Fourier

Análise de Fourier para Sinais e SLITs
Universidade de Coimbra
Análise e Processamento de BioSinais

Mestrado Integrado Engenharia Biomédica
Faculdade de Ciências e Tecnologia
Slide 1 Análise e Processamento de BioSinais– MIEB Adaptado dos slides S&S de Jorge Dias
Tópicos:
o Análise de Fourier para Sinais e Sistemas Lineares e

Invariantes no Tempo
Introdução
Resposta em Frequência dos SLIT
Sinais Discretos no Tempo: Séries e Transformada de Fourier
Sinais Contínuos no Tempo: Séries e Transformada de
Fourier
Propriedades das Transformadas de Fourier
Transformadas de Fourier Inversa utilizando Expansões em
Fracções Parciais
Introdução:
Um sinal pode ser uma sobreposição (pesada) de sinusóides complexas

Se um sinal deste tipo é aplicado a um SLIT então a saída do sistema é
também uma sobreposição (pesada) de sinusóides complexas.
Cada elemento sinusoidal dessa sobreposição corresponde à resposta do
sistema uma sinusóide complexa.
O peso associado a uma sinusóide de determinada frequência representa a
contribuição dessa sinusóide para o sinal final.
A resposta de um SLIT a uma entrada sinusoidal equivale à caracterização

do comportamento do sistema em termos da sua resposta em
frequência.
O estudo de sinais e sistemas utilizando a representação sinusoidal é

designada “Análise de Fourier” (Joseph Fourier 1768-1830)
Resposta em Frequência dos SLIT:

A resposta em frequência de um SLIT é obtida pela convolução da

resposta a impulso do sistema com uma entrada correspondente a
uma sinusóide complexa.
Sinusóide Complexa
∞ ∞
y[n] = ∑ h[k ]x[n − k ] = ∑ h[k ]e
k = −∞ k = −∞
jΩ ( n − k )
Resposta a impulso
Simplificando o factor comum

∞ ∞
y[n] = e jΩn ( )
∑ h[k ]e− jΩk = H e jΩ e jΩn ( ) ∑ h[k ]e
H e jΩ = − jΩk
k = −∞ k = −∞
A saída é a sinusóide complexa da entrada multiplicada pelo número

complexo
He( )
jΩ

O factor de escala ( ) não depende do tempo e só depende da
H e jΩ
Frequência, designando-se por Resposta em Frequência do SLIT.
No caso de um sistema contínuo no tempo é possível derivar

resultados idênticos
∞ ∞
y (t ) = ∫ h(τ )e jω (t −τ )dτ = e jωt ∫ h(τ )e − jωτ dτ = H ( jω )e jωt
−∞ −∞
Sendo
∞
H ( jω ) = ∫ h(τ )e − jωτ dτ H ( jω ) = H ( jω ) e j arg{H ( jω )}
−∞
Resposta de Fase
Resposta em Amplitude
O sistema altera a amplitude e a fase da entrada.


O sistema altera a amplitude da entrada por H ( jω ) e a fase por

arg{H ( jω )}
y (t ) = H ( jω ) e j (ωt + arg{H ( jω )})

Exemplo: Circuito RC: Resposta em Frequência
A resposta a impulso do sistema que relaciona a tensão aos

terminais do condensador com a tensão aplicada na fonte é dada
pela expressão
t
h(t ) = u (t )
1 − RC
RC e
A resposta em frequência é determinada por
∞ τ ∞ − ( jω + RC
τ )τ
H ( jω ) = ∫ u (τ )e − jωτ dτ = ∫
− RC
1
RC e 1
RC 0 e dτ
−∞
∞ 1
− ( jω + RC
τ )τ
= 1
RC
−1
( jω + RC1 ) e = 1
RC
−1
( jω + RC1 ) (0 − 1) = RC
0 jω + RC
1

Exemplo: Circuito RC: Resposta em Frequência

A resposta em amplitude e a resposta de fase são:
1
H ( jω ) = RC
arg{H ( jω )} = − arctan(ωRC )
ω 2 + ( RC
1 ) 2

A sinusóide complexa ψ t = e () jω t
pode ser considerada como

uma função própria de um SLIT ao qual se associa um valor
( )
próprio λ = H jω pois ψ satisfaz a expressão
H {ψ (t )} = λψ (t )
ψ (t ) λψ (t )
e jωt H ( jω )e jωt
ψ [n] λψ [n]
Podemos então expressar os sinais como uma soma pesada de M

sinusóides complexas M
x(t ) = ∑ ak e jωk t
k =1
M
y (t ) = ∑ ak H ( jωk )e jωk t
k =1
Representações de Fourier:
Existem quatro representações de Fourier distintas, cada uma

aplicável para sinais de diferentes características
Relação entre as características temporais dos Sinais e
Representação de Fourier mais apropriada
Sinal Periódico Sinal Não Periódico
Contínuo (t) Séries de Fourier Transformada Fourier
(FS) (FT)
Séries de Fourier Transformada Fourier
Discretas no Tempo Discreta no Tempo
Discreto [n] (DTFS) (DTFT)
Sinais Periódicos: Séries de Fourier
Se o sinal a representar for discreto e um sinal periódico com período N

então uma estimativa é
xˆ[n] = ∑ A[k ]e
jkΩ 0 n Ω 0 = 2π / N
Frequência fundamental
k
A representação para um sinal contínuo com período T é
xˆ (t ) = ∑ A[k ]e jkω0t ω0 = 2π / T
Frequência fundamental
k
xˆ[n ] = ∑ A[k ]e jkΩ0 n xˆ (t ) = ∑ A[k ]e jkω0t

k k
Harmónica de ordem k de e jΩ 0 n Harmónica de ordem k de e jω 0 t

Notar que k é um índice para a frequência então A [k ] depende da
frequência
Sinais Periódicos: Séries de Fourier
Se o sinal é periódico com período N então
e j ( N + k )Ω0 n = e jNΩ0n e jkΩ0 n

= e j 2πn e jkΩ0 n = e jkΩ0n
Só existem N sinusóides complexas distintas e da forma e jkΩ0 n
As expressões para as DTFS serão
N −1 ∞
xˆ[n] = ∑ A[k ]e jkΩ 0n xˆ (t ) = ∑ A[k ]e jkω0 t
k =0 k = −∞
Sinais Periódicos Discretos: Representação por Séries de Fourier

Para obtermos os valores dos coeficientes A[k ]que fazem
N −1 ∞
xˆ[n] = ∑ A[k ]e jkΩ0 n xˆ (t ) = ∑ A[k ]e jkω 0t
k =0 k = −∞
boas aproximações para os respectivos sinais x[n] e x(t ) teremos

que minimizar os erros
N −1
1 1 T
∑ ∫ x(t ) − xˆ(t )
2
x[n] − xˆ[n ]
2
MSE = MSE = dt
N n =0 T 0
Sinais Não Periódicos: Representação por Transformada de Fourier

Como o sinal não é periódico não existem restrições no período das
sinusóides utilizadas para representar os sinais
Para estes sinais as representações por transformada de Fourier (FT)
utilizam um contínuo de frequências para as sinusóides complexas.
∞
xˆ (t ) = 21π ∫ X ( jω )e jωt dω
−∞
Em que X ( jω ) / (2π ) representa o conteúdo do sinal à frequência ω
Para o caso discreto a DTFT inclui frequências sinusoidais dentro do
intervalo 2π
π
xˆ[n] = 1
2π ∫π ( )
−
X e jΩ e jΩn dω
Em que X (e )/(2π ) representa o conteúdo do sinal à frequência e
jΩ jΩn
Exemplos: Representações de Fourier Adequadas
x[n] = (1 2 ) u[n]
n DTFT
x(t ) = 1 − cos(2πt ) + sin (3πt ) FS
x(t ) = e t cos(2πt )u (t ) FT
x[n] = ∑m = −∞ δ [n − 20m] − 2δ [n − 2 − 20m]

∞
DTFS
(FS) (FT)
Transformada Fourier
Discreta no Tempo
Discreto [n] Séries de Fourier
Discretas no Tempo (DTFT)
(DTFS)
Série de Fourier Discreta no Tempo-DTFS:

Sinais Discretos no Tempo e Periódicos: DTFS

A representação por Séries de Fourier para sinais discretos no
[]
tempo para um sinal x n com período N e frequência
fundamental Ω 0 = 2π / N é dado por
N −1 N −1
1
x[n] = ∑ X [k ]e jkΩ0 n com X [k ] = ∑ x[n]e − jkΩ 0 n
k =0 N n =0
Este par é denotado por
x[n]← → X [k ]
DTFS ;Ω 0
Domínio do tempo Domínio da Frequência

Exemplo: Cálculo da DTSF: Por inspecção

Determinar os coeficientes da DTFS do sinal x[n ] = cos(πn / 3 + φ )
O período é N=6 e utilizando a igualdade de Euler:
j ( π3 n +φ ) − j ( π3 n +φ )
e +e 1 − jφ − j π3 n 1 jφ j π3 n
x[n] = = e e + e e
2 2 2
N −1
x[n] = ∑ X [k ]e jkΩ0 n
Usando a expressão
Notar que existe simetria
k =0
3
∑ X [k ]e
j k3π n
e fazendo a sua expansão para a expressão x[n] =
k = −2
− j 23π n − j π3 n j π3 n j 23π n
x[n] = X [− 2]e + X [− 1]e + X [0] + X [1]e + X [2]e + X [3]e jπn

Exemplo: Cálculo da DTSF: Por inspecção
3 j ( π3 n +φ ) − j ( π3 n +φ )
e +e 1 − jφ − j π3 n 1 jφ j π3 n
∑ X [k ]e
j k3π n
x[n] = x[n] =
2
=
2
e e + e e
2
k = −2
− j 23π n − j π3 n
= X [− 2]e + X [− 1]e + X [0]
jπ j 23π
+ X [1]e + X [2]e + X [3]e jπn
3
n n
 12 e − jφ k = −1
π 
x[n]← → X [k ] 12 e jφ
DTFS ; 3
k =1
 0 outros no intervalo − 2 ≤ k ≤ 3


o Sinais Discretos no Tempo e Periódicos: Séries de Fourier

Discretas no Tempo
 12 e − jφ k = −1
 1 jφ
X [k ] 2 e k =1 −φ
 0 outros no intervalo − 2 ≤ k ≤ 3

DTSF:
o Exemplo: Análise Numérica de um

ECG (electrocardiograma)
Sinal correspondente ao batimento
cardíaco para dois casos:
batimento normal
taquicardia (arritmia)
Os espectros em amplitude
correspondentes aos primeiros 60
coeficientes da série DTFS
Espectro das amplitudes dos
coeficientes para o batimento
normal
Espectro das amplitudes dos

coeficientes para o batimento com
taquicardia ventricular
(FS) (FT)
Séries de Fourier – FS:

Sinais Periódicos e Contínuos no Tempo

Os sinais periódicos e contínuos no tempo são representados
por séries de Fourier (FS)
2π
Seja x(t ) um sinal de período T e frequência fundamental ω0 =
T
∞ T
1
x(t ) = ∑ X [k ]e
k = −∞
jkω0t
com X [k ] = ∫ x(t )e − jkω0t dt
T 0
Este par é denotado
x(t ) ← → X [k ]
FS ;ω0

Sinais Periódicos e Contínuos no Tempo

A série de Fourier (FS) expressa por
∞
xˆ (t ) = ∑ X [k ]e
k = −∞
jkω0t
pode não convergir para todos os possíveis sinais x (t ) .

As condições de convergência entre valores de x̂ (t ) e de x (t )
são garantidas fora das descontinuidades e se x (t )satisfaz as
condições (de Dirichlet):
• É um sinal limitado
• Tem um número finito de máximos e mínimos num período
• Tem um número finito de descontinuidades

Exemplo: Cálculo Directo dos Coeficientes FS
Considere o sinal da figura.
2π
As condições de periodicidade deste sinal são T = 2, ω0 = =π
T
e neste intervalo x(t ) = e −2t logo virá
2 2
X [k ] = 12 ∫ e − 2t e − jkπt dt = ∫ e −(2 + jkπ )t dt
T
1 1
X [k ] = ∫ x(t )e − jkω0t dt 2 0
T 0 0
2
determinado = −1
2 ( 2 + jkπ ) e −(2+ jkπ )t = 1
4 + jk 2π (1 − e − 4 − jk 2π
e )
0
1− e −4 1
= 4 + jk 2π

Exemplo: Cálculo Directo dos Coeficientes FS
O espectro de amplitude e o espectro de fase são:

Exemplo: Coeficientes FS∞ de Sequência de Impulsos
Considere o sinal x(t ) = ∑ δ (t − 4l ) com T = 4

l = −∞
T
1
Como o sinal tem simetria par podemos calcular X [k ] =
T ∫0
x(t )e − jkω0t dt
num período simétrico em torno de zero
2 1
X [k ] = 1
∫
4 −2
δ (t )e − jk (π / 2 )t dt =
4
Que mostra que o espectro de amplitude deste sinal é constante e
o seu espectro de fase é zero.
∞
x(t ) = ∑ X [k ]e
k = −∞
jkω0 t
Notar que a soma acima não pode ser determinada para este sinal
por não obedecer às condições de convergência (de Dirichlet)

Exemplo: Coeficientes FS por Inspecção
2π π
Considere o sinal x(t ) = 3 cos(πt / 2 + π / 4 )com T = 4, ω0 = =
T 2
∞ ∞
Como base na expressão x(t ) = ∑ X [k ]e
k = −∞
jkω0 t
temos x (t ) = ∑ X [k ]e jkπt / 2
k = −∞
Expandindo o sinal
j ( π2 t + π4 ) − j ( π2 t + π4 )
e +e 3 j π4 j π2 t 3 − j π4 − j π2 t
x(t ) = 3 = e e + e e
2 2 2
comparando com
 32 e − jπ / 4 k = −1
π 
x(t ) ←2 → X [k ] 32 e jπ / 4
FS ;
k =1 ω=
π
,
 0 para outros k 2
 ω=−
π
Notar: o sinal tem a sua potência concentrada em duas frequências 2

Exemplo: Coeficientes FS por Inspecção
Para o sinal
x(t ) = 3 cos(πt / 2 + π / 4 )
o espectro de amplitude e o espectro de fase são:

Exemplo: Inversa de uma FS
Considere um sinal de período T=2 cujos coeficientes da FS são

expressos por kπ
X [k ] = (
1 k j 20
2 ) e
T = 2, ω0 =
2π
T
=π
∞
Sendo x (t ) = ∑ X [k ]e jkω t 0
e substituindo na expressão os valores
de X[k] k = −∞
∞ −∞
x(t ) = ∑ ( + ∑ ( 12 ) e
π π
2 )e
1 k jk 20
e jkπt −k jk 20
e jkπt
k =0 k = −1
∞ ∞
= ∑( + ∑ ( 12 ) e
π π
2 )e
1 k jk 20
e jkπt l − jl 20 − jlπt
e
k =0 l =1
cuja expressão pode ser simplificada tendo em conta a expressão para
o resultado dos dois somatórios das séries geométricas.

Exemplo: Inversa de uma FS
Tendo em conta que o resultado para as séries geométricas de

somatório infinito (mas subtraindo o termo correspondente a l=0).
∞ ∞
x(t ) = ∑ ( 12 ) e e jkπt + ∑ ( 12 ) e
k π
jk 20 π
l − jl 20 − jlπt
e
k =0 l =1
1 1
= + −1
1 − (1 / 2 )e j (πt +π / 20 ) 1 − (1 / 2 )e − j (πt +π / 20 )
Termo correspondente a l=0

Exemplo: FS de uma onda quadrada
Determine a representação em Séries de Fourier (FS) do sinal da

figura. 1
T
X [k ] = ∫ x(t )e − jkω0t dt
T 0
As condições de periodicidade deste sinal são T , ω0 = 2π / T e

integrado num período
T 2 T0 T0
X [ k ] = T1 ∫ x ( t ) e − jkω0t dt = T1 ∫ e − jkω0t dt = Tjk−πω
1
e − jkω0t
−T 2 −T0 0 −T0
= Tk2ω0 ( e jkω0T0 − e − jkω0T0

2j )= 2sin ( kω0T0 )
Tkω0 ,k ≠ 0

Exemplo: FS de uma onda quadrada
Para k = 0,
T0
X [0] = T1 ∫ dt = 2T0
T
−T0
e para k ≠ 0tendo em conta ω0 = 2π / T
2 sin ( kω0T0 ) 2 sin ( k 2πT0 / T )

X [k ] = Tkω0 = k 2π ,k ≠ 0
sin (πu )
sinc(u ) =
πu X [k ] = 2T0
T sinc k ( ) 2T0
T

O coeficientes X[k], –50 ≤ k ≤ 50, para três ondas quadradas com diferentes relações
(a) Ts/T = 1/4 .

X [k ] = 2T0
T sinc k ( ) 2T0
T
X [0] = 2T0
T
(b) Ts/T = 1/16.

O coeficientes X[k], –50 ≤ k ≤ 50, para três ondas quadradas com diferentes relações
(c) Ts/T = 1/64.
X [k ] = 2T0
T sinc k ( ) 2T0
T
X [0] = 2T0
T

Em análise de Fourier a forma
sin (πu )
sinc(u ) =
πu
Função Sinc sinc(u) = sin(πu)/(πu)
é muito comum.
Nesta função, com u=0 o valor

máximo é 1

()
Um sinal x t contínuo no tempo e periódico pode ser
expresso por
Séries de Fourier FS: forma exponencial
T
∞ 1 2π
x(t ) = ∑ X [k ]e jkω0t
X [k ] = ∫ x(t )e − jkω0t dt ω0 =
T
k = −∞
T 0
Séries de Fourier FS: forma trigonométrica para sinais
∞
x(t ) = B[0] + ∑ B[k ]cos(kω0t ) + A[k ]sin (kω0t )
k =1
T
B[0] = T1 ∫ x(t )dt
T
com
0
A[k ] = T2 ∫ x(t )sin (kω0t )dt
0
T
B[k ] = T2 ∫ x(t ) cos(kω0t )dt
0

Nas séries de Fourier FS na forma trigonométrica

∞
x(t ) = B[0] + ∑ B[k ]cos(kω0t ) + A[k ]sin (kω0t )
k =1
T
B[0] = T1 ∫ x(t )dt
T
0
A[k ] = T2 ∫ x(t )sin (kω0t )dt
0
T
B[k ] = T2 ∫ x(t ) cos(kω0t )dt
0
A relação entre coeficientes da versão exponencial e trigonométrica

pode ser obtida pela igualdade de Euler sendo as relações:
B[0] = X [0] e B[k ] = X [k ] + X [− k ], k ≠ 0

A[k ] = j ( X [k ] − X [− k ])
(FS) (FT)
Discreta no Tempo
(DTFS)
Transformada de Fourier Discreta no Tempo–DTFT:

Sinais Não Periódicos e Discretos no Tempo

Os sinais periódicos e discretos no tempo são representados
pela Transformada de Fourier Discreta (DFT) através da
combinação de sinusóides complexas.
[]
Seja x n um sinal discreto e não periódico a sua representação
por DTFT envolve um somatório em todo o espectro de
frequências de − π < Ω ≤ π
∞
dΩ X (e ) = ∑ x[n]e
π
x[n ] = 1
2π ∫π
−
X e( )ejΩ j Ωn jΩ
n = −∞
− jΩn
x[n]← → X e jΩ
DTFT
( )
DTFT:
Sinais Não Periódicos e Discretos no Tempo

A soma infinita ∞
X e ( ) = ∑ x[n]e
jΩ − jΩn
n = −∞
Converge se x[n] tem uma duração finita e é um sinal limitado
Converge para uma função contínua de Ω se x[n] tem duração
infinita e obedece ao critério do somatório
∞
∑ x[n] < ∞
n = −∞
DTFT:
Exemplo: DTFT de Sequência Exponencial
Considere o sinal x [n] = α nu[n] da qual se pretende determinar a

DTFT ∞
( ) ∑ x[n]e
X e jΩ = − jΩn
n = −∞
∞ ∞
Substituindo obtemos
( ) ∑ α u[n]e
X e jΩ = n − jΩn
= ∑ α n e − jΩn
n = −∞ n =0
cujo somatório converge se α <1∞

.
1
X (e ) = ∑ (αe − jΩ ) =
jΩ n
, α <1
n =0 1 − α e − jΩ
Se α é real
1 1
( )
X e jΩ
X e( ) jΩ
=
1 − αe − jΩ
=
1 − α cos Ω + jα sin Ω
{ ( )}
arg X e jΩ
DTFT:
Exemplo: DTFT de Sequência Exponencial
Os espectros de amplitude e fase são

1 1
( )
X e jΩ = =
(1 − α cos Ω )2 + (α sin Ω )2 1 + α 2 − 2α cos Ω
 α sin Ω 
{ ( )}
arg X e jΩ = − arctan 
 1 − α cos Ω 
DTFT para o sinal exponencial x[n] = (α)nu[n]com α = 0.5.
DTFT:
Exemplo: DTFT de um Impulso
Considere o sinal x[n ] = δ [n ] da qual se pretende determinar a DTFT

∞ ∞
( ) ∑ δ [n]e
=1 ( ) ∑ x[n]e
n = −∞
que equivale ao par n = −∞
δ [n]←
DTFT
→1
e cujo espectro em frequência é dado por
(FS) (FT)
Discreta no Tempo
(DTFS)
Transformada de Fourier – FT:

Sinais Não Periódicos e Contínuos no Tempo
A transformada de Fourier (FT) é utilizada para representar sinais

não periódicos e contínuos no tempo através de composição de
sinusóides complexas.
()
Seja x t um sinal contínuo e não periódico a sua representação
por FT envolve um integral em todo o intervalo de frequências
∞
∞
x(t ) = ∫ X ( jω )e dω X ( jω ) = ∫ x(t )e
1 jωt − jωt
2π dt
−∞
−∞
x(t ) ←→
FT
X ( jω )

Sinais Não Periódicos e Contínuos no Tempo

Os integrais ∞
X ( jω )e jωt dω X ( jω ) = ∫ x(t )e
∞ − jωt
dt
x(t ) = 1
2π ∫
−∞ −∞
poderão não convergir para todas as funções x (t )e X ( .jω )

A convergência pontual é garantida fora de descontinuidades e
com as seguintes condições para :
∞
• É um sinal absolutamente integrável
∫ x(t ) dt < ∞
−∞
• Tem um número finito de máximos, mínimos e de

descontinuidades
• A descontinuidade tem uma extensão finita

Exemplo: FT de uma Exponencial Real
Determine a representação em Transformada de Fourier (FT) do

sinal da figura. ∞
X ( jω ) = ∫ x(t )e
− jωt
x(t ) = e − at u (t ) dt
−∞
A FT não converge para a ≤ 0 pois o sinal não é absolutamente

integrável ∞
∫e
− at
dt = ∞, a ≤ 0
0
para a > 0 temos
∞ ∞ ∞
X ( jω ) = ∫ e − at u (t )e − jωt dt = ∫ e −(a + jω )t dt = −1
a + jω e −(a + jω )t = 1
a + jω
−∞ 0 0

Exemplo: FT de uma Exponencial Real
Os espectros de amplitude e fase desta Transformada de Fourier

(FT) do sinal são:
X ( jω ) = 1
a +ω 2
2
arg{X ( jω )} = − arctan (ω / a )
Tranformada de Fourier – FT:

Exemplo: FT de um Pulso Rectangular
Determine a representação em Transformada de Fourier (FT) do

sinal da figura. ∞
1,−T0 < t < T0 X ( jω ) = ∫ x(t )e
− jωt
dt
x(t ) = 
0, t > T0
−∞
A FT é absolutamente integrável se T0 < ∞

∞ T0 T0
X ( jω ) = ∫ x(t )e − j ωt
dt = ∫ e − j ωt
dt = −1
jω
e − j ωt
−∞ −T0 −T0
= ω2 sin (ωT0 ), ω ≠ 0
para ω = 0 o integral pode simplificar e o resultado é
X ( jω ) = 2T0 , ω = 0

Exemplo: FT de um Pulso Rectangular
O valor da FT pode ser expressa em termos da função sinc

X ( jω ) = 2T0sinc(ωT0 / π ), ω ≠ 0
As expressões para os espectros de amplitude e fase desta

Transformada de Fourier (FT) do sinal são:
0, sin (ωT0 ) / ω > 0
X ( jω ) = 2 sin (ωωT0 ) , ω ≠ 0 arg{X ( jω )} = 
π , sin (ωT0 ) / ω < 0

Exemplo: FT de um Impulso
Considere o sinal x(t ) = δ (t ) da qual se pretende determinar a FT

∞
∞
X ( jω ) = ∫ δ (t )e − jωt dt = 1
X ( jω ) = ∫ x(t )e
− jωt
dt
−∞
−∞
que equivale ao par
δ (t ) ←→
FT
1
e cujo espectro contém contribuições de exponenciais complexas em
todo o domínio de frequências de −∞ ≤ω ≤ ∞
Representações de Fourier
(FS) (FT)
N −1
x[n] = ∑ X [k ]e jkΩ0 n π
x[n] = ∫ π X (e )e
jΩ jΩn
k =0
Ambas periódicas
de período N
1
2π
dΩ
Ω 0 = 2π / N −
N −1 ∞
1
X [k ] =
N
∑ x[n]e − jkΩ0n
n =0
X (e ) = ∑ x[n ]e
jΩ − jΩn
É periódica de período 2π n = −∞
Representações de Fourier
(FS) (FT)
∞ ∞
x(t ) = ∑ X [k ]e jkω0t
k = −∞ Ambas periódicas
x(t ) = 1
2π ∫ −∞
X ( jω )e jωt dω
de período T ∞
T
X ( jω ) = ∫ x(t )e
1 ω0 = 2π / T − jωt
X [k ] = ∫ x(t )e − jkω0t dt dt
T 0 −∞
Propriedades Representações Fourier:

Periodicidade entre Domínios de Representações de

Fourier
Em geral as representações que são continuas num domínio são
não periódicas no outro domínio
Representações que são discretas num dos domínios são
periódicas no outro domínio
Propriedade Propriedade
Domínio Tempo Domínio Frequência

Contínuo Não – Periódico
Discreto Periódico
Periódico Discreto
Não – Periódico Contínuo
Linearidade e Simetria:
As quatro representações de Fourier (DTFS, FS, DTFT, FT)

satisfazem as propriedades da linearidade que podem ser
descritas por:
z (t ) = ax(t ) + by (t ) ←→
FT
Z ( jω ) = aX ( jω ) + bY ( jω )
z (t ) = ax(t ) + by (t ) ← → Z [k ] = aX [k ] + bY [k ]
FS ,ω0
z[n] = ax[n] + by[n]← ( )

→ Z e jΩ = aX e jΩ + bY e jΩ
DTFT
( ) ( )
z[n] = ax[n] + by[n]← → Z [k ] = aX [k ] + bY [k ]
DTFS ;Ω 0
Exemplo: Linearidade nas Séries de Fourier (FS)

Suponha um sinal periódico.
Utilize a propriedade da linearidade
e a FS de um pulso para determinar os T
T0
coeficientes da FS do sinal.
p(t ) ← → P[k ] =
FS ,ω0 1
kπ sin ( )
2 kπT0
T
Considerando o sinal composto por
z (t ) = 32 x (t ) + 12 y (t )
Cada um destes sinais pode ser descrito por
x(t ) ← → X [k ] =
FS , 2π 1
kπ sin ( k4π ) y(t ) ← → Y [k ] =
FS , 2π 1
kπ
sin( k2π )
Exemplo: Linearidade nas Séries de Fourier (FS)

x(t ) ← → X [k ] =
FS , 2π 1
kπ sin ( k4π )
y(t ) ← → Y [k ] =
FS , 2π 1
kπ
sin( k2π ) T0
T
Com base na propriedade da linearidade
a FS do sinal composto é
z (t ) ← → Z [k ] =
FS , 2π 3 1
2 kπ sin ( k4π ) + 12 1
kπ sin ( k2π )
Simetria: Parte Real & Imaginária

Considerando que o FT aplicada mas aplicada ao conjugado de um

sinal ∗
∗
X  ∞
( jω ) = ∫−∞ x(t )e
− jωt  ∞
∗ jωt
dt = ∫ x (t )e dt
  −∞
Supondo que x(t )é um Real.

∞
Então x(t ) = x (t ) e teremos X ∗ ( jω ) = ∫ x∗ (t )e − j (−ω )t dt
∗
−∞
∗
( ) ( )
o que implica X jω = X − jω e a transformada é obtida
pelo complexo - conjugado simétrico:
Re{X ( jω )} = Re{X (− jω )} Im{X ( jω )} = − Im{X (− jω )}

Se o sinal é real então
a parte real do espectro é uma função par
a parte imaginária do espectro é uma função ímpar

() ( )
Se o sinal de entrada é x t = A cos ωt − φ e a resposta a

()
impulso uma função real h t então FT H jω é uma função ( )
obtida pelo complexo - conjugado .
O sinal de entrada pode ser expresso por x (t ) = A2 e j (ωt −φ ) + A2 e− j (ωt −φ )
Sabendo que y (t ) = H ( jω )e jωt e pela propriedade da linearidade
y (t ) = H ( jω ) A2 e j (ωt −φ +arg{H ( jω )}) + H (− jω ) A2 e − j (ωt −φ −arg{H (− jω )})

Explorando as propriedades
H ( jω ) = H (− jω ) arg{H ( jω )} = − arg{H (− jω )}
Simplificamos o sinal de saída para
y (t ) = H ( jω ) A cos(ωt − φ + arg{H ( jω )})


Sendo o sinal de saída dado por
y (t ) = H ( jω ) A cos(ωt − φ + arg{H ( jω )})

então verificamos que a uma resposta a impulso real modifica o
sinal de saída em que
A amplitude é modificada por H ( jω )
A fase é modificada por arg{H ( jω )}

No caso de o sinal de entrada ser discreto e do tipo

x[n] = A cos(Ωn − φ )
se a resposta a impulso h[n] for real
( ) (
y[n] = H e jΩ A cos Ωn − φ + arg H e jΩ { ( )})
Se x(t ) for um sinal imaginário puro
Então x
∗
(t ) = − x(t ) e a FT virá
∞ ∞
X ∗ ( jω ) = ∫ x∗ (t )e jωt dt = −∫ x(t )e − j (−ω )t dt
−∞ −∞
Concluindo que
X ∗ ( jω ) = − X (− jω )
Propriedades de Simetria:
Representação Sinais com valores Reais Sinais com valores Imaginários
X ∗ ( jω ) = X (− jω ) X ∗ ( jω ) = − X (− jω )
FT
X ∗ [k ] = X [− k ] X ∗ [k ] = − X [− k ]
FS
DTFT
( ) (
X ∗ e jΩ = X e − jΩ ) ( )
X ∗ e jΩ = − X e − jΩ ( )
X ∗ [k ] = X [− k ] X ∗ [k ] = − X [− k ]
DTFS
Simetria: Função Par e Ímpar

Supondo x(t ) um sinal real e simetria par
Então x(t ) = x∗ (t ) e x(− t ) = x(t ) logo x∗ (t ) = x(− t )

A expressão para a FT vem
∗
X ( jω ) =  ∫ x(t )e − jωt dt  = ∫ x∗ (t )e jωt dt = ∫ x(− t )e − jω ( −t )dt
∞ ∞ ∞
∗
 −∞  −∞ −∞
Fazendo uma mudança de variável τ = −t obtemos

∞
X ∗ ( jω ) = ∫ x(τ )e − jωτ dτ = X ( jω )
−∞
Se o sinal x(t ) for real e par então X ( jω ) é real.
()
Se o sinal x t for real e ímpar então X
∗
( jω ) = − X ( jω ) e X ( jω ) é
um espectro só com parte imaginária.
Propriedade da Convolução:
Considere um sinal de saída resultado da convolução de dois sinais não-
periódicos ∞
y (t ) = h(t ) ∗ x(t ) = ∫ h(τ )x(t − τ )dτ
∞
−∞
Expressando x(t − τ )
∫ X ( jω )e
jω (t −τ )
pela FT inversa x(t − τ ) = 1
2π dω
∞ −∞
y (t ) = h(t ) ∗ x(t ) = ∫ h(τ ) 21π X ( jω )e jωt e − jωτ dω  dτ

∞
Obtemos
−∞
 ∫ −∞ 
∞
 ∞ h(τ )e − jωτ dτ  X ( jω )e jωt dω
= 21π ∫−∞ ∫−∞ 
∞
∫ H ( jω )X ( jω )e jωt dω
É a FT de y(t) !!
= 21π
−∞
Podendo concluir que
y (t ) = h(t ) ∗ x(t ) ←→

FT
Y ( jω ) = X ( jω )H ( jω )
Conclusão Importante
A convolução de dois sinais não periódicos no domínio do tempo equivale

a uma multiplicação das duas funções espectro, no domínio da
frequência.
y (t ) = h(t ) ∗ x(t ) ←→

FT
Y ( jω ) = X ( jω )H ( jω )
A análise do comportamento da saída de um sistema linear fica desse
modo simplificada. Resume-se à multiplicação da função espectral da
resposta a impulso com a função espectral do sinal de entrada
Propriedade semelhante existe para sinais discretos

No caso de sinais não periódicos
x[n]← → X e jΩ
DTFT
( ) h[n]← → H e jΩ
DTFT
( )
Em que a convolução será
y[n] = h[n]∗ x[n]← → Y (e jΩ ) = X (e jΩ )H (e jΩ )

DTFT
Exemplo: Utilizando a Propriedade Convolução
x(t ) = π1t sin (πt )

Suponha o sinal de entrada:
Aplicado sistema com resposta a impulso: h(t ) = πt sin (2πt )
1
Determine o sinal da saída no domínio do tempo y (t ) = h(t ) ∗ x(t )

Resolvendo no domínio da frequência
1, ω <π 1, ω < 2π

x(t ) ←→
FT
X ( jω ) =  h(t ) ←→
FT
H ( jω ) = 
0, ω >π 0, ω > 2π
Como y (t ) = h(t ) ∗ x(t ) ←→

FT
Y ( jω ) = X ( jω )H ( jω )
1, ω <π
y (t ) ←→
FT
Y ( jω ) = 
0, ω >π
Sendo a resposta temporal y (t ) = π1t sin (πt )
Propriedade da Convolução: Filtragem

A propriedade da convolução oferece uma boa representação para a
noção de filtragem.
Um sistema realiza uma filtragem num de entrada sinal o
correspondente sinal de saída apresenta componentes de frequência
diferentes.
Contínuo Discreto
Passa-Baixo
Passa-Alto
Passa-Banda
Filtragem:
A resposta em amplitude, no domínio da frequência, de um filtro é

normalmente descrita em decibels (dB).
20 log H ( jω ) ou ( )
20 log H e jΩ
A utilização da unidade decibel a resposta é descrita numa escala
logarítmica, o que permite examinar os detalhes da resposta da banda
de passagem e da banda de retenção de frequências.
Notar que um amplificação unitária corresponde a zero dB!
A frequência de corte do filtro é definida para a frequência cuja
resposta em amplitude corresponde a -3dB e que corresponde a uma
amplitude da resposta de (1 2 )
Como
Y ( jω ) = H ( jω ) X ( jω )
2 2 2
a frequência de corte correspondente a -3dB corresponde a frequências

da qual o filtro passa só metade da potência do sinal de entrada
Filtragem:

O circuito da figura tem como sinal de entrada x(t ) mas tem dois sinais
possíveis de saída y R (t ) e yC (t ) .
A resposta a impulso para a saída yC (t ) é hC (t ) = 1
RC e (−t ( RC ))u (t )
Sendo y R (t ) = x(t ) − yC (t ) a resposta a impulso para a saída y R (t ) é dada
por ( − t ( RC ))
hR (t ) = δ (t ) − RC e
1
u (t )
As funções correspondentes às respostas em

frequência de cada uma das saídas são
1 1 jωRC
H C ( jω ) = H R ( jω ) = 1 − =
jωRC + 1 jωRC + 1 jωRC + 1
Os respectivos gráficos em frequência para ambas as funções, podem ser
ilustrados em dB.
Filtragem:
1
H C ( jω ) =
jωRC + 1
1 jωRC
H R ( jω ) = 1 − =
jωRC + 1 jωRC + 1
Propriedade da Convolução: Identificação

Relação Entrada/Saída
A propriedade da convolução permite estabelecer uma razão entre a FT
(ou DTFT) do sinal de saída e o sinal de entrada.
H ( jω ) =
Y ( jω )
( )
H e jΩ =
( )
Y e jΩ
X ( jω ) ( )
X e jΩ
Exemplo: Identificação de um sistema

Supondo um sistema cuja saída é y (t ) = e u (t ) ao sinal de entrada x(t ) = e u (t )
−t −2 t
determinar a resposta em frequência e a impulso do sistema.

1 1
x(t ) = e − 2t u (t ) ←→
FT
X ( jω ) = y (t ) = e −t u (t ) ←→
FT
Y ( jω ) =
jω + 2 jω + 1
A resposta em frequência é dada por
Y ( jω ) jω + 2 1
H ( jω ) = = = 1+
X ( jω ) jω + 1 jω + 1
Tomando a FT inversa, obtemos a resposta a impulso h(t ) = δ (t ) + e −t u (t )
Propriedade da Convolução: Sinais Periódicos

Sinais Contínuos Periódicos

A convolução entre dois sinais contínuos com período T é dada pelo
integral de convolução que deverá ser periódico, de período T.
T
y(t ) = x(t ) ∗ z (t ) = ∫ x(τ )z (t − τ )dτ
0
A representação mais apropriada para os três sinais é a FS.
FS ; 2 π
y(t ) = x(t ) ∗ z (t ) ←
T
→Y [k ] = T ⋅ X [k ]Z [k ]
Sinais Discretos Periódicos
A convolução discreta de duas sequências discretas N- periódicas, z[n] e x[n]
é dada pelo somatório, que é também uma sequência N - periódica.
N −1
y[n] = x[n]∗ z[n] = ∑ x[k ]z[n − k ]
k =0
A representação mais apropriada para os três sinais é a DTFS.
DTFS ; 2 π
y[n] = x[n]∗ z[n]←
N
→ Y [k ] = N ⋅ X [k ]Z [k ]
Convolução: Sinais Periódicos


Suponha que o sinal z (t ) = 2 cos(2πt ) + sin (4πt ) é a resposta a impulso de
um sistema ao qual é aplicado o sinal de entrada abaixo:
Ambos os sinais têm período T=1 e a saída poderá ser determinada com
ajuda da propriedade da convolução
FS ; 2 π
y(t ) = x(t ) ∗ z (t ) ←
T
→Y [k ] = T ⋅ X [k ]Z [k ]  1 k = ±1
 1 (2 j ) k = 2
Os coeficientes da FS para ambos os sinais são 
Z [k ] = 
Os coeficientes − 1 (2 j ) k = −2
1 / π k = ±1  0 outro
da FS para o Y [k ] = X [k ]Z [k ] = 
sinal de saída são  0 outros
2 sin(kπ 2)
X [k ] =
e aplicando k 2π
a FS inversa y (t ) = (2 π ) cos(2πt )
Propriedades da Derivação:
A derivação e a integração são operações que se aplicam as funções

contínuas. No caso das representações de Fourier são importantes para
sinais contínuos no tempo ou funções contínuas na frequência (FT e
DTFT).
Derivada Temporal
∞
Sendo a FT de um sinal contínuo dada por x(t ) = 1
2π ∫−∞
X ( jω )e jωt dω
d ∞ d
x(t ) = ∫ X ( jω ) jωe jωt dω x(t ) ←→ jωX ( jω )
1 FT
2π
dt −∞ dt
∞
Sendo x(t ) um sinal periódico então a sua FS é x(t ) = ∑ X [k ]e
k = −∞
jkω0t
∞
d
x(t ) = ∑ X [k ] jkω0e jkω0t d
x(t ) ← → jkω0 X [k ]
FS ;ω0
dt k = −∞ dt
Derivada na Frequência
A derivação pode ser realizada no domínio da frequência sendo a FT um
sinal contínuo dado por
∞
X ( jω ) = ∫ x(t )e− jωt dt
−∞
d ∞ d
X ( jω ) = ∫ x(t )(− jt )e − jωt dt (− jt )x(t ) ←→
FT
X ( jω )
dω − ∞ dω
A derivação na frequência equivale à multiplicação por (-jt) do sinal no
domínio do tempo.
Exemplo: Transformada de Fourier de um Pulso Gaussiano

Determine a FT de um sinal contínuo dado por
2
− t2
g (t ) = 1
2π
e
d 2
− t2
A derivada desta função é g (t ) = −t
2π
e = −tg (t )
dt
Pelas propriedades da derivação:
d d
g (t ) ←→
FT
jωG( jω ) − jtg (t ) ←→
G ( jω )FT
dt dω
− tg (t ) ←→
FT
jωG( jω ) − tg (t ) ←→
FT 1 d
G ( jω )
j
dω
d
− ωG( jω ) = G( jω )
dω
Esta equação diferencial em G( jω ) tem a mesma forma funcional que
e por isso ser expressa por G( jω ) = ce−ω
2
2
Exemplo: Transformada de Fourier de um Pulso Gaussiano

Para determinar a constante desta forma funcional podemos
utilizar o calculo da FT para ω = 0
( )
∞ ∞ 2
G( jω )ω =0 = ∫ x(t )e − jωt dt = ∫ 1
−t
2π e 2 dt =1
−∞ −∞ 2
− t2
g (t ) = 1
e
Logo c = 1 e podemos concluir que a transformada 2π
de Fourier de um pulso Gaussiano é uma Gaussiana.
2 2
− t2 FT − ω2
1
2π
e ←→ e
Propriedade do Deslocamento:
Deslocamento no Tempo
Se z (t ) = x(t − t 0 ) é uma versão deslocada no tempo de x(t ) então podemos
relacionar as FT dos dois sinais.
∞ ∞
Z ( jω ) = ∫ z (t )e − jωt dt =∫ x(t − t0 )e − jωt dt
−∞ −∞
τ = t − t0
∞
Z ( jω ) = ∫ x(τ )e − jω (τ +t0 )dτ
−∞
∞
= e − jωt0 ∫ x(τ )e − jωτ dτ =e − jωt0 X ( jω )
−∞
O resultado do deslocamento no tempo do sinal x(t ) por t0 equivale a

− j ωt
multiplicar a FT por e 0 .
O amplitude do espectro fica inalterada Z ( jω ) = X ( jω )
A fase é alterada em função da

Z ( jω ) = e − jωt0 X ( jω )
frequência e de forma linear arg{Z ( jω )} = arg{X ( jω )}− ωt0
Exemplo: Calculo da FT de um sinal Deslocado no Tempo
x(t − t0 ) ←→
FT
e− jωt0 X ( jω )
τ = t − t0
Se z (t ) = x(t − T1 ) é uma versão deslocada no tempo de x(t ) então podemos
relacionar as FT dos dois sinais.
X ( jω ) = ω2 sin (ωT0 ) Z ( jω ) = e − jωt0 X ( jω )
Z ( jω ) = e − jωT1 ω2 sin (ωT0 )
Deslocamento na Frequência
Se Z ( jω ) = X ( j (ω − γ )) é uma versão deslocada no espectro de X ( jω )
então podemos relacionar as FT dos dois sinais.
Usando a FT inversa
∞ ∞
z (t ) = 21π ∫ Z ( jω )e dω = π ∫ X ( j (ω − γ ))e jωt dω
ω j t 1
−∞ 2 −∞
η = ω −γ
∞ ∞
z (t ) = 21π ∫−∞
X ( jη )e j (η +γ )t dη = e jγt 1
2π ∫
−∞
X ( jη )e jηt dη = e jγt x(t )
O resultado do deslocamento na frequência equivale a multiplicar o sinal

no domínio do tempo por uma sinusóide complexa cuja frequência é
igual ao deslocamento.
e jγt x(t ) ←→

FT
X ( j (ω − γ ))
IFT- Expansão usando Fracções Parciais:

Supondo que a função espectro X ( jω )se expressa como uma razão entre dois
polinómios do tipo
M1
X ( jω ) = ( jω )NbM+ a( jω )( jω+)L +b1 ( jω )+b0
N −1
+L+ a ( jω )+ a
= B ( jω )
A( jω )
N −1 1 0
é possível determinar a FT inversa a partir das parcelas correspondentes às

fracções parciais correspondentes.
Se M ≥N então podemos fazer a divisão do polinómio tomando este a forma
~
B ( jω )
M −N
X ( jω ) = ∑ f ( jω )
k
+
A( jω )
k
k =0
Assumindo que M < N e as raízes do polinómio A( jω )forem d k então X ( jω )
pode ser descrita por
X ( jω ) = ∑kN=0
M
bk ( jω )k
∏k =1( jω −d k )
No caso de raízes d k , k = 1,2,K, N distintas
X ( jω ) = ∑kN=1 jωC−kd k
Sendo Ck determinado pelo método dos resíduos.

Sendo
X ( jω ) = ∑kN=1 jωC−kd k
e assumindo que cada d k , k = 1,2,K, N raiz tem a parte real negativa podemos
utilizar as propriedades da linearidade para obter o par
N N
x(t ) = ∑ Ck e d k t u (t ) ←→
FT
X ( jω ) = ∑ jωC−kd k
k =1 k =1

Transformada Discreta
Se a DTFT ( )for descrita por uma razão entre polinómios em e
X e jΩ jΩ
X ( jω ) = α bM e − jΩM +L+ b1e − jΩ + b0

=
( )
B e jΩ
Ne
− jΩN
+α N −1 e − jΩ ( N −1 ) +L+α e − jΩ +1
1
( )
A e jΩ
Assumindo que M <N e as raízes do polinómio A e ( ) forem d , k = 1,2,K, N
jΩ
k
então ( ) pode ser descrita por
X e jΩ
( )
X e jΩ = ∑kN=1 1− dCek − jΩ
k
Sendo
(d k ) u[n]←→ 1−d 1e
n DTFT
k
− jΩ
então pela propriedade da linearidade obtemos a transformada inversa

N
x[n] = ∑ Ck (d k ) u[n]
n
k =1
Multiplicação e Convolução
Dualidade
Tabela de Propriedades
TABELA
Tabela de Propriedades
TABELA
Sumário
o Resposta em Frequência dos SLIT
o Sinais Discretos no Tempo : Séries e Transformada de Fourier
o Sinais Contínuos no Tempo: Séries e Transformada de Fourier
o Propriedades das Transformadas de Fourier
o Transformadas de Fourier Inversa utilizando Expansões em

Fracções Parciais

Fourier

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

Fourier

Enviado por

Direitos autorais:

Formatos disponíveis

Análise de Fourier para Sinais e SLITs

Análise e Processamento de BioSinais

Faculdade de Ciências e Tecnologia

Análise de Fourier para Sinais e SLITs

o Análise de Fourier para Sinais e Sistemas Lineares e

Um sinal pode ser uma sobreposição (pesada) de sinusóides complexas

A resposta de um SLIT a uma entrada sinusoidal equivale à caracterização

O estudo de sinais e sistemas utilizando a representação sinusoidal é

Análise de Fourier para Sinais e SLITs

Resposta em Frequência dos SLIT:

A resposta em frequência de um SLIT é obtida pela convolução da

Simplificando o factor comum

A saída é a sinusóide complexa da entrada multiplicada pelo número

Resposta em Frequência dos SLIT:

Frequência, designando-se por Resposta em Frequência do SLIT.

No caso de um sistema contínuo no tempo é possível derivar

O sistema altera a amplitude e a fase da entrada.

Análise de Fourier para Sinais e SLITs

Resposta em Frequência dos SLIT:

O sistema altera a amplitude da entrada por H ( jω ) e a fase por

y (t ) = H ( jω ) e j (ωt + arg{H ( jω )})

Resposta em Frequência dos SLIT:

A resposta a impulso do sistema que relaciona a tensão aos

Análise de Fourier para Sinais e SLITs

Resposta em Frequência dos SLIT:

Exemplo: Circuito RC: Resposta em Frequência

Resposta em Frequência dos SLIT:

pode ser considerada como

Podemos então expressar os sinais como uma soma pesada de M

Análise de Fourier para Sinais e SLITs

Existem quatro representações de Fourier distintas, cada uma

Sinal Periódico Sinal Não Periódico

Contínuo (t) Séries de Fourier Transformada Fourier

Se o sinal a representar for discreto e um sinal periódico com período N

xˆ[n ] = ∑ A[k ]e jkΩ0 n xˆ (t ) = ∑ A[k ]e jkω0t

Harmónica de ordem k de e jΩ 0 n Harmónica de ordem k de e jω 0 t

Análise de Fourier para Sinais e SLITs

Se o sinal é periódico com período N então

e j ( N + k )Ω0 n = e jNΩ0n e jkΩ0 n

Sinais Periódicos Discretos: Representação por Séries de Fourier

boas aproximações para os respectivos sinais x[n] e x(t ) teremos

Análise de Fourier para Sinais e SLITs

Sinais Não Periódicos: Representação por Transformada de Fourier

Exemplos: Representações de Fourier Adequadas

x(t ) = 1 − cos(2πt ) + sin (3πt ) FS

x[n] = ∑m = −∞ δ [n − 20m] − 2δ [n − 2 − 20m]

Análise de Fourier para Sinais e SLITs

Sinal Periódico Sinal Não Periódico

Contínuo (t) Séries de Fourier Transformada Fourier

Série de Fourier Discreta no Tempo-DTFS:

Sinais Discretos no Tempo e Periódicos: DTFS

Este par é denotado por

Domínio do tempo Domínio da Frequência

Análise de Fourier para Sinais e SLITs

Série de Fourier Discreta no Tempo-DTFS:

Exemplo: Cálculo da DTSF: Por inspecção

O período é N=6 e utilizando a igualdade de Euler:

Série de Fourier Discreta no Tempo-DTFS:

Exemplo: Cálculo da DTSF: Por inspecção

Análise de Fourier para Sinais e SLITs

Série de Fourier Discreta no Tempo-DTFS:

o Sinais Discretos no Tempo e Periódicos: Séries de Fourier