Lab Sinais Sistemas

EE - Laboratório de
Sinais e Sistemas
Instituto Politécnico – PUC Minas
Wesley Oliveira Maia

Zélia Myriam Assis Peixoto
Belo Horizonte – 2021

EE - Laboratório de Sinais e Sistemas
Sumário
1. Introdução ao MATLAB® ....................................................................................................... 5

1.1 Aspectos Gerais ................................................................................................................. 5
1.1.1 Atividade Prática ....................................................................................................... 7
1.2 Comandos Básicos e Operações com Matrizes ................................................................. 9
1.2.1 Atividade Prática ..................................................................................................... 11
1.3 Ramificações e Laços ....................................................................................................... 13
1.3.1 Atividade Prática ..................................................................................................... 14
2. Composição e Decomposição de Sinais .............................................................................. 16
2.1 Atividade Prática ......................................................................................................... 16
3. Sinais Periódicos e Não Periódicos ...................................................................................... 20
4. Convolução Linear Discreta ................................................................................................. 24
5. Sistemas no Domínio S ........................................................................................................ 30
6. Lugar das Raízes e Diagramas de Bode ............................................................................... 36
6.1 Método do Lugar das Raízes ....................................................................................... 36
6.2 Diagramas de Bode ..................................................................................................... 38
6.3 SISOTOOL..................................................................................................................... 40
7. Análise de Sinais usando a Série de Fourier ........................................................................ 43
8. Transformada Rápida de Fourier ........................................................................................ 46
9. Síntese de Sinais usando a Transformada Rápida Inversa de Fourier................................. 49
10. Teorema da Amostragem................................................................................................ 54
11. Reconstituição de um Sinal Analógico ............................................................................ 62
IPUC Página 2
12. Filtro Digital FIR ............................................................................................................... 65

12.1 Projeto de Filtros ......................................................................................................... 66
12.2 FDATool ....................................................................................................................... 69
Referências .................................................................................................................................. 72
Apêncide A – Biblioteca de Blocos do Simulink .......................................................................... 73
A.1. Sinks ................................................................................................................................. 73
A.2. Sources ............................................................................................................................. 73
A.3. Math Operations .............................................................................................................. 74
A.4. Continuous ....................................................................................................................... 74
A.5. Discrete ............................................................................................................................ 75
IPUC Página 3
PREFÁCIO
Esta apostila tem como principal objetivo auxiliar os alunos do curso de Engenharia Elétrica e
Engenharia Eletrônica e de Telecomunicação, da PUC Minas, nos estudos e práticas da disciplina
Laboratório de Sinais e Sistemas e Laboratório de Processamento de Sinais, visando facilitar o
entendimento e compreensão dos conteúdos básicos tratados nas disciplinas teóricas Sinais e
Sistemas e Processamento de Sinais.
Principais Referências Bibliográficas:
 OPPENHEIM, Alan V.; WILLSKY, Alan S.: Sinais e Sistemas. São Paulo: Prentice Hall, 2010.
 DINIZ, Paulo Sérgio Ramirez; SILVA, Eduardo Antônio Barros da; LIMA NETTO, Sérgio:
Processamento digital de sinais: projeto e análise de sistemas. Porto Alegre, Bookman,
2014.
 HAYKIN, Simon; VAN VEEN, Barry: Sinais e Sistemas. Porto Alegre: Bookman, 2001.
Sejam Bem-vindos e Bons Estudos!
IPUC Página 4
1. Introdução ao MATLAB®
1.1 Aspectos Gerais
Segundo Chapman (2006), o MATLAB® é um programa de uso específico para a execução

de cálculos matemáticos e de engenharia. Foi, inicialmente, concebido como um programa para
operações sobre matrizes, mas ao longo dos anos, com o incremento de suas funcionalidades,
tornou-se um sistema computacional com recursos para soluções de problemas técnico-
científicos, em geral.
A seguir são listados alguns itens disponíveis no ambiente MATLAB®:
 Recursos
 O MATLAB® oferece uma ampla biblioteca de funções matemáticas e algoritmos:
 sin(x);
 fft(x), dentre outros.
 Comunicação com diferentes ambientes computacionais:
 Excel;
 Java;
 PSIM;
 Phyton, dentre outros.
 Interface com diversos kits de desenvolvimento:
 Code Composer Studio/ C6000 / C2000 (Texas Instruments);
 VisualDSP++ / Blackfin (AnalogDevices);
 Green Hills MULTI / MPC5500 (Freescale), etc.
 Toolboxes
O MATLAB® possui uma família de aplicativos (toolboxes), que são conjuntos de
funções usadas para resolver problemas de áreas específicas da engenharia, tais como:
 Controle de Processos e Otimização;
 Processamento de Sinais;
 Eletrônica de Potência;
 Redes Neurais, dentre outros.
 Aplicações
 Gerais
 Verificação de softwares para detectar, em tempo de execução, erros
antes da compilação ou testes;
 Análise de projetos através de simulação, antes da implementação e
teste;
 Desenvolvimento de códigos C ou HDL para execução em sistemas
embarcados via DSPs, ASICs e FPGAs.
IPUC Página 5
 Sistemas Embarcados
 Verificação de projetos antes da implementação e testes;
 Geração de códigos para prototipagem e produção.
 Processamento Digital de Sinais
 Aquisição de dados e análise de sinais;
 Desenvolvimento de algoritmos para aplicações em comunicação, áudio
voz e vídeo, dentre outros.
 Geração de códigos C ou HDL para execução em sistemas embarcados:
DSPs, ASICs e FPGAs.
 Sistemas de Controle
 Criar modelos para a representação de plantas;
 Projeto de controladores e lógica de controle;
 Análise da estabilidade de sistemas.
 Área de Trabalho do MATLAB®

Integra diversas ferramentas para gerenciar funções e variáveis internas com a
possibilidade de leitura/escrita em arquivos externos ao ambiente. Disponíveis na opção
Layout do Menu da página principal, as principais janelas disponíveis na área de trabalho
ou que podem ser acessadas a partir dela, são:
 Command Window (Janela de Comandos);
 Command History (Janela de Histórico de Comandos);
 Workspace (Espaço de Trabalho);
 Figure (Janela de Figuras);
 Editor (Janela de Edição / Depuração).
IPUC Página 6
Figura 1 - Área de trabalho do MATLAB®.
Fonte: Arquivo Pessoal.
 Obtendo Ajuda
O usuário pode obter ajuda de três maneiras distintas:
 Navegador de Ajuda;
 Digitar “lookfor” seguido de uma palavra-chave do problema e, em seguida,
avaliar as informações associadas às funções encontradas:
Ex.: lookfor integral <enter>
 Digitar “help” seguido do nome da função na Janela de Comandos.
Ex.: help sin <enter>
 Comandos relativos ao espaço de trabalho:

 clc – limpa o conteúdo da Janela de Comandos;
 clf – limpa o conteúdo da Janelas de Figuras;
 clear – limpa as variáveis do Espaço de Trabalho;
 close all – fecha todas as janelas de Figuras;
 whos – lista todas as variáveis e matrizes atuais;
 ctrl+c – interrompe o programa em execução.
1.1.1 Atividade Prática

A. Assumindo que r = 5 (Ω) e i = 2 (A), calcule o valor de V através da Lei de Ohm, utilizando
a Janela de Comandos.
>> r = 5; <enter>
>> i = 2; <enter>
IPUC Página 7
>> v = r*i <enter>
B. O comando trapz é utilizado para cálculo de integração numérica através da

aproximação trapezoidal. Com a ajuda do help do MATLAB®, descubra como esse
comando pode ser utilizado para o cálculo da área abaixo da curva figura abaixo.
y  2t
20
18
16
14
12
10
y
0
0 1 2 3 4 5 6 7 8 9 10
t
C. O comando polyfit encontra os coeficientes de um polinômio p(x) de grau n que se

ajuste a um conjunto de dados pré-definidos, no sentido dos mínimos quadrados. Dados
os vetores x e y, determine os coeficientes do polinômio usando esse comando.
x   0 1 2 3 4 5 6 7 8 9 ;
y  1 2.5 2 3 3 3 2.5 2.5 2 1 ;
IPUC Página 8
1.2 Comandos Básicos e Operações com Matrizes
A. Variáveis
Existem três formas comuns para a especificação/ inicialização uma variável, no ambiente
MATLAB®:
 Associar dados à uma variável usando declaração de valores:
Ex.: r = 10; (escalar)
Ex.: r = [1 2 3 4]; (vetor)
Ex.: r = [1 2 3 4; 5 6 7 8]; (matriz)
 Fornecer dados à uma variável pelo teclado:
Ex.: i = input('Entre com o valor da corrente (A):');
 Ler dados de um arquivo, disponível no diretório atual.
Ex.: v = tensao.mat;
B. Expressões
O MATLAB® é uma linguagem de expressões compostas por variáveis, operadores,

caracteres especiais, funções matemáticas, dentre outros. As avaliações das expressões
produzem valores escalares, vetores ou matrizes que podem, ou não, ser mostrados na tela
(incluindo-se ou não o ponto-e-vírgula no final da expressão) e atribuídas às variáveis para uso
futuro.
É importante ressaltar que o MATLAB® faz distinção entre letras maiúsculas e minúsculas,
assim a e A não são as mesmas variáveis. Além disso, todas as funções devem ser escritas em
letras minúsculas, por exemplo, inv(A) calcula a matriz inversa de A mas INV(A) é uma função
indefinida.
C. Vetores e Matrizes
A unidade fundamental de dados, em qualquer programa MATLAB®, é a matriz. A matriz

é uma coleção de dados organizados em linhas e colunas, conhecidos por um único nome.
IPUC Página 9
 Vetor – Pode ser do tipo linha (1xj) ou coluna (ix1), i e j inteiros. Exemplos:
a  [a1 a2 a3 ]
 a1 
(1)
aT   a2 
 a3 
 Matriz – matriz com i linhas e j colunas (separar as linhas com ponto e vírgula)
 a11  a1 j 
 
Aij       [a11  a1 j ;  ; ai1  aij ] (2)
 ai1 aij 

D. Operações com Escalares
Tabela 1 - Operações no MATLAB®
Operação Forma Algébrica Forma MATLAB®

Soma a+b a+b
Subtração a-b a-b
Multiplicação axb a* b
Divisão a/b a/b
Exponencial ab a^b
E. Operações com Vetores e Matrizes
As operações com vetores e matrizes no MATLAB® podem ser realizadas de duas formas
distintas:
 Operações Estruturais - São operações de multiplicação ou divisão executadas

elemento a elemento.
 Operações Matriciais – São operações executadas segundo as regras usuais da álgebra
linear.
O MATLAB® utiliza um ponto (.) antes do símbolo da operação para diferenciar

operações estruturais de operações matriciais, ou seja, multiplicação estrutural (.*) e divisão
estrutural (./). O uso de vetores ou matrizes como exponentes sem requer o uso do ponto (.^).
IPUC Página 10

A. A profundidade de um poço, em metros, pode ser determinada deixando-se cair uma
pedra dentro dele (com velocidade inicial zero) e aguardando-se até que ela atinja o
fundo do mesmo. Isso ocorre após a distância:
1 2
d  gt
2
Onde t é o tempo de queda livre do objeto e g = 9,8m/s2. Plote a curva dxt de queda
livre de um objeto para um intervalo de 0 a 10s.
Solução
Script MATLAB®
%=====================================================================
% PUC MINAS – IPUC
% Curso de Engenharia Elétrica - Laboratório de Sinais e Sistemas
% Aluno:
%=====================================================================
%
% LAB 1 - Comandos Básicos e Operações com Matrizes
%
%=====================================================================
%
% Ajuste interface
% Menu VIEW -> Desktop Layout -> Default
%
%=====================================================================
clc; % Limpa a janela de comando

clear; % Remove todas as variáveis e funções da memória do MATLAB®
close all; % Fecha todas as janelas de figuras abertas
%=====================================================================
t = 0:1:10; % Vetor com os valores de tempo

g = 9.8; % Aceleração da gravidade
d = (1/2)*g*t.^2; % Cálculo da distância
%=====================================================================
% Plotando figura(s)
figure(1)
plot(t,d)
title('Gráfico de Distância em Queda Livre')
xlabel('tempo(s)')
ylabel('Distância (m)')
grid on
%=====================================================================
IPUC Página 11
Figura(s)
Gráfico de Distância em Queda Livre

500
450
400
350
300
Distância (m)
250
200
150
100
50
0
0 1 2 3 4 5 6 7 8 9 10
tempo(s)
B. O circuito mostrado na figura seguinte representa um gerador com resistência interna

(R1) e uma carga com resistência variável ( R2  0  200 ) conectada externamente.
Determine o valor de R2 para a máxima transferência de potência através da curva PxR2.
R1
100Ω R2
V1 50%
20 V
C. A figura seguinte mostra um circuito elétrico composto de resistores e fontes de tensão.

Determine a corrente de cada malha usando a Lei de Kirchhoff para tensões e o método
das correntes de malha.
R1 R5
100Ω 330Ω
R3 V2
200Ω 10 V
R4
V1
20 V 150Ω
R2
220Ω
R6
100Ω
IPUC Página 12
V1 = (R1 I1 + R3 (I1 - I2) + R2 (I1 - I3) = (R1 + R3 + R2) I1 - R3 I2 – R2 I3
-V2 = I2 R5 + R4 (I2 – I3) + R3 (I2 –I1) = - R3 I1 + (R5 + R4+R3) I2 – R4 I3
0 = R2(I3 – I1) + R4(I3 – I2) + R6I3 = -R2I1 – R4I2 + (R2 + R4 + R6)I3
V = [V1 -V2 0]
R = [(R1 + R3 + R2) –R3 –R2; - R3 (R5 + R4+R3) – R4; = -R2 – R4 (R2 + R4 + R6)]
% i = [I1 I2 I3]
%V=R*I
I = inv(R)*V
1.3 Ramificações e Laços

As ramificações são declarações do MATLAB® que permitem selecionar e executar seções
específicas de um código. O MATLAB® disponibiliza três variações desse tipo de construção
(CHAPMAN, 2003):
 IF / ELSE;
 SWITCH / CASE;
 TRY / CATCH.
O comando IF tem a seguinte forma:
if condicao1
Comandos1
Comandos2
...
elseif condicao2
Comandos3
Comandos4
...
else
Comandos5
Comandos6
...
end
A primeira condição é sempre escrita com IF, a última com ELSE e todas as intermediárias
com ELSEIF.
A estrutura SWITCH permite selecionar um bloco específico do código para ser executado,
com base no valor de um único inteiro, caractere ou expressão lógica. A forma geral é:
IPUC Página 13
switch(expressao)
case expressao_case_1,
Comandos1
Comandos2
...
case expressao_case_2,
Comandos1
Comandos2
...
otherwise,
Comandos1
Comandos2
...
end
O MATLAB® contém dois comandos para gerar loops, o comando FOR e o comando
WHILE. O laço FOR executa um bloco de comandos durante um número especificado de vezes.
Ele tem a seguinte forma:
for indice = expressao

Comandos1
Comandos2
...
end
O laço WHILE é um bloco de comandos que se repetem indefinidamente, enquanto uma

condição for satisfeita. Sua forma geral é:
while expressao
Comandos1
Comandos2
...
end

A. Desenvolva um script MATLAB® que leia três valores de temperatura em graus
Fahrenheit, converta essa temperatura para um valor absoluto em Kelvin e Celsius e
mostre o resultado.
5(T F  32)
TC 
9
5(TF  32)
TK   273,15
9
Solução
Script MATLAB®
IPUC Página 14
%=====================================================================
% Laboratório de Sinais e Sistemas
% PUC MINAS - IPUC
%=====================================================================
%
% LAB 3 - Ramificações e Laços
%
%=====================================================================
%
% Ajuste interface
%
%=====================================================================

clear all; % Remove todas as variáveis e funções da memória do
MATLAB®
%=====================================================================
for i=1:1:3
Tf = input('Entre com o valor de temperatura em graus
Fahrenheit(F):');
Tc = (5*(Tf-32))/9;
Tk = (5/9)*(Tf-32)+273.15;
fprintf('A temperatura em graus Celsius = %6.2f \n',Tc)

fprintf('A temperatura em graus Kelvin = %6.2f \n',Tk)
end
%=====================================================================
B. Construa uma rotina para determinar a soma dos n primeiros termos da série:
(1)k
n

k 1 2
k
Execute a rotina para n = 4 e n = 20.
C. A função sin(x) pode ser escrita em termos da série de Taylor, como:

(1)k x 2k 1
sin( x)  
0 (2k  1)!
Escreva uma função que calcule sin(x) usando a série de Taylor. O valor de x deverá
estar em 𝜋rd.
IPUC Página 15
2. Composição e Decomposição de Sinais

Um sinal x (t ) ou x n , contínuo ou discreto no tempo, será um sinal par se atender à
condição dada pela Equação (3), o que significa que sinais serão simétricos em relação ao eixo
vertical (Haykin e Van Veen, 2001):
x (t )  x (  t ) (3)

Um sinal contínuo ou discreto x (t ) ou x n será um sinal ímpar se o mesmo atender à
Equação (4) e serão simétricos em relação à origem.
x (t )   x (  t ) (4)

Um sinal qualquer x (t ) ou x n pode ser expresso como a soma das componentes par
xp (t) ou ( xp  n ) e ímpar xi (t) ou ( xi  n ), da seguinte maneira:
x(t )  xp (t)  xi (t) (5)
Dessa forma, tem-se que:
1
x p (t )   x (t )  x (  t )  (6)
2
1
xi ( t )   x (t )  x (  t )  (7)
2
2.1 Atividade Prática

A. Considere o sinal descrito pela função y(t)  e , com uma taxa de amostragem t  0.01
2t
e o intervalo [-3, 3]. Implemente um script para a construção dos seguintes gráficos:
I. Sinal original;
II. Componente par;
III. Componente ímpar;
IV. Reconstrução do sinal (componente par + componente ímpar).
Solução
Script MATLAB®
%=====================================================================
% PUC MINAS - IPUC
%=====================================================================
%
% LAB 2 - Composição e Decomposição de Sinais
%
IPUC Página 16
%=====================================================================
%
% Ajuste interface
%
%=====================================================================

clear all; % Remove todas as variáveis ativas no MATLAB®
%=====================================================================
% Criar um vetor (Operador dois pontos)
% prim:incr:ultm
t = -3:0.01:3;
% Sinal Original
y = exp(-2*t);
% Componente Par
yp = 1/2*(exp(-2*t)+exp(2*t));
% Componente Impar
yi = 1/2*(exp(-2*t)-exp(2*t));
figure(1)
subplot(3,1,1)
plot(t,y);
title('Sinal Original'); % Título da figura
xlabel('t'); % Legenda para o eixo X
ylabel('Y'); % Legenda para o eixo Y
legend ('exp(-2t)'); % Legenda para o figura
grid on
subplot(3,1,2)
plot(t,yp);
title('Componente Par'); % Título da figura
ylabel('Yp'); % Legenda para o eixo Y
legend ('Par'); % Legenda para o figura
grid on
subplot(3,1,3)
plot(t,yi);
title('Componente Impar');% Título da figura
ylabel('Yi'); % Legenda para o eixo Y
legend ('Impar'); % Legenda para o figura
grid on
% Reconstrução do sinal
yrec = yp + yi;
figure(2)
plot(t,yrec,'*');
title('Reconstrução do sinal');% Título da figura
ylabel('Yrec'); % Legenda para o eixo Y
legend ('Sinal'); % Legenda para o figura
grid on
IPUC Página 17
%Sugestão: Inclua uma nova figura plotando o sinal original e o sinal

recuperado, com tipos de linhas diferentes, em um mesmo gráfico de tal
forma a visualizá-los nas mesmas dimensões.
%=====================================================================
Figura(s)
Sinal Original
500
exp(-2t)
Y
0
-3 -2 -1 0 1 2 3
t
Componente Par
400
Par
200
Yp
0
-3 -2 -1 0 1 2 3
t
Componente Impar
500
Impar
0
Yi
-500
-3 -2 -1 0 1 2 3
t
Reconstrução do sinal
450
Sinal
400
350
300
250
Yrec
200
150
100
50
0
-3 -2 -1 0 1 2 3
t
B. Considere o sinal descrito pela função y(t)  2t cos3(10t) , com uma taxa de
amostragem t  0.01 e o intervalo [-5, 5]. Escreva um script para a construção dos
seguintes gráficos:
I. Sinal original;
II. Componente par;
IPUC Página 18

C. Considere o sinal descrito pela função y(t)  (1 t )cos (10t) com uma taxa de
3 3
amostragem t  0.02 s e o intervalo [-4, 4]s. Desenvolva um script para a construção

dos seguintes gráficos:
I. Sinal original;
II. Componente par;
IPUC Página 19
3. Sinais Periódicos e Não Periódicos
A caracterização dos sinais quanto à simetria (par ou ímpar) ou periodicidade são de

grande importância para o desenvolvimento de algoritmos eficientes. Quanto à periodicidade,
para um sinal x (t ) no domínio do tempo contínuo e x[n] no domínio do tempo discreto, tem-se
que:
A. Sinais de Tempo Contínuo
Um sinal x (t ) é periódico se satisfaz a condição:
x (t )  x ( t  T ) , t   , T   *

(8)
Ou seja, se esta condição for satisfeita para T = To, ela também será satisfeita para T =
2To, T = 3To, (...). Assim, o menor valor de T que satisfaz a expressão (8) é chamado período
fundamental e define a duração de um ciclo completo de x (t ) . A frequência do sinal é calculada
como:
2
 , rad/s (9)
T0
Figura 2 - Forma de onda de um sinal periódico de tempo contínuo
Sinal de Tempo Contínuo

1
0.8
0.6
0.4
0.2
-0.2
-0.4
-0.6
-0.8
-1
0 0.005 0.01 0.015 0.02 0.025 0.03 0.035 0.04
B. Sinais de Tempo Discreto

Um sinal x n é periódico se satisfaz a condição:
IPUC Página 20
x ( n )  x ( n  N ) , n   , N   * (10)
O menor valor de N inteiro que satisfaz a expressão (10) é chamado período fundamental

do sinal discreto x n . A frequência angular ou frequência fundamental é:
2
  (rad/amostra) (11)
N
Figura 3 - Forma de onda de um sinal periódico de tempo discreto
Sinal de Tempo Discreto

1
0.8
0.6
0.4
0.2
-0.2
-0.4
-0.6
-0.8
-1
5 10 15 20 25 30 35 40

A. Um sinal discreto é descrito por:
x[ n ]  sen (0, 5n )
I. Plote este sinal para 20  n  20 ;

II. Este sinal é periódico? Se for qual o período fundamental?
III. Repita I e II para o sinal:
x[ n ]  sen (0, 5 n )
Solução
Script MATLAB®
IPUC Página 21
%=====================================================================
% PUC MINAS - IPUC
%=====================================================================
%
% LAB 3 - Sinais Periódicos
%
%=====================================================================
%
% Ajuste interface
%
%=====================================================================

clear all; % % Remove todas as variáveis ativas no MATLAB®
%=====================================================================
n = -20:0.1:20;
y = sin(0.5*n);
%=====================================================================
figure(1)
stem(y,'LineWidth',2);axis([1 41 -1 1])
title('y = sin(0.5*n)')
grid on
%=====================================================================
Figura(s)
y = sin(0.5*n)
1
0.8
0.6
0.4
0.2
-0.2
-0.4
-0.6
-0.8
-1
5 10 15 20 25 30 35 40
B. Um sinal contínuo é descrito por:
IPUC Página 22
x (t )  sen (2 ft )
Onde f = 60 Hz e o sinal é amostrando amostrado com uma frequência fa = 1000 Hz.
I. Plote este sinal para 0  t  0.1 ;

II. Este sinal é periódico? Se for, qual o período fundamental?
III. Repita I e II para uma frequência de amostragem fa = 300π.
 
C. Elabore o gráfico da função g n :
g [ n ]  2 cos(9 n / 4)  3 sen (6 n / 5),  50  n  50
Com base no gráfico determine o período fundamental. Investigue diferentes escalas de

tempo.
IPUC Página 23
4. Convolução Linear Discreta
Um sistema discreto é definido, matematicamente, como uma transformação ou um

operador 𝐻 que mapeia uma sequência de entrada 𝑥[𝑛] em uma sequência de saída 𝑦[𝑛], ou
seja, (OPPENHEIM; SCHAFER, 2010):
y[n]  H  x[n] (12)
“Se um sistema atende às propriedades da linearidade (teorema da superposição) e invariância

no tempo (qualquer deslocamento sobre o sinal de entrada implica em um mesmo
deslocamento no sinal de saída), então o sistema é denominado linear e invariante no tempo
(SLIT) e poderá ser completamente caracterizado por sua Resposta ao Impulso!”
x[n]    x[3] [n  3]  x[2] [n  2]  x[1] [n 1]

(13)
 x[0] [n]  x[1] [n 1]  x[2] [n  2]  x[3] [n  3] 
onde n é o instante da aquisição da amostra e T é o intervalo de amostragem, por facilidade,

considerado igual a 1. Por exemplo:
 x[3] [n  3]  x[n], n  3T


 x[0] [n]  x[n], n  0
 x[3] [n  3]  x[n], n  3T

Assim, genericamente, um sinal discreto qualquer pode ser expresso como sequência de
impulsos deslocados no tempo e amplitude 𝑥[𝑘], em 𝑛 = 𝑘:

x[n]   x[k] [n  k]
k 
(14)
 
Tomando-se a expressão (14) e indicando h n  k ou ℎ [𝑛] como a resposta do sistema ao
impulso aplicado à entrada 𝛿[𝑛 − 𝑘], em 𝑛 = 𝑘, a saída do SLIT poderá ser calculada conforme
a seguinte expressão:
  
y[n]  H   x[k ] [n  k ]
k  

y[n]   x[k ]H  [n  k ]
k 
(15)

y[n]   x[k ]h [n]
k 
k
IPUC Página 24
Figura 4 - Sistema Discreto representado pelo operador H{}.
𝑦[𝑛] = 𝑥[𝑘]𝐻{𝛿[𝑛 − 𝑘]}
𝑦[𝑛] = 𝑥[𝑘]ℎ[𝑛 − 𝑘] = 𝑥[𝑛 − 𝑘]ℎ[𝑘] = 𝑥[𝑛] ∗ ℎ[𝑛]
Observação importante: O objetivo dessa prática trata, principalmente, da aplicação da função

“conv” para o cálculo da saída de um sistema discreto dinâmico a partir do conhecimento do
sinal de entrada e da resposta ao impulso. Inicialmente, será apresentado um exemplo que
ilustra o método gráfico utilizado manualmente para a solução do problema.
Demonstração do método gráfico para o cálculo da convolução:
O exemplo a seguir tem como objetivo ilustrar a aplicação do método gráfico para o cálculo
manual da saída de um SLIT discreto cuja resposta ao impulso e sinal de excitação são dados a
seguir:
3, n  1
 2, n  0

h[n]  
 1, n  1
 0, c.c.
 4, n  0
 3, n  1

x[n]  
2, n  2
 0, c.c.
Solução
Script MATLAB®
%=====================================================================
% PUC MINAS - IPUC
%=====================================================================
%
% LAB 4 – Ilustração do Método Gráfico
%=====================================================================
%
IPUC Página 25
% Ajuste interface
%
%=====================================================================

%=====================================================================
% Parte 1
n1 = -1:1;
h = [-3 2 1];
fprintf('Pressione qualquer tecla para visualizar a Resposta ao

Impulso: \n')
pause
figure(1)
stem(n1,h,'LineWidth',2); axis([-4 6 -3 3])
title('Resposta ao Impulso h[n]');
xlabel('Amostras'); ylabel('Amplitude')
fprintf('Pressione qualquer tecla para visualizar o Sinal de

Excitação: \n')
pause
%=====================================================================
% Parte 2
n2 = 0:2;
x = [4 3 -2];
figure(2)
stem(n2,x,'r','LineWidth',2); axis([-4 6 -3 4])
title('Sinal de Excitação x[n]')
%=====================================================================
%Parte 3
fprintf('Pressione qualquer tecla para a Resposta ao Impulso
espelhada: \n')
pause
hespelhado = [1 2 -3];
figure(3)
stem(n1,hespelhado,'LineWidth',2); axis([-4 6 -3 3])
title('Resposta ao Impulso h[n] espelhada')
%=====================================================================
%Parte 4
fprintf('Pressione qualquer tecla para visualizar os deslocamentos
sucessivos entre os sinais. \n')
fprintf('Os resultados parciais da convolução serão a soma dos
produtos, ponto a ponto, dos impulsos. \n')
pause
%=====================================================================
% Parte 5
for(i=0:6)
n1 = -3:-1;
IPUC Página 26
n1 = n1+i;
figure(4)
stem(n1,hespelhado,'LineWidth',2)
hold on
stem(n2,x,'r','LineWidth',2); axis([-4 6 -3 4])
if i==0
title('y[n]=0')
elseif i==1
title('y[n]=-12')
elseif i==2
title('y[n]=-1')
elseif i==3
title('y[n]=16')
elseif i==4
title('y[n]=-1')
elseif i==5
title('y[n]=-2')
else
title('y[n]=0 ')
end;
pause
close all
end
%=====================================================================
%Parte 6
fprintf('Pressione qualquer tecla para o gráfico resultante da saída

y[n]: \n')
pause
saida = [0 -12 -1 16 -1 -2 0];
figure(5)
stem(saida,'LineWidth',2); %axis([-4 6 -12 4])
title('Saida y[n] resultante')
Sinal h[n]
3
-1
-2
-3
-4 -3 -2 -1 0 1 2 3 4 5 6
IPUC Página 27
Atividade Prática
A. Considere os sinais 𝑥[𝑛] e ℎ[𝑛]

A.1 – Construa os gráficos dos sinais x[ n ] e h[ n ] , sincronizados no tempo.
A.2
B. Considere os sinais x[n] e h[n]:
 1, 0  n  15
x[ n ]  u [ n ]  u [ n  16]  
 0, caso contrário
  2n , 4  n  0
1h [ n]  2 n
 u [ n  4]  u [ n  1]  
 0, caso contrário
h[n]  h1[n]  h2[n]  
  0.5n , 0  n  4
h
 2 [ n ]  0.5 n
 u[ n]  u [ n  5]  

 0, caso contrário
Lembrando:
1, 𝑛 ≥ −4
𝑢[𝑛 + 4] =
0, 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟á𝑟𝑖𝑜
1, 𝑛≥1
𝑢[𝑛 − 1] =
1, −4 ≤ 𝑛 ≤ 0
𝑢[𝑛 − 4] − 𝑢[𝑛 − 1] =
B.1 – Construa os gráficos dos sinais x[ n ] , h1 [ n ] , h 2 [ n ] e h[ n ] , sincronizados no tempo.
B.2 – Resolver a convolução x[n]*h[n] usando a função conv disponível no MATLAB®. Construa
o gráfico do sinal de saída y[n].
B.2 – Interprete os resultados obtidos.
C. Considere os sinais discretos h[n] = [-1 1 2 1], onde h[n] é a resposta ao impulso do
sistema H, e x[n] é um sinal senoidal com amplitude máxima e frequência iguais 10V e
100Hz, respectivamente. Construa os gráficos dos sinais x[n], h[n] e y[n]. Interprete.
h[ n ]  [ 11 2 1]
t  0 : 0.001: 0.5
Vm  10;
f  100;
x  Vm sin(2 ft )
IPUC Página 28
C.1 – Faça a interpretação do sinal de saída.
C.2 – O que ocorrerá se os valores da resposta ao impulso forem multiplicados por um valor
escalar?
IPUC Página 29
5. Sistemas no Domínio S
A Transformada de Laplace é, basicamente, um método dedicado à solução de equações

diferenciais lineares, dentre outros (OGATA,2003). Operações como diferenciação e integração
podem ser substituídas por operações algébricas no plano complexo, também chamado de
Plano s. Assim, uma equação diferencial linear pode ser transformada em uma equação linear
algébrica, função de uma variável complexa s (HAYKIN e VAN VEEN, 2001):
s    j
e  cos    j sin  
j
Se considerarmos uma exponencial complexa e st ,
e st  e 
  j t
 e t e j t
,
 e t  cos  t   j sin  t  
 e t cos  t   je t sin  t 
então as parcelas real e imaginária de e st são, respectivamente, um cosseno e um seno

exponencialmente amortecidos.
A Transformada de Laplace de uma função f ( t ) , no domínio do tempo contínuo, é

definida como:

L [ f (t )]  F ( s)   f (t )e st dt (9)

Um sistema pode ser facilmente modelado por uma função de transferência
G (s) = L  g (t )e  st
dt que relaciona algebricamente as transformadas de Laplace dos sinais

de saída Y ( s ) e entrada X ( s ) , conforme equação 20,
Y ( s)
G(s)  (10)
X (s)
Esta abordagem ainda permite a modelagem do sistema através de um diagrama de

blocos, relacionando a entrada, o sistema e saída, conforme a figura 6.
IPUC Página 30
Figura 5 - Representação por diagrama de blocos
Fonte: Arquivo Pessoal
Um dos requisitos básicos para a análise e projeto de um sistema de controle é determinar

a resposta no domínio do tempo desse sistema a uma dada entrada. Desta maneira, geralmente
são selecionadas entradas para teste padronizadas para verificação da resposta e se os
requisitos de desempenho podem ser alcançados através de um simples ajuste nos parâmetros
do sistema. Estas entradas de teste são mostradas na tabela 2 (NISE, 2002).
Tabela 2 - Sinais de Teste Usados em Sistemas de Controle
Entrada Função Gráfico Uso

f(t)
Modelagem de Resposta
Impulso  (t )
Transitória
t
f(t)
Resposta transitória;
Degrau u (t ) Erro de Estado
Estacionário
t
f(t)
Erro de Estado
Rampa tu (t )
Estacionário
t
f(t)
Resposta transitória;
Senóide sen (  t ) Erro de Estado
t
Estacionário
Fonte: Nise (2002).
IPUC Página 31

A. Seja o sistema M(s) um motor CC controlador pela corrente de campo, cuja função de
transferência é dada por:
 ( s) Km
M (s)  
Va (s) s( Js  b)( L f s  R f )
Onde,
  ( s) : Ângulo de rotação;
 Va (s) : Tensão de armadura;
 K m : Constante de torque do motor;
 J: Inércia;
 b: Coeficiente de atrito viscoso;
 Lf : Indutância de campo;
 Rf : Resistência de campo.
Os valores dos parâmetros são fornecidos na Tabela 3.
Tabela 3 - Parâmetros do motor CC
Parâmetros Valores
Constante de torque do motor 5 N.m/A
Inércia 1 N.m.s2 / rad
Coeficiente de atrito viscoso 20 kg /m /s
Indutância de campo 1 mH
Resistência de campo 1Ω
Implemente um script que plote:
I. A resposta do sistema quando submetido a um degrau unitário na entrada;

II. A resposta do sistema quando submetido a um impulso unitário na entrada;
III. Calcule a saída do sistema em resposta a uma entrada x(t) senoidal com frequência 5Hz
amostrada com ta=0.01 durante 1 segundo.
Solução
Script MATLAB®
%=====================================================================
% PUC MINAS - IPUC
%=====================================================================
%
% LAB 5a - Sistemas no Domínio S
IPUC Página 32
%
%=====================================================================
%
% Ajuste interface
%
%=====================================================================

%=====================================================================
s = tf('s')
Km = 5;
J = 1;
b = 20;
Lf = 1;
Rf = 1;
f = 5;
t=0:0.01:1;
y = sin(2*pi*f*t);
M = Km/(s*(J*s+b)*(Lf*s+Rf))
%=====================================================================
figure(1)
step(M)
title('Resposta ao Degrau')
grid on
figure(2)
impulse(M)
title('Resposta ao Impulso')
grid on
figure(3)
lsim(M,y,t)
title('Resposta à Senoide')
grid on
%=====================================================================
Figura(s)
IPUC Página 33
Resposta ao Degrau
8000
7000
6000
5000
Amplitude
4000
3000
2000
1000
0
0 0.5 1 1.5 2 2.5 3
Time (seconds) 4
x 10
Resposta ao Impulso Resposta à Senoide

0.25 1
0.8
0.2 0.6
0.4
0.15 0.2
Amplitude
Amplitude
0.1 -0.2
-0.4
0.05 -0.6
-0.8
0 -1
0 1 2 3 4 5 6 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Time (seconds) Time (seconds)
B. O diagrama de blocos mostrado abaixo representa um sistema térmico com malha de

realimentação unitária. Com base na função de transferência em malha aberta (FTMA),
determine a constante de tempo (Tc), o tempo de assentamento (Ts) e erro de estado
estacionário para uma entrada em degrau unitário. Compare estes resultados com
aqueles obtidos para o sistema em malha fechada (FTMF).
- Definir constante de tempo, tempo de acomodação (ou assentamento) e erro em regime

estacionário para sistemas de 1ª ordem e 2ª ordem.
Função de Transferência em malha aberta:
IPUC Página 34
0,01665
G (s) 
s  0,002299
Função de Transferência em malha aberta:
G s
T (s) 
s  G s
FTMA FTMF
Tc
Ts
Erro
C. Considere o acréscimo de um controlador proporcional (KP) para melhorar a resposta

do sistema. Determine o valor de KP de modo que o erro de estado estacionário seja de
1%, considerando a entrada degrau unitário.
IPUC Página 35
6. Lugar das Raízes e Diagramas de Bode
6.1 Método do Lugar das Raízes
Seja o diagrama de blocos de um sistema em malha fechada:
+_ G(s)
H(s)
A função de transferência em malha fechada (FTMF) é dada por:
𝐺(𝑠)
𝐹𝑇𝑀𝐹 =
1 + 𝐺(𝑠)𝐻(𝑠)
e a função de transferência em malha aberta (FTMA) é dada por:
𝐹𝑇𝑀𝐴 = 𝐺(𝑠)𝐻(𝑠)
As raízes do denominador da FTMF são os polos do sistema. As raízes do numerador da

FTMF são os zeros. Em um sistema, o número de polos é igual ao número de zeros. Desta forma,
a FTMF pode ser escrita como:
(𝑠 + 𝑧 )(𝑠 + 𝑧 ) ⋯ (𝑠 + 𝑧 )
𝐹𝑇𝑀𝐹 =
(𝑠 + 𝑝 )(𝑠 + 𝑝 ) ⋯ (𝑠 + 𝑝 )
A equação característica é obtida, igualando o denominador da FTMF a zero, como segue:
1 + 𝐺(𝑠)𝐻(𝑠) = 0
Adicionando um ganho K a G  s  H  s  , a equação característica pode ser reescrita na

forma:
(𝑠 + 𝑧 )(𝑠 + 𝑧 ) ⋯ (𝑠 + 𝑧 )
1+𝐾 =0
(𝑠 + 𝑝 )(𝑠 + 𝑝 ) ⋯ (𝑠 + 𝑝 )
O Lugar das Raízes do sistema é a trajetória descrita pelos polos em malha fechada,
quando o ganho K varia de 0a  .
IPUC Página 36
O traçado do Lugar das Raízes permite analisar a estabilidade de um sistema em malha

fechada a partir do posicionamento de suas raízes em malha aberta, no plano s, conforme
mostrado a seguir:
Root Locus
1
0.8
0.6
0.4
Imaginary Axis (seconds-1)
0.2
Semiplano Semiplano
0
-0.2
Estável Instável
-0.4
-0.6
-0.8
-1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
-1
Real Axis (seconds )
Análise da estabilidade de um sistema em malha fechada a partir de seu Lugar das Raízes
malha aberta
O semiplano esquerdo do plano s é denominado região estável.
O semiplano direito do plano s é denominado região instável.
A região de fronteira entre os semiplanos é denominada do limiar de instabilidade.
Quanto maior a componente imaginária, maior é a oscilação da resposta.
O comando MATLAB® usado para plotar o Lugar das Raízes utiliza o numerador e o
denominador da FTMA:
𝑟𝑙𝑜𝑐𝑢𝑠(𝑛𝑢𝑚, 𝑑𝑒𝑛)
Caso queira-se plotar o lugar das raízes para um vetor ganho específico K , utiliza-se a
forma:
𝑟𝑙𝑜𝑐𝑢𝑠(𝑛𝑢𝑚, 𝑑𝑒𝑛, 𝐾)
IPUC Página 37
6.2 Diagramas de Bode
A resposta em frequência de um sistema linear pode ser obtida a partir da aplicação de

uma entrada do tipo senoidal com frequência variável, dentro de uma faixa adequada à análise
do sistema. Para cada valor de frequência obtém-se a amplitude e fase do sinal de saída.
Bode Diagram
0
-20
Magnitude (dB)
-40
-60
-80
0
-45
Phase (deg)
-90
-135
-180
-2 -1 0 1 2
10 10 10 10 10
Frequency (rad/s)
Em sistemas reais, se a entrada x(t) for um sinal senoidal, a saída y(t) em regime
permanente também será um sinal senoidal com a mesma frequência, mas possivelmente o
módulo e o ângulo de fase serão diferentes.
A resposta em frequência é a Transformada de Fourier da resposta ao Impulso do sistema,

fazendo 𝑠 = 𝜎 + 𝑗𝜔 e considerando o fator de amortecimento igual a zero (𝜎 = 0). Desta
forma, temos:
IPUC Página 38
Y ( j)
G( j) 
X ( j)
A partir do diagrama de Bode é possível determinar a Margem de Ganho e a Margem de

Fase do sistema:
Margem de Ganho: é a variação no ganho do sistema, quando a fase é igual a –180º , que
resulta em um sistema marginalmente estável.
Margem de Fase: é a variação no ângulo de fase do sistema, quando o ganho é igual a 0 dB,
que resulta em um sistema marginalmente estável.
Dessa forma, a análise da estabilidade de sistemas de fase não mínima1, pode ser
realizada como segue:
Análise da estabilidade de um sistema em malha fechada a partir de seu diagrama de Bode

de malha aberta
A Margem de Ganho indica quanto o ganho do sistema pode ser aumentado de forma que ele
ainda seja estável em malha fechada.
A Margem de fase indica quanto a fase do sistema pode ser atrasada (na freqüência de
cruzamento de ganho) de forma que o sistema ainda seja estável em malha fechada.
____________________________________________________________________________
1
Um sistema é dito ser de fase Mínima se todos os zeros (ou polos) da Função de
Transferência que o caracterizam estiverem no semiplano esquerdo do plano s.
IPUC Página 39
O comando MATLAB® usado para plotar o Lugar das Raízes utiliza o numerador e o
denominador da FTMA:
𝑏𝑜𝑑𝑒(𝑛𝑢𝑚, 𝑑𝑒𝑛)
Para traçar o diagrama de Bode para uma frequência específica W:
𝑏𝑜𝑑𝑒(𝑛𝑢𝑚, 𝑑𝑒𝑛, 𝑊)
6.3 SISOTOOL
O MATLAB® também possui uma ferramenta de projeto que utiliza o método do Lugar
das Raízes e o Diagrama de Bode, chamada SISOTOOL. Trata-se de uma ferramenta interativa
para análise e projeto de sistemas de controle do tipo SISO (Single Input Single Output) LTI
(Linear Time Invariant).
SISOTOOL utiliza uma arquitetura básica de sistema do tipo:
F(s) +_ C(s) G(s)
H(s)
que pode ser alterada de acordo com a configuração desejada.
É possível ativar a SISOTOOL e configurar os parâmetros no ambiente de projeto ou

declarar as funções F(s), C(s), G(S) e H(S) previamente e ativar o SISOTOOL como segue:
𝑠𝑖𝑠𝑜𝑡𝑜𝑜𝑙 𝐺(𝑠), 𝐶(𝑠), 𝐻(𝑠), 𝐹(𝑠)
A. Dado o diagrama de blocos e respectivas funções, trace o lugar das raízes e o digrama de
bode utilizando os comando rlocus e bode, respectivamente. Analise a estabilidade do sistema.
F(s) +_ C(s) G(s)
H(s)
IPUC Página 40
𝑠+1
𝐹(𝑠) = 1 𝐶(𝑠) = 1 𝐺(𝑠) = 𝐻(𝑠) = 1
𝑠(𝑠 + 2)
%===============================================================
% PUC MINAS - IPUC
%===============================================================
%
% Método do Lugar das Raízes através da função rlocus
%
%===============================================================
clc
clear all
close all
% Equação característica 1+G(s)H(s)=0

% Como H(s)=1 => 1+G(s)=0 => 1+mun/den=0
num=[1 1];
den=conv([1 0],[1 2]);
rlocus(num,den)
figure(2)
bode(num,den)
B. Utilize agora a ferramenta SISOTOOL para resolver a questão A.
%===============================================================
==
% PUC MINAS - IPUC
%===============================================================
==%
% Método do Lugar das Raízes através do SISOTOOL
%
%===============================================================
==
clc
clear all
close all
F=1;
C=1;
G=tf([1 1],conv([1 0],[1 2]));
H=1;
sisotool(G,C,H,F)
Dicas:
No menu da janela que contém o gráfico do lugar das raízes, clique na opção Analysis/Response
to Step Command para obter o gráfico de resposta ao degrau unitário. Clique com o botão direito
do mouse sobre o gráfico da resposta ao degrau, selecione a opção Systems e mantenha apenas
a seleção Closed Loop r to y (blue).
IPUC Página 41
Posicione o mouse sobre os quadrados vermelhos do gráfico do lugar das raízes e movimente-
os. Observe o efeito sobre a resposta ao degrau. Na janela principal Control and Estimation Tools
Manager, verifique na aba Compensator Editor o valor do ganho atribuido à função C(s), que
neste caso, atua como um controlador puramente proporcional.
C. Para o mesmo diagrama da questão A, trace o lugar das raízes e o digrama de Bode
utilizando SISOTOOL, considerando:
1
𝐹(𝑠) = 1 𝐶(𝑠) = 1 𝐺(𝑠) = 𝐻(𝑠) = 1
𝑠 + 12𝑠 + 64𝑠 + 128𝑠
Analise a estabilidade do sistema.
Determine o valor do ganho do controlador para o qual o sistema é marginalmente estável. Para
este valor de ganho, analise a resposta ao degrau.
D. Para o mesmo diagrama da questão A, trace o lugar das raízes e o digrama de Bode
utilizando SISOTOOL, considerando:
(𝑠 + 3)
𝐹(𝑠) = 1 𝐶(𝑠) = 1 𝐺(𝑠) = 𝐻(𝑠) = 1
(𝑠 − 4)(𝑠 − 5)
Analise a estabilidade do sistema.
Determine o valor do ganho do controlador para o qual o coeficiente de amortecimento é 0,707.

Para este valor de ganho, determine o tempo de subida, sobressinal máximo, tempo de
acomodação e o erro em regime permanente.
Dicas:
No gráfico do lugar das raízes, movimente com o mouse os quadrados vermelhos até atingir o
valor próximo ao amortecimento desejado (variável Damping na parte inferior da janela). Neste
mesmo campo, é informada a posição de uma das raízes e a frequência natural de oscilação.
Abra o gráfico da resposta ao degrau. Clique com o botão direito do mouse sobre a área do
gráfico e selecione todas as opções do item Characteristics: Peak response (sobressinal máximo),
Settling Time (tempo de acomodação), Rise Time (tempo de subida) e Steady State (regime
permanente). Os pontos serão indicados com círculos azuis e os valores apresentados ao passar
o mouse sobre os mesmos.
Também é possível definir alguns requisitos de projeto. Para tal, clique com o botão direito do
mouse sobre a área do gráfico do Lugar das Raízes ou do Diagrama de Bode e selecione a opção
Design Requirements/New. Escolha o(s) parâmetro(s) desejado(s) e indique o(s) valor(es).
IPUC Página 42
7. Análise de Sinais usando a Série de Fourier
Conhecendo os coeficientes da Série de Fourier é possível reconstruir um sinal periódico

qualquer:

y(t )  a0   an cos(2 f0nt ) bn sen(2 f0nt ) , para n = 1, 2, 3, 4, 5, ... (11)
n 1
Onde,
 f0: frequência fundamental;

 n: indicativo do enésimo harmônico;
 a0, an, bn: coeficientes.
Para gerar uma onda triangular, considere:
y (t )  a0   an cos(2 f 0 nt )
8
 a0   cos(2 f 0 nt )
 T0  n2
2
1 , para n = 1, 3, 5, 7, ... (12)

 a0  a1n  2 cos(2 f 0 nt )
n
8 1
 a0  2  2 cos(2 f 0 nt )
 T0 n
1 8
bn  0; a0  ; a1n 
T0   T0
2
Para gerar uma onda quadrada, considere:
y(t )  a0   an cos(2 f0nt )

n1
2(1) 2
 a0   cos(2 f0nt ) , para n = 1, 3, 5, 7, ... (13)
n
n1
(1) 2
 a0  a1n  cos(2 f0nt )
n
1 2
bn  0; a0  ; a1 n 
2 
IPUC Página 43
Para gerar uma onda dente de serra, considere:
y(t )  bn sen(2 f0nt )

2(1)(n1)
 sen(2 f0nt ) , para n = 1, 2, 3, 4, ... (14)
n
(1)(n1)
 b1n  sen(2 f0nt )
n
2
a n  0; a 0  0; b1n 


A. Utilize os coeficientes da Série de Fourier para traçar uma onda triangular entre 0 e 3s
com intervalo de amostragem Ta = 0.01s e frequência fundamental fo = 1Hz.
Solução
Script MATLAB®
%=====================================================================
% PUC MINAS - IPUC
%=====================================================================
%
% LAB 7 - Composição de Sinais
%
%=====================================================================
%
% Ajuste interface
%
%=====================================================================

%=====================================================================
A=1;
Ta=0.01;
fa=1/Ta;
t=0:Ta:3;
m = input('Número de harmônicos da série: ');
f0=1;
T0=1/f0;
w0=2*pi*f0;
somatorio=zeros(1,length(t));
pause;
for n=1:2:m;
IPUC Página 44
yatual=(1/(n^2))*cos(n*w0*t); % harmônico atual

yy=yatual + somatorio; % soma anterior + yatual
somatorio=yy; % atualização do somatório
if n==1;
z=[yatual' somatorio'];
elseif n>1;
z=[yatual' somatorio' z];
end;
y=(A/T0) + (A*8/((pi^2)*T0))*z;
figure(1),plot(t,y), grid on;
pause;
end;
figure(2),plot(t,y(:,2)), grid on
%=====================================================================
Figura(s)
1.8
1.6
1.4
1.2
0.8
0.6
0.4
0.2
0
0 0.5 1 1.5 2 2.5 3
B. Utilize os coeficientes da Série de Fourier para traçar uma onda quadrada entre 0 e 3s
com Ta = 0.01s e frequência fundamental fo = 1Hz.
C. Utilize os coeficientes da Série de Fourier para traçar uma onda dente de serra entre 0
e 3s com Ta = 0.01s e frequência fundamental fo = 1Hz.
IPUC Página 45
8. Transformada Rápida de Fourier
Em diversos problemas da engenharia há a necessidade de analisar sistemas no domínio

do tempo discreto, excitados por sinais não periódicos. A representação por Transformada de
Fourier de Tempo Discreto (DTFT) é expressa como:

X  e j    x[n]e  jn
(15)
n 
A notação prática da DTFT é definida por:
N 1
X [k ]   x[n]e j nk / N ,0  k  N 1 (16)
n 0
Em (ROBERTS, 2009) é proposto o seguinte algoritmo para calcular computacionalmente

a DTFT (escrito em script MATLAB®), que implementa as operações realizadas na equação 18:
% Calcular X[k] em um laço de repetição duplo aninhado
for k = 0:N-1
for n = 0:NF-1
X(k+1) = X(k+1) + X(n+1)*exp(-j*2*pi*n*k/N);
end
end
Exemplo: A DTFT e a FFT para um sinal de comprimento 1024 amostras.

DTFT:
No de operações aritméticas = 1024 * 1024 = 1.048.576
Cooley e Tukey (1965): FFT (Fast Fourier Transform):
No de operações aritméticas = 𝑁 log 𝑁 = 1024 𝑥 log 2 = 10.240
O cálculo computacional de uma DTFT utilizando este algoritmo requer N2 operações de

soma e multiplicações complexas. Em 1965, Cooley e Tukey propuseram um algoritmo mais
eficiente em termos computacionais, aplicável a vetores de grandes comprimentos, desde que
representados como potências inteiras de dois. Esse algoritmo é denominado de Transformada
Rápida de Fourier (Fast Fourier Transform - FFT).
Abaixo são destacadas algumas considerações importantes para a aplicação da FFT. Sejam
L e N, respectivamente, os comprimentos do sinal x[ n ] e de sua Transformada de Fourier
(PEIXOTO, 2013):
 Deve-se observar que se L < N, então o sinal x[ n ] deve ser preenchido com zeros até
o comprimento N, adaptando o comprimento da sequência para o cálculo da DFT
(zero-padding);
IPUC Página 46
 Quanto maior é o número de zeros acrescentados a x[ n ] , mais a DFT aproxima-se da

sua Transformada de Fourier. Isto ocorre devido ao maior número de amostras
tomadas no intervalo;
 A quantidade de zeros no preenchimento depende da complexidade aritmética
permitida pela aplicação desejada, pois quanto maior o número de zeros maiores os
requisitos computacionais e de memória envolvidos.

A. O sinal y(t) é a soma de dois sinais senoidais, o primeiro com amplitude de 0,7 e
frequência de 50Hz e o segundo com amplitude 1 e frequência de 120Hz. Usando o
MATLAB®, calcule a FFT do sinal y(t) para uma frequência de amostragem igual a 1kHz.
Além disso, plote as figuras do sinal y(t) e da sua FFT.
y  0, 7 sen (2 50 t )  sen (2 120 t )
Solução
Script MATLAB®
%=====================================================================
% PUC MINAS - IPUC
%=====================================================================
%
% LAB 8 - Transformada Rápida de Fourier
%
%=====================================================================
%
% Ajuste interface
%
%=====================================================================

%=====================================================================
Fs = 1000; % Frequência de amostragem

T = 1/Fs; % Período de amostragem
L = 1000; % Comprimento do sinal
t = (0:L-1)*T; % Vetor de tempo
% Soma de uma senoide de 50 Hz e uma senoide de 120 Hz

y = 0.7*sin(2*pi*50*t) + sin(2*pi*120*t);
NFFT = 2^nextpow2(L); % Calcula a potência de 2 mais próxima do

% comprimento do vetor y
Y = fft(y,NFFT)/L; % Calcula a FFT
IPUC Página 47
f = Fs/2*linspace(0,1,NFFT/2+1);
%=====================================================================
% Plotando figuras
% Sinal y
figure(1)
subplot(2,1,1)
plot(Fs*t(1:50),y(1:50))
title('Sinal y(t)')
xlabel('Tempo (milisegundos)')
% Espectro de Amplitude de y(t)

subplot(2,1,2)
plot(f,2*abs(Y(1:NFFT/2+1)))
title('Espectro de Amplitude de y(t)')
xlabel('Frequência (Hz)')
ylabel('|Y(f)|')
%=====================================================================
Figura(s)
B. O sinal z(t) é a soma de dois sinais senoidais (y(t) e x(t)). Usando o MATLAB®, calcule a
FFT do sinal y(t) para uma frequência de amostragem igual a 1kHz. Além disso, plote as
figuras do sinal y(t) e da sua FFT.
 y (t )  1,15Vm  sen ( t )

z (t )  y (t )  x (t )  Vm
 x (t )  6  sen (3 t )
Considere:
 Vm = 10;
 f = 60.
IPUC Página 48
9. Síntese de Sinais usando a Transformada Rápida Inversa de

Fourier
As equações 29 e 30 constituem o Par de Transformadas de Fourier no tempo contínuo,

que permitem a mudança do domínio do tempo para o domínio da frequência e vice-versa,
conforme ilustra a figura 6. A função X(jω) é definida como Transformada de Fourier e a função
x(t), a Transformada Inversa de Fourier (OPPENHEIM; WILLSKY, 2010).

X ( j )   x(t )e
 jt
dt (29)


1
 X ( j )e d
j t
x (t )  (30)
2 
Figura 6 - Relação entre FFT e IFFT.

A. O sinal y(t) é a soma de dois sinais senoidais (z(t) e x(t)). Usando o MATLAB®, calcule a
FFT do sinal y(t) para uma frequência de amostragem igual a 1kHz. Além disso, calcule
da IFFT para recuperar o sinal a partir das componentes geradas pelo cálculo da FFT.
 z (t )  A1 sen (2 f1t )

y (t )  z (t )  x (t ) 
 x (t )  A2 sen (2 f 2 t )
Considere:
IPUC Página 49
 A1 = 0,7;
 A2 = 1;
 f1 = 25;
 f2 = 60.
Solução
Script MATLAB®
%=====================================================================
% PUC MINAS - IPUC
%=====================================================================
%
% LAB 9 - Transformada Rápida Inversa de Fourier
%
%=====================================================================
%
% Ajuste interface
%
%=====================================================================

%=====================================================================

T = 1/Fs; % Período de amostragem
L = 1024; % Comprimento do sinal
t = (0:L-1)*T; % Vetor de tempo
f1 = 25; % frequência 1
f2 = 60; % frequência 2
A1 = 0.7; % amplitude 1
A2 = 1; % amplitude 2
% PARTE 1
% Soma de uma senoide de 6 Hz e uma senoide de 20 Hz
y = A1*sin(2*pi*f1*t) + A2*sin(2*pi*f2*t);
%PARTE 2
NFFT = 2^nextpow2(L); % Calcula a potência de 2 mais próxima do
% comprimento do vetor y
Y = fft(y,NFFT)/L; % Calcula a FFT
f = Fs/2*linspace(0,1,NFFT/2+1);
%PARTE 3
w = (-NFFT/2:NFFT/2-1)*(Fs/NFFT); % intervalo de frequência
centralizado
Yshift = fftshift(Y);
IPUC Página 50
% PARTE 4
yf = ifft(fftshift(Yshift));
%=====================================================================
% Plotando figuras
% Sinal y
figure(1)
subplot(2,1,1)
plot(t,y),title('Onda senoidal 25Hz + 60Hz');axis([0 0.4 -2 2])
grid on
xlabel('Tempo (s)')
ylabel('y(t)')
% Espectro de Amplitude de y(t)
subplot(2,1,2)
plot(t,y,'r'),title('Sinal com Ruido')
grid on
plot(f,2*abs(Y(1:NFFT/2+1)))
title('Espectro de Amplitude de y(t)')
ylabel('|Y(f)|')
figure(2)
plot(w,2*abs(Yshift));
grid on
ylabel('Amplitude')
title('FFT centralizada')
figure(3)
subplot(2,1,1)
plot(t,NFFT*real(yf));axis([0 0.4 -2 2])
title('Sinal Recuperado a partir das Componentes Geradas pela FFT')
grid on
xlabel('Tempo (s)')
ylabel('y(t)')
subplot(2,1,2)
plot(t,y);axis([0 0.4 -2 2])
title('Sinal Original')
grid on
xlabel('Tempo (s)')
ylabel('y(t)')
figure(4)
plot(t,NFFT*real(yf));axis([0 0.4 -2 2])
title('Sinal Recuperado e Sinal Original')
hold on;
ylabel('y(t)')
plot(t,y);%axis([0 0.4 -2 2])
grid on
xlabel('Tempo (s)')
hold off;
%=====================================================================
IPUC Página 51
Figura(s)
Onda senoidal 25Hz + 60Hz

2
y(t)
0
-1
-2
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4
Tempo (s)
Espectro de Amplitude de y(t)
0.8
0.6
|Y(f)|
0.4
0.2
0
0 50 100 150 200 250 300 350 400 450 500
Frequência (Hz)
FFT centralizada Sinal Recuperado a partir das Componentes Geradas pela FFT
0.8 2
0.7 1
y(t)
0
0.6
-1
0.5
-2
Amplitude
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4

0.4 Tempo (s)
Sinal Original
2
0.3
1
0.2
y(t)
0.1 -1
0 -2
-500 -400 -300 -200 -100 0 100 200 300 400 500 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4
Frequência (Hz) Tempo (s)
B. O sinal y(t) é a soma de dois sinais senoidais (w(t), z(t) e x(t)). Usando o MATLAB®, calcule
a FFT do sinal y(t) para uma frequência de amostragem igual a 2kHz. Além disso, calcule
da IFFT para recuperar o sinal a partir das componentes geradas pelo cálculo da FFT.
 z (t )  A1 sen(2 f1t )

y(t )  z (t )  x(t )  w(t )  x(t )  A2 sen(2 f2t )
w( z )  A cos(2 f t )
 3 3
Considere:
 A1 = 0,7;
 A2 = 1;
 A3 = 2;
 f1 = 25;
 f2 = 60;
 f3 = 40.
IPUC Página 52
C. Seja o sinal x(t) amostrado com frequência de amostragem Fs = 10kHz. Considere

f1=200Hz e f2=400Hz. Foram coletados 200 pontos.
x(t)  2  cos(2 f1t)  cos(2 f2t )
Plote:
I. O sinal no domínio do tempo;

II. O sinal no domínio da frequência;
III. A transformada inversa de Fourier.
IPUC Página 53
10. Teorema da Amostragem
De acordo com Oppenheim e Willsky (2010), uma forma de representar a amostragem de

um sinal de tempo contínuo em intervalos regulares é por meio de um trem de impulsos
periódico multiplicado pelo sinal de tempo contínuo x(t) que se deseja amostrar.
xp  x(t) p(t) (17)

Em que, p(t )   (t  nT ) (18)

Desta forma, x p (t ) é um trem de impulsos com amplitudes dos impulsos iguais às

amostras de x (t ) em intervalos espaçados de T :

x p  t    x(nT ) (t  nT ) (19)

De acordo com o Teorema de Nyquist, a frequência de amostragem fS  1 deve ser

T
maior ou igual ao dobro da maior frequência contida no sinal amostrado fm , ou seja, fS  2 fm
Desta forma, o sinal amostrado pode ser reproduzido integralmente sem distorção de aliasing,
conforme é demonstrado na figura 7.
Figura 7 - Amostragem de um sinal contínuo no tempo
Sinal y(t)
20
10
-10
-20
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
4
x 10
Sinal amostrado
20
10
-10
-20
5 10 15 20 25 30 35 40 45
IPUC Página 54
Na prática, como esses impulsos são difíceis de serem gerados e transmitidos, é utilizado
o retentor de ordem zero (zero-order hold - ZOH). Este sistema, mostrado na figura 8, amostra
o sinal x(t) em determinado instante e mantém esse valor durante um intervalo de tempo até a
próxima amostragem. A frequência de amostragem determinada esse intervalo de tempo entre
as amostragens.
Figura 8 - Sistema com retentor de ordem zero
O resultado desse processo é mostrado na figura 9, onde um sinal senoidal x(t), com
frequência de 50 Hz, é amostrado a uma taxa de 500 Hz, gerando o sinal xp(t).
Figura 9 - Amostragem utilizando o retentor de ordem zero.
Para digitalizar um sinal, precisamos de uma base de tempo e um conversor analógico

digital (analog-to-digital converter - ADC), que fornece uma aproximação digital do sinal original,
conforme figura 8. Essa aproximação digital é registrada em N–bits. A base de tempo determina
a velocidade como que podemos amostrar a forma de onda e varia mais com o tipo de ADC. É
possível ter uma resolução de 24 bits e frequências de 1 GHz, mas não simultaneamente. Em
geral, quanto maior for o número de bits, mais lento o dispositivo.
IPUC Página 55
Figura 10 - Conversor analógico-digital.
Nos microcontroladores, após o processo de conversão do ADC, as aproximações digitais

de N-bits são armazenadas temporariamente na memória RAM do dispositivo. O bit mais
significativo (MSB) é o que registra a maior variação de tensão, e o bit menos significativo (LSB)
registra a menor variação de tensão.

A. Considere o sinal x(t) , onde f1=20Hz e f2=90Hz.
x(t)  20sen(2 f1t) 10sen(2 f2t)
Plote:
I. O sinal x(t) no domínio do tempo;

II. O sinal x(t) com frequência de amostragem Fs = 300 Hz;
III. O sinal x(t) com frequência de amostragem Fs = 600 Hz;
IV. O sinal x(t) com frequência de amostragem Fs = 1200 Hz.
Análise e compare os resultados obtidos para as diferentes frequências de amostragem.
Solução
IPUC Página 56
Script MATLAB®
%=====================================================================
% PUC MINAS - Engenharia Elétrica
%=====================================================================
%
% LAB 10 - Transformada Rápida de Fourier
%
%=====================================================================
%
% Ajuste interface
%
%=====================================================================

%=====================================================================

Tamost = 1/Fs; % Período de amostragem
dt = 1e-6;
amost = 0;
f1 = 20;
f2 = 70;
temp = [];
sinal_cont = [];
amost_Z = [];
t_cont = [];
for(t=0:dt:0.05)
X = 20*sin(2*pi*f1*t);
Y = 10*sin(2*pi*f2*t);
Z = X + Y;
if t>=amost;
amost = amost + Tamost;
temp = [temp; t];
amost_Z = [amost_Z; Z];
end
sinal_cont = [sinal_cont; Z];

t_cont = [t_cont, t];
end
%=====================================================================
% Plotando figuras
% Sinal y
figure(1)
plot(t_cont,sinal_cont,'LineWidth',2);
title('Sinal x(t)')
IPUC Página 57
grid on
% Sinal Amostrado
figure(2)
plot(amost_Z,'LineWidth',2); axis([1 15 -30 30])
title('Sinal Amostrado - Fs = 1200')
hold on
stem(amost_Z, 'r'); axis([1 15 -30 30])
grid on
%=====================================================================
Figura(s)
Sinal x(t) Sinal Amostrado - Fs = 300

30 30
20 20
10 10
0 0
-10 -10
-20 -20
-30 -30
0 0.005 0.01 0.015 0.02 0.025 0.03 0.035 0.04 0.045 0.05 2 4 6 8 10 12 14
Sinal Amostrado - Fs = 600 Sinal Amostrado - Fs = 1200

30 30
20 20
10 10
0 0
-10 -10
-20 -20
-30 -30
5 10 15 20 25 30 10 20 30 40 50 60
B. Considere o sinal x(t) , onde f1=50Hz.
x(t) 10sen(2 f1t)
Implemente no Simulink um modelo de simulação e plote:
I. O sinal x(t) no domínio do tempo;

II. O sinal x(t) com frequência de amostragem Fs = 200 Hz;
III. O sinal x(t) com frequência de amostragem Fs = 1000 Hz;
IPUC Página 58
IPUC Página 59
Command Window
>> plot(sinal(:,1),sinal(:,2))
>> hold on
>> plot(sinal(:,1),sinal(:,3),'r')
0.8
0.6
0.4
0.2
-0.2
-0.4
-0.6
-0.8
-1
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1
IPUC Página 60
C. Considere o sinal y(t):
 z (t )  A1  sen (2 f1t )

y (t )  z (t )  x (t ) 
 x (t )  A2  sen (2 f 2 t )
Onde:
 A1 = 0,7;
 A2 = 1;
 f1 = 25;
 f2 = 60.
Plote:
I. O sinal y(t) no domínio do tempo;

II. O sinal y(t) com frequência de amostragem Fs = 180 Hz;
III. O sinal y(t) com frequência de amostragem Fs = 300 Hz;
IV. O sinal y(t) com frequência de amostragem Fs = 600 Hz.
Calcule a FFT e compare os resultados obtidos para as diferentes frequências de

amostragem.
IPUC Página 61
11. Restauração de um Sinal Analógico
De acordo com a teoria de Fourier, qualquer sinal pode ser decomposto em uma soma
infinita de harmônicos em frequências múltiplas inteiras da frequência fundamental. Desta
forma, a Série de Fourier pode ser utilizada para representar um sinal de onda quadrada, como
o sinal proveniente da modulação por largura de pulso (PWM - pulse width modulation). Este
processo pode ser simplificado, colocando, criteriosamente, o sinal centrado na origem (t = 0)
com a mesma simetria para que o mesmo se torne uma função matemática, conforme é
mostrado na figura 13.
Figura 11 - Representação de um sinal PWM.
Fonte: ALTER (2014).
Na figura 13, p denota o ciclo de trabalho (0 ≤ p ≤ 1) do sinal PWM e o T denota o período

em segundos.
A representação através da Série de Fourier de qualquer função periódica pode ser

calculada da seguinte forma:

 2 nt   2 nt 
f (t )  a0   an cos   bn sen   (20)
n1  T   T 
Onde,
1 T
a0 
2T 
T
f (t ) dt (21)
1 T  2 nt 
2T T
an  f (t )cos   dt (22)
 T 
1 T  2 nt 
bn  
2T T
f (t )sen 
 T 
 dt (23)
IPUC Página 62
Considerando que K denote a amplitude do sinal f(t) representado na figura 13, são
obtidos os seguintes resultados após realizar as integrais 35 a 37:
a0  K  p
1
an  K  sen( n p )   sen (2 n (1  p / 2)) (24)
n
bn  0
A componente a0 corresponde à parcela CC do sinal e é igual à amplitude do sinal PWM

multiplicado pelo ciclo de trabalho. Supondo que este seja o sinal desejável na saída, ao
selecionar o ciclo de trabalho adequado, a tensão de saída pode ser obtida dentro do intervalo
de 0 a K Volts. O termo an representa a amplitude das componentes harmônicas de alta
frequência do sinal PWM, o qual são multiplas inteiras da frequência PWM (2π/T).
Desta forma, para a obtenção da componente contínua de tensão gerada pelo forma de
onda PWM, é necessário que este seja aplicado a um filtro do tipo passa-baixas (LPF – low pass-
frequency), conforme a figura 14. Nesse tipo de sistema, a frequência de corte deve ser calculada
para eliminar as componentes harmônicas de alta frequência, diminuindo ao máximo a
ondulação do sinal resultante.
Figura 12 - Processo de filtragem do sinal PWM com filtro passa-baixas.
Fonte: NISARGA (2014).

A. Os circuitos integrados dedicados a geração de sinais PWM são amplamente utilizados
em fontes chaveadas e sistemas de controle de motores CC. O funcionamento do CI
SG3524, cujo diagrama de blocos é mostrado na figura seguinte, consiste basicamente
na geração de um sinal PWM a partir da comparação de uma onda dente-de-serra com
um sinal de referência (geralmente, um sinal de tensão contínua).
O gerador de onda dente de serra tem sua frequência determinada por um par RC
conectado externamente, através dos pinos 6 e 7. O limite usual é de 500kHz. A rampa
gerada tem uma excursão de aproximadamente 2,5V. Conforme a figura abaixo, o
comparador PWM tem uma entrada (positiva) proveniente deste gerador de rampa e a
outra pode ser fornecida pelo amplificador de erro da tensão de saída ou pelo limitador
de corrente da saída (POMILIO, 2014).
IPUC Página 63
Implemente no Simulink um modelo que gere um sinal PWM a partir da comparação de

uma sinal dente-de-serra com um valor de referência constante. Além disso, projete um
filtro passa-baixas de primeira ordem, que deverá ser conectado na saída deste sistema,
para obter a componente CC do sinal PWM.
Solução
IPUC Página 64
12. Filtro Digital FIR
Os filtros digitais são utilizados em diversas aplicações da área de processamento de

sinais, como a eliminação de ruídos, reconhecimento de voz, compressão de sinais, tratamento
de imagens, etc.
Suas aplicações mais comuns referem-se à filtragem seletiva de frequências, onde são
realizadas operações para a eliminação/restauração de parcelas do espectro de frequência dos
sinais de interesse. Essas operações podem também ser realizadas por filtros analógicos, porém
a flexibilidade e capacidade de parametrização aliada ao aumento da disponibilidade e redução
de custos tem fortalecido, cada vez mais, o desenvolvimento por meio dos recursos digitais
programáveis.
O processo de filtragem digital de sinais pode ser resumido conforme o diagrama em

blocos da figura 16. O bloco A/D converte o sinal no domínio do tempo contínuo x(t) em uma
sequência discreta x[n]. O filtro digital processa a sequência x[n], resultando em uma sequência
y[n], que representa o sinal filtrado na forma digital. Este sinal é então, novamente, convertido
em um sinal no domínio do tempo contínuo por um conversor D/A e reconstruído através de
um filtro passabaixas, resultando no sinal y(t) (HAYKIN; VAN VEEN, 2001).
Figura 13 - Esquema do processo de filtragem de sinais
Os filtros digitais podem ser classificados como FIR (Resposta ao Impulso Finita) ou IIR
(Resposta ao Impulso Infinita), em ambos os casos, implementados por meio de equações
lineares de diferenças com coeficientes constantes, conforme a expressão (33).
M N
y  n    bl x  n  l    ak y  n  k 
l 0 k 1 (33)
     
Parcela não Parcela Recursiva
recursiva
 
Estrutura FIR

Estrutura IIR
O projeto de um filtro digital, assim como na metodologia aplicável aos filtros analógicos,
resume-se a aproximar a Resposta em Módulo desejada. No caso dos filtros digitais, por meio
do cálculo adequado dos coeficientes da equação de diferenças.
IPUC Página 65
Os filtros FIR são de natureza não recursiva (dependem apenas do valor atual e/ou
passados da entrada) e intrinsecamente estável (não contêm polos). A função de transferência
de um filtro digital FIR é um polinômio em z  1 , com a seguinte relação entrada/saída:
Y ( z) M
H ( z)    hl z 1 (34)
X ( z ) l 0
O filtro FIR apresenta as seguintes características (YNOGUTY, 2010):
 Possuem desempenho dependente do comprimento do filtro;

 Memória finita, portanto, qualquer transitório tem duração limitada;
 São sempre BIBO estáveis;
 Possibilitam uma resposta em módulo desejada com resposta em fase linear.
12.1 Projeto de Filtros
No projeto de um filtro, três fases precisam ser cumpridas:
 Especificação das propriedades desejadas para o sistema, determinada pela aplicação;

 A aproximação das especificações usando um sistema causal discreto no tempo;
 A implementação do sistema através da transcrição do projeto para hardware ou
software.
Um filtro passa-baixa ideal permite a passagem de todas as componentes de frequência

que se situam dentro da faixa de passagem, sem nenhuma distorção, e rejeita todos os
componentes de frequência que se situam dentro da faixa de rejeição, como pode ser visto na
figura 16. A transição da faixa de passagem para a faixa de rejeição é abrupta (HAYKIN; VAN
VEEN, 2001).
Figura 14 - Resposta em frequência de um filtro passa baixas ideal
IPUC Página 66
Em termos práticos, não é possível implementar este tipo de filtro. Portanto, é preciso
considerar um nível de distorção, permitindo desvios destas condições ideais:
 Dentro da faixa de passagem ( 0    p ), a resposta em módulo do filtro deve

situar-se entre 1 e 1:
1 H ( j)  1 (25)
Em que p é a frequência de corte da faixa de passagem e  é o desvio na faixa de

passagem.
 Dentro da faixa de rejeição (   s ), a resposta em módulo do filtro não deve

ultrapassar o valor de  :
H( j)   (26)
Em que s é a frequência de corte da faixa de rejeição e  é o desvio na faixa de

rejeição.
 A Largura de faixa de transição tem largura finita igual a s p .
A figura 17 apresenta o diagrama de tolerância a partir das especificações listadas acima,

incluído a frequência de corte na faixa de passagem p , a frequência de corte na faixa de
rejeição s , o desvio na faixa de passagem  e o desvio na faixa de rejeição  .
Figura 15 - Diagrama de tolerância de um filtro passa-baixas prático
IPUC Página 67
A etapa seguinte é escolha de uma função de transferência para resolver o problema de

aproximação, a partir de um conjunto de especificações do projeto. A escolha desta função de
transferência determinada o desempenho do filtro. Para este projeto, as funções consideradas
serão da forma polinomial (caso dos filtros não-recursivos). Estes filtros são caracterizados por
uma equação de diferenças na forma:
M
y[n]   hl x(n  l ) (27)
l 0
Onde os coeficientes hl se relacionam diretamente com a resposta ao impulso do

sistema e M denota a ordem do filtro, correspondente a um comprimento de filtro M+1
Aplicando a transformada Z à equação 41, obtemos a seguinte relação entrada/saída:
Y ( z) M
H ( z)   hl Z 1 (28)
X ( z) l 0
Várias estruturas podem ser empregadas para realizar uma dada função de transferência,
associada a uma equação de diferenças específica pela transformada Z. A estrutura na forma
direta, obtida a partir da equação 42 é mostrada na figura 18. Os coeficientes multiplicadores
são obtidos diretamente da função de transferência do filtro (DINIZ; DA SILVA; NETTO, 2004).
Figura 16 - Diagrama do filtro FIR na forma direta
A sequência y[n] representa o sinal filtrado na forma digital, podendo ser descrita pela
seguinte equação:
y[ n ]  h (0)  x[ n ]  h (1)  x[ n  1]    h ( M )  x[ n  M  1]  h ( M )  x[ M ] (29)
IPUC Página 68
12.2 FDATool
A ferramenta FDATooL (Filter Design & Analysis Tool) é parte integrante da toolbox de
processamento digital de sinais do MATLAB®. Ela é utilizada para a implementação e análise de
filtros digitais. Os coeficientes gerados a partir das especificações do projeto do filtro podem ser
utilizados na implementação do código em sistemas embarcados (microcontroladores, DSPs e
FPGAs). Neste capítulo, esta ferramenta será utilizada para traçar o gráfico de resposta do filtro
FIR e a obtenção dos coeficientes, para utilização posterior em um projeto a ser implementado
no Simulink.
O processo de design do filtro é auto-explicativo. Para começar, é preciso iniciar o

MATLAB®. Agora, digite fdatool <enter> na janela Command Window. Isto deve, quando
executado, abrir a janela de interface gráfica do usuário do FDATool, como mostrado na figura
19. A partir deste ponto, basta o usuário definir todas as especificações do filtro na parte inferior
da janela. Feito isto, clique no botão Design Filter. A resposta de magnitude do filtro irá aparecer
no painel Magnitude Response. Note que você pode visualizar os coeficientes da função de
transferência do filtro clicando no botão de coeficientes do filtro, na parte superior da GUI (que
se parece com [b, a]).
Um recurso interessante do FDATool é a possibilidade de exportar os filtros para um

modelo implementado em Simulink, através de um bloco formado por uma única entrada e
saída. Para fazer isso, verifique se o filtro que deseja implementar está sendo mostrado na GUI.
Em seguida, clique em File → Export to Simulink Model; um novo conjunto de opções deve
aparecer na metade inferior da GUI. Insira um nome em Block Name e certifique o destino atual.
Então pressione o botão Realize Model (isso só funciona se você tiver um modelo Simulink
aberto) (KUNDUR, 2014).
IPUC Página 69
Figura 17 - Janela do FDATool

A. Considere o sinal x(t), onde f1=100Hz.
x(t) 10sen(2 f1t)
Implemente no Simulink um modelo de simulação e faça o que se pede:
I. Plote o sinal x(t) no domínio do tempo;

II. Plote o sinal x(t) com frequência de amostragem Fs = 10000 Hz;
III. Implemente um filtro com a seguinte especificação:
 Tipo FIR;
 Passa baixas;
 Ordem: 50;
 Fs = 10000 Hz;
 Fpass = 1000 Hz;
 Fstop = 1500 Hz.
IPUC Página 70
Solução
IPUC Página 71
Referências
OPPENHEIM, Alan V.; WILLSKY, Alan S.: Sinais e Sistemas. São Paulo: Prentice Hall, 2010.
DINIZ, Paulo Sérgio Ramirez; SILVA, Eduardo Antônio Barros da; LIMA NETTO, Sérgio:
Processamento digital de sinais: projeto e análise de sistemas. Porto Alegre, Bookman, 2014.
HAYKIN, Simon; VAN VEEN, Barry: Sinais e Sistemas. Porto Alegre: Bookman, 2001.
ROBERTS, Michael J.; Fundamentos em Sinais e Sistemas: São Paulo: McGrae-Hill, 2009.
CHAPMAN, S. J. Programação em MATLAB® para Engenheiros. São Paulo: Thomson Learning,

2003.
GILAT, A. MATLAB® com Aplicações em Engenharia. Porto Alegre: Bookman, 2006.
KUNDUR, D. Lab 2: Filter Design and Implementation. Disponível em:

<http://www.comm.utoronto.ca/~dkundur/course_info/real-time-
DSP/implementation/Kundur_Lab2_Filter_Implementation_6437.pdf > Acesso em: 9 / Julho /
2014.
NISE, N. Engenharia de Controle de Sistemas. Rio de Janeiro: LTC, 2002.
OGATA, K. Engenharia de Controle Moderno. São Paulo: Prentice Hall, 2003.
ROBERTS, M. J. Fundamentos em Sinais e Sistemas. São Paulo: McGraw-Hill, 2009.
YNOGUTY, C.A. Processamento Digital de Sinais: Introdução aos Filtros Digitais. Instituto
Nacional de Telecomunicações. Disponível em:
<http://ynoguti.inatel.br/docentes/ynoguti/docman/e724/introducao-aos-
filtrosdigitais/download.html>. Acesso em: 1 / Julho / 2010.
IPUC Página 72
Apêncide A – Biblioteca de Blocos do Simulink
A.1. Sinks
 Display: exibe valores numéricos.

 Scope: osciloscópio (gráfico).
 To File: exporta sinal para um arquivo “.mat”.
 To Workspace: exporta sinal para uma variável do workspace.
A.2. Sources
 From File: importa sinal de um arquivo “.mat”.

 From Workspace: importa sinal de uma variável do workspace.
 Signal Generator: gerador de sinais de onda (senoidal, quadrada e dente de serra).
 Sine Wave: gerador de onda senoidal.
IPUC Página 73
A.3. Math Operations
 Sum: operação de soma.

 Abs: valor absolute.
 Gain: ganho.
 Math Function: função matemática.
A.4. Continuous
 Integrator: gera a integral do sinal aplicado na entrada.

 Derivative: gera a derivada do sinal aplicado na entrada.
 Transfer Fcn: implementa uma função de transferência.
 PID Controller: implementa um controlador PID.
IPUC Página 74
A.5. Discrete
 Discrete FIR Filter: implementa um filtro FIR.

 Discrete Filter: implementa um filtro discreto.
 Discrete Transfer Fcn: implementa função de transferência discreta.
 Zero-Order Hold: implementa um sample-hold.
IPUC Página 75

Lab Sinais Sistemas

Enviado por

Dados do documento

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

Lab Sinais Sistemas

Enviado por

Direitos autorais:

Formatos disponíveis

EE - Laboratório de

Wesley Oliveira Maia

Belo Horizonte – 2021

1. Introdução ao MATLAB® ....................................................................................................... 5

12. Filtro Digital FIR ............................................................................................................... 65

Principais Referências Bibliográficas:

Sejam Bem-vindos e Bons Estudos!

1.1 Aspectos Gerais

Segundo Chapman (2006), o MATLAB® é um programa de uso específico para a execução

A seguir são listados alguns itens disponíveis no ambiente MATLAB®:

 Área de Trabalho do MATLAB®

Figura 1 - Área de trabalho do MATLAB®.

Fonte: Arquivo Pessoal.

Ex.: lookfor integral <enter>

 Digitar “help” seguido do nome da função na Janela de Comandos.

Ex.: help sin <enter>

 Comandos relativos ao espaço de trabalho:

1.1.1 Atividade Prática

>> v = r*i <enter>

B. O comando trapz é utilizado para cálculo de integração numérica através da

C. O comando polyfit encontra os coeficientes de um polinômio p(x) de grau n que se

1.2 Comandos Básicos e Operações com Matrizes

 Associar dados à uma variável usando declaração de valores:

Ex.: r = 10; (escalar)

Ex.: r = [1 2 3 4]; (vetor)

Ex.: r = [1 2 3 4; 5 6 7 8]; (matriz)

 Fornecer dados à uma variável pelo teclado:

Ex.: i = input('Entre com o valor da corrente (A):');

 Ler dados de um arquivo, disponível no diretório atual.

O MATLAB® é uma linguagem de expressões compostas por variáveis, operadores,

A unidade fundamental de dados, em qualquer programa MATLAB®, é a matriz. A matriz

D. Operações com Escalares

Tabela 1 - Operações no MATLAB®

Operação Forma Algébrica Forma MATLAB®

E. Operações com Vetores e Matrizes

 Operações Estruturais - São operações de multiplicação ou divisão executadas

O MATLAB® utiliza um ponto (.) antes do símbolo da operação para diferenciar

1.2.1 Atividade Prática

clc; % Limpa a janela de comando

t = 0:1:10; % Vetor com os valores de tempo

Gráfico de Distância em Queda Livre

B. O circuito mostrado na figura seguinte representa um gerador com resistência interna

C. A figura seguinte mostra um circuito elétrico composto de resistores e fontes de tensão.

V1 = (R1 I1 + R3 (I1 - I2) + R2 (I1 - I3) = (R1 + R3 + R2) I1 - R3 I2 – R2 I3

-V2 = I2 R5 + R4 (I2 – I3) + R3 (I2 –I1) = - R3 I1 + (R5 + R4+R3) I2 – R4 I3

0 = R2(I3 – I1) + R4(I3 – I2) + R6I3 = -R2I1 – R4I2 + (R2 + R4 + R6)I3

1.3 Ramificações e Laços

O comando IF tem a seguinte forma:

for indice = expressao

O laço WHILE é um bloco de comandos que se repetem indefinidamente, enquanto uma

1.3.1 Atividade Prática

clc; % Limpa a janela de comando

fprintf('A temperatura em graus Celsius = %6.2f \n',Tc)

Execute a rotina para n = 4 e n = 20.

C. A função sin(x) pode ser escrita em termos da série de Taylor, como:

2. Composição e Decomposição de Sinais

xp (t) ou ( xp  n ) e ímpar xi (t) ou ( xi  n ), da seguinte maneira:

x(t )  xp (t)  xi (t) (5)

Dessa forma, tem-se que:

2.1 Atividade Prática

clc; % Limpa a janela de comando

%Sugestão: Inclua uma nova figura plotando o sinal original e o sinal

III. Componente ímpar;

amostragem t  0.02 s e o intervalo [-4, 4]s. Desenvolva um script para a construção