Escolar Documentos
Profissional Documentos
Cultura Documentos
UNIDADE 2
Análise e
processamento
de sinais
Análise de Fourier
2018
Editora e Distribuidora Educacional S.A.
Avenida Paris, 675 – Parque Residencial João Piza
CEP: 86041-100 — Londrina — PR
e-mail: editora.educacional@kroton.com.br
Homepage: http://www.kroton.com.br/
Sumário
Unidade 2 | Análise de Fourier 5
Análise de Fourier
Convite ao estudo
Caro aluno, nesta unidade nós conheceremos um conjunto
de ferramentas essenciais para análise de sinais e sistemas: a
análise de Fourier. Não seria exagero dizer que este é o assunto
mais importante deste livro e, naturalmente, possui grande
importância prática.
Na primeira seção, nós estudaremos a representação de
sinais periódicos no tempo usando a Série de Fourier de tempo
contínuo, além de suas propriedades, cálculos e aplicações. Na
segunda seção, nós vamos aprender a avaliar sinais aperiódicos
usando a Transformada de Fourier de tempo contínuo. Por fim, na
terceira seção, nós aplicaremos Série e Transformada de Fourier
de tempo discreto para avaliar sinais discretizados no tempo. Ao
fim desta unidade você será capaz, portanto, de utilizar a análise
de Fourier para avaliar sinais em tempo contínuo e discreto.
Imagine agora que uma fabricante de equipamentos
odontológicos recentemente modernizou os acionamentos
dos seus motores, substituindo as chaves estrela-triângulo
por inversores de frequência. Passado um período de testes,
contudo, eles perceberam que esses motores têm apresentado
aquecimento maior. Preocupados com a integridade dos
motores, você foi contratado como consultor para descobrir a
fonte desse problema. O que poderia causar esse problema?
Para responder a essa e outras perguntas, fique atento aos
conceitos que trabalharemos nesta seção.
Bons estudos!
Seção 2.1
Representação em série de Fourier em tempo
contínuo
Diálogo aberto
6 U2 - Análise de Fourier
contínuo (SFTC) que, como já falamos, é usada para avaliar sinais
periódicos contínuos no tempo. Ademais, qualquer sinal periódico (do
nosso interesse prático) poderá ser representado por uma componente
de frequência fundamental e uma soma de infinitos componentes
de frequências harmônicas múltiplos inteiros desta fundamental. A
representação de Fourier pode conter ainda uma componente DC
(frequência nula). Vamos conhecer primeiro a forma exponencial
complexa da SFTC de um sinal x(t ) , definida como:
∞
x (t ) = ∑ce k
− jk w0 t
(2.1)
k =−∞
1
ck =
T0 ∫T0
x (t )e− jk w0t dt (2.2)
Exemplificando
Vamos avaliar a SFTC de um sinal de onda quadrado apresentado na
Figura 2.1.
Figura 2.1 | Sinal de onda quadrada
U2 - Análise de Fourier 7
Avaliando a Figura 2.1, percebemos que este sinal é periódico e possui
2π
período fundamental T0 = 1s ou frequência angular ω0 = = 2π rad s .
T0
Como este sinal é periódico, nós podemos desenvolver uma representação
usando a SFTC. Precisamos, assim, determinar os coeficientes complexos
de Fourier aplicando a Equação 2.2. A integral indicada é calculada em
um período qualquer do sinal, da mesma forma como fizemos nos
T
cálculos de energia na Unidade 1. Para − 0 < t < 0 temos que x(t ) = 0 e
T0 2
para 0 < t < temos que x(t ) = 4 , que nos mostra que a integral deve ser
2
calculada apenas para a parcela de tempo em que o sinal é não nulo,
como segue:
T0 2 T
1 1 − jk w0 20
∫ ∫
4
x (t )e− jk w0t dt → ck = 4e− jk w0t dt − 1
ck = →
T
w0
e
.
T0 T0 T0 0 − jk
2
k ck
4 4 4
1 1− e− j p =
( )
(1− (−1)) = 2
jp jp jp
4 4
2 1 − e− j 2 p =
( )
(1− 1) = 0
j 2p j 2p
4 4 4
3 1− e− j 3p =
( )
(1− (−1)) = 2
j 3p j 3p j 3p
4 4
4 1 − e− j 4 p =
( )
(1− 1) = 0
j 4p j 4p
4 4 4
5 1 − e− j 5 p =
( ) (1− (−1)) = 2
j 5p j 5p j 5p
8 U2 - Análise de Fourier
∞
8 1
Portanto, a SFTC deste sinal é x (t ) = 2 + ∑ e− j ( 2m+1)2pt .
j p m=−∞ 2m + 1
(a) (b)
(c) (d)
Fonte: elaborada pelo autor.
U2 - Análise de Fourier 9
Reflita
Vimos que o fenômeno de Gibbs consiste em um sobressinal nos pontos
de descontinuidade da função original quando o número de harmônicas
aumenta. Você conseguiria imaginar quais implicações tal fenômeno
poderia causar em alguma aplicação?
Conjugado y (t ) = x * (t ) ↔ bk = a−* k
t 1
Integração y (t ) = ∫−∞
y (τ )d τ ↔ bk =
jk ω0
ak
dx (t )
Diferenciação y (t ) = ↔ bk = jk w0 ak
dt
∞
∑
1
∫
2 2
Teorema de Parseval Pm =
T0 T0
x (t ) dt = ak
k =−∞
2
bk =
T0 ∫ T0
x (t )sen(k w0 t )dt (2.6)
Em um primeiro momento podemos não notar muitas vantagens
em usar a forma trigonométrica da SFTC, pois os coeficientes de Fourier,
10 U2 - Análise de Fourier
agora ak e bk , são determinados a partir do cálculo de duas integrais.
Entretanto, essa aparente desvantagem pode ser minimizada se o sinal
possuir simetria par ou ímpar. No primeiro caso, isto é, se o sinal tiver
simetria par, bk = 0 e teremos apenas componentes cossenoidais na
SFTC. Caso o sinal seja ímpar, ak = 0 e teremos apenas componentes
senoidais. Podemos também determinar os coeficientes ak e bk a
partir de ck , de acordo com:
a0 = 2c0 (2.7)
ak = 2Re[ck ] (2.8)
bk = −2Im[ck ] (2.9)
Para garantirmos que determinado sinal possua representação em
SFTC, precisamos verificar as condições de Dirichlet (HSU, 2009):
I. o sinal é absolutamente integrável em um período, isto é,
∫ x (t ) dt < ∞ ;
T0
Assimile
Qualquer sinal periódico no tempo pode ser representado por uma
combinação linear de uma função senoidal com período fundamental
e suas harmônicas. As condições de Dirichlet são válidas para a grande
maioria dos sinais de interesse prático em engenharia.
Exemplificando
Vamos avaliar o comportamento da tensão no indutor do circuito elétrico
RL série (Figura 2.3) quando a fonte de tensão é a forma de onda quadrada
da Figura 2.1.
U2 - Análise de Fourier 11
Figura 2.3 | Circuito RL alimentado com onda quadrada
8
para usar o seu fasor Vs (ω ) = ∠ − 90 . Assim, o divisor de tensão será:
(2m + 1)π
VL (ω ) =
(
ωL∠90 )
8
∠ − 90
2
R + (ωL)2 ∠ − arctan ωL (2m + 1)π
R
32 (2m + 1)4π
VL (ω ) = ∠ − arctan
25 + ((2m + 1)4π )
2 5
12 U2 - Análise de Fourier
Conforme vimos no exemplo anterior, o espectro de frequência
da SFTC é um gráfico que apresenta os coeficientes complexos pela
frequência e será de grande importância na avaliação de sinais e
sistemas: por exemplo, filtros.
Pesquise mais
Para saber mais sobre a série de Fourier acesse a nossa biblioteca virtual,
disponível em: <https://biblioteca-virtual.com/detalhes/parceiros/9> e
busque pelo livro Sinais e Sistemas (OPPENHEIM; WILLSKY, 2010) e
estude até a Seção 3.5 do capítulo 3. Você também pode acessr o vídeo
do professor Filipe Santos em <https://youtu.be/omNO-BEUXFY>. Acesso
em: 21 abr. 2017.
U2 - Análise de Fourier 13
Figura 2.5 | a) Inversor de frequência simples e b) forma de onda na carga
(a) (b)
Fonte: a) Hart (2011, p. 339); b) elaborada pelo autor.
14 U2 - Análise de Fourier
Avançando na prática
Aplicação em filtros
Descrição da situação-problema
Uma das maiores aplicações da Análise de Fourier é o projeto de
filtros de frequência. Apesar de tratarmos desse assunto em detalhes na
Unidade 3, podemos usar os conhecimentos adquiridos até o momento
para identificar o tipo de filtro que devemos usar em determinado
problema. Sabendo que os filtros podem ser classificados, basicamente,
entre passa-baixas, passa-altas, passa-faixas e rejeita-faixas, qual filtro
deve ser usado no sinal de onda quadrada da Figura 2.5b de forma que
a sua saída seja um sinal senoidal de 60 Hz? Considere as respostas
ideias dos filtros apresentados na Figura 2.7.
Figura 2.7 | Filtros ideias a) passa-baixas, b) passa-altas, c) passa-faixas e d) rejeita-faixas
(a) (b)
(c) (d)
Fonte: adaptada de Lathi (2008, p. 408).
U2 - Análise de Fourier 15
Resolução da situação-problema
Avaliando o espectro de frequência do sinal anterior (Figura 2.6),
percebemos que este sinal é composto por frequências harmônicas
ímpares de 60 Hz. Como não existe nenhuma frequência entre
esta fundamental e a componente DC, podemos usar um filtro
passa-baixas ou passa-faixas, desde que este último não inclua nenhum
outro componente além de 60 Hz.
(a) (b)
Fonte: elaborada pelo autor.
16 U2 - Análise de Fourier
2. Qualquer sinal periódico no tempo pode ser representado por uma
combinação linear de uma função senoidal com período fundamental e suas
harmônicas. Para garantirmos que determinado sinal possua representação
em SFTC, precisamos verificar as condições de Dirichlet.
Determine os coeficientes da Série de Fourier de tempo contínuo para o
sinal dente de serra apresentado na Figura 2.9.
Figura 2.9 | Sinal de onda quadrada
(a) (b)
Fonte: elaborada pelo autor.
∞ 2m−1
a) 8 (−1)
x (t ) = 2 + ∑ cos (2m − 1) ω0 t .
π m=0 (2m − 1)
∞ 2m +1
8 (−1)
b) x (t ) = 2 + ∑
π m=0 (2m + 1)
cos (2m + 1) ω0 t .
∞ 2m +1
8 (−1)
c) x ( t ) = −2 + ∑ sen (2m + 1) ω0 t .
π m=0 (2m + 1)
∞ 2m +1
8 (−1)
d) x ( t ) = −2 − ∑
π m=0 (2m + 1)
sen (2m + 1) ω0 t .
∞ 2m +1
8 (−1)
e) x ( t ) = −2 − ∑
π m=0 (2m + 1)
cos (2m + 1) ω0 t .
U2 - Análise de Fourier 17
Figura 2.10 | Sinal dente de serra
2 k
a) ak = 0 e bk = (−1) .
kp
2
(−1) e bk = − 2 (−1)k .
k
b) ak =
kp kp
2 k 2 k
c) ak = − (−1) e bk = (−1) .
kp kp
2 k
d) ak = 0 e bk = (1) .
kp
2 k
e) ak = 0 e bk = − (−1) .
kp
18 U2 - Análise de Fourier
Seção 2.2
Transformada de Fourier em tempo contínuo
Diálogo aberto
U2 - Análise de Fourier 19
Figura 2.11 | Sinal a) aperiódico e b) periódico construído a partir do primeiro
(a)
(b)
Fonte: adaptada de Lathi (2008, p. 600).
20 U2 - Análise de Fourier
Figura 2.12 | Mudança no espectro de Fourier quando alteramos T0
(a)
(b)
Fonte: adaptada de Lathi (2008, p. 601).
U2 - Análise de Fourier 21
Exemplificando
(a) (b)
Fonte: elaborada pelo autor.
Assimile
A SFTC é um caso particular da TFTC e usamos esta última para analisar
sinais e projetar sistemas no domínio da frequência.
22 U2 - Análise de Fourier
Quadro 2.2 | Pares de TFTC
x (t ) X(w )
d(t ) 1
1 2πδ(t )
1
u (t ) πδ(ω ) +
jω
1
e-at u(t ) para a>0
jw + a
1
eat u(-t ) para a>0
− jw + a
1
te-at u(t ) 2 para a > 0
( j w + a)
n!
t n e-at u(t ) n +1 para a > 0
( j w + a)
π jω
cos( w0 t )u(t ) δ(ω − ω0 ) + δ(ω + ω0 ) +
2
ω02 − ω 2
π ω0
sen(w0 t )u(t ) δ(ω − ω0 ) − δ(ω + ω0 ) +
2j
ω02 − ω 2
a + jw
e-at cos( w0 t )u(t ) 2 para a > 0
(a + j w ) + w02
w0
e-at sen(w0 t )u(t ) 2 para a > 0
(a + j w ) + w02
U2 - Análise de Fourier 23
Exemplificando
Linearidade z(t ) = Ax (t ) + By (t ) ↔ Z (w ) = AX (w ) + BY (w )
1 ω
Compressão ou expansão no tempo x (αt ) ↔ X
α α
d n x (t ) n
Diferenciação ↔ ( j w ) X (w )
dt n
∞ 1 ∞
∫ ∫
2 2
Teorema de Parseval x (t ) dt = X (ω ) d ω
−∞ 2π −∞
24 U2 - Análise de Fourier
Teorema da modulação x (t )e j w0t ↔ X (w − w0 )
Convolução x (t ) ∗ y (t ) ↔ X (w )Y (w )
Exemplificando
Determine a TFTC dos sinais apresentados nas Figuras 2.15a e 2.15b.
t
Solução: aplicando a equação de síntese no sinal pulso retangular ret
t
(Figura 2.15a), temos:
τ τ
τ
jω
τ
2 senω 2 sen ω
X (ω ) = ∫
τ 2
1 − j ω 2 2 τ
e− j ωt dt → − e − e 2 → =τ
= τ sinc ω
2
−τ 2
j ω ω ω τ
2
(a) (b)
Fonte: adaptada de Lathi (2008, p. 609).
(a) (b)
Fonte: adaptada de Lathi (2008, p. 609).
U2 - Análise de Fourier 25
A TFTC é particularmente útil na análise de sinais e sistemas quando
consideramos este último como um diagrama de blocos, como
fizemos na Unidade 1 para determinarmos a relação entre entrada e
saída. Naquela ocasião, fizemos uma modelagem apenas no domínio
do tempo, o que normalmente resulta, no caso de tempo contínuo,
em uma equação diferencial com coeficientes constantes. Além disso,
era necessário determinar a saída a partir da integral de convolução.
Quando fazemos a modelagem usando a TFTC, a convolução torna-
se uma multiplicação e a equação diferencial torna-se uma equação
algébrica, cujas soluções são mais simples. Assim, avaliar sistemas
pela TFTC é extremamente vantajoso e mais simples que quando
comparado com a modelagem no domínio do tempo.
Dentre as diversas aplicações da TFTC, destacamos o Diagrama de
Bode, que é a representação dos espectros de amplitude e de fase com
gráficos em escalas logarítmicas. No caso do espectro de amplitude a
escala usada é o decibel (dB), calculado a partir do módulo como:
X (w ) dB = 20 log X (w ) (2.14)
1
O sinal x (t ) = e−t u(t ) , cuja TFTC é X (w ) = , tem espectro de
jw +1
1
amplitude e de fase -arctan(w ) , ambos apresentados na Figura
w2 + 1
2.17. Se considerarmos este diagrama de bode como o comportamento
de um sistema com entrada e saída medidas em volts, podemos notar
que frequências abaixo de 1rad s sofrem atenuação de 0 dB, isto é, não
serão alteradas em módulo ( 20 log(1) = 0 dB ). Exatamente em w = 1rad s ,
o módulo será -3 dB, o que indica que o sinal de saída sofre uma
atenuação de 3 dB ou 0, 707 V V . Para w > 1rad s o módulo sofrerá
atenuação de 20 dB década . Concluímos que frequências maiores que
1rad s sofrem atenuação ao passo que as menores não. Esta é uma
curva característica de um filtro passa-baixas com frequência de corte
wc = 1rad s . Caso o comportamento fosse exatamente o contrário,
este sistema seria um filtro passa-altas. As famílias e projetos de filtros
serão estudados na Unidade 3 deste livro.
26 U2 - Análise de Fourier
Figura 2.17 | Espectro de amplitude e de fase de X(w )
Reflita
Definimos a TFTC nesta seção para avaliar sinais e sistemas contínuos no
tempo. Veja novamente a definição da TFTC (Equação 2.10) e perceba
que ela é bastante similar à Transformada de Laplace. Existe alguma
relação entre essas duas transformadas?
Pesquise mais
Para aprender mais sobre as aplicações da TFTC estude as seções 7.4 a
7.8 do livro Sinais e sistemas lineares (Lathi, 2008) disponível na Biblioteca
Virtual pelo link <https://biblioteca-virtual.com/detalhes/parceiros/5>.
Acesso em: 28 out. 2017.
U2 - Análise de Fourier 27
para avaliar este sinal de tensão? Há alguma diferença entre esta análise
e a realizada anteriormente com a SFTC?
O sinal de onda quadrada em questão é apresentado na Figura
2.18a. Sabemos que o coeficiente complexo de Fourier deste sinal é
700
na forma exponencial complexa e podemos determinar
j p(2m + 1)
700 (2m + 1)p
para a forma trigonométrica como sen
. Podemos
(2m + 1)p 2
determinar a TFTC aplicando a Equação 2.12, uma vez que o sinal em
questão é periódico:
∞ ∞
700 (2m + 1)π
X (ω ) = ∑ 2πc δ(ω − k ω ) → ∑
k =−∞
k 0
m=−∞
2
(2m + 1)
sen
2
δ(ω − (2m + 1)ω0 ) .
(a) (b)
(c)
Fonte: elaborada pelo autor.
28 U2 - Análise de Fourier
Portanto, concluímos que este sinal de tensão de onda
quadrada produz componentes harmônicas ímpares em relação
à fundamental, da mesma forma que verificamos com a SFTC.
Estas componentes serão sobrepostas à frequência fundamental e
atuarão como novas fontes de tensão. Essas, por sua vez, produzirão
novas correntes que circularão pelas máquinas e equipamentos,
resultando em sobreaquecimento.
Avançando na prática
Modulação em amplitude
Descrição da situação-problema
Sistemas de comunicação normalmente usam modulação para
transmissão de sinais, que consiste em multiplicar o sinal que se deseja
transmitir (modulante) por um sinal conhecido como portadora (Figura
2.19). O sinal de saída é conhecido como sinal modulado. Se m(t )
for um pulso retangular da Figura 2.15a com t = 1 e a portadora for
cos(50t ) , como ficará o espectro de amplitude do sinal modulado?
Resolução da situação-problema
O sinal modulado está apresentado na Figura 2.20a, em que notamos
o sinal cos(50t ) durante o período de duração do pulso retangular. De
acordo com o teorema da modulação ( x(t )e j w0t ↔ X (w − w0 ) ), a TFTC
ficará deslocada de ±50rad s , conforme Figura 2.20b.
U2 - Análise de Fourier 29
Figura 2.20 | a) Sinal modulado e b) sua TFTC
(a) (b)
Fonte: elaborada pelo autor.
π π π π
b) X 1( ω ) = δ(−ω + 5) − δ(−ω − 5) e X 2 (ω ) = δ(−ω + 5) − δ(−ω − 5) .
j j j j
30 U2 - Análise de Fourier
π π π π
c) X 1( ω ) = δ(ω − 5) − δ(ω + 5) e X 2 (ω ) = δ(ω − 5) − δ(ω + 5) .
j j j j
π π π π
d) X 1( ω ) = δ(−ω + 5) + δ(−ω − 5) e X 2 (ω ) = δ(−ω + 5) − δ(−ω − 5) .
j j j j
π π π π
e) X 1( ω ) = − δ ( ω − 5 ) + δ ( ω + 5 ) e X 2 (ω ) = − δ(−ω + 5) + δ(−ω − 5) .
j j j j
U2 - Análise de Fourier 31
Seção 2.3
Série de Fourier e Transformada de Fourier em
tempo discreto para análise de sinais
Diálogo aberto
32 U2 - Análise de Fourier
representados por uma série de Fourier (SFTD), definida como:
x [n ] = ∑ ck e jkΩ0 n (2.15)
k =<N0 >
1
ck = ∑ x [n ]e− jkΩ0 n (2.16)
N0 n =<N0 >
Exemplificando
Determine os coeficientes de Fourier do sinal em TD apresentado na
Figura 2.21.
Figura 2.21 | a) Sinal discreto no tempo e b) seu espectro de amplitude
(a) (b)
Fonte: elaborada pelo autor.
U2 - Análise de Fourier 33
2
1 1
c0 =
N0
∑ x [n ] → c
n =0
0 =
3
(0 + 1+ 2) → c0 = 1
2p 2p 4p
1
2
1 −j n
→ c1 = x [0] + x [1]e 3 + x [2]e 3
−j −j
c1 = ∑
3 n =0
x [ n ]e 3
3
1 1 3 1 3 1 3
→ c1 = 0 + 1− − j + 2 − + j → c1 = − + j
3 2 2 2 2 2 6
4p
1 2 −j n 1 1 3 1 3
c2 = ∑ x [n ]e 3 → c2 = 0 + 1− + j + 2 − − j
3 n =0 3 2 2 2 2
1 1 3 1 3 1 3
→ c2 = 0 + 1− + j + 2 − − j → c2 = − − j
3 2 2 2 2 2 6
1 3
Assim, os coeficientes de Fourier são c0 = 1, c2 = − − j e
2 6
1 3 , e o espectro de amplitude está apresentado na
c2 = − − j
2 6
Figura 2.21b.
Assimile
A SFTD não possui infinitos termos como a SFTC, sendo necessário
determinar seus coeficientes a partir da quantidade de amostras do
sinal em tempo discreto. Ademais, a SFTD é periódica, ao passo que a
SFTC é aperiódica.
1
2p ∫2p
x [n ] = −1 { X (Ω)} = X (Ω)e− j Ωn d Ω (2.18)
34 U2 - Análise de Fourier
Exemplificando
Determine a TFTD do sinal pulso retangular apresentado na Figura 2.22.
Figura 2.22 | a) Sinal pulso retangular discreto no tempo e b) sua TFTD
(a) (b)
Fonte: elaborada pelo autor.
n =−2
a
r −a − r a +1
Esta série comporta-se como a progressão geométrica ∑r n
= ,
n =−a 1− r
e− j Ω(−2 ) − e− j Ω( 2+1)
de forma que X (Ω) = . Multiplicando o numerador e o
1− e − j Ω
2
denominador por e jW0 temos:
e j Ω2
−e − j Ω3
e jΩ 2
e j Ω5 2 − e− j Ω5 2
X (Ω) = → X (Ω) = j Ω 2 .
1− e − j Ω e jΩ 2 e − e− j Ω 2
Deslocamento x [n - n0 ] − jk (2 p N )n0
e ak e- j wn0 X (w )
no tempo
Reversão no x [-n ] X(-w )
a-k
tempo
U2 - Análise de Fourier 35
Mudança
x [n m], se n émultiplo de m ak Periódico com
m período mN
X ( mw )
de escala
0, caso contrário
Multiplicação x [n ]y [n ] ∑ab
l= N
l k −l
1
2π ∫
X (θ )Y (ω − θ )d θ
2π
n 1 1
Acumulação ∑ x [k ] a X (w )
k =−∞
1− e− jk (2p N ) k 1− e− jw
Teorema de 1 2
∑ ak
2
1
2π ò2π
2
Pm = ∑ x [n ] X (ω ) d ω
Parseval N n= N k= N
Exemplificando
Vamos ilustrar a propriedade de mudança de escala com o sinal pulso
retangular da Figura 2,22a dobrando a sua duração (Figura 2.23a). Qual é
a TFTD deste novo sinal?
Figura 2.23 | a) Novo sinal pulso retangular discreto no tempo e b) sua TFTD
(a) (b)
Fonte: elaborada pelo autor.
36 U2 - Análise de Fourier
A TFTD é muito utilizada para analisar sistemas discretos no tempo
a partir de equações de diferenças, que são análogas às equações
diferenciais em tempo contínuo. Conforme estudamos na Unidade 1,
em nossa análise de SLITs encontraremos, principalmente, equações
de diferenças como coeficientes constantes (Equação 2.19), em que os
sinais de entrada e saída são x[n ] e y [n ] , respectivamente.
N M
∑ a y [n − k ] = ∑ b x [n − k ]
k =0
k
k =0
k (2.19)
H (Ω) =
Y (Ω)
=
∑ k =0
bk e− jkΩ
(2.20)
N
X (Ω) ∑ a e− jkΩ
k =0 k
x [n ] X(W)
d(t ) 1
d[n - n0 ] e− j Ωn0
∞
1
u[n ] + ∑ πδ(ω − 2k π )
1− e− j ω k =−∞
∞
1 2π ∑ δ(Ω − 2k π )
k =−∞
e− j Ωn 2π ∑ δ(Ω − Ω 0 − 2k π )
k =−∞
1
a n u[n ] para a < 1
1− ae− jΩ
ae j Ω
na n u[n ] 2 para a < 1
(e jΩ − a)
∞
U2 - Análise de Fourier 37
Por exemplo, a resposta ao impulso de um SLIT de tempo discreto
que se comporta de acordo com y [n − 2] − 5 y [n − 1] + 6 y [n ] = x[n ] é
obtida aplicando a TFTD em ambos os lados da equação que descreve
o SLIT e aplicando a propriedade do deslocamento no tempo temos:
Y (Ω) 1
(e − j 2Ωn
− 5e− j Ωn + 6)Y (Ω) = X (Ω) → =
X (Ω) 6 − 5e− j Ωn + e− j 2Ωn
1
A resposta em frequência deste sistema é H (Ω) = .
6 − 5e− j Ωn + e− j 2Ωn
Para determinar a resposta ao impulso, é necessário fazer a multiplicação
entre H(W) e X(W) além de calcular a transformada inversa do resultado.
1
No caso do impulso discreto, X(Ω) = 1 e Y (Ω) = − j Ωn
. Para
6 − 5e + e− j 2Ωn
usar a tabela de pares de TFTD no cálculo da inversa, faz-se necessário
expandir este resultado usando frações parciais:
1 1 1 1 1 1
Y (Ω) = − → Y (Ω) = − +
−3 + 1e− j Ωn −2 + 1e− j Ωn 3 1 − j Ωn 2
1− e
1 − j Ωn
1− e
3 2
Por fim, usando os pares de TFTD do Quadro 2.5, temos que
1 1 n 1 1 n
y [n ] = − + u[n ] .
2 2
3 3
Reflita
Você deve ter percebido com este último exemplo, no qual determinamos
a resposta ao impulso de um SLIT de tempo discreto, que há certa
semelhança com os cálculos que fizemos para determinar a resposta
ao impulso de SLIT de tempo contínuo. Qual será a ligação entre
esses métodos? Eles podem ser usados indistintamente para avaliar o
comportamento de SLIT?
38 U2 - Análise de Fourier
Pesquise mais
Para aprender mais sobre as aplicações da TFTC, estude as seções 3.6 a
3.11 e o capítulo 5 do livro Sinais e sistemas:
OPPENHEIM, Alan V.; WILLSKY, Alan S. Sinais e sistemas. 2. ed. São Paulo:
Pearson Prentice-Hall, 2010.
U2 - Análise de Fourier 39
Figura 2.24 | a) Forma de onda de tensão amostrada, b) espectro de amplitude
(a) (b)
(c)
Fonte: elaborada pelo autor.
Avançando na prática
Identificação de ruído em sinal medido por microcontrolador
Descrição da situação-problema
Um sinal senoidal de 1 V de pico e frequência 1 Hz foi medido
por pelo conversor analógico-digital de um microcontrolador. Este
sinal, apresentado na Figura 2.25a, claramente está comprometido
com ruídos e deve ser filtrado de forma a ser medido corretamente.
Como podemos verificar quais frequências foram medidas? É possível
melhorar essa medida com filtragem?
40 U2 - Análise de Fourier
Figura 2.25 | a) Forma de onda de tensão lida pelo microcontrolador e b) seu espectro
de amplitude
(a) (b)
Fonte: elaborada pelo autor.
Resolução da situação-problema
Aplicamos o cálculo da TFTD no sinal medido e plotamos o seu
espectro de amplitude na Figura 2.25b. Assim percebemos claramente
que a componente de 1 Hz está presente no sinal junto com outras
componentes que devem ser filtradas, por exemplo, por um filtro
passa-faixa com frequência central de 1 Hz.
U2 - Análise de Fourier 41
1 1 j 1
a) c1 = e c−1 = . d) c1 = e c−1 = .
2 2 2 2
1 1 1 1
b) c1 = − e c−1 = − . e) c1 = e c−1 = − .
2 2 2 2
1 1
c) c1 = e c−1 = .
2j 2j
42 U2 - Análise de Fourier
Referências
HART, D. W. Eletrônica de potência: análise e projetos de circuitos. Porto Alegre: McGraw
Hill Brasil, 2011.
HSU, H. P. Sinais e sistemas. Porto Alegre: Bookman, 2009. (Coleção Schaum).
LATHI, B. P. Sinais e Sistemas Lineares. Porto Alegre: Bookman, 2008.
OPPENHEIM, A. V.; WILLSKY, A. V. sistemas lineares. 2. ed. São Paulo: Pearson Prentice-
Hall, 2010.
ROBERTS, M. J. Fundamentos de sinais e sistemas. Porto Alegre: AMGH
Editora, 2010.
U2 - Análise de Fourier 43