Escolar Documentos
Profissional Documentos
Cultura Documentos
36pt
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 1 / 42
Processamento Digital de Sinais - ENG420
IFBA
22 de julho de 2016
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 1 / 42
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 2 / 42
Parte I
Conceitos Básicos
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 3 / 42
Conceitos Básicos
Sinal : Função (ou uma grandeza fı́sica) de uma ou mais variáveis que
transporta algum tipo de informação.
Exemplos
Sinal de voz, de vı́deo, de um sensor, sinal de recepção e de transmissão,
sinal dos sensores de pressão, de temperatura, sinais médicos, entre outros.
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 4 / 42
Sinais Discretos
Os sinais discretos (ou sinais de tempo discreto) são representados
matematicamente como uma sequência de números. (Oppenheim, 2012).
Exemplo : x[n] = {. . . , x[−2], x[−1], x[0], x[1], x[2], . . .}
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 5 / 42
Conversão Analógico-Digital
1 0 1 1 0 1 1 1
t T t T t
1,45 V 1,4 V
1,36 V
Quantização
−0,91 V
(Aproximação) −0,9 V
−0,85 V −0,8 V
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 7 / 42
Conversores A/D - Comerciais
L2 q 2 /4
SNRq = = 3L2 ,
q 2 /12
considerando a potência de pico do sinal analógico.
Padrões Comerciais:
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 8 / 42
Parte II
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 9 / 42
A ideia da Transformada
Transformada Direta
T [.]
Transformada Inversa
T −1[.]
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 10 / 42
Mas, vamos começar com a Série de Fourier
Considere o sinal periódico abaixo com perı́odo N
x(nT )
n
N amostras
x(nT )
n
N amostras
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 12 / 42
Efeito do Aumento do Valor de N
x(nT )
n
N amostras
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 12 / 42
Efeito do Aumento do Valor de N
x(nT )
n
N amostras
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 12 / 42
Efeito do Aumento do Valor de N
x(nT )
n
N =∞
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 12 / 42
Qual o Efeito sobre a Série de Fourier ?
Os coeficientes cmd estão associados a frequência mωo . Por isso, considere
a equação
N−1
1 X
cmd = x(nT )e −jmωo nT
N
n=0
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 13 / 42
Obtendo a Transformada Direta de Fourier
Sabendo que
2π
, ωo =
NT
quando N → ∞ e ωo → dω, a equação
(N−1)/2
X
Xd (mωo ) = x(nT )e −jmωo nT
n=−(N−1)/2
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 14 / 42
Transformada de Fourier: Exercı́cio
1.8
1.6
Espectro
1.4
1.2
0.8
-3 -2 -1 0 1 2 3
Frequencia
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 15 / 42
Comportamento da Função Xd (ω)
Periodicidade
2π
Xd (ω) = Xd ω±k
T
1.8
1.6
Espectro
1.4
1.2
0.8
-5 0 5
Frequencia
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 16 / 42
Obtendo a Transformada Inversa de Fourier
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 17 / 42
Obtendo a Transformada Inversa de Fourier
Quando N → ∞, ωo → dω. Portanto,
N−1 Z ∞
T X T
x(nT ) = lim Xd (mωo )e jmωo nT ωo = Xd (ω)e jωnT dω
N→∞ 2π 2π 0
m=0
Z 2π/T
T
x(nT ) = Xd (ω)e jωnT dω
2π 0
ou
Z π/T
T
x(nT ) = Xd (ω)e jωnT dω
2π −π/T
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 18 / 42
Propriedades da Transformada de Fourier
Linearidade
F
ax(nT ) + by (nT ) ↔ aXd (ω) + bYd (ω)
F
y (nT ) = x(nT )e ±jωo nT ↔ Yd (ω) = Xd (ω ∓ ωo )
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 19 / 42
Propriedades da Transformada de Fourier
Reflexão no Tempo
F
x(nT ) ↔ Xd (ω)
F
x(−nT ) ↔ Xd∗ (ω)
Teorema da Convolução
F
x(nT ) ⊗ h(nT ) ↔ Xd (ω)Hd (ω)
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 20 / 42
Propriedades da Transformada de Fourier
Produto no Tempo
F Xd (ω) ⊗ Yd (ω)
x(nT )y (nT ) ↔
2π/T
Teorema de Parseval
∞
X Z π/T
T
Ex = |x(nT )|2 = |Xd (ω)|2 dω
n=−∞
2π −π/T
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 21 / 42
Propriedade e Critério de Convergência da Trasformada de
Fourier
Periodicidade
2π
Xd (ω) = Xd ω±k
T
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 22 / 42
Exercı́cios
1 x[n] = δ[n − no ]
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 23 / 42
Transformada de Fourier de um Sinal Periódico
Considere a Série de Fourier
N−1
X
x(nT ) = cmd e jmωo nT
m=0
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 24 / 42
Exercı́cio
x(nT )
1
... ...
-8 -4 4 8 n
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 25 / 42
Parte III
Amostragem
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 26 / 42
Amostragem de Sinais Contı́nuo no Tempo
1 Uma sequência de amostras é obtida a partir de sinais contı́nuos no
tempo de acordo com a relação
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 27 / 42
Sinal xs (t)
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 28 / 42
Qual a relação entre X (ω) e Xd (ω) ?
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 29 / 42
Relação entre Xs (ω) e Xd (ω) ?
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 30 / 42
Relação entre Xs (ω) e Xd (ω) ?
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 30 / 42
Relação entre Xs (ω) e Xd (ω) ?
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 30 / 42
Relação entre Xs (ω) e Xd (ω) ?
Xs (ω) = Xd (ω)
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 30 / 42
Relação entre X (ω) e Xd (ω)
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 31 / 42
Relação entre X (ω) e Xd (ω)
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 31 / 42
Relação entre X (ω) e Xd (ω)
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 31 / 42
Representação Gráfica entre Xd (ω) e X (ω)
1 Para compreender o comportamento da equação
∞
1 X
Xd (ω) = X (ω − kωa ),
T
k=−∞
−ωmax ωmax ω
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 32 / 42
Relação entre as Frequências de Amostragem (ωa ) e
Máxima do Sinal (ωmax )
Xd(ω)
1/T 1/T
1/T
... ...
−π/T π/T
Intervalo de Nyquist
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 33 / 42
Relação entre as Frequências de Amostragem (ωa ) e
Máxima do Sinal (ωmax )
Para ωa < 2ωmax .
Xd(ω)
111111111
000000000
1/T
000000000
111111111 111111111
000000000
1/T
000000000
111111111 000000000
111111111
1/T
000000000
111111111
... 000000000
111111111
000000000
111111111 ...
000000000
111111111
000000000
111111111 000000000
111111111
000000000
111111111
−ωa −ωmax ωmax ωa ω
aliasing
ωa ≥ 2ωmax
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 35 / 42
Filtro Anti-Alias
Se o sinal contı́nuo x(t) não for limitado em banda é necessário usar
um filtro Anti-Alias;
Filtro Anti-Alias é usado para limitar a largura de banda do sinal
contı́nuo x(t) e assegurar o cumprimento do teorema da Amostragem.
T
|Hanti(ω)|
1 se |ω| < ωc1 ≤ π/T ;
Hanti(ω) =
0 se |ω| ≥ ωc1.
ω
ωc1
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 36 / 42
Recuperação do Sinal: Conversor D/C Ideal
Conversão
x[n] = x(nT ) xr (t)
D/C
Estágio 1 Estágio 2
T
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 37 / 42
Conversor D/C : Análise no Domı́nio da Frequência
Influência da resposta em frequência do filtro de recuperação
Xd(ω) = Xs(ω) Hr (ω)
1/T T 1/T
1/T
... ...
−π/T π/T
ωa − ωmax
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 39 / 42
Processamento Discreto de Sinais Contı́nuos
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 40 / 42
Exemplo
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 41 / 42