Você está na página 1de 26

2 6 Sinais de Tempo Discreto e Transformada de Fourier Discreta

2.6
Em computação numérica, os número de dados devem ser finitos, significando que o número de
amostras de um sinal x(t) e de seu espectro X(f) devem ser finitos.
Deve-se trabalhar com sinais x(t) limitados no tempo e, em caso contrário, é necessário truncá-los para
que tenham duração finita. O mesmo se aplica a X(f) .

O Processo de amostragem
Embora existam outras possibilidades, o método típico de obter uma representação de tempo discreto
de um sinal contínuo no tempo é através de amostragem periódica.
Considere-se um sinal x(t), de duração , começando em t = 0, conforme esboçado na figura abaixo,
juntamente com seu espectro:

Conforme será discutido adiante, existem razões para considerar x(t) de duração T, onde T  , tal que
x(t) = 0 em < t  T.
___________________________________________________
Lathi, B. P., Modern Digital and Analog Communication Systems, 3rd edition, Oxford university Press, New York,

401 0., 1998.

Tomam-se amostras de x(t) em intervalos de amostragem uniformes de Ts segundos.


k) Ts

k
O total de amostras é: N = T / Ts .
O sistema que implementa a operação de amostragem é um conversor ideal de tempo contínuo para
discreto (conversor C/D).

*
x(t ) x(k )  x(kTs )

sendo x(t) o sinal de tempo contínuo, x(k) o sinal de tempo discreto e Ts o intervalo de amostragem.

Em um arranjo prático, a operação de amostragem é implementada por um conversor analógico-digital


analógico digital
(A/D), o qual pode ser interpretado como uma aproximação de um conversor C/D ideal.

__________________________________________________________
* Oppenheim,
O h i A A. V
V., S
Schafer,
h f R R. W
W., B
Buck,
k JJ. R
R., Di
Discrete-Time
t Ti Signal
Si l Processing,2nd
P i 2 d edition
diti Prentice
P ti Hall,
H ll 897 p.,
New Jersey, 1999.
x(t ) x(k )  x(kTs )

s
Na figura abaixo mostra-se um trem de pulsos retangulares que foi amostrado na taxa fs = 1/T s,
sendo t = Ts o intervalo de amostragem (distância entre amostras consecutivas).

Observe se que a sequência se repete a cada N = 16 amostras


Observe-se amostras, sendo N o período da sequência.
sequência
As amostras podem ser expressas por:

Se o amostrador for uma função impulso periódica:


?impulso discreto?
Por simplicidade,
simplicidade costuma-se
costuma se descartar Ts e escrever simplesmente:

A representação
t ã x(k)
(k) é um sinal
i l de
d tempo
t discreto,
di t ou seja, j uma sequência
ê i ordenada
d d de d números,
ú
possivelmente complexos, e consistindo de k = 0, 1, 2, ..., N1, num total de N pontos.
___________________________________________________

Exemplo: A sequência impulso unitário de tempo discreto é definido por:

cujo gráfico está desenhado ao lado:

Exemplo: A sequência degrau unitário é definida por:

e seu gráfico está desenhado ao lado:


Exemplo: O degrau também pode ser descrito por:

Exemplo: A exponencial real é definida simplesmente por:

ficando implícito que n = 0, 1, 2, ...

No caso em que A e  são números reais,


A > 0 e 0<  < 1,
1 tem-se
tem se o gráfico ao lado:

Exemplo: Seja a sequência representada na figura a seguir:

A sequência pode ser especificada por:


Exemplo: Generalizando, toda sequência pode ser representada por: x ( k )   x ( k )  ( k  n)
k  

Modelo Matemático da Amostragem


É conveniente representar matematicamente o processo de amostragem em dois estágios: um
modulador por trem de impulsos e um conversor de trem de impulsos para sequência.

x(t ) x(k )  x(kTs )

Na figura
g abaixo mostra-se um sinal contínuo no tempo
p x(t)
( ) e o resultado da amostragem
g por
p trem de
impulsos, xs(t).
x(t )

s s s s
Ao lado de xs(t),
(t) é mostrada a sequência de saída correspondente,
correspondente x(k):

x(t )
x(k )

s s s s k

A diferença básica entre xs (t) e x(k) é que xs (t) é um sinal do tipo contínuo (um trem de impulsos,
que é nulo exceto em múltiplos inteiros de Ts ), enquanto a sequência x(k) é de tempo discreto e está
indexada na variável k (a qual estabelece uma normalização de tempo).
As amostras estão representadas por números finitos x(k) em vez de áreas de impulsos xs (t) .

___________________________________________________
Observação:
Na referência [Oppenheim, A. V., Schafer, R. W., Buck, J. R., Discrete-Time Signal Processing,2nd edition Prentice
Hall,
ll 897
89 p., New Jersey, 1999],
1999] o estudo
d deste
d tópico
ó i inicia-se
i i i sob
b o ponto de
d vista
i dad transformada
f d de
d Fourier
i ded
uma sequência (DTFT), segue para a discussão da série de Fourier discreta (DFS) de sequências periódicas, e evolui
para o conceito de transformada de Fourier discreta (DFT) aplicada a sequências de comprimento finito.
Neste curso,
curso será apresentado apenas uma breve introdução sobre o assunto,
assunto deixando a análise mais aprofundada
para o curso de Processamento Digital de Sinais.

x(t ) x(k )  x(kTs )

A conversão de x(t) para xs (t) inicia-se


inicia se empregando-se
empregando se um trem de impulsos periódico:

s (t )    (t  kT )
k  
s

o qual é modulado por x(t) resultando em:



x s (t )  x(t ) s (t )  x(t )   (t  kTs )
k  

At é dda propriedade
Através i d d dde multiplicação
lti li ã da d função
f ã impulso
i l (2.5.9a)
(2 5 9 ) mostrada
t d abaixo:
b i

xs (t) pode ser expressa por: 


x s (t )   x(kT ) (t  kT )
k  
s s

Após o conversor C/D, obtém-se Impulso discreto



x(k )   x( n)  ( k  n)
n  
ou x(k )  x(kTs ) , k = 0, 1, 2, ...
Recorre-se
Recorre se a relação (2.2
(2.2-4),
4), da transformada de Fourier:

para o caso de x(k)


(k) = x(kT
(kTs),
) com duração
d ã entre
e t e 0 e T,
T para obter:
bte :
T
X ( f )   x(kTs ) e  j 2 f kTs dt
0

Como as amostras são espaçadas entre si de Ts , aproxima-se dt  t=Ts na integral acima.


Além disso, como o número de amostra é discreto e limitado entre 0 e (N1), a integral é convertida
em somatório: N 1
X ( f )  lim  x(kT s ) e  j 2 f kTs Ts
Ts  0
k 0

Conforme será verificado a seguir,


g , X(f)
(f) também é discreto,, com amostras uniformemente espaçadas.
p ç

Considera-se que o espaçamento entre amostras seja igual a f Hz, tal que f = nf.

Se X(n) é a n-ésima
n ésima amostra de X(f),
X(f) isto é,
é X(n) = X(nf),
X(nf) então
N 1 N 1
X ( n)  X ( nf )   Ts x( kT s ) e  j 2 ( nf ) kTs   x( k ) e  j 2 ( nf ) kTs
k 0 k 0

sendo x(k) = Ts x(k Ts) por definição, o qual é idêntico ao x(k) anterior, exceto por um fator de escala.

N 1 N 1
Portanto, X ( n)   x (k ) e  jn 2 f Ts k   x ( k ) e  jn  k , sendo 
= 2 f Ts por definição.
k 0 k 0

Ass aamostras
ost as X(n)
(n) são pe
periódicas,
ód cas, com
co período / = 2/(f
pe odo 2/ /( f Ts) aamostras.
ost as.

Na dedução, assumiu-se que Ts0, porém, na prática, isto não é possível porque aumentaria
imensamente o número de dados a serem processados.

Isto resulta em algum erro computacional (conforme será visto adiante), e assim, deve-se esforçar
para tornar Ts tão pequeno quanto for praticável.

Prosseguindo, apenas um número de 2/ amostras de X(n) podem ser independentes, e também,
X(n) é determinado por apenas N valores independentes de x(k).

P t t para que as inversas


Portanto, i dessas
d equações
õ sejam
j únicas,
ú i sóó pode
d haver
h N valores
l de
d amostras
t
independentes de X(n) , ou seja:

2 2 2N 2 1
N    2f  e f 
 2 f Ts 2 f T T T
N 1 N 1
2 1
X ( n)   x(k ) e  jn 2 f Ts k   x( k ) e  jn  k 2f  e f 
k 0 k 0 T T
____________________________________
1 T  2 
Então, dado que N = T /Ts ocorre:  jn 2fTs k   j 2nk   j  nk
T N  N 
e daí:

A expressão X(n) constitui a forma tradicional da transformada de Fourier discreta (DFT), denotada
por DFT [x(k)].

X(n) consiste de N amostras, onde cada amostra está espaçada da outra pela frequência f :
fs 1
f  nf  f s  Nf  f   h t
hertz.
N N Ts
sendo fs o número de amostras de x(t) por segundo, ou seja, a frequência de amostragem de x(t).

Isto significa que X(n) é N-periódica, repetindo-se a cada fs Hz.

____________________________________
Observe-se que, calculando X(n) para n substituído por (n+N), obtém-se:
N 1  2  N 1  2   2 
 j (n N )k  j  nkk  j  Nkk
X (n  N )   x(k ) e  N 
  x(k ) e  N 
e  N 
 X ( n)
k 0 k 0

 2 
 j  Nk
pois e  N 
 e  j 2k  (e  j 2 ) k  1 .

O espectro da DFT se repete a cada N amostras, ou então, a cada fs Hz (pois f  nf  f s  Nf ) .

O intervalo entre n  (n+1) representa f  f s / N Hz, e assim, a frequência discreta é:

Basta N parcelas em (2.6-2) para se determinar X(n) .

A DFT é computada apenas para N positivo.


Observe que tanto x(k) quanto X(n) são sequências ordenadas de números e, portanto, podem ser
facilmente processadas por computador ou algum tipo de DSP.

Dada a relação f = 1/T , o intervalo de amostragem espectral f Hz (ou 2f rad/s) pode ser ajustado
T menor será f (ou 2f rad/s) .
pela escolha apropriada de T : quanto maior T,

A ideia de selecionar T   agora fica mais clara: quando T é maior que espera-se ter diversas
amostras nulas de x(k) no intervalo de a T.

Assim, aumentando-se o número de valores nulos de x(k), se reduz 2f e as amostras de X(n) ficam
menos espaçadas,
d gerando-se
d mais
i detalhes
d lh (resolução)
( l ã ) em X(f).
X(f)

Ou seja, para um dado intervalo Ts, quanto maior T maior será N.

Assim, pela escolha adequadamente grande do valor de N pode-se obter amostras de X(f) tão próximas
quanto possível.

Este processo de reduzir 2f pela inserção de amostras nulas de x(k) é conhecido como técnica de
zero padding.

Antes de proceder ao cálculo da transformada inversa, investiga-se a propriedade de ortogonalidade


do conjunto de exponenciais complexas; ou seja, mostra-se que:
N 1
 N , se n  0,1,2, etc.
 e jn k   (3a)
k 0  0 no caso contrário
_______________________________________________________________________
T 1
Prova: Lembra-se que N  (2 f Ts )  (2 f )T  2 T  2
Ts T
N 1 N 1
e assim, e jn k
 1 para n = 0, N, 2N, etc., tal que 
k 0
e j n k   1  N , n = 0, N, 2N, etc.
k 0

Para computar a soma para os outros valores de n (n  0, N, 2N, etc.), nota-se que a soma do lado
esquerdo de (3a) é uma progressão geométrica, com razão = exp(jn):
N 1 N 1 N 1
S   e j n k   (e j n  ) k    k  1     2   2  ...   N  2   N 1
k 0 k 0 k 0

sendo S o resultado da soma. Multiplicando ambos os membros por  resulta:


S     2   2  ... N 1  a N
Subtraindo ambos as séries, obtém-se: S (1   )  1   N e, portanto,
N 1
e j n N  1

k 0
e j n k 
e j n 1
0

jn N j 2 n
pois N  2 e e e  1 para n  0, N, 2N, etc.
N 1 N 1
O cálculo da transformada inversa parte-se de: X ( n)   x (k ) e  jn 2 f Ts k   x ( k ) e  jn  k
k 0 k 0

Multiplicando-se ambos os lados por e


jmn
 e j ( 2 f Ts ) n e somando-se em termos de n:

N 1 N 1
 N 1 

n 0
X (n) e jm  n    x(k ) e  jn  k  e jm  n
n 0  k 0 
I
Intecambiando
bi d a ordem
d dod somatório
ó i do
d lado
l d direito:
di i

N 1 N 1
 N 1  N 1  N 1 
n 0
X (n) e jm  n   x( k )  e j ( m  k ) nk    x( k )  e j nk  ,   m  k
k 0  n 0  k 0  n 0 
N 1
 N , se n  0,1,2, etc.
O termo entre colchetes corresponde a:  e jn k  
k 0  0 no caso contrário

e portanto, é nulo quando   m  k  0, N, 2N, etc, em particular, se   m  k  0 , ou seja


qquando m  k.
Por outro lado, a soma é N quando   m  k = 0, N, 2N, etc, em particular   m  k = 0,
ou seja, m = k.
P t t a soma externa
Portanto, t do
d lado
l d direito
di it terá
t á um único
ú i termo
t não
ã nulo
l (quando
( d m = k),
k) e é igual
i la
N xk = N xm .

N 1 N 1
 N 1 j ( m  k ) nk  N 1  N 1 j nk 

n 0
X ( n ) e jm  n
 
k 0
x ( k ) 
 n 0
e  

 k 0
x ( k )  e
 n 0


  mk

__________________________________________
Portanto, a soma externa do lado direito terá um único termo não nulo (quando m = k)
Portanto k), e é igual a
N xk = N xm:
1 N 1
x (m)   X ( n) e jm  n , = 2 f Ts
N n 00
Substituindo-se , obtém-se a forma inversa da transformada de Fourier discreta (IDFT), denotada
por IDFT[X(n)]:
1

(trocando-se m por k).


Como consequência, a representação de uma sequência x(k) precisa apenas de N exponenciais
complexas, ao contrário do caso de sinal contínuo x(t), o qual geralmente requer infinitas exponenciais
complexas relacionadas harmonicamente para representá-lo.

Mostra-se, facilmente, que: x(k) = x(k+N).

g
Isto significa qque a sequência
q x(k)
( ) também é periódica,
p , com pperíodo de N amostras ((representando
p a
duração de tempo NTs = T segundos).
Resumo:
1

x(k )  Ts x(kTs ) X (n)  X (nf )

2 2
 2f s   2f s
T Ts

T 2
N   2fTs 
Ts N

Ambas as sequências x(k) e X(n) são periódicas com período de N amostras.


Isto resulta em x(k) repetindo-se com período T, e X(n) repetindo-se com período fs = 1/Ts , a
frequência de amostragem.

O iintervalo
t l de
d amostragem
t de
d
x(k) é Ts segundos.

O iintervalo
t l de
d amostragem
t de
d
X(n) é f=1/T hertz, ou então,
f = fs /N hertz.
Assumindo-se que x(t) é limitado no tempo, acontece que X(f) não é limitado em banda.

Portanto, a repetição periódica do espectro X(n) causará overlapping das componentes espectrais,
resultando em erro (aliasing error).

O espectro de X(n) se repete a cada fs Hz.


O erro de aliasing é reduzido aumentando-se fs , a frequência de repetição.
Este erro pode ser feito tão pequeno quanto desejado
desejado, aumentando
aumentando-se
se a frequência de amostragem
fs = 1/Ts (ou reduzindo-se o intervalo de amostragem Ts ).
O erro de aliasing é o resultado direto de não de satisfazer a exigência de Ts 0.

Quando x(t) não é limitado no tempo, necessita-se truncá-lo a fim de torná-lo limitado, o que causará
ainda mais erro em X(n) .
Tal erro pode ser reduzido tanto quanto desejado aumentando-se
aumentando se apropriadamente o intervalo de
truncamento T.

No cômputo da transformada inversa ocorre um problema similar: se X(f) for limitada em banda, x(t)
não é limitada no tempo, e as repetições periódicas das amostras x(k) sofrerão overlap (aliasing no
domínio do tempo).

Pode se reduzir este erro de aliasing aumentando


Pode-se aumentando-se
se T,
T o período de x(k),
x(k) o que é equivalente a reduzir
o intervalo de amostragem da frequência de X(f), ou seja f =1/T.

Por outro lado, se X(f) não for limitado em banda, é necessário truncá-lo, o que causa erro adicional no
cômputo
ô t de
d x(k)
(k) Aumentando-se
A t d a largura
l de
d banda
b d de
d truncamento
t t pode-se
d reduzir
d i estet erro.

Escolha de Ts , T e N

Em primeiro lugar, deve-se decidir a largura de banda essencial B de x(t) .

Da figura abaixo,
abaixo nota-se que ocorre overlap espectral (aliasing) na frequência fs /2 (folding frequency)

Se a frequência de folding for escolhida tal que o espectro X(f) seja desprezível além de fs /2 , o aliasing
não será significativo.
Escolha de Ts , T e N (cont...)

Portanto, a frequência de folding deveria ser pelo menos igual à maior frequência significativa, isto
é, a frequência acima do qual X(f) é desprezível.

Esta frequência é chamada de largura de banda essencial B.

Se X(f) é limitada em banda, então, sua largura de banda é idêntica à largura de banda essencial.
1
Assim: fs/2  B  Ts 
2B
Como f =1/T
1/T , onde f é a resolução de frequência [separação entre amostras de X(f)],
X(f)] se Ts e T
T
forem conhecidos, então : N
Ts
Também existem sinais que não são limitados nem no tempo nem em frequência, e, em tais casos,
é necessário reduzir Ts e aumentar T.

Pontos de descontinuidades

Se x(t) tem uma descontinuidade degrau num ponto de amostragem, o valor da amostra deve ser
tomado como a média dos valores em ambos os lados da descontinuidade.
Com isso, a representação de Fourier no ponto da descontinuidade converge para o valor médio.

x(k)
(k)
Exemplo: Considere se a sequência x(k) = (1, 2, 1,
Considere-se 1,  1), para N = 4. Calcular a DFT de x(k).

=3

2 2
j j
Escrevendo-se que: e N
e 4
j

expande-se (2.6-2), obtendo-se:

X (n)  1  2( j ) k  1( j ) 2 k  1( j ) 3k , k = 0, 1, 2 e 3.

Portanto, X(n) = (1, 2  j3,  1, 2+j3) #

Exemplo: Calcular a DFT da sequência abaixo, sendo N =16.

=1

k
2 1
C
Como X( ) é N-periódica,
X(n) N iódi necessita-se
it d t
determinar
i os valores
l de
d X(n)
X( ) ao llongo de
d qualquer
l período.
í d

É costume determinar X(n) ao longo da faixa (0, N1) em vez da faixa (N/2, N/2 1).

Observação idêntica se aplica a x(k).

Da definição de DFT: = 16

 2   2  5 n  2  5 n  2  5 n
 j 5n  j   j   j 
 2 
4  j  nk 1 e  16 
e  16  2
[e  16  2
e  16  2
]
X ( n)  e
k  
 16 
  2 
 j n
  2  n
 j 
 2  n
 j 
 2  n
 j 
1 e  16 
e  16  2
[e  16  2
e  16  2
]
 2  5n 5n
 2  4 n j 2 sen   n  sen

e
 j 
 16  2  16  2  e  4 
 j  
16
 2  n n
j 2 sen  sen
 16  2 16
5n
 n 
 j 
sen
Portanto, X ( n)  e  4  16
n
sen
16 5n n 5n
 n 
 j 
sen  n  sinc
 j 
X(n) pode ser simplificada para: X ( n)  e  4 
 16  16  5e  4  16
n 5n n
sen sinc
16 16 16
tal que, seu valor máximo ocorre em n = 0, e vale X(0)= 5 = A2 .

Exemplo
p 2.6-1: Monociclo de Tempo
p Discreto e sua DFT
Um monociclo é uma derivação da função gaussiana:

Usando o Matlab, gerar e plotar um pulso monociclo com N = 64 pontos, centrado em k = 32, com
a = 100 constante e amostrado em fs = 1 Hz.
________________________________________________________
Será assumido que o intervalo de amostragem é Ts =1 s.

O monociclo (2.6-5) está centrado na origem. Para que o pulso esteja centrado em k = 32, faz-se

O cálculo da DFT produz componentes real e imaginária:

O espectro de potência do sinal é

O cálculo da DFT é realizado em Matlab pelo comando ‘fft’ (Fast Fourier Transform). O diagrama
de barras é obtido pela função ‘stem’, semelhante ao ‘plot’.
A listagem do programa em Matlab é apresentada abaixo:

Os gráficos de x(k), Re[X(n)], Im[X(n)] e Puu(n) estão apresentados abaixo:

Note-se que o intervalo de k para (k+1) corresponde a 1 seg, e, o intervalo de n para (n+1)
p
corresponde a 1/64 Hz.
Os gráficos de x(k) e X(n) se extendem por 64 seg e 64 Hz, respectivamente.
Sistema Linear invariante no Tempo

Sistema de tempo discreto: transformação ou operador que mapeia uma sequência de entrada x(k)
numa sequência de saída y(k).
*

Ou seja, y ( k )  T {x ( k )}

Sistema linear: è aquele que obedece ao princípio de superposição de efeitos

T {ax1 ( k )  bx 2 ( k )}  aT { x1 ( k )}  bT { x 2 ( k )}

Sistema invariante no tempo: é aquele no qual um deslocamento no tempo (ou delay) na sequência
de entrada provoca um deslocamento correspondente na sequência de saída.

O seja,
Ou j se x ( k )  y{k}  T {x ( k )} , então,
ã
x1 (k )  x(k  k 0 )  y1 (k )  T {x1 (k )}  T {x(k  k 0 )}  y (k  k 0 )
________________________________________________________________________________
* Oppenheim, A. V., Schafer, R. W., Buck, J. R., Discrete-Time Signal Processing,2nd edition Prentice Hall, 897 p.,
New Jersey, 1999.

Sistema linear invariante no tempo (SLIT)



Já foi visto que uma sequência genérica pode ser escrita como: x(k )   x ( )  ( k   )
  

Seja hn(k) a resposta de um sistema linear ao impulso em k=  , ou seja, (k  ): h (k) =T{(k  )}


Então, a resposta a uma entrada arbitrária x(k) será: y (k )  T {x (k )}  T {  x ()  ( k  )}
  

 
Usando o princípio de superposição: y (k )   x() T { (k  )} 
  
 x ( ) h ( )
  

Devido à invariância no tempo, se a entrada de um SLIT for (k)  h(k)=T{(k)}, então, sua saída
será: (k )  h(k  )=T{(k  )}.

Portanto, um sistema que seja linear e invariante no tempo apresenta como saída:

y (k )   x ( ) h ( k   )
  

Por definição, o somatório acima corresponde a convolução linear:


y ( k )  x ( k ) * h( k )
a k , para k  0
Exemplo:
p x(k )  a k u (k )   e h( k )  u ( k )
0 , para k  0

Fazendo o cálculo direto da soma de convolução:


 
y ( k )  y ( k ) * h( k )   x ( ) h ( k   ) 
  
 a u ( ) u ( k   )
  

Como u(  ) é zero para  <0 e u(k  ) é zero para  >k, quando k<0, então não há termos diferentes
de zero na soma e tem-se y(k)=0.

1  a k 1
P outro
Por t lado, 0, y ( k ) 
l d se k  0  a 
   1 a

1  a k 1
e pportanto,, y (k )  u (k ) #
1 a


y ( k )   x ( ) h ( k   )
  
__________________________________________________
Exemplo: Calcular y(k)=x(k)*h(k) para x(k) e h(k) dadas abaixo:

a) Desenhar os gráficos de x(  ) e h(  ) , como funções de  .


b) Inverter h() para se obter h().
c) Formar o produto: x(  )h(  ), para k =0

d) Somando em relação a  , encontra-se: y(0) = 1.



y (k )   x ( ) h ( k   )
  
__________________________________________________
c) Deslocar de k=1 a sequência invertida de tempo e multiplicar as duas sequências x( ) e h(1  ).

y(1) 21+11 3
y(1)=21+11=3

d) Deslocar de k=2 a sequência invertida de tempo e multiplicar as duas sequências x( ) e h(2  ).

y(2) 31+21+1  11=6


y(2)=31+21+1 6

e) Prosseguindo, encontram-se y(3) = 5, y(4) = 3 e y(k) = 0 para k > 4.


y (k )   x ( ) h ( k   )
  
__________________________________________________
f) Deslocar de k=1 a sequência invertida de tempo e multiplicar as duas sequências x() e h( 1  ).

y((1)=0
1) 0

g) De fato, y(k) = 0 para todo k < 0.

h) Resposta

Discussão: y ( k )   x ( ) h ( k   )
  

a) Se x(k) tiver comprimento N1 e h(k) tiver comprimento N2, então,


então y(k)=x(k)*h(k) terá comprimento
(N1+ N21)

b)) A convolução é comutativa: y(


y(k)=x(k)*h(k)
) ( ) ( ) = h(k)*x(k)
( ) ( )

c) Dados x(k)=[x(0), ..., x(N11)] e h(k)=[h(0), ..., h(N21)] , em geral, N1>>N2, e


N 2 1
y ( k )  h( k ) * x ( k )   h( ) x ( k   )
 0

onde se limitou  =0, ..., N2 1, porque h( ) é nulo fora desse intervalo.

d) Note-se que y(k)=0 quando uma das condições ocorre:


i) k    0 para todo  =0, ..., N2  ocorre para todo k < 0
ii) k    N1  1 para todo  = 0, ..., N2  ocorre pata todo k > N1 1+ N2 1
porque x( k  )  0 em ambos os casos.

Portanto,
o a o, computa-se
co pu a se a sequência
sequê c a y(k) apenas
ape as para
pa a um
u número
ú e o finitoo de pontos:
po os:
N 2 1
y ( k )  h(k ) * x( k )   h() x(k  ) , k = 0, ..., N1+N2 2.
 0

E outras
Em t palavras,
l y(k)
(k) ttem comprimento
i N N1+ N211 .
t N=N

x * h = y
0 N11 0 N21 0 N1+ N21

Portanto, a saída de um SLIT de tempo discreto é a convolução linear da entrada com a resposta
impulsiva do sistema, ou

Onde os comprimentos de x(k) e h(k) estão limitados a N1 e N2 , respectivamente, e o comprimento de


y(k)
(k) está
tá restrito N N1+ N21
t it a N=N 1.
Deslocamento circular no tempo
p

O circular time shift está relacionado com o fato de que a sequência finita x(k), k=0, .., N1, pode ser
considerada como um período de uma sequência periódica xp(k).

De fato, escrevendo a expressão da IDFT para todo  < n < +, e chamando-se de xp(k)
2
1 N 1 j kn
x p (k )   X (n)e N ,  < k < +
N n 0
observa-se que xp(k) é periódica com período N pois
N 1 2 N 1 2
1 j (k  N )n 1 j kn
x p (k  N ) 
N
 X ( n )e
n 0
N

N
 X ( n )e
n 0
N
e j 2n  x p (k )

Portanto, a sequência x(k) é apenas um período de sua extensão periódica xp(k)


x(k )  x p (k ) , k=0,
k=0 .., N1
N 1

Por sua vez, a sequência periódica xp(k) pode ser formada a partir de x(k) como

x p (k )   x(k  nN )
n  

Uma notação útil e que especifica o fato da sequência finita x(k) ser um período da sequência infinita é
x[(k ) N ]  x p (k ) para  < k < +
onde se define
(k)N = k módulo N.

Isto significa que, se k for expresso como: k  N  m , 0 < m < N1, então, (k ) N  (k mod N )  m .

D
Desta fforma, qualquer
l k inteiro
i i estáá relacionado ód l N como: k  N  m  N  ( k ) N ,
l i d com seu módulo
com  inteiro e (k)N sempre no intervalo 0 ... N1.
___________________________________
Exemplo: m  (k ) N  k  N , 0  m  N  1
a) Para k = 13 e N = 8, 0 < m < 7:
  1  m  21  7
m =(13)8= 13   8   0  m  13  7
  1  m  5 (OK!)
  2  m  3  0
Portanto (13)8 = 5.
p m  ( k ) N  k  N , 0  m  N  1
Exemplo:
b) Para k =  6 e N = 8, 0 < m < 7:   2  m  10  7
  1  m  2 (OK!)
( 6)8=  6   8
m =(6)   0  m  6  0
  1  m  14  0
Portanto (( 6))8 = 2.

______________________________________________________
Como consequência, define-se o deslocamento circular para uma sequência finita x(k) como
x[(k  1) N ] RN (k )  x p (k  1) RN (k )
sendo
d RN(k) a jjanela
l retangular:
t l
1 0  k  N
RN ( k )  
 0 demais casos
E outras
Em t palavras,
l qualquer
l valor
l que caia
i fora
f do
d intervalo
i t l [0 ... N1]
N 1] após
ó o ddeslocamento
l t volta
lt do
d
outro lado.

1 0  k  N
x[(k  1) N ] RN (k )  x p (k  1) RN (k ) (k )  
RN (k
___________________________________  0 demais casos
Qualquer valor que caia fora do intervalo [0 ... N1] após o deslocamento volta do outro lado.

Generalizando: x[(k  L) N ] RN (k )  x p (k  L) RN (k )

sendo L o deslocamento.
Generalizando: x[( k  L ) N ] RN ( k )  x p ( k  L ) RN ( k )

sendo L o deslocamento.
___________________________________
Exemplo: Se N = 8 e x(k) = [x(0), x(1), x(2), x(3), x(4), x(5), x(6), x(7)].

x(k), 9< k <N1 x(k2)8 R8(k)

x(0) x(6)

x(7) x(1)
( ) x(5) x(7)
( )

x(6) x(2) x(4) x(0)

x(3) x(1)
x(5) x(3)

x(4)
( ) x(2)
( )

Exemplo: x[( k  L ) N ] RN ( k )  x p ( k  L ) RN ( k )

Para N=4:
x(3)
x(0)
x(k) x[(k1)4] R4(k)
x(2) x(0)
x(3) x(1)
2 2
1 x(1) 1
x(2)
k k
2 1 0 1 2 3 4 5 2 1 0 1 2 3 4 5

x(2) x(1) x[(k3)4] R4(k)


x[(k2)4] R4(k)

x(1) x(3) 2 x(0)


(0) x(2)
(2) 2

1 1
x(0)
( ) k x(3) k
2 1 0 1 2 3 4 5 22 11 0 1 2 3 4 5
Exemplo: x[(k  L) N ] RN (k )  x p (k  L) RN (k )

Para N=4:

x(0) x(0)
x(k) x[( k)4] R4(k)

x(3)
( ) x(1) x(1)
( ) x(3)
2 2
1 1
x(2) x(2)
k k
2 1 0 1 2 3 4 5 2 1 0 1 2 3 4 5

____________________________________________
Em outras palavras, se  (N 1) L  (N 1), verifica-se que:

 x(k  L) se 0  k  L  N  1
x[(k  L) N ]  
 x(k  N  L) caso contrário

onde o offset N depende se L é positivo (+N) ou negativo (N).

 x(k  L) se 0  k  L  N  1
x[(k  L) N ]    (N 1) L  (N 1)
 x(k  N  L) caso contrário
__________________________________________________________
Exemplo: x(k) = (A B C D E) e zero fora, portanto N=5, N1=4, 4  L  4
k 0 1 2 3 4
L = 4 E A B C D
L = 3 D E A B C
L = 2 C D E A B  x(k  2), 0  k  2  4  1  k  2
x[(k  2) 5 ]  
 x(k  3) fora
L = 1 B C D E A  x(k  1), 0  k  1  4  1  k  3
x[(k  1) 5 ]  
 x(k  4) fora

L=0 A B C D E x(k)
L = +1
1 E A B C D  x(k  1),) 0  k 1  4  1  k  5
x[(k  1) 5 ]  
 x ( k  4 ) fora

L = +2 D E A B C  x(k  2), 0  k  2  4  2  k  6
x[(k  2) 5 ]  
 x(k  3) fora

L = +3 C D E A B  x(k  3), 0  k  1  4  3  k  7
x[(k  3) 5 ]  
 x(k  2) fora

L = +4 B C D E A  x(k  4), 0  k  4  4  4  k  8
x[(k  4)5 ]  
 x(k  1) fora
 x(k  L) se 0  k  L  N  1
x[(k  L) N ]  
 x(k  N  L) caso contrário
__________________________________________________
Exemplo: Seja x = (1, 2, 5, 3, 2), N = 5,  (N 1) L  (N 1)   4 L  +4.

a) Calcular x[(k 1)5], L = 1>0.


0: 0  k  L  N 1
Quando kk=0: 1  4 (falso)  x[( k  L ) N ]  x ( k  N  L )  x[( 1) 5 ]  x (5  1)  x ( 4)
1  0  1

Portanto: x[( k  1) 5 ]  [ x ( 4), x (0), x (1), x ( 2), x (3)]  ( 2,1,2,5,3)

b) Calcular x[(k +1)5], L =  1<0.


Quando k=4: 0  k  L  N1 0  5  4 (falso) x[( k  L ) N ]  x ( k  N  L )  x[(5) 5 ]  x[4  5  ( 1)]  x (0)

Portanto: x[( k  1) 5 ]  [ x (1),


) x ( 2),
) x (3), ) x (0)]  ( 2,5,3,2,1)
) x ( 4),

c) Calcular x[( k)5].


Quando 0k4  x[(  k ) 5 ]  [5  k ]

Portanto: x[(  k ) 5 ]  [ x (0), x ( 4), x (3), x ( 2), x (1)]  ( 2,3,5,2,1) #

Convolução circular
A convolução circular é baseada no deslocamento circular e é definida como:
N 1
y ( k )  h ( k )  x ( k )  [  h ( n ) x p ( k  n )] RN ( k )
n 0
N 1
  h(n) x[(k  n) N ]
n 0

onde as sequências y(k),


y(k) x(k) e h(k) têm comprimento N.
N
A convolução circular é similar a convolução linear, exceto que ambas as funções y(k) e x(k) devem
ter o mesmo comprimento.
Enquanto a operação de soma da convolução linear aumente o comprimento da sequência resultante,
com a convolução circular os novos termos circularão de volta ao início da sequência.
_______________________________________ 2
Exemplo: Seja x = (1,2,5) e h = (2, 1, 2), N=3: y (k )  h(k )  x(k )   h(m) x[(k  m) 3 ]
n0

y (0)  h(0) x(0)  h(1) x[(1) 3 ]  h(2) x[(2) 3 ]  h(0) x(0)  h(1) x(2)  h(2) x(1)  1
y (1)  h(0) x(1)  h(1) x(0)  h(2) x[(1) 3 ]  h(0) x(1)  h(1) x(0)  h(2) x(2)  15
y (2)  h(0) x(2)  h(1) x(1)  h(2) x(0)  10

Portanto: y = (1,15, 10) #.


Propriedades da DFT
Sendo X(n) a FDT de x(k), ou seja, X(n) ) = DFT[x(k),], então:
 Circular time shift
 2 
 j  nL
L
DFT {x[ x (k  L) N ]}  e  N 
X ( n), n  0,..., N  1

___________________________________ L 1  2  N 1  2 
 j  nk  j  nk
P
Prova: Para N 1  DFT {x[ x ( k  L ) N ]}   x ( k  L  N )e
P 0  L  N1  N 
  x ( k  L )e  N 

n0 n L

Substituindo m por m=kL+N na primeira e m=kL na segunda soma:


N 1  2  N  L 1  2 
 j  n( m L N )  j n(m L)
DFT {x[ x ( k  L ) N ]}   x ( m )e
m N L
 N 
 
m 0
x ( m)e  N 

 2 
 j  (  nN )
Como e  N 
 1 , então
N 1  2  N  L 1  2  N 1  2 
 j  n( m L )  j  n( m L )  j  n( m L )
DFT {x[ x(k  L) N ]}   x ( m)e
m N  L
 N 
 
m 0
x ( m)e  N 
  x ( m)e
m 0
 N 

N 1  2   2 
 j  nm  j   nL
  x ( m)e  N 
e  N 

m 0

a partir da qual se obtém a resposta.


resposta

 Teorema da convolução circular

DFT {h( k )  x ( k )}  H ( n) X ( n), n  0,..., N  1


___________________________________
Prova: usando o teorema circular time shift
N 1 N 1
DFT {h(k )  x(k )}  DFT { h() x[(k  ) N ]}   h() DFT {x[(k  ) N ]}
 0  0

N 1  2 
 j  k
  h ( )e  N 
X ( n)  H ( n) X ( n)
 0

________________________________
Portanto, se , então
 Multiplicação por exponencial
 2 
j  kM
DFT {x ( k )e  N 
}  X [( n  M ) N ]
___________________________________
P
Prova:  2  N 1  2   2 
j  kM j  kM  j  kn
DFT {x (k )e  N 
}   x ( k )e  N 
e  N 
 X [( n  M ) N ]
k 0

o de o deslocamento
onde des oca e o circular
c cu a em
e frequência
equê c a leva
eva em
e consta
co s a que o índice
d ce de X es
estáá noo intervalo
e va o
0,...,N1.

 Multiplicação no tempo
1
DFT {x( k ) y ( k )}  X ( n)  Y ( n)
___________________________________ N
Prova: Usando o teorema da multiplicação,

N 1  2  N 1  2 
1 j  k 1 j  k
DFT {x (k ) y (k )}  DFT {x( k ) Y ()e  N 
}  Y ()DFT {x(k )e  N 
}
N  0 N  0
N 1
1 1

N
 Y ()X [(n  )
 0
N ]
N
X ( n)  Y ( n)

O desafio agora é usar a propriedade de convolução da DFT para computar a sequência de saída
y(k), uma vez que existem dois obstáculos:
i) A convolução definida com a DFT é circular (não linear);
ii) As sequências devem ter o mesmo comprimento.

Pode-se resolver esses problemas estendendo-se as sequências h(k) e x(k) com zeros suficientes, tal
que tenham o mesmo comprimento: L  N+M1.
Neste caso define-se:
x e  [ x(0), x(1),..., x( N  1),0,0,...,0]

LN1 zeros
he  [h(0), h(1),..., h( M  1),0,0,...,0]
LM1 zeros
e computa-se a convolução circular entre sequências
M 1
y e (k )  he (k )  xe (k )   h () x [(k  )
 0
e e L ]

onde, novamente, limita-se   0,..., M  1 (em vez de L1) porque he é nulo fora daquela faixa.
Devido as sequências serem zero padded, pode
pode-se
se verificar que
xe [(k  ) L ]  x(k  L)
para todo n = 0,..., L1 e   0,..., M  1 , desde que L  N+M1.

zeros zeros
 
x h y
0 N1 N+M1 0 M1 N+M1 0 N+M2

Consequentemente, y(k) = ye(k) para n = 0,..., L1 e, portanto,


y ( k )  IDFT {H e ( n) X e ( n), n  0,..., L  1}
onde
H e(n)  DFT {he (k ), k  0,..., L  1}

X e(n)  DFT {xe (k ), k  0,..., L  1}

Concluindo, se forem restringidos os comprimentos para N1 = N2 e N > (2N1 1),


1), então a convolução
é igual à convolução circular:

Os comprimentos de x1(k) e x2(k) podem ser feitas iguais acrescentando-se zeros à sequência com
comprimento
i t menor.

Portanto, assim como a TF contínua substitui a convolução em sistemas de tempo contínuo, a DFT
ppode ser usada ppara substituir a convolução
ç linear ppara sistema de tempo
p discreto.