Transformada de Fourier para Sinais Discretos

3.
36pt
Prof. Dr. Fabrı́cio Simões (IFBA) Processamento Digital de Sinais - ENG420 22 de julho de 2016 1 / 42
Processamento Digital de Sinais - ENG420
Prof. Dr. Fabrı́cio Simões
IFBA
22 de julho de 2016
Parte I
Conceitos Básicos
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.
Processamento de Sinais é a disciplina que estuda como os sinais se

relacionam e, principalmente, como manipular os sinais de forma a se
obter um resultado desejado (Nalon, 2014).
Processamento de Sinais é a representação, transformação e a
manipulação de sinais e da informação que os sinais contém
(Oppenheim, 2012)
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], . . .}
Essa sequência pode ser obtida a partir da amostragem de um sinal

analógico, conforme
x[n] = x(nT ) = x(t)|t=nT
x(t) Conversão x[n] = x(nT )
X(ω) C/D Xd(ω)
Tempo de Amostragem (T)
Conversão Analógico-Digital
Etapas: Amostragem (Sample and Hold), Quantização e Codificação.
x(t) Sample and xo (t) Quantização / bits

Hold (S/H) Codificação
Sample and Hold
x(t) xo (t) bits
1 0 1 1 0 1 1 1
t T t T t
Cada amostra = palavra digital;

Sequência digital : 1011 0111;
Representação Matemática: Sinal discreto x(T ) x(2T ).
Quantização e Codificação.
O valor das amostras de sinal na saı́da do circuito Sample and Hold

são aproximadas para um conjunto finito de L valores, chamados de
nı́veis de quantização.
4 amostras do sinal xo(t) sinal quantizado
1,45 V 1,4 V
1,36 V
Quantização
−0,91 V
(Aproximação) −0,9 V
−0,85 V −0,8 V
L Nı́veis de Quantização : {...; 1,4V; -0,9V; -0,8V; ...}.

Código Binário : {(10), (11) e (01) }
Conversores A/D - Comerciais
Relação sinal-ruı́do de quantização
L2 q 2 /4
SNRq = = 3L2 ,
q 2 /12
considerando a potência de pico do sinal analógico.
Padrões Comerciais:
Padrão Comercial Freq. de Amostragem Nbits Nı́veis de Quantiz.

CD 44100 Hz 16 65536
Voz 8000 Hz 8 256
Arduino 9600 Hz 10 1024
DSP Texas C6416 96000 Hz 16 65536
Parte II
Transformada de Fourier DTFT
A ideia da Transformada
Transformar : Mudar o domı́nio da variável.
Transformada Direta
T [.]
f (x) Laplace, Fourier, Z, Wavelet, ...

G(y)
Transformada Inversa
T −1[.]
Mas, vamos começar com a Série de Fourier
Considere o sinal periódico abaixo com perı́odo N
x(nT )
n
N amostras
A sua Série de Fourier é dada por

N−1
X
x(nT ) = cmd e jmωo nT
m=0
E os coeficientes cmd dados por
N−1
1 X
cmd = x(nT )e −jmωo nT
N
n=0
Como a série de Fourier pode ser aplicada a sinais não-periódicos ?

Efeito do Aumento do Valor de N
Considerando o aumento do perı́odo N, qual o efeito sobre o sinal ?
x(nT )
n
N amostras
x(nT )
n
N amostras
x(nT )
n
N amostras
x(nT )
n
N =∞
Fazendo N → ∞, o sinal x(nT ) torna-se não periódico.
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
N
n=0
Multiplicando ambos os lados da equação por N, temos

(N−1)/2
X
Ncmd = x(nT )e −jmωo nT
n=−(N−1)/2
Definindo Ncmd como a função Xd (mωo ), obtém-se

(N−1)/2
X
Xd (mωo ) = x(nT )e −jmωo nT (1)
n=−(N−1)/2
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
torna-se a Transformada Direta de Fourier

∞
X
Xd (ω) = x(nT )e −jωnT
n=−∞
Transformada de Fourier: Exercı́cio
Determine a Transformada de Fourier do sinal x(nT ) = anT u(nT ),

0 < a < 1.
Gráfico de |Xd (ω)|.
1.8
1.6
Espectro
1.4
1.2
0.8
-3 -2 -1 0 1 2 3
Frequencia
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
Obtendo a Transformada Inversa de Fourier
A seguir, considere a equação de sı́ntese do sinal x(nT ) a partir dos

coeficientes cmd
N−1
X
x(nT ) = cmd e jmωo nT , (2)
m=0
Xd (mωo )
em que cmd = N , ou seja:
N−1
1 X
x(nT ) = Xd (mωo )e jmωo nT
N
m=0
2π
e como N = ωo T , a equação é reescrita como
N−1
T X
x(nT ) = Xd (mωo )e jmωo nT ωo .
2π
m=0
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
Mas, como Xd (ω) se repete a cada 2π/T , então x(nT ) é calculado no

intervalo de Nyquist, obtendo a Transformada Inversa de Fourier
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
Propriedades da Transformada de Fourier
Linearidade
F
ax(nT ) + by (nT ) ↔ aXd (ω) + bYd (ω)
Deslocamento no Tempo e na Frequência

F
x((n ± no )T ) ↔ e ±jωno T Xd (ω)
F
y (nT ) = x(nT )e ±jωo nT ↔ Yd (ω) = Xd (ω ∓ ωo )
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)
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
Propriedade e Critério de Convergência da Trasformada de
Fourier
Periodicidade

2π
Xd (ω) = Xd ω±k
T
Convergência da Transformada de Fourier

∞
X
|x(nT )| < ∞
n=−∞
Exercı́cios
1 Determine a Transformada de Fourier dos sinais abaixo:
1 x[n] = δ[n − no ]
2 Sabendo que F[x(nT ) = k] = k 2π

T δ(ω), determine a Transformada de
Fourier de
x(nT ) = ke jmωo nT
3 x(nT ) = cos(ωo nT )
4 x(nT ) = [anT u(nT )] cos(ωo nT )
Transformada de Fourier de um Sinal Periódico
Considere a Série de Fourier
N−1
X
x(nT ) = cmd e jmωo nT
m=0
Aplicando Transformada de Fourier sobre x(nT )

"N−1 # N−1
X X h i
Xd (ω) = F cmd e jmωo nT = cmd F e jmωo nT ,
m=0 m=0
Obtém-se : N−1
2π X
Xd (ω) = cmd δ(ω − mωo ),
T
m=0
no qual
N−1
1 X
N
n=0
Exercı́cio
Qual a Transformada de Fourier do sinal abaixo ?
x(nT )
1
... ...
-8 -4 4 8 n
Parte III
Amostragem
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
x[n] = x(nT ) = x(t)|t=nT ,

no qual T é o tempo de amostragem e ωa = 2π/T , frequência de
amostragem.
2 Representação Ideal do Conversor Contı́nuo-Discreto.
x(t) Conversão x[n] = x(nT )
X(ω) C/D Xd(ω)
Sinal xs (t)
Sinal xs (t) - representação no tempo contı́nuo de um sinal discreto.
Figura: Oppenheim. Discrete Time Signal Processing.
Qual a relação entre X (ω) e Xd (ω) ?
Inicialmente, considere o sinal xs (t)

∞
X
xs (t) = x(t)r (t) = x(t) δ(t − nT )
n=−∞
∞
X
xs (t) = x(t)δ(t − nT )
n=−∞
Representação Contı́nuo do Sinal x(nT ).

∞
X
xs (t) = x(nT )δ(t − nT )
n=−∞
De acordo com a equação, xs (t) é uma representação contı́nua no

tempo do sinal discreto x(nT ).
Relação entre Xs (ω) e Xd (ω) ?
Aplicando a Transformada de Fourier para sinais contı́nuos sobre

xs (t), obtém-se
" ∞ #
X
Xs (ω) = F[xs (t)] = F x(nT )δ(t − nT )
n=−∞

xs (t), obtém-se
" ∞ #
X
n=−∞
∞
X
Xs (ω) = x(nT )F [δ(t − nT )]
n=−∞

xs (t), obtém-se
" ∞ #
X
n=−∞
∞
X
Xs (ω) = x(nT )F [δ(t − nT )]
n=−∞
∞
X
Xs (ω) = x(nT )e −jωnT = Fd [x(nT )]
n=−∞

xs (t), obtém-se
" ∞ #
X
n=−∞
∞
X
Xs (ω) = x(nT )F [δ(t − nT )]
n=−∞
∞
X
Xs (ω) = x(nT )e −jωnT = Fd [x(nT )]
n=−∞
O termo em vermelho da equação anterior corresponde a

Transformada de Fourier do sinal x(nT ), ou seja
Xs (ω) = Xd (ω)
Relação entre X (ω) e Xd (ω)
Mas, qual a relação entre X (ω) e Xs (ω) ?

Considere xs (t) = x(t)r (t) e aplique Transformada de Fourier.
Xs (ω) = F [x(t)r (t)] = Xd (ω)

Xs (ω) = F [x(t)r (t)] = Xd (ω)

∞
X (ω) ~ R(ω) 2π X
Xd (ω) = , R(ω) = δ(ω − kωa ).
2π T
k=−∞

Xs (ω) = F [x(t)r (t)] = Xd (ω)

∞
X (ω) ~ R(ω) 2π X
Xd (ω) = , R(ω) = δ(ω − kωa ).
2π T
k=−∞
Resolvendo a convolução, obtém-se

∞
1 X
Xd (ω) = X (ω − kωa )
T
k=−∞
Representação Gráfica entre Xd (ω) e X (ω)
1 Para compreender o comportamento da equação
∞
1 X
Xd (ω) = X (ω − kωa ),
T
k=−∞
considere um sinal x(t) cuja Transformada de Fourier é mostrada

abaixo
X(ω)
−ωmax ωmax ω
Relação entre as Frequências de Amostragem (ωa ) e
Máxima do Sinal (ωmax )
1 Para ωa > 2ωmax .
Xd(ω)
1/T 1/T
1/T
... ...
−ωa −ωmax ωmax ωa ω
−π/T π/T
Intervalo de Nyquist
2 Critério de Análise: Preservação do espectro original de x(t).
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
Devido ao aliasing, o espectro de frequência original do sinal não é

preservado.
Teorema da Amostragem
Um sinal contı́nuo x(t) limitado em banda somente pode ser

recuperado a partir de suas amostras se a frequência de amostragem
ωa for no mı́nimo igual ao dobro da frequência máxima ωmax .
ωa ≥ 2ωmax
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.
x(t) Filtro x̂(t) x̂(nT ) = x̂[n]

C/D
Anti-Alias
T
|Hanti(ω)|


 1 se |ω| < ωc1 ≤ π/T ;
Hanti(ω) = 
 0 se |ω| ≥ ωc1.
ω
ωc1
Recuperação do Sinal: Conversor D/C Ideal
Conversão
x[n] = x(nT ) xr (t)
D/C
Conversor Discreto / Contı́nuo Ideal
Conversor xr (t) = hr (t) ∗ xs(t)

Sequência / Trem Hr (jω)
x(nT ) = x[n] de Impulso xs(t) xr (t) xs(t) = P∞
n=−∞ x(nT )δ(t − nT )
Estágio 1 Estágio 2
T
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
... ...
−ωa −ωc −ωmax ωmax ωc ωa ω
−π/T π/T
ωa − ωmax
Equações da resposta em frequência do filtro Hr (ω) e do sinal

recuperado Xr (ω).
T se |ω| ≤ ωc ;
Hr (ω) =
0 se |ω| > ωc .
Xr (ω) = Hr (ω)Xs (ω)

Processamento Discreto de Sinais Contı́nuos
Sistema Discreto Hr (ω)

Xd(ω) Yd(ω) yr (t)
x(t) Conversão Hd(ω)
Conversão
X(ω) C/D D/C Yr (ω)
x[n] = x(nT ) y[n] = y(nT )

T T
Qual a relação entre X (ω) e Yr (ω) ?
Analisando a partir da saı́da yr (t).
Yr (ω) = Hr (ω)Yd (ω)
Processamento Discreto de Sinais Contı́nuos
O sistema discreto tem resposta em frequência Hd (ω), ou seja
Yr (ω) = Hr (ω)Hd (ω)Xd (ω)

Xd (ω) depende de X (ω) conforme a equação
∞
1 X
Xd (ω) = X (ω − kωa )
T
k=−∞
Considerando o filtro ideal Hr (ω) = T p/ |ω| ≤ ωc . A equação

anterior é reescrita como
Yr (ω) = Hd (ω)X (ω)
Os sinais contı́nuos x(t) e y (t) são modificados pelo sistema Hd (ω).
Exemplo
Determine a frequência de amostragem ωa ;

Esboce Yr (ω) sem o sistema Hd (ω);
Esboce Yr (ω) com o sistema Hd (ω).
Sistema Discreto Hr (ω)

Xd(f ) Yd(f ) yr (t)
x(t) Conversão Hd(ω)
Conversão
X(f ) C/D D/C Yr (f )
x[n] = x(nT ) y[n] = y(nT )

X(ω) Hd(ω)
1 T T
1
-2000 2000 ω -1000 1000 ω

Transformada de Fourier para Sinais Discretos

Enviado por

Dados do documento

Título original

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

Transformada de Fourier para Sinais Discretos

Enviado por

Direitos autorais:

Formatos disponíveis

3.

Prof. Dr. Fabrı́cio Simões

Processamento de Sinais é a disciplina que estuda como os sinais se

Essa sequência pode ser obtida a partir da amostragem de um sinal

x(t) Conversão x[n] = x(nT )

X(ω) C/D Xd(ω)

Tempo de Amostragem (T)

Etapas: Amostragem (Sample and Hold), Quantização e Codificação.

x(t) Sample and xo (t) Quantização / bits

Sample and Hold

x(t) xo (t) bits

Cada amostra = palavra digital;

O valor das amostras de sinal na saı́da do circuito Sample and Hold

4 amostras do sinal xo(t) sinal quantizado

L Nı́veis de Quantização : {...; 1,4V; -0,9V; -0,8V; ...}.

Relação sinal-ruı́do de quantização

Padrão Comercial Freq. de Amostragem Nbits Nı́veis de Quantiz.

Transformada de Fourier DTFT

Transformar : Mudar o domı́nio da variável.

f (x) Laplace, Fourier, Z, Wavelet, ...

A sua Série de Fourier é dada por

Como a série de Fourier pode ser aplicada a sinais não-periódicos ?

Considerando o aumento do perı́odo N, qual o efeito sobre o sinal ?

Considerando o aumento do perı́odo N, qual o efeito sobre o sinal ?

Considerando o aumento do perı́odo N, qual o efeito sobre o sinal ?

Considerando o aumento do perı́odo N, qual o efeito sobre o sinal ?

Fazendo N → ∞, o sinal x(nT ) torna-se não periódico.

Multiplicando ambos os lados da equação por N, temos

Definindo Ncmd como a função Xd (mωo ), obtém-se

torna-se a Transformada Direta de Fourier

Determine a Transformada de Fourier do sinal x(nT ) = anT u(nT ),

A seguir, considere a equação de sı́ntese do sinal x(nT ) a partir dos

Mas, como Xd (ω) se repete a cada 2π/T , então x(nT ) é calculado no

Deslocamento no Tempo e na Frequência

Convergência da Transformada de Fourier

1 Determine a Transformada de Fourier dos sinais abaixo:

2 Sabendo que F[x(nT ) = k] = k 2π

4 x(nT ) = [anT u(nT )] cos(ωo nT )

Aplicando Transformada de Fourier sobre x(nT )

Qual a Transformada de Fourier do sinal abaixo ?

x[n] = x(nT ) = x(t)|t=nT ,

x(t) Conversão x[n] = x(nT )

X(ω) C/D Xd(ω)

Tempo de Amostragem (T)

Sinal xs (t) - representação no tempo contı́nuo de um sinal discreto.

Figura: Oppenheim. Discrete Time Signal Processing.

Inicialmente, considere o sinal xs (t)

Representação Contı́nuo do Sinal x(nT ).

De acordo com a equação, xs (t) é uma representação contı́nua no

Aplicando a Transformada de Fourier para sinais contı́nuos sobre

Aplicando a Transformada de Fourier para sinais contı́nuos sobre

Aplicando a Transformada de Fourier para sinais contı́nuos sobre

Aplicando a Transformada de Fourier para sinais contı́nuos sobre

O termo em vermelho da equação anterior corresponde a

Mas, qual a relação entre X (ω) e Xs (ω) ?

Xs (ω) = F [x(t)r (t)] = Xd (ω)

Mas, qual a relação entre X (ω) e Xs (ω) ?

Xs (ω) = F [x(t)r (t)] = Xd (ω)

Mas, qual a relação entre X (ω) e Xs (ω) ?

Xs (ω) = F [x(t)r (t)] = Xd (ω)

Resolvendo a convolução, obtém-se

considere um sinal x(t) cuja Transformada de Fourier é mostrada

1 Para ωa > 2ωmax .