Processamento e

Análise de Sinais
Sistemas Lineares Invariantes no Tempo
2

Introdução

x(t ) y (t ) x[n] y[n]

h(t ) h[n]

h(t ), h[n] Resposta do sistema quando a entrada é um

impulso unitário, δ (t ), δ [ n] .

A Resposta ao Impulso caracteriza um sistema LTI: dada uma

entrada x, pode-se, conhecendo-se h, determinar-se y. Esse
método é denominado Convolução.
3

Sinais Discretos e Soma de Impulsos

 1, n=0
−1, n=2

 Seja o seguinte sinal: x[n] = 
 2, n=5
 0, caso contrário
O sinal pode ser escrito como uma soma de impulsos?

SIM!!! 1δ [n] − 1δ [n − 2] + 2δ [n − 5=
x[n] = ] x1[n] + x2 [n] + x3 [n]
4

Sinais Discretos e Soma de Impulsos

1δ [n] − 1δ [n − 2] + 2δ [n − 5=
x[n] = ] x1[n] + x2 [n] + x3 [n]

Tempo (n)
5

Sinais Discretos e Soma de Impulsos

 Todo sinal discreto limitado pode ser escrito co-
mo uma soma ponderada de impulsos unitários
deslocados no tempo:

Impulso Deslocado

+∞
=x[n] ∑ x[k ] δ [n − k ]
k = −∞

Peso
6

Lembrando...
 Linearidade:

x1 (t ) y1 (t ) x2 (t ) y2 (t )
Sistema Sistema
x1[n] y1[n] x2 [n] y2 [ n ]

ax1 (t ) + bx2 (t ) ay1 (t ) + by2 (t )

Sistema
ax1[n] + bx2 [n] ay1[n] + by2 [n]
7

Lembrando...
 Invariância no Tempo:
Entrada Saída

Tempo Tempo
8

Somatório de Convolução
 Retomando o exemplo:
1δ [n] − 1δ [n − 2] + 2δ [n − 5=
x[n] = ] x1[n] + x2 [n] + x3 [n]
Considerando a LINEARIDADE e a INVARIÂNCIA NO TEMPO:
y[n] = y1[n] + y2 [n] + y3 [n]
x1[n] =δ [n] → y1[n] =1h[n]
x2 [n] =−δ [n − 2] → y2 [n] =−1h[n − 2] y[n]= 1h[n] − 1h[n − 2] + 2h[n − 5]
x=
2 [ n] 2δ [n − 5] → y3 [n] =2h[n − 5]
A saída é uma soma ponderada das saídas devidas a cada
entrada, ou seja, um somatório de respostas ao
impulso deslocadas e ponderadas!
9

Somatório de Convolução
 Generalizando para qualquer sinal discreto limita-
do:
+∞
=x[n] ∑ x[k ]δ [n − k ]
k = −∞
Sinal Discreto Limitado
+∞
y[n]= ∑ x[k ]h[n − k ]=
k = −∞
x[n] ∗ h[n]= h[n] ∗ x[n]

Somatório de Convolução

UM SISTEMA LTI É COMPLETAMENTE CARACTERIZADO POR SUA

RESPOSTA AO IMPULSO UNITÁRIO!!!

–
10

Reflexão

Entrada Entrada

Tempo Tempo
11

Somatório de Convolução - Resumo

x[n] h[n] y[n]

δ [ n] h[n] h[n] Definição de h[n]

δ [n − k ] h[n] h[n − k ] Invariância no Tempo

x[k ]δ [n − k ] h[n] x[k ]h[n − k ] Linearidade

+∞ +∞

∑ x[k ]h[n − k ]
k = −∞
h[n] ∑ x[k ]h[n − k ] Linearidade
k = −∞

+∞
x[n] h[n] ∑ x[k ]h[n − k ]
k = −∞
Definição de δ [ n]
12

Somatório de Convolução
Exemplo

 1, n=0
−1, n=2

x[n] = 
 2, n=5
 0, caso contrário

 a n
, n≥0
=
h[n] a=
n
u[n]  =
, com a 0.6
 0, n < 0
13

Somatório de Convolução
Entrada Saída

Tempo Tempo
14

Somatório de Convolução
+∞ +∞
y=
[ n] ∑ x[k ]h[n −=
k = −∞
k ] ∑ x[n − k ]h[k ]
k = −∞
+∞ +∞ +∞
=y[0] ] y[1] ∑ x[k ]h[−k + 1]
∑ x[k ]h[−k= = y[2] ∑ x[k ]h[−k + 2] ...
k = −∞ k = −∞ k = −∞

O que acontece para cada valor de n, se imaginarmos os

sinais em função da variável k?

Vejamos uma animação em Java para compreendermos a

segunda interpretação do somatório de convolução: rebate, desloca,
multiplica e soma...
15

Somatório de Convolução
Exemplo – O Mesmo 

 1, n=0
−1, n=2

x[n] = 
 2, n=5
 0, caso contrário

 a n
, n≥0
=
h[n] a=
n
u[n]  =
, com a 0.6
 0, n < 0
16

Somatório de Convolução
 Vamos observar graficamente a resolução do e-
xemplo utilizando a interpretação rebate, deslo-
ca, multiplica e soma.

Script: M_6_SistemasLTIProg1.m
17

Somatório de Convolução

Rebate

Desloca
Tempo
18

n = -5
19

n = -4
20

n = -3
21

n = -2
22

n = -1
23

n=0
24

n=1
25

n=2
26

n=3
27

n=4
28

n=5
29

n=6
30

n=7
31

n=8
32

n=9
33

n = 10
34

n = 11
35

n = 12
36

n = 13
37

n = 14
38

n = 15
39

n = 16
40

n = 17
41

n = 18
42

n = 19
43

n = 20
44

Resumindo...
45

Somatório de Convolução
Exemplo

0,5, n=0
1, n = 0,1, 2 
h[n] =  x[n] =  2, n =1
0, caso contrário  0,
 caso contrário

] 0,5δ [n] + 2δ [n − 1]
Entrada como Soma de Impulsos: x[ n=

Saída como Soma de Respostas ao y[ n=

] 0,5h[n] + 2h[n − 1]
Impulso Ponderadas e Deslocadas:
46

Somatório de Convolução
Desenhando

1
h[n]

0 1 2 n
2

0.5 x[n]

0 1 n
47

Somatório de Convolução
Primeira Abordagem: y[ n=
] 0,5h[n] + 2h[n − 1]
0.5

0 1 2 n
+
2

1 2 3 n
=
2.5
2 y[n]
0.5
0 1 2 3 n
48

Somatório de Convolução
Segunda Abordagem: Rebatendo e Deslocando...
1
h[k ]

0 1 2 k
n−2 1 n h[−k + 0]

−2 −1 0 k
1
h[−k + 2]

−2 −1 0 1 2 k
49

Somatório de Convolução
Segunda Abordagem: Rebatendo e Deslocando...
x[k ] e h[n − k ]
2

1
0.5

−3 −2 −1 0 1 k
n =−1 y[−1] =0

n ≤ −1 → y[n] =0
50

Somatório de Convolução
Segunda Abordagem: Rebatendo e Deslocando...
x[k ] e h[n − k ]
2

1 1× 0.5 =
0.5
0.5

−3 −2 −1 0 1 k
=n 0=
y[0] 0.5

A brincadeira começa em n = 0...

51

Somatório de Convolução
Segunda Abordagem: Rebatendo e Deslocando...
x[k ] e h[n − k ]
2
1× 0.5 + 1× 2 =2.5
1
0.5

−3 −2 −1 0 1 k
=n 1=
y[1] 2.5
52

Somatório de Convolução
Segunda Abordagem: Rebatendo e Deslocando...
x[k ] e h[n − k ]
2
1× 0.5 + 1× 2 =2.5
1
0.5

−3 −2 −1 0 1 2 k
=n 2=
y[2] 2.5
53

Somatório de Convolução
Segunda Abordagem: Rebatendo e Deslocando...
x[k ] e h[n − k ]
2
1× 2 =2
1
0.5

−3 −2 −1 0 1 2 3 k
=n 3=
y[3] 2

E termina em n = 3...
54

Somatório de Convolução
Segunda Abordagem: Rebatendo e Deslocando...
x[k ] e h[n − k ]
2

...
1
0.5

−3 −2 −1 0 1 2 3 4 k
=n 4=
y[4] 0

n ≥ 4 → y[n] =
0
55

Somatório de Convolução
Exemplo

x[n] α nu[n], 0 < α < 1

h[n] = u[n] =
h[n]
...
1

0 1 2 3 4 5 n
x[n]
...
1
α α2 α3 α4
0 1 2 3 4 5 n
56

Somatório de Convolução
Exemplo

...
1 h[k ]

0 1 2 3 4 5 k

...
1 n
h[−k + 0]

−4 −3 −2 −1 0 1 2 3 4 5 k

...
1
h[−k + 3]

−4 −3 −2 −1 0 1 2 3 4 5 k
57

Somatório de Convolução
Segunda Abordagem: Rebatendo e Deslocando...

x[k ] e h[n − k ]

1
... α α2 α3 α4 ...
−4 −3 −2 −1 0 1 2 3 4 5 k

n =−1 y[−1] =0

n ≤ −1 → y[n] =0
58

Somatório de Convolução
Segunda Abordagem: Rebatendo e Deslocando...

x[k ] e h[n − k ]

1 1× 1 =1
... α α2 α3 α4 ...
−4 −3 −2 −1 0 1 2 3 4 5 k

=n 0=
y[0] 1

A brincadeira começa em n = 0...

59

Somatório de Convolução
Segunda Abordagem: Rebatendo e Deslocando...

x[k ] e h[n − k ]

1 1× 1 + 1× α = 1 + α
... α α2 α3 α4 ...
−4 −3 −2 −1 0 1 2 3 4 5 k

n = 1 y[1] = 1 + α
60

Somatório de Convolução
Segunda Abordagem: Rebatendo e Deslocando...

x[k ] e h[n − k ]

1× 1 + 1× α + 1× α 2 = 1 + α + α 2
1
... α α2 α3 α4 ...
−4 −3 −2 −1 0 1 2 3 4 5 k

n =2 y[2] =1 + α + α 2
61

Somatório de Convolução
Segunda Abordagem: Rebatendo e Deslocando...

x[k ] e h[n − k ]

1+ α + α 2 + α 3
1
... α α2 α3 α4 ...
−4 −3 −2 −1 0 1 2 3 4 5 k

n =3 y[3] =1 + α + α 2 + α 3

E não termina... Deve-se generalizar o raciocínio...

62

Somatório de Convolução
Generalizando

n ≤ −1 → y[n] =0 n =2 y[2] =1 + α + α 2
=n 0= y[0] 1 n =3 y[3] =1 + α + α 2 + α 3
n = 1 y[1] = 1 + α n =n0 y[n0 ] =1 + α + α 2 + α 3 + ... + α n0

n
1 − α n +1
y[n] =1 + α + α 2 + α 3 + ... + α n =∑ α k = , n≥0
k =0 1−α

 1 − α n +1 
y[n] =   u[n]
 1−α 

– 19
63

Somatório de Convolução
Lembrando da Série (Progressão) Geométrica

∞
1 ∞
α i

∑
=
k =0
α k

1−α
, α <1 ∑
= α k

1−α
, α <1
k =i

n ∞ ∞
1 α n +1
1 − α n +1

=
∑ α
k 0=
k
= ∑
k 0
α k
− ∑
n +1
α k
= −
1−α 1−α
=
1−α
64

Somatório de Convolução
 1 − α n +1 
y[n] =   u[n]
 1−α 
1
1−α

... ...
1

0 1 2 3 4 5 6 7 8 9 n
65

Somatório de Convolução
Exemplo
 2, n=0
1, n = ±1  3,
  n =1
h[n] = 2, n=0 x[n] = 
0,  −2 , n= 2
 caso contrário
 0 , caso contrário

n] 2δ [n] + 3δ [n − 1] − 2δ [n − 2]
Entrada como Soma de Impulsos: x[=

Saída como Soma de Respostas ao y[=

n] 2h[n] + 3h[n − 1] − 2h[n − 2]
Impulso Ponderadas e Deslocadas:

Script em Matlab: M_7_SistemasLTIProg1.m

66

Somatório de Convolução
Sinais x[n] e y[n]
67

Somatório de Convolução
Primeira Abordagem: y[=
n] 2h[n] + 3h[n − 1] − 2h[n − 2]
68

n = -5
69

n = -4
70

n = -3
71

n = -2
72

n = -1
73

n=0
74

n=1
75

n=2
76

n=3
77

n=4
78

n=5
79

n=6
80

n=7
81

n=8
82

n=9
83

n = 10
84

n = 11
85

n = 12
86

n = 13
87

n = 14
88

n = 15
89

n = 16
90

n = 17
91

n = 18
92

n = 19
93

n = 20
94

Resumindo...
95

Educational Matlab GUIs

 Demos sobre Processamento de Sinais: Convolu-
ção, Série de Fourier, Transformadas, etc...
http://users.ece.gatech.edu/mcclella/matlabGUIs/index.html

(Acesso em 19/08/2011)

 Ainda há tempo? Vamos brincar um pouco com a

Discrete Convolution Demo! 