P RO C E S S A M E N T O D E S I N A I S

D I G I TA I S

Prof. Me. Marcelo Soares

1º Semestre/2023
 MARCELO SOARES

Mestre em Ensino de Ciências da Natureza, MBA Gestão Empresarial, Pós em Ensino de

Ciências e Matemática, Pós em Engenharia de Segurança no Trabalho; Pós em Sistemas

Fotovoltaicos, Pós em Inovação, Sustentabilidade e Energias Renováveis;

Administração, Engenharia Elétrica, Engenharia Mecânica, Física Licenciatura;

Técnico Eletrotécnica, Eletromecânica, Segurança no Trabalho;

Esteve Colaborador Centrais Elétricas de Rondônia S.A. – período de 13 (treze) anos;
Esteve Professor SENAI (cursos técnicos, capacitação e Normas Regulamentadoras
MTE) – período de 09 (nove) anos;
Atua como instrutor de capacitação industrial (Elétrica e Mecânica) e Normas
Regulamentadoras de Segurança no Trabalho;
Atualmente Professor do Ensino Superior – Engenharias.
 EMENTA
• Introdução;
• Sinais e sistemas de tempo discreto;
• Representação em frequência - Transformada de Fourier
de Tempo Discreto;
• Reposta em frequência; Sistemas FIR e IIR;
• Amostragem e reconstrução de sinais;
• Série Discreta de Fourier;
• Transformada Discreta de Fourier; Aplicações da DFT -
Análise espectral de sinais; Transformada Z;
• Análise de sistemas de tempo discreto; Filtros digitais;
• Projeto de filtros digitais tipo FIR e IIR.
Literatura Técnica
 Literatura Técnica
DINIZ, Paulo SR; DA SILVA, Eduardo AB; NETTO, Sergio L.
Processamento Digital de Sinais-: Projeto e Análise de Sistemas. Bookman
Editora, 2014.
OPPENHEIM, Alan.V.; SCHAFER, Ronald W..Processamento em tempo
Discreto de Sinais. 3. ed. São Paulo: Pearson Education do Brasil, 2012.
Tradução: Daniel Vieira.
PINHEIRO, Carlos Alberto Murari; MACHADO, Jeremias Barbosa;
FERREIRA, Luiz Henrique de Carvalho. Sistemas de Controle Digitais e
processamento de Sinais: Projetos, Simulações e Projetos de Laboratorios.
Rio de Janeiro: Editora Interciência, 2017. 344 p. (DIGITAL)
Avaliações
Introdução
Processamento digital
de sinais?
Introdução
Sinais
Padrões de variações que representam uma
informação.

Grandezas físicas que variam no tempo,

espaço, … … ou em função de qualquer
outra variável independente.

São representados matematicamente como

função de uma ou mais variáveis
independentes.
 Introdução
Sinal: presente no cotidiano
música, sinal de vídeo, voz etc.
Sinal: função de variáveis independentes
tempo, distância, posição, temperatura, pressão etc.
O sinal de vídeo consiste numa seqüência
de imagens em função de 3 variáveis
Uma figura em PB representa a (duas espaciais e o tempo).
intensidade de luz em função de
duas coordenadas espaciais.

Sinal de voz ou música

representa a pressão do ar
em função do tempo.

Ciclo de Seminários: Processamento Digital de Sinais: Conceitos e Aplicações

(Joseana Macêdo Fechine Régis de Araújo) 4
Introdução
Processamento: manipulação feita em um sinal para
– melhorar a qualidade do sinal em algum aspecto
– criar efeitos especiais, melhorar relação sinal-ruído, etc.

Tecnologia do processamento
– digital (muito mais usada atualmente)
– analógica

Dimensão do processamento
– um sinal: intensidade, espectro, tempo ou múltipla
– um ou mais sinais: mistura (mixagem), síntese, etc.
Introdução
Trata da representação matemática do sinal e
processo de cálculo para extrair a informação.

O método de extração depende do tipo do sinal e

da natureza da informação que ele carrega.

A representação do sinal pode ser uma função no

domínio original da variável independente ou em
termos de funções no domínio de uma
transformada.
Domínio do Tempo ↔ Domínio da Freqüência
Introdução
Processamento Digital de Sinais
- Consiste na análise e/ou modificação de
sinais (sequências discretas de números) de
forma a extrair informações dos mesmos
e/ou torná-los mais apropriados para
alguma aplicação específica.
Sinal
físico Resultado

Amostragem
Aquisição Processamento
Quantização
Passos fundamentais para digitalização
da informação:
1. Amostragem/Discretizaçã
o (sampling): Amostras
discretas representam a
informação contínua.
2. Quantização (quantizing):
As amostras são
convertidas à forma
numérica.
3. Codificação: As amostras são
convertidas em uma
sequência de bits.

Importante:Teorema de Nyquist
Introdução
AMOSTRAGEM PONDERAÇÃO QUANTIZAÇÃO

Imagem natural A imagem é amostrada face As amostras discretas (pixels) Os pixels são convertidos
à matriz de pixelsl são ponderadas à forma numérica
 Uma Visão Histórica
 Século XVII:Técnicas Numéricas: Newton e o Método das Diferenças
Finitas.
 Século XVIII: Euler, Bernoulli, Lagrange, Gauss (1805) base da FFT,
Fourier
(1822) representação em Série.
 Até 1950: Processamento analógico - executado com sistemas analógicos
implementados com circuitos eletrônicos ou ainda com dispositivos
mecânicos.
 Até final da década de 1960: computador digital era usado para aproximar
ou simular um sistema de processamento analógico de sinais (não em
tempo real).

1
6
 Uma Visão Histórica
 Década de 1980: A invenção e subsequente proliferação do microprocessador
preparou o caminho para as implementações de baixo custo dos sistemas de
processamento em tempo discreto de sinais.
• A complexidade, a velocidade e a capacidade dos chips de DSP têm crescido
exponencialmente desde o início da década de 1980.
Processamento paralelo e distribuído se tornaram uma tendência
significativa no desenvolvimento de algoritmos de processamento de sinais.
• E o futuro??? A chave para estar pronto para resolver novos problemas de
processamento de sinais é, e sempre foi, um profundo conhecimento da
matemática fundamental dos sinais e sistemas e dos projetos e algoritmos de
processamento associados.

1
7
Aplicações
Aplicações
Aplicações
Aplicações
Aplicações
 Aplicações
Espectro de sinal áudio

Sinal áudio “bell.wav” Espectro de Frequência

O sinal foi amostrado com a frequência de amostragem de 22050 com 8 bits

de resolução.A densidade espectral da potência mostra que o sinal tem
componentes de frequência na gama 0-11025 Hz.
 Aplicações
Ganho do Filtro e Saída

Características
Características de Ganho de Espectro do sinal
Frequência do
Frequência do Filtro Passa Baixo filtrado

A densidade espectral da saída filtrada é mostrada do lado direito da figura…. Pode-se

observar que os componentes de alta frequência foram significativamente reduzidos…
 Aplicações
Ganho do Filtro e Saída

Características de Ganho de Espectro do sinal

Frequência do Filtro Passa Banda filtrado
 Aplicações
Ganho do Filtro e Saída

Característicasde
Características deGanho
Ganhode de Espectro do sinal de saída
Frequênciado
Frequência dofiltro
filtroPassa
PassaAlto
Alta
 Aplicações

Comparação dos sons

• Som original
• Saída
Saída de
do Filtro Passa-Baixa
Passa Baixo
• Saída de
Saída do Filtro Passa-Faixa
Passa Banda
• Saida
Saída de
do Filtro Passa Alto
Passa-Alta
Aplicações
Aplicações
 Aplicações

Compressão

Reconhecimento
PDS – Aplicações
Aplicações
Vantagens do PDS

– Sinais representados por palavras

binárias.
– Sinais podem ser armazenados
indefinidamente sem perda de
informação
– Hardware Digital
• Programável
• Menos sensível a variações
ambientais
• Menor custo
Aula 04 – 10.03.2023
 Sinais, sistemas e processamento – uma introdução ao tema
 Processamento Digital de Sinais – uma visão Histórica
 Aplicações do Processamento Digital de Sinais
 Áreas do Processamento Digital de Sinais
 Tipos de Sinais
 Tipos de Sistemas
 Interconexões entre sistemas
 Domínios para análise e representação de sinais e sistemas
 Sinais discretos no tempo
 Algumas operações básicas com sinais discretos no tempo
 Sistemas de tempo discreto
 Classes de sistemas de tempo discreto

35
APLICAÇÕES E CONTEXTO
Monitoramento da atividade elétrica
do coração do paciente - Diagnóstico
Deteção de falhas
TAN, Lizhe; JIANG, Jean. Digital signal processing: fundamentals and applications. Academic Press, 2019.
https://technobyte.org/dsp-advantages-disadvantages-block-diagram-applications/
AMOSTRAGEM DO SINAL E QUANTIZAÇÃO
Função do Conversor A/D
◾Conversor de 4 bits
◾1 bit 0 e 1
◾2 bit 00
◾ 01
◾ 10
◾ 11
◾3 bits
• 3bits 000
• 001 001 + 6 +
• __1__ _4_
• 010 010 10
• 011
• 100
• 101
• 110
• 111
•
 5

2
)n
(x
Quantized x(n)

1
d
e
zit 0
n
a
u
Q -1

-2

-3

-4

-5
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02
Tim e (sec.)
Bloco DSP
 DAC conversion

Digital signal
Anti-
Lowpass Analog signal
Analog signa
Quantization zeroth-order image l
and coding hold Reconstruction
filter
filter

Binary code
00001001
01001011
11010010
00001101

2 Revisão – Conceitos Básicos

Sinal
◾Q uantidade que varia no tempo ou no espaço.
◾Aplicado a sinais que mais variam no espaço que no tempo.
Como a elevação na pista de neve.
◾Podem ter mais de uma dimensão.Imagem ouVídeo.
◾Para o estudo usa-se uma dimensão. Por exemplo:SOM
Sinal Periódico
◾Sinais que se repetem.
◾Função =A.Sin(ωt ± Ф)
◾Período completo = ciclo = T [s]
◾Frequência= ciclos/s = f [Hz]
Decomposição Espectral
◾Qualquer sinal pode ser expressado como
soma de sinusóides de diferentes freq.
◾Fourier!!
◾DFT e FFT
◾FFT forma eficiente calcular DFT
◾Menor freq.= Freq. Fundamental
Decomposição Espectral
◾ No gráfico → A Freq. Fund.

é a freq. dominante.
◾ Os múltiplos inteiros da freq.
dominante são Harmônicos.
Aliasing = Problema
◾Amostrar um sinal a uma frequência menor ou igual da
máxima componente de frequência do sinal de interesse.
2 Revisão – Conceitos Básicos

Sistemas de tempo Discreto

◾Sistema de tempo discreto e sistemas de tempo contínuo
◾Descrição dos sistemas: Vantagens e desvantagens
◾Passando do nível abstrato do conceito para a descrição
de aplicações reais.
◾Processo de conversão dos sistemas contínuos para
sistemas discretos.
3 Harmônicos

ONDAS TRIANGULARES e OUTRAS

◾A onda senoidal tem 1 componente de freq.
◾Formas de ondas mais complexas têm maior quantidade
de componentes.
◾A relação entre as formas de onda e seus ESPECTROS
são estudados.
3 Sinais não-periódicos

◾Componentes de frequência mudam no decorrer do

tempo.
◾Chirp signals = sinais cujas frequências aumentam (up-
chirp) ou diminuem (down-chirp) com o tempo.
Sinal cuja frequência aumenta no decorrer do tempo Espectro de frequência do sinal chirp
Espectrograma
◾Para recuperar a relação entre frequência e tempo, pode-
se “separar” o sinal chirp em segmentos.
◾Plotamos o espectro de cada segmento.
◾O resultado é llamado de short-time Fourier transform
(STFT).
◾Existem várias formas para visualizar um STFT, sendo a
mais conhecida o Espectrograma.
◾O Espectrograma apresenta o tempo no eixo x e a
frequência no eixo y.
◾O espectrograma apresenta o espectro de um segemento,
usando cores ou escalas de cinzas para representar
amplitude.
O espectrograma apresenta no
eixo x o tempo de 1 segundo, e
no y a frequência de 0 a 700 Hz
Sinais são funções de uma ou mais variáveis independentes que carregam algum tipo
de informação.

Sinais são usados para

Descoberta de
Comunicação entre Controlar e utilizar
Comunicação entre características não
humanos e energia e
humanos. facilmente
máquinas. informação.
observáveis.

Comunicação
entre
máquinas

Sistemas são usados para processar sinais.

70
 Processamento Digital de Sinais
Lida com a representação, a transformação e a manipulação de sinais em
formato digital, e da informação que os sinais contêm.

Representação dos sinais de interesse

Em processamento digital de sinais, os sinais são representados por
sequências de números com precisão finita, e o processamento é
implementado usando processadores digitais (GPPs, DSPs, FPGAs, etc).

71
 DSP – Uma Visão Histórica
 Século XVII: Técnicas Numéricas: Newton e o Método das Diferenças Finitas.
 Século XVIII: Euler, Bernoulli, Lagrange, Gauss (1805) base da FFT, Fourier
(1822) representação em Série.
 Até 1950: Processamento analógico - executado com sistemas analógicos
implementados com circuitos eletrônicos ou ainda com dispositivos
mecânicos.
 Até final da década de 1960: computador digital era usado para aproximar
ou simular um sistema de processamento analógico de sinais (não em
tempo real).

72
 DSP – Uma Visão Histórica
 Década de 1980: A invenção e subsequente proliferação do
microprocessador preparou o caminho para as implementações de baixo
custo dos sistemas de processamento em tempo discreto de sinais.
• A complexidade, a velocidade e a capacidade dos chips de DSP têm
crescido exponencialmente desde o início da década de 1980.
Processamento paralelo e distribuído se tornaram uma tendência
significativa no desenvolvimento de algoritmos de processamento de sinais.
• E o futuro??? A chave para estar pronto para resolver novos problemas de
processamento de sinais é, e sempre foi, um profundo conhecimento da
matemática fundamental dos sinais e sistemas e dos projetos e algoritmos
de processamento associados.

73
 Aplicações do DSP
• Algoritmos sofisticados e hardware de processamento de sinais são prevalentes
em uma grande variedade de sistemas, desde sistemas militares altamente
especializados e complexos sistemas de telecomunicações, até aplicações
industriais e eletrônica de consumo.
• Os principais padrões de comunicações de dados, áudio e vídeo baseiam-se em
muitos dos princípios e das técnicas de processamento de sinais, assim como
algoritmos para processamento de voz e
imagem, filtragem de ruído, enhancement,
codificação, reconhecimento de padrões,
equalização, processamento multimídia,
controle, robótica, visão de máquina,
engenharia biomédica, acústica, sonar,
radar, sismologia, exploração de petróleo,
eletrônica de consumo...etc...

74
 Áreas do DSP
• A interpretação de sinais é uma área importante do processamento de
sinais, em que o objetivo do processamento é obter uma caracterização do
sinal de entrada.

• A análise espectral, baseada no uso da DFT e no uso de modelos de sinais,

é outro aspecto particularmente importante do processamento de sinais, em
que são identificadas quais frequências representam o sinal.

• A modelagem de sinais desempenha um papel importante na compressão

e codificação de dados, bem como em sistemas preditivos.

• Outro tópico avançado de importância considerável é o processamento

adaptativo de sinais em que o sistema auto-ajusta seus parâmetros livres
de acordo com o objetivo (goal) desejado.
 O que é um sinal?
Sinal é um fluxo de informação, matematicamente representado como
uma função de variáveis independentes, tais como tempo, posição, etc.

Tipos de Sinais
Sinais podem ser caracterizados como:
 Sinal de variável independente contínua
 Sinal de variável independente discreta
 Sinal unidimensional
 Sinal multidimensional
 Sinal de amplitude contínua
 Sinal de amplitude discreta

76
 Sinal unidimensional,
de variável independente contínua

Sinal de voz
Speech:
Sinal de tempo contínuo f(t), unidimensional Sinal 1-D, f(t)
(uma única variável independente, contínua).

A grandeza física pressão acústica

movimenta o diafragma do microfone, o
qual gera um sinal elétrico que corresponde
à intensidade da pressão instantânea da
onda sonora que chega ao microfone.

77
 Sinal unidimensional,
de variável independente contínua e amplitude contínua

Sinal Analógico
Tanto o tempo como a
amplitude são contínuos.

78
 Sinal multidimensional,
de variável independente contínua
Nem sempre os sinais têm como variável
independente o tempo.
Grey-scale image:
Uma imagem (foto analógica) é um sinal Sinal 2-D, f(x,y)
multidimensional f(x, y) não dependente do
y
tempo.

Intensidade luminosa (brightness) é função de

duas variáveis espaciais, uma variável
horizontal (x) e uma variável vertical (y).

As variáveis independentes x e y são variáveis

espaciais e contínuas.

Basicamente estudaremos sinais unidimensionais, mas pode x

ser elucidativo utilizar alguns exemplos com sinais
bidimensionais, especificamente imagens. 12
 Sinal multidimensional,
de variável independente contínua
Um vídeo (filme analógico) é um sinal multidimensional dependente do
tempo, f(x, y, t).
As variáveis independentes x, y (espaciais) são variáveis contínuas e a variável
independente t (tempo) é também contínua aos olhos do observador.

Video:
3-D, f(x,y,t)
y

t 13
 Sinal unidimensional,
de variável independente discreta

Discreto no tempo e
contínuo em amplitude.
Variável independente é representada por
sequência de números.

O sinal é uma função matemática de uma

variável discreta, que é o argumento da
função, função esta que somente assume
valores a múltiplos inteiros do argumento.

81
 Sinal unidimensional,
de variável independente discreta

Séries temporais econômicas,

usadas em análise de mercado de
ações.

Eixo vertical:
índice do mercado de ações
Eixo horizontal:
amostras tomadas a cada 10 dias.

82
 Sinal multidimensional,
de variável independente discreta
𝑇
0 1 26
Mais de uma variável
independente discreta no x[n] é um vetor de 27 elementos, sendo cada
tempo, representada por elemento a sequência no tempo discreto que
sequências de números. representa o sinal de cada respectiva antena
do arranjo espacial (array).
O Very Large Array (NM/USA), observatório de rádio astronomia, é composto
por 27 antenas de rádio com =25m, em uma configuração espacial em Y. Os
dados das 27 antenas são combinados digitalmente de modo a focalizar (como
se fosse uma lente) um ponto localizado a anos-luz da Terra.

83
 Sinal unidimensional,
de variável independente discreta e amplitude
discreta

Sinal digital
Discreto no tempo (amostrado) e
discreto em amplitude (quantizado).
84
 Digitalização de um Sinal
Sinal Processo de Processo de Sinal
analógico amostragem quantização digital

85
4 Sinais não periódicos

◾Considera-se os sinais não periódicos, aqueles cujas

componentes de frequência mudam no decorrer do
tempo.
◾Uma ferramenta usada para analisar os sinais não
periódicos é o espectrograma.
4 Sinais não-periódicos

◾Componentes de frequência mudam no decorrer do

tempo.
◾Chirp signals = sinais cujas frequências aumentam (up-
chirp) ou diminuem (down-chirp) com o tempo.
Sinal cuja frequência aumenta no decorrer do tempo Espectro de frequência do sinal chirp
Espectrograma
◾Para recuperar a relação entre frequência e tempo, pode-
se “separar” o sinal chirp em segmentos.
◾Plotamos o espectro de cada segmento.
◾O resultado é llamado de short-time Fourier transform
(STFT).
◾Existem várias formas para visualizar um STFT, sendo a
mais conhecida o Espectrograma.
◾O Espectrograma apresenta o tempo no eixo x e a
frequência no eixo y.
◾O espectrograma apresenta o espectro de um segmento,
usando cores ou escalas de cinzas para representar
amplitude.
O espectrograma apresenta no
eixo x o tempo de 1 segundo, e
no y a frequência de 0 a 700 Hz
Limite de Gabor
◾A resolução do tempo de um espectrograma é a duração
dos segmentos, que correspondem à largura de cada
célula no espectrograma.
◾Assim, desde que cada segmento é de 512 frames, e tem-
se 11.025 frames por segundo, existem 0.046 segundos
por segmento.
◾A resolução de frequência é a faixa de frequência entre
os elementos de um espectro, que corresponde à altura
de cada célula.
◾Com 512 frames, obtem-se 256 componentes de
frequência ao longo de uma faixa de frequências de 0 até
5.512,5 Hz, assim a faixa entre os componentes é 21,6 Hz.
◾Generalizando, se n é comprimento do segmento, o
espectro contem n/2 componentes. Se a taxa de frames é
r, a máxima frequência do espectro é r/2. Sendo a
resolução do tempo n/r e a resolução de frequência é

◾Idealmente, deseja-se a menor resolução de tempo, assim

podem-se observar pequenas mudanças de frequência.
◾Não podem ter-se ambas.
◾Observar que a resolução de tempo, n/r, é o inverso da
resolução de frequência r/n.
◾Como exemplo, duplicando o comprimento do segmento,
corta-se a resolução de frequência na metade (ok), mas
duplica-se a resolução do tempo (ruim).
◾Nem aumentando a framerate ou taxa de quadros pode-se
melhorar. Obtem-se mais amostras, mas a faixa de freqs.
aumentará simultaneamente.
◾Essa troca é chamada de Limite de Gabor, sendo a
limitação fundamental nesta análise de tempo-frequência.