Sinais e Sistemas

de Tempo Discreto
Leandro Manso
leandro.manso@ufjf.edu.br

Leandro Manso Processamento Digital de Sinais 1 / 21

Sistemas de Tempo Discreto

I Um sistema discreto pode operar em uma sequência (sequência

de entrada) de forma a gerar outra sequência (sequência de
saída), com outras propriedades, de acordo com algumas regras.

x[n] y[n]
Sistema
Discreto

I Na maioria dos casos, um sistema de tempo discreto é composto

por uma combinação de algumas operações básicas.

Leandro Manso Processamento Digital de Sinais 2 / 21

Sistemas de Tempo Discreto
I Um exemplo de sistema de tempo discreto está mostrado na figura
abaixo, o qual é composto por um conjunto de blocos básicos
vistos anteriormente.

y[n] = α1 x[n] + α2 x[n − 1] + α3 x[n − 2] + α4 x[n − 3]

Leandro Manso Processamento Digital de Sinais 3 / 21

Sistemas de Tempo Discreto
I Acumulador:
n
X
y[n] = x[l]
l=−∞

Leandro Manso Processamento Digital de Sinais 4 / 21

Sistemas de Tempo Discreto
I Acumulador:
n
X n−1
X
y[n] = x[l] = x[l] + x[n]
l=−∞ l=−∞

Leandro Manso Processamento Digital de Sinais 4 / 21

Sistemas de Tempo Discreto
I Acumulador:
n
X n−1
X
y[n] = x[l] = x[l] + x[n] = y[n − 1] + x[n]
l=−∞ l=−∞

Leandro Manso Processamento Digital de Sinais 4 / 21

Sistemas de Tempo Discreto
I Acumulador:
n
X n−1
X
y[n] = x[l] = x[l] + x[n] = y[n − 1] + x[n]
l=−∞ l=−∞

I A equação acima pode ser reescrita da seguinte maneira:

−1
X n
X
y[n] = x[l] + x[l]
l=−∞ l=0

Leandro Manso Processamento Digital de Sinais 4 / 21

Sistemas de Tempo Discreto
I Acumulador:
n
X n−1
X
y[n] = x[l] = x[l] + x[n] = y[n − 1] + x[n]
l=−∞ l=−∞

I A equação acima pode ser reescrita da seguinte maneira:

−1
X n
X n
X
y[n] = x[l] + x[l] = y[−1] + x[l], n ≥ 0
l=−∞ l=0 l=0

I A segunda forma é utilizada para entradas causais, e y[−1] é

chamado de condição inicial.
Leandro Manso Processamento Digital de Sinais 4 / 21
Sistemas de Tempo Discreto

I Filtro Média Móvel (MAF): Utilizado para suavizar variações

aleatórias presentes no sinal.
M −1
1 X
y[n] = x[n − k]
M k=0

I Sua implementação direta requer M − 1 somas, 1 divisão e o

armazenamento de M − 1 entradas passadas.

I Uma maneira mais eficiente de implementar esse filtro é a seguinte:

Leandro Manso Processamento Digital de Sinais 5 / 21

Sistemas de Tempo Discreto

−1
M
!
1 X
y[n] = x[n − k] + x[n − M ] − x[n − M ]
M k=0

Leandro Manso Processamento Digital de Sinais 6 / 21

Sistemas de Tempo Discreto

−1
M
!
1 X
y[n] = x[n − k] + x[n − M ] − x[n − M ]
M k=0
M
!
1 X
= x[n − k] + x[n] − x[n − M ]
M k=1

Leandro Manso Processamento Digital de Sinais 6 / 21

Sistemas de Tempo Discreto

−1
M
!
1 X
y[n] = x[n − k] + x[n − M ] − x[n − M ]
M k=0
M
!
1 X
= x[n − k] + x[n] − x[n − M ]
M k=1
−1
M
!
1 X
= x[n − 1 − k] + x[n] − x[n − M ]
M k=0

Leandro Manso Processamento Digital de Sinais 6 / 21

Sistemas de Tempo Discreto

−1
M
!
1 X
y[n] = x[n − k] + x[n − M ] − x[n − M ]
M k=0
M
!
1 X
= x[n − k] + x[n] − x[n − M ]
M k=1
−1
M
!
1 X
= x[n − 1 − k] + x[n] − x[n − M ]
M k=0

logo:
1
y[n] = y[n − 1] + (x[n] − x[n − M ])
M
Leandro Manso Processamento Digital de Sinais 6 / 21
Sistemas de Tempo Discreto
I Exemplo - MAF: Considere o seguinte sinal:
x[n] = s[n] + d[n]
em que: x[n] é o sinal s[n] = 2 (n(0.9)n ) corrompido por um
ruído aleatório d[n].

Leandro Manso Processamento Digital de Sinais 7 / 21

Sistemas de Tempo Discreto
I Interpolador Linear: Utilizado para estimar o valor de uma
amostra entre duas amostras de uma sequência discreta.

I Geralmente é utilizado em casos em que uma sobre-amostragem

foi realizada.

Leandro Manso Processamento Digital de Sinais 8 / 21

Sistemas de Tempo Discreto

I Interpolador Linear - Fator 2:

1
y[n] = xu [n] + (xu [n − 1] + xu [n + 1])
2
I Note que:
I Se xu [n] é uma amostra nula, inserida na sequência, ela será
substituída pela média aritmética dos valores das amostras adja-
centes.

I Por outro lado, se xu [n] é uma amostra da sequência original, suas

amostras adjacentes serão nulas e o seu valor não será alterado.

Leandro Manso Processamento Digital de Sinais 9 / 21

Sistemas de Tempo Discreto

I Filtro de Mediana: A mediana de um conjunto de (2K + 1)

elementos é o valor que é maior do que K números e menor que
K números desse conjunto.

I A mediana pode ser obtida ordenando-se o conjunto de dados e

escolhendo-se o valor do meio.

I Exemplo: med{2, −3, 10, 5, −1} = 2

Leandro Manso Processamento Digital de Sinais 10 / 21

Sistemas de Tempo Discreto

I O Filtro de Mediana é implementado deslizando-se, amostra a

amostra, uma janela de comprimento ímpar sobre a sequência de
entrada x[n].

I A saída y[n] sera a mediana das amostras dessa janela para cada
instante n.

I Utilizado para suavizar sinais corrompidos por ruídos impulsivos.

Leandro Manso Processamento Digital de Sinais 11 / 21

Sistemas de Tempo Discreto

I O Filtro de Mediana: Exemplo

Leandro Manso Processamento Digital de Sinais 12 / 21

Classificação de Sistemas de Tempo
Discreto

I Sistema Linear: Se y1 [n] é a saída de um sistema para a entrada

x1 [n], e y2 [n] é a saída para a entrada x2 [n]. Então, para uma
entrada do tipo:

x[n] = αx1 [n] + βx2 [n]

a saída deve ser dada por:

y[n] = αy1 [n] + βy2 [n]

para qualquer valor de α, β, e para todas as possíveis entradas
x1 [n] e x2 [n].

Leandro Manso Processamento Digital de Sinais 13 / 21

Classificação de Sistemas de Tempo
Discreto

Exemplo - Acumulador: y[n] = nl=−∞ x[l]

P
I
para uma entrada x[n] = αx1 [n] + βx2 [n], a saída será:

n
X
y[n] = (αx1 [l] + βx2 [l])
l=−∞

Leandro Manso Processamento Digital de Sinais 14 / 21

Classificação de Sistemas de Tempo
Discreto

Exemplo - Acumulador: y[n] = nl=−∞ x[l]

P
I
para uma entrada x[n] = αx1 [n] + βx2 [n], a saída será:

n
X
y[n] = (αx1 [l] + βx2 [l])
l=−∞
n
X n
X
= α x1 [l] + β x2 [l]
l=−∞ l=−∞

Leandro Manso Processamento Digital de Sinais 14 / 21

Classificação de Sistemas de Tempo
Discreto

Exemplo - Acumulador: y[n] = nl=−∞ x[l]

P
I
para uma entrada x[n] = αx1 [n] + βx2 [n], a saída será:

n
X
y[n] = (αx1 [l] + βx2 [l])
l=−∞
n
X n
X
= α x1 [l] + β x2 [l] = αy1 [n] + βy2 [n]
l=−∞ l=−∞

Portanto, o acumulador descrito acima é um sistema linear.

Leandro Manso Processamento Digital de Sinais 14 / 21

Classificação de Sistemas de Tempo
Discreto

I Sistema Invariante no Tempo: Se y1 [n] é a saída de um

sistema para a entrada x1 [n], então, para uma entrada x[n] =
x1 [n − n0 ], a saída deve ser y[n] = y1 [n − n0 ].

I Significa que para uma dada entrada, a saída do sistema é a

mesma independente do tempo em que a mesma será aplicada.

I Uma classe de sistemas importantes é a dos Sistemas Lineares

e Invariantes no Tempo (LTI - Linear Time-Invariant). Sistemas
desse tipo são de fácil modelagem matemática e por consequência
fáceis de se projetar.

Leandro Manso Processamento Digital de Sinais 15 / 21

Classificação de Sistemas de Tempo
Discreto

I Sistema Causal: a amostra de saída y[n0 ] depende somente das

entradas x[n] para n ≤ n0 .

I Exemplo sistema causal:

1
y[n] = y[n − 1] + (x[n] − x[n − M ])
M
I Exemplo sistema não causal:
1
y[n] = xu [n] + (xu [n − 1] + xu [n + 1])
2

Leandro Manso Processamento Digital de Sinais 16 / 21

Classificação de Sistemas de Tempo
Discreto

I Sistema Estável: Estabilidade BIBO (bounded-input bounded-

output):

I Um sistema é considerável BIBO estável se para uma entrada x[n]

(|x[n]| < Bx para todos os valores de n), |y[n]| < By para todos
os valores de n.

Leandro Manso Processamento Digital de Sinais 17 / 21

Classificação de Sistemas de Tempo
Discreto

I Exemplo: O filtro MAF é BIBO estável.

M −1
1 X
y[n] = x[n − k]
M k=0
para |x[n]| < Bx :

Leandro Manso Processamento Digital de Sinais 18 / 21

Classificação de Sistemas de Tempo
Discreto

I Exemplo: O filtro MAF é BIBO estável.

M −1
1 X
y[n] = x[n − k]
M k=0
para |x[n]| < Bx :
 
1 M
X −1 
|y[n]| =  x[n − k]
 
M 
k=0

Leandro Manso Processamento Digital de Sinais 18 / 21

Classificação de Sistemas de Tempo
Discreto

I Exemplo: O filtro MAF é BIBO estável.

M −1
1 X
y[n] = x[n − k]
M k=0
para |x[n]| < Bx :
 
1 M −1
X  1
|y[n]| =  x[n − k] ≤ (M Bx )
 
M  M
k=0

Leandro Manso Processamento Digital de Sinais 18 / 21

Classificação de Sistemas de Tempo
Discreto

I Exemplo: O filtro MAF é BIBO estável.

M −1
1 X
y[n] = x[n − k]
M k=0
para |x[n]| < Bx :
 
1 M −1
X  1
|y[n]| =  x[n − k] ≤ (M Bx ) ≤ Bx
 
M  M
k=0

Leandro Manso Processamento Digital de Sinais 18 / 21

Resposta ao Impulso

I Exemplo: Determine a resposta ao impulso para o seguinte sis-

tema:

y[n] = α1 x[n] + α2 x[n − 1] + α3 x[n − 2] + α4 x[n − 3]

Leandro Manso Processamento Digital de Sinais 19 / 21

Resposta ao Impulso

I Exemplo: Determine a resposta ao impulso para o seguinte sis-

tema:

y[n] = α1 x[n] + α2 x[n − 1] + α3 x[n − 2] + α4 x[n − 3]

fazendo a entrada igual a δ[n], tem-se:

h[n] = α1 δ[n] + α2 δ[n − 1] + α3 δ[n − 2] + α4 δ[n − 3]

Leandro Manso Processamento Digital de Sinais 19 / 21

Resposta ao Impulso

I Exemplo: Determine a resposta ao impulso para o seguinte sis-

tema:

y[n] = α1 x[n] + α2 x[n − 1] + α3 x[n − 2] + α4 x[n − 3]

fazendo a entrada igual a δ[n], tem-se:

h[n] = α1 δ[n] + α2 δ[n − 1] + α3 δ[n − 2] + α4 δ[n − 3]

I A resposta ao impulso é dada pela sequência de comprimento 4:

h[n] = {α1 , α2 , α3 , α4 } para 0 ≤ n ≤ 3

Leandro Manso Processamento Digital de Sinais 19 / 21

Resposta ao Impulso

I Exemplo: A resposta ao impulso do acumulador de tempo dis-

creto:
n
X
y[n] = x[l]
l=−∞

é obtida fazendo-se x[n] = δ[n], resultando em:

Leandro Manso Processamento Digital de Sinais 20 / 21

Resposta ao Impulso

I Exemplo: A resposta ao impulso do acumulador de tempo dis-

creto:
n
X
y[n] = x[l]
l=−∞

é obtida fazendo-se x[n] = δ[n], resultando em:

n
X
y[n] = δ[l] = u[n]
l=−∞

Leandro Manso Processamento Digital de Sinais 20 / 21

Resposta ao Impulso

I Exemplo: A resposta ao impulso para o interpolador linear:

1
y[n] = x[n] +(x[n − 1] + x[n + 1])
2
é obtida fazendo-se x[n] = δ[n], resultando em:

Leandro Manso Processamento Digital de Sinais 21 / 21

Resposta ao Impulso

I Exemplo: A resposta ao impulso para o interpolador linear:

1
y[n] = x[n] +(x[n − 1] + x[n + 1])
2
é obtida fazendo-se x[n] = δ[n], resultando em:
1
y[n] = δ[n] + (δ[n − 1] + δ[n + 1])
2
I A resposta ao impulso é dada pela sequência de comprimento 3:
h[n] = {0.5, 1, 0.5} para −1 ≤ n ≤ 1

Leandro Manso Processamento Digital de Sinais 21 / 21