Escolar Documentos
Profissional Documentos
Cultura Documentos
2 Sistemas Multi-Ritmo
2 Sistemas Multi-Ritmo
2 Sistemas Multi-Ritmo
SISTEMAS MULTI-RITMO 35
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.
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
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.
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
ii). Multiplicação
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:
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:
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
a)
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.
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)
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.
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)
xe[n] xh[n]
x[n] L H(z) M y[n]
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 )
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.
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
H ( z ) = E 0 ( z 2 ) + z −1 E1 ( z 2 ) . (2.26)
xh[n]
x[n] H(z) 2 y[n]
a)
b) c)
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:
∞ ∞ ∞
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
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
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.
a) b)
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).
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.
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.
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
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.
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
F0 ( z ) = H 1 (− z ) ; F1 ( z ) = − H 0 (− z ) . (2.38)
= (H 0 ( z ) H 1 ( − z ) − H 1 ( z ) H 0 ( − z ) )
Y ( z) 1
(2.39)
X ( z) 2
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).
-40 0
-60
-0.04
-80
-0.08
-100 -0.1
0 π/2 ω π 0 π/2 ω π
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)
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.
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 2 F0(z)
H0(z) 2 2 F0(z)
a)
| H 0 (e jω ) | | H1 (e jω ) |
π ω
H0 H1 H2 H3
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.
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]
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)
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)
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)
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]
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
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
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
T ( z ) = c ⋅ z − ( Mn0 + M −1) .
x[n]
5
2
1
1 4 8 v0[n]
x0[n] y0[n]
20
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
( )( )
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.
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.
H 0 ( z ) = 1 + 2 z −1 + 3 z −2 + 2 z −3 + z −4 e H 1 ( z ) = H 0 (− z ) .
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 1 2 −1
E( z ) = e R ( z ) = E −1 ( z ) =
3 2 −3 2
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.