Resolução da Prova de Princípios de comunicação

Aluno: Adriano Henrique Ra:134676

1)Descreva sobre o processo de amostragem.

O teorema da amostragem de Nyquist–Shannon, também conhecido simplesmente como teorema

de Nyquist, é fundamental no campo da teoria da informação, particularmente na área de
telecomunicações e processamento de sinais. Amostrar é o processo no qual se converte um sinal
(por exemplo, uma função contínua no tempo ou espaço) em uma sequência numérica (uma função
discreta no tempo ou espaço).

Um sinal ou função é limitado em banda se não contém energia em frequências maiores do que o
limite de banda B. Um sinal que é limitado em banda é condicionado a quão rápida é sua variação
no tempo, e, consequentemente, quanto detalhe ele pode transmitir em um intervalo de tempo. O
teorema da amostragem assegura que as amostras discretas uniformemente espaçadas são uma
representação completa do sinal, se sua largura de banda é menos do que a metade da taxa de
amostragem. Formalizando tais conceitos, seja x(t) a representação de um sinal contínuo no tempo
e seja X(f) sua transformada de Fourier.

O teorema descreve dois processos em processamento de sinais: um processo de amostragem, no

qual um sinal contínuo no tempo é convertido em um sinal de tempo discreto, e um processo de
reconstrução, no qual o sinal contínuo original é recuperado do sinal de tempo discreto.
O sinal contínuo varia no tempo (ou espaço em uma imagem digitalizada, ou outra variável
independente em alguma outra aplicação) e o processo de amostragem é realizado medindo-se o
valor do sinal contínuo a cada T unidades de tempo (ou espaço), o que é chamado de intervalo de
amostragem. Na prática, para sinais que são funções do tempo, o intervalo de amostragem é
tipicamente pequeno, na ordem de milissegundos, microssegundos ou menos. Isto resulta em uma
sequência de números, chamados de amostras, que representam o sinal original. Cada amostra é
associada com o instante no tempo quando a mesma foi tomada. A recíproca do intervalo de
amostragem (1/T) é a frequência de amostragem denominada fs, a qual é medida em amostras por
unidades de tempo. Se T é expressa em segundos, então fs é expressa em Hz.
A reconstrução do sinal original é um processo de interpolação que matematicamente define um
sinal contínuo no tempo x(t) a partir de amostras discretas x[n] e , às vezes, entre os instantes de
amostragem nT.

Fig.2: A função sinc normalizada: sin(πx) / (πx) ... mostrando o pico central em x=0, e os cruzamentos em zero
ocorrendo nos outros valores inteiros de x.

O procedimento: Cada valor de amostra é multiplicado pela função sinc dimensionada, de modo
que os cruzamentos de zero da função sinc ocorram nos instantes de amostragem e que o ponto
central da função sinc seja deslocado para o tempo daquela amostra, nT. Todas essas funções
dimensionadas e deslocadas são então somadas umas com as outras, para se recuperar o sinal
original. As funções deslocadas no tempo e dimensionadas são funções contínuas, fazendo com que
a soma das mesmas também seja contínua, de modo que o resultado desta operação é um sinal
contínuo. Tal procedimento é Representado pela Fórmula de interpolação de Whittaker-Shannon.

A condição: O sinal obtido deste processo de reconstrução não pode ter frequências maiores do
que metade da frequência de amostragem. De acordo com o teorema, o sinal reconstruído será
equivalente ao sinal original, respeitando-se a condição de que o sinal original não contenha
frequências sobre, ou acima deste limite. Esta condição recebe o nome de Critério de Nyquist, ou,
às vezes, Condição de Raabe.
Se o sinal original contém uma componente de frequência igual a metade da taxa de amostragem,
a condição não é satisfeita. O sinal recuperado pelo teorema poderá ter uma componente naquela
frequência, mas a amplitude e a fase daquela componente, provavelmente não irá condizer com a
componente original.
Esta reconstrução ou interpolação utilizando funções do tipo sinc nao é a única interpolação que
pode ser utilizada. De fato, é impossível na prática pois ela requer a soma de infinitos termos.
Realmente, é o método da interpolação que, na teoria, recupera exatamente qualquer x(t) limitado
em banda, com qualquer limite de banda B < 1/2T); qualquer outro método que faça isso é
formalmente equivalente a este.

Algumas consequências podem ser tiradas do teorema:

Se a maior frequência B no sinal original é conhecida, O teorema dá o limite inferior da frequência
de amostragem para que a reconstrução perfeita possa ser assegurada. Este limite inferior para a
frequência de amostragem, 2B, é chamado de taxa de Nyquist.

Se em vez disso a frequência de amostragem é conhecida, o teorema nos dá um limite superior para
componentes de frequência,B < fs/ 2, do sinal , permitindo a reconstrução perfeita. Este limite
superior é a frequência de Nyquist, denominadafN.
Ambos casos implicam que o sinal a ser amostrado deve ser limitado em banda; isso é, qualquer
componente deste sinal, que contém uma frequência acima de certo limite deveria ser zero, ou ao
menos suficientemente próximo a zero, permitindo que negligenciemos sua influência na
reconstrução resultante. No primeiro caso, a condição de limitação em banda do sinal amostrado
pode ser atingida, assumindo-se um modelo do sinal que pode ser analisado em termos de suas
componentes de frequência; por exemplo, sons que são produzidos por um humano falando
normalmente contém frequências muito baixas sobre ou acima de 10 kHz e é então suficiente para
amostrar tal sinal de áudio com uma frequência de amostragem de pelo menos 20 kHz. Para o
segundo caso, devemos assegurar que o sinal amostrado seja limitado em banda de modo que as
componentes de frequência sobre ou acima da metade da frequência de amostragem possam ser
negligenciadas. Isso é usualmente conseguido utilizando um filtro passa baixas; Por exemplo, se
deseja-se amostrar uma forma de onda a 8 kHz, O sinal deve primeiro passar por um filtro passa
baixas, com frequência de corte 4 kHz.
Na prática, nenhum dos dois casos acima pode ser completamente satisfeito, e também a formula
de reconstrução não pode ser precisamente implementada. O processo de reconstrução que
envolve funções sinc deslocadas e redimensionadas pode ser descrito como ideal. Mas não pode
ser realizado na prática uma vez que o mesmo implica que cada amostra contribua para a
reconstrução do sinal original em praticamente todos os pontos do tempo, de modo que precisa-se
somar um número infinito de termos. Ao invés disso, um tipo de aproximação das funções sinc,
finitas em comprimento, deve ser usado. O erro que isso implica é chamado de erro de interpolação.
Conversores digital para analógico práticos não produzem funções sinc deslocadas e
redimensionadas nem deltas de dirac, mas uma sequência de pulsos retangulares deslocados e
redimensionados. Esta prática seccionalmente constante de saída pode ser modelada como
um filtro hold de ordem zero impulsionado pela sequência de impulsos de Dirac dimensionados e
atrasados, referidos na base matemática abaixo.
Além disso, na prática, um sinal nunca pode ser perfeitamente limitado em banda, filtros do tipo
"muro de tijolos" não podem ser realizados. Todos os filtros práticos só podem atenuar as
frequências fora de um determinado intervalo, não as remover completamente. Além disso, um
"sinal" no tempo nunca pode ser limitado em banda. Isto significa que, mesmo se uma reconstrução
ideal pudesse ser feita, o sinal reconstruído não seria exatamente o sinal original. O erro que
corresponde ao fracasso da limitação em banda é referido comoalias.
O teorema da amostragem não diz o que acontece quando as condições e procedimentos não são
exatamente respeitados, mas a prova propõe um quadro analítico em que a não-idealidade pode
ser estudada. Um designer de um sistema que lida com processos de amostragem e reconstrução
precisa de uma profunda compreensão do sinal a ser amostrado, em especial o seu conteúdo de
frequências, a frequência de amostragem, como o sinal é reconstruído em termos de interpolação,
e o requisito para o erro total de reconstrução , incluindo aliasing, amostragem, interpolação e
outros erros. Essas propriedades e parâmetros podem precisar de ser cuidadosamente ajustados de
forma a obter um sistema útil.
2)Descreva as séries de Fourier.

FS:
DTFS=
 Logo a representação final será:

FT:

A Transformada de Fourier – FT é utilizada para representar um sinal não-periódico de tempo contínuo como uma
superposição de senoides complexas. A natureza contínua não-periódica de um sinal de tempo implica que a
superposição de senoides complexas envolva um continuum de frequências que variam de menos infinito a mais
infinito.
DTFT:
PROPRIEDADES: