Escolar Documentos
Profissional Documentos
Cultura Documentos
PDS PDF
PDS PDF
2002/2004
Processamento Digital de Sinal
4º Ano de Eng. Electrotécnica. & Eng. Informática
Noções Básicas
Ao contrário dos sinais contínuos no tempo, no domínio discreto nem sempre sinais
sinusoidais ou exponenciais complexos são periódicos. No domínio complexo, para existir
periodicidade a seguinte condição deve ser verificada:
• Degrau Unitário
0 , n < 0
u[n] =
1 , n ≥ 0
• Impulso Unitário
0 , n ≠ 0
δ[n] =
1 , n = 0
COELHO, J.P. 1
Um sistema discreto no tempo é definido matematicamente como uma transformação ou
⋅ que faz o mapeamento de uma determinada sequência de entrada com
operador T {}
valores x[ n] para uma determinada sequência de valores de saída y[ n] :
y[n] = T { x[n]}
Linearidade:
Um sistema é linear se verificar o teorema da sobreposição, i.e.
T {ax1[n] + bx2 [ n]} = aT { x1[n]} + bT { x2 [n]}
Invariância no Tempo:
Um sistema é dito invariante no tempo se a um deslocamento no tempo do sinal de entrada
corresponde um deslocamento no tempo no sinal de saída.
T { x[n]} = y[n] → T { x[n − τ]} = y[n − τ]
Causalidade:
Um sistema é dito causal se a saída não depender de informação futura.
Estabilidade:
Um sistema é dito estável se a sua resposta a uma entrada limitada é limitada.
x[n] ≤ Bx < ∞ → y[n] ≤ By < ∞ ∀Bx , By positivos e finitos
Convolução
Qualquer sinal de entrada pode ser construído como a soma ponderada e deslocada de um
conjunto de impulsos.
+∞
x[n] = ∑ x[k ]δ[n − k ]
k =−∞
T {δ[n]} = h[ n]
2 COELHO, J.P.
Atendendo às duas últimas considerações é fácil demonstrar que se um sistema é linear e
invariante no tempo então:
+∞
T { x[n]} = T ∑ x[k ]δ[n − k ] ⇔
k =−∞
+∞ +∞
y[n] = ∑ x[k ]h[n − k ] = ∑ h[k ]x[n − k ] = x[n] ∗ h[n]
k =−∞ k =−∞
+∞
H ( e jω ) = ∑ h[n]e − j ωn
n =−∞
+∞
X (e jω
) = ∑ x[n]e − j ωn
n =−∞
π
1
x[n] = ∫ X ( e jω )e jωn d ω
2π −π
COELHO, J.P. 3
Exercícios
1.1 Encontre uma possível expressão matemática para cada um dos seguintes sinais:
(a) Este sinal pode ser considerado como a sobreposição de um degrau unitário com inicio em
n = −3 com um degrau unitário com inicio em n = 5 . Desta forma a expressão matemática
para o presente sinal é dada por:
x[n] = u[n + 3] − u[n − 5]
(c) Este sinal é simplesmente o degrau unitário invertido no tempo, escalonado por um factor
−2 e com inicio na amostra n = −4 .
x[n] = −2 ⋅ u[− n − 4]
4 COELHO, J.P.
1.2 Verifique se os seguintes sinais discretos no tempo são ou não periódicos:
2
• x[n] = cos πn
3
2 π
• x[n] = sin n +
3 4
2
j πn
• x[n] = e 3
(a) Para o sinal discreto ser periódico têm que verificar a seguinte condição:
x[n] = x[n + N ] , ∀N inteiro
Assim,
2 2
cos πn = cos π ( n + N )
3 3
2 2 2
cos πn = cos πn + πN
3 3 3
Devido à periodicidade da função coseno, a igualdade anterior verifica-se sempre que:
2
πN = 2k π , k = 0,1,2,...
3
ou seja,
N = 3k , k = 0,1,2,...
Como k é uma variável inteira, e como o produto entre dois números inteiros é ainda um
número inteiro então é inteiro e o sinal dado é periódico.
2 π 2 2 π
(b) sin n + = sin n + N +
3 4 3 3 4
Devido à periodicidade da função seno, a igualdade anterior verifica-se sempre que:
2
N = 2k π , k = 0,1,2,...
3
ou seja,
N = 3πk , k = 0,1,2,...
Verifica-se que não existe nenhum numero inteiro k que multiplicado por 3π dê um numero
inteiro logo o sinal não é periódico.
COELHO, J.P. 5
2 2
j πn j π ( n+ N )
(c) e 3
=e 3
2 2 2
j πn j πn j πN
e 3
=e 3
⋅e 3
2
j πN
1= e 3
2
j πN
j 2kπ
e =e 3
, k = 0,1,2,3,...
Assim,
2
2k π = πN
3
ou seja,
N = 3k , k = 0,1,2,...
Pela mesma razão de (a), o sinal exponencial complexo dado é periódico.
1.3 Para cada um dos sistemas definidos subsequentemente verifique qual das seguintes
propriedades são exibidas: Linearidade, Invariância no Tempo, Causalidade e Estabilidade.
• y[n] = x[n − no ]
• y[n] = n ⋅ x[n + 3]
• y[n] = log ( x )
(a) Causalidade:
O sistema é causal se e só se n0 ≥ 0
Estabilidade
6 COELHO, J.P.
Invariância no Tempo
y1[n] = x[n − no + τ]
y[n + τ] = x[ n − no + τ]
como y1[n] = y[n + τ] o sistema é invariante no tempo.
Linearidade
y1[n] = ax1[n − no ]
y2 [n] = bx2 [n − no ]
(b) Causalidade:
O sistema é não causal pois a saída no instante presente depende de uma entrada futura (3
amostras à frente).
Estabilidade
x[n] ≤ Bx < ∞ → y[n] ≤ By < ∞ ∀Bx , By positivos e finitos
Apesar de Bx ser limitado n ⋅ Bx não o é pois a variável independente n não é finita logo o
COELHO, J.P. 7
Invariância no Tempo
y1[n] = n ⋅ x[n + 3 + τ]
y[n + τ] = ( n + τ ) x[n + 3 + τ]
como y1[n] ≠ y[n + τ] o sistema é variante no tempo.
Linearidade
y1[n] = nax1[n + 3]
y2 [n] = nbx2 [n + 3]
Quando os mesmos dois sinais são adicionados e aplicados simultaneamente, a saída é
dada por:
y3[n] = n ( ax1[n + 3] + bx2 [n + 3]) = y1[n] + y2 [n]
logo pode-se concluir que o sistema é linear.
(c) Causalidade:
O sistema é causal.
Estabilidade
Invariância no Tempo
Linearidade
8 COELHO, J.P.
O sistema é claramente não linear pois, como se sabe, a função logaritmo é uma função
não linear.
Demo: Se dois sinais de entrada distintos ax1[ n] , bx2 [ n] forem aplicados separadamente
ao sistema temos:
(
y1[n] + y2 [ n] = a log ( x1[n] ) + b log ( x2 [n] ) = log x1[n] ⋅ x2 [ n]
a b
)
Quando os mesmos dois sinais são adicionados e aplicados simultaneamente, a saída é
dada por:
COELHO, J.P. 9
Resolução pelo teorema da sobreposição:
10 COELHO, J.P.
Pela Convolução: Graficamente
COELHO, J.P. 11
Resposta do sistema:
12 COELHO, J.P.
Pela Convolução: Analiticamente
3
y[n] = ∑ x[k ]h[n − k ] , n = 0,...,5
k =0
1 3
y[1] = x[0]h[1] + x[1]h[0] + x[2]h[−1] + x[3]h[−2] = 1 + +0+0=
2 2
1 1 7
y[2] = x[0]h[2] + x[1]h[1] + x[2]h[0] + x[3]h[−1] = + +1+ 0 =
4 2 4
1 1 7
y[3] = x[0]h[3] + x[1]h[2] + x[2]h[1] + x[3]h[0] = 0 + + +1=
4 2 4
1 1 3
y[4] = x[0]h[4] + x[1]h[3] + x[2]h[2] + x[3]h[1] = 0 + 0 + + =
4 2 4
1 1
y[5] = x[0]h[5] + x[1]h[4] + x[2]h[3] + x[3]h[2] = 0 + 0 + 0 + =
4 4
COELHO, J.P. 13
∞
y[n] = ∑ x[k ]h[n − k ]
k =−∞
1, 0≤n≤9
x[n] =
0, Restantes Casos
n−k
9
1
9
y[n] = ∑ h[n − k ] = ∑ u[n − k ]
k =0 k =0 2
1, k ≤ n
u[n − k ] =
0, k > n
n−k
9
1
y[n] = ∑
k =0 2
k ≤n
9 1 n−k
∑ , n>9
k = 0 2
n 1 n−k
y[n] = ∑ ,0 ≤ n ≤ 9
k =0 2
k ≤n
0 ,n < 0
1 n 9 1 − k
∑ , n>9
2
k =0 2
1 n n 1 − k
y[n] = ∑ ,0 ≤ n ≤ 9
2 k = 0 2
0 ,n < 0
1− a
2 − (1 2 )n , 0 ≤ n ≤ 9
y[n] = (1 2 ) ( 210 − 1) , n > 9
n
0 ,n < 0
14 COELHO, J.P.
1.6 Calcule a resposta impulsional dos seguintes sistemas lineares e invariantes no tempo:
x[n] + x[n − 1] + x[n − 2]
(a) y[ n] =
3
1
(b) y[ n] = x[ n] + y[n − 1] , y[−1] = 0
2
1
b) h[ n] = δ[ n] + h[n − 1] , h[−1] = 0
2
n δ[n] h[n]
-1 0 0
0 1 1
1 0 12
2 0 14
3 0 18
... ... ...
n 0 1 2n
n
1
h[n] = u[n]
2
1
0.9
0.8
0.7
0.6
h[n]
0.5
0.4
0.3
0.2
0.1
0
-2 0 2 4 6 8 10
n
COELHO, J.P. 15
1.7 Atendendo ao sistema ilustrado pela figura subsequente, utilize as propriedades da
convolução de modo a calcular para 0 ≤ n ≤ 8 .
a) Se x[ n] = δ[ n] então:
n δ[n] h2 [n]
-1 0 0
0 1 1
1 0 0.8
2 0
( 0.8)
2
3 0
( 0.8)
3
parciais do sistema:
16 COELHO, J.P.
Resposta Total do Sistema: Atendendo à propriedade distributiva da convolução:
n h[n]
0 2
1 2.8
2 3.64
3 0.51
4 0.41
5 0.33
6 0.26
7 0.21
8 0.17
b)
x[n] = 3δ[n − 1] − 2δ[n] + δ[n + 1]
1
y[n] = ∑ x[k ]h[n − k ] = h[n + 1] − 2h[n] + 3h[n − 1]
k =−1
4
y[n]
-2
-4
-1 0 1 2 3 4 5 6 7 8 9
n
jω 1 − jω
a) H (e ) = e
3
jω −3 jω
b) H (e ) = 3e
c) H (e ) = cos ( 2ω ) e
jω jω
a)
Nota: Graficamente, sempre que a fase ultrapasse as bandas limitadas por [ −π ,π ] deve-se
somar 2π se a fase for inferior a −π ou subtrair 2π se for superior a π.
b)
c)
ω = 0 ⇒ H ( e jω ) = 1
π π
ω= ⇒ H ( e jω ) = 0 ω= ⇒ H ( e jω ) = −1 = 1e ± jπ
4 2
3π
ω= ⇒ H ( e jω ) = 0 ω = π ⇒ H ( e jω ) = 1
4
Nota: A cada passagem por zero da magnitude corresponde uma diferença de fase de π
COELHO, J.P. 19
1.9 Considere o seguinte sistema linear e invariante no tempo:
x[n] + x[n − 1] + x[n − 2]
y[n] =
3
Calcule a sua resposta em frequência e esboce a sua magnitude e fase.
j ωn
Se x[ n] = e então,
+∞
H (e jω
) = ∑ h[k ]e − jωk
k =−∞
+∞
δ[k ] + δ[k − 1] + δ[k − 2] − jωk
H ( e jω ) = ∑ e
k =−∞ 3
A resposta em frequência só é diferente de zero para k = 0,1 e 2 , logo;
1 + 2cos ( ω) − jω
H ( e jω ) = e
3
NOTA: Como H e ( ) jω
é periódica com período 2π , é apenas necessário especificar a
Magnitude
1
0.9
0.8
0.7
0.6
| H(jw) |
0.5
0.4
0.3
0.2
0.1
0
0 1 2 3 4 5 6 7
w
20 COELHO, J.P.
Fase
1.5
0.5
<
-0.5
-1
-1.5
-2
0 1 2 3 4 5 6 7
w
j ωn
Se x[ n] = e então,
COELHO, J.P. 21
+∞
H (e jω
) = ∑ h[k ]e − jωk
k =−∞
1 k
+∞
H ( e ) = ∑ u[k ] e − jωk
jω
2
k =−∞
A resposta em frequência só é diferente de zero para k ≥ 0 , logo;
+∞ k k
1 − jωk +∞ 1 − jω
H (e ) = ∑ e
jω
= ∑ e
k =0 2 k =0 2
1 − jω
Série geométrica de razão e
2
0 +∞
1 − j ω 1 − jω
e − e
H (e ) =
jω 2 2
1 − jω
1− e
2
1− 0 1
H ( e jω ) = =
1 1
1 − e − jω 1 − e − jω
2 2
4 − 2cos(ω) − j 2sin(ω)
H ( e jω ) =
5 − 4cos(ω)
• Magnitude e Fase
4 − 2cos(ω)
H R ( e jω ) =
5 − 4cos(ω)
2sin(ω)
H I ( e jω ) = −
5 − 4cos(ω)
22 COELHO, J.P.
1
H ( e jω ) =
5
− cos(ω)
4
H I ( e jω )
−1 sin(ω)
)H ( e ) = tan
jω −1
= tan −
H R ( e jω ) 2 − cos(ω)
MATLAB
» w=0:pi/100:2*pi;
» H=1./(1-0.5*exp(-j*w));
» % Mostra Magnitude...
» plot(w,abs(H));
1.11 Determine a resposta impulsional de um filtro passa-baixo ideal com frequência de corte
ωc .
1 se ω ≤ ωc
H ( e jω ) =
0 restantescasos
A resposta impulsional pode ser estimada recorrendo à transformada inversa de Fourier:
π
1
h[n] = ∫ H ( e jω )e jωn d ω
2π −π
COELHO, J.P. 23
ω
1 c j ωn
2π −ω∫ c
h[n] = e dω
h[n] =
1
2πjn
{
e jωn
ωc
−ω c
= }1
2πjn
{
e jωc n − e − jωc n }
sin(ωc n)
h[n] = , −∞ ≤ n ≤ ∞
πn
Resposta Impulsional
0.8
0.6
h[n]
0.4
0.2
-0.2
0 10 20 30 40 50 60
n
δ[n] + δ[n − 3]
h[n] =
2
+∞
1 1 −3 j ω
H (e jω
) = ∑ h[n]e − j ωn
= + e
n =−∞ 2 2
−αω
Nota: Para colocarmos e em evidência basta tomar a exponencial com maior
expoente e dividi-lo por dois.
1 − 32 jω 32 jω − 32 jω 3
3 − 2 jω
H (e ) = e
jω
e + e = cos ω e
2 2
24 COELHO, J.P.
Magnitude
1
0.9
0.8
0.7
0.6
|H(jw)|
0.5
0.4
0.3
0.2
0.1
0
0 1 2 3 4 5 6 7
w
Fase
2
1.5
0.5
Ângulo
-0.5
-1
-1.5
-2
0 1 2 3 4 5 6 7
w
COELHO, J.P. 25
+∞
H (e jω
) = ∑ h[n]e − j ωn
n =−∞
1 +∞
H ( e jω ) = ∑ ( δ[n] − δ[n − 1] + δ[n − 2] − δ[n − 3]) e− jωn
4 n=−∞
Atendendo á definição de impulso discreto...
1 − jω0 − jω1 − jω2 − jω3
H ( e jω ) = (e − e + e − e )
4
3 π
1 − jω 32 jω 32 1 1
− jω
3
1 − j 2 ω− 2 3 1
H (e ) = e
jω − jω
jω
e − e + e −e = e sin ω − sin ω
2 2 2
4 2 2 2
Magnitude Fase
1 2.5
0.9 2
0.8 1.5
0.7 1
0.6 0.5
| H(jw) |
Angle
0.5 0
0.4 -0.5
0.3 -1
0.2 -1.5
0.1 -2
0 -2.5
-4 -3 -2 -1 0 1 2 3 4 -4 -3 -2 -1 0 1 2 3 4
w w
1.14 Considere o sistema discreto com resposta impulsional h[ n] = ( −0.5 ) u[n] . Determine a
n
∑ ( ( −0.5) )
+∞ +∞
H ( e jω ) = ∑ h[n]e− jωn =
n
u[n] e − jωn
n =−∞ n =−∞
+∞ +∞ n
0.5
H (e ) = ∑ ( −0.5) = ∑ − jω
jω n − jωn
e
n =0 n=0 e
Aplicando a fórmula da soma dos n termos de uma progressão geométrica vem que:
1
H ( e jω ) =
1 + 0.5e − jω
26 COELHO, J.P.
1.15 Se a transformada de Fourier de h[ n] for H e ( ) , qual é a transformada de Fourier de
jω
(−1) n h[n] ? Sem recorrer a cálculos e atendendo ao resultado do exercício 1.10, diga qual
a resposta impulsional de um filtro passa-alto ideal.
+∞
H ( e jω ) = ∑ h[n]e (NOTA: ( −1) = e
− j ωn n j πn
)
n =−∞
( )
+∞ +∞ +∞
Repare-se que a multiplicação por ( −1) no domínio dos tempos equivale a uma translação de
n
π radianos no domínio das frequências. Desta forma, e para o caso do filtro passa baixo ideal:
sin(ωc n)
Logo, se h[ n] = ∀n é a resposta impulsional de um filtro passa-baixo ideal,
πn
sin(ωc n)
h[n] = ( −1)
n
∀n é a resposta impulsional de um filtro passa-alto ideal.
πn
Determine a sua parte par e ímpar. Adicionalmente determine a parte real e imaginária da
sua resposta em frequência.
Qualquer sinal discreto no tempo x[ n] pode ser decomposto como a soma de duas parcelas:
uma parte par e uma parte ímpar.
COELHO, J.P. 27
x[n] = x par [n] + ximpar [n]
1
x par [n] =
2
( x[n] + x*[− n]) onde * se refere ao operador conjugado.
1
ximpar [n] =
2
( x[n] − x*[− n])
X ( e jω ) = X par ( e jω ) + X impar ( e ) ou X ( e ) = X ( e ) + jX ( e )
jω jω
real
jω
imag
jω
− j ωk
NOTA: δ[ n − k ] ↔ e
28 COELHO, J.P.
1 1
X real ( e jω ) = e jω + 1 + e − jω = 1 + cos(ω)
2 2
1 1
jX imag ( e jω ) = e − jω − e jω = − j sin(ω)
2 2
a)
1
x[n] = δ[n] + δ[n − 1] + δ[n − 2]
2
1 1
X ( e jω ) = 1 + e − jω + e−2 jω = e − jω + 2cos(ω)
2 2
Magnitude Fase
2.5 2
1.5
2
1
0.5
1.5
| X(jw) |
Angle
1
-0.5
-1
0.5
-1.5
0 -2
0 1 2 3 4 5 6 0 1 2 3 4 5 6
w w
b)
COELHO, J.P. 29
1
x[n] = δ[n] + δ[n − 2] + δ[n − 4]
2
1 1
X ( e jω ) = 1 + e −2 jω + e −4 jω = e −2 jω + 2cos(2ω)
2 2
Magnitude Fase
2.5 2
1.5
2
1
0.5
1.5
| X(jw) |
| X(jw) |
1
-0.5
-1
0.5
-1.5
0 -2
0 1 2 3 4 5 6 0 1 2 3 4 5 6
w w
1.18 Seja x[ n] um sinal discreto com transformada de Fourier X e ( ) e x [n] o sinal que se
jω
m
x [ n M ] , se n multiplo de M
xo [n] =
0 , restantes casos
+∞
xo [n] = ∑ x[k ]δ[n − kM ]
k =−∞
+∞ +∞
+∞
X (e jω
) = ∑ x [n]e
o
− j ωn
= ∑ ∑ x[k ]δ[n − kM ] e − jωn
n =−∞ n =−∞ k =−∞
+∞ +∞
− jωn
+∞
X ( e ) = ∑ ∑ x[k ]δ[n − kM ]e
jω
= ∑ x[k ]e
− jωkM
= X ( e j ωM )
k =−∞ n =−∞ k =−∞
30 COELHO, J.P.
Conclusão: A transformada de um sinal que se obtém por inserção de zeros de um sinal
primitivo é a transformada de Fourier do sinal original «comprimida» no intervalo
[− π M , π M ] e depois repetida periodicamente com período 2π M . Esta estratégia serve
para fazer interpolação do sinal.
1.19 Determine a equação às diferenças que rege o sistema discreto com a seguinte resposta
impulsional:
n
1
h[n] = δ[n] + 3 ⋅ u[n − 1]
4
Y ( e jω )
jω
Sabe-se que H (e ) =
X ( e jω )
A resposta em frequência do sistema é:
+∞
1
n
H (e ) = ∑ δ[n] + 3 u[n − 1] e − jωn
jω
n =−∞ 4
1 +∞
1 1
+∞ n j ω − jω 3e − jω 2 + e − jω
1 4e 4e
H (e ) = 1 + 3∑ jω = 1 + 3
jω
=1+ =2
n =1 4e 1 4 − e − jω 4 − e − jω
1 − jω
4e
Y (e jω ) 2 + e − jω
H ( e jω ) = = 2
X (e jω ) 4 − e − jω
Y (e jω ) ( 4 − e − jω ) = 2 X (e jω ) ( 2 + e − jω ) ⇔ 4Y (e jω ) − e − jωY (e jω ) = 4 X (e jω ) + 2e − jω X (e jω )
Aplicando a transformada inversa de Fourier:
4 y[n] − y[n − 1] = 4 x[n] + 2 x[n − 1]
1 1
e finalmente... y[ n] = x[ n] + x[n − 1] + y[n − 1]
2 4
COELHO, J.P. 31
Processamento Digital de Sinal
4º Ano de Eng. Electrotécnica. & Eng. Informática
Introdução
O método típico para obter uma representação discreta de um sinal contínuo no tempo é
através de amostragem periódica. Deste modo, uma sequência de amostras x[ n] é obtida a
x[ n] = xc ( nT ) , ∀n
−1
onde T representa o período de amostragem e Ω s = 2πT é a frequência angular de
componente de máxima frequência têm um valor finito e igual a Ω n . Se este sinal for
frequências:
32 COELHO, J.P.
Desta forma a frequência de amostragem deve ser tal que as cópias de X c ( jΩ ) não se
sobreponham, caso contrário não é possível recuperar o sinal original a partir da sua versão
amostrada. Sendo assim e observando a figura anterior, é condição necessária que
Ω n < Ω s − Ω n , ou seja Ω s > 2Ω n . Esta condição reporta ao teorema de Nyquist que
estabelece a frequência de amostragem como pelo menos o dobro da componente de máxima
frequência do sinal a amostrar. Caso esta condição não se cumpra, observa-se a ocorrência de
um fenómeno designado por aliasing, i.e. as componentes do sinal com frequência maior do
que metade da frequência de amostragem são transladadas para o intervalo limitado
[ −Ω s 2, Ω s 2] .
+∞
π ( t − nT )
xc (t ) = ∑ x[n]sinc T
n =−∞
Desta forma, a reconstrução do sinal original a partir da sua versão discreta no tempo é levada
a cabo por meio de um filtro passa baixo com frequência de corte regida pelas seguintes
condição:
COELHO, J.P. 33
Se o sinal em questão for devidamente amostrado à frequência analógica de Ω s , o espectro do
Como se pode observar, o espectro do sinal amostrado não é mais do que o espectro do sinal
original repetido de Ω s em Ω s . Devido ao efeito de escalonamento da frequência,
X ( e jω ) = X s ( jΩ ) para ω = ΩT .
Nota: Logo na primeira figura da introdução verifica-se que o eixo do tempo é normalizado
por um factor T , desta forma, no domínio das frequências, o eixo das frequências é
normalizado por um factor igual ao inverso do período de amostragem. Como Ω s = 2π T ,
Nota: Até agora não se deu importância á amplitude do espectro. Contudo a discretização
implica uma divisão por T do amplitude do espectro do sinal contínuo no tempo. É por
essa razão que a relação anterior vêm multiplicada pelo factor T .
Amostragem Real
Ideal Prática
nT
x[n] = xc (nT ), ∀n x[n] = ∫
nT −τ
xc (t )dt
Como se pode ver pela figura anterior, na prática o sinal amostrado é simplesmente a
convolução do sinal contínuo com um pulso u (t ) − u (t − τ) T . Desta forma esta operação pode
ser vista como uma filtragem do tipo passa-baixo do sinal original. Teoricamente, a
reconstrução do sinal a partir da sua versão amostrada é levada a cabo por intermédio de um
filtro passa-baixo ideal. Contudo, na prática a operação de conversão discreta para contínua é
normalmente realizada com um segurador de primeira ordem (zero order hold). Por este facto, e
dado que a magnitude da resposta em frequência deste tipo de filtros não é constante ao longo
da sua banda passante, existe maior atenuação nas componentes de maior frequência do sinal.
COELHO, J.P. 35
Exercícios
a) xc (t ) = 3sin(1000πt )
2 π
b) xc (t ) = cos(1000t + )
3 9
c) xc (t ) = 2cos (1000πt )
2
sin(30πt )
d) xc (t ) =
30πt
a)
O sinal analógico xc (t ) = 3sin(1000πt ) possui apenas uma componente em frequência com
valor 1000π rad / s . Deste modo o seu espectro pode ser representado por:
Atendendo ao teorema de Nyquist que refere que a frequência de amostragem deve ser
superior a duas vezes a componente de máxima frequência do sinal, observa-se que para este
sinal, a frequência de amostragem Ω s deve obedecer à seguinte condição:
b)
2 π
O sinal analógico xc (t ) = cos(1000t + ) possui, tal como o sinal anterior, apenas uma
3 9
componente em frequência com valor 1000 rad / s .
36 COELHO, J.P.
Em termos de transformada de Fourier, este sinal pode representado por:
condição:
Ω s > 2000 rad / s ou f s > 318.4 Hz
c)
Existem (pelo menos) duas formas de resolver este problema. O primeiro é atendendo a que a
transformada de Fourier do produto de dois sinais é a convolução das transformadas de
Fourier parciais de cada sinal. Outra forma passa apenas por desenvolver o quadrado através
1 + cos(2φ)
da fórmula trigonométrica do meio-arco cos (φ) =
2
,
2
1 + cos(2000πt )
xc (t ) = 2cos 2 (1000πt ) = 2 = 1 + cos(2000πt )
2
Por inspecção verifica-se que o sinal analógico xc (t ) possui duas componentes em frequência:
O sinal contínuo é portanto limitado em banda entre −30π e 30π rad / s , e a frequência de
amostragem Ω s deve ser: Ω s > 60π rad / s ou f s > 30 Hz
xc (t ) = 2sinc 2 (4t )
Qual a sua frequência mínima de amostragem?
No tempo, trata-se do produto de dois senos cardinais com igual frequência, logo no domínio
das frequências a transformada de Fourier do sinal pode ser dado como a convolução das
transformadas de Fourier de cada seno cardinal.
π
no domínio de Fourier X p ( jΩ) =
4
{u ( Ω + 4 ) − u (Ω − 4)} então:
1 1
x p (t ) ⋅ x p (t ) ↔ X p ( jΩ) ∗ X p ( jΩ) ⇒ xc (t ) ↔ X p ( jΩ) ∗ X p ( jΩ)
F 2π F π
+∞
1 1
X c ( jΩ) = X p ( jΩ) ∗ X p ( jΩ) = ∫ X p ( jθ) X p ( j (Ω − θ)) d θ
π π −∞
38 COELHO, J.P.
π π
como X p ( jθ) =
4
{u ( θ + 4 ) − u (θ − 4)} e X p ( j (Ω − θ)) = {u ( Ω − θ + 4 ) − u (Ω − θ − 4)}
4
então:
+∞
π
X c ( jΩ) = ∫ ( u ( θ + 4 ) − u (θ − 4) ) ( u ( Ω − θ + 4 ) − u (Ω − θ − 4) ) d θ
16 −∞
4
π
X c ( jΩ) = ∫ ( u ( Ω − θ + 4 ) − u (Ω − θ − 4) ) d θ
16 −4
π π
4 4
X c ( jΩ) = ∫ u ( Ω − θ + 4 ) d θ − ∫ u (Ω − θ − 4)d θ = [ X 1 ( jΩ) − X 2 ( jΩ) ]
16 −4 −4 16
0, Ω < −8
4 Ω+ 4 0 se Ω < −8
X 1 ( jΩ) = ∫ u ( Ω − θ + 4 ) d θ = ∫ d θ, − 8 ≤ Ω < 0 = Ω + 8 se − 8 ≤ Ω < 0
−4 −4 8 se Ω ≥ 0
4
∫ d θ, Ω ≥ 0
−4
0, Ω<0
4 Ω−4 0 se Ω < 0
X 2 ( jΩ) = ∫ u ( Ω − θ − 4 ) d θ = ∫ d θ, 0 ≤ Ω < 8 = Ω se 0 ≤ Ω < 8
−4 −4 8 se Ω ≥ 8
4
∫ d θ, Ω ≥ 8
−4
0 , Ω < −8
π
( Ω + 8) , − 8 ≤ Ω < 0
π 16
[ X 1 ( jΩ ) − X 2 ( j Ω ) ] =
16 π (8 − Ω ) , 0 ≤ Ω < 8
16
0, Ω ≥ 8
COELHO, J.P. 39
Conclusão: A frequência de amostragem deve ser superior a 16 rad/s.
(O QUE ACONTECERIA SE ESTE SINAL FOSSE AMOSTRADO A 12 rad/s ?)
a) x3 (t ) = x1 (t ) + x2 (t )
b) x3 (t ) = x1 (t ) ⋅ x2 (t )
c) x3 (t ) = x1 (t ) ∗ x2 (t )
a)
Atendendo á seguinte propriedade (Linearidade):
ax(t ) + by (t ) ↔ aX ( jΩ) + bY ( jΩ)
O espectro do sinal resultante pode ser analisado recorrendo à seguinte figura:
40 COELHO, J.P.
Logo a frequência de amostragem do sinal obtido pela soma dos dois sinais parciais deverá
obedecer á seguinte restrição: Ω s > 2 ⋅ max {Ω1 , Ω 2 }
b)
Recorrendo á seguinte propriedade:
1
x(t ) ⋅ y (t ) ↔ X ( jΩ) ∗ Y ( jΩ)
2π
Desta forma a frequência de amostragem do sinal obtido pelo produto dos dois sinais parciais
deverá obedecer á seguinte condição: Ω s > 2 ⋅ ( Ω1 + Ω 2 )
c)
Como se sabe que:
x(t ) ∗ y (t ) ↔ X ( jΩ) ⋅ Y ( jΩ)
COELHO, J.P. 41
O espectro do sinal resultante é apresentado pela seguinte figura:
Desta forma a frequência de amostragem do sinal obtido pelo produto dos dois sinais parciais
deverá obedecer á seguinte condição: Ω s > 2 ⋅ min {Ω1 , Ω 2 }
42 COELHO, J.P.
Processamento Digital de Sinal
4º Ano de Eng. Electrotécnica. & Eng. Informática
Introdução
No entanto nem todos os sinais possuem transformada de Fourier. Apenas aqueles que tornam
o somatório convergente podem ser descritos neste domínio, i.e. a transformada de Fourier de
jω
um sinal apenas existe se X (e ) < ∞ ou seja:
∑
n =−∞
x[n] < ∞
∞
X ( z) = ∑ x[n] z
n =−∞
−n
(Versão Bilateral)
∑
−n
x[n] z <∞
n =−∞
COELHO, J.P. 43
O plano Z é simplesmente o plano de Argand para números complexos onde adicionalmente é
desenhada uma circunferência centrada na origem com raio unitário. A transformada de Z
avaliada sobre esse circulo unitário (i.e. para z = 1 ) corresponde à transformada de Fourier.
P( z )
X ( z) = onde P ( z ) e Q ( z ) são polinómios em z
Q( z )
44 COELHO, J.P.
(recorde-se que a repetição da transformada de Fourier com período de 2π é uma
consequência do processo de amostragem)
conhecidos:
np
∏(z − p ) i
X ( z) = i =1
nq
∏(z − q )
i =1
i
jω
∏e jω
− pi
X (e ) = i =1
nq
∏e
i =1
jω
− qi
A fase é igual à soma das fases de todos os vectores zero menos a soma das fases de todos
os vectores polo (Nota: Os ângulos são medidos em referência ao eixo real positivo).
np nq
)X (e ) = ∑ ) ( e − pi ) − ∑ ) ( e jω − qi )
jω jω
i =1 i =1
Este processo possui um zero em 0.5 e um polo em −0.5 . Para uma frequência genérica ωa
G G
podemos traçar os seguintes vectores polo e zero ( p e q ):
π 0.5 1.5 π π 3 0
MAGNITUDE FASE
3 1
0.9
2.5
0.8
0.7
2
0.6
<H(jw)
|H(jw)|
1.5 0.5
0.4
1
0.3
0.2
0.5
0.1
0 0
0 0.5 1 1.5 2 2.5 3 3.5 0 0.5 1 1.5 2 2.5 3
w w
46 COELHO, J.P.
MATLAB
» num=[1 -0.5];
» den=[1 0.5];
» printsys(num,den,'z');
» pzmap(num,den)
» zgrid
» figure
» [H,W]=freqz(num,den);
Devido a esta relação entre as transformadas, é por vezes fácil definir um filtro digital de forma
a cumprir determinadas especificações bastando para isso colocar os pólos e zeros em locais
oportunos no plano Z.
Algumas considerações:
Os pólos quando colocados perto do circulo unitário produzem picos bem definidos na
resposta em frequência para as frequências angulares correspondentes.
Zeros colocados na circunferência unitária têm o efeito de produzir uma resposta nula em
frequência para as frequências angulares correspondentes.
Transformada Inversa de Z
1
x[n] =
2πj ∫
> c
X ( z ) z n−1dz
1
x[n] = ∫
> X ( z ) z n−1dz = ∑ Residuos de X ( z ) z n−1 tomados nos polos em C
2πj c
No entanto outros procedimentos menos formais são ainda possíveis tais como:
COELHO, J.P. 47
Exercícios
n
1
a) x[ n] = u[ n]
3
b) x[n] = a u[n]
n
a)
Atendendo à definição de transformada de Z vêm:
+∞ +∞ n
1
X ( z) = ∑ x[n] z
n =−∞
−n
= ∑ u[n] z − n
n =−∞ 3
48 COELHO, J.P.
Como a transformada inclui o circulo unitário, a transformada de Fourier de x[ n] existe.
Adicionalmente x[ n] é causal e estável.
Tendo em conta a soma dos termos de uma progressão geométrica (ver Parte I),
+∞ n
1 1
X ( z ) = ∑ z −1 =
n =0 3 1 − 1 z −1
3
3
logo X ( z ) = , z >1
3 − z −1
b)
+∞ +∞
∑ x[n] z − n =∑ ( az −1 )
n
X ( z) =
n =−∞ n=0
RdC: z > a
c)
+∞ +∞
X ( z) = ∑
n =−∞
x[n] z − n = ∑ ( u[n] − u[n − 20]) z − n
n =−∞
Note-se que no domínio discreto, u[n] − u[n − 20] é um pedestal de amplitude unitária com
início em 0 e com comprimento de 20 amostras. Desta forma a expressão anterior fica reduzida
a:
COELHO, J.P. 49
19
X ( z) = ∑ z −n
n =0
Como existem apenas um numero finito de termos diferentes de zero, a região de convergência
19
1 − z −20
X ( z) = ∑ z −n = , ∀z excepto z = 0
n =0 1 − z −1
d)
+∞
+∞
1
n
X ( z) = ∑ x[n] z −n
= ∑ −4δ[n] + 4 u[n] z − n
n =−∞ 4
n =−∞
Separando os somatórios vêm que:
+∞ 1 n
+∞
X ( z ) = −4 ∑ δ[n] z −n
+ 4 ∑ u[n] z − n
n =−∞ 4
n =−∞
Pela definição de impulso e degrau discreto temos que:
+∞ n
1
X ( z ) = −4 + 4∑ z −1
n =0 4
A região de convergência é tal que:
1 −1 1
z <1⇒ z >
4 4
4 1
X ( z ) = −4 + , z >
1 4
1 − z −1
4
e)
+∞ +∞
π −n
X ( z) = ∑
n =−∞
x[ n ] z −n
= ∑ 2cos 4 n u[n] z
n =−∞
π π
j −j
z >e 4
∩ z >e 4
Em termos de plano Z, os pólos são conjugados com magnitude unitária, logo RdC :
z >1
π
1 1 4 − cos( ) z −1
X ( z) = + = 4
j
π
−j
π
π −1
1− e z 4 −1
1− e 4
z −1 2 − cos( ) z + 2 z −2
4
f)
nx[n] = a ( − a )
n −1
u[n − 1]
+∞
dX ( z ) a
= −∑ ( − az −1 ) =
n
−z , z > −a
dz n =1 z+a
COELHO, J.P. 51
dX ( z ) a a
=− ⇒ X ( z) = −∫ dz
dz z ( z + a) z ( z + a)
Expandindo em fracções parciais vêm que
1 1 z+a
X ( z) = −∫ − dz = − ( log( z ) − log( z + a ) ) = log
z z+a z
−1
a) H ( z ) = 1 + 2 z + z −2 , ∀z excepto z = 0
1 −1
b) H ( z ) = z 1 −
2
z (1 + z −1 )(1 − z −1 ) , ∀z excepto z = 0
2
z+3
c) H ( z ) = , z >1
z2 −1
z −2 1
d) H ( z ) = −1
, z>
1 − 0.5 z 2
z3
e) H ( z ) = , z >1
z3 − 1
a)
1º Método: Expansão em Série de Potências
Deste modo,
1, n = 0
h[n] = −2 , n = 1
1, n = 2
h[n] = δ[n] − 2δ[n − 1] + δ[n − 2]
2º Método
Sabendo que:
52 COELHO, J.P.
Y ( z)
H ( z) =
X ( z)
vêm que:
Y ( z ) = X ( z ) − 2 z −1 X ( z ) + z −2 X ( z )
Aplicando a transformada inversa termo a termo temos que:
y[n] = x[n] − 2 x[n − 1] + x[n − 2]
A resposta impulsional é a resposta quando x[ n] = δ[ n] logo,
h[n] = δ[n] − 2δ[n − 1] + δ[n − 2]
b)
1 1
H ( z ) = z 2 − z + z −1 − 1
2 2
Expansão em Série de Potências
1 1
h[n] = δ[n + 2] − δ[n + 1] − δ[n] + δ[n − 1]
2 2
c)
Expansão em Fracções Parciais
Pólos do Sistema: z − 1 = 0 ⇒ z = ±1
2
z+3 A B
H ( z) = = +
( z − 1)( z + 1) z − 1 z + 1
onde:
z+3
A= =2
z + 1 z =1
z+3
B= = −1
z − 1 z =−1
Desta forma vêm que:
2 1
H ( z) = −
z −1 z +1
COELHO, J.P. 53
Recorrendo às tabelas das transformadas em Z temos que:
d)
Recorrendo à divisão polinomial temos:
4
H ( z ) = −2 z −1 − 4 +
1
1 − z −1
2
Aplicando a transformada inversa a partir das tabelas têm-se:
n−2
1
h[n] = u[n − 2]
2
e)
Y ( z) 1
H ( z) = =
X ( z ) 1 − z −3
Y ( z ) (1 − z −3 ) = X ( z )
Y ( z ) = X ( z ) + z −3Y ( z )
Aplicando a transformada inversa de Z vêm:
y[n] = x[n] + y[n − 3]
Quando x[ n] = δ[ n] ,
h[n] = δ[n] + h[n − 3]
Vamos tentar arranjar um termo geral para a resposta impulsional (atendendo à causalidade
imposta pela RdC!)...
n -1 0 1 2 3 4 5 6 ...
δ[n] 0 1 0 0 0 0 0 0 ...
h[n] 0 1 0 0 1 0 0 1 ...
54 COELHO, J.P.
n
u , se n multiplo de 3
h[n] = 3
0 , restantes casos
i) não causal
1 n 1 n 1 n
x[n] = − − − u[− n − 1]
2 3 4
ii) causal
1 n 1 n 1 n
x[n] = + + u[n]
2 3 4
iii) causal para Z=¼ e não causal para os restantes
1 n 1 n 1
n
x[n] = + u[ n] − u[− n − 1]
4 3 2
3.4 Usando o menor número possível de pólos e zeros, desenhe um filtro digital com os
seguintes critérios de desempenho:
- Rejeição completa à frequência ω = 0
- Rejeição completa à frequência ω = π 3
- Passa-banda à frequência ω = 2 π 3 como resultado dos pólos colocados num raio r = 0.9
π
j
Para se obter rejeição á frequência ω = π 3 coloca-se um par de zeros conjugados em z = e 3
π
−j
e z=e 3
De forma a garantir causalidade, o numero de pólos deve ser no mínimo em igual quantidade
ao numero de zeros, logo é necessário colocar um pólo adicional no mapa de Z de tal modo
que não altere a resposta em frequência do sistema. Obviamente a sua localização deve ser
em z = 0 . Os pólos na origem não alteram a magnitude da resposta em frequência. Desta
forma, o mapa de Z ficará com o seguinte aspecto:
0.8
0.6
0.4
Imaginary Part
0.2
-0.2
-0.4
-0.6
-0.8
-1
-1 -0.5 0 0.5 1
Real Part
56 COELHO, J.P.
A sua função de transferência é simplesmente:
j
π
−j
π
( z − 1) z − e z − e 3
3
z3 − 2z 2 + 2z − 1
H ( z) = = 3 , RdC: z > 0.9
j
2π
−j
2π
z + 0.9 z 2
+ 0.81z
z z − 0.9e 3 z − 0.9e 3
O sistema é estável e causal.
Atendendo a que H ( z ) = Y ( z ) X ( z ) , a equação às diferenças do filtro é dada simplesmente
por:
y[n] = −0.9 y[n − 1] − 0.81y[n − 2] + x[n] − 2 x[n − 1] + 2 x[n − 2] − x[n − 3]
Nota 1: Verifique que o sistema sem polo na origem não é realizável fisicamente.
3.5 Projecte um filtro digital do tipo ‘notch’ pelo mapa de pólos e zeros atendendo a que:
- A frequência de amostragem é de 20 KHz
- A frequência de ‘notch’ deverá ser 2.5 KHz
jω
- O ganho em banda passante deverá ser H (e ) = 1 ± 1%
COELHO, J.P. 57
Estudou-se na Parte II que a frequência discreta estava relacionada com a frequência
analógica pela seguinte expressão:
ω = ΩT
Apesar de ser possível uma abordagem menos formal (tendo em conta que os zeros e os pólos
para um filtro deste tipo estão muito próximos), seguindo a definição dada no início desta folha
de trabalhos, a magnitude da resposta em frequência para uma dada frequência é obtida
através da contribuição da magnitude de todos os pólos e zeros para a referida frequência.
Tal como os zeros, os pólos devem fazer um ângulo de ± π 4 relativamente ao eixo real
positivo (visto não existir interesse em alterar a magnitude do sinal de entrada para outras
π π
j j
frequências). Desta forma os pólos devem estar localizados z = ρe 4
e z = ρe 4
.
Para o cálculo da distância entre a origem do circulo unitário e a localização efectiva dos pólos
ρ socorremo-nos da restrição da magnitude da resposta em frequência. Observando o mapa
de pólos e zeros verifica-se que a magnitude mais elevada da resposta em frequência se dá à
frequência π logo é necessário garantir que nesse ponto a magnitude não caia fora do
jω
intervalo H (e ) = 1 ± 1% .
58 COELHO, J.P.
G 2
jω
v1
0.99 ≤ H (e ) = G ≤ 1.01
v2
ω=π
Onde,
G 2 2 G 2 2
v1 = 1 + + j e v2 = 1 + ρ + jρ
2 2 2 2
Desta forma vê que:
2+ 2
H (e jω ) =
ω=π
1 + 2ρ + ρ2
2+ 2
0.99 ≤ ≤ 1.01
1 + 2ρ + ρ2
2 2+ 2
ρ + 2ρ + 1 − ≥0
1.01
ρ2 + 2ρ + 1 − 2 + 2 ≤ 0
0.99
Matlab...
z2 − 2z + 1
H ( z) =
z 2 − 0.99 2 z + ( 0.99 )
2
Nota: Devido ao facto da localização dos pólos estar muito próxima da localização dos
zeros, é necessário algum cuidado na implementação deste tipo de filtros em máquinas com
precisão finita (por exemplo computadores ou microcontroladores) pois erros de
arredondamento nas operações podem levar a um mau desempenho do filtro.
60 COELHO, J.P.
COELHO, J.P. 61
62 COELHO, J.P.
Processamento Digital de Sinal
4º Ano de Eng. Electrotécnica. & Eng. Informática
Introdução
Nas partes I e III discutiram-se formas de representar sinais e sistemas lineares e invariantes
no tempo em termos de transformada de Fourier e transformada de Z. Contudo para
sequências de duração finita é possível desenvolver uma representação alternativa de Fourier
designada de transformada discreta de Fourier (DFT – Discrete Fourier Transform). Ao
contrário das transformadas estudadas anteriormente, a DFT é também ela uma sequência e
corresponde a amostras igualmente espaçadas em frequência da transformada de Fourier.
com espaçamento 2π N .
COELHO, J.P. 63
A Transformada Discreta de Fourier (DFT)
jω
Considere-se uma sequência aperiódica x[ n] com transformada de Fourier X (e ) , e
ωk = 2πk N :
2 πk
j
X [k ] = X (e jω ) 2 πk = X (e N
) = X ( z ) z =e j 2Nπk
ω=
N
transformada de Z avaliada no circulo unitário, X [k ] também pode ser obtida por amostragem
de X ( z ) em N pontos equidistantes no circulo unitário.
Uma sequência finita e aperiódica x[ n] pode ser vista como sendo apenas um período de uma
x[ n] , 0 ≤ n ≤ N − 1
x[ n] =
0 , restantes casos
Se X [n] é a transformada de Fourier de x[ n] e X [k ] é a transformada de Fourier de x[ n] ,
designando por T {}
⋅ o operador transformada de Fourier pode-se escrever que:
T { x[n]} , 0 ≤ n ≤ N − 1 X [n] , 0 ≤ n ≤ N − 1
T { x[n]} = ⇔ X [ n] =
T {0} , restantes casos 0 , restantes casos
Desta forma, a DFT de um sinal aperiódico finito é dada pela seguinte expressão:
N −1 −j
2 πkn
X [ k ] = ∑
x[n] e N , 0 ≤ k ≤ N − 1
n =0
0 , restantes casos
E a sua inversa por:
1 N −1 j
2 πkn
∑ X [k ] e N , 0 ≤ n ≤ N − 1
x[n] = N k =0
0 , restantes casos
64 COELHO, J.P.
Exercícios
4.1 Determine a DFT do seguinte sinal discreto aperiódico de duração finita:
Para determinarmos a DFT, podemos considerar que x[n] é uma sequência de duração finita
com tamanho igual ou superior a 2 i.e. N ≥ 2 .Considerando N = 2 , a sequência periódica cuja
série discreta de Fourier corresponde à transformada discreta de Fourier é a seguinte:
1 2 πkn
−j
X [k ] = ∑ x[n]e 2
, ∀k ∈ `
n =0
2 πk 0 2 πk 1
−j −j
X [k ] = x[0]e 2
+ x[1]e 2
, ∀k ∈ `
1
X [k ] = 1 + e− jπk , ∀k ∈ `
2
K -2 -1 0 1 2 3 4 5
COELHO, J.P. 65
A DFT do sinal original é simplesmente a DFS tomada para 0 ≤ k ≤ 1
1 − jπk
1 + e , 0 ≤ k ≤1
X [k ] = 2
0 , restantes casos
4.2 Suponha que xc (t ) é um sinal periódico contínuo no tempo com período de 1ms, e para o
a) Na Parte II viu-se que um sinal discreto era obtido através de amostragem de um sinal
contínuo segundo a lei x[ n] = xc ( nTs ) . Desta forma,
9
(
j 2 πknTs 10−3 )
xc (nTs ) = ∑a e
k =−9
k = x[n] .
−3
Como o período de amostragem é Ts = 1 6 × 10 s , a expressão anterior toma a seguinte
forma:
9 π
j kn
x[n] = ∑a e
k =−9
k
3
66 COELHO, J.P.
9 π 9 π
j kn j k ( n+ N )
∑a e
k =−9
k
3
= ∑a e
k =−9
k
3
, ∀N ∈ `
π π
j kn j k ( n+ N )
e 3
=e 3
, ∀N ∈ `
π π π
j kn j kn kN
e 3
=e 3
⋅e 3
, ∀N ∈ `
π
kN
e 3
= 1, ∀N ∈ `
π
j kN
e 3
= e j 2kπ ⇒ N = 6
Desta forma verifica-se que o sinal discreto é periódico com um período de 6 amostras.
b)
Em termos de espectro, o sinal contínuo apresentado possui as seguintes componentes em
frequência:
O sinal contínuo é originalmente representado pela sua série de Fourier logo é imediato
verificar que em termos de espectro o sinal possui componentes em Ω=2πk/10-3 rad/s com k
entre –9 e 9 cujas amplitudes são dependentes das magnitudes dos coeficientes.
c)
Como o sinal é periódico com período 6 amostras, N=6 logo
95 j mn − j 2 πkn
π
X [ k ] = ∑ ∑ am e 3
e 6 , 0 ≤ k ≤ 5
n =0 m =−9
95 − j ( k −m )
πn
X [ k ] = ∑ ∑ am e 3 , 0≤k ≤5
n =0 m =−9
COELHO, J.P. 67
Alterando a ordem dos somatórios obtém-se:
5 − j π3n ( k −m )
9
X [ k ] = ∑ am ∑ e , 0≤k ≤5
m =−9 n = 0
NOTA:
1 N −1 − j
2 πkn
1 , se k = rN ∀r ∈ `
∑e N
=
N n =0 0, restantes casos
5 −j
πn
( k −m) 6 , se k − m = 6r ∀r ∈ `
∑e 3
=
n =0 0, restantes casos
9
X [k ] = 6 ∑ am , 0 ≤ k ≤ 5 e k − m = 6r ∀r ∈ `
m =−9
2k π
4.3 Determine a DFT de comprimento N de x[ n] = sin n.
N
N −1 2π k
−j n
X [k ] = ∑ x[ n] e N
0 ≤ k ≤ N −1
n =0
2π k
2kπ
N −1
−j n
X [k ] = ∑ sin ne N
0 ≤ k ≤ N −1
n =0 N
2 kπ 2 kπ
1 N −1 j n −j n − j 2πNk n
X [k ] = ∑ e N
−e N
e 0 ≤ k ≤ N −1
2 j n =0
2 kπ 2π k N −1 − j 2 kπ n − j 2π k n
1 N −1 j n −j n
X [k ] = ∑ e N
e N
− ∑e N
e N
0 ≤ k ≤ N −1
2 j n =0 n=0
4 kπ
1 N −1 0 N −1 − j n
X [k ] = ∑ e − ∑ e N
0 ≤ k ≤ N −1
2 j n =0 n=0
4 kπ
−j N
1 1− e N
X [k ] = ( N − 1 − 0 + 1) − 0 ≤ k ≤ N −1
2 j −j
4 kπ
1− e N
68 COELHO, J.P.
1 1 − e− j 4 kπ
X [k ] = N− 4 kπ
0 ≤ k ≤ N −1
2j −j
1− e N
NOTA:
1 − e− j 4 k π N −1 − j 4 k πn
N , k =0
4kπ
= ∑e N
=
1− e
−j
N n =0 0 , restantes casos
N
1 ≤ k ≤ N −1
X [k ] = 2 j
0 k =0
a) Para N=4
1 N −1 j
2 πkn
x[n] = N ∑
X [k ] e N , 0 ≤ n ≤ N − 1
k =0
0 , restantes casos
1 3 j
2 πkn
∑ X [k ] e N , 0 ≤ n ≤ 3
x[n] = 4 k =0
0 , restantes casos
Cálculo de X [k ] :
3 −j
2 πkn
∑ x[n] e 4 , 0 ≤ k ≤ 3
X [ k ] = n =0
0 , restantes casos
COELHO, J.P. 69
k X [k ]
0 x[0] + x[1] + x[2] + x[3] = 1 + 1 + 0 = 2
π 3π
−j −j
1 x[0]e + x[1]e
0 2
+ x[2]e − jπ
+ x[3]e 2
=1− j
2 x[0]e0 + x[1]e− jπ + x[2]e− j 2π + x[3]e− j 3π = 1 − 1 = 0
3π 9π
−j −j
3 x[0]e + x[1]e
0 2
+ x[2]e − j 3π
+ x[3]e 2
=1+ j
2,k =0
1 − j , k = 1
X [k ] =
0,k =2
1 + j , k = 3
Cálculo de x[ n] :
1 3 j
2 πkn
∑ X [k ] e N , 0 ≤ n ≤ 3
x[n] = 4 k =0
0 , restantes casos
n x[n]
1
0 ( X [0] + X [1] + X [2] + X [3]) = 1
4
1 1
2 0
3 0
x[n] = δ [n] + δ [n − 1]
b) Para N=8
Cálculo de X [k ] :
70 COELHO, J.P.
3 −j
2 πkn
∑ x[ n ] e 4
, 0≤k ≤3
X [ k ] = n =0
0 , restantes casos
K 0 1 2 3 4 5 6 7
X [k ] 3 1 1-2j 1 -1 1 1+2j 1
Cálculo de x[ n] :
1 3 j
2 πkn
∑ X [k ] e N , 0 ≤ n ≤ 3
x[n] = 4 k =0
0 , restantes casos
n 0 1 2 3 4 5 6 7
x[n] 1 1 0 0 0 1 0 0
x[n] = δ [n] + δ [n − 1] + δ [n − 5]
Conclusão: Observa-se que se N for menor do que o numero de amostras não nulas de x[ n] ,
existe ocorrência de aliasing no tempo o que se reflecte pela não recuperação do
sinal original a partir da DFT da sequência.
2 − n , −1≤ n ≤ 1
x[n] =
0 , Restantes Casos
NOTA 1:
Uma sequência x[n] é par sse x[-n]= x[n]
COELHO, J.P. 71
Uma sequência x[n] é ímpar sse x[-n]= -x[n]
Outra forma e atendendo à periodicidade da DFT:
Uma sequência x[n] é par sse x[n]= x[N-n]
N −1 −j
2 πkn
X [ k ] = ∑
x[n] e N , 0 ≤ k ≤ N − 1
n =0
0 , restantes casos
7 −j
πkn
∑ x[n] e 4 , 0 ≤ k ≤ 7
X [ k ] = n =0
0 , restantes casos
7 πkn 7
πkn
∑
x[ n ]cos − j ∑ x[n]sin , 0≤k ≤7
X [ k ] = n =0 4 n =0 4
0 , restantes casos
k 0 1 2 3 4 5 6 7
X [k ] 4 3.41 2 0.586 0 0.586 2 3.41
a) N = 2
b) N = 4
c) N = 8
sequência discreta x3[ n] cuja DFT é X 3[k ] = X 1[k ] ⋅ X 2 [k ] , pode ser determinada
recorrendo à seguinte expressão:
N −1
x3[n] = x1[n] ⊗ x2 [n] = ∑ x1[k ] ⋅ x2 [n − k ] , 0 ≤ n ≤ N − 1
k =0
a) N = 2
Cálculo da DFT para h[ n]
N −1 2 πkn
−j
H [k ] = ∑ h[n]e N
, 0 ≤ k ≤ N −1
n =0
1 2 πkn
−j
H [k ] = ∑ h[n]e 2
, 0 ≤ k ≤1
n =0
COELHO, J.P. 73
1
H [k ] = 1 + e− jπk , 0 ≤ k ≤ 1
2
Cálculo da DFT para x[ n]
N −1 2 πkn
−j
X [k ] = ∑ x[ n]e N
, 0 ≤ k ≤ N −1
n =0
1
X [k ] = ∑ e − jπkn , 0 ≤ k ≤ 1
n =0
X [k ] = 1 + e − jπk , 0 ≤ k ≤ 1
Atendendo á propriedade acima citada,
1 3 1
Y [k ] = H [k ] ⋅ X [k ] = 1 + e − jπk ⋅ (1 + e − jπk ) = 1 + e− jπk + e− j 2 πk , 0 ≤ k ≤ 1
2 2 2
Aplicando a Y [k ] a transformada inversa discreta de Fourier obtém-se:
2 πkn
1 N −1 j
y[n] = ∑
N k =0
Y [k ] e N
, 0 ≤ n ≤ N −1
1 1
y[n] = ∑ Y [k ] e jπkn , 0 ≤ n ≤ 1
2 k =0
1 1 3 − jπk 1 − j 2 πk jπkn
y[n] = ∑ 1 + e + 2 e e , 0 ≤ n ≤ 1
2 k =0 2
1 1 jπkn 3 jπk ( n−1) 1 jπk ( n−2)
y[n] = ∑ e + e + e , 0 ≤ n ≤1
2 k =0 2 2
1 3 1 3 1
y[n] = 1 + + + e jπn + + e − jπn , 0 ≤ n ≤ 1
2 2 2 2 2
19 1
y[n] = + e jπn + e − jπn , 0 ≤ n ≤ 1
2 2 2
3 , n=0
y[n] = 3 2 , n =1
0 , restantes casos
b) N = 4
Cálculo da DFT para h[ n]
N −1 2 πkn
−j
H [k ] = ∑ h[n]e N
, 0 ≤ k ≤ N −1
n =0
74 COELHO, J.P.
3 πkn
−j
H [k ] = ∑ h[n]e 2
, 0≤k ≤3
n =0
πk 3 πk
−j −j
− jπk 0 − j πk
H [k ] = h[0]e + h[1]e 2
+ h[2]e + h[3]e 2
, 0≤k ≤3
1 − j π2k
H [k ] = 1 + e , 0≤k ≤3
2
Nota: Compare esta última expressão com a equivalente para N = 2 . Verifica-se que
aumentando o numero de pontos da DFT se aumenta a resolução na frequência (verifique
este facto recorrendo ao Matlab...).
3 πkn
−j
X [k ] = ∑ e 2
, 0≤k ≤3
n =0
πk 3 πk
−j −j
− j πk
X [k ] = 1 + e 2
+e +e 2
, 0 ≤ k ≤1
Atendendo á propriedade da convolução,
1 − j π2k −j
πk
− j πk
−j
3 πk
Y [k ] = H [k ] ⋅ X [k ] = 1 + e ⋅ 1 + e
2
+e + e 2 , 0 ≤ k ≤1
2
Aplicando a Y [k ] a transformada inversa discreta de Fourier obtém-se:
2 πkn
1 N −1 j
y[n] = ∑ Y [k ] e N
, 0 ≤ n ≤ N −1
N k =0
COELHO, J.P. 75
N −1 2 πkn
−j
H [k ] = ∑ h[n]e N
, 0 ≤ k ≤ N −1
n =0
7 πkn
−j
H [k ] = ∑ h[n]e 8
, 0≤k ≤7
n =0
πk
−j
− jπk 0
H [k ] = h[0]e + h[1]e 8
, 0≤k ≤7
πk
1 −j
H [k ] = 1 + e 8 , 0 ≤ k ≤ 7
2
Cálculo da DFT para x[ n]
N −1 2 πkn
−j
X [k ] = ∑ x[ n]e N
, 0 ≤ k ≤ N −1
n =0
7 πkn
−j
X [k ] = ∑ e 8
, 0≤k ≤8
n =0
πk πk 7 πk
−j −j −j
X [k ] = 1 + e 8
+e 4
+e 8
, 0≤k ≤7
Aplicando a Y [k ] a transformada inversa discreta de Fourier obtém-se:
2 πkn
1 N −1 j
y[n] = ∑ Y [k ] e N
, 0 ≤ n ≤ N −1
N k =0
3 2 se n = 0, 1ou 2
1 2 se n = 3
y[n] =
0se n = 4, 5 ou 2
1 se n = 7
Conclusão: Comparando o resultado de cada uma das alíneas verifica-se que foram obtidas
saídas diferentes para diferentes amostragens da transformada de Fourier. Mais
ainda se conclui que apenas a saída calculada para N = 8 é equivalente á
convolução linear da resposta impulsional com o sinal de entrada (verifique esta
afirmação!). Para os restantes casos, o resultado reflecte a convolução circular
das duas sequências. Este era um resultado esperado visto saber-se que para a
obtenção da convolução linear a partir da transformada discreta de Fourier, o
numero de amostras deve obedecer à seguinte lei: N ≥ P + Q − 1, onde P e Q
se refere ao numero de amostras não nulas de cada uma das duas sequências a
convolver.
76 COELHO, J.P.
Processamento Digital de Sinal
4º Ano de Eng. Electrotécnica. & Eng. Informática
Introdução
Um dos maiores campos de aplicação em processamento digital de sinal é o dimensionamento
de filtros. Existem basicamente duas principais classes de filtros digitais:
Como o seu próprio nome indica, este tipo de filtros possui uma resposta impulsional finita, i.e.
possui valores nulos fora de um determinado intervalo finito. Genericamente, um filtro do tipo
FIR pode ser descrito pela seguinte equação às diferenças:
N z −1
y[n] = ∑a
k =0
k ⋅ x[n − k ]
de zeros do filtro.
Devido ao facto de não possuir pólos este tipo de filtros não possui homólogo no mundo
analógico.
Vantagens:
Fase Linear
Estabilidade Garantida (O que é relativamente óbvio visto o sistema não possuir pólos)
Desvantagem:
Normalmente requer maior carga computacional (O numero de coeficiente é geralmente
elevado).
Esta classe de filtros é caracterizada por possuir uma resposta impulsional infinita. Em geral,
um filtro do tipo IIR pode ser descrito pela seguinte equação às diferenças:
N p −1 N z −1
y[n] = ∑ bk ⋅ y[n − k ] +
k =1
∑a
k =0
k ⋅ x[n − k ]
Vantagens:
Facilidade de Projecto
Possui muito menor numero de coeficientes do que o FIR para a mesma magnitude da
resposta em frequência.
Desvantagem:
Fase Não-Linear
1 − z−N N −1
H (k )
H ( z) =
N
∑
k =0
j
2π
k
1− e N
z −1
Este filtro pode ser implementado pela associação em série de um sistema com função de
transferência:
1 − z−N
H p ( z) =
N
Com um sistema constituído pela associação em paralelo de N sistemas com função de
transferência:
78 COELHO, J.P.
H (k )
H k ( z) = 2π
, k = 0,..., N − 1
j k
−1
1− e N
z
A resposta impulsional do filtro digital é obtida por amostragem da resposta impulsional do filtro
analógico equivalente. Recordando o que foi dito na Parte II,
h[n] = T ⋅ hc (nT )
onde T se refere ao período de amostragem.
Nota: A multiplicação na equação anterior pelo factor T, serve para garantir que a amplitude da
resposta em frequência dos dois filtros é a mesma (ver Parte II)
Transformação Bilinear
Este método permite passar directamente da função de transferência do filtro analógico para o
filtro digital recorrendo à seguinte substituição:
2 1 − z −1
s= ⋅
T 1 + z −1
Contudo, ao contrário do método anterior, a relação entre as frequências analógica e digital é
não linear sendo dada pela seguinte expressão:
ΩT
ω = 2 ⋅ tg −1
2
Filtros de Butterworth
COELHO, J.P. 79
Representam uma classe de filtros no domínio contínuo cuja magnitude da resposta em
frequência é dada por:
2 1
H ( jΩ) = , ∀N ∈ ` +
1 + ( Ω Ωc )
2N
Onde Ω c representa a frequência de corte em rad/s. Quanto maior for N mais acentuada é a
banda de transição.
Os pólos de um filtro Butterworth determinam-se resolvendo a seguinte equação característica:
2N
s
1+ =0
jΩ c
Cuja solução consiste em 2N pólos igualmente espaçados em torno de uma circunferência de
raio Ωc .
80 COELHO, J.P.
Exercícios
5.1 Considere o seguinte filtro analógico de 1ª ordem:
Ao = 1 RC e so = −1 RC
Como a função de transferência apenas apresenta pólos simples,
N p −1
Ak Ao T RC
H ( z) = T ∑ sk T −1
=T =
k =0 1 − e z 1 − e soT z −1 −
T
1− e RC
z −1
Substituindo as variáveis da expressão anterior pelos valores dados vêm que:
0.1 0.16 0.625
H ( z) = =
−
0.1
1 − 0.535 z −1
1− e 0.16
z −1
A equação às diferenças que implementa este filtro é dada pela seguinte expressão:
y[n] = 0.535 y[n − 1] + 0.625 x[n]
COELHO, J.P. 81
b) Transformação Bilinear
T
Como se pretende uma frequência de corte digital ωc = = 0.625 rad / amostra , o filtro
RC
2 ωc
analógico deve possuir um frequência de corte Ωc = tg o que implica que a função de
T 2
transferência do filtro analógico tenha o seguinte aspecto:
2 ωc
tg
T 2
H ( s) =
2 ωc
tg + s
T 2
2 1 − z −1
Substituindo s por ⋅ na função de transferência vêm que:
T 1 + z −1
ω ω
tg c + tg c z −1
2 2 0.323 + 0.323z −1
H ( z) = =
ωc ωc −1 1.323 − 0.677 z −1
tg 2 + 1 + tg 2 − 1 z
A equação às diferenças que implementa este filtro é dada pela seguinte expressão:
y[n] = 0.512 y[ n − 1] + 0.244 x[n] + 0.244 x[ n − 1]
Sugestão: Recorrendo ao Matlab, verifique que os resultados obtidos para ambas as alíneas
implementam um filtro do tipo passa-baixo com frequência de corte ωc = 0.625 rad / amostra .
82 COELHO, J.P.
A magnitude da resposta em frequência de um filtro Butterworth analógico é dado pela seguinte
expressão:
2 1
H ( jΩ) = , ∀N ∈ ` +
1 + ( Ω Ωc )
2N
2 1
H (e jω ) = 2N
, ∀N ∈ ` +
ω ω
1 + tg tg c
2 2
(
i) Se ω = 0.2π então 20log H (e ) = −0.75dB
jω
)
0.2π ωc
2N
( jω
)
20log H (e ) = −10log 1 + tg
2
tg = −0.75
2
2N
ωc
tg ( 0.1π ) tg 2 = 0.1885 (1)
(
ii) Se ω = 0.6π então 20log H (e ) = −20dB
jω
)
0.4π ωc
2N
( jω
)
20log H (e ) = −10log 1 + tg
2
tg = −20
2
2N
ωc
tg ( 0.2π ) tg 2 = 99 (2)
COELHO, J.P. 83
Da equação (1) e (2) vem:
( tg ( 0.1π ) ) ( tg ( 0.2π ) )
2N 2N 2N
ω
= tg c =
0.1885 2 99
Aplicando logaritmos vêm:
( tg ( 0.1π ) )2 N ( tg ( 0.2π ) )2 N
log = log
0.1885 99
2 N ⋅ log ( tg ( 0.1π ) ) − log ( 0.1885 ) = 2 N ⋅ log ( tg ( 0.3π ) ) − log ( 99 )
A frequência de corte pode ser retirada considerando (1) ou (2). Recorrendo à equação (1) vêm
que:
( tg ( 0.1π ) )
8 8
ω
= tg c
0.1885 2
ω
8 ⋅ log tg c = 8 ⋅ log ( tg ( 0.1π ) ) − log ( 0.1885 )
2
8⋅log(tg ( 0.1π ))−log( 0.1885)
−1
ωc = 2 ⋅ tg 10 8
= 0.7615 rad / amostra
Como,
2 ωc 2
Ωc = tg então Ωc = ⋅ 0.4 = 0.4
T 2 2
Desta forma os pólos do sistema vão estar no plano s em torno de uma circunferência de raio
0.4 espaçados de 2π 2 N = π 4 rad (45º ) como se representa na seguinte figura:
84 COELHO, J.P.
Por forma a garantir a estabilidade do sistema, consideram-se apenas os pólos localizados no
semi-plano esquerdo. Deste modo os pólos estão localizados em:
5π 5π
s1 = 0.4cos + j 0.4sin = −0.153 + j 0.37
8 8
s2 = −0.153 − j 0.37
s3 = −0.37 + j 0.153
s4 = −0.37 − j 0.153
1 1
H ( s ) = 2.56 × 10−2 ⋅ 2
s − 0.74 s + 0.16 s − 0.31s + 0.16
2
1 + 2 z −1 + z −2 1 + 2 z −1 + z −2
H ( z ) = 7.2 × 10−2 ⋅
1 − 4 z −1 + 4.52 z −2 1 − 1.98 z −1 + 1.73 z −2
COELHO, J.P. 85