DFT: Transformada de Fourier Discretizada

Transformada de Fourier Discretizada (DFT)
Processamento Digital de Sinais - ESP206 e ENG420
Prof. Dr. Fabrı́cio Simões
IFBA
03 de outubro de 2017
Prof. Dr. Fabrı́cio Simões (IFBA) Transformada de Fourier Discretizada (DFT) 03 de outubro de 2017 1 / 31
1 Motivação
2 Desenvolvimento Matemático da DFT

DFT Direta
DFT Inversa
3 Aplicações da DFT
Determinando os Coeficientes da Série de Fourier
Espectro de Frequência de Sinais CT Usando DFT
Motivação
A DFT é usada quando:
1 Não existe uma representação matemática do sinal discreto x(nT );

2 O sinal for obtido a partir de medições.
Importante
É uma solução computacional da Transformada de Fourier DTFT;
Relação entre a DTFT e a DFT
x[n] 3 Xd(ω)
2
1 DTFT
1 2 3 n −π/T π/T ω
Discretização
DFT
Xd(m)
m
M Intervalos ∆ω
Desenvolvimento Matemático da DFT
A DTFT do sinal discreto x(nT ) pode ser encontrada por

∞
X
Xd (ω) = x(nT )e −jωnT
n=−∞
A função Xd (ω) obtida é contı́nua e se repete a cada 2π/T . Por ser

contı́nua, não possui solução computacional.
DISCRETIZAÇÃO de Xd (ω)
MAS, é possı́vel calcular Xd (ω) em alguns valores de ωm .
DFT Direta - Desenvolvimento Matemático
Discretização da função Xd (ω)

∞
X
Xd [m] = Xd (ω)|ω=(m 2π ) = x(nT )e −j(m2π/MT )nT
MT
n=−∞
∞
X
Xd [m] = x[n]e −j2πmn/M ,
n=−∞
No qual n é o ı́ndice de tempo, m é o ı́ndice de frequência e M,

número de amostras da DFT.
DFT Direta - Desenvolvimento Matemático
O eixo contı́nuo de frequência [0, 2π/T ) é dividido em intervalos de

tamanho 2π/MT , totalizando M intervalos de tamanho ∆ω.
Xd(m)
M amostras
∆ω M −1 m
0 2π/T
A frequência de cada amostra ωm é dada por

2π
ωm = m∆ω = m , m = 0, 1, 2, . . . M − 1
MT
DFT: Exemplo 1
1 Exemplo 4.1 - Livro: Digital Signal Processing - CHEN
2 Considere o sinal discreto x[0] = 1, x[1] = 0, 5 e x[2] = −0, 5 e

Tempo de Amostragem T = 0, 5.
3 Determine Xd (ω)
Xd (ω) = 1 + je −j1,5ωT sen(0, 5ωT)

4 Determine Xd [m] do sinal x[n]
Xd [0] = 1, Xd [1] = 1, 3229e −j0,71 , Xd [2] = 1, 3229e −j0,71
Exemplo 2
Calcule a DFT do sinal
x[n] = cos((π/2)n)
para n = 0, 1, 2, 3. Duração do sinal N = 4.
DFT do sinal
N−1
X −j2πmn
Xd [m] = cos((π/2)n)e 4
n=0
Resposta

2, m=1,3;
Xd [m] =
0, m=0,2.
DFT Inversa
A DFT inversa de Xd [m] é dada por

M−1
1 X 2πnm
x̃[n] = Xd [m]e j M
M
m=0
No qual M é o número de amostras de Xd [m].
Relação entre x[n] e x̃[n]
x̃[n] = DFT −1 [Xd [m]]
Usando a DFT inversa, o sinal x̃[n] é obtido a partir da equação

M−1
1 X 2πmn
x̃[n] = Xd [m]e j M ,
M
m=0
no qual
∞
X
Xd [m] = x[k]e −j2πmk/M
k=−∞
M−1 ∞
1 X X
x̃[n] = x[k]e −j2πmk/M e j2πmn/M
M
m=0 k=−∞
∞ M−1
" #
X 1 X j 2πm (n−k)
x̃[n] = x[k] e M
M
k=−∞ m=0
O termo em vermelho corresponde a Série de Fourier de um trem de

impulsos periódico.
M−1 ∞
1 X j 2πmn X
e M = δ[n − rM]
M r =−∞
m=0
| {z }
p[n]
Reescrevendo a equação de x̃[n] para n − k, obtém-se:
∞
X ∞
X
x̃[n] = x[k] δ[n − rM − k]
k=−∞ r =−∞
| {z }
p[n−k]
Considerando a equação da convolução discreta

∞
X
x̃[n] = x[k]p[n − k] = x[n] ~ p[n],
k=−∞
Identificamos que
∞
X
x̃[n] = x[n] ~ δ[n − rM]
r =−∞
| {z }
p[n]
∞
X
x̃[n] = x[n − rM]
r =−∞
x̃[n] é uma versão periódida de x[n].
Por exemplo, considere o sinal x[n] com Transformada de Fourier

Xd (ω).
x[n]
3
2
1
1 2 3 n
N Amostras
Qual é a quantidade M de amostras ?
Dado que M ≥ N, x̃[n] = x[n] para n = 0, 1, . . . , M − 1.
x̃[n]
3 3 3
... 2 2 2 ...
1 1 1
1 2 3 n
M Amostras
Para M < N, x̃[n] 6= x[n]

x̃[n] Aliasing
N
3 3
2 2
1 1 ...
1 2 3 n
M Amostras
Equações da DFT - Revisão.
DFT Direta e Inversa
N−1
X
Xd [m] = x[n]e −j2πmn/M
n=0
M−1
1 X 2πmn
x̃[n] = Xd [m]e j M
M
m=0
Relação entre x̃[n] e x[n]

x̃[n] para 0 ≤ n ≤ M − 1;
x[n] =
0 caso contrário.
Relação entre M e N para evitar aliasing time
M≥N
Aplicações da DFT
Como Determinar os Coeficientes de uma Série de Fourier
DT Usando DFT ?
Seja um sinal x[n] discreto e periódico. A equação dos coeficientes

cmd da Série de Fourier é dada por
N−1
1 X
cmd = x[n]e −j2πmn/N ,
N
|n=0 {z }
DFT para M=N
em que x[n] é um sinal periódico com perı́odo igual a N amostras.
Conhecendo a equação da DFT, a equação dos coeficientes cmd pode

ser reescrita como
DFT [x[n]]
cmd = ,
N
para uma DFT de N amostras.
Usando FFT
Rotina no MatLab (Octave) para determinação dos coeficientes cmd

do sinal periódico x[n].
X=fft(x,N)/N;
X=fftshift(X);
m = floor(-(N-1)/2):floor((N-1)/2)
w=(2π/(N*T))*m;
stem(omegam,abs(X),’Linewidth’,2)
Usando o Octave
Considere o sinal discreto x = {2, 5; −0, 4; 1; −2} que se repete a

cada 4 amostras (N = 4).
Usando o comando DFT, obtém-se:
cmd = {0.27500 + 0.00000i; 0.37650 − 0.40093i; 1.47000 −

0.00000i; 0.37650 + 0.40093i}
Usando FFT, as amostras do sinal x[n] devem ser informadas no

intervalo de n = 0 . . . N − 1.
Como Determinar os Coeficientes de uma Série de Fourier
CT Usando DFT ?
Seja um sinal CT x(t) com perı́odo P e frequência máxima Lωo , no

qual L é um número inteiro positivo e ωo , a frequência fundamental.
E considere um sinal DT x(nT ) com perı́odo igual a N amostras

gerado a partir da discretização de x(t) considerando as condições
abaixo:
P
a) T = N, no qual N deve ser um número inteiro positivo;
b) ωa > 2(ωmax ) ⇒ ωa > 2(Lωo )
Série de Fourier CT e DT
Procedimento
x(t) x(nT ) DFT [.] cmd cm
Discretização Relação cmd → cm
Coeficientes cmd
Série de Fourier CT Série de Fourier DT
PL jmωo t
P( N−1
2 )
x(t) = m=−L cm e x(nT ) = cmd e jmωo nT
m=−( N−1
2 )
para m = [− N−1
N−1
cm para m = [−L, L] cmd 2 , 2 ]
(.) - aproxima para o menor inteiro.

Relação entre os Coeficientes cmd e cm
∞
X
cmd = c(m+kN)
k=−∞
Como funciona essa equação ?

Considere o coeficiente c1d referente a frequência fundamental de
x(nT ).
∞
X
c1d = c1+kN
k=−∞
c1d = . . . + c1−N + c1 + c1+N + . . .

O valor do coeficiente c1d depende de c1 , mas tem interferência dos
coeficientes c1−N e c1+N - Aliasing
Como anular a influência do Aliasing ?

Como Anular a Influência do Aliasing
Como sabemos

2π
ωmax = Lωo = L
P
E segundo Teorema da Amostragem de Nyquist

2π
ωa > 2L
P

2π 2π
> 2L
T P
Condição para evitar Aliasing

P
= N > 2L
T
Exemplo
Considere um sinal periódico com frequência fundamental ωo = 1 e

frequência máxima 2ωo , ou seja, L = 2 e cm existe para m = [−2, 2]
Nesse caso, se o número de amostras N do sinal x(nT ) do sinal

periódico for N = 3, temos
∞
X
c1d = c1+3k = . . . c−2 + c1 + c2 + . . .
k=−∞
Mas, se for N = 5
∞
X
c1d = c1+5k = . . . c−4 + c1 + c6 + . . . ,
k=−∞
dado que c−4 = c6 = 0, não existe Aliasing.
Aplicação do Método
Rotina SerieFourier DFT
Rotina no Octave
X=fft(x,N)/N;
X=fftshift(X);
m = floor(-(N-1)/2):floor((N-1)/2)
w=(2π/(N*T))*m;
stem(omegam,abs(X),’Linewidth’,2)
Considere um sinal contı́nuo no tempo x(t) não limitado em banda,

cuja representação discreta é dada pela equação
x(nT ) = x(t)|t=nT
Se T é suficientemente pequeno para reduzir o efeito do aliasing,

T Fd [x(nT )] = TXd (ω) para |ω| ≤ π/T ;
X (ω) = F[x(t)] ≈
0 para |ω| > π/T .
Que computacionalmente pode ser encontrado usando DFT

T DFT [x(nT )] para |ω| ≤ π/T ;
X (ω) ≈
0 para |ω| > π/T .
No cálculo do espectro de x(t), três questões precisam ser

consideradas:
a) Aliasing na frequência: Se x(t) não é limitado em banda, o tempo de

amostragem T deve ser escolhido de modo a minimizar o Aliasing ;
b) Resolução na frequência: O intervalo ∆ω entre as amostras de Xd [m] é

2π
dado por MT , no qual M ≥ N. Quanto menor ∆ω, melhor a
representação de X (ω);
c) Efeito do truncamento: Se for de duração infinita, o sinal x(t) precisa

ser truncado para um tamanho L = NT , no qual N é o número de
amostras de x(nT ) e L, a duração truncada do sinal x(t). Quanto
maior L, menor o efeito do truncamento.
Fluxograma
Fluxograma para determinação do tempo de amostragem T e do

Tamanho L do sinal contı́nuo. Considerando M = N.
Definição do Tempo de Amostragem T INÍCIO k =k+1 Definição do Tamanho L

k=1
T2
N1, T1 = L/N1 N3 = 2N2
Xk+1[m]
Xk [m]
Xk [m]
T2 = T1/2
N2 = 2N1 NÃO T2
max(|Xk+1 [m]|−|Xk [m]|)
max|Xk [m]| 100 < 1%?
Xk+1[m] k =k+1 N3 = 3, 4, . . . (N2)
Xk+1[m]
SIM
T2 = T1/3, 4, . . . NÃO
max(|Xk+1 [m]|−|Xk [m]|)
max|Xk [m]| 100 < 1%?
N2 = 3, 4, . . . (N1) k =k+1 SIM T2, N3
FIM
Aplicação do Método
Rotina DFT CT.m

DFT: Transformada de Fourier Discretizada

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

DFT: Transformada de Fourier Discretizada

Enviado por

Direitos autorais:

Formatos disponíveis

Transformada de Fourier Discretizada (DFT)

Processamento Digital de Sinais - ESP206 e ENG420

Prof. Dr. Fabrı́cio Simões

2 Desenvolvimento Matemático da DFT

A DFT é usada quando:

1 Não existe uma representação matemática do sinal discreto x(nT );

A DTFT do sinal discreto x(nT ) pode ser encontrada por

A função Xd (ω) obtida é contı́nua e se repete a cada 2π/T . Por ser

Discretização da função Xd (ω)

No qual n é o ı́ndice de tempo, m é o ı́ndice de frequência e M,

O eixo contı́nuo de frequência [0, 2π/T ) é dividido em intervalos de

A frequência de cada amostra ωm é dada por

1 Exemplo 4.1 - Livro: Digital Signal Processing - CHEN

2 Considere o sinal discreto x[0] = 1, x[1] = 0, 5 e x[2] = −0, 5 e

Xd (ω) = 1 + je −j1,5ωT sen(0, 5ωT)

Xd [0] = 1, Xd [1] = 1, 3229e −j0,71 , Xd [2] = 1, 3229e −j0,71

Calcule a DFT do sinal

A DFT inversa de Xd [m] é dada por

No qual M é o número de amostras de Xd [m].

x̃[n] = DFT −1 [Xd [m]]

Usando a DFT inversa, o sinal x̃[n] é obtido a partir da equação

O termo em vermelho corresponde a Série de Fourier de um trem de

Considerando a equação da convolução discreta

x̃[n] é uma versão periódida de x[n].

Por exemplo, considere o sinal x[n] com Transformada de Fourier

Para M < N, x̃[n] 6= x[n]

Relação entre x̃[n] e x[n]

Seja um sinal x[n] discreto e periódico. A equação dos coeficientes

em que x[n] é um sinal periódico com perı́odo igual a N amostras.

Conhecendo a equação da DFT, a equação dos coeficientes cmd pode

Rotina no MatLab (Octave) para determinação dos coeficientes cmd

Considere o sinal discreto x = {2, 5; −0, 4; 1; −2} que se repete a

Usando o comando DFT, obtém-se:

cmd = {0.27500 + 0.00000i; 0.37650 − 0.40093i; 1.47000 −

Usando FFT, as amostras do sinal x[n] devem ser informadas no

Seja um sinal CT x(t) com perı́odo P e frequência máxima Lωo , no

E considere um sinal DT x(nT ) com perı́odo igual a N amostras

b) ωa > 2(ωmax ) ⇒ ωa > 2(Lωo )

Série de Fourier CT Série de Fourier DT

(.) - aproxima para o menor inteiro.

Como funciona essa equação ?

c1d = . . . + c1−N + c1 + c1+N + . . .

Como anular a influência do Aliasing ?

Condição para evitar Aliasing

Considere um sinal periódico com frequência fundamental ωo = 1 e

Nesse caso, se o número de amostras N do sinal x(nT ) do sinal

dado que c−4 = c6 = 0, não existe Aliasing.

Rotina SerieFourier DFT

Considere um sinal contı́nuo no tempo x(t) não limitado em banda,

Que computacionalmente pode ser encontrado usando DFT

No cálculo do espectro de x(t), três questões precisam ser

a) Aliasing na frequência: Se x(t) não é limitado em banda, o tempo de

b) Resolução na frequência: O intervalo ∆ω entre as amostras de Xd [m] é

c) Efeito do truncamento: Se for de duração infinita, o sinal x(t) precisa

Fluxograma para determinação do tempo de amostragem T e do

Definição do Tempo de Amostragem T INÍCIO k =k+1 Definição do Tamanho L

Rotina DFT CT.m

Você também pode gostar