A Transformada de Fourier

Definição
∞
X(ω) = x(t)e−jωt dt,
Condição suficiente para convergência de X(jω)
ω∈R
�

−∞
Relação com a transformada de Laplace
|x(t)|dt < ∞ (x(t) é absolutamente integrável)
� ∞

−∞
X(s) = x(t)e−st dt, s = σ + jω
� ∞

−∞
OBS:
L{x(t)} = F{x(t)e −σt
} Existem funções não absolutamente integráveis para as quais
podemos encontrar a expressão de X(jω)

F{x(t)} = L{x(t)}|s=jω = X(s)|s=jω = X(jω)

F{x(t)} só pode ser calculada pela definição

⇒
quando s = jω ∈ à RC de X(s)

Transformada inversa Transformada inversa

∞
X(jω) = x(τ ) e−jωτ dτ
�

−∞
∞
jωt jωt jωt
(× e ) X(jω)e =e x(τ ) e−jωτ dτ
Resultados necessários da teoria das distribuições
�

−∞
∞ ∞ ∞
jωt jωt
φ(τ )δ(t − τ )dτ = φ(t) X(jω) e dω = e x(τ ) e−jωτ dτ dω
� � �

−∞ −∞ −∞
� ∞

−∞
∞ Trocando a ordem de integração
ejωt dω = 2πδ(t)
�

−∞
jωt jω(t−τ )
X(jω) e dω = x(τ ) e dω dτ
� ∞ � ∞ �� ∞ �

−∞ −∞ −∞
2π δ(t−τ )
� �� �

1 ∞
X(jω)ejωt dω
2π
⇒ x(t) =
�

−∞
 Exemplo
Observações x(t) = e−at u(t), a>0
1 ∞
x(t) = X(jω)ejωt dω 1
2π X(s) = ,
�

−∞
s+a
Re{s} > −a ⇒ s = jω ∈ RC

� Representação de x(t) como uma soma infinita de

exponenciais complexas 1 1
ejθX (ω) ,
2 2
=√
jω + a a
⇒ X(jω) = θX (ω) = − tan−1
dω jωt a +ω
X(jω) e Exponenciais com energias infinitesimais
�ω �

2π x(t) = e−at u(t); a=2

x(t) = e−at u(t); a=2
� �

1
���
a π
X(jω) tem interpretação de espectro em frequência de ����
�
2
���

���� θX (ω)
x(t) → mostra como a energia de x(t) está distribuı́da “em
frequência” ���
|X(jω)|
���� �
�
���
X(jω) = |X(jω)|ejθX (ω)
����

A representação espectral de x(t) é normalmente expressa em ���

π
���� 2
−
módulo e fase �
���� ���� ���� ���� � �� �� �� �� ���� ���� ���� ���� � �� �� �� ��
ω ω

Propriedades
Linearidade: Se
Simetria
xi (t) ↔ Xi (jω) i = 1, 2, . . . , N
x(t) ↔ X(jω)
Então
N N
ai xi (t) ↔ ai Xi (jω) x∗ (t) ↔ X ∗ (−jω)
i=1 i=1
� �

Consequências:
Deslocamento no tempo
Se x(t) é real → x∗ (t) = x(t)
x(t) ↔ X(jω)
⇒ X(−jω) = X ∗ (jω) para x(t) real
y(t) = x(t − t0 ) ↔ Y (jω) = e −jωt0
X(jω)

� Deslocamento no tempo afeta apenas a fase de X(jω)

� Atraso linear de fase corresponde a atraso constante no tempo
 X(−jω) = X ∗ (jω) para x(t) real
Diferenciação no tempo
� Expressando X(jω) como
X(jω) = Re{X(jω)} + j Im{X(jω)}
x(t) ↔ X(jω)

dx(t)
y(t) =
dt
↔ Y (jω) = jω X(jω)

Escalonamento no tempo
Re {X(−jω)} = Re {X(jω)} ⇒ Re {X(jω)} é par
⇒
Im {X(−jω)} = −Im {X(jω)} ⇒ Im {X(jω)} é ı́mpar
x(t) ↔ X(jω)
� Expressando X(jω) como
X(jω) = |X(jω)| ejθX (ω) X j
a
y(t) = x(at) ↔ Y (jω) =
|a|
1 � ω�

|X(−jω)| = |X(jω)| ⇒ |X(jω)| é par

⇒
θX (−ω) = −θX (ω) ⇒ θX (ω) é impar

⇒ Se x(t) é REAL E ÍMPAR

Consequências:
a) Contração no tempo ↔ Expansão em frequência REAL: x(t) = x∗ (t) → X(−jω) = X ∗ (jω)
Expansão no tempo ↔ Contração em frequência

b) ÍMPAR: x(t) = −x(−t) → X(−jω) = −X(jω)

x(−t) ↔ X(−jω)
⇒ Se x(t) é REAL E PAR ⇒ X(jω) é IMAGINÁRIA e ÍMPAR

REAL: x(t) = x∗ (t) → X(−jω) = X ∗ (jω)
PAR: x(t) = x(−t) → X(−jω) = X(jω)
⇒ X(jω) é REAL e PAR
c) Juntando as propriedades acima e lembrando que
x(t) = Par{x(t)} + Ímpar{x(t)}
x(t) ↔ X(jω)
⇒ Par{x(t)} ↔ Re{X(jω)}
Ímpar{x(t)} ↔ j Im{X(jω)}
 Deslocamento em frequência
Exemplo:
x(t) ↔ X(jω)
x(t) = e−a|t| = eat u(−t) + e−at u(t)
= x1 (−t) + x1 (t)
y(t) = ejω0 t x(t) ↔ Y (jω) = X[j(ω − ω0 )]
= x2 (t) + x1 (t)

2
⇒ x(t) cos(ω0 t) ↔ X[j(ω + ω0 )] + X[j(ω − ω0 )]
1 1
X1 (jω) = X2 (jω) = X1 (−jω) =
1� �

jω + a −jω + a Dualidade

Assim, x(t) ↔ X(jω)

1 1 2a
X(jω) = + = 2
a + jω a − jω a + ω2
X(t) ↔ 2π x(−ω)

Convolução

Relação de Parseval x(t) ↔ X(jω)

2 1
2π
|x(t)| dt = |X(jω)|2 dω y(t) ↔ Y (jω)
� ∞ � ∞

−∞ −∞

∞
Como
x(t) ∗ y(t) ↔ X(jω)Y (jω)
|x(t)|2 dt = Energia de x(t)
Integração no tempo
�

−∞

⇒ |X(jω)|2 : Densidade espectral de energia

x(t) ↔ X(jω)

� Especifica a quantidade de energia por banda de frequência

t
1
y(t) = X(jω) + π X(j0) δ(ω)
jω
x(τ )dτ ↔ Y (jω) =
�

−∞
 Demonstração:
Como Multiplicação no tempo
∞
y(t) = x(τ ) u(t − τ ) dτ = x(t) ∗ u(t) x(t) ↔ X(jω)
�

−∞

⇒ Como (a ser mostrado mais tarde) y(t) ↔ Y (jω)

1
1 r(t) = x(t)y(t) ↔ R(jω) = X(jθ)Y j(ω − θ) dθ
U (jω) = + π δ(ω)
� ∞

2π −∞
jω
� �

=
2π
X(jω) ∗ Y (jω)
1
1 � �

Y (jω) = X(jω) + π X(jω) δ(ω)

jω
X(j0) δ(ω)
� �� �

Funções Singulares e Espectros Discretos Impulso unitário x(t) = δ(t)

X(jω) = δ(t) e−jωt dt = 1

� ∞

−∞

Consequências:
� Já vimos como obter as expressões das transformadas de
Fourier para sinais absolutamente integráveis δ(t) ↔ 1
� Na prática precisamos saber o espectro de frequências de
alguns sinais não absolutamente integráveis δ(t − t0 ) ↔ e−jωt0
� Usando funções singulares podemos representar os espectros Usando a expressão da transformada inversa,
de diversos sinais importantes e não absolutamente integráveis
1 jωt 1
δ(t) = e dω = cos(ωt) dω
� ∞ � ∞

2π −∞ 2π −∞
�
Estas integrais só fazem sentido quando interpretadas como
distribuições, não como funções
Exponencial complexa: x(t) = ejω0 t

Função Sinal x(t) = sgn(t)

Como δ(t) ↔ 1
1 ↔ 2πδ(ω) (dualidade)
sgn(t) = lim [−eat u(−t) + e−at u(t)],
ejω0 t (deslocamento em frequência) a→0
a≥0
↔ 2πδ(ω − ω0 )
= lim y(t),
a→0
a≥0

sgn(t) y(t)
Assim,
1 1

cos(ω0 t) = e +e−jω0 t 0 0
t t
2
↔ π δ(ω − ω0 ) + δ(ω + ω0 )
1 � jω0 t � � �

−1 −1

sen(ω0 t) = e
2j j
− e−jω0 t ↔ δ(ω − ω0 ) − δ(ω + ω0 )
1 � jω0 t � π� �

0 ∞
e e
at −jωt
dt + e−at e−jωt dt
Degrau unitário x(t) = u(t)
Y (jω) = −
0
� �

−∞

1 1 1 1
+ u(t) = + sgn(t)
−2jω
= 2
a + ω2 2 2
⇒ Y (jω) = −
a − jω a + jω
2 1
X(jω) = lim Y (jω) = U (jω) = π δ(ω) +
a→0 jω jω
2
jω
sgn(t) ↔
Aplicando o limite: Transformada de Fourier de Sinais Periódicos
� A função sgn(t) tem valor médio igual a zero
� A função u(t) tem valor médio Mu = 1/2
a) Um sinal periódico tem duração eterna (−∞ < t < ∞)

ua (t) = e−at u(t) e u(t) = lim ua (t)

⇒ Pode sempre ser escrito como:
a→0
x(t) = x1 (t) u(t) + x2 (t) u(−t) = xc (t) + xa (t)
∞ parte causal parte anti-causal
U (jω) = lim ua (t) e−jωt dt
� � �� � � �� �

a→0 −∞
� Para que
= lim e dt + e dt i) X(s) tenha região de convergência
1 −jωt 1 ∞ −jωt
2
ua (t) −
� ∞� � �
a→0 −∞ 2 −∞
ii) x(t) tenha amplitude limitada para todo t (pois é periódico)
1 2π δ(ω)
2
sgn(t)

1 2
� �� � � �� �

= + π δ(ω) Polos de Xc (s) ⇒ no SPLE do plano s

2 jω
� � �

1
Polos de Xa (s) ⇒ no SPLD do plano s
= + π δ(ω)
jω

� Com este tipo de região de convergência, as componentes

Polos de Xc (s) ⇒ no SPLE do plano s xc (t) e xa (t) podem ser
�

Polos de Xa (s) ⇒ no SPLD do plano s

i) Exponenciais decrescentes com |t|
ii) Senóides exponencialmente amortecidas com |t|
Im(s) ⇒ Em nenhum dos dois casos x(t) poderá ser periódica

Para x(t) periódica, todos os polos de Xc (s) e de Xa (s) devem

estar sobre o eixo s = jω para que x(t) não seja amortecida
quando |t| cresce
RC de X(s) Re(s)
⇒ X(s) não tem região de convergência

⇒ Sinais perı́odicos não têm Transformada de Laplace

Como determinar uma expressão para a Transformada de Fourier

de sinais periódicos?
 b) Conforme os polos de Xc (s) e de Xa (s) tendem para o eixo
Re{s} = 0,
Em geral, considerando todos os valores possı́veis de k ∈ Z
(valores de k < 0 são necessários para compor sinais reais).
x(t) tende para uma soma de exponenciais complexas
Se x(t) é periódico com perı́odo T0 (Freq. Fund. ω0 = 2π/T0 )
⇒ xk (t) = ak e±jωk t k = 1, 2, . . .
∞

c) A soma de dois sinais periódicos com perı́odos T1 e T2 , com x(t) = ak ej k ω0 t

k=−∞
�

T1 > T2 será periódica se e somente se T1 = KT2 , com

K ∈ Q+

⇒ Um sinal periódico com perı́odo T0 só poderá conter parcelas ⇒ Expansão de x(t) em série de Fourier
exponenciais com perı́odos Tk se existir um T0 = k Tk , k ∈ Z+
para todos os k. � a0 é o valor médio do sinal
Nesse caso, � a1 e a−1 determinam a amplitude da componente na
frequência fundamental
ω0 = 2π
T0 : frequência fundamental � ak e a−k determinam a amplitude da k-ésima harmônica
ωk = k ω 0 :
�

k-ésima harmônica, k ∈ Z+

d) Transformada de Fourier de um sinal periódico

Determinação dos coeficientes da série de Fourier
Se x(t) é periódico, podemos representá-lo por sua série de Fourier:
2π
x(t) Periódico com frequência ω0 = T0
∞ ∞
jkω0 t ∞
x(t) = ak e
x(t) =
↔ X(jω) = 2π ak δ(ω − k ω0 )
ak ejkω0 t
k=−∞ k=−∞
� �

k=−∞
�

� A transformada de Fourier de qualquer sinal periódico de Multiplicando por e−j�ω0 t e integrando no perı́odo T0
frequência ω0 = 2π/T0 é um trem de impulsos nas frequências ∞
ωk = k ω0 , k ∈ Z. x(t)e
−j�ω0 t
dt = ak ej(k−�)ω0 t dt
T0 T0 k=−∞
� �

�
�

Cada impulso terá área igual a 2π|ak |, em que ak são os

coeficientes da expansão de x(t) em série Fourier
Trocando a ordem do somatório e da integração
∞
x(t)e −j�ω0 t
dt = ak ej(k−�)ω0 t dt ⇒ Usando apenas k = �
T0 k=−∞ T0
� � �

x(t)e−j�ω0 t dt = T0 a�
T0 , k=� T0
�

Resolvendo para a� e trocando � por k




T0
� 



e±j p ω0 t dt, p ∈ Z+ , k =
T0
� � 1 k-ésimo coeficiente da
ak = x(t)e−jkω0 t dt
ej(k−�)ω0 t dt = �

T0 série de Fourier de x(t)



T0

 �


e±j p ω0 t dt = cos(p ω0 t) dt ±j sen(p ω0 t) dt =0

T0 T0 T0
� � �

⇒ x(t) periódico com frequência ω0 = 2π/T0 rad/s

Int. de “cos” em Int. de “sen” em
No. inteiro de perı́odos No. inteiro de perı́odos
� �� � � �� �

Expansão de x(t) em série de Fourier

∞ FORMULÁRIO
jkω0 t 1. Integrais
x(t) = ak e 1 ax
ax
= uv − vdu
k=−∞ 2 dx = a tan
−1 x
a
ax
� � � ax

xeax dx = ea2 (ax − 1)

�

dx = 12 ln(x2 + a2 )
� udv � e 1 dx = a e 1

x eax dx = ea3 (a2 x2 − 2ax + 2)

2 2
senax senbx dx = sen(a−b)x
2(a−b)
� x � x22 +a

1 − sen(a+b)x
cos(a+b)x
x senax dx = a12 ( senax − ax cos ax)
� x2 +a2 �

ak = x(t)e−jkω0 t dt 2(a−b) + 2(a+b)

senax cos bx dx = − cos(a−b)x , a2 �= b2 x cos ax dx = a12 (cos ax + ax senax)
� 2(a+b) , a� �= b

T0
� �

T0 2. Transformadas de Fourier
�

1 1
e−at u(t) ⇔ a+jω , a>0 eat u(−t) ⇔ a−jω , a>0 e−a|t| ⇔ a22a+ω 2 , a > 0
1
te−at u(t) ⇔ (a+jω) 2, a > 0 ejω0 t ⇔ 2πδ(ω − ω0 ) cos ω0 t ⇔ π[δ(ω + ω0 ) + δ(ω − ω0 )]
δ(t) ↔ 1 1 ⇔ 2πδ(ω)
1 1 2
valor médio de x(t) u(t) ⇔ πδ(ω) + jω sgn(t) ⇔ jω rect( τt ) ⇔ τ sinc ωτ2
a0 = x(t)dt sen(ωc t)
πt
senω0 t ⇔ jπ[δ(ω� + ω � 0 ) − δ(ω − ω0 )]

⇔ X(jω) = u(ω + ωc ) − u(ω − ωc )

T0 T0 (componente DC) 3. Propriedades da Transformada de Fourier
�

kx(t) ⇔ kX(jω) x1 (t) + x2 (t) ⇔ x∗ (t) ⇔ X ∗ (−ω)

1
X(t) ⇔ 2πx(−ω) x(at) ⇔ |a| X ωa x(t − t0 ) ⇔ X(jω)e−jωt0
� X
� 1 (jω) + X2 (jω)

x(t)ejωo t ⇔ X(j(ω − ω0 )) x (t) ∗ x2 (t) ⇔ X1 (ω)X2 (ω) x (t)x (t) ⇔ 1 X (ω) ∗ X2 (ω)
dn x n 1
Transformada de Fourier de x(t) (espectro discreto) dtn ⇔ (jω) X(ω) −∞
x(τ ) dτ ⇔ jω X(jω) + πX(0)δ(ω) −∞
|x(t)| dt = 2π −∞ |X(jω)|2 dω
� 1t � 1∞ 2 2 2π 11 � ∞

∞
X(jω) = 2π ak δ(ω − kω0 )
k=−∞
�
Sinais e Sistemas Discretos e Amostrados

� Processamento discreto ou amostrado de sinais contı́nuos

Amostragem de sinais contı́nuos
x(t) y(t)
� Digitalização crescente de sistemas de comunicações,
C/D H D/C
controle, instrumentação e processamento de sinais
�
���������� ��������� ���������
�������������
Grande parte do processamento → sistemas discretos ou
amostrados ��������� ���������
��������
�������� ��������
� Sinais fı́sicos: contı́nuos em sua maioria
⇒ É importante entendermos o que ocorre com um sinal, e com as
� Normalmente amostrados a intervalos regulares informações que ele contém, durante o processo de amostragem

O sinal amostrado
largura do pulso: τ
xτ (t)
perı́odo de amostragem: T
Modelagem que facilita a análise matemática
Amostrador ideal por impulsos

t T
τ T SEGURADOR
x(t) x∗ (t) xτ (t)
Modelagem matemática
∞
xτ (t) = x(nT ) pτ (t − nT ), pτ (t) = u(t) − u(t − τ ) Amostrador-Segurador Sample-and-Hold (S/H)
n=−∞
�

pτ (t)
1

0 τ
t
 Segurador
Amostrador por impulsos: É o sistema LIT que converte cada impulso em um pulso de
largura τ e amplitude igual à área do impulso
∞
x (t) =
∗
x(t)δ(t − nT )
n=−∞ δ(t) pτ (t) = hτ (t)
�

x∗ (t) 1
perı́odo de amostragem: T

t 0 τ
0 t

⇒ hτ (t) = u(t) − u(t − τ )

0 T 2T 3T 4T 5T 6T 7T t
1 e−sτ Função de transferência
=
1 − e−sτ
Hτ (s) = do segurador
s s s
−

Para um sinal x(t) qualquer

∞
Interpretação no domı́nio da frequência
x∗ (t) = x(t)δ(t − nT ) � Usando a transformada de Fourier (espectro em frequência)
n=−∞ temos outra interpretação importante de x∗ (t)
�

∞ ∞ ∞
� x∗ (t) = Produto de x(t) por um ”trem de impulsos”
∗
⇒ X (s) = x(t)δ(t − nT ) e−st
dt = x(nT ) e−snT
n=−∞
�

−∞ n=−∞
� �

∞ ∞

∞ x∗ (t) = x(t)δ(t − nT ) = x(t) δ(t − nT )

X (s) =
∗
x(nT ) e −snT n=−∞ n=−∞
� �

n=−∞ p(t)
�
� �� �

Como em que p(t) é periódico com perı́odo T

∞ p(t)
p(t) =
xτ (t) = x∗ (t) ∗ hτ (t) → Xτ (s) = X ∗ (s) Hτ (s) δ(t − nT )
n=−∞
�

x(t) x∗ (t)
∞
2T 3T
×
· · · −3T −2T −T 0 T ··· t
Xτ (s) = x(nT ) e−snT
s n=−∞
1 − e−sτ �
 Coeficientes da série de Fourier de p(t)
∞
p(t) = δ(t−nT ), frequência de amostragem ωT = 2π/T
n=−∞
�

T /2 T /2
� Aplicando a transformada de Fourier 1 1 1
ak = p(t) e
−jkωT t
dt = δ(t) e−jkωT t dt =
T T T
� �

−T /2 −T /2
X ∗ (jω) =
2π
X(jω) ∗ P (jω) ∞
2π
1 � �

p(t) = e , ωT =
T T
k=−∞
1 � jkωT t

� A transformada P (jω) é obtida a partir dos coeficientes da

série de Fourier de p(t)
Transformada de Fourier de p(t)
∞
P (jω) = 2πak δ(ω − kωT )
k=−∞
�

∞
2π
ωT =
T T
⇒ P (jω) = δ(ω − kωT ),
k=−∞
2π �

Como Exemplo

X(jω)
2π
x∗ (t) = x(t) p(t) ⇒ X ∗ (jω) = X(jω) ∗ P (jω)
1 � �

1
Assim,
1 ∞
−ω1 0 ω1 ω
X (jω) =
∗
2π
X(θ)P (ω − θ) dθ
X ∗ (jω)
�

−∞
∞
1 1/T
= X(θ)
2π T
δ(ω − θ − kωT ) dθ
k=−∞
� ∞

−∞
2π �

1 ω1 ωT ω
= −ωT −ω1
0
T
X(θ)δ(ω − θ − kωT ) dθ
ω T − ω1 ω T + ω1
k=−∞
−ωT − ω1 −ωT + ω1
∞ � ∞

−∞
�

∞ OBS:
Repetição periódica
X ∗ (jω) = 1. Como recuperar x(t) a partir de x∗ (t)?
T
X (j(ω − kωT )
k=−∞
do espectro de x(t)
1 �

2. O que ocorre se ωT < 2 ω1 ?

� �
Segunda parte do processo de amostragem

x∗ (t) xτ (t)
hτ (t)
e
sen(ωτ /2) −jωτ /2
= τ sinc(ωτ /2) e−jωτ /2
1 − e−sτ
Hτ (s) = Hτ (jω) = τ
s ωτ /2
� �

Para s = jω (Note que Hτ (s) não tem polo em s = 0) �

π
���

���

1 − e−jωτ ejωτ /2 − e−jωτ /2 2τ ���

Hτ (jω) = = e−jωτ /2
jω jω 2τ ���
×
�

�
� � �

����
���

����������� τ
τ ���
= e
ejωτ /2 − e−jωτ /2 −jωτ /2
���
ωτ /2 2j
� �

���

��� −π
�
6π 4π 2π 2π 4π 6π 6π 4π 2π 2π 4π 6π
� �
τ
−
τ τ τ
− −
τ τ
−
τ τ τ
−
τ τ τ
−
e ω ω
sen(ωτ /2) −jωτ /2
= τ sinc(ωτ /2) e−jωτ /2
ωτ /2
⇒ Hτ (jω) = τ
� �

OBS:
Maioria das implementações práticas: τ = T
∞
2π
Saı́da do amostrador XT (jω) = sinc (ωT /2) e−jωT /2 ω0 =
T
X (j(ω − kωT ) ,
k=−∞
� � �

Xτ (jω) = X ∗ (jω) P (jω) � A distorção máxima ocorre para τ = T e diminui com a

τ sen(ωτ /2)
∞
redução da relação τ /T
= e−jωτ /2
T ωτ /2 Fazendo τ < T perde-se energia do sinal amostrado o que
X [j(ω − kωT )]
�
� � �

pode levar a uma baixa relação sinal-ruı́do

Distorção de magnitude Repetição periódica de X(jω)
� Se ωm é a máxima frequência contida em um sinal
e atraso introduzidos
� �� � k=−∞
� �� �

por hτ (jω) Se |X(jω)| = 0 para |ω| > ωm

Pode-se recuperar exatamente o sinal x(t) a partir de suas
amostras por impulsos usando um filtro passa-baixas ideal com
banda passante limitada em ω2T se ω2T > ωm

⇒ ωT > 2ωm ← Teorema da amostragem

 Sinal: x(t) = e−2t u(t)
Tempo de duração: 10 s
Exemplo: Detalhe da faixa −ωT /2 < ω < ωT /2
Perı́odo de amostragem: T = 10/128 = 0, 0781 s
Largura do pulso: τ =T �

���
�
���
���
���
���
���
���
���
���
���
���
���

���������������������
���
���
���
���

���������������������
���
�
����� � ���
���
ω
� ωT
��� ����� ��� ����� � ��� � ��� �
ω
ωT

Detalhe da faixa −ωT /2 < ω < ωT /2 para τ = T /2

���
� Note que a distorção imposta por Hτ (s) só ocorre quando o
���
sinal fı́sico assume a forma de uma soma de pulsos
���
� Por causa do teorema de amostragem, há a necessidade de
���
eliminarmos as componentes de frequência com ω > ωm
���
“antes” da amostragem para evitar perda de informação na
��� banda principal do sinal
���

���������������������
��� ⇒ Precisamos de um filtro passa-baixas antes da amostragem
���

�
����� � ���
ω
ωT
Processamento Discreto de Sinais Contı́nuos Função de cada bloco do sistema:
0.2
 

(a) Filtro passa-baixas anti-recobrimento (de espectro)

0.1

0.3
 

(b) Amostrador-segurador
 .. 
 . 

��� ���
xa (t) x(t) xτ (t) x(nT ) (c) Conversor: sinal contı́nuo para sinal discreto
(a) (b) (c) x(n) (d) Sistema de processamento de sinais discretos (sistema discreto)
0.2 0.7 (e) Conversor: sinal discreto para sinal contı́nuo
x(nT )
�������
   

x(n) �������� (f) Filtro passa-baixas interpolador

0.1 y(nT )  

0.3
 

0.8
0.3
 ..   .. 

(d)
 .  y(n)  . 

Obs:
1) Com τ suficiente em (c), o efeito de Hτ (s) não aparece
y(nT ) yτ (t) y(t)
���
espectro do sinal discreto x(nT )
y(n)
2) O efeito de Hτ (s) é aplicado em (e), onde de fato os pulsos
0.7 (e) (f) são introduzidos na informação
 
0.3

0.8
 
 .. 
 . 