Escolar Documentos
Profissional Documentos
Cultura Documentos
2018
1
Conteúdo
4 A Transformada Z 28
4.1 Outros Pares Transformados . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.2 Propriedades da ROC para a TZ . . . . . . . . . . . . . . . . . . . . . . . . 31
4.3 A Transformada Z inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.4 Propriedades da Transformada Z . . . . . . . . . . . . . . . . . . . . . . . . 35
4.5 Transformada Z Unilateral . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2
CONTEÚDO 3
1.1 Sequências
Sinais de tempo discreto são representados matematicamente como sequências de números
x, em que o n-ésimo número da sequência é denotado x[n].
Num cenário prático, uma sequência pode ser obtida através da amostragem periódica
de um sinal de tempo contı́nuo xa (t):
x[n] , xa (nT ), n ∈ Z.
4
CAPÍTULO 1. SISTEMAS E SINAIS DE TEMPO DISCRETO 5
Propriedade: Qualquer sequência pode ser expressa como uma soma de impulsos deslocados:
+∞
X
x[n] = x[k]δ[n − k]
k=−∞
• Degrau Unitário
1, n ≥ 0
u[n] ,
0, n < 0
Note que:
n
X
u[n] = δ[k]
k=−∞
=δ[n] + δ[n − 1] + δ[n − 2] + · · ·
+∞
X
= δ[n − k].
k=0
x[n] , A αn , A, α ∈ R
Definição: Uma sequência é periódica se x[n] = x[n + N ], ∀n, para algum N inteiro
fixo. (N é o perı́odo da sequência).
No caso senoidal:
Vale observar que sequencias com ω̂ e ω̂ + 2πr, r ∈ Z, são indistinguiveis, ∀ω̂ ∈ R, já
que
A cos(ω̂n + φ) = A cos(ω̂n + 2πrn + φ).
CAPÍTULO 1. SISTEMAS E SINAIS DE TEMPO DISCRETO 6
Exemplos:
2) Média Móvel
M2
1 X
y[n] = x[n − k]
M 1 + M2 + 1
k=−M1
Exemplos:
1) Atraso ideal
Se x[n] , x1 [n] + x2 [n], então T {x[n]} = x[n − nd ] = x1 [n − nd ] + x2 [n − nd ].
2) Média Movel
M2
1 X
T {x1 [n] + x2 [n]} = x1 [n − k] + x2 [n − k] = T {x1 [n]} + T {x2 [n]}.
M1 + M2 + 1
k=−M1
3) Sistema não-linear
T {x[n]} = (x[n])2 =⇒ T {x1 [n]+x2 [n]} = x21 [n]+2x1 [n]x2 [n]+x22 [n] 6= T {x1 [n]}+T {x2 [n]}.
Exemplos:
• Atraso Ideal
Defina x1 [n] , x[n − n0 ] (entrada atrasada de n0 amostras). A resposta do sistema a
esta entrada é y1 [n] = x1 [n − nd ] = x[(n − nd ) − n0 ]. Calculando y[n − n0 ] (resposta
atrasada do sistema à entrada x[n]), segue que y[n − n0 ] = x[(n − n0 ) − nd ] = y1 [n].
Assim, o sistema é “invariante no tempo”.
O mesmo ocorre para o sistema Média Móvel.
• Sistema Compressor
1.2.4 Causalidade
Um sistema é causal se, para todo n, y[n] = T {x[n]} for função de {x[m]}, m ≤ n, ou
seja, apenas de entradas “passadas”.
não é causal.
CAPÍTULO 1. SISTEMAS E SINAIS DE TEMPO DISCRETO 8
1.2.5 Estabilidade
Um sistema é estável no sentido BIBO (Bounded Input, Bounded Output) se, e somente
se, toda entrada limitada produzir saı́da limitada, i.e.,
Como não existe BY finito tal que y[n] < BY , ∀n, o sistema não é estável.
+∞
X
y[n] = x[n] ∗ y[n] ⇐⇒ y[n] = x[k]h[n − k]
k=−∞
pois u[k] é nulo para todo k < 0. Com o mesmo raciocı́nio, observamos que na somatória
da esquerda só serão considerados os termos para os quais k ≤ n; para a somatória da
direita, só serão considerados os termos com k ≤ n − N . Disto segue que
n
X n−N
X
y[n] = ak − ak
k=0 k=0
0 , n<0
n
X
ak
, 0≤n<N
= k=0
Xn
ak , n ≥ N
k=n−N +1
Verificação:
= αN1 − αN2 +1
Assim,
n
X n−N
X
k
y[n] = a − ak
k=0 k=0
0 , n<0
1 − αn+1
= , 0≤n<N
1−α
n−N +1 − αn+1
α
, n≥N
1−α
e associativa:
+∞
X
(x ∗ (h1 ∗ h2 ))[n] = x[k](h1 ∗ h2 )[n − k]
k=−∞
+∞ +∞
!
X X
= x[k] h1 [l]h2 [(n − k) − l]
k=−∞ l=−∞
+∞
X +∞
X
= x[k]h1 [m − k]h2 [n − m], m,k+l
k=−∞ m=−∞
+∞ +∞
!
X X
= x[k]h1 [m − k] h2 [n − m]
m=−∞ k=−∞
+∞
X
= (x ∗ h1 )[m]h2 [n − m] = ((x ∗ h1 ) ∗ h2 )[n].
m=−∞
CAPÍTULO 1. SISTEMAS E SINAIS DE TEMPO DISCRETO 11
Um SLIT é estável no sentido BIBO se, e somente se, a sua resposta ao impulso for
absolutamente somável, i.e.,
+∞
X
S= |h[k]| < ∞.
k=−∞
Um SLIT é causal se, e somente se, h[n] = 0, ∀n < 0. Por esta razão, uma sequência
com essas propriedades é chama de sequência causal.
CAPÍTULO 1. SISTEMAS E SINAIS DE TEMPO DISCRETO 12
+∞
X +∞
X
y[n] = x[k]h[n − k] = x[k]δ[n − k − nd ] = x[n − nd ].
k=−∞ k=−∞
M2
1 X
2) Média Móvel: h[n] = δ[n − k]
M1 + M2 + 1
k=−M1
+∞ +∞ M2
X 1 X X
y[n] = x[k]h[n − k] = x[k]δ[n − k − l]
M1 + M2 + 1
k=−∞ k=−∞ l=−M1
M2
1 X
= δ[n − l].
M1 + M2 + 1
l=−M1
+∞
X
3) Acumulador: h[n] = δ[n − k]
k=0
+∞
X +∞ X
X +∞
y[n] = x[k]h[n − k] = x[k]δ[n − k − l]
k=−∞ k=−∞ l=0
+∞
X
= δ[n − l].
l=0
+∞
X +∞
X
y[n] = x[k]h[n − k] = x[k](δ[n − k] + δ[n − k − 1])
k=−∞ k=−∞
= x[n] + x[n − 1].
+∞
X +∞
X
y[n] = x[k]h[n − k] = x[k](δ[n + 1 − k] + δ[n − k])
k=−∞ k=−∞
= x[n + 1] + x[n].
Capı́tulo 2
Representação de Sistemas e
Sinais de Tempo Discreto no
Domı́nio da Frequência
Exemplos:
a) Atraso Ideal: h[n] = δ[n − nd ]
+∞
X +∞
X
−jωk
jω
H(e ) = h[k]e = δ[k − nd ]e−jωk = e−jωnd .
k=−∞ k=−∞
|H(ejω )| = |e−jωnd | = 1
Observe que , ∀ω.
∠H(ejω ) = ∠e−jωnd = −ωnd
Veremos a seguir que uma ampla classe de sinais pode ser representada por uma com-
binação linear de exponenciais complexas:
X
x[n] = αk ejωk n .
k
Pelo princı́pio da sobreposição, a saı́da de um SLIT com entrada x[n] é dada por
X
y[n] = αk ejωk n H(jωk ).
k
13
CAPÍTULO 2. REPRESENTAÇÃO DE SISTEMAS E SINAIS DE TEMPO
DISCRETO NO DOMÍNIO DA FREQUÊNCIA 14
b) Sinal Senoidal: x[n] = A cos ω0 n + φ
em que θ = ∠H(ejω0 ).
1
M1 +M2 +1 , −M1 ≤ n ≤ M2
c) Média Móvel: h[n] = .
0, caso contrário
+∞ +M
X2
X 1
H(ejω ) = h[k]e−jωk = e−jωk
M 1 + M2 + 1
k=−∞ k=−M1
+∞
X
H ej(ω+2π) = h[k]e−j(ω+2π)k
k=−∞
+∞
X
h[k]e−jωk e|−j2πk jω
= {z } = H e , ∀h[n],
k=−∞ =1, ∀n
ou seja, H ejω é uma função periódica de ω, com perı́odo 2π. Assim, é suficiente
ˆπ
1
x[n] = X(ejω )ejωn dω, [Transformada Inversa]
2π
−π
em que
+∞
X
X(e ) ,jω
x[n]e−jωn [Transf. de Fourier de Tempo Discreto]
n=−∞
sin(πz) π cos(πz)
lim = lim = 1,
z→0 πz |{z} z→0 π
L’Hôpital
ou seja
sin(π(n − m))
= δ[n − m].
π(n − m)
CAPÍTULO 2. REPRESENTAÇÃO DE SISTEMAS E SINAIS DE TEMPO
DISCRETO NO DOMÍNIO DA FREQUÊNCIA 16
Pode-se verificar que X(ejω ) sempre existirá se x[n] for absolutamente somável (condição
suficiente).
Exemplos:
a) x[n] = an u[n]
+∞ +∞
X
n −jωn
X n 1
jω
X(e ) = a e = ae−jω = ,
1 − ae−jω
n=0 n=0
ˆπ ˆωc
1 1
h[n] = H(ejω )ejωn dω = ejωn dω =
2π 2π
−π −ωc
ω
1 jωn
e c 1 ejωc n − e−jωc n sin(ωc n)
= = · = .
2π jn ω=−ωc πn 2j πn
c) x[n] = 1
Neste caso, a somatória que define X(ejω ) não converge (verifique!). Pode-se, no en-
tanto, verificar que a Transformada de Fourier desta sequência é dada por
+∞
X
X(ejω ) = 2πδ(ω + 2πr) (“Trem de Impulsos”).
r=−∞
já que
ˆπ X
+∞
1
x[n] = 2πδ(ω + 2πr)ejωn dω
2π
−π r=−∞
+∞ ˆπ
X
= δ(ω + 2πr)ejωn dω = 1.
r=−∞−π
ˆπ X
+∞
1
x[n] = 2πδ(ω − ω0 + 2πr)ejωn dω
2π
−π r=−∞
+∞ ˆπ
X
= δ(ω − ω0 + 2πr)ejωn dω = ejω0 n .
r=−∞−π
2.2.1 Verificação
1) TFTD{ax[n] + by[n]} =
+∞
X
= (ax[n] + by[n]) e−jωn
n=−∞
+∞
X +∞
X
−jωn
=a x[n]e +b y[n]e−jωn
n=−∞ n=−∞
jω jω
= aX(e ) + bY (e ).
CAPÍTULO 2. REPRESENTAÇÃO DE SISTEMAS E SINAIS DE TEMPO
DISCRETO NO DOMÍNIO DA FREQUÊNCIA 18
2) TFTD{x[n − nd ]} =
+∞
X
= x[n − nd ]e−jωn
n=−∞
+∞
X
= x[m]e−jω(m+nd )
m=−∞
+∞
X
= e−jωnd x[m]e−jωm = e−jωnd X(ejω ).
m=−∞
3) TFTD{ejω0 n x[n]} =
+∞
X
= x[n]ejω0 n e−jωn
n=−∞
+∞
X
= x[n]e−j(ω−ω0 )n = X(ej(ω−ω0 ) ).
n=−∞
+∞
X
4) TFTD{x[−n]} = x[−n]e−jωn =
n=−∞
+∞
X
= x[m]e−j(−ω)m = X(e−jω ).
m=−∞
+∞
X
5) TFTD{nx[n]} = nx[n]e−jωn =
n=−∞
+∞
X
=j (−jn)x[n]e−jωn
n=−∞
+∞
!
d X dX(ejω )
=j x[n]e−jωn =j .
dω n=−∞
dω
+∞
X
6) TFTD{x[n] ∗ y[n]} = (x[n] ∗ y[n])e−jωn =
n=−∞
+∞
X +∞
X
= x[k]y[n − k]e−jωn
n=−∞ k=−∞
+∞
X +∞
X
= x[k]y[m]e−jω(k+m)
k=−∞ m=−∞
+∞ +∞
! !
X X
= x[k]e−jωk y[m]e−jωm
k=−∞ m=−∞
jω jω
= X(e )Y (e ).
CAPÍTULO 2. REPRESENTAÇÃO DE SISTEMAS E SINAIS DE TEMPO
DISCRETO NO DOMÍNIO DA FREQUÊNCIA 19
7) (Convolução Periódica)
ˆπ
1
X(ejθ )Y (ej(ω−θ) )dθ =
2π
−π
ˆπ +∞
! +∞
!
1 X
−jθk
X
−j(ω−θ)m
= x[k]e y[m]e dθ
2π m=−∞
−π k=−∞
+∞ +∞ ˆπ
X X
−jωm 1
= x[k]y[m]e e−jθ(k−m) dθ = .
2π
k=−∞ m=−∞ −π
ˆπ
1
Na Seção 2.1, mostrou-se que e−jθ(k−m) dθ = δ[k − m]. Assim
2π
−π
+∞
X +∞
X
= x[k]y[m]e−jωm δ[k − m]
k=−∞ m=−∞
+∞
X
= x[k]y[k]e−jωk = TFTD{x[k]y[k]}.
k=−∞
9) Note que +∞ ∗ ∗
P
n=−∞ x[n]y [n] = TFTD{x[n]y [n]}|ω=0 = 4. Novamente, pela Proprie-
dade 7, temos que
ˆπ
1
4= X(ejθ )Y ∗ (ejθ )dθ.
2π
−π
+∞
( +∞
)∗
X X
∗ ∗ −jωn −jωm
2) TFTD{x [−n]} = x [−n]e = x[m]e = X ∗ (ejω ).
n=−∞ m=−∞
1 1
(x[n] + x∗ [n]) ⇒ TFTD{<{x[n]}} = X(ejω ) + X ∗ (e−jω ) , Xe (ejω )
3) <{x[n]} =
2 2 | {z }
Parte Par (even)
Observe que Xe∗ (e−jω ) = 12 X ∗ (e−jω ) + X(ejω ) = Xe (ejω ).
1 1
(x[n] − x∗ [n]) ⇒ TFTD{={x[n]}} = X(ejω ) − X ∗ (e−jω ) , Xo (ejω )
4) j={x[n]} =
2 2 | {z }
Parte Ímpar (odd)
Observe que Xo∗ (e−jω ) = 21 X(ejω ) − X(ejω ) = −Xo (ejω ). Além disso, Xo (ejω ) +
Xe (ejω ) = X(ejω ).
1 1
(x[n] + x∗ [−n]) = X(ejω ) + X ∗ (ejω ) = <{X(ejω )}.
5) TFTD{xe [n]} = TFTD
2 2
1 1
(x[n] − x∗ [−n]) = X(ejω ) − X ∗ (ejω ) = ={X(ejω )}.
6) TFTD{xo [n]} = TFTD
2 2
Como consequência de 1-6, se x[n] for uma sequência real:
7) x[n] = x∗ [n] ⇒ X(ejω ) = X ∗ (e−jω ) (ou seja, X(ejω ) é uma função hermetiana).
2) δ[n − n0 ] ←→ e−jωn0
∞
X
δ[n − n0 ]e−jωn = e−jωn0 .
n=−∞
∞
X
3) 1 ←→ 2π δ(ω + 2πk)
k=−∞
ˆπ ∞
!
1 X
2π δ(ω + 2πk) ejωn dω = 1
2π
−π k=−∞
∞
1 X
5) u[n] ←→ +π δ(ω + 2πk)
1 − e−jω
k=−∞
Inicialmente, defina
1/2, n ≥ 0
w[n] =
−1/2, n < 0
Observe agora que w[n] − w[n − 1] = δ[n], o que implica que W (ejω ) − e−jω W (ejω ) = 1,
1
ou seja, W (ejω ) = .
1 − e−jω
Como u[n] = w[n] + 12 , segue o resultado.
1
6) (n + 1)an u[n] (|a| < 1) ←→
(1 − ae−jω )2
Derivando a transformada do item 4 acima em relação a ω e usando a Propriedade 5,
obtemos:
−jae−jω ae−jω
d 1
j −jω
=j −jω
= ←→ nan u[n].
dω 1 − ae (1 − ae )2 (1 − ae−jω )2
2.4.1 Exemplos
1) x[n] = an u[n − 5] ←→ ?
1
an u[n − 5] = a5 (an−5 u[n − 5]) ←→ a5 e−j5ω .
1 − ae−jω
1
2) X(ejω ) =
(1 − ae−jω )(1 − be−jω )
Assim:
a/(a − b) b/(a − b) a n b n
X(ejω ) = −jω
− −jω
←→ a u[n] − b u[n].
1 − ae 1 − be a−b a−b
sin(ωc n)
Como mostrado na Seção 2.1, Exemplo b, R(ejω ) ←→ . Assim:
πn
sin(ωc (n − nd ))
X(ejω ) = e−jωnd − e−jωnd R(e−jω ) ←→ δ[n − nd ] − .
π(n − nd )
1a e 2a Listas de Exercı́cios
Faça os seguintes exercı́cios do livro “Discrete-Time Signal Processing”, Oppenheim &
Schafer, Ed. 2, 1998:
2.1, 2.2, 2.3, 2.7, 2.8, 2.10, 2.11, 2.13, 2.14, 2.15, 2.17, 2.18, 2.19.
Capı́tulo 3
Seja xc (t) um sinal de tempo contı́nuo. Define-se xs (t), o sinal amostrado (sampled ) como
xs (t) , xc (t)s(t), em que s(t) é o “trem de impulsos”
+∞
X
s(t) , δ(t − nT ),
n=−∞
em que T é o perı́odo de amostragem. Observe que, pela sua definição, xs (t) somente
difere de zero em instantes múltiplos de T .
O processo de amostragem pode acarretar em perda de informação. Para quantificá-la,
podemos calcular a Transformada de Fourier (de tempo contı́nuo) do sinal amostrado, que
1
é dada por Xs (Ω) = F{xc (t)s(t)} = Xc (Ω) ∗ S(Ω).
2π
Como s(t) é um sinal periódico, isto é, s(t) = s(t+T ), recorremos à sua Série de Fourier
para determinar S(Ω):
+∞
X +∞
X
s(t) = cn ej2πnt/T ←→ S(Ω) = 2π cn δ(Ω − 2πn/T ), (verifique!)
n=−∞ n=−∞
23
CAPÍTULO 3. AMOSTRAGEM DE SINAIS DE TEMPO CONTÍNUO 24
Note que Xs (Ω) contém infinitas replicações do espectro original, deslocadas de 2π/T
radianos/s (1/T Hz).
Disto, pode-se deduzir que, para que o processo de amostragem não produza perda de
informação, xc (t) deve ter o espectro limitado. Caso xc (t) seja um sinal passa-baixa, i.e.,
Xc (Ω) = 0, |Ω| > Ωc , deve valer que Ωc < Tπ (Teorema da Amostragem de Nyquist). Caso
esta última condição não seja obedecida, as réplicas do espectro original se sobrepõem,
no fenômeno conhecido com aliasing, fazendo com que Xc (Ω) não possa ser recuperado a
partir de Xs (Ω).
Na ausência de aliasing, o sinal de tempo contı́nuo original xc (t) pode ser recuperado
filtrando-se xs (t) com um filtro de reconstrução passa-baixas ideal (Por quê?) com resposta
em frequência
1, |Ω| < π/T
Hr (Ω) = .
0, caso contrário
No domı́nio do tempo, tal operação equivale a interpolar as amostras por funções sinc,
pois
ˆ
+∞ ˆ
π/T
1 jΩt 1 1 ejπt/T − e−jπt/T
hr (t) = HR (Ω)e dΩ = ejΩt dΩ = =
2π 2π 2π jt
−∞ −π/T
1 sin(πt/T ) 1
= , sinc(t/T ),
T πt/T T
e
ˆ +∞
xs (t) ∗ hr (t) = xs (α)hr (t − α)dα =
α=−∞
ˆ +∞ +∞
1 X t−α
= xc (α)δ(α − nT )sinc dα
T α=−∞ n=−∞ T
+∞
1 X t − nT
= xc (nT )sinc .
T n=−∞ T
Observe que o resultado acima coincide com a definição da TFTD (Capı́tulo 1) se x[n] ,
xc (nT ) e ω , ΩT .
Como
ˆ
+∞ ˆT
1
Hr (Ω) = hr (t)e−jΩt dt = e−jΩt dt =
T
t=−∞ t=0
1 e−jΩT −1 e /2 − e−jΩT /2
jΩT sin(ΩT /2)
= = e−jΩT /2 · = e−jΩT /2 · ,
T −jΩ jΩT ΩT /2
o sinal na saı́da do ZOH difere de xc (t) (Por quê?).
Para recuperar o sinal original, basta tratar a saı́da do ZOH com o filtro h̃(t), com
resposta em frequência
(
1 ΩT /2
H̃(Ω) = HR (Ω) = sin(ΩT /2) , |Ω| < π/T .
0, caso contrário
Note que Hr (Ω)H̃(Ω) tem uma resposta passa-baixa com frequência de corte π/T (rad/s).
Exercı́cio 3: Considere um sinal passa-faixa, com espectro não nulo entre Ω1 < Ω < Ω2 .
a) Obtenha X(ejω ) para T = π/Ω2 .
b) Qual é o mı́nimo T para que não haja aliasing?
c) Projete um bloco para recuperar xc (t) usando a taxa de amostragem mı́nima.
e de que
ω +∞
jω 1 X ω 2πk
Xd (e ) = Xs = Xc −
MT MT MT MT
k=−∞
e fazendo k = i + lM , −∞ < l < +∞, 0 ≤ i ≤ M − 1, pode-se escrever
M −1
" +∞ #
1 X X 1 ω − 2π(i + lM )
Xd (ejω ) = Xc
M T MT
i=0 l=−∞
M −1 +∞
" #
1 X X 1 ω − 2πi 2πl
= Xc −
M T MT T
i=0 l=−∞
M −1
1 ω−2πi
X ej ( M )
X
=
M
i=0
ou seja,
+∞
X
xi [n] = x[k]δ[n − kL].
k=−∞
3a Lista de Exercı́cios
Faça os Exercı́cios 4.1 a 4.20 do livro “Discrete-Time Signal Processing”, Oppenheim &
Schafer , Ed. 2, 1998.
Capı́tulo 4
A Transformada Z
P (z)
A TZ é mais útil quando X(z) for uma função racional na ROC, i.e., X(z) = Q(z) . As
raı́zes de P (z) são os zeros e as de Q(z) os polos de X(z).
+∞ +∞
X
n −n
X 1 z
X(z) = a z u[n] = (az −1 )n = −1
= ,
n=−∞
1 − az z−a
n=0
28
CAPÍTULO 4. A TRANSFORMADA Z 29
+∞ −1
X X −1 z
X(z) = − an z −n u[−n−1] = (az −1 )n = − = ,
n=−∞ n=−∞
1 − az −1 z−a
1 n −1 n
Exemplo 3: x[n] = 2 u[n] + 3 u[n].
+∞ n n
X 1 −1
X(z) = u[n] + u[n] z −n
n=−∞
2 3
+∞
1 −1 n −1 −1 n
X
= z + z
2 3
n=0
1 1 2 − 61 z −1
= + = .
1 − 12 z −1 1 + 13 z −1 1 − 12 z −1 1 + 13 z −1
1
A ROC é a intersecção das regiões |z| > 2 e |z| > 13 ,
ou seja, |z| > 12 .
n 1 n
Exemplo 4: x[n] = − 31
u[n] − 2 u[−n − 1].
+∞
−1 n
n
X 1
X(z) = u[n] − u[−n − 1] z −n
n=−∞
3 2
+∞ −1
−1 −1 n 1 −1 n
X X
= z − z
3 n=−∞
2
n=0
1 −1 2 − 61 z −1
= − = .
1 + 13 z −1 1 − 12 z −1 1 − 21 z −1 1 + 31 z −1
an , 0 ≤ n ≤ N − 1
Exemplo 5: x[n] =
0, caso contrário
N −1 N −1
X
n −n
X n
X(z) = a z = az −1
n=0 n=0
1− (az −1 )N z zN− aN 1 z N − aN
= = = N −1 .
1 − az −1 zN z−a z z−a
Como a soma acima é finita, a ROC é todo o
plano complexo exceto z = 0. Note que z = a
não é um polo, pois
z N − aN N z N −1
lim = lim = −N aN −1 .
z→a z − a z→a 1
Os zeros se localizam em
N
√ j2π
z = aN = ae N , 0 ≤ k < N.
+∞
X
−n −m z = 0, m > 0
b) Z{δ[n − m]} = δ[n − m]z =z , ROC = {C} \ .
z = ∞, m < 0
n=−∞
+∞
X n
c) Z{ejω0 n } = ejω0 z −1 =⇒ não converge. Observe que esta sequência possui
n=−∞
TFTD!
+∞
X n 1
d) Z{ejω0 n u[n]} = ejω0 z −1 = , |ejω0 z −1 | < 1 =⇒ ROC = {z ∈ C :
1− ejω0 z −1
n=0
|z| > 1}.
1
e) Z{cos(ω0 n)u[n]} = Z ejω0 n + e−jω0 n u[n]
2
2 − (ejω0 + e−jω0 )z −1
1 1 1 1
= + =
2 1 − ejω0 z −1 1 − e−jω0 z −1 2 (1 − ejω0 z −1 )(1 − e−jω0 z −1 )
1 − cos(w0 )z −1
= , ROC = {z ∈ C : |z| > 1}.
1 − 2 cos(w0 )z −1 + z −2
1
f) Z{sin(ω0 n)u[n]} = Z ejω0 n − e−jω0 n u[n]
2j
(ejω0 − e−jω0 )z −1
1 1 1 1
= − =
2j 1 − ejω0 z −1 1 − e−jω0 z −1 2j (1 − ejω0 z −1 )(1 − e−jω0 z −1 )
sin(w0 )z −1
= , ROC = {z ∈ C : |z| > 1}.
1 − 2 cos(w0 )z −1 + z −2
CAPÍTULO 4. A TRANSFORMADA Z 31
+∞
X
n
g) Z{r x[n]} = x[n](z/r)−n = X(z/r).
n=−∞
1) A ROC é um anel ou disco no plano Z centrados na origem, i.e., 0 < rdisco < |z| <
ranel < ∞.
2) A TFTD de x[n] converge absolutamente se, e somente se, a ROC de Z{x[n]} contiver
o cı́rculo unitário.
5) Se x[n] for uma sequência não-nula à direita, a ROC se estende do polo com maior
magnitude até z = ∞ (possivelmente incluindo este ponto).
6) Se x[n] for uma sequência não-nula à esquerda, a ROC se estende do polo com menor
magnitude até z = 0 (possivelmente incluindo este ponto).
7) Uma sequência bilateral terá uma ROC na forma de anel, contido entre polos interiores
e exteriores.
Z 1
an u[n] ←
→ , |z| > |a|.
1 − az −1
Assim, se precisarmos encontrar a transformada inversa de
1 1
X(z) = 1 −1 , |z| >
1− 2z
2
1 n
podemos reconhecer “por inspeção” que x[n] = 2 u[n].
em que
1 + 2z −1 + z −2
Exemplo: Seja X(z) = .
1 − 32 z −1 + 12 z −2
1 2 3 2 3 1
Determinação dos polos: x − x + 1 = 0 ⇐⇒ x = ∴ 1 − z −1 + z −2 =
2 2 1 2 2
1 −1
1 − z −1 .
1− z
2
A1 A2
Disto conclui-se que X(z) = B0 + 1 −1 + 1 − z −1 . Para determinar B0 , observe
1 − 2z
que, através da divisão longa dos polinômios, obtemos
1 + 2z −1 + z −2 5z −1 − 1
X(z) = 3 −1 1 −2 = 2 + 1 −1
.
1 − 2z + 2z 1 − 2z (1 − z −1 )
Assim,
1 −1
A1 = 1 − z φ(z) = −9.
2 z −1 =2
−1
A2 = 1 − z φ(z) = 8.
−1 z =1
−9 8
Desta forma, X(z) = 2 + 1 −1 + 1 − z −1 . Para se calcular a antitransformada,
1 − 2z
note que a posição dos polos (z = 1/2 e z = 1) estabelece três ROCs possı́veis:
n
1
1) |z| > 1 : x[n] = 2δ[n] − 9 u[n] + 8u[n]. (sequência causal, metaestável)
2
n
1 1
2) < |z| < 1 : x[n] = 2δ[n]−9 u[n]−8u[−n−1]. (sequência bilateral, metaestável)
2 2
CAPÍTULO 4. A TRANSFORMADA Z 33
n
1 1
3) |z| < : x[n] = 2δ[n]+9 u[−n−1]−8u[−n−1]. (sequência anticausal, instável)
2 2
Note que nenhuma das antitransformadas é estável, pois o cı́rculo unitário não faz parte
da ROC.
Assim,
‰ +∞
1 X
X(z)z n−1 dz = x[k]δ[n − k] = x[n].
2πj C k=−∞
1 d−n−1
x[n] = [X(z)z n (z − a)]z=a + X(z)z n (z − 0)−n z=0
(−n − 1)! dz −n−1
−n−1
n 1 d 1
=a +
(−n − 1)! dz −n−1 z − a z=0
(−1)−n−1
x[n] = an + = an − an = 0.
(−a)−n
CAPÍTULO 4. A TRANSFORMADA Z 35
A ROC da soma contém ROC{x1 [n]} ∩ ROC{x2 [n]}, pois a soma pode provocar o
cancelamento de polos.
2) Deslocamento Temporal
Z
→ z −n0 X(z)
x[n − n0 ] ←
4) Derivada em z
dX(z) Z
−z ←
→ nx[n]
dz
+∞ +∞
dX(z) X
−n−1 dX(z) X
Verificação: = x[n](−n)z ⇐⇒ −z = nx[n]z n = Z{nx[n]}.
dz n=−∞
dz n=−∞
1
Exemplo: X(z) = , |z| > |a|
1 − az −1
dX(z) az −1 Z 1 Z
−z = −1 2
→ nan u[n] =⇒
← −1 2
→ (n+1)an u[n+1] = (n+1)an u[n].
←
dz (1 − az ) (1 − az )
5) Conjugação no tempo
Z
x∗ [n] ←
→ X ∗ (z ∗ ), ROC{x[n]} = ROC{x∗ [n]}.
+∞
" +∞
#∗
X X
∗ ∗ −n ∗ −n
Verificação: Z{x [n]} = x [n]z = x[n](z ) = X ∗ (z ∗ ).
n=−∞ n=−∞
6) Inversão no tempo
Z
x[−n] ←
→ X(1/z), ROC{x[−n]} = 1/ROC{x[n]}.
+∞
X +∞
X
Verificação: Z{x[−n]} = x[−n]z −n = x[m](1/z)−m = X(1/z).
n=−∞ m=−∞
CAPÍTULO 4. A TRANSFORMADA Z 36
+∞
X +∞
X +∞
X
Verificação: Y (z) = y[m]z −m = x1 [k]x2 [m − k]z −m
m=−∞ m=−∞ k=−∞
+∞
X +∞
X
= x1 [k]z −k x2 [n]z −n = X1 (z)X2 (z).
n=−∞ k=−∞
1
Exemplo: Seja x1 [n] = an u[n] e x2 [n] = bn u[n]. Segue então que X1 (z) = 1−az −1
, |z| >
1
|a| e que X2 (z) = 1−bz −1 , |z| > |b|. Desta forma,
‰
1
W (z) = X1 (z/v)X2 (v)v −1 dv,
2πj C2
em que C2 engloba a ROC de X1 (z/v)X2 (v), que é dada pela intersecção das regiões
em que |z/v| > |a| e |v| > |b|, ou seja, |b| < |v| < |z/a|. Assim
‰ ‰
1 1 1 1 1 1
W (z) = v −1 dv = dv
2πj |b|<|v|<|z/a| 1 − av/z 1 − b/v 2πj |b|<|v|<|z/a| 1 − av/z v − b
Pelo Teorema dos Resı́duos, a integral acima é dada pela soma dos resı́duos do inte-
grando no polo interno ao contorno, que fica em v = b. Portanto:
1
W (z) = , |z| > |ab|.
1 − abz −1
CAPÍTULO 4. A TRANSFORMADA Z 37
Note que X(z) coincide com a TZ (bilateral) de x[n] se esta for uma sequência causal.
O principal uso dessa transformada é analisar sistemas descritos por equações de dife-
renças com condições iniciais não-quiescentes. Para isto, defina y[n] = x[n − m], m > 0.
Então:
Exemplo: Considere o sistema y[n] = 12 y[n − 1] + x[n], com x[n] = u[n] e y[−1] = 1
(condição inicial). Então:
1 1
y[−1] + z −1 Y(z) = X(z) =
Y(z) −
2| {z } 1 − z −1
TZ Unilateral de y[n−1]
2 −1/2
⇐⇒ Y(z) = −1
+
1−z 1 − z −1 /2
n
1 1
∴ y[n] = 2u[n] − u[n].
2 2
4a e 5a Listas de Exercı́cios
Faça os Exercı́cios 3.1, 3.2, 3.4 a 3.9, 3.10, 3.11 a 3.20 do livro “Discrete-Time Signal
Processing”, Oppenheim & Schafer , Ed. 2, 1998.
Capı́tulo 5
Considere uma sequência x[n] com TFTD X(ejω ). A Transformada Discreta de Fourier
(DFT - Discrete Fourier Transform) é definida como
jω
= X(ej2πk/N ),
X[k] , X(e )
ω=2πk/N
N ∈ N∗ . Como X(ejω ) tem perı́odo 2π, X[k] tem perı́odo N . Note ainda que
+∞
X j2πkn
X[k] = x[n]e− N
n=−∞
N −1 +∞ +∞ N −1
!
1 X X
− j2πkm j2πkn 1 X X j2πk(n−m)
x̃[n] = x[m]e N e N = x[m] e N .
N m=−∞
N m=−∞
k=0 k=0
| {z }
X[k]
em que r ∈ N. Portanto,
+∞
X +∞
X +∞
X +∞
X
x̃[n] = x[m] δ[m − (n − rN )] = x[n] ∗ δ[n − rN ] = x[n − rN ].
m=−∞ r=−∞ r=−∞ r=−∞
Note que x̃[n] é uma sequência periódica, formada pela convolução de x[n] com um pente
de impulsos de perı́odo N . Assim, se x[n] não for uma sequência nula fora do intervalo
0 ≤ n < N , x̃[n] é o resultado de sobreposições periódicas de x[n], no fenômeno conhecido
como “aliasing no domı́nio do tempo”.
Por outro lado, se x[n] = 0 para n < 0 e n ≥ N , então x̃[n] = x[n]. Em outras palavras,
se x[n] for nula fora do intervalo 0 ≤ n < N , X[k] representa unicamente x[n].
38
CAPÍTULO 5. TRANSFORMADA DISCRETA DE FOURIER 39
em que WN , e−j2π/N .
A matriz que implementa a DFT possui uma estrutura especial (chamada matriz Van-
dermonde): as colunas são potências da segunda coluna (o mesmo ocorre para a linhas).
Pode-se verificar também que essa matriz é unitária.
1, 0 ≤ n ≤ N − 1
Exemplo: Seja x[n] = . Calcule a sua DFT de ordem N = 5.
0, caso contrário
N −1
1 − e−j2πk
X
− j2πnk N, k = 0
X[k] = x[n]e N = =
1−e − j2πk
N
0, 1 ≤ k < N
n=0
DFT j2πkm
x[((n − m))N ] ←−→ e− N X[k].
em que operador “resto da divisão” ((n − m))N , n − m − rN, para algum r ∈ Z de
modo que 0 ≤ n − m − rN ≤ N − 1.
Verificação: De inı́cio, observe que
N −1
X j2πkn
DFT{x[((n − m))N ]} = x[((n − m))N ]e− N .
n=0
Como, ∀m ∈ Z, ((n − m))N assume uma única vez cada um dos os valores entre 0 e
N − 1 quando 0 ≤ n ≤ N − 1, obtemos que
j2πk(m+rN ) j2πkm
DFT{x[((n − m))N ]} = X[k]e− N = X[k]e− N .
3) Dualidade
DFT DFT
Se x[n] ←−→ X[k], então X[n] ←−→ x[((−k))N ], para 0 ≤ k ≤ N − 1.
0, k=0
Verificação: Temos que ((−k))N = . Assim,
N − k, 1 ≤ k ≤ N − 1
N −1 N −1
1 X j2πkn X j2πkn
IDFT{N x[((−k))N ]} = N x[((−k))N ]e N = x[0] + x[N − k]e N
N
k=0 k=1
N −1
X j2πln j2πN n
= x[0] + x[l]e− N e| {z
N
} (l , N − k =⇒ k = N − l)
l=1 =1
N −1
X j2πln
= x[l]e− N = X[n].
l=0
4) Propriedades de Simetria
N −1
"N −1 #∗
− j2πkn j2πkn
X X
DFT{x∗ [n]} = x∗ [n]e N = x[n]e N
n=0 n=0
"N −1 #∗
X j2π(N −k)n
−
= x[n]e N = X ∗ [((−k))N ] , 0 ≤ k, l ≤ N − 1.
n=0
CAPÍTULO 5. TRANSFORMADA DISCRETA DE FOURIER 41
Da mesma forma,
N −1
" N −1
#∗
− j2πkn j2πkn
X X
∗ ∗
DFT{x [((−n))N ]} = x [((−n))N ]e N = x[0] + x[N − n]e N
n=0 n=1
" N −1
#∗
− j2πkn j2πN k
X
= x[0] + x[m]e N
|e {z }
N = X ∗ [k], 0 ≤ k, l ≤ N − 1.
m=1 =1
5) Convolução Circular
Se X3 [k] = X1 [k]X2 [k], então x3 [n] = x1 [n] N x2 [n], ou seja,
N
X −1 N
X −1
x3 [n] = x1 [m]x2 [((n − m))N ] = x2 [m]x1 [((n − m))N ].
m=0 m=0
n −1 N
o NX −1
X j2πnk
Verificação: X3 [k] = DFT x1 [n] N x2 [n] = x1 [m]x2 [((n − m))N ]e− N
n=0 m=0
N −1 N −1
!
X X j2π((n−m))N k j2π(m+rN )k
−
= x2 [((n − m))N ]e N x1 [m]e− N
m=0 n=0
N −1
X j2πmk
= X2 [k] x1 [m]e− N = X1 [k]X2 [k].
m=0
Exemplo: Seja x1 [n] = δ[n0 ] e x2 [n] uma sequência arbitrária definida para 0 ≤ n ≤
N − 1. Deseja-se calcular x3 [n] = x1 [n] N x2 [n].
Observe inicialmente que X3 [k] = DFT{x1 [n] N x2 [n]} = X1 [k]X2 [k]. Como X1 [k] =
j2πkn0 j2πkn0
e− N , segue que X3 [k] = X2 [k]e− N , e, pela propriedade de deslocamento circu-
lar, obtemos que x3 [n] = x2 [((n − n0 ))N ].
• Calcule a DFT de x1 [n] e de x2 [n] completadas com zeros à direita de forma com
que ambas as sequências tenham N ≥ L + P − 1 elementos.
Observe que o procedimento determina x3 [n] = x̂1 [n] N x̂2 [n], em que x̂i [n] é a
sequência xi [n] completada com zeros à direita de forma a ter N elementos. Pode-se
verificar (graficamente, por exemplo) que a condição em N garante que
N
X −1 L−1
X
x3 [n] = x̂1 [m]x̂2 [((n − m))N ] = x1 [m]x2 [n − m].
m=0 m=0
Caso ω0 não seja múltiplo de 2π/N , a DFT terá a forma de um “sinc periódico”
amostrado. Por outro lado, caso ω0 = 2πl/N , 0 ≤ l < N ,
sin(πk − ω0 N/2)
|X[k]| =
= N, k = l .
sin(πk/N − ω0 /2) 0, caso contrário
j2πnk
em que WNnk , e− N .
CAPÍTULO 5. TRANSFORMADA DISCRETA DE FOURIER 43
N/2−1 N/2−1
X X
rk
X[k] = x[2r]WN/2 + WNk rk
x[2r + 1]WN/2 ,
|{z}
r=0 r=0
| {z } “twiddle-factor” | {z }
DFT parte par de ordem N/2 DFT parte ı́mpar de ordem N/2
Aplicando o mesmo raciocı́nio recursivamente, vê-se que é possı́vel calcular a FFT com
log2 (N ) estágios de decimação no tempo.
6a Lista de Exercı́cios
Faça os Exercı́cios 8.5 a 8.15 do livro “Discrete-Time Signal Processing”, Oppenheim &
Schafer , Ed. 2, 1998.
CAPÍTULO 5. TRANSFORMADA DISCRETA DE FOURIER 44
Y (z) = X(z)H(z),
45
CAPÍTULO 6. ANÁLISE DE SLITS ATRAVÉS DE TRANSFORMADAS 46
O sistema passa-baixas ideal não é causal e a sua resposta ao impulso é infinita. Por
isso, ele não é realizável fisicamente.
(1 + z −1 )2 Y (z)
Exemplo: H(z) = 1 −1 3 −1 = X(z)
(1 − 2 z )(1 + 4 z )
1 3
⇐⇒ X(z)(1 + 2z −1 + z −2 ) = Y (z)(1 + z −1 − z −2 )
4 8
1 3
⇐⇒ y[n] + y[n − 1] − y[n − 2] = x[n] + 2x[n − 1] + x[n − 2].
4 8
• bilateral, estável
• anticausal, instável.
CAPÍTULO 6. ANÁLISE DE SLITS ATRAVÉS DE TRANSFORMADAS 47
Nem todos os sistemas H(z) possuem um sistema inverso. Para que a equação acima
seja satisfeita, as ROCs de H(z) e de Hi (z) devem se sobrepor. Supondo que H(z) seja
uma função racional,
M
Y
(1 − ck z −1 )
b0 k=1
H(z) = N
,
a0 Y
−1
(1 − dk z )
k=1
segue que
N
Y
(1 − dk z −1 )
a0 k=1
Hi (z) = M
.
b0 Y
(1 − ck z −1 )
k=1
Para que hi [n] seja causal e estável, |ck | < 1, ou seja, todos os zeros de H(z) devem estar
no interior do cı́rculo unitário.
Um SLIT com resposta ao impulso causal e estável com todos os zeros no interior do
cı́rculo unitário é dito de mı́nima fase.
Os termos da direita são responsáveis por parcelas da resposta ao impulso com duração
infinita (IIR - Infinite Impulse Response) da forma Ak (dk )n u[n]. Os termos da direita, por
sua vez, correspondem a parcelas com duração finita (FIR - Finite Impulse Response), da
forma Br δ[n − r].
A condição para que um sistema seja IIR é que algum polo em z 6= 0 não seja cancelado
por algum zero no mesmo ponto.
Exemplos:
1
1) y[n] − ay[n − 1] = x[n] =⇒ H(z) = =⇒ h[n] = an u[n], |z| > |a| (IIR).
1 − az −1
CAPÍTULO 6. ANÁLISE DE SLITS ATRAVÉS DE TRANSFORMADAS 48
M
X M
X
−k
2) H(z) = bk z =⇒ h[n] = bk δ[n − k] (FIR).
k=0 k=0
M M
an , 0 ≤ n ≤ M 1 − (az −1 )M +1
X X
3) h[n] = = n
a δ[n − m] =⇒ H(z) = an z −n =
0, caso contrário 1 − az −1
m=0 n=0
M +1
⇐⇒ y[n] − ay[n − 1] = x[n] − a x[n − M − 1] (FIR!).
Para que o sistema seja causal e estável, |dk | < 1 e |ek | < 1.
Exemplo: Considere o sistema H(z) = (1−0, 9ej0,6π z −1 )(1−0, 9e−j0,6π z −1 )(1−1, 25ej0,8π z −1 )(1−
1, 25e−j0,8π z −1 ).
Então:
HMIN (z) = (1, 25)2 (1−0, 9ej0,6π z −1 )(1−0, 9e−j0,6π z −1 )(1−0, 8ej0,8π z −1 )(1−0, 8e−j0,8π z −1 )
sin(ωc (n − α))
hLP [n] = .
π(n − α)
Note que se α ∈ Z,
sin(ωc (α − n))
hLP [2α − n] = = hLP [n],
π(α − n)
+∞
X
h[n] sin(ω(n − α) + β) = 0,
n=−∞
que impõe simetrias sobre h[n]. Por exemplo, se β = 0 ou π e 2α ∈ Z, segue que h[n] =
h[2α − n]. Alternativamente, se β = π/2 ou 3π/2, h[n] = −h[2α − n].
CAPÍTULO 6. ANÁLISE DE SLITS ATRAVÉS DE TRANSFORMADAS 50
ˆ+π
TFTD 1
jω
h[n] = hd [n] w[n] ←−−→ H(e ) = Hd (ejθ )W (ej(ω−θ) )dθ.
|{z} 2π
window −π
51
CAPÍTULO 7. PROJETO DE FILTROS DIGITAIS 52
Janela de Hanning
0, 5 − 0, 5 cos(2πn/M ), 0 ≤ n ≤ M
w[n] =
0, caso contrário
Janela de Hamming
0, 54 − 0, 46 cos(2πn/M ), 0 ≤ n ≤ M
w[n] =
0, caso contrário
Janela de Blackman
0, 42 − 0, 5 cos(2πn/M ) + 0, 08 cos(4πn/M ), 0 ≤ n ≤ M
w[n] =
0, caso contrário
sin[ωc (n − M/2)]
h[n] = w[n].
π(n − M/2)
| {z }
hd [n]
minimiza a expressão
ˆπ
2 1 Hd (ejω ) − H(ejω )2 dω.
=
2π
−π
Na prática, para se determinar ae [n] por este método deve-se recorrer a um algoritmo
numérico, como de Parks-McClellan.
Os filtros do tipo II, por sua vez, possuem resposta em frequência monotônica na banda
de passagem e equiripple na banda de rejeição. A função de transferência desses filtros é
dada por
1
|Hc (s)|2 = −1 .
2
1 + 2 VN (−js/Ωc )
57