2.

SISTEMAS MULTI-RITMO 35

2.1 Decimação e Expansão 35

2.1.1 Decimação e expansão fraccionária 36
2.1.2 Propriedades dos sistemas decimador e expansor 37
2.1.3 Condição de comutatividade dos sistemas decimador e expansor. 38
2.1.4 Igualdades Nobres 39
2.1.5 Causalidade. A escala temporal real. 40

2.2 Representação Polifase. 41

2.2.1 Representação polifase para decimação 43
2.2.2 Representação polifase para expansão 44
2.2.3 Determinação das componentes polifase 45
2.2.4 Estrutura a partir da forma directa 46
2.2.5 Estruturas eficientes para decimação fraccionária 47

2.3 Bancos de Filtros 49

2.3.1 Bancos de filtros QMF 50
2.3.2 Banco de Filtros de M canais criticamente decimados 54

2.4 Problemas 58

i
 2. Sistemas Multi-Ritmo

2. Sistemas Multi-Ritmo
Abordam-se nesta secção os fundamentos de sistemas que funcionam a uma ou várias
frequências de amostragem e que são referidos como sistemas multi-ritmo. Em primeiro
lugar será revista a teoria da decimação e da interpolação de sequências. Depois será
abordada a representação polifase de sinais. Finalmente, será feita uma abordagem a
bancos de filtros utilizando decimadores e expansores.
Este assunto é tratado com profundidade no livro “Multirate Systems and Filter Banks”, P.
Vaidyanathan, Prentice-Hall, 1993.

2.1 Decimação e Expansão

Os sistemas multi-ritmo utilizam sempre decimadores e/ou expansores, reflectindo o facto

destes sistemas trabalharem com sequências referidas a duas ou mais frequências (ritmos)
de amostragem. Este assunto foi já parcialmente abordado na secção 1.2 quando se falou de
amostragem de sequências.
Um decimador de ordem M é um sistema que amostra periodicamente uma sequência com
período de amostragem de M amostras. O símbolo de um decimador é apresentado na
figura 2.1. Sendo x[n] a sequência de entrada, a saída é

yd[n] = x[nM]. (2.1)

x[n] M yd[n] x[n] L yE[n]

a) b)
Fig. 2.1 - Símbolos do sistema decimador de ordem M e do expansor de ordem L.

Um sistema decimador produz “aliasing” a não ser que a sequência x[n] seja de banda
limitada com frequência máxima ω max ≤ π M (ver figuras 1.1 e 2.2 para o caso de M=2).

O sistema que faz o inverso, introduzindo L-1 amostras nulas entre as amostras da
sequência original, refere-se como um sistema expansor. Sendo x[n] a sequência de
entrada, a saída é
 x [ n L ] , n múltiplo de L
ye [ n ] =  (2.2)
0, outros casos

Não se perde informação ao expandir uma sequência. A sequência expandida tem,

obviamente, a mesma energia da sequência de entrada, uma vez que só foram
acrescentados zeros à sequência. O espectro da sequência expandida apresenta L-1 réplicas
comprimidas do espectro original no intervalo [0,π] (fig. 2.2). A expansão é utilizada para
fazer a interpolação de uma sequência, sendo necessário filtrar passa-baixo a sequência
expandida (com frequência de corte ω c = π L ) para completar o processo.

Processamento de Voz e Imagem 35

2.1 Decimação e Expansão

Os espectros da sequência decimada e expandida são dados pelas expressões (1.12) e

(1.15). Por vezes são utilizadas expressões em transformada de z. Teremos neste caso, com
2π
−j
WM = e M
e z = e jω ,

1 M −1
 j ω −M2 kπ  1 M −1
 M1 k 
Yd (e jω ) = ∑ X e  ; Yd ( z ) = ∑ X  z WM  (2.3)
M k =0   M k =0  
e
Ye (e jω ) = X ( e jω L ) ; Ye ( z ) = X ( z L ) . (2.4)

A figura seguinte mostra um exemplo dos espectros de sinais decimados e expandidos com
M= 2 e L=3. Para determinar a forma do espectro da sequência decimada é conveniente em
primeiro lugar determinar o espectro da sequência amostrada por trem de impulsos,
X p (e jω ) , e depois expandir o espectro resultante por um factor M.

1
X ( e jω )

-2π 2π 4π ω
X p (e jω )
1/2

ω
1/2 Yd (e jω )

ω
Ye (e jω )
1

π 2π
3 3
4π
3 ω
Fig. 2.2 - Exemplo de decimação com M=2 (e “aliasing”) e expansão com L=3.

2.1.1 Decimação e expansão fraccionária

É também possível fazer a expansão ou a decimação de uma sequência por um factor

racional (não inteiro). Se o factor a considerar for p/q (p e q inteiros), expande-se a
sequência original por um factor p e decima-se de seguida por um factor q. Por exemplo,
para expandir uma sequência por um factor de 3/2 é necessário aplicar em primeiro lugar
um expansor de ordem L=3 e de seguida aplicar um decimador de ordem M=2. Se, por

36 Processamento de Voz e Imagem

 2. Sistemas Multi-Ritmo

exemplo, a sequência original corresponder a um ritmo de 8000 amostras por segundo

(fs=8kHz) a sequência de saída corresponde a um ritmo de 12000 amostras por segundo.
Este processo produz, genericamente, aliasing. Assim, para converter uma sequência
correspondente a um dado ritmo de amostragem noutro ritmo de amostragem é necessário
filtrar. Para interpolar uma sequência expandida deve aplicar-se um filtro passa-baixo de
frequência de corte ωc1=π/L. Antes de decimar é necessário aplicar um filtro “anti-aliasing”
de frequência de corte π/M. A combinação destes dois filtros resulta num filtro passa-baixo
com frequência de corte ω c = min {ω c1 , ω c 2 } = min { πL , Mπ } . A filtragem é feita ao ritmo de
Lfs amostras por segundo.

2.1.2 Propriedades dos sistemas decimador e expansor

Considerem-se os operadores “decimador” e “expansor” definidos através dos operadores,

DM{.} e EL{.}:
yd [n ] = D M { x[n]} = x[nM ] (2.5)
e
 x [ n L ] , n múltiplo de L
ye [n] = EL { x[n]} =  (2.6)
0, outros casos
Estes operadores gozam das seguintes propriedades:

i). Linearidade
Ambos os operadores são lineares:

DM {ax1[n] + bx2 [n]} = aDM { x1[n]} + bDM { x2 [n]} = ax1[nM ] + bx2 [nM ] (2.7)
EL {ax1[n] + bx2 [n]} = aEL { x1[n]} + bEL { x2 [n]} (2.8)

≡
a a
x[n] M yd[n] x[n] M yd[n]

x1[n] x1[n] M
+ M yd[n] ≡ + yd[n]
x2[n] x2[n] M

x1[n] x1[n] M
x M yd[n] ≡ x yd[n]
x2[n] x2[n] M

Fig. 2.3 - Propriedades dos sistemas decimador. O sistema expansor apresenta as

mesmas propriedades.

Processamento de Voz e Imagem 37

2.1 Decimação e Expansão

ii). Multiplicação

A multiplicação de sinais transforma-se na multiplicação de operadores:

DM { x1[n] ⋅ x2 [n]} = x1[nM ] ⋅ x2 [nM ] = DM { x1[n]} ⋅ DM { x2 [n]} (2.9)

EL { x1[n] ⋅ x2 [n]} = EL { x1[n]} ⋅ EL { x2 [n]} (2.10)

A figura anterior mostra, em termos de diagramas de blocos, estas propriedades.

2.1.3 Condição de comutatividade dos sistemas decimador e expansor.

Considere-se os dois sistemas da figura seguinte com entrada comum, x[n], um constituído
pela cascata de decimador e expansor e o outro pela mesma cascata mas por ordem inversa.
Pretende-se averiguar em que condições é que é possível trocar expansor com decimador,
ou seja, em que condições é que as saídas y1[n] e y2[n] são iguais.

z1[n]
x[n] M L y1[n]
a)
z2[n]
x[n] L M y2[n]
b)
Fig. 2.4 - Cascata de sistemas decimador e expansor.

Os dois sistemas com saídas y1[n] e y2[n] são equivalentes sse L e M forem primos
relativos, isto é, se o máximo divisor comum entre eles for 1.
Atendendo à figura, temos que:

z1[n] = x[nM ] (2.11)

 x [ n L ] , n múltiplo de L
z2 [ n ] =  (2.12)
0, outros casos
Logo:
 z [ n L ] , n múltiplo de L  x [ nM L ] , n múltiplo de L
y1[n] =  1 = (2.13)
0, outros casos 0, outros casos
e:
 x [ nM L ] , nM múltiplo de L
y2 [n] = z2 [nM ] =  (2.14)
0, outros casos

A condição para que y1[n] e y2[n] sejam iguais é que n e nM sejam simultaneamente
múltiplos de L. Isto só se verifica se L e M forem primos relativos.
Vejamos dois exemplos:

38 Processamento de Voz e Imagem

 2. Sistemas Multi-Ritmo

Exemplo 2.1
Considere-se L=4 e M=6. Neste caso, “n múltiplo de 4” significa que n = {…-4,0,4,8,…}.
Por outro lado, “6n múltiplo de 4” significa n={...-2,0,2,4,6,...}. Portanto, as sequências
y1[n] e y2[n] da figura 2.4 não são idênticas. Isto acontece porque o máximo divisor
comum entre L e M é superior a 1 (2 neste caso).
Exemplo 2.2
Considere-se agora L=4 e M=5. “5n múltiplo de 4” significa n = {…-4,0,4,8,…}, ou seja,
“n múltiplo de 4” em ambos os casos. Portanto, as sequências y1[n] e y2[n] da figura 2.4
são idênticas e os sistemas decimador e interpolador são comutáveis.
A condição de comutatividade dos sistemas expansor e decimador é que L/M seja uma
fracção irredutível, ou, o que é o mesmo, que L e M sejam primos relativos.
A condição de comutatividade entre os sistemas expansor e decimador pode também
verificar-se em termos de transformada de z. Teremos:

M −1
 1 
∑
1
Z1 ( z ) = X  z M WMk  (2.15)
M k =0
 
Z 2 ( z) = X ( z L ) (2.16)
M −1
 ML k 
∑
1
Y1 ( z ) = Z1 ( z ) =
L
X  z WM  (2.17)
M k =0
 
M −1 M −1
 1   L 
∑ ∑
1 1
Y2 ( z ) = Z 2  z M WMk  = X  z M WMkL  (2.18)
M k =0
  M k =0
 

2π
−j k
Portanto, a condição de igualdade é que W = W . Os números W = e
k
M
kL
M , 0≤ k ≤ M-1,
k
M
M

são as M raízes distintas da unidade. Na circunferência de raio unitário distribuem-se de

forma equidistante com ângulos múltiplos de 2π/M. Os números WMkL coincidem com WMk ,
0≤ k ≤ M-1, se os ângulos 2πkL/M corresponderem, no intervalo [0,2π], a 2πk/M, o que
acontece se e só se L e M forem primos relativos.
Por exemplo, se M=4 e L=3, as sequências de ângulos para k=0...3, são {0, π/2, π, 3π/2} e
{0, 3π/2, 3π, 9π/2}, portanto os mesmos ângulos quando reduzidos ao intervalo [0,2π].

2.1.4 Igualdades Nobres

Chamam-se igualdades nobres às identidades que resultam da ligação de um sistema linear

e invariante no tempo (LTI) com um decimador ou expansor.
Estas relações indicam que o processo de filtrar uma sequência seguido de decimação pode
ser feito de uma forma mais eficiente, decimando primeiro essa sequência e filtrando
depois a sequência com um filtro adequado. Da mesma forma, se se pretende expandir e
filtrar uma sequência é melhor fazê-lo ao menor ritmo possível, isto é, filtrar primeiro e só
depois expandir. As relações de igualdade são indicadas nos diagramas de blocos da figura
seguinte.

Processamento de Voz e Imagem 39

2.1 Decimação e Expansão

x[n] H(zM) M y2[n]

≡ x[n] M H(z) y1[n]

a)

x[n] L H(zL) y4[n]

≡ x[n] H(z) L y3[n]
b)
Fig. 2.5 - Igualdades “nobres”.

NOTA:
As igualdades y1[n]=y2[n] e y3[n]=y4[n] só se verifica se H(z), H(zL) e H(zM) forem funções
racionais de polinómios em z (ou z-1). Não funciona, por exemplo, com H(z)=z-1/2.

Tendo em conta o diagrama anterior, vejamos que as igualdades identificadas se verificam

de facto. Através das respectivas transformadas de z , temos:

M −1
 M1 k 
∑
1
Y1 ( z ) = H ( z ) X  z WM  (2.19)
M k =0
 
e
M −1
 M1 k    M1 k  
M

∑
1
Y2 ( z ) = X  z WM  H   z WM   = Y1 ( z ), pois WMkM = 1 . (2.20)
M k =0
    

Da mesma forma,

Y3 ( z ) = H ( z L ) X ( z L ) = Y4 ( z ) . (2.21)

A especificação do filtro a utilizar, H(z), vai ser abordada seguidamente (representação

polifase).

2.1.5 Causalidade. A escala temporal real.

Atendendo às definições dos sistemas expansor e decimador, estes são sistemas não
causais. A relação entrada-saída do sistema decimador é yd [n ] = x[nM ] . Por exemplo, para
n=1, resulta yd [1] = x[ M ] . Isto é, a saída no instante n depende da entrada em instantes
posteriores. O mesmo se passa com o sistema interpolador. Da relação ye[nL]=x[n], resulta,
por exemplo, ye[-L]=x[-1], o que implica também não causalidade.
No entanto, quando estes sistemas operam em tempo real e onde está subjacente um
processo de amostragem, não se coloca este problema da não causalidade. Para ver que
assim é, atente-se na figura seguinte.
Um dado sinal contínuo no tempo (traço a cheio na figura) é amostrado com um intervalo
de amostragem T. Decimar a sequência resultante corresponde a amostrar o sinal com um
intervalo de amostragem MT. Por outro lado, expandir o sinal equivale a colocar L-1
amostras nulas entre amostragens com intervalo T, ou seja, a considerar amostras com
intervalo T/L.

40 Processamento de Voz e Imagem

 2. Sistemas Multi-Ritmo

Se existe processamento dos sinais, a decimação implica que vão existir MT segundos
disponíveis para processar cada amostra. Contrariamente, a expansão implica um tempo de
T/L segundos para processar cada amostra. Portanto, fisicamente existe causalidade.

x(t) x(t)

-T T 3T 5T t -T T 3T 5T t

-6T - 2T 2T 4T 6T t -T T 3T 5T
t
xd[n] xe[n]

-4 1 2 3 1 2 3 4 5 6 7 8
n n

a) b)

Fig. 2.6 - Escala temporal real na decimação e expansão.

a) Decimação por 2; b) Expansão por 2.

2.2 Representação Polifase.

Sistemas multi-ritmo operam a diferentes frequências de amostragem. É o caso de bancos

de filtros (usados em codificação sub-banda) ou o caso do processo de alteração da
frequência de amostragem de sinais.
Uma representação que conduz a um eficiente processamento de sistemas multi-ritmo é a
representação polifase.
A ideia base consiste em processar os dados, sempre que possível, à frequência de
amostragem mais baixa. O caso típico da conversão da frequência de amostragem de sinais
é analisado com detalhe seguidamente.
Considere-se o caso típico de converter a frequência de amostragem de um sinal através um
factor racional L/M. Por exemplo, converter um sinal audio de uma frequência de
amostragem de 16kHz para 12kHz. O processo directo consiste em interpolar o sinal para
uma frequência de 48kHz (expandir com L=3 e filtrar), e depois decimar por M=4, tal
como foi abordado na secção 2.1.1.

Processamento de Voz e Imagem 41

2.2 Representação Polifase.

xe[n] xh[n]
x[n] L H(z) M y[n]

Fig. 2.7 - Decimação ou interpolação fraccionaria por um factor L/M.

Vejamos agora o efeito deste processo na frequência. Mostra-se na figura 2.8, no topo, um
exemplo de espectro do sinal original. Seguidamente aparece o espectro do sinal expandido
por um factor L=3. Se o objectivo fosse apenas a interpolação, deveria utilizar-se um filtro
de frequência de corte π/3. Contudo, como a seguir se pretende fazer uma decimação por 4,
deve utilizar-se um filtro “anti-aliasing” de frequência de corte π/4. A combinação destes
dois filtros resulta apenas no segundo.
X (e jω )

-2π -π −π/3 π/3 2π/3 π 4π/3 5π/3 2π ω

jω
1 X e (e )

jω
ω
1 H (e )

π/4 ω
1 X h (e ) jω

Y (e jω ) ω

-2π -π π 2π ω

Fig. 2.8 - Exemplo de espectros dos sinais na decimação fraccionária pelo factor M/L=4/3
segundo o sistema da figura 2.7.

Vejamos agora as frequências de corte, em Hertz, correspondentes. No primeiro esboço, 2π

corresponde a 16kHz. Uma vez que foi feita uma expansão por 3, no 2º esboço 2π
corresponde a 48kHz. É este sinal que vai ser filtrado. O filtro anti-aliasing deve ter uma
frequência de corte que é metade da frequência de amostragem final, isto é, deve
corresponder a 6kHz, ou seja, uma frequência de corte de π/4.
A representação polifase deste sistema permite obter uma eficiência computacional
significativa, como se vai mostrar em seguida.

42 Processamento de Voz e Imagem

 2. Sistemas Multi-Ritmo

2.2.1 Representação polifase para decimação

Para explicar a ideia base, vamos considerar um sinal que é filtrado por filtro causal com
transformada de z:
∞
H ( z ) = ∑ h[n] ⋅ z − n , (2.22)
n=0

e cuja saída é decimada por M=2. Separando os coeficientes pares e ímpares de h[n],
podemos escrever:
∞ ∞
H ( z ) = ∑ h[2n] ⋅ z −2 n + z −1 ∑ h[2n + 1] ⋅ z −2 n . (2.23)
n=0 n=0

Definindo agora os sistemas E0(z) e E1(z) de acordo com esta decomposição de H(z), isto é,

∞
E0 ( z ) = ∑ h[2n] z − n , (2.24)
n =0
∞
E1 ( z ) = ∑ h[2n + 1] z − n (2.25)
n =0

o sistema H(z) virá dado na forma seguinte:

H ( z ) = E 0 ( z 2 ) + z −1 E1 ( z 2 ) . (2.26)

xh[n]
x[n] H(z) 2 y[n]
a)

x[n] E0(z2) x[n] 2 E0(z)

z-1 ≡ z-1
E1(z2) 2 y[n] 2 E1(z) y[n]

b) c)

Fig. 2.9 - Aplicação da representação polifase na decimação por 2. a) Forma original;

b) forma com representação polifase de H(z); c) forma eficiente.

Aplicando as igualdades nobres, a filtragem com o filtro H(z) pode ser feita a metade da
frequência de amostragem, isto é à frequência de amostragem da saída. Para verificar isto,
atente-se nos diagramas seguintes, que resultam das propriedades da linearidade ((2.7-8) e
fig. 2.3)) e igualdade nobre da decimação (fig. 2.5)).

Esta ideia pode ser alargada à decomposição de h[n] por decimação por um factor M:

Processamento de Voz e Imagem 43

2.2 Representação Polifase.

∞ ∞ ∞
H ( z) = ∑ h[nM ]z
n =−∞
− nM
+ z −1 ∑ h[nM + 1]z − nM + L + z − ( M −1)
n =−∞
∑ h[nM + M − 1]z
n =−∞
− nM

M −1
(2.27)
= ∑ z El ( z )
−l M

l =0

Os sistemas polifase são

∞
El ( z ) = ∑ h[nM + l ] ⋅ z
n =−∞
−n
. (2.28)

Esta expressão de H(z) corresponde à representação polifase tipo 1 de H(z) sendo os

sistemas El(z) as suas componentes polifase.
A decimação de ordem M do sinal filtrado pode então ser feita de acordo com o diagrama
seguinte.

x[n] E0(zM) x[n] M E0(z)

z-1 z-1
E1(zM)
≡
M E1(z)
-1 -1
z z
.. .. .. .. .. ..
. . . . . .
z-1 z-1
M
EM-1(z ) M y[n] M EM-1(z) y[n]

Fig. 2.10 - Representação polifase (tipo 1) na filtragem seguida de decimação por M.

O ganho computacional resulta do facto de se filtrar o sinal ao ritmo de amostragem final

que é, neste caso, fs/M, onde fs é o a frequência de amostragem inicial.
metade do ritmo da entrada. Com exemplo considere-se um filtro FIR de comprimento N e
o esquema directo da fig. 2.9 a). Por cada amostra filtrada é necessário fazer N
multiplicações e N-1 somas, portanto, cerca de 2N operações. A saída é obtida tomando
uma de cada M amostras filtradas. O ritmo de operações é de 2Nfs operações por segundo
independentemente do factor de decimação. Com o esquema eficiente, por cada amostra de
saída continua a ser necessário fazer 2N operações. No entanto, como o ritmo de amostras
de saída é de fs/M, o ritmo de operações passa a ser de 2Nfs/M operações por segundo.

2.2.2 Representação polifase para expansão

Quando se utiliza expansão seguida de filtragem existe igualmente uma forma de fazer a
filtragem antes da expansão. Uma estrutura eficiente pode ser obtida usando a
decomposição polifase tipo 2:
L −1
H ( z ) = ∑ z −( L −l −1) Rl ( z L ) , (2.29)
l =0

44 Processamento de Voz e Imagem

 2. Sistemas Multi-Ritmo

onde Rl ( z ) = E L −l −1 ( z ) . (2.30)

Equivale simplesmente a considerar os sistemas El(z) por ordem inversa. Como exemplo,
considere-se L=2. Neste caso R0(z)=E1(z); R1(z)=E0(z) e H ( z ) = z −1 R0 ( z ) + R1 ( z ) . O
diagrama de blocos no caso de L=2 indica-se na figura seguinte.
O ganho computacional resulta agora do facto de se filtrar ao ritmo de amostragem inicial
que é L vezes menor que o da saída. De notar que as somas finais não são realmente
necessárias uma vez que os sinais a somar são expandidos por L (L-1 zeros entre amostras)
e, devido aos atrasos unitários, as amostras estão temporalmente intercaladas.

x[n] 2 R0(z2) x[n] R0(z) 2

z-1
≡ z-1
R1(z2) y[n] R1(z) 2 y[n]

a) b)

x[n] E0(z) 2 y[n] x[n] E0(z) L y[n]

z-1 z-1
E1(z) L
E1(z) 2
... ... ...
L z-1
EL−1(z)
c)
d)
Fig. 2.11 - Aplicação da representação polifase tipo 2 na expansão por 2. a) forma
original; b) forma eficiente; c) com representação tipo 1. d) para um factor de expansão L
genérico.

2.2.3 Determinação das componentes polifase

No caso de filtros FIR a determinação das componentes polifase é imediata. Considere-se o

seguinte exemplo:
H ( z ) = 1 + 2 z −1 + 3z −2 + 4 z −3 .

Com M=2, resulta que E 0 ( z ) = 1 + 3 z −1 e E1 ( z ) = 2 + 4 z −1 . Com M=3 resulta

E 0 ( z ) = 1 + 4 z −1 , E1 ( z ) = 2 e E 2 ( z ) = 3 . Isto é, os coeficientes de El(z) são tomados dos
de H(z) de M em M começando no coeficiente de ordem l. Equivalem aos coeficientes dos
termos de H(z) com potências -(l+nM), o que resulta da relação (2.28).
As respostas a impulso el[n]=h[nM+l] correspondem à decimação da resposta a impulso
original, como é indicado no diagrama seguinte.
h[n+l]
h[n] zl M el[n]

Fig. 2.12 - Diagrama para a determinação das componentes polifase.

Processamento de Voz e Imagem 45

2.2 Representação Polifase.

No caso de filtros IIR, também é possível a decomposição polifase. Considere-se o caso do

sistema IIR de 1ª ordem.
1
Se H ( z ) = −1
então h[n] = a nu[n] e as componentes El(z) são:
1 − az
∞ ∞ ∞
al
El ( z ) = ∑ h[nM + l ] ⋅ z − n = ∑ a nM + l z − n = al ∑ ( a M ) z − n =
n

n =−∞ n=0 n=0 1 − a M z −1

1
Portanto, E0 ( z ) = M −1
; El ( z ) = a l E0 ( z ) , l = 1…M-1. (2.31)
1− a z
No caso de filtros IIR de ordem n, todas as componentes polifase têm também ordem n.
Assim, a decomposição polifase é especialmente útil para filtros de resposta a impulso
finita (FIR).

2.2.4 Estrutura a partir da forma directa

Para filtros FIR podemos utilizar a estrutura da forma directa para obter uma outra estrutura
também eficiente. A figura 2.13 mostra estas estruturas para o caso de filtragem seguida de
decimação ou filtragem antecedida de expansão. Neste ultimo caso utiliza-se a forma
directa (I ou II) transposta do filtro. Em ambos os casos as transformações resultam
directamente das propriedades indicadas na figura 2.3.

h[0] h[0]
x[n] M y[n] x[n] M y[n]
z-1 h[1] z-1 h[1]
M
z-1 ..
. ≡ z-1 ..
.
z-1 h[N-1] z-1 h[N-1]
M
a) b)
h[0] h[0]
x[n] L y[n] x[n] L y[n]
-1
h[1] z-1 h[1] z
L
-1
.. .. z-1
≡
z
. .
h[N-1] z -1 h[N-1] z-1
L
c) d)
Fig.2.13 - a) Filtro FIR de comprimento N na forma directa seguido de decimador; b)
correspondente estrutura eficiente. c) Expansor seguido de filtro FIR de comprimento N
na forma directa transposta; d) correspondente estrutura eficiente.

46 Processamento de Voz e Imagem

 2. Sistemas Multi-Ritmo

2.2.5 Estruturas eficientes para decimação fraccionária

Vamos considerar um caso simples de interpolação fraccionária pelo factor 3/2, por
exemplo a passagem de uma frequência de amostragem de um sinal de 8kHz para 12kHz.
Neste caso L=3 e M=2 (fig. 2.14 a)). É possível utilizar a representação polifase referente
ao expansor mais filtro (fig 2.14 b)), ou então, referente ao filtro mais decimador.
Para conseguir trocar decimador com expansor utiliza-se um “truque” que consiste em
tomar z-1 como z-3z2 e z-2=z-6z4. Esta decomposição é sempre possível, para qualquer valor
de L e de M, desde que se trate de números primos relativos. Desta forma podem utilizar-se
as igualdades nobres tanto no expansor como no decimador (fig. 2.14c).

xe[n] xh[n]
x[n] 3 H(z) 2 y[n]
a)
z-6 z4
x[n] R0(z) 3 x[n] R0(z) 3 2 y[n]
-1
z
z-3 z2
R1(z) 3 R1(z) 3 2
z-1
R2(z) 3 2 y[n] R2(z) 3 2
b) c)
-2 2
z z
x[n] R0(z) 2 3 y[n] x[n] R2(z) 2 3 y[n]
-1
z-1 z z z
R1(z) 2 3 R1(z) 2 3
z-1
z
R2(z) 2 3 R0(z) 2 3
d) e)
y2[n]
x[n] 2 R20(z) 3 y[n]
-1
z
2 R21(z) z
y1[n]
2 R10(z) 3
z-1
2 R11(z) z
y0[n]
2 R00(z) 3
z-1
2 R01(z)
f)
Fig. 2.14 - a) Interpolação fraccionária por um factor de L/M=3/2: esquema directo. b)
Representação polifase relativa ao expansor e filtro. c) O mesmo esquema para aplicação
das igualdades nobres. d) Esquema resultante com a troca de decimador e expansor. e) O
mesmo esquema só com atrasos e avanços unitários. f) Esquema completo.

Processamento de Voz e Imagem 47

2.2 Representação Polifase.

Agora pode trocar-se expansor com decimador, uma vez que se tratam de números primos
relativos (fig. 2.14d)). Como os filtros Ri(z) são seguidos de decimadores, pode utilizar-se a
expansão polifase tipo 1 dos filtros Ri(z): Ri0(z) e Ri1(z). Ficamos então com os decimadores
ligados à entrada e os expandores ligados à saída conforme era desejado (fig. 2.14f).

Complexidade

Com a implementação directa, o sinal é primeiro expandido por L sendo a filtragem feita
ao ritmo Lfs amostras por segundo, onde fs é a frequência de amostragem do sinal de
entrada. A saída é obtida aproveitando uma de cada M amostras filtradas. Com um filtro
FIR de comprimento N é necessário fazer aproximadamente 2N operações por cada
amostra à entrada do filtro. A complexidade computacional é portanto de 2NL operações
por cada amostra de entrada (ou de saída). O ritmo de operações por segundo é de 2NLfs.
A implementação polifase apresenta a vantagem de fazer o número mínimo possível de
operações: não são feitas operações com os zeros introduzidos na expansão e as amostras
filtradas são calculadas ao ritmo da saída. De facto, ao passar os expansores para a saída
faz com que as suas saídas estejam temporalmente intercaladas, não sendo necessário fazer
operações. No exemplo da figura o sinal de saída é y[n]=y2[n]+y1[n+1]+y0[n+2], mas
y[0]=y2[0]; y[1]=y0[1], y[2]=y1[2], y[3]=y2[3], etc., isto é a saída é obtida rodando, no
sentido directo, pelas L=3 saídas yi[n].
Associada a cada uma das L saídas yi[n] existe um filtro Ri(z) de comprimento, quando
muito, N/L (fig. 2.14e)) cuja operação é feita eficientemente, ao ritmo da saída, com os M
filtros Rij(z) (fig. 2.14f)). O número de operações por cada amostra de saída é então de
cerca de 2N/L. O ritmo de operações é cerca de 2N/(LM)fs operações por segundo.

Algoritmo

Pode facilmente verificar-se que a expressão directa da saída de um decimador/interpolador

fraccionário é a seguinte:

N −1
y[n] = ∑ h[k ] x  nML−k  , k tal que nM−k é múltiplo de L . (2.32)
k =0

O somatório tem  N L  termos uma vez que os índices de interesse têm de ser múltiplos
de L. Esta expressão permite definir um algoritmo para fazer a decimação fraccionária de
uma forma eficiente. É apenas necessário identificar, para cada valor de n, qual o primeiro
índice k a tomar no somatório; os seguintes avançam de L em L. Se for m o quociente da
divisão inteira de nM por L ( m =  nM L  ) e r o resto (r = nM mod L = nM−mL), significa
que nM/L= m+r/L ou m = nML− r . Portanto, r será o menor valor de k e m o maior índice de
x[m] a tomar a tomar no somatório, para um dado valor de n. Os índices seguintes obtêm-se
incrementando k de L e decrementando m de 1.

48 Processamento de Voz e Imagem

 2. Sistemas Multi-Ritmo

2.3 Bancos de Filtros

Em codificação de sinais de audio e fala é usual utilizar um banco de filtros para analisar o
conteúdo espectral de um sinal num dado número de bandas e depois atribuir bits a cada
sinal sub-banda de acordo com a sua energia ou significado. Para que isto possa ser feito de
forma eficiente é necessário decimar os sinais sub-banda. A reconstrução do sinal é feita
utilizando expansores e filtros de síntese. Os expansores restauram a frequência de
amostragem original e os filtros de síntese eliminam as imagem (interpolam).
O sistema de análise-síntese mais simples consiste em dividir o sinal em duas sub-bandas
utilizando um par de filtros, tal como é indicado na figura seguinte. Este sistema pode ser
generalizado para M bandas onde os sinais em cada sub-banda são decimados por M.
Os filtros Hk(z) e Fk(z) são conjuntamente especificados de forma a poder obter-se uma
reconstrução perfeita do sinal original, admitindo que não existem erros na quantificação e
na transmissão dos sinais decimados, vk[n]. Usualmente pretende-se que um dos filtros seja
passa-baixo e o outro passa-alto.
x0[n] v0[n] y0[n]
x[n] H0(z) 2 2 F0(z) y[n]

x1[n] v1[n] y1[n]

H1(z) 2 2 F1(z)
análise síntese

Fig. 2.15 - Sistema de análise/síntese para codificação sub-banda.

Vimos anteriormente que num sistema de análise com bancos de filtros a condição de
recuperação perfeita é que a soma das respostas em frequência dos filtros seja constante.
Mais genericamente considera-se recuperação perfeita quando o sinal recuperado é
y[n]=Ax[n-n0] ou Y ( z ) / X ( z ) = Az − n0 (sistema passa-tudo de fase linear).
Teremos, de acordo com a figura 2.15, sucessivamente:

X k ( z ) = X ( z ) H k ( z ) , k = {0,1}. (2.33)
1
( ( ) ( )
1
Vk ( z ) = X k z 2 + X k − z 2
2
1
(2.34)

( )
Yk ( z ) = Vk z 2 (2.35)
Y ( z ) = Y0 ( z ) F0 ( z ) + Y1 ( z ) F1 ( z )
1 1 (2.36)
= ( X 0 ( z ) + X0 (− z ) ) F0 ( z ) + ( X1 ( z ) + X1 (− z ) ) F1 ( z )
2 2
Ou:
Y ( z) =
1
(H 0 ( z ) F0 ( z ) + H 1 ( z ) F1 ( z ) )X ( z ) +
2
(2.37)
+ (H 0 (− z ) F0 ( z ) + H 1 (− z ) F1 ( z ) )X (− z )
1
2

Processamento de Voz e Imagem 49

2.3 Bancos de Filtros

O termo que contém X(-z) ocorre devido os decimadores e expansores e corresponde a

“aliasing”. Pode ser cancelado fazendo a seguinte escolha:

F0 ( z ) = H 1 (− z ) ; F1 ( z ) = − H 0 (− z ) . (2.38)

É assim possível cancelar completamente o “aliasing”, independentemente da escolha dos

filtros H0(z) e H1(z). Procedendo desta forma, a função de transferência do sistema fica
definida através da seguinte expressão:

= (H 0 ( z ) H 1 ( − z ) − H 1 ( z ) H 0 ( − z ) )
Y ( z) 1
(2.39)
X ( z) 2

e deve ser passa-tudo de fase linear.

2.3.1 Bancos de filtros QMF

Uma restrição muito utilizada na definição do par de filtros é a seguinte:

H 1 ( z ) = H 0 (− z ) (2.40)
ou H 1 (e jω ) = H 0 (−e jω ) = H 0 (e j (ω −π ) ) , (2.41)

o que significa que a resposta em frequência dos filtros apresenta simetria em torno de π/2.
Se H0(z) é passa-baixo então H1(z) é passa-alto. Em termos de módulo ou módulo quadrado
os dois filtros apresentam simetria em torno de π/2, sendo um a imagem em espelho do
outro, daí o seu nome: filtros QMF (“Quadrature Mirror Filters”).
Com estes filtros a função de transferência passa a ser a seguinte:

= ( H 02 ( z ) − H12 ( z ) ) = ( H 02 ( z ) − H 02 (− z ) ) ,
Y (z) 1 1
(2.42)
X ( z) 2 2

e é completamente especificada pelo filtro H0(z). Se H0(z) e H1(z) forem filtros FIR, então,
pode mostrar-se que a solução de recuperação perfeita resulta trivial: ambos os sistemas
têm resposta a impulso com apenas 2 termos. É possível com filtros FIR ou IIR eliminar
totalmente a distorção de fase ou de amplitude, respectivamente. Por sua vez, os filtros
podem ser desenhados de forma a minimizar a outra distorção (de amplitude ou de fase,
respectivamente). Como nestas situações a recuperação não é perfeita, referem-se
genericamente estes filtros como “pseudo-QMF” (P-QMF, figura 2.16).

50 Processamento de Voz e Imagem

 2. Sistemas Multi-Ritmo
20 0.1
dB
dB H0 H1 0.08
0
dB(|H02 − H12|)
0.04
-20

-40 0

-60
-0.04

-80
-0.08

-100 -0.1
0 π/2 ω π 0 π/2 ω π

Fig. 2.16 Exemplo da resposta em frequência de um par de filtros FIR de comprimento 32 e

fase linear, pseudo-QMF. A distorção de amplitude é inferior a 0.04dB.

O sistema de análise/síntese da figura 2.15 pode representar-se em termos de componentes

polifase, resultando numa implementação eficiente. Como M=2, a representação polifase
tipo 1 resulta nas seguintes relações (com H 1 ( z ) = H 0 (− z ) ):

H 0 ( z ) = E 0 ( z 2 ) + z −1 E1 ( z 2 ) . (2.43)
H 1 ( z ) = H 0 (− z ) = E 0 ( z 2 ) − z −1 E1 ( z 2 ) . (2.44)
F0 ( z ) = H 1 (− z ) = E 0 ( z 2 ) + z −1 E1 ( z 2 ) (2.45)
−1
F1 ( z ) = − H 0 (− z ) = − E 0 ( z ) + z E1 ( z ) .
2 2
(2.46)

x[n] x0[n] y0[n]

E0(z2) 2 2 E1(z2)
z-1 z-1
x1[n] y1[n]
E1(z2) 2 2 E0(z2) y[n]
-1 -1
análise síntese
a)
x[n] 2 E0(z) E1(z) 2
z-1 z-1

2 E1(z) E0(z) 2 y[n]

-1 -1
análise síntese
b)
Fig. 2.17 - a) Banco de filtros QMF com a representação polifase.
b) Forma eficiente usando as igualdades nobres.

Portanto, a representação polifase do sistema de análise/síntese da figura anterior, para um

banco de filtros QMF resulta no diagrama da fig 2.17.

Processamento de Voz e Imagem 51

 2.3 Bancos de Filtros

Banco de filtros uniformes com estrutura em árvore

Muitas vezes não é suficiente partir a banda de interesse em apenas 2 sub-bandas. A

solução obvia consiste em aumentar o número de sub-bandas decompondo cada sub-banda
em duas, resultando numa estrutura em árvore. A figura 2.18a) mostra um banco de filtros
de 8 canais de larguras de banda uniformes. O número de canais é, neste caso, sempre uma
potência de 2. Na figura 2.18c) mostram-se as funções de transferência relativas a cada
canal, Gk(z), e relativas à frequência de amostragem de entrada.

H0(z) 2 x0[n] 2 F0(z)

H0(z) 2 2 F0(z)
H1(z) 2 x1[n] 2 F1(z)
H0(z) 2 2 F0(z)
H0(z) 2 x2[n] 2 F0(z)
H1(z) 2 2 F1(z)
H1(z) 2 x3[n] 2 F1(z)
x[n] x’[n]
H0(z) 2 x4[n] 2 F0(z)
H0(z) 2 2 F0(z)
H1(z) 2 x5[n] 2 F1(z)
H1(z) 2 2 F1(z)
H0(z) 2 x6[n] 2 F0(z)
H1(z) 2 2 F1(z)
H1(z) 2 x7[n] 2 F1(z)

a)
| H 0 (e jω ) | | H1 (e jω ) |

π ω

G0 G1 G2 G3 G4 G5 G6 G7

π/8 π/2 π
b)
Fig. 2.18 - a) Banco de filtros de análise e de síntese em árvore. b) Esquema das respostas dos
filtros em cada banda, referida à frequência de amostragem da entrada.

52 Processamento de Voz e Imagem

 2. Sistemas Multi-Ritmo

Banco de filtros em oitavas

Para ter larguras de banda não uniformes, uma alternativa consiste em aplicar uma nova
secção de filtragem e decimação apenas à saída de baixa frequência. Tal é indicado na
figura 2.19. As frequências de corte dos filtros (relativas à frequência de amostragem
original) aumentam com um factor de 2 e estão, portanto, espaçadas em oitavas.
Neste bancos de filtros, como no anterior, se os dois pares de funções de transferência,
H0(z), H1(z) e F0(z), F1(z) formarem filtros QMF de reconstrução perfeita, então todo o
banco de filtros será também de reconstrução perfeita.

H0(z) 2 x0[n] 2 F0(z)

H1(z) 2 x1[n] 2 F1(z)

H0(z) 2 2 F0(z)

H1(z) 2 x2[n] 2 F1(z)

H0(z) 2 2 F0(z)

x[n] H1(z) 2 x3[n] 2 F1(z) x’[n]

a)

| H 0 (e jω ) | | H1 (e jω ) |

π ω

H0 H1 H2 H3

π/8 π/4 π/2 π

b)

Fig. 2.19 - a) Banco de filtros de análise e de síntese em oitavas. b) Esquema das respostas dos
filtros em cada banda, referida à frequência de amostragem da entrada.

Processamento de Voz e Imagem 53

2.3 Bancos de Filtros

2.3.2 Banco de Filtros de M canais criticamente decimados

Trata-se de uma banco de filtro com M canais em que as saídas são decimadas pelo valor
máximo possível, M. É uma generalização do banco de filtros de 2 canais visto
anteriormente.
x0[n] v0[n] y0[n]
x[n] H0(z) M M F0(z) y[n]

x1[n] v1[n] y1[n]

H1(z) M M F1(z)

... ... ... ... yM-1[n]

... ...
xM-1[n]
vM-1[n]
HM-1(z) M M FM-1(z)

análise síntese
Fig. 2.20 - Sistema de análise/síntese com banco de filtros totalmente decimado

Neste caso vamos ter M-1 componentes que podem introduzir aliasing e que é preciso
cancelar. Em termos de transformada de Fourier, teremos, em analogia com as equações
anteriores,
Vk (e jω ) =
1 M −1
∑
M m =0
j ω −2 mπ
Xk e M ( ) (2.47)
M −1
Y (e jω ) = ∑ Yk (e jω ) Fk (e jω )
k =0

∑ F (e ) ∑ X ( e ) H (e )
M −1 M −1
1 jω j (ω − 2Mmπ ) j (ω − 2Mmπ )
= k k (2.48)
M k =0 m=0

( )
M −1
= ∑ Am (e jω ) X e
j (ω − 2Mmπ )

m=0
onde
1 M −1
Am (e jω ) = ∑
M k =0
Fk (e jω ) H k e
j (ω − 2Mmπ )
( (2.49) )
corresponde, para m≠0, às contribuições para o aliasing na saída. Para cancelar o aliasing é
necessário garantir que
Am (e jω ) = 0 , para m ≠ 0 (2.50)

A função de transferência do sistema de análise/síntese será, nestas condições,

M −1
1
T (e jω ) = Y (e jω ) X (e jω ) = A0 (e jω ) =
M
∑ F (e
k =0
k
jω
) H k (e jω ) . (2.51)

54 Processamento de Voz e Imagem

 2. Sistemas Multi-Ritmo

Representação Polifase

Se representarmos cada filtro Hk(z) pelas suas componentes polifase tipo1, Ekm(z), será fácil
identificar a condição de recuperação perfeita. Uma vez que vamos ter M componentes
polifase por cada filtro Hk(z), teremos, utilizando uma notação matricial com transformadas
de z, uma equação equivalente a (2.27):

 H 0 ( z )   E00 ( z )
M
E01 ( z M ) L E0,M −1 ( z M )   1 
 H ( z)   E ( z M ) 
E11 ( z M ) L E1,M −1 ( z M )   z −1 
 1  =  10 . (2.52)
 M   L L L  M 
    
 H M −1 ( z )   EM −1,0 ( z )
M
L EM −1, M −1 ( z M )   z − ( M −1) 

Esta equação é definida através de h( z ) = E( z M )e (z ) , sendo então E(z) a matriz com as

componentes polifase de todos os filtros. Cada linha k desta matriz contém as componentes
polifase do filtro Hk(z). Podemos definir, de forma idêntica (com o vector de elementos z-k
definido por ordem inversa), uma matriz R(z) com as componentes polifase tipo 2
associadas aos filtros Fm(z).
Em termos de diagrama de blocos poderemos usar as representações da figura seguinte.

x[n] H0(z) x[n] F0(z)

z-1 z-1
H1(z) F1(z)
.. .. .. ≡ z-1
.. E(z ) M
.. .. .. .. ≡ .. R(zM) ..
z-1
. . . . . . . . . .
z-1 z-1
HM-1(z) FM-1(z) y[n]
y[n]

Figura 2.21 - Representação polifase do dos filtros de análise e de síntese.

Aplicando agora as igualdades nobres, resulta o seguinte diagrama de blocos para o banco
de filtros utilizando a representação polifase.

x[n] M M x[n] M M
z-1 z-1 z-1 z-1
M M
≡ M M
M
z-1 E(z ) R(zM) .. z-1 z-1 .. z-1
.. .. .. E(z)
.. R(z)
z-1 . . . z-1 z-1 . .
. z-1
M M y[n] M M y[n]

Figura 2.22 - Representação polifase do banco de filtros.

Processamento de Voz e Imagem 55

2.3 Bancos de Filtros

Reconstrução perfeita

Deste diagrama resulta que se o produto das matrizes E(z) por R(z) for a matriz identidade,
então, não só o sistema apresenta cancelamento de aliasing (não há contribuições cruzadas)
como é de reconstrução perfeita. A saída neste caso é obtida rodando no sentido directo
pelas M saídas dos decimadores e ter-se-á y[n]=x[n-(M-1)].

x[n] M M
z-1 z-1
M M
z-1 .. .. .. z-1
z-1 . . . z-1
M M y[n]=x[n-M+1]
Figura 2.23 - Sistema de reconstrução perfeita com cadeia de atrasos.

Outro exemplo de sistema de reconstrução perfeita é o banco de filtros DFT, onde a saída
do bloco E(z) corresponde à DFT de um segmento das últimas M amostras de x[n] e R(z) a
sua IDFT. As matrizes E(z) e R(z) são neste caso constantes e iguais à matriz da DFT e da
IDFT, respectivamente. O produto das matrizes é MI. Equivale a uma análise DFT de
termo curto com janelas rectangulares sem sobreposição.
De uma forma um pouco mais genérica, a condição de reconstrução perfeita é a seguinte:

E( z ) R ( z ) = c ⋅ z − n0 I (2.53)
ou
det ( E( z ) ) det ( R ( z ) ) = c ⋅ z − n0 . (2.54)

Exemplo 1

1 1   E00 ( z ) E01 ( z )  1 1 
Se E( z ) =   =  e R ( z ) = 2E −1 ( z ) =   ,
1 −1  E10 ( z ) E11 ( z )  1 −1

então H 0 ( z ) = E00 ( z ) + z −1 E01 ( z ) = 1 + z −1 ; H1 ( z ) = 1 − z −1 .

 F0 ( z )   R00 ( z ) R01 ( z )   z −1  −1 −1
 F ( z )  =  R ( z ) R ( z )    , logo F0 ( z ) = z + 1 ; F0 ( z ) = z − 1 .
 1   10 11  1 
Trata-se de um banco de filtros QMF: H1 ( z ) = H 0 (− z ) . A função de transferência do
sistema é T ( z ) = 1
2 ( H 0 ( z ) F0 ( z ) + H1 ( z ) F1 ( z ) ) = 2 z −1 e, portanto, y[n]=2x[n-1]. Equivale ao
banco de filtros DFT: E(z)=F2 onde F2 é a matriz da DFT de ordem 2.

Exemplo 2

1 + z −1 1 − z −1 
Se E( z ) =  −1 −1 
e R ( z ) = c ⋅ z − n0 E −1 ( z ) , com c=4 e n0=1 resulta que
1 − z 1+ z 

56 Processamento de Voz e Imagem

 2. Sistemas Multi-Ritmo

 1 + z −1 −1 + z −1 
R( z) =  −1  . Desta forma
 −1 + z 1 + z −1 
H 0 ( z ) = (1 + z −2 ) + z −1 (1 − z −2 ) = 1 + z −1 + z −2 − z −3 ;
H1 ( z ) = (1 − z −2 ) + z −1 (1 + z −2 ) = 1 + z −1 − z −2 + z −3
F0 ( z ) = z −1 (1 + z −2 ) + ( −1 + z −2 ) = −1 + z −1 + z −2 + z −3
F1 ( z ) = z −1 (−1 + z −2 ) + (1 + z −2 ) = 1 − z −1 + z −2 + z −3

e T(z)=4z-3. De uma maneira genérica, se E( z ) R ( z ) = c ⋅ z − n0 I , então

T ( z ) = c ⋅ z − ( Mn0 + M −1) .

No caso do exemplo teremos a seguinte situação:

x0[n] 4z-1 v0[n] y0[n]

x[n] 2 2
z-1 z-1
-1
x1[n] 4z v1[n]
x[n-1] 2 2 y[n]
y1[n]

x0 [ n] = x[2 n] ; x1[ n] = x[2n − 1]

v0 [ n] = 4 x0 [ n − 1] = 4 x[2n − 2] ; v1[ n] = 4 x1[ n − 1] = 4 x[2n − 3]
y0 [n] = v0 [ n2 ], (n = 0, 2, 4,...) ; y0 [n] = 4 x[n − 2], (n = 0, 2, 4,...)
y0 [n − 1] = 4 x[n − 3], (n − 1 = 0, 2, 4,...) ⇒ n = −1,1,3,5, 7...
y1[n] = v1[ n2 ], (n = 0, 2, 4,...) ; y1[n] = 4 x[n − 3], (n = 0, 2, 4,...)
y[n] = y0 [n − 1] + y1[n] = 4 x[n − 3]

x[n]
5

2
1
1 4 8 v0[n]
x0[n] y0[n]
20

x1[n] v1[n] y1[n]

4 16
2

Processamento de Voz e Imagem 57

2.4 Problemas

2.4 Problemas

2.1 - Considere o sistema da figura seguinte. Determine uma expressão para y[n] tão
simplificada quanto possível.

x[n] 2 2 2 2 y[n]

2.2 - Considere o sistema da figura seguinte com o espectro da entrada x[n] e respostas dos
filtros como indicado. Faça um esboço de Y0 (e jω ) e de Y1 (e jω ) .
1
X (e jω )
v[n]
x[n] 2 2 H0(z) y0[n]
1 H 0 (e jω ) ω

H 1 (e jω ) ω
H1(z) y1[n] 1

−π −π/2 π/2 π ω

2.3 - Considere o sinal x[n] com transformada de Fourier indicada. Considere y[n]=x[2n].
Mostre que o sinal x[n] pode ser recuperado a partir de y[n] usando filtros e blocos multi-
ritmo.
X(ejω)
1

0 π/3 π 2π ω

2.4 - Seja H(z) um filtro FIR de comprimento 10 com resposta a impulso h[n] = ( 12 ) para
n

0≤ n ≤9 e zero noutros valores.

a) Determine as componentes polifase E0(z) e E1(z) com M=2.
b) Repita a) para h[n ] = ( 12 ) u[n ] + (13 ) u[n − 3] .
n n

( )( )
2.5 - Seja H ( z ) = a + z −1 1 + az −1 . Determine as componentes polifase tipo 1 de H(z)
com M=2. Note que para a real H(z) é passa-tudo. As componentes polifase são também
passa-tudo?

2.6 - Considere um sistema de decimação fraccionária por 2/3 (L=2; M=3) com entrada
x[n] e saída y[n]. Suponha que este sistema é implementado com um processador de sinal
(DSP) e que o filtro de interpolação/decimação, H(z), é um filtro FIR de comprimento 30.
Suponha ainda que x[n] apresenta uma frequência de amostragem de 100kHz.
a) Se o sistema for implementado pela forma directa, qual o tempo disponível pelo
processador para fazer uma multiplicação?
b) Determine um sistema com representação polifase que seja o mais eficiente possível.

58 Processamento de Voz e Imagem

 2. Sistemas Multi-Ritmo

c) Com o sistema determinado em b), qual o tempo disponível para uma multiplicação?
d) Determine o número de multiplicações e adições por segundo em ambas as situações:
implementação directa e com representação polifase.

2.8 - Considere o sistema de análise/síntese da figura seguinte. Os filtros do banco de

analise são caracterizados através de:

H 0 ( z ) = 1 + 2 z −1 + 3 z −2 + 2 z −3 + z −4 e H 1 ( z ) = H 0 (− z ) .

x[n] H0(z) F0(z) y[n]

H1(z) F1(z)

análise síntese

a) Determine um par de filtros causais e FIR, F0(z) e F1(z), de forma que y[n] seja
proporcional a x[n], excepto por um possível atraso.
b) Se H 0 ( z ) = 1 + 3z −1 + 12 z −2 + z −3 e H 1 ( z ) = H 0 (− z ) , determine um par de filtros
estáveis e IIR F0(z) e F1(z) de forma a obter uma recuperação perfeita, excepto por um
possível atraso e um factor de escala (diferente de zero).

2.9 - Considere um sistema de análise-síntese definido com um banco de filtros de 2 canais

onde a matriz das componentes polifase é

2 1  2 −1
E( z ) =   e R ( z ) = E −1 ( z ) =  
 3 2  −3 2 

Calcule a função de transferência dos filtros e do sistema global. Indique se se trata de um

banco de filtros QMF.

Bibliografia

[Deller et al, 93], "Discrete-Time Processing of Speech Signals", J. Deller Jr., J. Proakis, J.
Hansen, Macmillan Publishing Company, 1993.

[Fliege, 94], “Multirate Digital Signal Processing”, N. J. Fliege, John Wiley & Sons, 1994.

[Vaidyanathan, 93], "Multirate Systems and Filter Banks", P. Vaidyanathan, Prentice-Hall,

1993.

Processamento de Voz e Imagem 59