Escolar Documentos
Profissional Documentos
Cultura Documentos
2. Teorema de Nyquist-Shannon
Um sinal de tempo contínuo x(t) pode ser processado a partir de suas amostras
por um sistema de tempo discreto desde que a taxa de amostragem seja superior
a duas vezes a maior frequência do sinal. Se a maior frequência presente no sinal
x(t) for B Hz, a menor frequência de amostragem, chamada de taxa de Nyquist, é
fs = 2B Hz ou ws = 4πB rd/s.
∞ ∞
xδ (t ) = ∑ x[n] δ (t − nT ) = ∑ x(nT ) δ (t − nT )
n = −∞ n = −∞
∞
xδ (t ) = ∑ x(t ) δ (t − nT ) =x(t ) δ T (t ) ws = 2π / T
n = −∞
1 1 ∞
X δ ( w) = X ( w) * (2π ∑ δ ( w − nws ))
2π T n =−∞
1 ∞
X δ ( w) = ∑ X ( w − nws )
T n =−∞
1
x(t) X(w)
t w
-wm wm
xδ (t) Xδ (w)
ws= 2π/T ws>2.wm
ws/2
1/T
… …
t w
T -ws -wm wm ws
∞ 1 ∞
x δ (t ) = ∑ x[n] δ(t - nT) ↔ X δ (w) = ∑ X(w − nws )
n = −∞ T n =−∞
wm < ws – wm ou ws > 2 wm
2
(níveis 0 a 255), serão necessários 8 bits e cada amostra vai ser representada por
uma palavra de 8 bits.
Os sinais de fala ocupam uma faixa de aproximadamente 15 KHz. Perde-se pouco
em inteligibilidade se suprimimos através de um Filtro Passa-Baixas (como é feito
em telefonia) as componentes de frequência superior a 3400 Hz. Neste caso como
a maior frequência é 3400 Hz, 8 KHz é uma frequência de amostragem suficiente.
Quantizando cada amostra em L=256 níveis necessitamos de 8 bits para codificar
as amostras. Assim, um sinal telefônico pode ser transmitido a uma taxa de 64
kbits/s. No caso de um CD, onde a fidelidade é uma necessidade básica, a largura
de faixa considerada é de 20 KHz. A taxa de amostragem escolhida é de 44,1KHz
e o sinal é quantizado em L=65536 níveis para reduzir o erro de quantização, o
que requer 16 bits. Isto resulta numa taxa de transmissão de 705,6 kbits/s.
8.1 (1, 2, 3, 7, 8)
8.1-1: taxas de amostragem de Nyquist?
x1(t):4π × 105 rd/s(200KHz) x2(t): 6π × 105 rd/s x12(t): 8π × 105 rd/s
3 5
x2 (t): 18π × 10 rd/s x1(t) x2(t): 10π × 105 rd/s
8.1-8 a)
20 30
30 30
40 80 f(Hz
90 f(Hz)
b) sim
c) não, ocorrerá aliasing
3
8.2 (1, 2)
8.2-1
xb(t) = x(t)pT(t) = Cox(t) + C1x(t)cos(500πt) + C2x(t)cos(1000πt) + …
Co=0,2 C1=0,187 C2=0,151 Æ
Xb(w) = 0,2X(w) + 0,187X(w± 500π) + 0,151 X(w± 1000π) + …
Após um FPB de wc=200π rd/s (100Hz) y(t)=0,2x(t)
Se a largura de faixa estiver entre 100 e 150 Hz, ok. Acima de 150 Hz, ocorrerá
superposição (aliasing).
8.2-2
Para determinar h(t), aplico na entrada x(t) = δ(t) e determino a saída
y(t) = ∫ (δ(α) - δ(α-T)) dα (0 a t) = u(t) – u(t-T)
y(t) é um pulso retangular, retentor de ordem zero.
1. Introdução
Um sinal discreto e periódico x[n] de período N0 pode ser representado pela soma
ponderada de N0 exponenciais discretas.
x[n] = ∑D
r =< N 0 >
r e jrΩ 0 n Ω0 = 2π / N 0
1
Dr = ∑ x[n] e − jrΩ 0 n
N 0 n =< N 0 >
Neste caso, tanto no domínio do tempo como no domínio da frequência, o sinal é
discreto e periódico. A versão no domínio da frequência do sinal, Dr, tem também
período N0.Uma situação similar ocorre com um sinal x(t) aperiódico contínuo. O
sinal X(w), sua Transformada de Fourier, é também contínuo e aperiódico. Vale a
regra: um sinal discreto num domínio é periódico no outro domínio e vice-versa.
Um sinal contínuo num domínio é aperiódico no outro domínio.
O período N0 é o menor inteiro que satisfaz a igualdade x[n+ N0] = x[n] e pode ser
determinado pela equação N0 = 2 π m / Ω0, onde m é o menor inteiro que torna N0
um número inteiro.
4
Cálculo de Dr
N 0 −1
x[n] = ∑D
r =0
r e jrΩ 0 n
N 0 −1 N 0 −1 N 0 −1
∑e
n =0
− jmΩ 0 n
x[n] = ∑e
n =0
− jmΩ 0 n
∑D
r =0
r e jrΩ 0 n
N 0 −1 N 0 −1N 0 −1 N 0 −1
∑ e− jmΩ0 n x[n] =
n =0
∑ ∑ Dr e jΩ 0 ( r − m) n =
n =0 r =0
∑D
n =0
m
N 0 −1
1
Dm =
N0
∑ x[n] e
n=0
− jmΩ 0 n
N 0 −1 N 0 −1
1
x[n] = ∑ Dr e jrΩ 0 n ↔ Dr =
r =0 N0
∑ x[n] e
n=0
− jrΩ 0 n
O resultado acima pode ser obtido a partir de uma abordagem vetorial onde o sinal
x e D são vistos como vetores N0-dimensionais.
N0
1 N0 2π
x[n ] = ∑ D r e ↔ Dr = ∑ jrΩ0n
x[n ] e- jrΩ0n , Ω 0 =
r =1 N 0 n =1 N0
-1
x = AD, A(i,r) = exp(jΩ0ir) D = A x = Bx / N0, B(i,r) = exp(-jΩ0ir)
e jΩ 1.1 L e jΩ 1r L e jΩ 1N
0 0 0 0
jΩ 2.1
e L e jΩ 2r L e jΩ 2N
0 0 0 0
A=
M
e jΩ N .1 L e jΩ N r L e jΩ N N
0 0 0 0 0 0 0
2. Exemplos de Cálculo
2.1) Determinar os coeficientes da Série de Fourier do sinal x[n] abaixo
1 2 3 4 5 6
5
N0 = 6, Ω0 = 2π/6 = π/3,
D = (1/6)Bx, B(i,r)= exp(-j π/3 i r) x=[2 0 0 0 2 1]t
D = [1/2 -1/6 -1/2 -1/6 1/2 5/6]t ou Dr = 1/6 + 2/3 cos(r π/3)
As componentes Dr da Série de Fourier de tempo discreto correspondem às
frequências rΩ0.
2. 2) x[n]=asen(π*n/2+φ) + bcos(π*n/3+ϕ)
N1 = 2*π/(π/2) = 4 N2 = 2*π / (π/3) = 6 Æ N0 = mmc(4,6) = 12,Ω0 = 2π/12 = π/6
Método do Gabarito
x[n]=a(exp(j(πn/2+φ))-exp(-j(πn/2+ φ)))/(2j) + b(exp(j(πn/3+ϕ))+exp(-j(πn/3+ϕ)))/2
x[n]=(aexp(jφ)/(2j)) exp(jπn/2) – (aexp(-jφ)/(2j)) exp(-jπn/2) +
(bexp(jϕ)/2) exp(jπn/3) – (bexp(-jϕ)/2) exp(-jπn/3)
6
2.4) Pulso Retangular Discreto no Domínio do Tempo
1, | n | ≤ M
x[n] =
x[n] = x[n + N ], N > 2M + 1
x[n]
1 2 3 4 5 6
1 M
1 e jrΩM − e − jrΩ ( M +1) 1 e jrΩM (1 − e − jrΩ ( 2 M +1) )
Dr =
N
∑ e jrΩn =
n=−M N 1 − e − jrΩ
=
N 1 − e − jrΩ
e − jrΩ ( 2 M +1) / 2
e jrΩM (1 − ) jrΩ ( 2 M +1) / 2
1 e jrΩ ( 2 M +1) / 2 = 1 e − e − jrΩ ( 2 M +1) / 2
Dr =
N e − jrΩ / 2 N e jrΩ / 2 − e − jrΩ / 2
1 − jrΩ / 2
e
1 sen((2M + 1)(rπ / N )) 2M + 1
Dr = DrN = , r∈Z
N sen(rπ / N ) N
Na figura acima: M=1, N=6 Æ D[r] =(1/6) sen(πr/2) / sen(πr/6). Podemos ver nas
figuras abaixo que o período de D[r] é N=6, como esperado. Os comandos Matlab
usados foram
2
2
1.5
1.5
1
1
D [ r]
D [ r]
0.5 0.5
0 0
-0.5 -0.5
-1 -1
-15 -10 -5 0 5 10 15 -15 -10 -5 0 5 10 15
r r
7
>> stem(r,D);
1.5
1
D [ r]
0.5
-0.5
-1
-15 -10 -5 0 5 10 15
r
8
Sinais Discretos Aperiódicos – Transformada de
Fourier de Tempo Discreto (TFTD)
1. Introdução
Para determinar uma Representação de Fourier para sinais aperiódicos (TFTD)
vamos considerar um sinal aperiódico como um caso limite de um sinal periódico
de período N0 muito grande:
1.8
1.6
1.4
1.2
xp[n]
0.8
0.6
0.4
0.2
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
n
1.8
1.6
1.4
1.2
x[n]
0.8
0.6
0.4
0.2
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
n
1 1 ∞
x N 0 [ n] = ∑ Dr e jrΩ 0 n ↔Dr =
r =< N 0 >
∑ N x
N 0 r =< N 0 > 0
[ n ] e - jrΩ 0 n
= ∑ x[n] e- jrΩ 0 n
N 0 n = −∞
Definindo a TFTD de x[n] como X(Ω) abaixo, temos:
∞
1 1
X(Ω) = ∑ x[n] e- jΩn D r = X ( rΩ 0 ) → x N 0 [ n ] = ∑ X ( rΩ 0 )
n = −∞ N0 N 0 r =< N 0 >
9
Ω0 1
x N 0 [ n] =
2π
∑ X (Ω) e
r =< N 0 >
jΩn
x[n] = lim N0 →∞
2π
∑ X (Ω ) e
r =< N 0 >
jΩn
Ω0
π
1
∫π X(Ω) e
jΩn
x[n] = dΩ
2π −
π ∞
1
x[n] =
2π ∫ X(Ω) e dΩ ↔ X(Ω) =
jΩn
∑ x[n] e
n = −∞
- j Ωn
- TFTD
−π
e jΩ n ↔ 2πδ (Ω − Ω 0 )
0
∞
e jΩ n ↔ 2π
0
∑ δ (Ω − Ω 0 − 2kπ )
k = −∞
3. Propriedades
1) x[-n] ↔ X(-Ω)
5) x*[n] ↔ X*(-Ω)
5’) se x[n] é real x[n] ↔ X*(-Ω) Æ X(Ω) = X*(-Ω) Æ
a) | X(Ω)| e Real{X(Ω)} são pares
b) Arg{X(Ω)} e Imag{X(Ω)} são ímpares
Prove.
10
Teorema de Parseval
∞ π
1
∑
n = −∞
| x[ n ] | 2
= ∫
2π −π
| X (Ω) |2 dΩ
Prove.
n
-3 -2 -1 1 2 3 4
x[n] = u[n+M] - u[n-M-1] ↔ X(Ω) = sen((2M+1)Ω/2) / sen(Ω/2)
Prova:
M
e jΩM − e − jΩ ( M +1) e jΩM (1 − e − jΩ ( 2 M +1) )
X (Ω ) = ∑e
n=− M
− jΩn
=
1 − e − jΩ
=
1 − e − jΩ
e jΩ ( 2 M +1) / 2 − e − jΩ ( 2 M +1) / 2 sen(Ω(2M + 1) / 2)
X (Ω ) = =
e jΩ / 2 − e − jΩ / 2 sen(Ω / 2)
sen(Ω(2M + 1) / 2)
, Ω ≠ 2kπ , k ∈ Z
X (Ω ) = sen(Ω / 2)
2M + 1, Ω = 2kπ , k ∈ Z
Escolhendo M = 2, obtemos a figura abaixo:
Transformada de Fourier de Tempo Discreto - TFTD
5
2
X(w)
-1
-2
-8 -6 -4 -2 0 2 4 6 8
w
- no domínio da frequência
X(Ω) = u(w + B) – u(w – B), 0<B<π ↔ x[n] = sen(Bn) / (πn)
11
Prova:
B
1 e jBn − e − jBn sen(Bn) B
∫ e dΩ =
jΩn
x[n] = = = sinc( Bn)
2π −B
2π jn πn π
0.9
0.8
0.7
0.6
X(w)
0.5
0.4
0.3
0.2
0.1
0
-4 -3 -2 -1 0 1 2 3 4
w
0.6
0.5
0.4
0.3
x[n]
0.2
0.1
-0.1
-0.2
-20 -15 -10 -5 0 5 10 15 20
n
5. Resultados Importantes
π ∞
1
x[n] =
2π ∫ X(Ω) e dΩ ↔ X(Ω) =
jΩn
∑ x[n] e
n = −∞
- jΩn
- TFTD
−π
π ∞
2π x[0] = ∫ X(Ω) dΩ (1) X(0) = ∑ x[n] (2)
−π n = −∞
5.1 x[n] = u[n + M] – u[n – M – 1 ] ↔ X(Ω) = sen((2M+1) Ω /2) / sen(Ω /2)
De (1) temos
π
sen((2 M + 1) Ω / 2)
∫ dΩ =2π
−π sen(Ω / 2)
12
Este resultado independe do valor de M.
(2) →
X(0) = 2M+1
(2) →
∞ ∞ 1
X(0) = ∑ x[n] → ∑ γ n =
n = −∞ n =0 1− γ
13
∞
1) ∑ | x[n] | < ∞ .
−∞
Uma condição mais fraca de convergência da TFTD é
∞
2) ∑ | x[n] | 2 < ∞ .
−∞
O sinal x[n] = sinc(n) apresenta TFTD X(Ω) = π (u(Ω + 1) - u(Ω - 1)) e não satisfaz
1) mas satisfaz 2).
Há sinais (x[n] = 1 é um exemplo) que não satisfazem nenhuma das duas
condições acima e apresentam TFTD (X(Ω) = 2π ∑ δ(Ω - Ω0 -2kπ), k= -∞ → ∞).
H(Ω) = (3 ej2Ω – 3/4 ejΩ) / (ej2Ω – 1/4 ejΩ – 1/8) → h[n] = ((1/2)n + 2 (-1/4)n) u[n]
14
6.3 Determine a EDL associada ao sistema cuja Resposta ao Impulso é
h[n] = δ[n] + 2(1/2)n u[n] + (-1/2)n u[n]
9.1 (1, 2, 3, 5, 7)
9.1-1: D1=D4=2; D2=j D3=-j
9.1-2: D5=D9= D11=D15=1/4
9.1-3: y[n]=2cos(3,2πn) N=5 Ω=2π/5 D2(y)= D3(y)=1 x[n]=y[n-3] Î Dr(x)= e-3jrΩ
Dr(y)
|D2(x)| = |D3(x)| = 1 arg(D2(x)) = -0,4π arg(D3(x)) = 0,4π
9.1-5: N=12 Ω=π/6 Dr=(∑x[n] e-jrΩn)/12 = -j(2sen(πr/6) + 4sen(πr/3) + 6sen(πr/2))/12
9.1-7: Prova do Teorema de Parseval para a SFTD: N-1∑|x[n]|2=∑|Dr|2
Basta escrever |x[n]|2= x[n] x[n]* e substituir x[n]* por ∑ Dr* e-jrΩn
15
9.2-10: a) X(Ω)=3+4cos(Ω)+2cos(2Ω)
b) X(Ω)=e-j3Ω (3+4cos(Ω)+2cos(2Ω))
c) X(Ω)=6j(sen(Ω)+2sen(2Ω)+3sen(3Ω))
d) X(Ω)=4cos(Ω)+8cos(2Ω)
9.3 (4, 6, 8)
9.3-4: a) X(Ω)=[(ejΩ - acos(Ωo)) / (ej2Ω - 2a ejΩcos(Ωo) +a2) ] ejΩ
b) X(Ω)=(aejΩ( ejΩ + a)) / (ejΩ - a)3
9.3-6: TFTD {x[n+k] + x[n-k]}= (ejΩk + ejΩk) X(Ω)=2cos(Ωk) X(Ω)
9.3-8: X(Ω)=W(Ω) W(Ω), onde W(Ω)=ejΩ / (ejΩ - γ) = 1 / (1 - γe-jΩ)
Æ w[n]= γn u[n] Æ x[n]=w[n] * w[n] = γn u[n] * γn u[n]
x[n]= n γn u[n]
9.4 (4, 5, 6)
9.4-4: x[n]= δ[n] Æ h[n]=y[n]= Σδ[k] k:- ∞ a n Æ h[n]=u[n]
H(Ω)=TFTD {h[n]} =1 / (1 - e-jΩ) + π δ(Ω)
9.4-5: a) y[n]=sinc(π(n-2)/2)
b) y[n]= sinc(π(n-2)/2) / 2
c) y[n]= sinc2(π(n-2)/4)
9.4-6: a) (-1)n x[n] = ejπn x[n] ÍÎ X(Ω - π)
c) FPB: H(Ω)=ret(Ω/(2Ωc)) Æ h[n]=Ωc sinc(Ωcn) / π = sen(Ωcn) / (πn)
h1[n]=(-1)n h[n]= (-1)n Ωc sinc(Ωcn) / π= ejπn h[n]
H1(Ω) = H(Ω - π) Æ FPA
16