PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA

Curso: Mestrado em Eng. Elétrica – Semestre: 01/2022

Disciplina: Sinais e Sistemas
Aluna: Karine de Freitas Teixeira

Atividade 04

Seja o sinal x (t)=cos(2𝝅ft) , com f =2Hz . Deseja-se amostrar esse sinal e para isso 3 períodos de
amostragem foram sugeridos, que são 0,8; 0,25; e 0,1 segundos. Utilizando o python, verifique
os três sinais amostrados e faça análises espectrais baseadas na teoria da amostragem.
A transformada de Fourier da função 𝑥(𝑡) = 𝑐𝑜𝑠(𝜔𝑜 𝑡) é:
𝑥(𝑡) = 𝑐𝑜𝑠(𝜔𝑜 𝑡) → 𝑋(𝜔) = 𝜋[𝛿(𝜔 − 𝜔𝑜 ) + 𝛿(𝜔 + 𝜔𝑜 )]

Representando a função no domínio do tempo e da frequência tem-se:

 Fig.1: Sinal amostrado e seu espectro de Fourier
De modo geral, o conjunto de figuras acima representa o sinal amostrado e seu espectro de fourier.
Amostrar o sinal, isto é, multiplicar a função no dóminio do tempo por um trem de impulso cujo
período é Ts equivale a convoluir o espectro de frequência da função por um trem de impulso cujo
espaçamento é fs. Assim, o espectro de frequencia do sinal amostrado é o espectro do sinal contínuo,
no entanto, para cada um nos n múltiplos inteiros da frequência de amostragrem( ...-2fs, -fs, 0, fs e
2fs...). Por isso, para que o sinal amostrado consiga ser totalmente recuperado é preciso que 𝑓𝑠 ≥ 2𝐵,
em que fs é frequência de amostragem e B é a maior frequência do sinal. Isto é, desde que a freqüência
de amostragem fs seja duas vezes maior do que a largura de faixa B do sinal (em hertz), (ω) será
constituído de repetições não sobrepostas de X(ω) e x(t) pode ser recuperado de suas amostras
passando o sinal amostrado através de um filtro passa-baixas ideal com largura de faixa de qualquer
valor entre B. A análise acerca dos diferentes resultados para diferentes taxas de amostragem será feita,
conforme proposto pelo exercício.

a) Ts = 0.8

Nesse caso a frequência de amostragem é igual à 1,25 Hz, isto é, inferior a frequência de
Nyquist (4Hz), portanto, espera-se uma subamostragem do sinal. As figuras abaixo
apresentam o sinal amostrado e o espectro de Fourier para 0 até fs/2.
 Fig.2: Sinal amostrado para fs = 1.25 Hz.

Fig.3: Espectro de Fourier para 0 até fs/2.

Observa-se, para o intervalo de zero a fs/2, componente de frequência apenas para f = 0.5. Avaliando
o espectro de Fourier para outras frequências, plotado de forma analítica e conforme Fig.4, observa-se
a sobreposição dos sinais, assim, caso fosse desejado recuperar o sinal a partir de um filtro passa baixas,
não seria possível. Para frequências inferiores à 2 Hz, que é a largura da banda do sinal, há
componentes referentes ao “espectro associado” às frequências -fs+f e 2fs-f inviabilizando a
recuperação de x(t).
 Fig.4: Espectro de Fourier

b) Ts = 0.25
Essa frequência é exatamente a frequência de Nyquist, isto é, 4Hz. O sinal amostrado e
espectro de Fourier são apresentados abaixo:

Fig.5: Sinal amostrado para fs = 4 Hz.

 Fig.6: Espectro de Fourier para 0 até fs/2.

Nesse caso, em que a taxa de amostragem é exatamente a de Nyquist, observa-se que há componente
exatamente para a frequência de 2 Hz. Avaliando todo o espectro, conforme Fig.7, observa-se que não
há sobreposição do sinal, no entanto, para algumas frequências os sinais estão justapostos, portanto,
para a recuperação do sinal seria necessário um filtro ideal.

Fig.7: Espectro de Fourier

c) Ts = 0.1
Por fim, considerando uma taxa de amostragem de 0.1 a frequência, fs, é 10Hz, ou seja, é
superior a frequência de Nyquist e nesse caso temos uma superamostragem. O sinal amostrado
e o espectro de Fourier são apresentados na sequência.
 Fig.8: Sinal amostrado para fs = 10 Hz.

Fig.9: Espectro de Fourier para 0 até fs/2.

Assim como no caso anterior, observa-se que já componente exatamente para f = 2Hz. No entanto,
avaliando a Fig.10 como a frequência de amostragem é superior a 2 vezes a maior frequência do sinal,
não há sobreposição e nem justaposição dos sinais, assim, para a recuperação desse sinal poderia ser
utilizado, portanto, um filtro prático.
 Fig.10: Espectro de Fourier

Código:
% Atividade 4
% Karine de Freitas Teixeira

clc
clear all
close all

%Taxa de amostragem
Ts = 0.8; %período de amostragrem
fs = 1/Ts; %frequência de amostragem

%Dados do sinal
f = 2; %frequencia do sinal
To = 5; %Período de duração do sinal
t = linspace(0,To,1000);
x_t = cos(2*pi*f*t);
figure(),plot(t,x_t)
hold on

% sinal amostrado
N = length(t); %quantidade de amostras do sinal
n = [0:1:N-1];
t_sample = (0:N-1)*Ts; %intervalo de tempo do sinal amostrado
FreqDig = 2*pi*f/fs; %Frequência digital;
x_amostrado = cos(2*pi*f*n*Ts);
stem(t_sample,x_amostrado)
axis([0 To -1.2 1.2])
legend('Contínuo','Amostrado')
title(' Ts = 0.8')
grid on

Y1 = fft(x_amostrado);
P2 = abs(Y1/N);
P1 = P2(1:N/2+1);
P1(2:end-1) = 2*P1(2:end-1);

f1 = fs*(0:(N/2))/N;
figure(),stem(f1,P1)
axis([0 fs 0 1.2])
title('Ts = 0.8')
xlabel('Frequência (Hz)')
ylabel('|H(\omega)|')
grid on