Estudo Dirigido #1

1. Conversão de grandezas "linear x dB"

2.​ ​Básico sobre Transformada de Fourier de tempo contínuo

A transformada de Fourier representa os sinais em termo de exponenciais e
permitindo analisar de forma adequada funções ejωt não periódicas.
 A função X(ω) funciona como função espectral é chamada de transformada de Fourier
direta de x(t) e x(t) de transformada de Fourier inversa de X(ω) . A mesma informação é
contida na afirmação de que x(t) e X(ω) são um par transformada de Fourier.
Simbolicamente, essa afirmativa pode ser expressa por

A transformada X(ω) é a especificação no domínio da freqüência de x(t) .

Aplicação em eletricidade/telecomunicações
As Transformadas de Fourier têm aplicações em inúmeras áreas - processamento
digital de imagens, circuitos, filtros, controles, probabilidade, etc.

Propriedades da Transformada de Fourier

a. Superposição
Também conhecida como linearidade a propriedade estabelece que combinações
lineares no domínio do tempo correspondem a combinações lineares no domínio da
frequência.

b. Deslocamento no tempo
Atrasar um sinal por t0 segundos não altera seu espectro de amplitude. O espectro de
fase, entretanto, é alterado por –ωt0.

c. Translação na frequência
Uma defasagem no tempo está associada a um deslocamento de frequências do
espectro.

d. Dualidade
Para qualquer resultado ou relação entre x(t) e X(ω), existe um resultado ou relação
dual obtido trocando os papéis de x(t) e X(ω) no resultado original (juntamente com alguma
pequena modificação em função do fator 2π e da mudança de sinal).

e. Escalonamento (tempo e frequência)

 A compressão no tempo de um sinal resulta na expansão do seu espectro e a expansão
no tempo de um sinal resulta na compressão de seu espectro.

3. Sinais de energia e sinais de potência

Um sinal com energia finita é um sinal de energia e um sinal com potência não nula
finita é um sinal de potência.
A potência é a média temporal da energia. Como a média é calculada em um intervalo
infinitamente grande, um sinal com energia finita possui potência nula e um sinal com
potência finita possui energia infinita. Portanto, um sinal não pode ser tanto de energia quanto
de potência. Se ele for de um tipo, ele não pode ser do outro. Por outro lado, existem sinais
que não são nem de energia nem de potência. O sinal em rampa é um desses casos.
OBS: Todos os sinais práticos possuem energia finita e, portanto, são sinais de
energia. Um sinal de potência deve necessariamente ter duração infinita, caso contrário sua
potência, a qual é sua energia média em um intervalo de tempo infinitamente grande, não
atingirá um limite (não nulo). Claramente, é impossível gerar um sinal puramente de potência
na prática, pois tal sinal teria duração infinita e uma energia infinita. Além disso, devido à
repetição periódica, sinais periódicos, nos quais a área sob ∣x(t)∣2 em um período é finita,
são sinais de potência. Entretanto, nem todos os sinais de potência são periódicos.

4. Convolução e Teorema da Convolução

Convolução ​é um ​operador linear que, a partir de duas funções dadas, resulta numa
terceira que mede a soma do produto dessas funções ao longo da região subentendida pela
superposição delas em função do deslocamento existente entre elas.
O ​teorema da convolução estabelece que, sob condições apropriadas, a ​transformada
de Fourier de uma ​convolução de duas ​funções absolutamente integráveis é igual ao ​produto
ponto a ponto das transformadas de Fourier de cada função. Em outras palavras, a convolução
em um domínio (no ​domínio do tempo​) equivale a multiplicação ponto a ponto no outro
domínio (no ​domínio da frequência​). O teorema é verdadeiro para várias ​transformadas
relacionadas à transformada de Fourier​.
Sejam f e g duas funções e f*g sua convolução. Seja F o operador transformada de
Fourier, tal que F{f} e F{g} são as transformadas de Fourier de f e g, respectivamente. Então
 F{f*g} = F{f}.F{g}.
A recíproca também é verdadeira
F{f.g} = F{f}*F{g}.
A respeito da transformada inversa de Fourier F −1 , podemos escrever:
f*g= F −1 {F{f}.F{g}}.

5. Fundamentos importantes de Probabilidade

Conceito de variáveis aleatórias (V.A.)
Variável aleatória é uma função de mapeamento que mapeia um ponto do espaço
amostral em um número da reta real, com uma certa probabilidade.
Função densidade de probabilidade (fdp) contínua
Uma função de densidade de probabilidade f(x) pode ser usada para descrever a
distribuição de probabilidades de uma variável aleatória contínua X. Se um intervalo for
provável de conter um valor para X, então sua probabilidade é grande e ela corresponde a
valores grandes para f(x). A probabilidade de X estar entre a e b é determinada pela integral
de f(x) de a a b.
P (a ≤ X ≤ b) = P (a < X ≤ b) = P (a ≤ X < b) = P (a < X < b) .
Uma fdp é uma função tal que,
1. f (x) ≥ 0 ;
∞
2. ∫ f (x)dx = 1 ;
−∞
∞
3. P (a ≤ X ≤ b) = ∫ f (x)dx = área sob f (x) de a a b para qualquer a e b .
−∞

Cálculo de valor esperado (média) a partir da fdp contínua

A média (µ ou E(x)) é uma medida do centro ou meio da distribuição de
probabilidade, expressa uma tendência e descreve a dinâmica dos fenômenos físicos.
O valor esperado de uma função h(x) de uma variável aleatória contínua é definido
como,
∞
µ = E[h(x)] = ∫ h(x) f (x) dx .
−∞

Cálculo de variância
A variância é uma medida da dispersão ou variabilidade na distribuição, é denotada
por V(x) ou σ 2 ,
∞ ∞
σ 2 = V (x) = ∫ (x − μ)2 f (x) dx = ∫ x2 f (x) dx − μ2 .
−∞ −∞