Processamento Digital de Sinais

Processamento Digital de Sinais
Prof. Claudio José Bordin Jr. - UFABC
2018
1
Conteúdo
1 Sistemas e Sinais de Tempo Discreto 4

1.1 Sequências . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 Sistemas de Tempo Discreto . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3 Sistemas Lineares Invariantes no Tempo (SLIT) . . . . . . . . . . . . . . . . 8
1.4 Propriedades de SLITs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2 Representação de Sistemas e Sinais de Tempo Discreto no Domı́nio da

Frequência 13
2.1 Representação de Sequências por Transformadas de Fourier . . . . . . . . . 15
2.2 Propriedades da Transformada de Fourier . . . . . . . . . . . . . . . . . . . 17
2.3 Propriedades de Simetria da TFTD . . . . . . . . . . . . . . . . . . . . . . . 19
2.4 Pares Transformados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3 Amostragem de Sinais de Tempo Contı́nuo 23

3.1 Definição da TFTD a partir do sinal de tempo contı́nuo . . . . . . . . . . . 24
3.2 Conversão Digital-Analógico: Considerações Práticas . . . . . . . . . . . . . 25
3.3 Reamostragem de Sinais de Tempo Discreto . . . . . . . . . . . . . . . . . . 26
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
5 Transformada Discreta de Fourier 38

5.1 Propriedades de X[k] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
5.2 DFT - Definição Formal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5.3 Propriedades da Transformada Discreta de Fourier . . . . . . . . . . . . . . 40
5.4 Convolução Linear usando a DFT . . . . . . . . . . . . . . . . . . . . . . . . 41
5.5 Implementação de uma Convolução Circular usando o Operador Convolução
Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
5.6 Estimação Espectral usando a DFT . . . . . . . . . . . . . . . . . . . . . . 42
5.7 Cálculo da DFT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
6 Análise de SLITs através de Transformadas 45

6.1 Resposta em Frequência de um SLIT . . . . . . . . . . . . . . . . . . . . . . 45
6.2 Resposta ao Impulso de um Passa-Baixas Ideal . . . . . . . . . . . . . . . . 45
6.3 Sistemas caracterizados por equações de diferenças . . . . . . . . . . . . . . 46
6.4 Estabilidade e Causalidade . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2
CONTEÚDO 3
6.5 Sistema Inverso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

6.6 Resposta ao Impulso de Sistemas descritos por Funções Racionais . . . . . . 47
6.7 Sistemas Passa-Tudo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
6.8 Sistemas de Mı́nima Fase . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
6.9 SLITs com Fase Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
7 Projeto de Filtros Digitais 51

7.1 Projeto de Filtros por Janelamento . . . . . . . . . . . . . . . . . . . . . . . 51
7.2 Método de Amostragem em Frequência . . . . . . . . . . . . . . . . . . . . . 53
7.3 Aproximação Ótima de Filtros FIR . . . . . . . . . . . . . . . . . . . . . . . 53
7.4 Projeto de Filtros IIR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
Capı́tulo 1
Sistemas e Sinais de Tempo

Discreto
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.
T ∈ R é chamado “perı́odo de amostragem” e 1/T a “frequência de amostragem”.

Observe que x[n] não é definido para n ∈
/ Z.
1.1.1 Operações sobre sequências

• z[n] = x[n] + y[n] ⇒ a soma é efetuada amostra por amostra
• w[n] = α x[n] ⇒ multiplicação amostra por amostra
• y[n] = x[n − n0 ] n0 ∈ Z ⇒ y[n] é uma versão atrasada ou deslocada de x[n].
1.1.2 Sequências “Básicas”

• Amostra Unitária (impulso)

1, n = 0
δ[n] ,
6 0
0, n =
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
Além disso: δ[n] = u[n] − u[n − 1].
1.1.3 Sequências Exponenciais (Reais)
x[n] , A αn , A, α ∈ R
• Se A e α forem reais, x[n] é real.
• Se 0 < α < 1 e A > 0, x[n] é positiva e decrescente.
• Se −1 < α < 0, x[n] é oscilante. Porém, |x[n]| é decrescente.
• Se |α| > 1, |x[n]| cresce com n.
1.1.4 Sequências Senoidais

x[n] , A cos(ω0 n + φ),
em que ω0 é a frequência (rad/amostra).

Diferentemente do caso contı́nuo, uma sequência senoidal pode não ser periódica.
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:
x[n] = A cos(ω0 n + φ) = A cos(ω0 n + ω0 N + φ) = x[n + N ]

⇐⇒ ω0 N = 2πk, k ∈ Z
⇐⇒ ω0 = 2πk/N.
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).
Em consequência, existem somente N valores de ω0 que resultam em sequências periódicas:

2π 4π N −1
0, , ,··· , 2π
N N N
1.1.5 Sequências Exponenciais Complexas

x[n] , A αn , A, α ∈ C
Definindo A , |A|ejφ e α , |α|ejω , segue que
x[n] = |A| |α|n ej(φ+nω0 ) .
Como ej(φ+nω0 ) = cos(φ + nω0 ) + j sin(φ + nω0 ) (Fórmula de Euler),
x[n] = |A| |α|n cos(φ + nω0 ) + j|A| |α|n sin(φ + nω0 ).
Observe que, se |α < 1|, |x[n]]| −−−→ 0.

n→∞
1.2 Sistemas de Tempo Discreto

Um sistema de tempo discreto é definido matematicamente como um operador que mapeia
uma sequência de entrada x[n] numa sequência de saı́da y[n], i.e., y[n] = T {x[n]}.
Em geral, o valor de y[n] pode depender de x[n], ∀n.
Exemplos:
1) Sistema “atraso ideal”
y[n] = x[n − nd ], −∞ < n < ∞, nd ∈ N.
2) Média Móvel
M2
1 X
y[n] = x[n − k]
M 1 + M2 + 1
k=−M1
1.2.1 Sistemas sem memória

Um sistema é dito “sem memória” se y[n] depender somente de x[n].
Exemplo: y[n] = (x[n])2 , ∀n ∈ Z

1.2.2 Sistemas Lineares

Um sistema é dito linear se obedecer o princı́pio da sobreposição, i.e.,
T {x1 [n] + x2 [n]} = T {x1 [n]} + T {x2 [n]}

T {ax[n]} = a T {x[n]}, ∀ ∈ R
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]}.
1.2.3 Sistemas invariantes no tempo (S.I.T.)

Um S.I.T. ou “sistema invariante a deslocamentos” é um sistema para o qual um desloca-
mento na sequência de entrada provoca um deslocamento correspondente na sequência de
saı́da.
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
y[n] = x[M n], −∞ < n < +∞, M > 0.
A resposta do sistema a x1 [n] é y1 [n] = x1 [M n] = x[M n − n0 ]. Ocorre, porém, que

y[n − n0 ] = x[M (n − n0 )] 6= y1 [n]. Assim, este sistema é “variante no tempo”.
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”.
Exemplo: O sistema Forward Difference, definido pela relação
y[n] = x[n + 1] − x[n]
não é causal.
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.,
|x[n]| < BX < ∞ =⇒ |y[n]| < BY < ∞, ∀n,
em que BX e BY são constantes.

Pn
Exemplo: O sistema “acumulador” y[n] = k=−∞ x[k] não é estável no sentido BIBO.
Por exemplo, se x[n] = u[n], então
n
X 0, n<0
y[n] = u[k] =
n + 1, n ≥ 0
k=−∞
Como não existe BY finito tal que y[n] < BY , ∀n, o sistema não é estável.
1.3 Sistemas Lineares Invariantes no Tempo (SLIT)

Pelo princı́pio da sobreposição, pode-se escrever:
( +∞ )
X
y[n] = T {x[n]} = T x[k]δ[n − k]
k=−∞
+∞
X +∞
X
= x[k]T {δ[n − k]} , x[k]hk [n],
k=−∞ k=−∞
em que hk [n] , T {δ[n − k]} é a resposta ao impulso do sistema no instante k.

A propriedade de invariância temporal implica que, se h0 [n] for a resposta a δ[n], então
a resposta a δ[n − k] será h0 [n − k]. Assim
+∞
X +∞
X
y[n] = x[k]hk [n] = x[k]h[n − k],
k=−∞ k=−∞
em que h[n] , h0 [n] é a resposta ao impulso do sistema (igual em todos os instantes).

Como consequência, um SLIT é completamente caracterizado pela sua resposta ao im-
pulso. Isto é, dado h[n], é possı́vel calcular y[n] para qualquer x[n].
Definição: Somatório de Convolução
+∞
X
y[n] = x[n] ∗ y[n] ⇐⇒ y[n] = x[k]h[n − k]
k=−∞
Exemplo: Considere o sistema com resposta ao impulso

1, 0 ≤ n ≤ N − 1
h[n] = u[n] − u[n − N ] =
0, caso contrário
Seja x[n] = an u[n]. Então:

+∞
X
y[n] = x[k]h[n − k]
k=−∞
+∞
X
= ak u[k](u[n − k] − u[n − k − N ])
k=−∞
+∞
X +∞
X
k
= a u[n − k] − ak u[n − k − N ],
k=0 k=0
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
Para calcular o resultado das somas, note que

N2
X αN1 − αN2 +1
αk = , N2 ≥ N1 .
1−α
k=N1
Verificação:
αN1 + αN1 +1 + · · · + αN2 −1 + αN2 (1 − α)

= αN1 + αN1 +1 + · · · + αN2 −1 + αN2 − αN1 +1 + · · · + αN2 + αN2 +1

= 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
1.4 Propriedades de SLITs

Um SLIT é completamente descrito por uma soma de convolução. Suas propriedades,
portante, decorrer das propriedades dessa soma.
Por exemplo, a operação de convolução é comutativa. Para se verificar isso, note que:
+∞
X +∞
X
y[n] = x[k]h[n − k] = x[n − m]h[m], m , n − k
k=−∞ m=−∞
=⇒ x[n] ∗ h[n] = h[n] ∗ x[n].

Da mesma forma, pode-se verificar que a operação de convolução é distributiva sobre
a adição:
+∞
X
x[n] ∗ (h1 [n] + h2 [n]) = x[k](h1 [n − k] + h2 [n − k] =
k=−∞
+∞
X +∞
X
= x[k]h1 [n − k] + x[k]h2 [n − k] = x[n] ∗ h1 [n] + x[n] ∗ h2 [n].
k=−∞ k=−∞
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=−∞
Uma consequência da comutatividade do operador convolução é que a resposta ao

impulso de uma associação em série de SLITs é igual independentemente da ordem em
que os sistemas são associados.
Da mesma forma, a associação paralela de SLITs é quivalente, pela propriedade dis-

tributiva, à resposta de um único sistema:
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=−∞
Isto vale porque, pela Desigualdade Triangular,

+∞
X +∞
X
|y[n]| = h[k]x[n − k] ≤ |h[k]| |x[n − k]|.

k=−∞ k=−∞
Se x[n] for limitado, ou seja, |x[k]| < BX < ∞, então

+∞
X
|y[n]| < BX |h[k]| < ∞.
k=−∞
Observação: A condição acima é necessária. Para verificar isto, note que se S = ∞, a

sequencia limitada ∗
h [−n]/|h[n]|, h[n] 6= 0
x[n] =
0, h[n] = 0
provoca saı́da ilimitada em n = 0.
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.
1.4.1 Determinação da Resposta ao Impulso de SLITs

1) Atraso Ideal: h[n] = δ[n − nd ]
+∞
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
4) Diferença (causal): h[n] = δ[n] − δ[n − 1]
+∞
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].
5) Diferença (anti-causal): h[n] = δ[n + 1] − δ[n]
+∞
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
(Oppenheim, Sec. 2.6) Fundamento: funções exponenciais complexas são autofunções de

SLITs. Isto é, se x[n] = ejωn , ∀n ∈ Z, então:
y[n] = h[n] ∗ x[n]
+∞
X
= h[k] |ejω(n−k)
{z }
k=−∞ x[n−k]
+∞
" #
X
= ejωn h[k]e−jωk
k=−∞
= x[n] · H(ejω )
|{z} | {z }
autofunção autovalor
P+∞ −jωk
Em geral, H(ejω ) , k=−∞ h[k]e é uma função complexa.
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
A jω0 n jφ A −jω0 n −jφ

x[n] = e e + e e
2 2
A A
∴ y[n] = ejω0 n H(ejω0 )ejφ + e−jω0 n H(e−jω0 )e−jφ .
2 2
Se h[n] for real, H(e−jω ) = H ∗ (ejω ) (Simetria Hermetiana). Verifique!

Assim:
A jω0 n A
y[n] = e H(ejω0 )ejφ + e−jω0 n H ∗ (ejω0 )e−jφ
2 2
= A <{H(ejω0 )ej(ω0 n+φ) }
= A <{|H(ejω0 )|ej(ω0 n+φ+θ) }
= A |H(ejω0 )| cos (ω0 n + φ + θ),
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
1 ejωM1 − e−jω(M2 +1)

= ·
M1 + M2 + 1 1 − ejω
M1 −M2 −1 M1 +M2 +1 M1 +M2 +1
1 ejω 2 ejω 2 − e−jω 2
= · −jω/2
·
M1 + M2 + 1 e ejω/2 − e−jω/2
M1 −M2
ejω 2 sin (ω(M1 + M2 + 1)/2)
= , (função “sinc” periódico)
M1 + M2 + 1 sin (ω/2)
pois sin(β) = (eβ − e−β )/2j.

A figura a seguir mostra o gráfico de |H(ejω )| e de ∠H(ejω ) para M1 = 0 e M2 = 4.
Observação:
+∞
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

determiná-la em qualquer intervalo de tamanho 2π, por exemplo, π ≤ ω ≤ π ou

0 ≤ ω ≤ 2π.
2.1 Representação de Sequências por Transformadas de

Fourier
Muitas (mas nem todas!) sequências x[n] podem ser representadas pela Integral de Fourier
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=−∞
Em geral, X(ejω ) é uma função complexa de ω ∈ R.

Observe que, se a soma infinita acima convergir uniformemente, pode-se escrever:
ˆπ +∞
!
1 X
−jωm
x[m]e ejωn dω =
2π m=−∞
−π
ˆπ
 
+∞
X 1
= x[m]  ejω(n−m) dω 
m=−∞
2π
−π
+∞
!
X 1 ejπ(n−m) − e−jπ(n−m)
= x[m] ·
m=−∞
2π j(n − m)
+∞
X sin(π(n − m))
= x[m] = x[n].
m=−∞
π(n − m)
A última igualdade vale porque, para n 6= m, sin(π(n − m)) = 0, e, para n = m,
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)
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
se |ae−jω | < 1 ⇒ |a| < 1.

jω 1, |ω + 2πk| < ωc
b) H(e ) = , k ∈ Z. (Passa-baixas ideal)
0, caso contrário
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
A última igualdade decorre do fato de que há apenas um impulso no intervalo de

integração (em ω = 0).
+∞
X
d) X(ejω ) = 2πδ(ω − ω0 + 2πr), |ω0 | < π
r=−∞
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
Novamente, a última igualdade decorre do fato de haver apenas um impulso no intervalo

de integração (em ω = ω0 ). O caso em que ω0 = π pode ser tratado mudando o intervalo
de integração para [0 2π].
2.2 Propriedades da Transformada de Fourier

Sequência Transformada
x[n], y[n] X(ejω ), Y (ejω )
1. ax[n] + by[n] aX(ejω ) + bY (ejω )
2. x[n − nd ] e−jωnd X(ejω )
3. ejω0 n x[n] X(ej(ω−ω0 ) )
4. x[−n] X(e−jω )
dX(ejω )
5. nx[n] j
dω
6. x[n] ∗ y[n] X(ejω )Y (ejω )
ˆπ
1
7. x[n]y[n] X(ejθ )Y (ej(ω−θ) )dθ
2π
−π
Relações de Parseval:
+∞ ˆπ
X
2 1
8. |x[n]| = |X(ejω )|2 dω
n=−∞
2π
−π
+∞ ˆπ
X
∗ 1
9. x[n]y [n] = X(ejω )Y ∗ (ejω )dω
n=−∞
2π
−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 ).
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 ).
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=−∞
8) Observe que |x[n]|2 = x[n]x∗ [n]. Como

+∞ +∞
!∗
X X
TFTD{x∗ [n]} = x∗ [n]e−jωn = x[n]e−j(−ω)n = X ∗ (e−jω ),
n=−∞ n=−∞
segue que (Propriedade 7)

+∞
X
|x[n]|2 = TFTD{x[n]x∗ [n]}|ω=0 =
n=−∞
ˆπ ˆπ

1 jθ ∗ j(θ−ω) 1
|X(ejθ )|2 dθ.

= X(e )X (e )dθ =
2π 2π
−π ω=0 −π
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
2.3 Propriedades de Simetria da TFTD

Sequência TFTD
1. x∗ [n] X ∗ (e−jω )
2. x∗ [−n] X ∗ (ejω )
3. <{x[n]} Xe (ejω ) (even)
4. j={x[n]} Xo (ejω ) (odd)
5. xe [n] <{X(ejω )}
6. xo [n] ={X(ejω )}
2.3.1 Verificação
+∞
( +∞
)∗
X X
1) TFTD{x∗ [n]} = x∗ [n]e−jωn = x[n]e+jωn = X ∗ (e−jω ).
n=−∞ n=−∞
+∞
( +∞
)∗
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).
8) |X(ejω )| = |X ∗ (e−jω )| = |X(e−jω )| (a magnitude é par).
9) ∠X(ejω ) = ∠X ∗ (e−jω ) = −∠X(e−jω ) (a fase é ı́mpar).
2.4 Pares Transformados

1) δ[n] ←→ 1
∞
X
δ[n]e−jωn = 1.
n=−∞
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=−∞
pois somente o impulso em ω = 0 está no intervalo de integração.

1
4) an u[n] (|a| < 1) ←→
1 − ae−jω
+∞ +∞
X X 1
an u[n]e−jωn = (ae−jω )n =
n=−∞
1 − ae−jω
n=0
∞
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
Isto implica que

e−jω
←→ nan−1 u[n].
(1 − ae−jω )2
Usando a propriedade de deslocamento temporal, segue agora que:
1
←→ (n + 1)an u[n + 1] = (n + 1)an u[n],
(1 − ae−jω )2
em que a última igualdade decorre do fato de n + 1 = 0 se n = −1.
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 )
A B A(1 − be−jω ) + B(1 − ae−jω )

X(ejω ) ≡ + = =
1 − ae−jω 1 − be−jω (1 − ae−jω )(1 − be−jω )
(A + B) − (Ab + Ba)e−jω
= .
(1 − ae−jω )(1 − be−jω )
Isto implica que
A+B = 1 A = a/(a − b)
⇐⇒ .
Ab + Ba = 0 B = −b(a − b)
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
e−jωnd , ωc < |ω| < π

jω
3) Seja X(e ) = , com perı́odo 2π subentendido.
0, |ω| < ωc
Esta jω −jωnd (1−R(ejω )), em que R(ejω ) =
função pode ser representada como X(e ) = e
1, ωc < |ω| < π
.
0, |ω| < ωc
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
Amostragem de Sinais de Tempo

Contı́nuo
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=−∞
em que os cn , os coeficientes da série, são dados por:

ˆT /2 ˆT /2
1 −j2πnt/T 1 1
cn , s(t)e dt = δ(t)e−j2πnt/T dt = ,
T T T
−T /2 −T /2
pois no intervalo de integração (igual a um perı́odo do sinal) há apenas um impulso.

Como resultado, obtemos que
ˆ
+∞
1 1
Xs (Ω) = Xc (Ω) ∗ S(Ω) = S(α)Xc (Ω − α)dα
2π 2π
Ω=−∞
ˆ
+∞ ∞
1 2π X 2πn
= δ(α − )Xc (Ω − α)dα
2π T n=−∞
T
Ω=−∞
∞
1 X 2πn
= Xc Ω− .
T n=−∞
T
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
3.1 Definição da TFTD a partir do sinal de tempo contı́nuo

Conforme visto na seção anterior, o sinal amostrado é dado por
+∞
X
xs (t) = δ(t − nT )xc (t).
n=−∞
Calculando-se diretamente a TF deste sinal, obtemos que

ˆ
+∞ +∞
X ˆ
+∞
−jΩt
Xs (Ω) , xs (t)e dt = xc (t)δ(t − nT )e−jΩt dt =
t=−∞ n=−∞t=−∞
+∞
X
= xc (nT )e−jΩT n .
n=−∞
Observe que o resultado acima coincide com a definição da TFTD (Capı́tulo 1) se x[n] ,
xc (nT ) e ω , ΩT .
3.2 Conversão Digital-Analógico: Considerações Práticas

Muitos conversores digital-analógico práticos têm resposta do tipo zero-order hold (ZOH),
ou seja, mantêm a saı́da constante durante o intervalo de amostragem. Isto equivale
(verifique!) a utilizar um filtro de reconstrução com resposta ao impulso

1/T, |t| < T
hr (t) = .
0, caso contrário
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 1: Qual é a resposta em frequência da concatenação de um A/D com um D/A

ZOH?
Exercı́cio 2: Quais são os possı́vel resultados da amostragem do sinal cos(Ω0 t) ?
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.
3.3 Reamostragem de Sinais de Tempo Discreto

3.3.1 Subamostragem (Downsampling - ↓ M )
Seja M ∈ N e xd [n] , x[nM ] = xc (nM T ). Explorando-se os fatos de que
ω +∞
jω 1 X ω 2πk
X(e ) = Xs = Xc −
T T T T
k=−∞
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
Observe que se X(ejω )

contiver componentes com frequência ωc > π/M o processo de
subamostragem produzirá aliasing:
3.3.2 Sobreamostragem (Upsampling - ↑ L)

O sinal sobreamostrado xi [n] pela taxa L é definido como

x[n/L] = xc (nT /L), n = 0, ±L, ±2L, · · ·
xi [n] = ,
0, caso contrário
ou seja,
+∞
X
xi [n] = x[k]δ[n − kL].
k=−∞
No domı́nio da frequência, temos:

+∞
X +∞
X +∞
X
Xi (ejω ) = xi [n]e−jωn = x[k]δ[n − kL]e−jωn =
n=−∞ n=−∞ k=−∞
+∞
X
= x[k]e−jωkL = X(ejωL ).
k=−∞
Diferentemente do caso anterior, o processo de sobreamostragem não produz alia-

sing. Ocorre, porém, o surgimento de réplicas do espectro original deslocadas de 2π/L
(rad/amostra):
Exercı́cio: Qual é a resposta em frequência da associação, em série, de uma operação

de downsampling seguida por uma de upsampling, ambas com taxa M = 2?
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
A transformada Z (TZ) de uma sequência é definida pela soma

+∞
X
X(z) , Z{x[n]} , x[n]z −n .
n=−∞
A TZ mapeia uma sequência numa função de variável complexa; usando a notação

polar z , rejω , segue que
+∞
X
X(z) , (x[n]r−n )e−jωn ,
n=−∞
que pode ser interpretada como a TFTD da sequência x[n]r−n . Se r = 1, ambas a

transformadas coincidem (se existirem e forem contı́nuas).
Similarmente à TFTD, a TZ não converge para todas as sequências ou para todos os
valores de z; dada uma sequência, o conjunto de valores de z para os quais a TZ converge
é chamado de região de convergência (ROC - Region of Convergence).
A convergência absoluta da TZ ocorre se (condição suficiente)
+∞
X
|x[n]r−n | < ∞.
n=−∞
Esta condição só depende de r = |z|, uma vez que

+∞ +∞ +∞
X X X
−n
|X(z)| = x[n]r ≤ |x[n]r−n | = |x[n]| · |r−n |.

n=−∞ n=−∞ n=−∞
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).
Exemplo 1: x[n] = an u[n].
+∞ +∞
X
n −n
X 1 z
X(z) = a z u[n] = (az −1 )n = −1
= ,
n=−∞
1 − az z−a
n=0
se |az −1 | < 1 =⇒ |z| > |a|. Note que a TFTD existe

se |a| < 1.
28
CAPÍTULO 4. A TRANSFORMADA Z 29
Exemplo 2: x[n] = −an u[−n − 1].
+∞ −1
X X −1 z
X(z) = − an z −n u[−n−1] = (az −1 )n = − = ,
n=−∞ n=−∞
1 − az −1 z−a
se |az −1 | > 1 =⇒ |z| < |a|. A TFTD existe se |a| > 1.

Importante: observe que a TZ das sequências dos Exemplos 1 e 2 têm a mesma ex-
pressão; elas diferem apenas na ROC.
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

A ROC é a intersecção das regiões |z| > 13 e |z| < 12 , ou

seja, 13 < |z| < 12 . Como a ROC não contém o cı́rculo
unitário, não existe TFTD para a sequência x[n].
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.
4.1 Outros Pares Transformados

+∞
X
a) Z{δ[n]} = δ[n]z −n = 1, ROC = {C}.
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
+∞
X
n
g) Z{r x[n]} = x[n](z/r)−n = X(z/r).
n=−∞
4.2 Propriedades da ROC para a TZ

Supondo que |x[n]| < ∞ e X(z) seja uma função racional, seque que:
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.
3) A ROC não pode conter nenhum polo.
4) Se x[n] tiver duração finita, a ROC é o plano Z inteira exceto talvez z = 0 ou z = ∞.
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.
8) A ROC deve ser uma região conectada.
4.3 A Transformada Z inversa

4.3.1 Método de Inspeção
Consultando uma tabela de pares transformados, temos que:
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].
4.3.2 Expansão em Frações Parciais

Pelo Teorema Fundamental da Álgebra, podemos escrever
M
X M
Y
bk z −k b0 (1 − ck z −1 )
k=0 k=1
X(z) = N
= N
,
X Y
−k −1
ak z a0 (1 − dk z )
k=0 k=1
em que ck são os zeros não-nulos de X(z) e dk são os polos de X(z).

Pode-se mostrar que X(z) pode ser reescrito como:
M −N N s
X
−r
X Ak X Cm
X(z) = Br z + + ,
1 − dk z −1 (1 − di z −1 )m
r=0 k=1 m=1
| {z } k6=i | {z }
se M ≥N | {z } polo de multiplicidade s
polos simples (se houver)
| {z }
,φ(z)
em que
• Br pode ser obtido dividindo-se o numerador pelo denominador (se M ≥ N ).

−1

• Ak = (1 − dk z )φ(z) , em que dk são os polos simples.
z=dk
s−m
1 d s −1

• Cm = (1 − di w) φ(w ) em que di é o (único)
(s − m)!(−di )s−m dws−m w=d−1
i
polo de multiplicidade s; se houver mais de um polo múltiplo, o último termo da
expansão se repetirá para cada um deles.
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
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.
4.3.3 Expansão em Série de Potência

Se for possı́vel representar X(z) por uma série de potências, a antitransformada x[n] é
dada pelos coeficientes da série, já que, por definição
∞
X
X(z) = x[n]z −n .
n=−∞
Exemplo: X(z) = ln(1 + az −1 ), |z| > |a|.
Expandindo a função ln(1 + x) em Série de Taylor em torno de x = 0, temos:

+∞ r r
X x d
ln(1 + x) = ln(1 + x)
r! dxr x=0
r=0
1 x2 x3

x 1 −1 2
= [ln(1 + x)]x=0 + + + +
1! 1 + x x=0 2! (1 + x)2 x=0 3! (1 + x)3 x=0
x4 xn (−1)n−1 (n − 1)!

−6
+ + · · · +
4! (1 + x)4 x=0 n! (1 + x)n x=0
x2 x3 x4 (−1)n−1 xn
=x− + − + ··· + .
2 3 4 n
+∞
X (−1)n−1 an
Fazendo x = az −1 , segue que X(z) = z −n . A antitransformada é então
n
n=1
(−1)n−1 an
dada pelos coeficientes da série, i.e., x[n] = u[n − 1].
n
4.3.4 Transformada Z inversa usando integrais de linha

A TZ inversa pode ser calculada através da expressão
‰
1
x[n] = X(z)z n−1 dz
2πj C
em que C é qualquer contorno contido na ROC que envolva a origem.
X∞
Demonstração: Tomando a igualdade X(z) = x[k]z −k , multiplicando ambos os
k=−∞
lados por z n−1 e integrando, segue que
‰ ‰ +∞ +∞ ‰
1 1 X X 1
X(z)z n−1 dz = x[k]z n−k−1 dz = x[k] z n−k−1 dz.
2πj C 2πj C k=−∞ 2πj C
k=−∞
Pelo Teorema Integral de Cauchy, sabe-se que

‰
1 1, n = k
z n−k−1 dz = = δ[n − k].
2πj C 0, caso contrário
Assim,
‰ +∞
1 X
X(z)z n−1 dz = x[k]δ[n − k] = x[n].
2πj C k=−∞
Cálculo da Integral de Contorno

A integral de contorno pode ser calculada pelo Teorema dos Resı́duos de Cauchy, i.e.,
‰
1 X
X(z)z n−1 dz = resı́duos de X(z)z n−1 nos polos internos a C .

x[n] =
2πj C
Por sua vez, o resı́duo n−1 num polo em z = d de multiplicidade s é dado

s−1 de X(z)z 0
1 d ψ(z)
por , em que ψ(z) , X(z)z n−1 (z − d0 )s .
(s − 1)! dz s−1 z=d0
1
Exemplo: Seja X(z) = −1
, |z| > |a|.
1 − az
zn
Para n ≥ 0, X(z)z n−1 = só tem um polo em z = a. Como o contorno C deve
z−a
zn
estar na ROC (|z| > |a|), ele circundará o polo z = a. O resı́duo de no único polo
z−a
interno ao contorno é dado por [X(z)z n (z − a)]z=a = [z n ]z=a = an .
zn
Para n < 0, no entanto, X(z)z n−1 = terá um polo em z = a e um polo de
z−a
multiplicidade −n em z = 0. A integral, portanto, será igual à soma dos resı́duos nesses
dois polos:
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
d−n−1 (−1)−n−1 (−n − 1)!

1
Como −n−1 = (verifique!), segue que
dz z−a (z − a)−n
(−1)−n−1
x[n] = an + = an − an = 0.
(−a)−n
4.4 Propriedades da Transformada Z

1) Linearidade
Z
ax1 [n] + bx2 [n] ←
→ aX1 (z) + bX2 (z)
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 ] ←
A ROC{x[n − n0 ]} é igual à ROC{x[n]}, acrescentando ou retirando os pontos z = 0

e z = ∞ a depender do sinal de n0 .
+∞ +∞
!
X X
−n −m
Verificação: Y (z) = x[n − n0 ]z = x[m]z z −n0 .
n=−∞ m=−∞
| {z }
X(z)
3) Multiplicação por uma função exponencial

Z
z0n x[n] ←
→ X(z/z0 ), ROC{z0n x[n]} = ROC{x[n]}|z0 |.
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=−∞
7) Convolução de duas sequências

Z
y[n] = x1 [n]∗x2 [n] ←
→ Y (z) = X1 (z)X2 (z), ROC{y[n]} ⊃ ROC{x1 [n]}∩ROC{x2 [n]}.
+∞
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=−∞
8) Teorema do valor inicial
Se x[n] for uma sequência causal, então x[0] = lim X(z).

z→∞
+∞
X
Verificação: X(z) = x[n]z −n =⇒ lim X(z) = x[0].
z→∞
n=0
9) Teorema da convolução complexa
Se w[n] = x1 [n]x2 [n], então:

‰
1
W (z) = X1 (z/v)X2 (v)v −1 dv
2πj C2
‰
1
= X1 (v)X2 (z/v)v −1 dv,
2πj C1
em que C1 é um contorno fechado que engloba a ROC de X1 (v)X2 (z/v) e C2 é outro

contorno que engloba a ROC de X1 (z/v)X2 (v).
Se ROC{x1 [n]} = {rR1 < |z| < rL1 } e ROC{x2 [n]} = {rR2 < |z| < rL2 }, pode-se
verificar que ROC{w[n]} = {rR1 rR2 < |z| < rL1 rL2 }.
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
10) Relação de Parseval

+∞
X
x1 [n]x∗2 [n] = Z{x1 [n]x∗2 [n]}z=1
n=−∞
‰
1
= X1 (1/v)X2∗ (v ∗ )v −1 dv
2πj C2
‰
1
= X1 (v)X2∗ (1/v ∗ )v −1 dv,
2πj C1
em que C1 e C2 são contornos definidos como no item 9).
4.5 Transformada Z Unilateral

A TZ unilateral é definida como
+∞
X
X(z) , x[n]z −n .
n=0
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:
Y(z) = x[−m] + x[−m + 1]z −1 + · · · + x[−1]z −m+1 + x[0]z −m + x[1]z −m−1 +

· · · + x[n]z −m+n + · · ·
m−1
X
= x[k − m]z −k +z −m X(z).
k=0
| {z }
condições iniciais
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
Transformada Discreta de Fourier
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=−∞
5.1 Propriedades de X[k]

N −1
1 X j2πkn
Defina x̃[n] , X[k]e N . Expressando x̃[n] em função de x[n], obtemos
N
k=0
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]
Observe agora que

N −1 +∞
X j2πk(n−m) 1 − ej2π(n−m) n
N, n−m=rN
X
e N = j2π(n−m)
= 0, n−m6=rN = δ[m − (n − rN )],
k=0 1−e N r=−∞
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
5.2 DFT - Definição Formal

Seja x[n] uma sequência não-nula apenas no intervalo 0 ≤ n ≤ N − 1. Então, pode-se
estabelecer o par transformado
N
X −1
X[k] = x[n]WNkn , 0 ≤ k ≤ N − 1,
n=0
N −1
1 X
x[n] = X[k]WN−kn , 0 ≤ n ≤ N − 1,
N
k=0
em que WN , e−j2π/N .
Observação: A DFT pode ser representada através de uma operação matricial

  0
WN0 WN0 WN0

WN ···
 
X[0] x[0]
N −1
 X[1]   WN0 WN1 WN2 · · · WN   x[1] 

   2(N −1) 
 X[2]  W 0 WN 2 WN 4 · · · WN   x[2] 
 
 = N 
 ..   .. .. .. ..  .. 
 .   . . . .

 . 
2(N −1) (N −1) 2
X[N − 1] W 0 W N −1
W ··· W x[N − 1]
N N N 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
Por outro lado,

+∞ N −1
X X 1 − ejωN
X(ejω ) = x[n]e−jωn = e−jωn =
n=−∞
1 − ejω
n=0
jωN

jωN − jωN
−e 2 e 2 −e 2
jω(N −1) sin(ωN/2)
= jω
jω
=e 2 .
−e − jω sin(ω/2)
2 e 2 −e 2
5.3 Propriedades da Transformada Discreta de Fourier

1) Linearidade
DFT
ax1 [n] + bx2 [n] ←−→ aX1 [k] + bX2 [k].
2) Deslocamento Circular no Tempo
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
Usando o fato de que n = ((n − m))N + m + rN , segue que

N −1
X j2πk((n−m))N j2πk(m+rN )
DFT{x[((n − m))N ]} = x[((n − m))N ]e− 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
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 ].
5.4 Convolução Linear usando a DFT

Se x1 [n] tiver comprimento L e x2 [n] comprimento P , a convolução linear dessas sequências
pode ser calculada da seguinte forma:
• 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.
• Calcule x3 [n] = IDFT{DFT{x1 [n]}DFT{x2 [n]}}.

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
5.5 Implementação de uma Convolução Circular usando o

Operador Convolução Linear
Para que isto ocorra, deve valer que
N
X −1 +∞
X
x3 [n] = x1 [m]x2 [((n − m))N ] = x̂1 [m]x̃2 [n − m],
m=0 m=−∞

x1 [m], 0 ≤ n ≤ N − 1
em que x̂1 [m] = e x̃2 [l] = x2 [((l))N ] é a extensão periódica de
0, caso contrário
x2 [l].
5.6 Estimação Espectral usando a DFT

Seja x[n] = ejω0 n . A DFT deste sinal é dada por
N −1 2πk
X
−j ( 2πk −ω0 )n 1 − e−j ( N −ω0 )N
X[k] = e N = 2πk
n=0 1 − e−j ( N −ω0 )
2πk (N −1) sin(πk − ω0 N/2)
= e−j ( N
−ω0) 2 .
sin(πk/N − ω0 /2)
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
Note também que se l < 0, a “raia” espectral aparecerá em N + l.
5.7 Cálculo da DFT

Há diversas famı́lias de algoritmos rápidos (FFT - Fast Fourier Transform) para o cálculo
da DFT. Para uma referência geral, veja o Capı́tulo 9 de Oppenheim & Schafer.
Um dos primeiros algoritmos FFT inventados foi o de decimação no tempo, descrito a
seguir.
Suponha que N = 2ν . Assim,
N
X −1 X X
X[k] = x[n]WNnk = x[n]WNnk + x[n]WNnk ,
n=0 n par n ı́mpar
j2πnk
em que WNnk , e− N .
Fazendo n = 2r (par) e n = 2r + 1 (ı́mpar):

N/2−1 N/2−1
(2r+1)k
X X
X[k] = x[2r]WN2rk + x[2r + 1]WN
r=0 r=0
N/2−1 N/2−1
X X
= x[2r]WN2rk + WNk x[2r + 1]WN2rk .
r=0 r=0
Como WN2rk = WN/2

rk , segue que
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
= E[k] + WNk O[k].
Figura 5.1: Exemplo de FFT com N = 8. (Fonte: Wikipedia)
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.
Figura 5.2: Exemplo de FFT com N = 8. (Fonte: Wikipedia)

Capı́tulo 6
Análise de SLITs através de

Transformadas
Um SLIT é completamente caracterizado no domı́nio do tempo pela sua resposta ao im-

pulso h[n]:
+∞
X
y[n] = x[n] ∗ h[n] = x[k]h[n − k].
k=−∞
A mesma relação pode ser expressa através da TFTD
Y (ejω ) = X(ejω )H(ejω ),
caso esta transformada exista, ou da Transformada Z
Y (z) = X(z)H(z),
na sua região de convergência.
6.1 Resposta em Frequência de um SLIT

Se Y (ejω ) = X(ejω )H(ejω ), então
|Y (ejω )| = |X(ejω )| · |H(ejω )|,

∠Y (ejω ) = ∠X(ejω ) + ∠H(ejω ).
Define-se também o atraso de grupo

d d
τ (ω) , grd[H(ejω )] , − ∠H(ejω ) , − arg H(ejω )
| {z } dω dω
group delay
6.2 Resposta ao Impulso de um Passa-Baixas Ideal

O sistema passa-baixas ideal tem resposta em frequência

jω 1, |ω| < ωC
HLP (e ) = .
0, ωC < |ω| ≤ π
45
CAPÍTULO 6. ANÁLISE DE SLITS ATRAVÉS DE TRANSFORMADAS 46
A resposta ao impulso é dada por

ˆ+π ˆ C
+ω
1 jω jωn 1
hLP [n] = HLP (e )e dω = ejωn dω
2π 2π
−π −ωC
+ω
1 ejωn C ejωC n − e−jωC n sin(ωC n)
= = = .
2π jn −ωC 2jπn πn
O sistema passa-baixas ideal não é causal e a sua resposta ao impulso é infinita. Por
isso, ele não é realizável fisicamente.
6.3 Sistemas caracterizados por equações de diferenças

Considere uma classe de sistemas cuja relação entrada-saı́da satisfaça
N
X M
X
ak y[n − k] = bl x[n − l].
k=0 l=0
Tomando-se a Transformada Z de ambos os lados

N M
! !
X X
ak z −k Y (z) = bl z −l X(z)
k=0 l=0
| {z } | {z }
A(z) B(z)
A(z)
⇒ Y (z) = X(z) , H(z) X(z).
B(z) | {z }
função racional
de z
(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
6.4 Estabilidade e Causalidade

Uma equação de diferenças não caracteriza unicamente h[n]. Se for imposto que h[n] seja
causal e estável, H(z) deve convergir no exterior de um cı́rculo de raio r < 1.
5
Exemplo: y[n] − y[n − 1] + y[n − 2] = x[n]
2
1 1
⇐⇒H(z) = 5 −1 −2
= 1 −1
1 − 2z + z (1 − 2 z )(1 − 2z −1 )
Como H(z) tem polos em z = 1/2 e z = 2, a equação de diferenças possui três tipos
de soluções:
• causal, instável
• bilateral, estável
• anticausal, instável.
6.5 Sistema Inverso

Hi (z) é o sistema inverso de H(z) se
Z
H(z)Hi (z) = 1 ⇐⇒ h[n] ∗ hi [n] = δ[n].
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.
6.6 Resposta ao Impulso de Sistemas descritos por

Funções Racionais
Para todo H(z) com N polos simples e numerador de ordem M vale
M −N N
X
−r
X Ak
H(z) = Br z +
1 − dk z −1
r=0 k=1
| {z }
FIR
| {z }
IIR
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
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!).
6.7 Sistemas Passa-Tudo

Considere funções racionais da forma
z −1 − a∗ 1 − a−∗ z −1

HAP (z) = = −a∗ .
1 − az −1 1 − az −1
Substituindo z = ejω , obtemos que
e−jω − a∗ −jω (1 − ae
−jω )∗
HAP (ejω ) = = e =⇒ |HAP (ejω )| = 1, ∀ω.
1 − ae−jω (1 − ae−jω )
De forma mais geral, um sistema passa-tudo com resposta ao impulso real tem função
de transferência da forma
M M
Y R
z −1 − dk YC
(z −1 − e∗k )(z −1 − ek )
HAP (z) =
1 − dk z −1 (1 − ek z −1 )(1 − e∗k z −1 )
k=1 | {z } k=1 | {z }
Polos Reais Polos Complexos
Para que o sistema seja causal e estável, |dk | < 1 e |ek | < 1.
6.8 Sistemas de Mı́nima Fase

A magnitude da resposta em frequência de um SLIT não determina unicamente H(z).
Para que um SLIT seja causal e estável, basta que os seus polos estejam contidos no
cı́rculo unitário. Não há restrição porém quanto aos zeros.
Impondo-se adicionalmente que os zeros de H(z) estejam contidos no cı́rculo unitário,
resulta que existe o sistema inverso Hi (z) causal e estável. Neste caso, H(z) é chamado
de um sistema de mı́nima fase.
Em geral, para qualquer sistema, pode-se escrever H(z) = HMIN (z) HAP (z) . Disto,
| {z } | {z }
zeros com demais zeros
|ck |<1
segue que ∠H(z) = ∠HMIN (z) + ∠HAP (z).
Pode-se mostrar que um SLIT de mı́nima fase exibe o menor atraso de grupo possı́vel
fixado |H(ejω )|.
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 )
(z −1 − 0, 8e−j0,8π )(z −1 − 0, 8ej0,8π )

HAP (z) = .
(1 − 0, 8ej0,8π z −1 )(1 − 0, 8e−j0,8π z −1 )
6.9 SLITs com Fase Linear

Considere H(ejω ) = e−jωα , |ω| < π. Então |H(ejω )| = 1, ∠H(ejω ) = −ωα e τ (ω) = α.
Pode-se verificar que
sin(π(n − α))
h[n] = , ∀n ∈ Z.
π(n − α)
Se α ∈ Z, então h[n] = δ[n − α].
Considere agora um filtro passa-baixas ideal com fase linear
−jωα
jω e , |ω| < ωc
HLP (e ) = .
0, ωc < |ω| ≤ π
Pode-se verificar também que
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)
ou seja, a resposta é simétrica em relação a n = α.
6.9.1 Sistemas com Fase Linear Generalizada

Considere SLITs com resposta em frequência da forma H(ejω ) , A(ejω ) e−jαω+jβ . O
| {z }
∈R
d
atraso de grupo correspondente é dado por τ (ω) = − dω ∠H(ejω ) = α.
Pelo fato de A(ejω ) ser real, podemos escrever
H(ejω ) = A(ejω ) cos(β − αω) + jA(ejω ) sin(β − αω).
Supondo adicionalmente que h[n] ∈ R, segue que

+∞
X +∞
X
H(ejω ) = h[n] cos(ωn) − j h[n] sin(ωn).
n=−∞ n=−∞
Multiplicando a penúltima expressão pelo conjugado da última e igualando a parte ima-

ginária do produto a zero (o que deve valer se as expressões forem iguais), obtemos a
seguinte condição necessária para que o sistema seja de mı́nima fase
+∞
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].
6.9.2 Sistemas com Fase Linear Generalizada FIR Causais

Repetindo o raciocı́nio da seção anterior, impondo agora que h[n] = 0 para n < 0 e n > M ,
obtemos as seguintes condições (suficientes) para que sistemas FIR sejam de fase linear
generalizada:
h[M − n], 0 ≤ n ≤ M
h[n] = ,
0, caso contrário
ou
−h[M − n], 0 ≤ n ≤ M
h[n] = .
0, caso contrário
Considerando estes dois tipos de simetria, são possı́veis quatro classes de sistemas FIR
com fase linear:
a) Sistemas de fase linear FIR do Tipo I
h[n] = h[M − n], M par

M/2
jω − jωM
X h[M/2], k=0
⇒ H(e ) = e 2 a[k] cos(ωk), a[k] , .
2h[(M − 2) − k], k =
6 0
k=0
|H(ejω )| possui simetria par em relação a ω = 0.
b) Sistemas de fase linear FIR do Tipo II
h[n] = h[M − n], Mı́mpar

(M +1)/2
jω − jωM
X 1
⇒ H(e ) = e 2 b[k] cos ω k − , b[k] , 2h[(M + 1)/2 − k].
2
k=1
c) Sistemas de fase linear FIR do Tipo III
h[n] = −h[M − n], M par

M/2
− jωM
X
jω
⇒ H(e ) = je 2 c[k] sin (ωk) , c[k] , 2h[M/2 − k].
k=1
|H(ejω )| possui simetria par em relação a ω = π/2 + kπ, k ∈ Z.
d) Sistemas de fase linear FIR do Tipo IV
h[n] = −h[M − n], Mı́mpar

(M +1)/2
jω − jωM
X 1
⇒ H(e ) = je 2 d[k] sin ω k − , d[k] , 2h[(M + 1)/2 − k].
2
k=1
|H(ejω )| possui simetria par em relação a ω = π + 2kπ, k ∈ Z.

Capı́tulo 7
Projeto de Filtros Digitais
7.1 Projeto de Filtros por Janelamento

Problema: deseja-se determinar a resposta h[n] de um sistema causal que aproxime a
resposta em frequência desejada Hd (ejω ).
Para isto, note que
ˆ+π
1
hd [n] = Hd (ejω )ejωn dω.
2π
−π
Em geral, hd [n] não tem um número finito de termos não-nulos. Assim
ˆ+π
TFTD 1
jω
h[n] = hd [n] w[n] ←−−→ H(e ) = Hd (ejθ )W (ej(ω−θ) )dθ.
|{z} 2π
window −π
No domı́nio da frequência, a convolução periódica pela resposta em frequência da janela

produz os seguintes efeitos: i) vazamentos espúrios na banda de rejeição, ii) oscilação da
resposta na banda de passagem (estes dois últimos efeitos são causados pelos lóbulos
laterais da resposta da janela) e iii) aparecimento de uma banda de transição, causado
pela largura não-nula do lóbulo principal.
7.1.1 Janelas Comumente Usadas

Janela Retangular

1, 0 ≤ n ≤ M TFTD sin[(ω(M + 1)/2]
w[n] = ←−−→ e−jωM/2 .
0, caso contrário sin(ω/2)
51
CAPÍTULO 7. PROJETO DE FILTROS DIGITAIS 52
Janela de Bartlett (triangular)


 2n/M, 0 ≤ n ≤ M/2
w[n] = 2 − 2n/M, M/2 < n ≤ M
0, caso contrário

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
Tipo de Lóbulo Lateral Largura do Lóbulo Máximo Erro de

Janela Máximo Principal Aproximação
(dB) (20 log10 δ)
Retangular -13 4π/(M + 1) -21
Bartlett -25 8π/M -25
Hanning -31 8π/M -44
Hamming -41 8π/M -53
Blackman -57 12π/M -74
Exemplo: Projetar um passa-baixas por janelamento
Seja a resposta em frequência desejada dada por

−jωM/2
jω e , |ω| < ωc
Hd (e ) = .
0, ωc < |ω| ≤ π
(com extensão periódica subentendida).

A resposta ao impulso do filtro será
sin[ωc (n − M/2)]
h[n] = w[n].
π(n − M/2)
| {z }
hd [n]
7.1.2 Janela de Kaiser

No projeto de uma janela, há um compromisso entre a largura do lóbulo principal e a área
dos lóbulos laterais. A Janela de Kaiser é uma solução quase-ótima para este problema,
definida como
I0 β(1 − [(n − α)/α]2 )1/2 /I0 (β), 0 ≤ n ≤ M

w[n] = ,
0, caso contrário.
em que α = M/2 e I0 é a função de Bessel do 1o tipo modificada de 0−ésima ordem.

Dados ∆ω , ωstop − ωpass , a largura da região de transição, e A , −20 log10 δ, os
parâmetros da janela podem ser calculados como
A−8
M= ,
2, 285∆ω

 0, 1102(A − 8, 7), A > 50
β= 0, 5842(A − 21)0,4 + 0, 07886(A − 21), 21 ≤ A ≤ 50
0, A < 21.

7.2 Método de Amostragem em Frequência

A principal limitação do método de projeto de filtros por janelamento é a necessidade de
se conhecer a forma analı́tica da TFTD inversa da resposta desejada hd [n].
O método de amostragem em frequência consiste de aproximar hd [n] pela transformada
jω
discreta inversa h̃d [n] , IDFT{Hd [k]}, em que Hd [k] , Hd (e )ω= 2πk .
L
Observe que h̃d [n] = +∞
P
h
r=−∞ d [n − rL]. Assim, para que a aproximação seja boa, é
necessário que L seja suficientemente grande.
7.3 Aproximação Ótima de Filtros FIR

A janela retangular provê a melhor aproximação para uma resposta em frequência desejada
Hd (ejω ) para um valor fixo de M . Isto é,

hd [n], 0 ≤ n ≤ M
h[n] = ,
0, caso contrário
minimiza a expressão
ˆπ
2 1 Hd (ejω ) − H(ejω )2 dω.

=
2π
−π
Esta aproximação, porém, tem comportamento problemático próximo a descontinuidades

de Hd (ejω ).
Considere a resposta em frequência de um filtro de fase linear generalizada He (ejω ) =

Ae (ejω )e−jωL , em que Ae (ejω ) é uma função real. Um critério de otimização alternativo
seria calcular
E(ω) = W (ω)[Hd (ejω ) − Ae (ejω )],
em que W (ω) > 0 é uma função de peso, e determinar Ae (ejω ) de forma que

min max |E(ω)| ,
ae [n] ω∈F
em que F é um subconjunto fechado de 0 ≤ ω ≤ π tal que 0 ≤ ω ≤ ωp ou ωs ≤ ω ≤ π.

Este procedimento equivale a minimizar δ na figura abaixo.
Para se resolver este problema de otimização, pode-se recorrer ao Teorema da Al-

ternação, do qual decorre que os coeficiente ae [n] corresponderão ao filtro representando
a única melhor aproximação se e somente se E(ω) exibir ao menos L + 2 alternações, ou
seja, E(ω) = ± max |E(ω)| por ao menos L + 2 vezes. Uma aproximação deste tipo é cha-
mada de equiripple. Na figura abaixo é ilustrado o comportamento de uma aproximação
equiripple com L = 7.
Na prática, para se determinar ae [n] por este método deve-se recorrer a um algoritmo
numérico, como de Parks-McClellan.
7.4 Projeto de Filtros IIR

O paradigma para o projeto de filtros IIR, diferententemente do caso FIR, consiste de
adaptar uma função de transferência de tempo contı́nuo com propriedades conhecidas
para tempo discreto.
7.4.1 Projeto por Invariância ao Impulso

Seja hc (t) a resposta ao impulso de um filtro IIR de tempo contı́nuo. Definindo h[n] ,
Td hc (nTd ), em que Td é um intervalo de amostragem, segue que
∞
jω
X jω j2π
H(e ) = Hc + k ,
Td Td
k=−∞
ou seja, a amostragem no tempo provoca aliasing em frequência. Observe que se Hc (Ω)

decair rapidamente (ou seja, for desprezı́vel para Ω > 2π/Td ), este aliasing pode ser
tolerável.
Para se determinar a função de transferência H(z), suporemos que a função de trans-
ferência Hc (s) tenha polos simples. Disto decorre que
N N
X Ak X
Hc (s) = =⇒ hc (t) = Ak esk t u(t).
s − sk
k=1 k=1
PN sk nTd u[n]
PN sk Td )n u[n],
Assim, h[n] , Td hc (nTd ) = k=1 Td Ak e = k=1 Td Ak (e e, consequen-
temente,
N
X Td Ak
H(z) = , |z| > |esk Td |.
1 − esk Td z −1
k=1
Desta forma, os polos em s = sk são mapeados em z = esk Td . Assim, se sk estiver no

semiplano esquerdo, |zk | < 1, ou seja, um filtro causal e estável em tempo contı́nuo será
mapeado num filtro causal e estável em tempo discreto.
7.4.2 Transformação Bilinear

2 1 − z −1

A transformação s = = σ + jΩ mapeia z = ejω , −π < ω < π em σ = 0 e
Td 1 + z −1
2 ω
Ω= tan , ou, equivalentemente ω = 2 arctan ΩT 2
d
.
Td 2
Assim, para se determinar a função de transferência H(z), basta substituir a expressão
de s acima na função de transferência Hc (s) do filtroprotótipo. Observe, porém, que a
resposta em frequência resultante será H(ejω ) = Hc T2d tan ω2 , ou seja, haverá uma

distorção não linear no eixo de frequência.

O inverso da transformação bilinear é dado por
1 + (Td /2)s 1 + σ(Td /2) + jΩ(Td /2)
z= = .
1 − (Td /2)s 1 − σ(Td /2) − jΩ(Td /2)
Pode-se verificar que se σ < 0, |z| < 1.
7.4.3 Filtros Butterworth Passa-Baixas

Os filtros Butterworth possuem resposta em magnitude maximamente plana na banda de
passagem, ou seja, as (2N-1) derivadas de |Hc (jΩ)|2 são nulas em Ω = 0. A resposta em
magnitude desses filtros é monotônica e a fase é quase linear na banda de passagem.
A função de transferência dos filtros Butterworth satisfaz
1
Hc (s)Hc (−s) = ,
1 + (s/jΩc )2N
ou seja, sk = Ωc e(jπ/2N )(2k+N −1) , k = 0, 1, · · · , 2N − 1. A função de transferência
7.4.4 Filtros Chebyshev

Há dois tipos de filtros Chebyshev. Os filtros do tipo I possuem resposta equiripple na
banda de passagem e monotônica na banda de rejeição. A função de transferência desses
filtros é dada por
1
|Hc (s)|2 = 2 2
1 + VN (−js/Ωc )
em que VN (x) é o polinômio de Chebyshev de N-ésima ordem, definido pela recursão
V0 (x) = 1, V1 (x) = x, · · · , VN +1 (x) = 2xVN (x) − VN −1 (x).
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 )
7.4.5 Filtros Elı́pticos

Os filtros elı́pticos possuem resposta em frequência equiripple nas bandas de passagem e
rejeição. Geralmente, essa famı́lia de filtros atinge atenuações mais elevadas na banda
de rejeição que as das demais famı́lias para filtros de mesma ordem. A resposta em fase
desses filtros, porém, é bastante não-linear.
A resposta em frequência dos filtros elı́pticos de dada por
1
|Hc (s)|2 = 2 (−js/Ω ) ,
1+ 2 UN c
em que Un (Ω) é a função elı́ptica de Jacobi.

Bibliografia
Alan V. Oppenheim, Ronald W. Schafer, “Discrete-Time Signal Processing”, Prentice

Hall, 2nd. Ed., 1998.
Biblioteca: 621.382 OPPd2.
57

Processamento Digital de Sinais - Capítulos Introdutórios

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Processamento Digital de Sinais - Capítulos Introdutórios

Enviado por

Direitos autorais:

Formatos disponíveis

Prof. Claudio José Bordin Jr. - UFABC

1 Sistemas e Sinais de Tempo Discreto 4

2 Representação de Sistemas e Sinais de Tempo Discreto no Domı́nio da

3 Amostragem de Sinais de Tempo Contı́nuo 23

5 Transformada Discreta de Fourier 38

6 Análise de SLITs através de Transformadas 45

6.5 Sistema Inverso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

7 Projeto de Filtros Digitais 51

Sistemas e Sinais de Tempo

T ∈ R é chamado “perı́odo de amostragem” e 1/T a “frequência de amostragem”.

1.1.1 Operações sobre sequências

• w[n] = α x[n] ⇒ multiplicação amostra por amostra

• y[n] = x[n − n0 ] n0 ∈ Z ⇒ y[n] é uma versão atrasada ou deslocada de x[n].

1.1.2 Sequências “Básicas”

Além disso: δ[n] = u[n] − u[n − 1].

1.1.3 Sequências Exponenciais (Reais)

• Se A e α forem reais, x[n] é real.

• Se 0 < α < 1 e A > 0, x[n] é positiva e decrescente.

• Se −1 < α < 0, x[n] é oscilante. Porém, |x[n]| é decrescente.

• Se |α| > 1, |x[n]| cresce com n.

1.1.4 Sequências Senoidais

em que ω0 é a frequência (rad/amostra).

x[n] = A cos(ω0 n + φ) = A cos(ω0 n + ω0 N + φ) = x[n + N ]

Em consequência, existem somente N valores de ω0 que resultam em sequências periódicas:

1.1.5 Sequências Exponenciais Complexas

Definindo A , |A|ejφ e α , |α|ejω , segue que

x[n] = |A| |α|n ej(φ+nω0 ) .

Como ej(φ+nω0 ) = cos(φ + nω0 ) + j sin(φ + nω0 ) (Fórmula de Euler),

x[n] = |A| |α|n cos(φ + nω0 ) + j|A| |α|n sin(φ + nω0 ).

Observe que, se |α < 1|, |x[n]]| −−−→ 0.

1.2 Sistemas de Tempo Discreto

Em geral, o valor de y[n] pode depender de x[n], ∀n.

1) Sistema “atraso ideal”

y[n] = x[n − nd ], −∞ < n < ∞, nd ∈ N.

1.2.1 Sistemas sem memória

Exemplo: y[n] = (x[n])2 , ∀n ∈ Z

1.2.2 Sistemas Lineares

T {x1 [n] + x2 [n]} = T {x1 [n]} + T {x2 [n]}

1.2.3 Sistemas invariantes no tempo (S.I.T.)

y[n] = x[M n], −∞ < n < +∞, M > 0.

A resposta do sistema a x1 [n] é y1 [n] = x1 [M n] = x[M n − n0 ]. Ocorre, porém, que

Exemplo: O sistema Forward Difference, definido pela relação

y[n] = x[n + 1] − x[n]

|x[n]| < BX < ∞ =⇒ |y[n]| < BY < ∞, ∀n,

em que BX e BY são constantes.

1.3 Sistemas Lineares Invariantes no Tempo (SLIT)

em que hk [n] , T {δ[n − k]} é a resposta ao impulso do sistema no instante k.

em que h[n] , h0 [n] é a resposta ao impulso do sistema (igual em todos os instantes).

Definição: Somatório de Convolução

Exemplo: Considere o sistema com resposta ao impulso

Seja x[n] = an u[n]. Então:

Para calcular o resultado das somas, note que

αN1 + αN1 +1 + · · · + αN2 −1 + αN2 (1 − α)

= αN1 + αN1 +1 + · · · + αN2 −1 + αN2 − αN1 +1 + · · · + αN2 + αN2 +1

1.4 Propriedades de SLITs

=⇒ x[n] ∗ h[n] = h[n] ∗ x[n].

Uma consequência da comutatividade do operador convolução é que a resposta ao

Da mesma forma, a associação paralela de SLITs é quivalente, pela propriedade dis-

Isto vale porque, pela Desigualdade Triangular,

Se x[n] for limitado, ou seja, |x[k]| < BX < ∞, então

Observação: A condição acima é necessária. Para verificar isto, note que se S = ∞, a