Você está na página 1de 57

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).
CAPÍTULO 1. SISTEMAS E SINAIS DE TEMPO DISCRETO 6

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


CAPÍTULO 1. SISTEMAS E SINAIS DE TEMPO DISCRETO 7

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.
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.,

|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
CAPÍTULO 1. SISTEMAS E SINAIS DE TEMPO DISCRETO 9

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
CAPÍTULO 1. SISTEMAS E SINAIS DE TEMPO DISCRETO 10

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=−∞
CAPÍTULO 1. SISTEMAS E SINAIS DE TEMPO DISCRETO 11

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.
CAPÍTULO 1. SISTEMAS E SINAIS DE TEMPO DISCRETO 12

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

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.
CAPÍTULO 2. REPRESENTAÇÃO DE SISTEMAS E SINAIS DE TEMPO
DISCRETO NO DOMÍNIO DA FREQUÊNCIA 15
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]

−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=−∞

−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)
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

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

−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).
CAPÍTULO 2. REPRESENTAÇÃO DE SISTEMAS E SINAIS DE TEMPO
DISCRETO NO DOMÍNIO DA FREQUÊNCIA 17
+∞
X
d) X(ejω ) = 2πδ(ω − ω0 + 2πr), |ω0 | < π
r=−∞

ˆπ X
+∞
1
x[n] = 2πδ(ω − ω0 + 2πr)ejωn dω

−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

6. x[n] ∗ y[n] X(ejω )Y (ejω )
ˆπ
1
7. x[n]y[n] X(ejθ )Y (ej(ω−θ) )dθ

−π
Relações de Parseval:
+∞ ˆπ
X
2 1
8. |x[n]| = |X(ejω )|2 dω
n=−∞

−π
+∞ ˆπ
X
∗ 1
9. x[n]y [n] = X(ejω )Y ∗ (ejω )dω
n=−∞

−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=−∞

+∞
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 =

−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 = .

k=−∞ m=−∞ −π

ˆπ
1
Na Seção 2.1, mostrou-se que e−jθ(k−m) dθ = δ[k − m]. Assim

−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.

−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 )}
CAPÍTULO 2. REPRESENTAÇÃO DE SISTEMAS E SINAIS DE TEMPO
DISCRETO NO DOMÍNIO DA FREQUÊNCIA 20
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

−π k=−∞

pois somente o impulso em ω = 0 está no intervalo de integração.


CAPÍTULO 2. REPRESENTAÇÃO DE SISTEMAS E SINAIS DE TEMPO
DISCRETO NO DOMÍNIO DA FREQUÊNCIA 21
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 )
CAPÍTULO 2. REPRESENTAÇÃO DE SISTEMAS E SINAIS DE TEMPO
DISCRETO NO DOMÍNIO DA FREQUÊNCIA 22
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




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).

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=−∞
CAPÍTULO 3. AMOSTRAGEM DE SINAIS DE TEMPO CONTÍNUO 25

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?
CAPÍTULO 3. AMOSTRAGEM DE SINAIS DE TEMPO CONTÍNUO 26

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
CAPÍTULO 3. AMOSTRAGEM DE SINAIS DE TEMPO CONTÍNUO 27

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].
CAPÍTULO 4. A TRANSFORMADA Z 30

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
CAPÍTULO 4. A TRANSFORMADA Z 31

+∞
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
CAPÍTULO 4. A TRANSFORMADA Z 32

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
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.

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
CAPÍTULO 4. A TRANSFORMADA Z 34

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
CAPÍTULO 4. A TRANSFORMADA Z 35

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=−∞
CAPÍTULO 4. A TRANSFORMADA Z 36

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
CAPÍTULO 4. A TRANSFORMADA Z 37

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


= 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
CAPÍTULO 5. TRANSFORMADA DISCRETA DE FOURIER 40

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
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 ].

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]}}.


CAPÍTULO 5. TRANSFORMADA DISCRETA DE FOURIER 42

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 .
CAPÍTULO 5. TRANSFORMADA DISCRETA DE FOURIER 43

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.
CAPÍTULO 5. TRANSFORMADA DISCRETA DE FOURIER 44

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

1 jω jωn 1
hLP [n] = HLP (e )e dω = ejωn dω
2π 2π
−π −ωC

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.
CAPÍTULO 6. ANÁLISE DE SLITS ATRAVÉS DE TRANSFORMADAS 47

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
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!).

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 )
CAPÍTULO 6. ANÁLISE DE SLITS ATRAVÉS DE TRANSFORMADAS 49

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].
CAPÍTULO 6. ANÁLISE DE SLITS ATRAVÉS DE TRANSFORMADAS 50

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

⇒ 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.

−π

Em geral, hd [n] não tem um número finito de termos não-nulos. Assim

ˆ+π
TFTD 1

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).


CAPÍTULO 7. PROJETO DE FILTROS DIGITAIS 53

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

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.

 =

−π

Esta aproximação, porém, tem comportamento problemático próximo a descontinuidades


de Hd (ejω ).
CAPÍTULO 7. PROJETO DE FILTROS DIGITAIS 54

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.
CAPÍTULO 7. PROJETO DE FILTROS DIGITAIS 55

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
∞  

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
CAPÍTULO 7. PROJETO DE FILTROS DIGITAIS 56

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