicitamente a


H (z) = , |z| > convolução discreta de x[n] e h[n].
1 + 13 z−1 3
(b) Determine a saída y[n] calculando a transformada
3.20. Para cada um dos seguintes pares de transformadas z da z inversa do produto das transformadas z de x[n] e
entrada e da saída X(z) e Y(z), determine a RDC para a h[n].
função de sistema H(z): 3.24. Considere um sistema LIT que seja estável e para o
1 3 qual H(z), a transformada z da resposta ao impulso,
(a) X(z) = , |z| > seja dada por
1− z3 −1 4
4
3
1 2 H (z) = .
Y (z) = , |z| > 1 + 13 z−1
1 + 23 z−1 3
1 1 Suponha que x[n], a entrada do sistema, seja uma se-
(b) X(z) = , |z| < quência degrau unitário.
1 + 13 z−1 3
(a) Determine a saída y[n] calculando a convolução
1 1 1 discreta de x[n] e h[n].
Y (z) = , < |z| < (b) Determine a saída y[n] calculando a transformada
1 − 16 z−1 1 + 31 z−1 6 3
z inversa de Y(z).
3.25. Esboce cada uma das seguintes sequências e determine
suas transformadas z, incluindo a RDC:
Problemas básicos ∞
3.21. Um sistema LIT causal tem a seguinte função de sistema: (a) δ[n − 4k]
k=−∞
4 + 0,25z−1 − 0,5z−2 1 jπn π π
H (z) = (b) e + cos n + sen + 2π n u[n]
(1 − 0,25z−1 )(1 + 0,5z−1 ) 2 2 2
3.26. Considere uma sequência lateral direita x[n] com trans-
(a) Qual é a RDC para H(z)? formada z
(b) Determine se o sistema é estável ou não.
(c) Determine a equação de diferenças que é satisfeita 1 z2
X(z) = = .
pela entrada x[n] e pela saída y[n]. (1 − az−1 )(1 − bz−1 ) (z − a)(z − b)

BOOK_oppen0512_BR.indb 85 1/15/13 6:08 PM


86  Processamento em tempo discreto de sinais

Na Seção 3.3, consideramos a determinação de x[n] fa- (a) Divisão longa:


zendo uma expansão em frações parciais, com X(z) con-
siderada como uma razão de polinômios em z−1. Faça 1 − 13 z−1
X(z) = , x[n] uma sequência lateral direita
uma expansão em frações parciais de X(z), considerada 1 + 13 z−1
como uma razão de polinômios em z, e determine x[n] a
(b) Frações parciais:
partir dessa expansão.
3.27. Determine a transformada z unilateral, incluindo a 3
X(z) = ,   x[n] estável
RDC, para cada uma das seguintes sequências: z − 41 − 18 z−1
(a) δ[n]
(c) Série de potências:
(b) δ[n − 1]
(c) δ[n + 1] 1
X(z) = ln(1 − 4z), |z| <
(d) 1 n u[n] 4
2
n 1
(e) − 21 u[−n − 1] (d) X(z) = , |z| > (3)−1/ 3
1 − 13 z−3
(f) 1 n u[−n]
2
n n 3.32. Usando qualquer método, determine a transformada z
(g) { 21 + 41 }u[n] inversa para cada um dos itens a seguir:
1 n−1 u[n − 1] 1
(h) (a) X(z) = ,
2 2
1
1 + 2z−1 (1 − 2z−1 )(1 − 3z−1 )
3.28. Se X(z) denota a transformada z unilateral de x[n], deter-
(x[n] é uma sequência estável)
mine, em termos de X(z), a transformada z unilateral de:
(a) x[n − 2] (b) X(z) = ez
–1

(b) x[n + 1]
n z3 − 2z
(c) X(z) = ,
(c) x[m] z−2
m=−∞ (x[n] é uma sequência lateral esquerda)
3.29. Para cada uma das seguintes equações de diferenças e 3.33. Determine a transformada z inversa de cada um dos
entradas e condições iniciais associadas, determine a res- itens a seguir. Você pode achar úteis as propriedades da
posta y[n] para n ≥ 0 usando a transformada z unilateral. transformada z da Seção 3.4.

(a) y[n] + 3y[n − 1] = x[n] 3z−3


(a) X(z) = ,   x[n] lateral esquerda
1 n u[n] 2
x[n] = 2 1 − 41 z−1
y[−1] = 1
(b) X(z) = sen(z), RDC inclui |z| = 1
(b) y[n] − 21 y[n − 1] = x[n] − 1
2 x[n − 1]
x[n] = u[n] z7 − 2
(c) X(z) = , |z| > 1
y[−1] = 0 1 − z−7
(c) y[n] − 21 y[n − 1] = x[n] − 1
2 x[n − 1] 3.34. Determine uma sequência x[n] cuja transformada z seja
n
x[n] = 1 u[n] X(z) = ez + e1/z, z Z 0.
2
3.35. Determine a transformada z inversa de
y[−1] = 1
1
X(z) = log (1 − 2z) , |z| < ,
2
Problemas avançados
(a) usando a série de potências
3.30. Um sistema LIT causal tem função de sistema

xm
1 − z−1 1 − z−1 log(1 − x) = − , |x| < 1;
H (z) = = . m
1 − 0,25z−2 (1 − 0,5z−1 )(1 + 0,5z−1 ) m=1

(b) primeiro diferenciando X(z) e depois usando a de-


(a) Determine a saída do sistema quando a entrada é
rivada para obter x[n].
x[n] = u[n].
3.36. Para cada uma das sequências a seguir, determine a
(b) Determine a entrada x[n], de modo que a saída cor-
transformada z e a RDC e esboce o diagrama de polos e
respondente do sistema anterior seja y[n] = δ[n] −
zeros:
δ[n − 1].
(c) Determine a saída y[n] quando a entrada é x[n] = (a) x[n] = a n u[n] + bn u[n] + cn u[−n − 1], |a| < |b| < |c|
cos(0,5πn) para −∞ < n < ∞. Você pode deixar sua (b) x[n] = n2 a n u[n]
resposta em qualquer formato conveniente. 4 π 4 π
(c) x[n] = en cos n u[n] − en cos n u[n − 1]
3.31. Determine a transformada z inversa de cada um dos 12 12
itens a seguir. Nos itens (a)-(c), use os métodos especifi- 3.37. O diagrama de polos e zeros na Figura P3.37 correspon-
cados. (No item (d), use o método que preferir.) de à transformada z X(z) de uma sequência causal x[n].

BOOK_oppen0512_BR.indb 86 1/15/13 6:08 PM


Capítulo 3  A transformada z  87

­Esboce o diagrama de polos e zeros de Y(z), em que y[n] = 3.42. Na Figura P3.42, H(z) é a função de sistema de um siste-
x[−n + 3]. Além disso, especifique a RDC para Y(z). ma LIT causal.
(a) Usando transformadas z dos sinais mostrados na
Im
figura, obtenha uma expressão para W(z) na forma
Plano z
1
W(z) = H1(z)X(z) + H2(z)E(z),
2
sendo tanto H1(z) quanto H2(z) expressos em ter-
–3
1
1 Re mos de H(z).
4 2
–1
2
(b) Para o caso particular H(z) = z−1/(1 − z−1), determi-
ne H1(z) e H2(z).
(c) O sistema H(z) é estável? Os sistemas H1(z) e
H2(z) são estáveis?

Figura P3.37 e[n]

3.38. Seja x[n] a sequência com o diagrama de polos e zeros +


+
mostrado na Figura P3.38. Esboce o diagrama de polos e + H (z) +
x[n] v [n] + w [n]
zeros para: –
n
(a) y[n] = 21 x[n]
πn
(b) w[n] = cos x[n] Figura P3.42
2
3.43. Na Figura P3.43, h[n] é a resposta ao impulso do sistema
Im Plano z
LIT representado no interior do tracejado. A entrada do
sistema h[n] é v[n], e a saída é w[n]. A transformada z de
h[n], H(z), existe na seguinte RDC:
0 < rmín < |z| < rmáx < ∞.
1 1 Re
2 (a) O sistema LIT com resposta ao impulso h[n] pode
ter estabilidade entrada-limitada, saída-limitada?
Em caso positivo, determine as restrições na forma
de desigualdades para rmín e rmáx de modo que ele
seja estável. Em caso negativo, explique sucinta-
Figura P3.38 mente o motivo.
(b) O sistema total (dentro do tracejado, com entrada
3.39. Determine a resposta ao degrau unitário do sistema cau- x[n] e saída y[n]) é LIT? Em caso positivo, determi-
sal para o qual a transformada z da resposta ao impulso é ne sua resposta ao impulso g[n]. Em caso negativo,
1 − z3 explique sucintamente o motivo.
H (z) = . (c) O sistema total pode ser BIBO estável? Em caso
1 − z4
positivo, determine restrições na forma de desigual-
3.40. Se a entrada x[n] de um sistema LIT for x[n] = u[n], a saída é dade relacionando α, rmín e rmáx para que ele seja
estável. Em caso negativo, explique sucintamente o
1 n−1 motivo.
y[n] = u[n + 1].
2

(a) Encontre H(z), a transformada z da resposta ao im-


pulso do sistema, e esboce seu diagrama de polos e h [n]
× ×
zeros. x [n] v[n] LIT w [n] y [n]
(b) Encontre a resposta ao impulso h[n].
(c) O sistema é estável? α–n αn
(d) O sistema é causal?
3.41. Considere uma sequência x[n] para a qual a transforma-
da z é Figura P3.43

1
3
1
4
3.44. Um sistema LIT causal e estável S tem entrada x[n] e
X(z) = + saída y[n] relacionadas pela equação de diferenças linear
1 − 21 z−1 1 − 2z−1
com coeficientes constantes
e para a qual a RDC inclui a circunferência unitária. De- 10
termine x[0] usando o teorema do valor inicial (veja o y[n] + αky[n − k] = x[n] + βx[n − 1].
Problema 3.57). k=1

BOOK_oppen0512_BR.indb 87 1/15/13 6:09 PM


88  Processamento em tempo discreto de sinais

Seja a sequência h[n] a resposta ao impulso de S. mostrado na Figura P3.48-1. O sinal x[n] é estável e tem
(a) Mostre que h[0] deve ser não nulo. o diagrama de polos e zeros mostrado na Figura P3.48-2.
(b) Mostre que α1 pode ser determinado conhecendo-
-se β, h[0] e h[1]. 1,5
(c) Se h[n] = (0,9)ncos(πn/4) para 0 ≤ n ≤ 10, esboce o Plano z
diagrama de polos e zeros para a função de sistema 1
de S e indique a RDC.
3.45. Quando a entrada de um sistema LIT é 0,5

Im(z)
1 n 0
x[n] = u[n] + 2n u[−n − 1], 1 1 2
2 4 2
– 0,5
a saída é
–1
1 n 3 n
y[n] = 6 u[n] − 6 u[n].
2 4 –1,5

(a) Encontre a função de sistema H(z) do sistema. Faça –1 0 1 2


o diagrama dos polos e zeros de H(z) e indique Re(z)
a RDC.
(b) Encontre a resposta ao impulso h[n] do sistema. Figura P3.48-1
(c) Escreva a equação de diferenças que caracteriza o
sistema.
Plano z
(d) O sistema é estável? É causal? 1
3.46. Sobre um sistema LIT, sabe-se que:
(i) O sistema é causal. 0,5
(ii) Quando a entrada é
Im(z)

0
1 1 n 4 3 1 1
x[n] = − u[n] − (2)n u[−n − 1], –
4 4 2
3 2 3
– 0,5
a transformada z da saída é
–1
1 − z−2
Y (z)= . –1 0 1
(1 − 21 z−1 )(1 − 2z−1 )
Re(z)

(a) Encontre a transformada z de x[n].


Figura P3.48-2
(b) Quais são as possíveis escolhas para a RDC de
Y(z)?
(a)
Qual é a RDC de Y(z)?
(c) Quais são as possíveis escolhas para uma equação
(b)
y[n] é lateral esquerdo, lateral direito ou bilateral?
de diferenças linear com coeficientes constantes
(c)
Qual é a RDC de X(z)?
usada para descrever o sistema?
(d)
x[n] é uma sequência causal? Ou seja, x[n] = 0 para n < 0?
(d) Quais são as possíveis escolhas para a resposta ao
impulso do sistema? (e)
Qual o valor de x[0]?
3.47. Seja x[n] um sinal de tempo discreto com x[n] = 0 para (f)
Desenhe o diagrama de polos e zeros de H(z) e es-
n ≤ 0 e transformada z X(z). Além do mais, dado x[n], pecifique sua RDC.
considere o sinal de tempo discreto y[n] definido por (g) h[n] é anticausal? Ou seja, h[n] = 0 para n > 0?
3.49. Considere a equação de diferenças da Equação 3.66.
1 n > 0, (a) Mostre que, para condições iniciais não nulas, a
y[n] = n x[n],
0, caso contrário. transformada z unilateral da saída da equação de
diferenças é
(a) Calcule Y(z) em termos de X(z).  
N k M
(b) Usando o resultado do item (a), calcule a transfor-
ak  y[m − k − 1]z−m+1  bkz−k
mada z de
k=1 m=1 k=0
Y(z)= − + X (z).
1 N N
w[n] = u[n − 1].
n + δ[n] akz−k akz−k
k=0 k=0
3.48. O sinal y[n] é a saída de um sistema LIT com resposta (b) Use o resultado de (a) para mostrar que a saída tem
ao impulso h[n] para uma dada entrada x[n]. Para este a forma
problema, assuma que y[n] seja estável e tenha uma
transformada z Y(z) com o diagrama de polos e zeros y[n] = yREN[n] + yRCIN[n]

BOOK_oppen0512_BR.indb 88 1/15/13 6:09 PM


Capítulo 3  A transformada z  89

em que yREN[n] é a saída quando a entrada é nula 3.56. Uma sequência real de duração finita cuja transformada
para todo n e yRCIN[n] é a saída quando todas as z não tem zeros que formam pares recíprocos conjuga-
condições iniciais são nulas. dos nem zeros sobre a circunferência unitária é unica-
(c) Mostre que, quando todas as condições iniciais são mente especificada a menos de um fator de escala posi-
nulas, o resultado se reduz ao que é obtido com a tivo pela fase de sua transformada de Fourier (Hayes et
transformada z bilateral. al., 1980).
Um exemplo de zeros em par recíproco conjugado é
Problemas de extensão z = a e (a*)–1. Embora possamos gerar sequências que
3.50. Seja x[n] uma sequência causal; isto é, x[n] = 0, n < 0. não satisfazem o conjunto de condições anterior, quase
Além disso, assuma que x[0] Z 0 e que a transformada z todas as sequências de interesse prático satisfazem as
seja uma função racional. condições e, portanto, são unicamente especificadas a
menos de um fator de escala positivo pela fase de sua
(a) Mostre que não existem polos ou zeros de X(z) em
transformada de Fourier.
z = ∞, isto é, que lim X(z) é não nulo e finito.
zS∞ Considere uma sequência x[n] que seja real, que seja
(b) Mostre que o número de polos no plano z finito é nula fora do intervalo 0 ≤ n ≤ N − 1, e cuja transformada
igual ao número de zeros no plano z finito. (O pla- z não tenha zeros em posições de pares recíprocos con-
no z finito exclui z = ∞.) jugados e nenhum zero sobre a circunferência unitária.
3.51. Considere uma sequência com transformada z X(z) = Queremos desenvolver um algoritmo que reconstrua
P(z)/Q(z), sendo P(z) e Q(z) polinômios em z. Se a se- cx[n] a partir de jX(ejω), a fase da transformada de Fou-
quência for somável em valor absoluto e se todas as raí- rier de x[n], sendo c um fator de escala positivo.
zes de Q(z) estiverem dentro da circunferência unitária,
(a) Especifique um conjunto de (N − 1) equações linea-
a sequência é necessariamente causal? Se a sua resposta
res, cuja solução fornecerá a recuperação de x[n] a
for afirmativa, explique claramente. Se a sua resposta for
menos de um fator de escala positivo ou negativo
negativa, dê um contraexemplo.
a partir de tg{jX(ejω)}. Não é preciso provar que o
3.52. Seja x[n] uma sequência estável causal com transforma-
conjunto de (N − 1) equações lineares tem uma so-
da z X(z). O cepstrum complexo x̂[n] é definido como a
lução única. Além disso, mostre que, se conhecemos
transformada inversa do logaritmo de X(z); isto é,
jX(ejω) em vez de apenas tg{jX(ejω)}, o sinal do fa-
Z tor de escala também pode ser determinado.
X̂(z) = log X(z) ←→ x̂[n],
(b) Suponha que
em que a RDC de X̂ (z) inclui a circunferência unitária. 
(Estritamente falando, tomar o logaritmo de um núme- 
 0, n < 0,


ro complexo exige algumas considerações cuidadosas.  1, n = 0,
Além disso, o logaritmo de uma transformada z válida x[n] = 2, n = 1,


pode não ser uma transformada z válida. Por enquanto,  3, n = 2,


assumiremos que essa operação é válida.) 0, n ≥ 3.
Determine o cepstrum complexo para a sequência
Usando a abordagem desenvolvida no item (a), de-
x[n] = δ[n] + aδ[n − N ],  sendo |a| < 1. monstre que cx[n] pode ser determinado a partir de
3.53. Assuma que x[n] seja real e par; isto é, x[n] = x[−n]. Além jX(ejω), sendo c um fator de escala positivo.
disso, assuma que z0 é um zero de X(z); isto é, X(z0) = 0. 3.57. Para uma sequência x[n] que é nula para n < 0, use a
(a) Mostre que 1/z0 também é um zero de X(z). Equação 3.2 para mostrar que
(b) A informação dada implica a existência de outros lim X(z) = x[0].
zeros de X(z)? z→∞

3.54. Usando a definição da transformada z da Equação 3.2, Esse resultado é chamado de teorema do valor inicial.
mostre que, se X(z) é a transformada z de x[n] = xR [n] + Qual é o teorema correspondente se a sequência zero é
jxI [n], então nula para n > 0?
Z 3.58. A função de autocorrelação aperiódica para uma se-
(a) x ∗ [n] ←→ X∗ (z∗ ) quência estável a valores reais x[n] é definida como
Z
(b) x[−n] ←→ X(1/z) ∞
Z
(c) xR [n] ←→ 21 [X(z) + X∗ (z∗ )] cxx [n] = x[k]x[n + k].
Z 1 k=−∞
(d) xI [n] ←→ [X(z) − X∗ (z∗ )].
2j
(a) Mostre que a transformada z de cxx[n] é
3.55. Considere uma sequência real x[n] que tenha todos os
polos e zeros de sua transformada z no interior do círcu- Cxx(z) = X(z)X(z−1).
lo unitário. Determine, em termos de x[n], uma sequên-
cia real x1[n] diferente de x[n], mas para a qual x1[0] = Determine a RDC para Cxx(z).
x[0], |x1[n]| = |x[n]|, e de forma que a transformada z de (b) Suponha que x[n] = anu[n]. Esboce o diagrama de
x1[n] tenha todos os seus polos e zeros dentro do círculo polos e zeros para Cxx(z), incluindo a RDC. Além
unitário. disso, encontre cxx[n] por meio do cálculo da trans-
formada z inversa de Cxx(z).

BOOK_oppen0512_BR.indb 89 1/15/13 6:09 PM


90  Processamento em tempo discreto de sinais

(c) Especifique outra sequência, x1[n], que não seja 3.60. Seja X(z) uma razão de polinômios em z; isto é,
igual a x[n] do item (b), mas que tenha a mesma B(z)
função de autocorrelação, cxx[n], como x[n] do X(z) = .
A(z)
item (b).
(d) Especifique uma terceira sequência, x2[n], que não Mostre que, se X(z) tem um polo de primeira ordem em
seja igual a x[n] ou x1[n], mas que tenha a mesma z = z0, então o resíduo de X(z) em z = z0 é igual a
função de autocorrelação que x[n] do item (b). B(z0 )
3.59. Determine se a função X(z) = z* pode ou não correspon- ,
A (z0 )
der à transformada z de uma sequência. Explique seu
raciocínio com clareza. em que A'(z0) denota a derivada de A(z) calculada em z = z0.

BOOK_oppen0512_BR.indb 90 1/15/13 6:09 PM


4 Amostragem de sinais
Capítulo

de tempo contínuo

4.0 Introdução quência de amostragem como s = 2π/T para repre-


sentar frequências em radianos por segundo. Como as
Os sinais de tempo discreto surgem de diferentes representações por amostragem necessitam apenas da
formas, mas ocorrem mais comumente como represen- hipótese de uma transformada de Fourier de banda li-
tação da amostragem de sinais de tempo contínuo. Em- mitada, elas são aplicáveis a uma grande classe de sinais
bora a amostragem, sem dúvida, seja familiar a muitos que surgem em diversas aplicações práticas.
leitores, reexaminaremos alguns aspectos básicos, como
Referimo-nos a um sistema que implementa a
o fenômeno do aliasing e o fato importante de que o
operação da Equação 4.1 como um conversor de tem-
processamento em tempo contínuo de sinais pode ser
po contínuo para tempo discreto (C/D) ideal, e o re-
realizado por meio de um processo de amostragem, de
presentamos na forma de diagrama de blocos, como
um processamento em tempo discreto e da reconstrução
indicado na Figura 4.1. Como um exemplo da relação
de um sinal de tempo contínuo. Após ampla abordagem
entre xc(t) e x[n], na Figura 2.2 ilustramos uma forma
sobre essas questões básicas, abordaremos o processa-
de onda de voz em tempo contínuo e a sequência de
mento multitaxa de sinais, a conversão A/D e o uso da
amostras correspondente.
sobreamostragem (oversampling) na conversão A/D.
Em uma situação prática, a operação de amos-
tragem é realizada por um conversor analógico-digital
4.1  Amostragem periódica (A/D). Esses sistemas podem ser vistos como apro-
As representações discretas dos sinais podem ximações do conversor C/D ideal. Além da taxa de
tomar muitas formas, incluindo expansões básicas de amostragem, que deve ser suficiente para implementar
diversos tipos, modelos paramétricos para modelagem o conversor C/D ideal, considerações importantes na
de sinais (Capítulo 11) e amostragem não uniforme implementação ou na escolha de um conversor A/D in-
[veja, por exemplo, Yen (1956), Yao e Thomas (1967) cluem a digitalização das amostras de saída, a linearida-
e Eldar e Oppenheim (2000)]. Essas representações de dos passos de digitalização, a necessidade de incluir
muitas vezes estão baseadas no conhecimento prévio circuitos de sample-and-hold (amostragem e retenção)
de propriedades do sinal que podem ser exploradas e limitações na taxa de amostragem. Os efeitos da di-
para obter representações mais eficientes. Porém, até gitalização são abordados nas seções 4.8.2 e 4.8.3. As
mesmo essas representações alternativas geralmente questões práticas da conversão A/D relacionadas com
decorrem da representação em tempo discreto de um os circuitos eletrônicos estão fora do escopo deste livro.
sinal de tempo contínuo, obtida por meio da amostra-
gem periódica; isto é, uma sequência de amostras, x[n],
é obtida a partir de um sinal de tempo contínuo xc(t), de
acordo com a relação C/D
xc (t) x [n] = xc (nT )
x[n] = xc(nT),  −∞ < n < ∞. (4.1)
T
Na Equação 4.1, T é o período de amostragem,
e seu inverso, fs = 1/T, é a frequência de amostragem, Figura 4.1  Representação em diagrama de blocos de um conversor
em amostras por segundo. Também expressamos a fre- de tempo contínuo para tempo discreto (C/D) ideal.

BOOK_oppen0512_BR.indb 91 1/15/13 6:09 PM


92  Processamento em tempo discreto de sinais

De modo geral, a operação de amostragem não é xs (t) = xc (t)s(t)


reversível, isto é, não é possível reconstruir a entrada ∞ ∞
xc(t) do amostrador a partir das amostras x[n] da sua = xc (t) δ(t − nT) = xc (t)δ(t − nT). (4.3)
saída, uma vez que diferentes sinais de tempo contí- n=−∞ n=−∞
nuo podem reproduzir a mesma sequência de amos-
Usando a propriedade da função impulso de tem-
tras. A ambiguidade inerente na amostragem é uma
po contínuo, x(t)δ(t) = x(0)δ(t), também chamada de
questão fundamental no processamento de sinais. Po-
“propriedade de peneiramento” da função impulso
rém, é possível remover a ambiguidade ao restringir
(veja, por exemplo, Oppenheim e Willsky, 1997), xs(t)
o conteúdo em frequência dos sinais que passam pelo
pode ser expressa como
amostrador.
É conveniente representar matematicamente o ∞
processo de amostragem nos dois estágios ilustrados na xs (t) = xc (nT )δ(t − nT), (4.4)
Figura 4.2(a). Os estágios consistem no modulador do n=−∞

trem de impulsos, seguido pela conversão do trem de isto é, a dimensão (área) do impulso na amostra nT é
impulsos ponderados em uma sequência de tempo dis- igual ao valor do sinal de tempo contínuo nesse ins-
creto. O trem de impulsos periódico é tante. Nesse contexto, a modulação do trem de impul-
∞ sos da Equação 4.3 é uma representação matemática
s(t) = δ(t − nT), (4.2) da amostragem.
n=−∞ Na Figura 4.2(b) é mostrado um sinal de tempo con-
sendo δ(t) a função impulso unitário, ou função delta de tínuo xc(t) e os resultados da sua amostragem com trem
Dirac. O produto de s(t) e xc(t) é, portanto, de impulsos para duas taxas de amostragem diferentes.

Conversor C/D

s(t)

Conversão de um
trem de impulsos
 em uma sequência
xc (t) xs (t) x [n] = xc (nT )
de tempo discreto

(a)
T = T1 T = 2T1

xc (t) xs (t) xc (t) xs (t)

... ... ... ...

−4T −2T 0 2T 4T −2T −T 0 T 2T


t t
(b)

x[n] x [n]

... ... ... ...

−4 −3 −2 −1 0 1 2 3 4 −4 −3 −2 −1 0 1 2 3 4
n n
(c)

Figura 4.2  Amostragem com um trem de impulsos periódico, seguida da conversão em uma sequência de tempo discreto. (a) Sistema total.
(b) xs(t ) para duas taxas de amostragem. (c) A sequência de saída para as duas taxas de amostragem diferentes.

BOOK_oppen0512_BR.indb 92 1/15/13 6:09 PM


Capítulo 4  Amostragem de sinais de tempo contínuo  93

Note que os impulsos xc(nT)δ(t − nT) são representados A Equação 4.6 é a relação desejada entre as trans-
por setas com comprimento proporcional a sua área. Na formadas de Fourier da entrada e da saída do modula-
Figura 4.2(c) são representadas as sequências de saída dor de trem de impulsos da Figura 4.2(a). A Equação
correspondentes. A diferença essencial entre xs(t) e x[n] 4.6 revela que a transformada de Fourier de xs(t) con-
é que xs(t) é, de certa forma, um sinal de tempo contínuo siste de réplicas repetidas periodicamente da transfor-
(especificamente, um trem de impulsos) que é nulo, exce- mada de Fourier de xc(t), isto é, Xc(j). Essas réplicas
to nos múltiplos inteiros de T. A sequência x[n], por ou- são deslocadas por múltiplos inteiros da frequência de
tro lado, é indexada na variável inteira n, que, com efeito, amostragem e depois sobrepostas para representar a
introduz uma normalização no tempo; isto é, a sequência transformada periódica de Fourier do trem de impulsos
de números x[n] não contém informações explícitas sobre das amostras. Na Figura 4.3 é mostrada a representação
o período de amostragem T. Além disso, as amostras de no domínio da frequência da amostragem com trem de
xc(t) são representadas por números finitos em x[n] em impulsos. Na Figura 4.3(a) mostra-se uma transforma-
vez de áreas dos impulsos, como acontece com xs(t). da de Fourier com a propriedade de banda limitada em
É importante enfatizar que a Figura 4.2(a) é es- que Xc(j) = 0 para || ≥ N. Na Figura 4.3(b) mostra-se
tritamente uma representação matemática conveniente o trem de impulsos periódico S(j), e na Figura 4.3(c)
para possibilitar o entendimento da amostragem tanto mostra-se Xs(j), o resultado da convolução de Xc(j)
1
no domínio de tempo como no domínio de frequência. com S(j) ponderado por 2π . É evidente que, quando
Ela não é uma representação aproximada de circuitos
s − N ≥ N, ou s ≥2 N , (4.7)
ou sistemas físicos projetados para realizar a operação
de amostragem. Nesse aspecto, a possibilidade de cons- como ocorre na Figura 4.3(c), as réplicas de Xc(j) não
truir ou não um dispositivo que seja uma aproximação se sobrepõem e, portanto, quando elas são sequencial-
do diagrama de blocos da Figura 4.2(a) é uma questão mente somadas na Equação 4.6, permanecem réplicas
secundária. Introduzimos essa representação da opera- de Xc(j) a menos de um fator de escala de 1/T em cada
ção de amostragem porque possibilita de modo simples múltiplo inteiro de s. Consequentemente, xc(t) pode
a obtenção de um resultado fundamental, e também ser recuperado a partir de xs(t) com um filtro passa-bai-
porque a abordagem permite obter uma série de no- xas ideal. Isso é indicado na Figura 4.4(a), que mostra
ções importantes que não são evidentes com uma de- o modulador de trem de impulsos seguido por um sis-
dução formal baseada na manipulação das equações da tema LIT com resposta em frequência Hr(j). Para um
transformada de Fourier. Xc(j), como o da Figura 4.4(b), o Xs(j) é como o da
Figura 4.4(c), em que considera-se que s > 2N. Como
4.2 Representação da amostragem no Xr(j) = Hr(j)Xs(j), (4.8)
domínio da frequência segue-se que, se Hr (j) é um filtro passa-baixas ideal
Para obter a relação no domínio da frequência en- com ganho T e frequência de corte c, tal que
tre a entrada e a saída de um conversor C/D ideal, con-
N ≤ c ≤ (s − N), (4.9)
sidere a transformada de Fourier de xs(t). Da Equação
4.3, xs(t) é o produto de xc(t) e s(t), então a transforma- então
da de Fourier de xs(t) é a convolução das transformadas
Xr (j) = Xc(j), (4.10)
de Fourier Xc(j) e S(j) multiplicadas escalarmente
1
por 2π . A transformada de Fourier do trem de impulsos conforme mostrado na Figura 4.4(e) e, portanto, xr(t)
periódico s(t) é o trem de impulsos periódico = xc(t).

∞ Se a desigualdade na Equação 4.7 não for mantida,
= − s ), (4.5) isto é, se s < 2N, as réplicas de Xc(j) se sobrepõem,
T
k=−∞ de modo que, quando são sequencialmente somadas,
sendo s = 2π/T a frequência de amostragem em radia- Xc(j) não é mais recuperável pela filtragem passa-bai-
nos/s (veja Oppenheim e Willsky, 1997, ou McClellan, xas. Isso é ilustrado na Figura 4.3(d). Nesse caso, a saída
Schafer e Yoder, 2003). Como reconstruída xr(t) na Figura 4.4(a) está relacionada à
1 entrada de tempo contínuo original por meio de uma
Xs = Xc ∗ distorção chamada de distorção de aliasing ou, apenas,

aliasing. Na Figura 4.5 ilustra-se o aliasing­  no domínio
em que * indica a operação de convolução de variável da frequência para o caso simples de um sinal cosseno
contínua, segue-se que da forma

1 xc(t) = cos 0t, (4.11a)
Xs = Xc − s )). (4.6)
T
k=−∞

BOOK_oppen0512_BR.indb 93 1/15/13 6:09 PM


94  Processamento em tempo discreto de sinais

Xc (j)

– N N 
(a)

S( j )

2
T

–2s – s 0 s 2s 3s 


(b)

Xs (j )
1
T

–2s – s – N N s 2s 3s 


(s – N)
(c)

Xs (j )
1
T

(s – N) s 2s 


(d)

Figura 4.3  Representação, no domínio da frequência, da amostragem no domínio do tempo. (a) Espectro do sinal original. (b) Transformada de
Fourier da função de amostragem. (c) Transformada de Fourier do sinal amostrado com s > 2N. (d) Transformada de Fourier do sinal amostrado
com s < 2N.

cuja transformada de Fourier é isto é, como uma consequência da amostragem e da re-


construção, o sinal de alta frequência original cos 0t
Xc(j) = πδ( − 0) + πδ( + 0), (4.11b)
assumiu a identidade (alias) do sinal de frequência mais
como mostrado na Figura 4.5(a). Note que o impulso baixa cos(s − 0)t. Essa discussão é a base para o teo-
em −0 é tracejado. Será útil observar seu efeito nos rema da amostragem de Nyquist (Nyquist, 1928; Shan-
gráficos subsequentes. Na Figura 4.5(b) mostra-se a non, 1949), enunciado a seguir.
transformada de Fourier de xs(t) com 0 < s/2, e na Fi-
gura 4.5(c) mostra-se a transformada de Fourier de xs(t) Teorema da amostragem de Nyquist-Shannon: Seja xc(t)
com 2s < 0 < s. As figuras 4.5(d) e (e) correspondem à um sinal de banda limitada com
transformada de Fourier da saída do filtro passa-baixas Xc(j) = 0 para || ≥ N. (4.14a)
para 0 < s/2 = π/T e s/2 < 0 < s, respectivamente,
Então, xc(t) é determinado unicamente por suas amostras
com c = s/2. As figuras 4.5(c) e (e) correspondem ao x[n] = xc(nT), n = 0, ±1, ±2, ..., se
caso do aliasing. Sem aliasing [figuras 4.5(b) e (d)], a

saída reconstruída é s = ≥ 2 N . (4.14b)
T
xr (t) = cos 0t. (4.12)
A frequência N é comumente chamada de frequên-
Com aliasing, a saída reconstruída é
cia de Nyquist, e a frequência 2N, de taxa de Nyquist.
xr(t) = cos(s − 0)t ; (4.13) Até aqui, consideramos apenas o modulador de
trem de impulsos da Figura 4.2(a). Nosso objetivo é

BOOK_oppen0512_BR.indb 94 1/15/13 6:09 PM


Capítulo 4  Amostragem de sinais de tempo contínuo  95

 Xc (j)

s (t) = (t – nT )
n = –
π π

 Hr (j ) – 0 0 
xc (t) xs (t) xr (t) (a)

(a) Xs (j ) π s
T 0 < =
T 2
Xc (j ) π π
1 T T
– s – 0 0 s s 
2
– N N  (b)
(b)
Xs (j ) s
T 2
< 0 < s
Xs (j ) π π
1 s > 2N
T T
T
– s –0 s 0 s 
2
(c)
– s – N N s 
(c) (s – N) X r (j ) π
Sem aliasing 0 <
T
Hr (j ) π π
N  c  (s – N)
T – 0 0 
(d)

– c c  Xr (j )
Aliasing
(d) s
< 0 < s
π π 2
Xr (j )
1 – (s – 0) (s – 0) 
(e)

Figura 4.5  O efeito do aliasing na amostragem de um sinal cosseno.


– N N 
(e)
decorre a relação
Figura 4.4  Recuperação perfeita de um sinal de tempo contínuo a
partir de suas amostras usando um filtro passa-baixas ideal. Xs = X (ej ω )|ω= = X (e ). (4.18)
Consequentemente, das equações 4.6 e 4.18,
eventualmente expressar X(ejω), a transformada de ∞
Fourier de tempo discreto (TFTD) da sequência x[n], 1
X (e )= Xc − s )), (4.19)
em termos de Xs(j) e Xc(j). Para isso, considerare- T
k=−∞
mos uma expressão alternativa para Xs(j). Aplicando ou, de modo equivalente,
a transformada de Fourier de tempo contínuo à Equa- ∞
1 ω 2πk
ção 4.4, obtemos X (ej ω ) = Xc j − . (4.20)
T T T
∞ k=−∞
Xs = xc (nT)e − . (4.15) Das equações 4.18-4.20, notamos que X(ejω)
n=−∞ é uma versão de Xs(j) com mudança de escala na
Como frequência, com fator de escala especificado por
x[n] = xc (nT ) ω = T. Essa mudança de escala pode alternativamen-
(4.16)
te ser interpretada como uma normalização do eixo
e da frequência, de modo que a frequência  = s em
∞ Xs (j) é normalizada para ω = 2π em X(ejω). A mu-
X (e j ω ) = x[n]e−j ωn , (4.17) dança de escala de frequência ou a normalização na
n=−∞

BOOK_oppen0512_BR.indb 95 1/15/13 6:09 PM


96  Processamento em tempo discreto de sinais

transformação de Xs(j) para X (ejω) é um resultado para s = 12000π. Note que Xc(j) é um par de impul-
direto da normalização do tempo na transformação sos em  = ±4000π, e vemos cópias deslocadas dessa
de xs(t) para x[n]. Especificamente, como notamos na transformada de Fourier centralizadas em ±s, ±2s etc.
Figura 4.2, xs(t) mantém um espaçamento entre amos- ­Esboçar X(ejω) = Xs(jω/T) em função da frequência nor-
tras igual ao período de amostragem T. Comparando, malizada ω = T resulta na Figura 4.6(b), em que usamos
o fato de que a mudança de escala da variável indepen-
o “espaçamento” dos valores da sequência x[n] é sem-
dente do impulso também altera a área do impulso, isto é,
pre unitário; isto é, o eixo do tempo é normalizado δ(ω/T) = T δ(ω) (Oppenheim e Willsky, 1997). Note que a
por um fator T. De modo correspondente, no domí- frequência original 0 = 4000π corresponde à frequência
nio de frequência, o eixo de frequência é normalizado normalizada ω0 = 4000πT = 2π/3, que satisfaz a desigual-
por fs = 1/T. dade ω0 < π, correspondente ao fato de que 0 = 4000π <
π/T = 6000π. Na Figura 4.6(a) também mostra-se a respos-
Para um sinal senoidal na forma xc(t) = cos(0t),
ta em frequência de um filtro de reconstrução ideal Hr(j)
a maior frequência (e única) é 0. Como o sinal é para a taxa de amostragem dada de s = 12000π. Nessa
descrito por uma equação simples, é fácil obter as figura mostra-se que o sinal reconstruído possui frequên-
amostras do sinal. Os dois exemplos a seguir usam cia 0 = 4000π, que é a frequência do sinal original xc(t).
sinais senoidais para ilustrar aspectos importantes da
amostragem.
Exemplo 4.2  A
 liasing na amostragem de um sinal
senoidal
Exemplo 4.1  Amostragem e reconstrução de um
sinal senoidal Agora, suponha que o sinal de tempo contínuo seja xc(t) =
cos(16000πt), que o período de amostragem seja T = 1/6000,
Se amostrarmos o sinal de tempo contínuo xc(t) = como no Exemplo 4.1. Esse período de amostragem não sa-
cos(4000πt) com período de amostragem T = 1/6000, tisfaz o critério de Nyquist, pois s = 2π/T = 12000π < 20 =
obtemos x[n] = xc(nT) = cos(4000πT n) = cos(ω0n), sen- 32000π. Consequentemente, esperamos observar aliasing.
do ω0 = 4000πT = 2π/3. Nesse caso, s = 2π/T = 12000π, A transformada de Fourier Xs(j) para esse caso é idêntica
e a maior frequência do sinal é 0 = 4000π, de modo à da Figura 4.6(a). Porém, agora o impulso localizado em
que as condições do teorema da amostragem de Nyquist  = −4000π é de Xc[j( − s)] na Equação 4.21, e não de
são satisfeitas e não ocorre aliasing. A transformada de Xc(j), e o impulso em  = 4000π é de Xc[j( + s)]. Ou
Fourier de xc(t) é seja, as frequências ±4000π são frequências alias. Esboçar
X (ejω) = Xs (jω/T) em função de ω gera o mesmo gráfico
Xc = − 4000π) + + 4000π).
mostrado na Figura 4.6(b), pois normalizamos a frequência
Na Figura 4.6(a) mostra-se pelo mesmo período de amostragem. O motivo fundamen-
tal para isso é que a sequência de amostras é a mesma para
∞ ambos os casos; isto é,
1
Xs = Xc [ − s )] (4.21)
T cos(16000πn/6000) = cos(2πn + 4000πn/6000) =
k=−∞
cos(2πn/3).

Xs ( j ) Hr ( j )
T

T T T T T T
...

–16000 –12000 –8000 –6000 –4000 0 4000 6000 8000 12000 16000
(a)

X (e j ) = Xs ( j /T)

...

–8 –2 –4 – –2 0 2 4 2 8
3 3 3 3 3 3
(b)

Figura 4.6  Transformadas de Fourier (a) de tempo contínuo e (b) de tempo discreto para o sinal amostrado com frequência 0 = 4000π e período
de amostragem T = 1/ 6000.

BOOK_oppen0512_BR.indb 96 1/15/13 6:09 PM


Capítulo 4  Amostragem de sinais de tempo contínuo  97

(Lembre-se de que podemos somar qualquer múltiplo


da do filtro será xc(t). Dada uma sequência de amostras,
inteiro de 2π ao argumento do cosseno sem mudar seu x[n], podemos formar um trem de impulsos xs(t), no
valor.) Assim, obtivemos a mesma sequência de amostras, qual atribui-se a impulsos sucessivos uma área igual a
x[n] = cos(2πn/3), ao amostrar dois sinais de tempo con- valores sucessivos da sequência, isto é,
tínuo diferentes com a mesma frequência de amostragem. ∞
Em um caso, a frequência de amostragem satisfez o crité- xs (t) = x[n]δ(t − nT ). (4.22)
rio de Nyquist e, no outro caso, não. Como visto anterior- n=−∞
mente, na Figura 4.6(a) mostra-se a resposta em frequên-
cia de um filtro de reconstrução ideal Hr(j) para a taxa A n-ésima amostra está associada ao impulso em
de amostragem dada s = 12000π. Por essa figura fica cla- t = nT, sendo T o período de amostragem associado à
ro que o sinal reconstruído tem a frequência 0 = 4000π, sequência x[n]. Se esse trem de impulsos for a entrada
que é a frequência alias da frequência original 16000π de um filtro de tempo contínuo passa-baixas ideal com
com relação à frequência de amostragem s = 12000π. resposta em frequência Hr(j) e resposta ao impulso
hr(t), então a saída do filtro será

Nos exemplos 4.1 e 4.2 usamos sinais senoidais para xr (t) = x[n]hr (t − nT ). (4.23)
ilustrar algumas das ambiguidades que são inerentes na n=−∞
operação de amostragem. No Exemplo 4.1 verifica-se Uma representação por diagrama de blocos desse
que, se as condições do teorema da amostragem forem processo de reconstrução de sinal é mostrada na Figura
válidas, o sinal original pode ser reconstruído a partir 4.7(a). Lembre-se de que o filtro de reconstrução ideal
das amostras. No Exemplo 4.2 ilustra-se que, se a fre-
quência de amostragem viola o teorema da amostragem,
Sistema de reconstrução ideal
não podemos reconstruir o sinal original usando um fil-
tro de reconstrução ideal passa-baixas com frequência
de corte igual à metade da frequência de amostragem. Conversor de Filtro de
O sinal que é reconstruído é uma das frequências alias sequência em reconstrução
do sinal original com relação à taxa de amostragem usa- x [n] trem de xs (t) ideal xr ( t)
impulsos Hr (j )
da na amostragem do sinal de tempo contínuo original.
Em ambos os exemplos, a sequência de amostras é x[n]
Período de
= cos(2πn/3), mas o sinal de tempo contínuo é diferen-
amostragem T
te. Conforme sugerido por esses dois exemplos, existe
um número ilimitado de formas de se obter esse mesmo (a)
conjunto de amostras por meio da amostragem periódi-
ca de uma senoide de tempo contínuo. Porém, a ambi- Hr (j )
guidade é removida se escolhermos s > 20. T

4.3 Reconstrução de um sinal de banda


limitada a partir de suas amostras –
T

T


De acordo com o teorema da amostragem, as (b)


amostras de um sinal de tempo contínuo com banda
limitada tomadas a uma frequência adequada são su- hr (t)
ficientes para representar o sinal com exatidão, no sen- 1
tido de que o sinal pode ser recuperado a partir das
amostras conhecendo-se o período de amostragem. A
modulação do trem de impulsos provê um meio conve-
niente para entendermos o processo de reconstrução do
sinal de tempo contínuo com banda limitada a partir de
suas amostras. – 4T –3T –T 0 T 3T 4T t
Na Seção 4.2, constatamos que, se as condições do
(c)
teorema da amostragem forem atendidas e se o trem
de impulsos modulado for filtrado por um filtro passa- Figura 4.7  (a) Diagrama de blocos de um sistema de reconstrução
-baixas apropriado, então a transformada de Fourier de ideal de sinal com banda limitada. (b) Resposta em frequência de um
saída do filtro será idêntica à transformada de Fourier filtro de reconstrução ideal. (c) Resposta ao impulso de um filtro de
de sinal de tempo contínuo original xc(t) e, assim, a saí- reconstrução ideal.

BOOK_oppen0512_BR.indb 97 1/15/13 6:09 PM


98  Processamento em tempo discreto de sinais

tem um ganho de T (para compensar o fator 1/T na Na Figura 4.8, mostram-se um sinal de tempo con-
Equação 4.19 ou na Equação 4.20) e uma frequência de tínuo xc(t) e o trem de impulsos modulado correspon-
corte c entre N e s − N. Uma escolha da frequên- dente. Na Figura 4.8(c) mostram-se várias das parcelas
cia de corte conveniente e muito utilizada é c = s/2
sen[π(t − nT )/T ]
= π/T. Essa escolha é apropriada para qualquer rela- x[n]
π(t − nT )/T
ção entre s e N que evite aliasing (isto é, desde que
s ≥ 2N). Na Figura 4.7(b) mostra-se a resposta em e o sinal reconstruído resultante xr(t). Conforme suge-
frequência do filtro de reconstrução ideal. A resposta rido por essa figura, o filtro passa-baixas ideal interpo-
ao impulso correspondente, hr(t), é a transformada de la entre os impulsos de xs(t) para construir um sinal de
Fourier inversa de Hr(j) e para a frequência de corte tempo contínuo xr(t). Da Equação 4.27, o sinal resul-
π/T é dada por tante é uma reconstrução exata de xc(t) nos instantes
sen(πt/T ) de amostragem. Portanto, se não existe aliasing, o filtro
hr (t) = . (4.24) passa-baixas interpola a reconstrução correta entre as
πt/T
amostras, o que segue da nossa análise no domínio de
Essa resposta ao impulso é mostrada na Figura frequência do processo de amostragem e reconstrução.
4.7(c). Substituindo a Equação 4.24 na Equação 4.23, É útil formalizar a discussão anterior definindo
obtemos um sistema ideal para reconstruir um sinal de banda

sen[π(t − nT )/T] limitada a partir de uma sequência de amostras. Cha-
xr (t) = x[n] . (4.25) maremos esse sistema de conversor de tempo discreto
n=−∞
π(t − nT )/T
para tempo contínuo ideal (D/C). O sistema desejado é
As equações 4.23 e 4.25 expressam o sinal de tem- representado na Figura 4.9. Como notamos, o proces-
po contínuo em termos de uma combinação linear de so de reconstrução ideal pode ser representado como
funções de base hr(t − nT) com as amostras x[n] atuan- a conversão da sequência em um trem de impulsos,
do como coeficientes. Outras escolhas das funções de como na Equação 4.22, seguido pela filtragem com um
base e de coeficientes correspondentes podem ser usa- filtro passa-baixas ideal, resultando na saída dada pela
das para representar outras classes de funções de tempo
contínuo [veja, por exemplo, Unser (2000)]. Porém, a
Equação 4.24 e as amostras x[n] são as funções de base
e coeficientes naturais para representar sinais de tempo
contínuo com banda limitada. xc ( t)
A partir do argumento dado no domínio da fre-
quência na Seção 4.2, observamos que, se x[n] = xc(nT),
sendo Xc(j) = 0 para || ≥ π/T, então xr(t) é igual a t
xc(t). Considerando apenas a Equação 4.25, não fica (a)
imediatamente óbvio que isso seja verdadeiro. Porém,
alcançamos uma compreensão prática ao examinarmos
atentamente essa equação. Primeiro, consideremos a
função hr(t) dada pela Equação 4.24. Notamos que
xs ( t)
hr(0) = 1. (4.26a)
Isso decorre da regra de l’Hôpital ou da aproxi­
t
mação para ângulos pequenos para a função seno. T
Além disso,
(b)
hr(nT) = 0 para n = ±1, ±2, ... . (4.26b)
Segue-se, das equações 4.26(a) e (b) e da Equação
4.23, que, se x[n] = xc(nT), então xr ( t)

xr (mT) = xc(mT) (4.27)


para todos os valores inteiros de m. Ou seja, o sinal que t
é reconstruído com a Equação 4.25 tem os mesmos va- T
lores nos instantes de amostragem que o sinal de tempo (c)
contínuo original, independentemente do período de
amostragem T. Figura 4.8  Interpolação com banda limitada ideal.

BOOK_oppen0512_BR.indb 98 1/15/13 6:10 PM


Capítulo 4  Amostragem de sinais de tempo contínuo  99

Sistema de reconstrução ideal

Converte Filtro de
sequência em reconstrução
D/C
trem de ideal
x [n] xs (t) xr (t) x [n] xr (t)
impulsos Hr (j )

T
Período de
amostragem T

(a) (b)

Figura 4.9  (a) Reconstrução ideal do sinal de banda limitada. (b) Representação equivalente como um conversor D/C ideal.

Equação 4.25. O passo intermediário da conversão em amostragem na taxa de Nyquist, ou maior, de um sinal
um trem de impulsos é uma conveniência matemática com banda limitada, o sinal reconstruído xr(t) será igual
para a dedução da Equação 4.25 e para o entendimen- ao sinal com banda limitada original. De qualquer for-
to do processo de reconstrução do sinal. Porém, uma ma, também fica claro, pela Equação 4.28, que a saída
vez familiarizado com esse processo, será útil definir do conversor D/C ideal sempre é de banda limitada a no
uma representação mais compacta, como mostrado máximo a frequência de corte do filtro passa-baixas, que
na Figura 4.9(b), em que a entrada é a sequência x[n] tipicamente é considerada como metade da frequência
e a saída é o sinal de tempo contínuo xr(t) dado pela de amostragem.
Equação 4.25.
As propriedades do conversor D/C ideal são vistas 4.4 Processamento em tempo discreto
mais facilmente no domínio da frequência. Para deduzir
uma relação de entrada/saída nesse domínio, conside- de sinais de tempo contínuo
re a transformada de Fourier da Equação 4.23 ou da Uma das principais aplicações dos sistemas de
Equa