IM331 – Processamento de Sinais I

Aula 2 - Classificação dos Sinais

Prof. José M. C Dos Santos

• Classificaçãodos Sinais ou Dados

• Geração dos Sinais
• Modelos de Sistemas Lineares
• Energia e Potência dos Sinais
– Sinais periódicos
– Sinais transitórios
– Sinais aleatórios estacionários
• Exercícios
 Análise dos Sinais ou Dados
1. Aquisição
2. Processamento
3. Interpretação

Classificação dos Sinais

SINAIS

Determinístico Aleatório

Periódico Não-periódico Estacionário Não-estacionário

Transitório Quase-periódico
2
Sinal Determinístico Periódico
Sinal Determinístico Quase-Periódico
Sinal Determinístico Transitório
Sinal Aleatório Estacionário
Sinal Aleatório Não-estacionário
 Métodos de Processamento de Sinais
• Não-paramétrico (Fourier)
• Paramétrico (identificação de parâmetros)

Modelos de Geração de Sinais

• Linear invariável no tempo
– Parâmetros concentrados (edo)
– Parâmetros distribuídos (edp)
• Linear variável no tempo
• Não-linear
 Exemplos de Modelos
• Linear invariável no tempo (SISO)
x(t) y(t)
h(t)

– Resposta no Domínio do tempo

y (t ) = ∫ h(t − t1 )x(t1 )dt1 (convolução)

– Resposta no Domínio da freqüência

Y (ω ) = H (ω )X (ω ) (transf. Fourier)
 Exemplos de Modelos
• Alguns sistemas podem ser apresentados na forma
de uma equação diferencial, por exemplo:

d2y dy
2
+ 2ξω0 + ω0 y = ω0 x
dt dt

ou, em tempo discreto, na forma da equação da diferença

y (t ) + a1 y (t − ∆ ) + a2 y (t − 2∆ ) = b0 x(t ) + b1 x(t − ∆ )
 Exemplos de Modelos
• Linear variável no tempo
x(t) y(t)
h(t)

– Resposta no Domínio do tempo

y (t ) = ∫ h(t , t1 )x(t1 )dt1

– Resposta no Domínio da freqüência

Não existe um equivalente simples, embora esteja sendo pensada uma

função de resposta em freqüência variável no tempo, H(t,ω).
Algumas vezes formas diferencial ou da diferença podem ser
adequadas, isto é, os coeficientes: ξ, ω0 ; a1, a2, b0 , b1 são
dependentes do tempo. (processamento de voz)
 Métodos de Análise de Sinais
• Domínio do tempo
– Amplitude
– Momentos estatísticos
– Funções de covariância
• Domínio da freqüência
– Transformadas de Fourier
– Espectro
 Energia e Potência dos Sinais
• De forma geral para um sinal real x(t)
– Potência instantânea: x2(t)
• Se x(t) for complexo, então a
– Potência instantânea: x(t) x*(t), onde * significa o conjugado.
• A integral da potência é a Energia , ou seja,

∫ (t )dt
2
x

• Os conceitos de potência e energia na análise de sinais

devem ser usados adequadamente aos diferentes tipos
de sinais.
• Considere os tipos de sinais a seguir:
 Sinal Periódico

• Sinal : x(t) = x(t + Tp)

• Potência instantânea : x2(t)

Tp Tp 2

∫ x (t ) dt ∫ (t ) dt
1 2 1 2
• Potência média : ou x
Tp 0
Tp −T p 2
Tp
• Energia total :
∫ (t ) dt
2
x
0
 Sinal Periódico
Exemplos de cálculo da Potência Média :

(i) x(t ) = A cos(2πpt );

1
Tp =
p
Tp 2 1 2p

∫ (t )dt = 2 p (2πpt )dt

1
P= ∫
2 2 2
x A cos
Tp −T p 2 0

1 A2
P=A = 2

2 2
A
PRMS =
2
(ii) x(t ) = A1 cos(2πpt ) + A2 cos(4πpt )
A12 A22
P= +
2 2
 Sinal Transitório

• Sinal : |x(t)| → 0 quando t → ±∞

• Potência: Considerando o sinal transitório como um sinal
periódico de período ∞ , a potência será zero, pois 1/∞ = 0.

∫ (t )dt
2
• Energia total : x
−∞
 Sinal Transitório
Exemplos de cálculo da Energia :
e -at , t≥0
(i) x(t ) = 
0 , t<0
∞ ∞
e− 2 at
 1
E = ∫e − 2 at
dt =   =
0  − 2at  0 2a

(ii) x(t ) =
1 -t 2 4σ 2
e
2πσ
∞
1 1
∫
4σ 2
E= e -t 2
dt
2πσ −∞ 2πσ
1
E=
2πσ
 Sinal Aleatório Estacionário

t
-T/2 T/2

• A Potência média em uma amostra de comprimento T

segundos é:
T 2
1
∫ x 2
(t )dt
TT2
• Esta quantidade variará de segmento para segmento, mas de
forma geral estas flutuações no resultado reduzem quando o
comprimento da amostra aumenta.
• A Energia será variável em uma amostra ou infinita p/ todo sinal
(±∞).
 Sinal Aleatório Estacionário
Exemplo de cálculo da Potencia média :

O sinal x(t ) = A cos(2πpt + θ ) , onde θ é uma variável aleatória

T 2

P = ∫ A2 cos 2 (2πpt + θ ) dt
1
TT2

A2  sin (2πpT ) 
P= 1 + cos (2θ ) ,
2  2πpT 

como θ é aleatória P também o será.

 Sinal Aleatório Estacionário

Se θ é uniformemete distribuida de 0 → 2π , sua FDP será :

 1
 0 ≤ θ ≤ 2π
FDP(θ ) =  2π
 0 de outra forma

2π
Valor médio (P ) = ∫ P .FDP(θ ) dθ
0
2π
 sin (2πpT )  1
Valor médio (P ) =
A2
∫ 1 + cos (2θ ) dθ
0
2  2πpT  2π

Valor médio (P ) =
A2
2
 Sinal Aleatório Estacionário
Sua variância será :
2π
σ 2 (P ) = ∫ [P − Valor médio (P )] .FDP(θ ) dθ
2

0
2π
σ 2 (P ) = ( ) ( )
1 1
∫0 4π 2 p 2T 2 π θ dθ
2 2
sin 2 pT cos 2
2π

σ 2 (P ) = ( )
1 1
sin 2
2πpT
4π 2 p 2T 2 2
e o desvio padrão será :
1 sin (2πpT )
σ (P ) ==
2 2πpT
ou seja, o desvio padrão diminui quando pT aumenta.
 Lista de Exercícios 1
1. Se x(t) é um sinal de valor complexo, x(t) = e-st para t ≥ 0 e x(t) = 0
para t < 0, onde s = σ+jω (σ > 0), calcule a energia total do sinal.
2. Se x(t) é a soma de dois componentes x(t) = x1(t)+x2(t), onde cada
um é complexo com xi(t) = e-sit , etc., calcule a energia total do sinal.
O que você pode concluir sobre a energia da soma de dois sinais
arbitrários?
3. ≥
Um sinal de valor real é dado por

 ω0

 1− ξ 2
e -ξω0t
sin(ω 0 1 − ξ 2
t ) t≥0
x(t ) = 

0 t<0

Por integração direta, ou usando os resultados de (1) e (2), calcule

a energia total do sinal.
 Lista de Exercícios 1
4. O “fator de crista” de um sinal é definido como a relação pico/RMS.
Calcule o fator de crista de: (i) uma onda seno; (ii) um sinal
periódico composto de uma série de sucessivas ondas senos
amortecidas (obtenha um resultado aproximado).