Aula 8

Amostragem no Tempo Dificuldades Práticas Amostragem Espectral TDF FFT
Disciplina: Sinais e Sistemas Lineares
Amostragem: a Ponte Entre o Contı́nuo e o Discreto1
Prof. Kurios Iuri P. de M. Queiroz
Universidade Federal do Rio grande do Norte

Centro de Tecnologia
Departamento de Engenharia Elétrica
Agosto de 2016
1
A maior parte desta aula (incluindo figuras, textos e tabelas) foi retirada
do livro texto B. P. Lathi. Sinais e Sistemas Lineares (Segunda Edição).
Bookman, 2007.
Kurios | Inı́cio 1/42
1 Teorema da Amostragem
2 Dificuldades Práticas na Reconstrução do Sinal
3 Teorema da Amostragem Espectral
4 Cálculo Numérico da TFTC
5 Fast Fourier Transform - FFT

Teorema da Amostragem
Teorema: Um sinal real cujo o espectro é limitado em B Hz

(X (w ) = 0 para |w | > 2πB) pode ser reconstruı́do
exatamente (sem qualquer erro) de suas amostras tomadas
uniformemente a uma taxa de fs > 2B amostras/segundo. Em
outras palavras, a menor taxa de amostragem é fs = 2B Hz

Processo de amostragem ideal:

Sinal amostrado idealmente:

X
x̄(t) = x(t)δT (t) = x(nT )δ(t − nT )
n
Série de Fourier de um trem de impulsos (exemplo 6.7):
1
δT (t) = [1 + 2 cos ws t + 2 cos 2ws t + 2 cos 3ws t + · · · ]
T
Dessa forma,
x̄(t) = x(t)δT (t)

1
= [x(t) + 2x(t) cos ws t + 2x(t) cos 2ws t + · · · ]
T

Transformada de Fourier do sinal amostrado idealmente:

1
X̄ (w ) = [X (w ) + X (w − ws ) + X (w + ws )
T
+X (w − 2ws ) + X (w + 2ws )
+ X (w − 3ws ) + X (w + 3ws ) + · · · ]
De forma mais compacta,

∞
1 X 2π
X̄ (w ) = X (w − nws ), ws = = 2πfs
T n=−∞ T

Espectro do sinal amostrado idealmente:

Para se obter x(t) a partir de x̄(t), precisamos excluir as

componentes indesejadas com um filtro passa baixa ideal.

Porém, só vamos obter o resultado desejado (reconstrução de

x a partir de x̄), se
fs > 2B.
A frequência fs = 2B é chamada de taxa de Nyquist.

Por que analisamos o sinal amostrado idealmente, ao invés

do sinal em tempo discreto?

Espectro do sinal x(t) e x̄(t).

Existe alguma relação entre os espectros de x̄(t) e x[n]?

Em caso afirmativo, teremos uma conexão entre X (w )
(TFTC) e X (Ω) (TFTD).

O sinal amostrado idealmente é dado por

∞
X
x̄(t) = x(nT )δ(t − nT ).
n=−∞
A sua Transformada de Fourier em tempo contı́nuo é

∞
X
X̄ (w ) = x(nT )e −jnTw
n=−∞

O sinal em tempo discreto é dado por
x[n] = x(nT )
A sua Transformada de Fourier em tempo discreto é

∞
X ∞
X
−jnΩ
X (Ω) = x[n]e = x(nT )e −jnΩ .
n=−∞ n=−∞

TFTC do sinal amostrado idealmente:

∞
X
X̄ (w ) = x(nT )e −jnTw .
n=−∞
TFTD do sinal em tempo discreto:

∞
X
X (Ω) = x(nT )e −jnΩ .
n=−∞
Comparando-se as transformadas anteriores:
X (Ω) = X̄ (w )|wT =Ω

Alternativamente,
Ω
X (Ω) = X̄
T
ou seja, X (Ω) é idêntico a X̄ (w ) escalonado na frequência
pelo fator T .

Espectro do sinal x̄(t) e x[n].
Obs.: Dessa forma, x(t) pode ser reconstruı́do a partir de x[n], desde que
x[n] seja formado por amostras de x(t) tomadas uniformemente a uma
taxa de fs > 2B amostras/segundo.

Dificuldades Práticas
Filtragem do sinal: é impossı́vel recuperar na prática um

sinal limitado em faixa a partir das suas amostras.

Aliasing: Todos os sinais práticos são limitados no tempo

(duração ou largura finita), e consequentemente, não são
limitados na frequência (não limitados em faixa).

Filtro Anti-Aliasing:


Teorema da Amostragem Espectral
Amostragem Espectral:

Transformada de Fourier de x(t):

Z ∞ Z τ
−jwt
X (w ) = x(t)e dt = x(t)e −jwt dt
−∞ 0
Assumindo que T0 > τ , os coeficientes da série de Fourier do

sinal xT0 (t) são:
Z T0 Z τ
1 −jnw0 t 1
Dn = x(t)e dt = x(t)e −jnw0 t dt
T0 0 T0 0
Comparando as duas equações acima, temos que

1
Dn = X (nw0 )
T0

Resultado: O espectro do sinal periódico xT0 (t) é o espectro

X (w ) amostrado. Desde que,
1
T0 > τ ou f0 <
τ
é possı́vel recuperar X (w ) a partir de suas amostras, pois não
haverá sobreposição no tempo. Se R é a taxa de amostragem,
então
1
R= > τ amostras/Hz.
f0


Cálculo Numérico da TFTC
Cálculo Numérico da TFTC:

Número de amostras em um perı́odo T0 do sinal amostrado

idealmente e repetido:
T0
N0 =
T
Número de amostras em um perı́odo fs do espectro
amostrado:
fs 1 1
N00 = , onde f0 = e fs =
f0 T0 T
Dessa forma,
T0 1/f0 fs
N0 = = = = N00
T 1/fs f0

Sinal amostrado idealmente:

0 −1
NX
x̄(t) = x(nT )δ(t − nT )
n=0
A transformada de Fourier (TFTC) do sinal acima é dado por

0 −1
NX
X̄ (w ) = x(nT )e −jnwT
n=0
Assumindo um aliasing negligenciável, no intervalo de

|w | ≤ ws /2, X̄ (w ) = X (w )/T . Dessa forma,
0 −1
NX
ws
X (w ) = T X̄ (w ) = T x(nT )e −jnwT , |w | ≤
2
n=0

Tomando amostras do espectro X (w ), temos

0 −1
NX
Xr = X (rw0 ) = T x(nT )e −jnrw0 T
n=0
Se w0 T = Ω0 , então
0 −1
NX
2π
Xr = Tx(nT )e −jnr Ω0 , Ω0 = 2πf0 T =
N0
n=0
Definindo xn = Tx(nT ), temos ainda
0 −1
NX
2π
Xr = xn e −jnr Ω0 , Ω0 =
N0
|n=0 {z }
TDF
Multiplicando-se os dois lados da TDF por e jmΩ0 r e somando

em r , temos
0 −1 0 −1 N
NX NX
" −1 #
X0
Xr e jmΩ0 r = xn e −jnr Ω0 e jmΩ0 r

r =0 r =0 n=0
Invertendo a ordem dos somatórios do lado direito,
0 −1 0 −1
NX NX
"N −1 #
X0
Xr e jmΩ0 r = xn e j(m−n)r Ω0
r =0 n=0 r =0
| {z }
0, se n6=m
Quando n = m, temos
0 −1
NX
Xr e jmΩ0 r = xm N0
r =0

Reorganizando,
N0 −1
1 X 2π
xn = Xr e jnΩ0 r , Ω0 =
N0 N0
| r =0{z }
TDFI
Observações:
Quanto maior a frequência de amostragem fs , menor será o
erro devido ao aliasing.
f0 é a resolução da frequência, ou seja, a separação entre as
amostras de X (w ).
Podemos utilizar a técnica de preenchimento nulo (inclusão de
amostras falsas de valor 0 no sinal) para aumentar N0 , e
consequentemente, obter mais amostras de X (w ).


Fast Fourier Transform - FFT
Definição da TDF:
0 −1
NX
2π
Xr = xn e −jnr Ω0 , Ω0 =
N0
n=0
Quantidade de cálculos:
Amostras do Espectro Multiplicações Somas
1 N0 N0 − 1
N0 N02 N0 (N0 − 1)

Para um sinal de comprimento N0 = 16:

Seg. Tamanho Mult. (Total) Somas (Total)
1 16 256 (256) 240 (240)
2 8 64 (128) 56 (112)
4 4 16 (64) 12 (48)
8 2 4 (32) 2 (8)
Observações:
Não existem aproximações nessa economia de cálculos.
O algoritmo FFT é simplificado se escolhermos N0 como sendo
uma potência de 2, apesar de tal escolha não ser essencial.
Existem dois tipos básicos: decimação em tempo e decimação
em frequência.

Definindo
WN0 = e −(j2π/N0 ) = e −jΩ0
Temos que a TDF é dada por
0 −1
NX
Xr = xn WNnr0 , 0 ≤ r ≤ N0 − 1
n=0
Vamos dividir a sequência xn de N0 pontos em duas:
x0 , x2 , x4 , · · · , xN0 −2 , x1 , x3 , x5 , · · · , xN0 −1
| {z } | {z }
sequência gn sequência hn

Dessa forma,
N0 /2−1 N0 /2−1
(2n+1)r
X X
Xr = x2n WN2nr
0
+ x2n+1 WN0
n=0 n=0
Além disso, como

WN0 /2 = WN20 ,
temos que
N0 /2−1 N0 /2−1
X X
Xr = x2n WNnr0 /2 +WNr 0 x2n+1 WNnr0 /2 .
| n=0 {z } | n=0 {z }
Gr Hr

Compactando,
Xr = Gr + WNr 0 Hr , 0 ≤ r ≤ N0 − 1
onde Gr e Hr são as TDFs das sequências gn e hn , cada uma

com N0 /2 pontos. Dessa forma,
Gr +N0 /2 = Gr ,
Hr +N0 /2 = Hr .
Além disso,
r +N0 /2 N /2
WN0 = WN00 WNr 0 = e −jπ WNr 0 = −WNr 0

Resultado:
N0
Xr = Gr + WNr 0 Hr , 0≤r ≤ −1
2
N0
Xr +N0 /2 = Gr − WNr 0 Hr , 0≤r ≤ −1
2
Fluxo de sinal (gráfico borboleta):

Passo 1 (N0 = 8):

Passo 2 (N0 = 8):

Passo 2 - Esquema da TDF (N0 = 8):

Aula 8

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

Aula 8

Enviado por

Direitos autorais:

Formatos disponíveis

Amostragem no Tempo Dificuldades Práticas Amostragem Espectral TDF FFT

Disciplina: Sinais e Sistemas Lineares

Amostragem: a Ponte Entre o Contı́nuo e o Discreto1

Prof. Kurios Iuri P. de M. Queiroz

Universidade Federal do Rio grande do Norte

2 Dificuldades Práticas na Reconstrução do Sinal

3 Teorema da Amostragem Espectral

4 Cálculo Numérico da TFTC

5 Fast Fourier Transform - FFT

Kurios | Inı́cio 2/42

Teorema: Um sinal real cujo o espectro é limitado em B Hz

Kurios | Inı́cio 3/42

Processo de amostragem ideal:

Kurios | Inı́cio 4/42

Sinal amostrado idealmente:

Série de Fourier de um trem de impulsos (exemplo 6.7):

x̄(t) = x(t)δT (t)

Kurios | Inı́cio 5/42

Transformada de Fourier do sinal amostrado idealmente:

De forma mais compacta,

Kurios | Inı́cio 6/42

Espectro do sinal amostrado idealmente:

Kurios | Inı́cio 7/42

Para se obter x(t) a partir de x̄(t), precisamos excluir as

Kurios | Inı́cio 8/42

Porém, só vamos obter o resultado desejado (reconstrução de

Kurios | Inı́cio 9/42

Por que analisamos o sinal amostrado idealmente, ao invés

Kurios | Inı́cio 10/42

Espectro do sinal x(t) e x̄(t).

Kurios | Inı́cio 11/42

Existe alguma relação entre os espectros de x̄(t) e x[n]?

Kurios | Inı́cio 12/42

O sinal amostrado idealmente é dado por

A sua Transformada de Fourier em tempo contı́nuo é

Kurios | Inı́cio 13/42

O sinal em tempo discreto é dado por

A sua Transformada de Fourier em tempo discreto é

Kurios | Inı́cio 14/42

TFTC do sinal amostrado idealmente:

TFTD do sinal em tempo discreto:

Comparando-se as transformadas anteriores:

Kurios | Inı́cio 15/42

Kurios | Inı́cio 16/42

Espectro do sinal x̄(t) e x[n].

2 Dificuldades Práticas na Reconstrução do Sinal

3 Teorema da Amostragem Espectral

4 Cálculo Numérico da TFTC

5 Fast Fourier Transform - FFT

Kurios | Inı́cio 18/42

Filtragem do sinal: é impossı́vel recuperar na prática um

Kurios | Inı́cio 19/42

Aliasing: Todos os sinais práticos são limitados no tempo

Kurios | Inı́cio 20/42

Kurios | Inı́cio 21/42

2 Dificuldades Práticas na Reconstrução do Sinal

3 Teorema da Amostragem Espectral

4 Cálculo Numérico da TFTC

5 Fast Fourier Transform - FFT

Kurios | Inı́cio 22/42

Teorema da Amostragem Espectral

Kurios | Inı́cio 23/42