Sinais, sistemas, e processamento de sinais; Classificação

de sinais;
O conceito de freqüência em sinais de tempo contínuo e
discreto
 Sinais, sistemas, e processamento de
sinais

U sinal é definido como qualquer quantidade física que varia com o tempo,
espaço, ou qualquer outra(s) variável(eis) independente(s).
Matematicamente, descrevemos um sinal como uma função de uma ou
mais variáveis independentes.
s1 (t ) = 5t s2(t) = 20t 2 s(x,y) = 3 x + 2 xy + 10 y 2

Sinais descritos por essas equações pertencem a classe de sinais que são
precisamente definidos especificando a dependência funcional na variável
independente.

Existem sinais onde a relação de dependência funcional é desconhecida ou
muito complicada para ser de qualquer uso prático ( Exemplo: sinal de
voz).

Em geral, um segmento de voz pode ser representado com um alto grau
de precisão como uma soma de várias senóides de diferentes amplitudes,
frequencias e fase, isto é, como N

∑ Ai (t )sen[2πFi (t )t + θi (t )]
i =1
 Sinais, sistemas, e processamento de
sinais

Para se interpretar a mensagem transportada por qualquer curto segmento
de tempo, no sinal de voz, deve-se medir a amplitude, freqüência e a fase
neste segmento de tempo.

Sinal ECG contém informações sobre o coração do paciente.

Sinal EEG contém informações sobre a atividade cerebral.

Sinal de voz, ECG e EEG são sinais que carregam informação com uma
única variável independente, o tempo.

Sinal de imagem possui duas variáveis independentes, coordenadas
espaciais.

A geração de sinais é geralmente associada com um sistema que responde
para um estímulo ou força.( Ex: sinal de voz – sistema: cordas vocais e
cavidade vocal )

Um sistema também pode ser um aparelho físico executa uma operação no
sinal. ( Ex: filtro )
 Sinais, sistemas, e processamento de
sinais

Quando um sinal passa através de um sistema, como em um filtro, é
dito que o sinal foi processado. Em geral, os sistemas são
caracterizados pelo tipo de operação que eles realizam no sinal. Tais
operações são geralmente referenciadas como processamento de
sinal. Ex: sistema linear e não linear.

Um sistema digital pode ser implementado como uma combinação
de hardware e software, sendo que cada um realiza seu próprio
conjunto de operações especificadas.

O principal tópico no estudo de processamento digital de sinal é a
discussão de algoritmos eficientes para a realização de operações
como filtragem, correlação, e análise espectral.
 ELEMENTOS BÁSICOS DE UM SISTEMA DE
PROCESSAMENTO DIGITAL DE SINAL

A maior parte dos sinais encontrados na ciência e engenharia são analógicos.
Eles podem ser processados diretamente por sistemas analógicos
apropriados ( tais como filtros, analizadores de frequencia, multiplicadores
de frequencia, amplificadores ).

PDS fornecem um método alternativo para processar o sinal analógico.

DSP fornecem flexibilidade para mudar a operação de processamento do

sinal através da mudança no software. No entanto, em processamento onde
as operações são bem definidas, uma implementação de hardware das
operações podem ser otimizadas resultando em um DSP mais barato e mais
rápido do que um DSP programável.
VANTAGENS DO PDS SOBRE O PAS

Um sistema PDS pode ser programável permitindo flexibilidade em
reconfigurar as operações de processamento simplesmente mudando o
programa. PAS reprojetar o hardware.

No PAS a tolerância dos componentes fazem com que seja extremamente
difícil para o projetista controlar a precisão do sistema. No PDS é muito
mais fácil controlar a precisão através da especificação do conversor A/D
e do DSP em termos de comprimento de palavra, e etc.

Sinais digitais são facilmente armazenados em mídia magnéticas sem
deterioração ou perda da fidelidade do sinal. Consequentemente, os sinais
tornam-se transportáveis e podem ser processados off-line em um
laboratorio remoto.

PDS permite a implementação de mais sofisticados algoritmos de
processamento de sinais.

Em alguns casos PDS é mais barato do que PAS devido ao hardware digital
ser mais barato ou como resultado da flexibilidade para modificações.

Entretanto, PDS fica limitado a velocidade do conversor A/D e do DSP.
Em aplicações onde o sinal tem grande largura de banda, exigindo altas
velocidades de processamento, o PAS é a única opção.
 CLASSIFICAÇÃO DE SINAIS
Os métodos usados para processar ou analizar a resposta de um sistema a
um sinal depende fortemente dos atributos característicos do especificado
sinal. Existem técnicas que se aplicam somente para específicas famílias de
sinais.
SINAIS MULTICANAIS E MULTIDIMENSIONAIS

Um sinal é descrito por uma função de uma ou mais variáveis
independentes. O valor da função pode ser uma quantidade real, uma
quantidade complexa, ou talvez um vetor.

Em algumas aplicações, os sinais são gerados por multiplas fontes ou
multiplos sensores. Tais sinais podem ser representados na forma de
vetores. Exemplo: a aceleração da terra em um teremoto tem três
direções: longitudinal, transversal e vertical. Estes sinais, que são funções
do tempo, podem ser representados em um vetor de três linhas, por
exemplo. ( sinal multicanal )

Sinais com uma variável independente são chamados de um-dimensional e
sinais com M variáveis independentes são chamados de M-dimensionais.

Em uma imagem de TV o sinal de brilho I(x,y,t) é de 3 dimensões, pois
depende da posição (x,y,t) e tempo. Foto 2 dimensões (x,y) ( imagem fixa
).

A figura em uma TV colorida possuí três funções de brilho, RGB, portanto
 I ( x , y , t )
esse sinal é de 3 canais e de 3 dimensões. r

I ( x, y , t ) = I ( x, y , t )

 g 
 I b (x, y, t )
 SINAIS DE TEMPO CONTÍNUO VERSUS
SINAIS DE TEMPO DISCRETO

Sinais de tempo contínuo, ou sinais analógicos, são definidos para
todo valor de tempo em um intervalo contínuo (a,b).

Sinais de tempo discreto são definidos somente em específicos
valores de tempo. Na prática estes instantes de tempo são espaçados
em intervalos iguais de tempo para conveniente tratamento
matemático e computacional. ( Ex: amostragem de sinais contínuos,
memorizando o valor do dollar todos os dias )
 SINAIS DE VALOR CONTÍNUO VERSUS
SINAIS DE VALOR DISCRETO

Os valores de um sinal de tempo contínuo ou discreto podem ser
contínuos ou discretos.

Sinais de valor contínuo são aqueles que podem assumir todos os valores
em um finito ou infinito intervalo.

Sinais de valor discreto são aqueles que assumem valores de um conjunto
finito de possíveis valores. Geralmente, estes valores são equidistantes.

Para PDS o sinal deve ser discreto no tempo e seu valor deve ser discreto
– sinal digital.

Para processar um sinal analógico converte-se ele para digital: amostando
o sinal em instantes discretos de tempo e então quantizado sua amplitude
para um conjunto discreto de valores.

Sinais de tempo contínuo para sinais de tempo discreto –
amostragem.

Sinais de valor contínuo para sinais de valor discreto – quantização (
processo de aproximação, arredondamento ).
SINAIS DETERMINÍSTICOS VERSUS SINAIS
RANDÔMICOS

Qualquer sinal que pode ser exclusivamente descrito por um
expressão matemática explícita, uma tabela de dados, ou uma bem
definida regra é chamado de determinístico. Valor passado, presente, e
futuro do sinal são conhecidos precisamente, sem qualquer incerteza.

Qualquer sinal que não podem ser descritos por qualquer grau
razoável de precisão por formulas matemáticas explícitas ou a
descrição é muito complicada para ser de uso prático é um sinal que
evolui no tempo de maneira imprevisível. A estes sinais chamamos de
randômicos. ( Ex: ruido, sinal de voz )

Para sinais randômicos usa-se a teoria da probabilidade e processos
estocásticos.

A classificação de sinais, no mundo real, como determinísticos ou
randômicos não é sempre clara.
O conceito de freqüência em sinais
de tempo contínuo e discreto
SINAIS SENOIDAIS DE TEMPO CONTÍNUO

Uma simples oscilação harmônica é matematicamente descrita pelo
seguinte sinal senoidal de tempo contínuo:
xa (t ) = A cos(Ωt + θ ), -∞ < t < ∞

Ω = 2πF
xa (t ) = A cos(2πFt + θ ), -∞ < t < ∞
xa (t ) = A cos(2πFt + θ )
SINAIS SENOIDAIS DE TEMPO CONTÍNUO

O sinal senoidal analógico xa (t ) = A cos(2πFt + θ ) é caracterizado pelas
seguintes propriedades:

Para todo valor fixo de F, xa (t ) é periodico.
xa (t + TP ) = xa (t ) TP = 1 / F

Sinais senoidas de tempo contínuo com diferentes frequencias são
distintos.

Aumentando a frequencia resulta em um aumento na taxa de oscilação
do sinal, ou seja, mais periodos são incluidos em um dado intervalo de
tempo.
• Devido a continuidade da variável tempo t, pode-se aumentar a
frequencia F, sem limite, com um correspondente aumento na taxa
de oscilação.
SINAIS SENOIDAIS DE TEMPO CONTÍNUO

Sinais senoidais na classe de sinais exponenciais complexos:
xa (t ) = Ae j (Ωt +θ ) e ± jφ = cos φ ± jsenφ

Por conveniência matemática, precisa-se introduzir frequencia
negativa A j (Ωt +θ ) A − j (Ωt +θ )
xa (t ) = A cos(Ωt + θ ) = e + e
2 2

Frequência positiva o movimento angular é no sentido anti-horário.

Frequência negativa o movimento angular é no sentido horário.
SINAIS SENOIDAIS DE TEMPO DISCRETO

Um sinal senoidal de tempo discreto pode ser discrito como:
x(n) = A cos(ωn + θ ) -∞ < n < ∞

Onde n é uma variável inteira, chamada de o número da amostra, A
é a amplitude senoidal, ω é a frequencia em radianos por amostra,
e θ é a fase em radianos. f é em ciclos por amostra.
ω = 2πf
x(n) = A cos(2πfn + θ ), -∞ < n < ∞
SINAIS SENOIDAIS DE TEMPO DISCRETO

O sinais senoidais de tempo discreto são caracterizados pelas
seguintes propriedades:

Uma senoide de tempo discreto é periódica somente se sua frequencia f
é um número racional ( f pode ser expresso como uma razão de dois
inteiros).
x( n + N ) = x( n) para todo n
cos[ 2πf 0 ( N + n) + θ ] = cos( 2πf 0 n + θ )
Esta relação é verdadeira se e somente se existe um inteiro k tal que

2πf o N = 2kπ

k
fo =
N
SINAIS SENOIDAIS DE TEMPO DISCRETO

Senóides de tempo discreto cujas frequências são separadas por um
multiplo inteiro de 2π são identicas.
cos[(ω0 + 2π ) n + θ ] = cos(ω0 n + 2πn + θ ) = cos(ω0 n + θ )
Como resultado, toda sequência senoidal
xk (n) = A cos(ωk n + θ ), k = 0,1,2,.....
onde
ωk = ω0 + 2kπ , -π ≤ ω0 ≤ π
são identicos.

A mais alta taxa de oscilação em uma senóide de tempo discreto é
atingido quando ω = π ou ω = − π ou equivalentemente
1 ou 1
f = f =− .
2 2
SINAIS SENOIDAIS DE TEMPO DISCRETO
A taxa de oscilação aumenta quando a frequência aumenta.
π π π
ω 0 = 0, , , ,π
8 4 2
Para ver o que acontece com π ≤ ω0 ≤ 2π , considere as senóides com frequencia
ω1 = ω0 e ω2 = 2π − ω0 . Note que enquanto ω1 varie de π a 2π
ω2 varia de π a 0 .

x1 ( n) = A cos(ω1n) = A cos(ω0 n)

x2 (n) = A cos(ω2n) = A cos( 2π − ω0 ) n

x2 (n) = A cos( −ω0n) = x1 (n)

Quando aumenta-se a frequência ω0 de uma senóide de tempo discreto de

π a 2π , a taxa de oscilação diminui.
Ou seja, variar de π a 2π é a mesma coisa que variar de π a 0.
A faixa de frequências para senóides de tempo discreto é finita com
duração de 2π .
 EXPONENCIAIS COMPLEXAS
HARMONICAMENTE RELACIONADAS

Exponenciais de tempo discreto
Conjunto de exponenciais harmonicamente relacionadas:
1
f0 = sk (n) = e j 2πkf 0 n , k = 0,±1,±2,...
N

Nota-se que:
sk + N (n) = e j 2πn ( k + N ) / N = e j 2πn sk (n) = sk (n)
Isto significa que há somente N exponenciais complexas periódicas e
distintas e todas elas tem um periodo comum de N amostras. Pode-se
escolher qualquer N consecutivas exponenciais complexas:
sk ( n) = e j 2πkn / N , k = 0,1,2,...., N − 1 N −1

A combinação linear de s k ( n ) = ∑k =0
ck e j 2πkn / N

resulta em um sinal periódico com periodo fundamental N.