Topico 01

Sinais discretos Sistemas discretos SLIT Propriedades de SLIT EDLCC
DCA 0118 – Procesamento Digital de Sinais

Tópico 1: Sinais e sistemas discretos
1
Tiago Barros
1
htbarros@dca.ufrn.bri
Departamento de Engenharia de Computação e Automação (DCA)

Centro de Tecnologia (CT)
Universidade Federal do Rio Grande do Norte (UFRN)
2021.2
Tiago Barros Tópico 1 2021.2 1 / 88

Tópico 1 – Programa
Conteúdo
1 Sinais de tempo discreto;
2 Sistemas de tempo discreto;
2.1 Sistemas sem memória;
2.2 Sistemas lineares;
2.3 Sistemas invariantes no tempo;
2.4 Sistemas causais;
2.5 Sistemas estáveis;
3 Sistemas lineares invariantes no tempo (SLIT);
4 Propriedades de SLIT;
5 Equações a diferenças lineares de coeficientes constantes (EDLCC);

Bibliografia
Livro texto
Oppenheim, A.V. e Schafer, R.W., 2012. Processamento em tempo discreto de
sinais. 3ª ed.-São Paulo: Pearson Education do Brasil.
Capı́tulo 2:
Seções 2.0, 2.1, 2.2, 2.3, 2.4, 2.5.
Material complementar
Lathi, B. P., Sinais e Sistemas Lineares.
Oppenheim, A.V. e Willsky, A. S., Sinais e Sistemas.

Sinais
Sinais:
Transmitem informação;
Captados por sensores;
Representados matematicamente:
funções de uma ou mais variáveis independentes;
Variável independente (por exemplo, tempo):
contı́nua;
discreta;
Sinal discreto no tempo:
sequências discretas;
Amplitudes contı́nuas ou discretas:
sinais digitais possuem amplitudes e variáveis livres discretas;

Sinais
Sinal contı́nuo no tempo: Sinal discreto no tempo:

Sinais
Sinais discretos −→ sequências
Sequências discretas
Sequência de números em x, n-ésimo número é representado por x[n]:
x = {x[n]}, −∞ < n < ∞, n inteiro.

Sinais
Amostragem periódica de sinal analógico xa (t):
x[n] = xa (nT ), −∞ < n < ∞
T é perı́odo de amostragem;
fs é frequência de amostragem:
1
fs = .
T
x[n] é definido apenas para números inteiros (indefinido para valores não
inteiros de n).

Operações com sinais: Reflexão em torno do eixo-y

(flipping)
x[n] x[−n]

Operações com sinais: Escalonamento (scaling)

x[2n] (compressão – amostras são
x[n] perdidas)

Operações com sinais: Escalonamento (scaling)
x[n] x[n/3] (expansão – sinal é expandido)

Operações com sinais: Deslocamento (shifting)

x[n − n0 ] (n0 > 0: atraso – desloca para direita; n0 < 0: avanço – desloca para
esquerda)
x[n] x[n − 1]

Operações com sinais: exemplo
x[−2n + 3]?
Desloca, reflete, escala.
z[n] = x[n + 3],

w [n] = z[−n],
y [n] = w [2n].
Caminho contrário:
y [n] = w [2n]
= z[−2n]
= x[−2n + 3].

x[n] z[n] = x[n + 3]

w [n] = z[−n] y [n] = w [2n] = x[−2n + 3]

Propriedade da simetria – sinais pares e ı́mpares
Par: Ímpar:
x[n] = x[−n] x[n] = −x[−n] (x[0] = −x[0] = 0)

Propriedade da simetria – sinais pares e ı́mpares
Todo sinal possui uma parte par e uma parte ı́mpar:
1
xe [n] = (x[n] + x[−n]) ;
2
1
xo [n] = (x[n] − x[−n]) ;
2
x[n] = xe [n] + xo [n].

Propriedade da periodicidade
x[n] = x[n + N]
N=4 N=1

Sinais especiais – Sequência amostra unitária (função

delta)

1, n=0
δ[n] =
0, n 6= 0.

Sinais especiais – Sequência degrau unitária

1, n≥0
u[n] =
0, n < 0.

Sinais especiais – Relação entre u[n] e δ[n]
Tempo contı́nuo:
u(t) e δ(t) se relacionam por meio de integrais e derivadas;
Tempo discreto:
u[n] e δ[n] se relacionam por meio de somas e diferenças;
De forma intuitiva:
u[n] = δ[n] + δ[n − 1] + δ[n − 2] + · · ·

X∞
= δ[n − k]
k=0


Pode-se relacionar u[n] e δ[n] de outra maneira:

1, n≥0
u[n] =
0, n < 0.
n
X
= δ[m].
m=−∞

Relembrando, para o caso contı́nuo (integral):
Zt
u(t) = δ(τ )dτ.
τ =−∞
Analogia, para o caso discreto (somatório):

n
X
u[n] = δ[m].
m=−∞

u[n] u[n − 1]
δ[n] = u[n] − u[n − 1]

Relembrando, para o caso contı́nuo (derivada):
d
δ(t) = u(t).
dt
Analogia, para o caso discreto (equação a diferenças):
δ[n] = u[n] − u[n − 1].

Construindo sequências a partir de sequências amostra

unitária

Construindo sequências a partir de sequências amostra

unitária
x[n] = 1δ[n] − 1δ[n − 1] + 2δ[n − 2].
Generalizando:
∞
X
x[n] = x[k]δ[n − k].
k=−∞

Propriedade de amostragem da função δ[n]

∞
P ∞
P
x[k]δ[n − k] = x[k]δ[k − n] = x[n].
k=−∞ k=−∞
x[k] δ[k − n]

Revisão de números complexos
Coordenadas cartesianas (ou retangulares):
z = x + jy ;
√
j= −1;
Parte real: Re(z) = x;
Parte imaginária: Im(z) = y ;

Coordenadas polares:
z = re θ ;
r = |z|: módulo ou magnitude de z;

θ = ∠z: fase ou ângulo de z;

Relação entre diferentes representações: identidade de Euler:
e jθ = cosθ + jsenθ.
De onde obtém-se:
1 jθ
e + e −jθ

cosθ =
2
1 jθ
e − e −jθ

senθ =
2j

Revisão de números complexos – Representação geométrica
z = x + jy = re jθ
p
r= x 2 + y 2, θ = tan−1 (y /x);
x = r cosθ, y = r senθ.

Sinais especiais – Sequência senoidal
x[n] = Acos(ω0 n + φ), para todo n,
A e φ ∈ R representam a amplitude e fase;

ω0 ∈ R representa a frequência (digital);
Sequência para A = 1; ω0 = π/8 e

φ = 0.

Sinais especiais – Sequência exponencial

Sequência exponencial real:
x[n] = an u[n],
para a constante real e |a| < 1.

Sinais especiais – Sequência exponencial complexa

Sequência exponencial complexa:
x[n] = βe (α+jω0 )n , para todo n,

β = Ae jφ .
β: amplitude complexa;
A: amplitude real;
φ: fase da exponencial;
α: fator de amortecimento;
α 6= 0: fator exponencial de alteração de amplitudes;
α = 0: sequência exponencial complexa periódica;
ω0 : frequência;

Sinais especiais – Sequência exponencial complexa
Pode ser escrita como:

h i
x[n] = Ae αn e j(ω0 n+φ)
= Ae αn [cos(ω0 n + φ) + jsen(ω0 n + φ)] .
Sequências senoidais:
1 j(ω0 +φ)
cos(ω0 + φ) = e + e −j(ω0 +φ)
2
1 j(ω0 +φ)
sen(ω0 + φ) = e − e −j(ω0 +φ)
2j

Periodicidade em sinais discretos – Sequência senoidal
Diferenças entre sequências senoidais e sinais senoidais contı́nuos no tempo
ω0 (frequência digital): tem dimensão de radiano, pois n é adimensional

(alguns autores utilizam radiano/amostra);
Sequências senoidais com frequências ω0 e ω0 + 2πl (para l inteiro) são
indistinguı́veis entre si;


Caracterı́stica de sequência senoidal (discreta):
x[n] = Acos[(ω0 + 2πk)n + φ], k inteiro

= Acos(ω0 n + φ).

Sequências senoidais
Sequências senoidais não necessariamente são periódicas;
Lembrando que sequência é periódica com perı́odo N se
x[n] = x[n + N], para qualquer n.
Tem-se que
x[n] = Acos[ω0 n + φ]
= Acos[ω0 (n + N) + φ]
somente se Nω0 = 2πl, para l = kn inteiro, ou seja, N = 2πl/ω0 .

Exemplo
Determine o menor perı́odo N para a sequência abaixo ser periódica

4π
x[n] = cos n
5
4π 5
N = 2πl −→ N = l.
5 2
Resposta: N deve ser inteiro, logo x[n] é periódico para l = 2 com N = 5.

Periodicidade em sinais discretos – Sequência exponencial
O que acontece quando somamos 2π à ω0 ?
e j(ω0 +2π)n = e jω0 n e j2πn .
Como n é inteiro, e j2πn = 1. Logo
e j(ω0 +2π)n = e jω0 n .
Significado: sinais de tempo discreto possuem variações de frequência apenas

entre 0 e 2π.

ω0 = 0,
e 0n = 1.
Baixa frequência.


πn 1, n par,
ω0 = π −→ e =
−1, n ı́mpar.
Alta frequência.

Sistemas de tempo discreto
Sistemas: processam sinais para criar outros sinais;
x[n] −→ y [n],
y [n] = T {x[n]} ,

Exemplo: sistema média-móvel
2
1 X
y [n] = x[n − k]
5
k=−2
1
= (x[n + 2] + x[n + 1] + x[n] + x[n − 1] + x[n − 2]) .
5
Tempo contı́nuo (equações diferenciais)
y 0 (t) + ay (t) = bx(t).
Tempo discreto (equações a diferenças)
y [n] + ay [n − 1] = bx[n].

Conectando sistemas discretos
Serial/cascata

Paralelo

Realimentação (feedback)

Propriedades de sistemas discretos
2.1) Sistemas sem memória:

Um sistema é sem memória se saı́da y [n] para cada valor de n depender apenas da
entrada x[n] no mesmo valor de n.
y [n] = (x[n])2 =⇒ sem memória;

y [n] = x[n − n0 ] =⇒ com memória se n0 > 0 (atraso) ou n0 < 0 (avanço);

2.2) Sistemas lineares:

Definidos pelas propriedades da aditividade e homogeneidade.
Propriedade da aditividade:
Para quaisquer entradas x1 [n] e x2 [n], tem-se:
x1 [n] −→ y1 [n],
x2 [n] −→ y2 [n],
x1 [n] + x2 [n] −→ y1 [n] + y2 [n].


Propriedade da homogeneidade:
Se saı́da do sistema é da forma:
x[n] −→ y [n].
Sistema é homogêneo se, para qualquer constante a:
ax[n] −→ ay [n].


Sistemas lineares – aditividade e homogeneidade (princı́pio da superposição).
a1 x1 [n] + a2 x2 [n] −→ a1 y1 [n] + a2 y2 [n].
Propriedade deve ser verdade para quaisquer entradas x1 [n] e x2 [n].
Generalizando:
X X
ak xk [n] −→ ak yk [n].
k k

Exemplo
Determine se o sistema cuja saı́da é H{x[n]} = y [n] = x[n] − 2x[n − 1] é linear.
Sejam x1 [n] e x2 [n]:
x1 [n] −→ y1 [n] = x1 [n] − 2x1 [n − 1],

x2 [n] −→ y2 [n] = x2 [n] − 2x2 [n − 1],


1) Aditividade – Analisar a resposta a entrada z[n] = x1 [n] + x2 [n]:
H{z[n]} = z[n] − 2z[n − 1]

= x1 [n] + x2 [n] − 2x1 [n − 1] − 2x2 [n − 1]
= (x1 [n] − 2x1 [n − 1]) + (x2 [n] − 2x2 [n − 1])
= y1 [n] + y2 [n]
Aditividade OK.


2) Homogeneidade – Analisar a resposta a entrada z[n] = ax1 [n]:
H{z[n]} = z[n] − 2z[n − 1]

= ax1 [n] − 2ax1 [n − 1]
= a(x1 [n] − 2x1 [n − 1])
= ay1 [n]
Homogeneidade OK.


3) Linearidade (pelo teorema da superposição) – Analisar a resposta a entrada
z[n] = a1 x1 [n] + a2 x2 [n]:
H{z[n]} = z[n] − 2z[n − 1]

= a1 x1 [n] + a2 x2 [n] − 2a1 x1 [n − 1] − 2a2 x2 [n − 1]
= a1 (x1 [n] − 2x1 [n − 1]) + a2 (x2 [n] − 2x2 [n − 1])
= a1 y1 [n] + a2 y2 [n].
O sistema é linear.

Exemplo
Determine se o sistema cuja saı́da é y [n] = 3x[n] + 5 é linear.

Exemplo
Determine se o sistema cuja saı́da é y [n] = 3x[n] + 5 é linear.
Aditividade
x1 [n] −→ y1 [n] = 3x1 [n] + 5,

x2 [n] −→ y2 [n] = 3x2 [n] + 5,
Testando propriedade da aditividade:
z[n] = x1 [n] + x2 [n] −→ H{z[n]} = 3z[n] + 5

−→ 3(x1 [n] + x2 [n]) + 5

y1 [n] + y2 [n] = 3x1 [n] + 3x2 [n] + 10

6= H{z[n]}
O sistema não é linear (pela propriedade da aditividade).
Formas de provar não linearidade – contraexemplo (basta falhar para um caso):
x1 [n] = 1 −→ y1 [n] = 8,
x2 [n] = 2 −→ y2 [n] = 11,
x1 [n] + x2 [n] = 3 −→ 14 6= y1 [n] + y2 [n].

2.3) Sistemas invariantes no tempo (ou invariantes no deslocamento):

São sistemas se comportam da mesma maneira, independente do instante de
tempo em que a entrada é aplicada.
x[n] −→ y [n],
x[n − n0 ] −→ y [n − n0 ]

Exemplo
Verificar se y [n] = x[n] − 2x[n − 1] descreve um sistema invariante no tempo.
Fazendo z[n] = x[n − n0 ], o que acontece ao aplicarmos z[n] ao sistema?
H{z[n]} = z[n] − 2z[n − 1]

= x[n − n0 ] − 2x[n − 1 − n0 ].


Para o sistema ser invariante no tempo, devemos ter x[n − n0 ] −→ y [n − n0 ].
Calculando para o sistema do exemplo:
y [n − n0 ] = x[n − n0 ] − 2x[n − n0 − 1]
= z[n] − 2z[n − 1]
= H{z[n]}.
Logo, o sistema é invariante no tempo.

Exemplo
Verificar se y [n] = x[n2 ] descreve um sistema invariante no tempo.
Fazendo z[n] = x[n − n0 ], o que acontece ao aplicarmos z[n] ao sistema?
H{z[n]} = z[n2 ]
= x[n2 − n0 ].

Verificando se x[n − n0 ] −→ y [n − n0 ]:
y [n − n0 ] = x[(n − n0 )2 ]
= x[n2 − 2nn0 + n02 ].
Logo, o sistema não é invariante no tempo.

2.4) Sistemas causais:

Um sistema é causal se sua saı́da para um instante n depende apenas de sua
entrada até o instante n.
y [n] = x[n] − 2x[n − 1] é causal;

y [n] = x[n + 3] não é causal;
Reflexão:
Todo sistema “real”é causal?

2.5) Sistemas estáveis:

Um sistema é estável no sentido entrada limitada saı́da limitada (BIBO, do inglês
bouded-input, bounded-output) se toda sequência limitada de entrada produzir
uma sequência limitada de saı́da.
x[n] é entrada limitada se houver um valor fixo positivo e finito Bx tal que
|x[n]| ≤ Bx < ∞, para todo n.
Sistema é estável se para toda entrada limitada houver um valor fixo positivo e
finito By tal que
|y [n]| ≤ By < ∞, para todo n.

Exemplo
Sistema y [n] = (x[n])2 .
Se |x[n]| ≤ Bx para todo n, então |y [n]| = |x[n]|2 ≤ Bx2 para todo n. =⇒ sistema
é estável.
Exemplo
Sistema y [n] = log10 (|x[n]|).
y [n] = log10 (|x[n]|) = −∞ para todo n em que |x[n]| = 0. =⇒ sistema é instável.

Sistemas lineares e invariantes no tempo (SLIT)
Sistemas do mundo real são frequentemente modelados como SLIT:

Boa aproximação;
Análise é simples e poderosa;
Conceito chave: Superposição para SLIT.


Aplicando-se δ[n] à entrada de um SLIT definido pela transformação H{}, temos:
δ[n]: sequência amostra unitária (impulso);

h[n]: resposta ao impulso do SLIT;
Relembrando que podemos escrever sequencias discretas x[n] como:
∞
X
x[n] = x[k]δ[n − k].
k=−∞


Como obter a resposta do SLIT a uma sequência arbitrária x[n]?
( ∞ )
X
H{x[n]} = H x[k]δ[n − k]
k=−∞
Propriedade da linearidade:
∞
X
H{x[n]} = x[k]H{δ[n − k]}
k=−∞
Propriedade da invariância ao tempo:

∞
X
H{x[n]} = x[k]h[n − k]
k=−∞

Saı́da do SLIT é obtida pela convolução entre a entrada e sua resposta ao

impulso, h[n]:
h[n] é suficiente para caracterizar um SLIT;
Convolução é representada como:
y [n] = x[n] ∗ h[n],
ou
∞
X
y [n] = x[k]h[n − k].
k=−∞


Considere o SLIT dado por y [n] = x[n] − 2x[n − 1] + 3x[n − 2]. Qual é a resposta
à entrada x[n] dada por


y [n] = x[n] − 2x[n − 1] + 3x[n − 2]
1) Método direto:
y [n] = 0 para n < 0,
y [0] = x[0] = 1,
y [1] = x[1] − 2x[0] = 1 − 2 = −1,
y [2] = x[2] − 2x[1] + 3x[0] = 1 − 2 + 3 = 2,
y [3] = x[3] − 2x[2] + 3x[1] = 0 − 2 + 3 = 1,
y [4] = x[4] − 2x[3] + 3x[2] = 0 + 0 + 3 = 3,
h i
x = 1 1 1
h i
y = 1 −1 2 1 3


y [n] = x[n] − 2x[n − 1] + 3x[n − 2]
2) Usando somatório de convolução:

∞
X
y [n] = x[k]h[n − k]
k=−∞
h i
δ= 1 ,
h[0] = δ[0] = 1,
h[1] = 0 − 2δ[0] = −2,
h[2] = 0 − 0 + 3δ[0] = 3,
h[3] = 0,
h i
h = 1 −2 3

∞
X
y [n] = x[k]h[n − k]
k=−∞
= x[0]h[n] + x[1]h[n − 1] + x[2]h[n − 2]
h i
= (1) 1 −2 3
h i
+ (1) 0 1 −2 3
h i
+ (1) 0 0 1 −2 3
h i
= 1 −1 2 1 3


y [n] = x[n] − 2x[n − 1] + 3x[n − 2]
∞
P
3) Reflete (em torno do eixo-y ) e desloca: y [n] = x[k]h[n − k]
k=−∞


y [0] = 1
y [1] = 1 − 2 = −1
y [2] = 3 − 2 + 1 = 2
y [3] = 3 − 2 = 1
y [4] = 3
h i
y = 1 −1 2 1 3

Propriedades de SLIT (convolução)
Propriedade 1
Um SLIT é inteiramente determinado por sua resposta ao impulso. (Não é válido
para sistemas não LIT.)
Exemplo (sistema não é IT):
y [n] = nx[n],
δ[n] −→ h[n] = 0.
Resposta ao impulso é zero, mesmo assim sistema pode produzir saı́das

não-negativas para outras entradas x[n].
Não é possı́vel caracterizar sistema a partir do conhecimento de h[n];

Propriedade 2
A convolução é comutativa.
x[n] ∗ h[n] = h[n] ∗ x[n]
Definindo m = n − k −→ k = n − m:
∞
X ∞
X
x[k]h[n − k] = x[n − m]h[m].
k=−∞ m=−∞
Consequência:
Sinal refletido em torno do eixo-y pode ser tanto h[n] quanto x[n].

Propriedade 3
A convolução é distributiva.
x[n] ∗ (h1 [n] + h2 [n]) = x[n] ∗ h1 [n] + x[n] ∗ h2 [n]

Propriedade 4
A convolução é associativa.
x[n] ∗ (h1 [n] ∗ h2 [n]) = (x[n] ∗ h1 [n]) ∗ h2 [n]

Propriedade 5
Causalidade.
Em um sistema causal, y [n] não depende de x[n + k] para k > 0.
Reescrevendo a convolução (para sistemas LIT):

∞
X
y [n] = x[k]h[n − k]
k=−∞
X∞
= h[k]x[n − k]
k=−∞
Para que um SLIT seja causal, devemos ter h[k] = 0 para k < 0.

Propriedade 6
Estabilidade.
Um SLIT é estável se sua resposta ao impulso for somável em valor absoluto:
∞
X
Bh = |h[k]| < ∞.
−∞

Propriedade 7
Resposta ao degrau.
Aplicando-se δ[n] = u[n] − u[n − 1] à entrada de um SLIT, obtemos

h[n] = s[n] − s[n − 1], onde s[n] é a resposta ao degrau:
s[n] = H{u[n]} = u[n] ∗ h[n].
Temos que
n
X
u[n] = δ[k]
k=−∞
Xn
s[n] = h[k]
k=−∞
A resposta ao degrau também caracteriza sistemas LIT.

EDLCC – Equações a diferenças lineares de coeficientes

constante
EDLCC de N-ésima ordem:
N
X M
X
ak y [n − k] = br x[n − r ]
k=0 r =0
y [n] = yp [n] + yh [n].
yh solução homogênea;
yp solução particular;
Podemos resolver EDLCC’s tratando-as como SLIT’s.

EDLCC – Solução por SLIT
Para N = 0 e a0 = 1 (sistema FIR):

M
X
y [n] = br x[n − r ].
r =0

bn , n = 0, 1, · · · , M
h[n] =
0, caso contrário.
Solução é obtida pela convolução entre x[n] e h[n].
Para N 6= 0 e a0 = 1:
M
X N
X
y [n] = br x[n − r ] − ak y [n − k].
r =0 k=1

Exemplo
EDLCC de primeira-ordem:
y [n] − ay [n − 1] = x[n].
Suponha que x[n] = δ[n] e y [n] = 0, para n < 0 (causal).
y [n] = δ[n] + ay [n − 1] (solução é recursiva).
y [−1] = 0;
y [0] = δ[0] + ay [−1] = 1;
y [1] = δ[1] + ay [0] = a;
y [2] = δ[2] + ay [1] = a2 ; · · ·
y [n] = an u[n].

Exemplo
EDLCC de primeira-ordem:
y [n] − ay [n − 1] = x[n].
Suponha que x[n] = δ[n] e y [n] = 0, para n > 0.
y [n − 1] = a−1 (y [n] − δ[n]) .
y [0] = a−1 (y [1] − δ[1]) = 0

y [−1] = a−1 (y [0] − δ[0]) = −a−1
y [−2] = a−1 (y [−1] − δ[−1]) = −a−2 ; · · ·
y [n] = −an u[−n − 1].

Topico 01

Enviado por

Dados do documento

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

Topico 01

Enviado por

Direitos autorais:

Formatos disponíveis

Sinais discretos Sistemas discretos SLIT Propriedades de SLIT EDLCC

DCA 0118 – Procesamento Digital de Sinais

Departamento de Engenharia de Computação e Automação (DCA)

Tiago Barros Tópico 1 2021.2 1 / 88

Tiago Barros Tópico 1 2021.2 2 / 88

Tiago Barros Tópico 1 2021.2 3 / 88

Tiago Barros Tópico 1 2021.2 4 / 88

Tiago Barros Tópico 1 2021.2 5 / 88

Sinais discretos −→ sequências

x = {x[n]}, −∞ < n < ∞, n inteiro.

Tiago Barros Tópico 1 2021.2 6 / 88

Amostragem periódica de sinal analógico xa (t):

x[n] = xa (nT ), −∞ < n < ∞

Tiago Barros Tópico 1 2021.2 7 / 88

Operações com sinais: Reflexão em torno do eixo-y

Tiago Barros Tópico 1 2021.2 8 / 88

Operações com sinais: Escalonamento (scaling)

Tiago Barros Tópico 1 2021.2 9 / 88

Operações com sinais: Escalonamento (scaling)

x[n] x[n/3] (expansão – sinal é expandido)

Tiago Barros Tópico 1 2021.2 10 / 88

Operações com sinais: Deslocamento (shifting)

Tiago Barros Tópico 1 2021.2 11 / 88

Operações com sinais: exemplo

z[n] = x[n + 3],

Tiago Barros Tópico 1 2021.2 12 / 88

Operações com sinais: exemplo

x[n] z[n] = x[n + 3]

Tiago Barros Tópico 1 2021.2 13 / 88

Operações com sinais: exemplo

w [n] = z[−n] y [n] = w [2n] = x[−2n + 3]

Tiago Barros Tópico 1 2021.2 14 / 88

Propriedade da simetria – sinais pares e ı́mpares

Tiago Barros Tópico 1 2021.2 15 / 88

Propriedade da simetria – sinais pares e ı́mpares

Todo sinal possui uma parte par e uma parte ı́mpar:

x[n] = xe [n] + xo [n].

Tiago Barros Tópico 1 2021.2 16 / 88

Tiago Barros Tópico 1 2021.2 17 / 88

Sinais especiais – Sequência amostra unitária (função

Tiago Barros Tópico 1 2021.2 18 / 88

Sinais especiais – Sequência degrau unitária

Tiago Barros Tópico 1 2021.2 19 / 88

Sinais especiais – Relação entre u[n] e δ[n]

u[n] = δ[n] + δ[n − 1] + δ[n − 2] + · · ·

Tiago Barros Tópico 1 2021.2 20 / 88

Sinais especiais – Relação entre u[n] e δ[n]

Tiago Barros Tópico 1 2021.2 21 / 88

Sinais especiais – Relação entre u[n] e δ[n]

Relembrando, para o caso contı́nuo (integral):

Analogia, para o caso discreto (somatório):

Tiago Barros Tópico 1 2021.2 22 / 88

Sinais especiais – Relação entre u[n] e δ[n]

δ[n] = u[n] − u[n − 1]

Tiago Barros Tópico 1 2021.2 23 / 88

Sinais especiais – Relação entre u[n] e δ[n]

Relembrando, para o caso contı́nuo (derivada):

δ[n] = u[n] − u[n − 1].

Tiago Barros Tópico 1 2021.2 24 / 88

Construindo sequências a partir de sequências amostra

Tiago Barros Tópico 1 2021.2 25 / 88

Construindo sequências a partir de sequências amostra

x[n] = 1δ[n] − 1δ[n − 1] + 2δ[n − 2].