Applfourier

Capı́tulo 4 - Aplicações da Transformada de Fourier
Eduardo Mendes

Departamento de Engenharia Eletrônica
Universidade Federal de Minas Gerais
Av. Antônio Carlos 6627, Belo Horizonte, MG, Brasil
– p.1/67
Objetivos
Análise da interação entre sinais e
sistemas
– p.2/67
Objetivos
sistemas
Avaliação numérica das propriedades do
sinal ou do comportamento do sistema
– p.2/67
Objetivos
sistemas
Aplicação das Representações de Fourier
para sinais periódicos e não-periódicos
– p.2/67
Objetivos
sistemas
Aplicação das Representações de Fourier
para sinais periódicos e não-periódicos
Uso da FT e DTFT para sinais periódicos.
– p.2/67
Usando FT e DTFT para Representação
de Sinais Periódicos

:

Relacionar a FT com a FS
A representação usando a FS é:
- ,
*
/

&%
( '
)
. +
$

"

!
#
A representação usando a DTFS é:
4
*
0 %
)
'
&%
( '
)
5
$
-

"
32
1
!
– p.3/67
Usando FT e DTFT para Representação
de Sinais Periódicos

:

Relacionar a FT com a FS
Relacionar a DTFT com a DTFS
A representação usando a FS é:
- ,
*
/

&%
( '
)
. +
$

"

!
#
A representação usando a DTFS é:
4
*
0 %
)
'
&%
( '
)
5
$
-

"
32
1
!
– p.3/67
Relacionando a FT com a FS
Usando a propriedade
= ;:
Exemplo 3.18
- ,
*
@
)

+
&
<>
(
B @
C
A
8 7
9
– p.4/67
= ;:
Exemplo 3.18
- ,
*
@
)

+
&
<>
(
B @
C
A
8 7
9
e
- ,
*
/

&%
( '
)
D +
$

"

!
– p.4/67
e

temos

#
8 7
9 6
(
$ *
&% - ,
+
( '
)
/
*
- +

<> = ;:

/
?
<> ;: @
)
! "
A
# &
$
E B @
C

@
$

&%
( '
)

*
8 7 - ,
D +
! "
/
#
$
&%
'
Exemplo 3.18
?
@
A
&
B @

– p.4/67
– p.5/67
FGH
B @
I
:
Exemplo - Cosseno
<> KLJ
- +
$
&%
'
O N M
R
T RQ P
& &
U
S S
6 6
– p.6/67
FGH A FT é:
B @
)
FGH

B @
I
<> ;:
:
$
Exemplo - Cosseno
<> KLJ
E - +
@
$
&%

8 '
?
@
)
O N M
A
BI@ R
T RQ P
V
W
& &
8
U
?
@
S S
V 6 6
B @

– p.6/67
FGH A FT é:
B @
)
FGH

B @
I
<> ;:
:
$
Exemplo - Cosseno
<> KLJ
E - +
@
$
&%

8 '
?
@
)
O N M
A
BI@ R
T RQ P
V
W
& &
8
U
?
@
S S
V 6 6
B @

– p.6/67
Exemplo - Trem de Impulso
O trem de impulso é definido como

?
[ Y
X
0

Z

5!
– p.7/67

?
[ Y
X
0

Z

5!
#
O perı́odo é . logo .
\ Q
]
[ Y

Z
^ ;
_
– p.7/67

?
[ Y
X
0

Z

5!
#
\ Q
]
[ Y

Z
^ ;
_
Os coeficientes da FS são:
b
;
Q
6
d /
e
&%
'

- +
.
?
`

#
(

a Y
b
# ;
^c
Q
Z
6

Z a Y
– p.7/67

?
[ Y
X
0

Z

5!
#
\ Q
]
[ Y

Z
^ ;
_
Os coeficientes da FS são:
b
;
Q
6
d /
e
&%
'

- +
.
?
`

#
(

a Y
b
# ;
^c
Q
Z
6

Z a Y
Logo a FT é
8 7
9
E
@
)

?
&
`
B @
C

A
Z f Y

5!
– p.7/67
– p.8/67
Relacionando DTFT com a DTFS
Usando (mas lembrando que a DTFT é periódica com
perı́odo )
8 7

6
;g
;:
4
*
@
)

5
i
&
8 7
-
<>
(
j
A
A
B
8 7
9

!
– p.9/67
perı́odo )
8 7

6
;g
;:
4
*
@
)

5
i
&
8 7
-
<>
(
j
A
A
B
8 7
9

!
#
e
4
*
0 %
)
'
&%
( '
)
5
$
-

"
32
1
!
– p.9/67
e
temos
$
( 8 7

perı́odo )
*4
0 %
' 8 7
9 6
(
*
k 4
-

5
0 %
)
DTFT
' ;g
<>
! " ;:
8 7
! "
! " 1
!
32 1
1 h
32 #
32
$
&%
$ ?
( ' &% @
)
$
&%
( '
)
*
' 4
-
* A
&
- 4
!
B
5
i
h
# 5

A
?

j
i
8 7
A
&
i

– p.9/67
– p.10/67
Convolução de Sinais Periódicos e Não-
Periódicos
Sabemos que:
;:

m
C

E
E
p
E

n
$
<>
l
@

– p.11/67
Periódicos
Sabemos que:
;:

m
C

E
E
p
E

n
$
<>
l
@

Agora, suponha é periódico

;:

E
&%
'
@
)

?
&
$
$
8 7
9
<>

@

B
"

!
– p.11/67
l

Então:

l
m
C
Periódicos

n

Sabemos que:

Agora, suponha
<> ;:

<> ;: <> ;: m
C
$
E
@
n

8 7 o
E
! " @
<> ;:
8 7
9
#
! "
p
o
é periódico
E
8 7 # @
E
& ! "

B @
I
$
#
&%

'
$
?
$ E
$ @
)
&% @
&%
'
' p
?
? A
@
) &
@
)
B @
E
@
A
& A

&
B @
B @

p
E
@

– p.11/67
– p.12/67
– p.12/67
l
0 %
'

0 %
)
m '
n
0)%
'
;g
<>
;:
o
(
*4
8 7
9
! "
#

p
(
- 4

O mesmo procedimento serve para a DTFT. ou seja:
$
&%
'
?

A
&

– p.13/67
Modulação de Sinais Periódicos e Não-
Periódicos
Considere a modulação na FT
6
;:

E
E
m
C
E

r
o
$
<>
l
@

8 7
– p.14/67
Periódicos
6
;:

E
E
m
C
E

r
o
$
<>
l
@

8 7
Caso seja periódico, temos, então:

;:

E
E
m
C
&%
'
@
)

?
r
&
o
$
<>
l
@

B
"

!
– p.14/67
Ou
l
Caso
l

l

Periódicos
q

q

q

<> ;:

<> ;:

o
E
<> ;:
@
o
E
@
o
E
r
E
! "
@

# m
C
8 7 6
! "
seja periódico, temos, então:
$
r
&%
E
#
' @

r m
C
E
$
&%
@
)
'
$
? E
@
)
A @
&
B @
C

A
&
B @

– p.14/67
– p.15/67
l
0 %
'
q
0 %
)
'

0 %
'
;g
<>
;:
o
(
+ *
! "
Com um procedimento similar, temos:
32
$
&%
'
r
(
*
s4
- 4
t

– p.16/67
FT para sinais discretos
vu
x w
y
| {
}
z
~

Encontrar a relação entre a FT e a DTFT
– p.17/67
FT para sinais discretos
vu
x w
y
| {
}
z
~

Encontrar a relação entre a FT e a DTFT
Estabelecer a FT como ferramenta para
análise dos quatro tipos de sinais (sinais
discretos e contı́nuos).
– p.17/67
Suponha uma senóide complexa contı́nua
+ *
/

(

– p.18/67
+ *
/

(

Suponha, agora, um senóide complexa discreta
*4
%
'
5
q
0
(

– p.18/67
+ *
/

(

*4
%
'
5
q
0
(

e são iguais nos instantes em que existe, ou seja,

'
0 %
)
'

q
0
q
; onde, é o intervalo entre as várias .
%
'
0 %
)
'
a Y

q
0

– p.18/67
+ *
/

(

*4
%
'
5
q
0
(

e são iguais nos instantes em que existe, ou seja,

'
0 %
)
'

q
0
q
; onde, é o intervalo entre as várias .
%
'
0 %
)
'
a Y

q
0

Z
Logo . corresponde a freqüência contı́nua
*4
+ *
i
5
5
^
(
@

multiplicada por .
Y
Z
– p.18/67
Relacionando a FT com a DTFT
Considere

*4
*4

'
5
$
#
(

0
(

5!
– p.19/67
Considere

*4
*4

'
5
$
#
(

0
(

5!
;:
O objetivo é encontrar o par FT

E

$
<>

@

;g
;:
correspondente ao par DTFT
*4
0 %
)
'

$
<>

– p.19/67
Considere

*4
*4

'
5
$
#
(

0
(

5!
;:

E

$
<>

@

;g
;:
*4
0 %
)
'

$
<>

(
Sabemos que i
, logo:
Y

*4
E

$
$
@
(

^_ ;
!

+ *
^ ;
_
0)%
( '
)
5
#

5!
– p.19/67
Considere

*4
*4

'
5
$
#
(

0
(

5!
;:

E

$
<>

@

;g
;:
*4
0 %
)
'

$
<>

(
Sabemos que i
, logo:
Y

*4
E

$
$
@
(

^_ ;
!

+ *
^ ;
_
0)%
( '
)
5
#

5!
#
Tomando a inversa de
E

$
@

'

?
a Y

0
0

Z

5!
– p.19/67
Logo

5!
#

0 %
'
?

A
0
Z [ Y
<> ;:
5!
#

0 %
( '
#
+ *
^ ;
_
5
– p.20/67
Relacionando a FT com a DTFS
: Representar sinais discretos periódicos com a FT

Considere a representação DTFT de um sinal periódico
'

0
( )

*

&%
'

?
i
i
&
$
$
8 7
(
B
"

!
– p.21/67
Relacionando a FT com a DTFS
: Representar sinais discretos periódicos com a FT

Considere a representação DTFT de um sinal periódico
'

0
( )

*

&%
'

?
i
i
&
$
$
8 7
(
B
"

!
#
Substituindo por , obtemos
i
Y
@
+ *
^ ;
c
E

$
$
@
(

&%
'

?
i
&
$
Y
8 7
@

A
Z
B
"

!
#

i
B
&%
'

?
&
$
[ Y
8 7
@

A
Z
Z [ Y
"

!
– p.21/67
$
E
@
Z a Y 8 7
! "
#
$
Usando a propriedade do impulso
&%
' ?

)
?
@
)

A
&
B
6
Z a Y i

?

, temos:
– p.22/67
Usando a propriedade do impulso , temos:

)

?
?
6

i
8 7
B
E
&%
'
@
)

?
&
$
$
@

A
a Y
a Y
Z
Z
"

!
#
Observe que:
– p.22/67

)

?
?
6

i
8 7
B
E
&%
'
@
)

?
&
$
$
@

A
a Y
a Y
Z
Z
"

!
#
Observe que:
é função periódica com perı́odo .

– p.22/67

)

?
?
6

i
8 7
B
E
&%
'
@
)

?
&
$
$
@

A
a Y
a Y
Z
Z
"

!
#
Observe que:


£ ¢
]

¡

_

_
– p.22/67

)

?
?
6

i
8 7
B
E
&%
'
@
)

?
&
$
$
@

A
a Y
a Y
Z
Z
"

!
#
Observe que:


£ ¢
]

¡

_

_
pode escrito como:
¥

¤
¦
¥
« ª
)
¥

¬
a ¯
¤
«
¡
°
¦
§¨
com perı́odo da fundamental .

±
¯
°
– p.22/67
– p.23/67
Amostragem
vu
x w
y
Gerar um sinal discreto a partir de
| {
}
z

um sinal contı́nuo
Relacionar a DTFT de um sinal discreto com a FT do sinal
contı́nuo
– p.24/67
Amostragem
vu
x w
y
Gerar um sinal discreto a partir de
| {
}
z

um sinal contı́nuo
Relacionar a DTFT de um sinal discreto com a FT do sinal
contı́nuo
Subamostrar um sinal discreto (remover amostras)
– p.24/67
Amostragem
Como o sinal analógico é continuo no tempo, ele contém
uma infinidade de valores. E como o meio de comunicação
tem banda limitada, somos obrigados a transmitir apenas
um certa quantidade de amostras deste sinal.
– p.25/67
Amostragem
Como o sinal analógico é continuo no tempo, ele contém
uma infinidade de valores. E como o meio de comunicação
tem banda limitada, somos obrigados a transmitir apenas
um certa quantidade de amostras deste sinal.
É obvio que quando maior a freqüência de amostragem,
mais fácil será reproduzir o sinal, mas haverá desperdı́cio de
banda ocupada sem nenhuma melhoria na qualidade.
– p.25/67
Amostragem de um Sinal Analógico
– p.26/67
O circuito que permite amostrar o sinal é uma simples chave
que se fecha por um brevı́ssimo instante, na cadência da
freqüência de amostragem.
– p.27/67
O circuito que permite amostrar o sinal é uma simples chave
que se fecha por um brevı́ssimo instante, na cadência da
freqüência de amostragem.
Por exemplo, se a freqüência de amostragem for de 8 kHz, a
chave se fecha 8000 vezes por segundo, ou seja, a cada
125 micro segundo. Como a chave se fecha por um tempo
extremamente curto, teremos na sua saı́da um sinal em
forma de pulsos estreitos, com amplitude igual ao valor
instantâneo do sinal, chamados pulsos PAM (pulsos
modulados em amplitude)
– p.27/67
Sinal Amostrado - Trem de Impulsos
– p.28/67
O sinal
impulsos

X

5! 5!

# #
X
5!

0 %
) #
0
'
? Z [ Y ?

?
A
A
0
0
A
é o produto do sinal continuo
Z [ Y 0
Z f Y

Z [ Y

pelo trem de
– p.29/67
onde
@

^ ;
\ Q
]
$
E
@

Na freqüência, temos:
Z [ Y 6 8 7 6 8 7 6
5!
$ $
E E
# @ @

m
$ Z a Y 8 7
E
`
@
) 5! E
@
#

A
&
@
?

Z

A
0
é a freqüência de amostragem.
Z Y

– p.30/67
– p.31/67
– p.32/67
Aliasing
Acontece quando há superposição no

espectro .
µ
´
³ L ²
– p.33/67
Aliasing
Acontece quando há superposição no

espectro .
µ
´
³ L ²
Teorema da Amostragem - ”Amostrar
com freqüência 2 vezes maior do que a
maior freqüência de interesse”
– p.33/67
– p.34/67
Aliasing - freqüência maior
Amostragem com freqüência maior que duas vezes a do sinal :
ha amostras suficientes para que o sinal possa ser reproduzido
sem erro de aliasing. (lembrando que ou )
P
¶
¶

Z
· ;
¸
^ ;
c
– p.35/67
Aliasing - freqüência igual
A taxa de amostragem é igual a duas vezes a freqüência do
sinal : não é possı́vel a sua reprodução pois o sinal PAM vale
zero. ( obs.: se houvesse defasamento dos pontos de
amostragem, haveria sinal PAM, porém com amplitude errada,
a não ser que por coincidência os pontos caı́ssem nos picos da
senoide, donde a necessidade do “maior que o dobro” no
Teorema de Nyquist.
– p.36/67
Aliasing - freqüência menor
A freqüência de amostragem é menor que o dobro da
freqüência do sinal : a quantidade de amostras é insuficiente e
o sinal reproduzido estará errado, em vermelho na figura. Este
erro é causado pelo fenômeno de aliasing.
– p.37/67
Aliasing - Na freqüência
O sinal de amostragem (que atua na chave) é constituı́do
de impulsos com a freqüência de amostragem fam,
também chamado função pente (ou função amostra). O
espectro deste sinal contem raias de mesmo nı́vel e
freqüência múltiplas inteiras de fam ou , ou seja, 0 Hz
¶
Z
(componente continua), fam, 2fam, 3fam, 4fam ... (até o
infinito se a duração do impulso for nula...).
– p.38/67
O sinal de amostragem (que atua na chave) é constituı́do
de impulsos com a freqüência de amostragem fam,
também chamado função pente (ou função amostra). O
espectro deste sinal contem raias de mesmo nı́vel e
freqüência múltiplas inteiras de fam ou , ou seja, 0 Hz
¶
Z
(componente continua), fam, 2fam, 3fam, 4fam ... (até o
infinito se a duração do impulso for nula...).
O sinal PAM terá portanto estas mesmas raias, porém com as
bandas laterais criadas pela modulação em amplitude,
como mostra a figura seguinte, onde e é
¶

j

Z
maior que 2 para não ter aliasing.
¶
j
– p.38/67
– p.39/67
Para reconstituir o sinal PAM no sinal analógico original,
basta passar o sinal PAM por um filtro passa baixo.
– p.40/67
Para reconstituir o sinal PAM no sinal analógico original,
basta passar o sinal PAM por um filtro passa baixo.
Para efeitos didáticos, a envoltória do espectro do sinal a ser
amostrado é representada simbolicamente pela hipotenusa
de um triângulo, em verde, e no caso, o sinal é uma
senoide. Qualquer que fosse o sinal, por mais complexa a
sua forma de onda e espectro, desde que limitado em fn, a
reconstituição seria perfeita usando um flitro passa-baixas
apropriado.
– p.40/67
– p.41/67
Podemos agora observar como ocorre o efeito de aliasing,
que nada mais é do que a superposição dos espectros de
cada raia mfam, por falta de espaço. Na restituição do sinal
pelo filtro passa baixo com freqüência de corte fn, a parte
do espectro original acima de fn (no caso a ponta do
triângulo) aparece como se tivesse sido dobrada em torno
de fn e invertida espectralmente, ou seja, freqüências mais
altas passam a ser menores.
– p.42/67
Podemos agora observar como ocorre o efeito de aliasing,
que nada mais é do que a superposição dos espectros de
cada raia mfam, por falta de espaço. Na restituição do sinal
pelo filtro passa baixo com freqüência de corte fn, a parte
do espectro original acima de fn (no caso a ponta do
triângulo) aparece como se tivesse sido dobrada em torno
de fn e invertida espectralmente, ou seja, freqüências mais
altas passam a ser menores.
Observe como a forma de onda do sinal restituı́do é
deformada em relação ao original.
– p.42/67
Subamostragem
Considere sinal ( inteiro), versão comprimida do
'
¹ %
)
'
l
¹

sinal discreto .
0 %
)
'

– p.43/67
Subamostragem
'
¹ %
)
'
l
¹

sinal discreto .
0 %
)
'

Objetivo: Relacionar a DTFT de com a DTFT de .
'
0 %
)
'

0
l
– p.43/67
Subamostragem
'
¹ %
)
'
l
¹

sinal discreto .
0 %
)
'

Objetivo: Relacionar a DTFT de com a DTFT de .
'
0 %
)
'

0
l
P
º
#
6
h t
*4
s4
*
\ Q
]

o
#
(
(

º
¹
h »
!
¼
onde *
*4

$
$
(
½

º
– p.43/67
– p.44/67
Reconstrução
– p.45/67
– p.46/67
Reconstrução Ideal
– p.47/67
Eliminar as réplicas de de com o filtro .
E
E
E

$
p
@
@

¾
– p.48/67
Eliminar as réplicas de de com o filtro .
E
E
E

$
p
@
@

¾
A inversa de é uma
E

p
0 ¿
@
F
¾

^ +
ZfY
0 ¿

H
Q

n

¾

8
– p.48/67
Logo
A inversa de
¾

E
@

5!
Eliminar as réplicas de
n
¾
# $

E
H @
é uma

0 %
0 ¿
H
'
H
ZfY
F
de
0 ¿
0 ¿
8
F $

@
^ +
E
Z Q @
7

A
0
Z a Y

com o filtro
¾
E
@

.
– p.48/67
– p.49/67
Repare que é não-causal.

n
¾
– p.50/67
Repare que é não-causal.

n
¾
Repare que há interpolação de valores.
– p.50/67
Reconstrução Prática - Zero-order hold
– p.51/67
Reconstrução Prática - Zero-order hold
– p.51/67
Zero-order Hold
é um pulso retangular no tempo, logo:

n
B
^ ;
c

0 ¿
H
@
b
+ *
^ ;
c
Q
E

p
[ Y
[ Y
7
#
@
(

B
Z
@
– p.52/67
Zero-order Hold

n
B
^ ;
c

0 ¿
H
@
b
+ *
^ ;
c
Q
E

p
[ Y
[ Y
7
#
@
(

B
Z
@
Problema 1: Introduz atraso de fase linear.
– p.52/67
Zero-order Hold

n
B
^ ;
c

0 ¿
H
@
b
+ *
^ ;
c
Q
E

p
[ Y
[ Y
7
#
@
(

B
Z
@
Problema 2: Introduz distorção
– p.52/67
Zero-order Hold

n
B
^ ;
c

0 ¿
H
@
b
+ *
^ ;
c
Q
E

p
[ Y
[ Y
7
#
@
(

B
Z
@
Problema 2: Introduz distorção
Problema 3: Réplicas distorcidas
– p.52/67
– p.53/67
Filtro Anti-imagem
: Resolver os problemas 2 e 3

b;
+
Â
^
@
N
+ s
Rt
h
Á
^ ;
_
Q
Q
E
5
p

À

T
Ã
@
@
O
A
Z
h
R
– p.54/67
Filtro Anti-imagem
: Resolver os problemas 2 e 3

b;
+
Â
^
@
N
+ s
Rt
h
Á
^ ;
_
Q
Q
E
5
p

À

T
Ã
@
@
O
A
Z
h
R
– p.54/67
Não é possı́vel obter um filtro anti-image causal com fase
zero.
– p.55/67
zero.
Banda de transição.
– p.55/67
zero.
Solução: Superamostragem
– p.55/67
zero.
Solução: Superamostragem
– p.55/67
– p.56/67
Superamostragem
– p.57/67
Decimação
– p.58/67
– p.59/67
– p.60/67
Interpolação
Considere
M
é inteiro
'
5

¹
N
R
0 %
)
'
º

Q
caso contrário
T
O
– p.61/67
Interpolação
Considere
M
é inteiro
'
5

¹
N
R
0 %
)
'
º

Q
caso contrário
T
O
R
Alguns valores não são conhecidos - Introduzir zeros entre as
amostras
– p.61/67
Interpolação
Considere
M
é inteiro
'
5

¹
N
R
0 %
)
'
º

Q
caso contrário
T
O
R
Alguns valores não são conhecidos - Introduzir zeros entre as
amostras
– p.61/67
– p.62/67
Representação FS para sinais de
duração finita não-periódicos
vu
x w
y
Obter a FS para sinais DTFT e FT.
| {
}
z

A DTFS é representação que pode ser
calculada numericamente com
computadores.
– p.63/67
Relacionando a DTFS com a DTFT
Considere
Ç
T
Æ
Ä
0
GÅ
0
N
R
0 %
)
'

caso contrário
É
È
GÊ
O
– p.64/67
Considere
Ç
T
Æ
Ä
0
GÅ
0
N
R
0 %
)
'

caso contrário
É
È
GÊ
O

0 %
)
'
'

Ë
V

0
j

!
#
ou seja, o sinal é feito periódico
– p.64/67
Considere
Ç
T
Æ
Ä
0
GÅ
0
N
R
0 %
)
'

caso contrário
É
È
GÊ
O

0 %
)
'
'

Ë
V

0
j

!
#
6
Ë
4
*
&%
'

$
-
(

– p.64/67
– p.65/67
– p.66/67
Relacionando a FS com a FT
Considere
Y
T
Æ

Ä
GÅ
N
B
R

caso contrário
É
È
GÊ
O
– p.67/67
Considere
Y
T
Æ

Ä
GÅ
N
B
R

caso contrário
É
È
GÊ
O

Y
Ë
V

j

!
#
– p.67/67
Considere
Y
T
Æ

Ä
GÅ
N
B
R

caso contrário
É
È
GÊ
O

Y
Ë
V

j

!
#
6
Ë
&%
'
E

&
$
B @
C

– p.67/67

Applfourier

Enviado por

Dados do documento

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

Applfourier

Enviado por

Direitos autorais:

Formatos disponíveis

Capı́tulo 4 - Aplicações da Transformada de Fourier

A representação usando a FS é:

A representação usando a FS é:

com perı́odo da fundamental .

Acontece quando há superposição no

Acontece quando há superposição no

Você também pode gostar