Você está na página 1de 14

PRIMEIRO SEMESTRE DE 2020

MT 520/PP 523
TRATAMENTO DE SINAIS DIGITAIS
PROF. LÚCIO T. SANTOS [IMECC, SALA 131]

LISTA 7 FILTROS

Um filtro pode ser visto como uma “caixa preta” que recebe um sinal e devolve
um sinal modificado de acordo com a sua finalidade como, por exemplo, a
remoção de ruı́dos. Mais especificamente, um sinal é uma função f : R → C
e o filtro é um mapa H que transforma f em outro sinal fh : R → C, isto é,
fh (t) = H[f (t)].

Filtros Convolucionais

Vamos nos concentrar nos filtros convolucionais, em que o mapa H é dado


por uma convolução, isto é, existe h : R → C tal que

fh (t) = H[f (t)] = h(t) ∗ f (t).

Esses filtros são lineares e invariantes no tempo, ou seja, para todo t ∈ R


temos que (verifique!):
(i) H[f (t) + g(t)] = H[f (t)] + H[g(t)];
(ii) H[cf (t)] = cH[f (t)], para qualquer constante c.
(ii) Se g(t) = H[f (t)] então H[f (t − a)] = g(t − a), para qualquer a ∈ R.

Das propriedades da Transformada de Fourier, é imediato que para todo ω ∈ R,

1
h(ω).fb(ω). Dada qb : R → C, vamos escrever
fbh (ω) = b

qb(ω) = Mq (ω) eiφq (ω) ,

em que Mq (ω) = |b
q (ω)| é denominada magnitude e φq (ω) é denominada fase.
Temos então,

h(ω).fb(ω) = Mh (ω) eiφh (ω) Mf (ω) eiφf (ω)


fbh (ω) = b
= Mh (ω)Mf (ω) eiφh (ω)+φf (ω) = Mfh (ω) eiφfh (ω)

em que Mfh (ω) = Mh (ω)Mf (ω) e φfh (ω) = φh (ω) + φf (ω).

Observe que se f (t) = δ(t) então fh (t) = h(t) ∗ f (t) = h(t) ∗ δ(t) = h(t), ou
seja, a função h que define o filtro é o resultado da filtragem da função delta
de Dirac.

Filtros Passa Baixa

O filtro Passa Baixa Ideal ou Retangular é idealizado para remover as


frequências do espectro acima de um certo limiar ωc > 0, isto é, gb(ω) = 0
para |ω| > ωc , mas sem alterar o conteúdo para |ω| ≤ ωc . No domı́nio da
frequência, o filtro R
b é então dado pela função tipo caixa,

 1, |ω| ≤ ω ,
c
R(ω; ωc ) = µ(ωc − |ω|) = µ(1 − |ω|/ωc ) =
b
 0, |ω| > ωc .

2
Invertendo para o tempo, temos que
sen (ωc t) ωc
R(t; ωc ) = = sinc(ωc t/π).
πt π

Exemplos

1 Se f (t) = δ(t) então


ωc
δR (t) = Rωc (t) ∗ f (t) = R(t; ωc ) ∗ δ(t) = R(t; ωc ) = sinc(ωc t/π).
π
Temos então que a função sinc pode pode ser interpretada como uma função
“delta de banda limitada”.

2 Se f (t) = µ(t) então


Z ∞
µR (t) = R(t; ωc ) ∗ f (t) = R(t; ωc ) ∗ µ(t) = R(τ ; ωc )µ(t − τ ) dτ
−∞
Z t Z t Z ωc t/π
ωc
= R(τ ; ωc ) dτ = sinc(ωc t/π) dτ = sinc(x) dx.
−∞ −∞ π −∞

(1)
Z ∞
Lembrando que sinc(x) dx = 1, uma análise rápida da função µR nos
−∞
fornece que

lim µR (t) = 0, µR (0) = 1/2 e lim µR (t) = 1.


t→−∞ t→∞

3
Além disso,
Z 1 Z 0 Z 1
µR (π/ωa ) = sinc(x) dx = sinc(x) dx+ sinc(x) dx ≈ 0.50+0.59 = 1.09
−∞ −∞ 0

e Z −1
µR (−π/ωa ) = sinc(x) dx ≈ 0.50 − 0.59 = −0.09.
−∞
O gráfico de µR está exibido na figura abaixo, para o caso de ωc = π. Ob-
serve que as amplitudes das oscilações não dependem de ωc e as amplitudes
mais próximas da origem são da ordem de 9%. Esse efeito é conhecido como
Fenômeno de Gibbs e é devido a descontinuinade (salto) do filtro.

De maneira a amenizar o efeito do fenômeno de Gibbs, podemos construir o


filtro Trapezoidal, definido na frequência por




 1, |ω| ≤ ωc − dω ,
ωc + dω − |ω|

Z(ω;
b ωc , dω ) = , ωc − dω ≤ |ω| ≤ ωc − dω ,

 2d ω

 0, |ω| ≥ ωc − dω .

em que 0 < dω < ωc .

4
Para determinar a sua expressão no domı́nio do tempo, vamos usar o resultado
(verifique!)
Z(ω; b ωc ) ∗ 1 R(ω;
b ωc , dω ) = R(ω; b dω ).
2dω
Assim, temos que
1
Z(t; ωc , dω ) = 2πR(t; ωc ).R(t; dω )
2dω
ωc 1 dω
= 2π sinc(ωc t/π) sinc(dω t/π)
π 2dω π
ωc
= sinc(ωc t/π) sinc(dω t/π).
π

Filtros Passa Banda

Podemos construir um filtro passa banda, digamos na faixa 0 < ωa ≤ |ω| ≤ ωb ,


com ωa < ωb , a partir de dois filtros passa baixa, Pb(ω; ωa ) e Q(ω;
b ωb ), da

seguinte forma,
B(ω)
b b ωb ) − Pb(ω; ωa ).
= Q(ω;

Por exemplo, no caso em que Pb e Q


b são filtros retangulares, o gráfico de B
b

está exibido na figura abaixo.

5
Tipos de Filtros Passa Baixa — Janelas

Em todos os casos abaixo c é um número real positivo.



 1, |x| ≤ c,
1 Retangular: R(x; c) = µ(1 − |x|/c) =
 0, |x| > c.


 1, |x| ≤ c,
2 Triangular: T (x; c) = r(1−|x|/c) = max{0, 1−|x|/c} =
 0, |x| > c.

6

 0.5 + 0.5 cos(πx/c), |x| ≤ c,
3 Hann: Hn (x; c) =
 0, |x| > c.


 0.54 + 0.46 cos(πx/c), |x| ≤ c,
4 Hamming: Hm (x; c) =
 0, |x| > c.

7

 0.42 + 0.50 cos(πx/c) + 0.08 cos(2πx/c), |x| ≤ c,
5 Blackmann: L(x; c) =
 0, |x| > c.

2
/c2
6 Gabor: G(x; c) = e−4x .

8
Exemplos

Nas figuras abaixo são exibidos, em cada caso, um sinal (preto) e a ação
dos filtros Retangular (azul), Triangular (verde) e Blackmann (vermelho), para
ωc = ωq /2.

Transformada de Fourier com Janela

Duas desvantagens da Transformada de Fourier é que ela requer o conheci-


mento do completo do sinal e, apesar de fornecer informação precisa sobre o
conteúdo de frequência, não fornece nenhuma informação sobre sua localização
temporal.

Podemos superar esse problema através do uso de uma “função janela”, g :

9
Z ∞
R → R+ tal que g(t) dt = 1 e definir a Transformada de Fourier com
−∞
Janela, Z ∞
fb(ω; τ ) = f (t) g(t − τ ) e−iωt dt,
−∞
para todo τ ∈ R. Intuitivamente, devemos escolher funções g que sejam pra-
ticamente nulas, exceto numa pequena região em torno da origem. Algumas
escolhas possı́veis são as funções usadas como filtros passa baixa, descritos
na seção anterior. Assim, fb(ω; τ ) fornece a informação sobre o conteúdo de
frequência apenas em torno de τ , ou seja, localiza temporalmente o conteúdo
de frequência.

Em relação à inversa da transformada, primeiramente observe que


Z ∞
1
f (t) g(t − τ ) = fb(ω; τ ) eiωt dω.
2π −∞
Logo, devido a integral de g ser unitária, temos que integrando em τ dos dois
lados, obtemos
Z ∞ Z ∞
1
f (t) = fb(ω; τ ) eiωt dω dτ.
2π −∞ −∞

Observe também que Z ∞


fb(ω) = fb(ω; τ ) dτ.
−∞

Exemplos

1 Considere os sinais

 sen (10t), 0 ≤ t ≤ 4,



f (t) = sen (10t) + sen (20t) e g(t) = 0, 4 < t < 8,


 sen (20t), t ≥ 8.

10
As figuras abaixo exibem o sinal (f ou g), sua transformada de Fourier e a
transformada de Fourier com janela, usando uma janela Blackmann com c = 2.
Observe que a transformada de Fourier detecta corretamente as frequências
10 e 20, mas sem a localização temporal. A transformada de Fourier com
janela é capaz de detectar corretamente as frequências, além de localizá-las
temporalmente.

11
2 Seja o sinal não estacionário f (t) = sen (t2 ). A figura abaixo exibe o
sinal, sua transformada de Fourier e a transformada de Fourier com janela,
usando uma janela Blackmann com c = 1. A Transformada de Fourier não é
capaz de identificar o aumento gradual da frequência principal, enquanto que
a transformada com janela identifica e localiza corretamente.

12
Exercı́cios Resolvidos da Lista 7

3 Seja Ba : R → R um filtro passa-baixa com as seguintes caracterı́sticas:


Ba (ω) = 0 se |ω| ≥ a > 0, 0 < Ba (ω) ≤ 1 se |ω| < a e Ba (0) = 1. Considere
os filtros A1 e A2 definidos por A1 (ω) = B1/a (1/ω) se ω 6= 0 e A1 (0) = 0, e
A2 (ω) = 1 − Ba (ω).
(a) Esboce os gráficos de Ba , A1 e A2 .
(b) Compare a atuação dos filtros A1 e A2 .

13
(a) Supondo que Ba tenha o seguinte gráfico,

então os gráficos de A1 e A2 são dados por,

(b) Os filtros A1 e A2 são do tipo passa alta. O filtro A1 elimina totalmente


o conteúdo de frequência abaixo de a e a partir daı́ aumenta gradualmente o
conteúdo tendendo a mangter igual no limite. O filtro A2 mantém o conteúdo
de frequência a partir de a e diminui gradualmente o conteúdo até eliminar
totalmente na frequência nula.

14