Análise de Sinais Tempo-Frequência

UNIVERSIDADE DE SÃO PAULO
ESCOLA DE ENGENHARIA DE SÃO CARLOS

DEPARTAMENTO DE ENGENHARIA MECÂNICA
Análise de Sinais no Domínio

do Tempo e da Frequência
Prof.Dr. Leopoldo P.R. de Oliveira
Prof.Dr. Leopoldo P.R. de Oliveira 1

Motivação
Por que estudar Séries e Transformadas de Fourier?
Num contexto de medidas, imagine um microfone mede...
... oscilações de pressão em torno da pressão atmosférica em um ponto!

Motivação
E se o som for mais complexo que um “tom puro”?
É possível distinguir quais componentes constituem o sinal medido?

Motivação
Numa analogia com cores, é possível dizer quais componentes
(e quanto de cada uma) formam uma determinada cor?

Motivação
Modelo do sistema com N-GDL N-EDOs (domínio to tempo)
Mx(t)  Cx (t)  Kx  f(t)
Domíno de Laplace (Transfer Function)

X ( s) Num( s)
Operações nos diferentes domínios   G( s)
F ( s ) Den( s )
x(t )  g (t )  f (t )
s  j
X ( s)  G ( s).F ( s)
X ( )  H ( ).F ( ) Domíno da Freqüência
Como lidar com dados EXPERIMENTAIS !? X ( )

 H ( )
F ( )
Objetivo desta aula...
 Estudar Sinais no domínio do tempo e da frequência
 Série de Fourier
 Integral de Fourier

Introdução
Jean Baptiste Joseph Fourier estudava o

fenômeno de transferência de calor nos
canhões de Napoleão quando propôs a
decomposição de funções em séries de senos
e cossenos...
Trivia
Órfão de pai e mãe aos 10 anos;
Tornou-se professor aos 16 anos;
Aos 26 ingressou na Ecole Normale Supérieure, onde
mais tarde, ocupou a cadeira de Laplace;
Fundou e foi reitor da Univ. de Grenoble.
Jean Baptiste Joseph Fourier

(1768-1830)

Revisão
• Exponenciais e Notação de Euler
Jakob Bernoulli
𝑒0 = 1
𝑒 1 = 2.7182818 …
𝑒 2 = 7.389056 …
𝑒 𝜋 = 23,14069 …

Revisão
• Exponenciais e Notação de Euler 𝑒 𝑗 = 0.5403 + 0.8415𝑗
𝑒 2𝑗 = −0.4161 + 0.9093𝑗
𝑒 𝜋𝑗 = −1
𝑒 4𝑗 = −0.6536 − 0.7568𝑗
𝑒 6𝑗 = 0.9602 − 0.2794𝑗
5𝜋
𝑒2𝑗 = 0 + 1𝑗
j
e
Leonard
Leonard Euler Euler
Revisão
• Exponenciais e Notação de Euler
𝑒 𝜃𝑗 = cos 𝜃 + 𝑗 sen(𝜃)
𝜃
𝜔 se 𝜃 = 𝜔𝑡
𝑒 𝜔𝑡𝑗 = cos 𝜔𝑡 + 𝑗 sen(𝜔𝑡)

Domínio do tempo A média temporal é definida por:
𝑇
1
𝑦 = lim 𝑦 𝑡 𝑑𝑡
𝑇→∞ 𝑇 0
𝜏
1
𝑦(𝜏) = 𝑦 𝑡 𝑑𝑡
𝜏 0
𝜏
1
𝑦(𝜏) = 𝑦 2 𝑡 𝑑𝑡
𝜏 0
Observações: O valor RMS é definida por:

• Flutuações (em termos de valor médio)
diminuem à medida em que T aumenta 1 𝑇
• A média temporal é comumente 𝑌𝑅𝑀𝑆 = lim 𝑦 2 𝑡 𝑑𝑡
𝑇→∞ 𝑇
chamada de componente DC de um sinal 0

Famílias de sinais
Sinal Periódico: T
𝑦 𝑡 = 𝑦(𝑡 + 𝑇)
Sinal Transiente:
∞
lim 𝑦 𝑡 = 0 e/ou −∞ < 𝑦 𝑡 𝑑𝑡 < ∞
𝑡→∞
−∞
Sinal Aleatório: varia de forma arbitrária

(não determinística)

Sinais Periódicos
Sinal periódico: x(t )  x(t  T )
2
T
x (t ) o
Séris de Fourier (série de senos e cossenos):


x(t )  X 0   [bn cos(n o t )  cnsen(n o t )]
n 1
harmônicos de wo n=2,3,…

Termos da Série de Fourier
Objetivo, escrever um sinal como uma soma de senos e cossenos
∞
𝑥 𝑡 = 𝑋0 + 𝑏𝑛 cos(𝑛𝜔0 𝑡) + 𝑐𝑛 sen(𝑛𝜔0 𝑡)
𝑛=1
1 T /2
X0   x(t )dt
T  T / 2
Termo DC

Objetivo, escrever um sinal como uma soma de senos e cossenos
∞
𝑛=1
2 T /2
bn   x(t ) cos(n o t ) dt
T T / 2
2 T /2
cn   x(t ) sen(n o t ) dt
T T / 2
Componentes harmonicas
(correlação entre o sinal e as funções de base)

Formulação de Euler
∞
𝑛=1
1 𝜃𝑗 1 𝜃𝑗
como: cos 𝜃 = 𝑒 + 𝑒 −𝜃𝑗 e sen 𝜃 = 𝑒 − 𝑒 −𝜃𝑗
2 2
∞ 𝑋𝑛 = 𝑏𝑛 − 𝑗𝑐𝑛 𝑛>0
𝑥 𝑡 = 𝑋𝑛 𝑒 𝑗𝑛𝜔0 𝑡 𝑋𝑛 = 𝑋0 𝑛=0
𝑛=−∞ 𝑋𝑛 = 𝑏𝑛 + 𝑗𝑐𝑛 𝑛<0

bn

x(t )  a0   [bn cos(n o t )  cnsen(n o t )] cn
n 1 Xn n
 2 2 cn
jno t 
x(t )   X ne b
X n2  n
cn
n   4
bn
n


jno t
x(t )   n
X e
n  

 jmo t j ( n  m)o t
x(t ) e   n
X e
n  
 Obs: Neste caso, Xk aparece em
T /2  jmo t T / 2 j ( n  m)o t
T / 2 x (t ) e dt   n T / 2 e
X dt pares conjudagos (k=n e k=-n)
n   desta forma, x(t) é Real
x(t )e  jko t dt
1 T /2
nme j ( n  m ) o t
 1 Xk  
T T / 2

Dualidade da Série de Fourier
x(t )e  jnot dt
1 T /2
Xn  
T T / 2

jno t
x(t )   n
X e
n  
válido para sinais Periódicos

Exemplos: Sinal Senoidal (harmônico)

x(t )  4sen(20 t )  1  X 0   [bn cos(n o t )  cnsen(n o t )]
n 1
5
Amplitude
-5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Tempo [s]
1 T 1 T 0,1
X0  
T 0
x (t ) dt  
0,1 0
dt  10t 0
 X0 1

2T 2T
bn   x(t ) cos(n o t ) dt e cn   x(t ) sen(n o t ) dt
T0 T0
bn  0 n  1,2,3,... e cn  0 n  2,3,...
T
n  1  cn  20  [4sen(20 t )  1]sen(20 t ) dt
0 0
T T
1
 80  sen2 (20 t ) dt  80  [1 - cos(220 t )]dt
0 0
2
T
0,1
 40  dt  40t 0  c1  4
0

Espectro de x(t)
4
Amplitude
2
1
0
0 5 10 15 20
Freqüência [Hz]
5 Amplitude 5 5 5
Amplitude
Amplitude
Amplitude
0 0 =>0 + => 0
-5 -5 -5 -5
0 0.1 0 0.2 0.10 0.20.1 0 0.2 0.1 0.2
Tempo [s] Tempo [s] Tempo [s] Tempo [s]

domínio
do tempo 1 T
x(t )  4sen(20 t )  1   AMS  lim 0 x(t ) dt  9
2
T  T
  b2  c2 4 2
AMS  X o2  2  X n  X o2  2  n
2 n  1 9
n 1 n 1 4 2
Formula de Perseval
Obs: A representação do sinal no domínio da frequência, mantém a

informação sobre a energia contida no sinal, ou ainda, é possível
dizer qual o valor MS ou RMS do sinal a partir de seu espectro

Exemplos: Onda Quadrada (periódico)
Considere a onda quadrada periódica mostrada abaixo.
T
1 2A
Amplitude
0.5 X 0  A  0,5
-1.5 -1 -0.5 0 0.5 1 1.5

Tempo [s]
T /2 0,5
1 1
X0   x(t )dt   x(t )dt  t  ,25  X 0  0,5
0,25
T T /2 1 0,5

1 2A
Amplitude
T /4
0.5
1 T /2 2A T /4 2 A  jnot
 
 jno t  jno t
Xn  x(t )e dt  e dt  e
0 T T /2 T  T /4 j noT T /4
-1 -0.5 0 0.5 1
Tempo [s]
A                 2A  
  cos  n   j sen  n    cos  n   j sen  n     sen  n 
j n    2   2    2   2   n  2
 1 n  ...  11,  7,  3, 1, 5, 9...

  
sen  n   1 n  ...  9,  5,  1, 3, 7, 11...
 2 
 0 n  ...,  4,  2, 0, 2, 4, 6, ...
1 2A
Amplitude
2A  
0.5 sen  n  
n  2
0
-1 -0.5 0 0.5 1
Tempo [s]
2A  
 sen  n 
n  2
 1 n  ...  11,  7,  3, 1, 5, 9...

  
sen  n   1 n  ...  9,  5,  1, 3, 7, 11...
 2 
 0 n  ...,  4,  2, 0, 2, 4, 6, ...
1 2A
 0 n  ..., 9,  5,  1, 1, 5, 9,13,...
Amplitude
2A   
0.5 sen  n     0 n  ..., 11,  7,  3, 3, 7, 11...
n  2 
0  0 n  ...,  4,  2, 0, 2, 4, 6, ...
-1 -0.5 0 0.5 1
Tempo [s] ( n 1)
2A
X n   1 2 n  ..., 3, 1,1,3,5...
n
( n 1)
4A
X 'n  2 X n X 'n   1 2 n  .1,3,5...
n
 1 n  ...  11,  7,  3, 1, 5, 9...
  
sen  n   1 n  ...  9,  5,  1, 3, 7, 11...
 2 
 0 n  ...,  4,  2, 0, 2, 4, 6, ...
0.6 X'n
Xn
0.4 Xo
Xn
0.2
2o
0
-0.2
-10 -5 0 5 10
n

1.0
Xn 0.5
/A
0
-0.5
o o o o  o o o o

1
1 2
3
0.8
Amplitude
0.6
0.4
0.2
-0.2
-1 -0.5 0 0.5 1
Tempo [s]

10
1
0.8
Amplitude
0.6
0.4
0.2
-0.2
-1 -0.5 0 0.5 1
Tempo [s]

Exemplos: brinquem um pouco com isso... http://www.falstad.com/fourier/

http://bilimneguzellan.net/fuyye-serisi/

Propriedades da Série de Fourier:
Média: É obtida fazendo-se n = 0 na expressão de Xp
1  T
Xo   x(t ) dt Então, Xo é o valor médio do sinal periódico !
T 
Média Quadrática: É conhecida por Fórmula de Parseval e é dada por
 
1 
AMS   Xn  X  2 Xn  X   X 'n
2 2 2 2 2
o ou o
n  n 1 2 n 1

Propriedades da Série de Fourier:
• Somente metade dos coeficientes Xp precisam ser calculados, visto que ocorrem aos
pares complexos conjugados;
• Quando x(t) é uma função par, ou seja, x(-t) = x(t) somente coeficientes reais bn
resultam da decomposição. Neste caso a função x(t) correlaciona-se com a componente
cos(ω t) da série
• Quando x(t) é uma função ímpar, ou seja, x(-t) = -x(t) somente coeficientes reais cn
resultam da decomposição. Neste caso a função x(t) correlaciona-se com a componente
sen(ω t) da série
• O Espectro em Frequência da função periódica x(t) corresponde à um gráfico onde
são mostrados os componentes de frequência (ou harmônicos) Xn como função de
frequências discretas n ω o. Esta representação gráfica pode ser dada em termos dos bn
e cn ou em em termos do módulo e ângulo de fase de Xn (mais usual!!!) como função da
frequência.

Sinais Transientes
To   T  
1
-1 0 1
 T
T /2 sen no 
2 A sen(not ) 4A  2 ATo  T
Xn    sinc no 
To no To no   2
T / 2

Sinais Transientes
Xn T  T To  2T Xn T  n 
 o sinc no  
  o sinc 
A   2 A    
  2  To  2T

com
T    o  1
2
1 (o ; )

Xn 0.5 (2o ;0)
A
0
-10 -5 0 5 10
 2
(3o ; )
3
Sinais Transientes
Variando ... Xn T  n 
 o sinc 
  4  To  4T A    
T    o  1 / 2 …introduz-se mais componentes
mas a amplitude diminui.
0.6  1
(2o ; )
Xn 0.4 
A (4o ;0)
0.2
-0.2
-10 -5 0 1
5 10
 (6o ; )
3
Sinais Transientes
1
 2 1 2 3 4
Xn 0.5
A
0
1-10 -5 0 5 10
 4
Xn 0.5
A
0
1-10 -5 0 5 10
Xn   10
0.5
A
0
-10 -5 
0 5 10

Sinais Transientes
sincn    0  n   k , k  1,2,3,...
2 2
Então dado um : k  no  k k , k  1,2,3,...
-3
T T
x 10
20
15   100
Xn
10
A
5
-5
-10 -8 -6 -4 -2 0 2 4 6 8 10

2 4 6 8
T T T T

Sinais Transientes
IMPORTANTE:     To   e o  0
Com isso, o que antes era uma séria agora tende a um função contínua
Se o período tende a infinito, vamos considerar apenas um ciclo, ou seja
-3
x 10
20
15
Xn
10
A
5
-5
-10 -8 -6 -4 -2 0 2 4 6 8 10

1 
um ciclo => 
To 2

Integrais de Fourier
1 
 densidade!!!
T 2
2
x(t )e  jnot dt x(t )e  jnt dt
1 T /2 T /2
Xn    Xn 
T T / 2  T / 2
2 
lim X n  X ( )   x(t )e  jt dt
  0  
  2 jnt 
jno t
x(t )   X ne  x(t )   X n

e
2
n   n  
1 
  0  x(t ) 
2 

X ( )e jt d

Integrais de Fourier: Condições
Este par de equações recebe o nome de Transformada de Fourier.

Quando x ( t ) é uma função real X(-ω) é o complexo conjugado de X(ω).
 1  j t
F ( )   x(t )e  jt dt e x(t )   
F ( ) e d
 2
Estas equações são válidas quando x(t) for limitada, ou seja:

 x ( t ) dt  

Exemplos de Pares de Fourier
x(t) x(t) = d(t) f(t)
1
1 t
0
t
-/2 0 /2
F F F
X(f)  X(f) = 1 F(pf)

1 (1) (1)
f
 2  0  2  f f
      0 f0 0 f0

Observações:
• Torna-se evidente que, para o caso de sinais transientes, X (ω) representa uma
Densidade Espectral, expressa em termos de unidades de x(t)/Hz.
• A Densidade Espectral é uma função contínua e complexa da frequência ω
• Existe uma diferença súbita entre um Espectro em Frequência e uma Densidade
Espectral. O primeiro é uma função de componentes Xp discretos versus p ω o, ou seja,
Xp x p ω o; enquanto que a segunda é uma função contínua de unidades de x(t)/Hz
versus w, ou seja X(ω) x ω
Torna-se evidente então que um espectro em freqüência e uma
densidade espectral são semelhantes, mas não iguais!
1 

2
Fórmula de Parseval para X(ω): MS  X ( ) d
2 

Observações:
Teorema da Convolução
 
 x1 (t-t ) x2 (t )dt   x1 (t ) x2 (t-t )dt  X 1 ( f ) X 2 ( f )
' ' ' ' ' '
- 
1 f 
Teorema da Escala x(t )  X ( f ) x(at)  X  
a a
|α| >1: comprime o eixo do tempo, expande o eixo de freqüência
|α| <1: expande o eixo do tempo, comprime o eixo de freqüência
conceito de bandwidth

Cuidado ao usar Fourier:
fonte: xkcd.com

Análise de Sinais Tempo-Frequência

Enviado por

Dados do documento

Descrição original:

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

Análise de Sinais Tempo-Frequência

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE DE SÃO PAULO

ESCOLA DE ENGENHARIA DE SÃO CARLOS

Análise de Sinais no Domínio

Prof.Dr. Leopoldo P.R. de Oliveira

Prof.Dr. Leopoldo P.R. de Oliveira 1

Num contexto de medidas, imagine um microfone mede...

... oscilações de pressão em torno da pressão atmosférica em um ponto!

Prof.Dr. Leopoldo P.R. de Oliveira 2

E se o som for mais complexo que um “tom puro”?

É possível distinguir quais componentes constituem o sinal medido?

Prof.Dr. Leopoldo P.R. de Oliveira 3

Prof.Dr. Leopoldo P.R. de Oliveira 4

Domíno de Laplace (Transfer Function)

Como lidar com dados EXPERIMENTAIS !? X ( )

 Estudar Sinais no domínio do tempo e da frequência

Prof.Dr. Leopoldo P.R. de Oliveira 6

Jean Baptiste Joseph Fourier estudava o

Jean Baptiste Joseph Fourier

Prof.Dr. Leopoldo P.R. de Oliveira 7

Prof.Dr. Leopoldo P.R. de Oliveira 8

Prof.Dr. Leopoldo P.R. de Oliveira 10

Observações: O valor RMS é definida por:

Prof.Dr. Leopoldo P.R. de Oliveira 11

Sinal Aleatório: varia de forma arbitrária

Prof.Dr. Leopoldo P.R. de Oliveira 12

Séris de Fourier (série de senos e cossenos):

Prof.Dr. Leopoldo P.R. de Oliveira 13

Prof.Dr. Leopoldo P.R. de Oliveira 14

Prof.Dr. Leopoldo P.R. de Oliveira 15

Prof.Dr. Leopoldo P.R. de Oliveira 16

Prof.Dr. Leopoldo P.R. de Oliveira 17

Prof.Dr. Leopoldo P.R. de Oliveira 18

válido para sinais Periódicos

Prof.Dr. Leopoldo P.R. de Oliveira 19

Prof.Dr. Leopoldo P.R. de Oliveira 20

Prof.Dr. Leopoldo P.R. de Oliveira 21

Prof.Dr. Leopoldo P.R. de Oliveira 22

Obs: A representação do sinal no domínio da frequência, mantém a

Prof.Dr. Leopoldo P.R. de Oliveira 23

-1.5 -1 -0.5 0 0.5 1 1.5

Prof.Dr. Leopoldo P.R. de Oliveira 24

 1 n  ...  11,  7,  3, 1, 5, 9...

 1 n  ...  11,  7,  3, 1, 5, 9...

Prof.Dr. Leopoldo P.R. de Oliveira 28

Prof.Dr. Leopoldo P.R. de Oliveira 29

Prof.Dr. Leopoldo P.R. de Oliveira 30

Prof.Dr. Leopoldo P.R. de Oliveira 31

Prof.Dr. Leopoldo P.R. de Oliveira 32

Prof.Dr. Leopoldo P.R. de Oliveira 33

Média: É obtida fazendo-se n = 0 na expressão de Xp

Média Quadrática: É conhecida por Fórmula de Parseval e é dada por

Prof.Dr. Leopoldo P.R. de Oliveira 34

Prof.Dr. Leopoldo P.R. de Oliveira 35

Prof.Dr. Leopoldo P.R. de Oliveira 36

Prof.Dr. Leopoldo P.R. de Oliveira 39

Prof.Dr. Leopoldo P.R. de Oliveira 40

Prof.Dr. Leopoldo P.R. de Oliveira 41

Prof.Dr. Leopoldo P.R. de Oliveira 42

Este par de equações recebe o nome de Transformada de Fourier.

Estas equações são válidas quando x(t) for limitada, ou seja:

Prof.Dr. Leopoldo P.R. de Oliveira 43

X(f)  X(f) = 1 F(pf)