EA614 - Análise de Sinais

Tópico 4 - Transformada de Fourier

Levy Boccato
Renan Del Buono Brotto

10 de setembro de 2023
Conteúdo
1 Motivação 2

2 Desenvolvimento da Transformada de Fourier 3

3 Convergência da Transformada de Fourier 4

4 Exemplos de Cálculo da Transformada de Fourier 5

5 Propriedades da Transformada de Fourier 9

5.1 A Propriedade da Convolução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
5.2 A Propriedade da Multiplicação no Tempo . . . . . . . . . . . . . . . . . . . . . . . . . . 17

6 Transformada de Sinais Periódicos 18

7 Sistemas LIT caracterizados por Equações Diferenciais com Coeficientes Constantes 21

EA614 - Análise de Sinais 1 2023

1 Motivação
O desenvolvimento de uma representação para sinais aperiódicos é feito interpretando um sinal deste
tipo como o limite de um sinal periódico à medida que o perı́odo se torna arbitrariamente grande. Nesta
condição (T → ∞ ou ω0 → 0), examinamos o comportamento da série de Fourier.
Intuição: Considere a onda retangular x(t) mostrada abaixo.
x(t)

1
··· ···
τ τ t
−T − T
2 2
No tópico anterior, verificamos que os coeficientes da série de Fourier deste sinal correspondem a:

sen(kω0 τ /2)
ck = .
kω0 T /2
2sen(ωτ /2)
Seja X(jω) , . Podemos relacionar X(jω) com ck da seguinte forma:
ω
1
ck = X(jω)
T ω=kω0

2
X(jω)

0
ω0
−1
−6 −4 −2 0 2 4 6
ω
A função X(jω), a menos do fator de escala T , representa a envoltória (em azul) sobre as linhas que
definem as amplitudes das componentes espectrais (ck , em vermelho).
À medida que aumentamos o perı́odo (T → ∞) ou, equivalentemente, tomamos ω0 cada vez menor,
preenchemos cada vez mais com amostras a envoltória X(jω). Num processo de limite para ω0 → 0,
teremos todos os ck preenchendo a função X(jω), ou seja, teremos os ck discretos sendo perfeitamente
representados por X(jω) contı́nuo. Portanto, quando T → ∞:
• A periodicidade de x(t) desaparece e o trem de pulsos retangulares tende ao sinal com um único
pulso;
• O espaçamento entre os coeficientes tende a zero, de modo que o conjunto de amostras (série de
Fourier) tende à envoltória X(jω), que será definida como a transformada de Fourier do sinal.

EA614 - Análise de Sinais 2 2023

2 Desenvolvimento da Transformada de Fourier
Considere o sinal x(t) genérico

x(t)

τ τ t
−
2 2

O sinal x̃(t) é a extensão periódica de x(t):

x̃(t)

τ τ t
−T − T
2 2
P∞ jkω0 t
Podemos, então, representá-lo em série de Fourier: x̃(t) = k=−∞ ck e , ω0 = 2π/T e ck =
1
R T /2 −jkω0 t
T −T /2
x̃(t)e dt.
Ora, x̃(t) = x(t) dentro de um perı́odo. Então, podemos calcular ck a partir de x(t). Além disso,
como x(t) = 0 para |t| > T /2 (fora de um perı́odo), podemos estender a integral a todo o eixo t que seu
resultado não é afetado.
Portanto,

1 ∞
Z
1
ck = x(t)e−jkω0 t dt = X(jω) ,
T −∞ T ω=kω0
R∞
onde X(jω) = −∞ x(t)e−jωt dt.
1 P∞
Com isto, x̃(t) = X(jkω0 ).ejkω0 t .
T k=−∞
Multiplicando e dividindo por ω0 , temos que:
∞ ∞
1 X jkω0 t 1 X
x̃(t) = X(jkω0 )e ω0 = X(jkω0 )ejkω0 t ω0
T ω0 k=−∞ 2π k=−∞

EA614 - Análise de Sinais 3 2023

 X(jω)ejωt
2π

ω0

ω
0 kω0

Cada termo do somatório é a área do retângulo de altura X(jkω0 )ejkω0 t /2π e largura ω0 . Fazendo
X(jω)eωt
ω0 → 0 (ou, equivalentemente, T → ∞), a somatória tende a ser a área sob a curva , com
2π
infinitos retângulos infinitesimais.
Então,
∞ Z ∞
1 X jkω0 t 1
lim X(jkω0 )e ω0 = X(jω)ejωt dω.
T →∞ 2π 2π −∞
k=−∞

Mas, quando T → ∞, x̃(t) se torna equivalente a x(t), de modo que a representação em frequência
de x̃(t) serve também para representar x(t).
Portanto,
Z ∞
1
x(t) = X(jω)ejωt dω (1a)
2π −∞
Z ∞
X(jω) = x(t)e−jωt dt (1b)
−∞

• X(jω) é a transformada de Fourier do sinal x(t): F{x(t)} = X(jω);

• x(t) é a transformada inversa de Fourier do espectro X(jω): F −1 {X(jω)} = x(t);
• x(t) e X(jω) estão intimamente relacionados, sendo, de fato, duas representações de um mesmo
sinal, uma no domı́nio do tempo e outra no domı́nio da frequência.
Observe que:
Z ∞ Z ∞
−jωt
X(j0) = X(jω) = x(t)e dt = x(t)dt = área total de x(t).
ω=0 −∞ ω=0 −∞

3 Convergência da Transformada de Fourier

Condições muito semelhantes àquelas consideradas para a série de Fourier podem assegurar a validade
da transformada de Fourier.
R∞
• Se x(t) é um sinal de energia, i.e., −∞ |x(t)|2 dt < ∞, então X(jω) é finito e o erro e(t) =
1 R∞
x(t) − X(jω)ejωt dω possui energia nula.
2π −∞

EA614 - Análise de Sinais 4 2023

 • Condições de Dirichlet: suponha que x(t) é tal que: (a) é absolutamente integrável; (b) apresenta
um número finito de máximos e mı́nimos em qualquer intervalo finito de tempo e (c) apresenta
um número finito de descontinuidades em qualquer intervalo finito de tempo. Então, x(t) e a
inversa de X(jω) são idênticos, exceto nos pontos de descontinuidades, onde a inversa tende ao
valor médio dos limites laterais.

4 Exemplos de Cálculo da Transformada de Fourier

Exemplo 1: x(t) = e−at u(t), a > 0.

Z ∞ Z ∞ Z ∞
−jωt −at −jωt
X(jω) = x(t)e dt = e e dt = e−(a+jω)t dt
−∞ 0 0
∞
1 1 1
=− e−(a+jω)t =− (0 − 1) = (2)
a + jω 0 a + jω a + jω
1 √ 1 e−jθ , ω


Em termos de módulo e fase: X(jω) = a+jω
= a2 +ω 2
onde θ = arctan a
.

Exemplo 2: x(t) = e−a|t| , a > 0

0.8

0.6
x(t)

0.4

0.2

0
−6 −4 −2 0 2 4 6
t

Z ∞ Z 0 Z ∞
−jωt at −jωt 1 1 2a
X(jω) = x(t)e dt = e e dt + e−at e−jωt dt = + = 2
−∞ −∞ 0 a − jω a + jω a + ω2

Como X(jω) é real e com simetria par, temos apenas o espectro de amplitudes; o espectro de fase é
nulo.

Exemplo 3: x(t) = δ(t)

Observe que este não é um sinal de energia. Mesmo assim, podemos calcular sua transformada.

Z ∞ Z ∞ Z ∞ Z ∞
−jωt −jωt −jωt jω0
X(jω) = x(t)e dt = δ(t)e dt = δ(t)e dt = e . δ(t)dt = 1
−∞ −∞ −∞ t=0 −∞

EA614 - Análise de Sinais 5 2023

 O espectro é constante e igual a 1 para todas as frequências.

Exemplo 4: X(jω) = δ(ω).

Z ∞ Z ∞ Z ∞
1 jωt 1 jωt j0t 1 1
x(t) = X(jω)e dω = δ(ω)e dω = e δ(ω)dω = .
2π −∞ 2π −∞ 2π −∞ 2π

Exemplo 5: X(jω) = δ(ω − ω0 ).

Usando um raciocı́nio semelhante,
Z ∞
1 jω0 t ∞
Z
1 jωt 1 jω0 t
x(t) = δ(ω − ω0 )e dω = e δ(ω − ω0 )dω = e .
2π −∞ 2π −∞ 2π
Como consequência desse resultado, podemos afirmar que F{ejω0 t } = 2πδ(ω − ω0 ).

Exemplo 6: x(t) = cos(ω0 t).

1 1
Ora x(t) = ejω0 t + e−jω0 t . Como a transformada de Fourier é um operador linear,
2 2
1 1
F{x(t)} = X(jω) = F{ejω0 t } + F{e−jω0 t }
2 2
1
1

= 2πδ(ω − ω0 ) + 2πδ(ω + ω0 ) = πδ(ω − ω0 ) + πδ(ω + ω0 )
2 2

X(jω)

π π

ω
−ω0 0 ω0

Seguindo o mesmo procedimento, é fácil verificar que

F{sen(ω0 t)} = jπδ(ω + ω0 ) − jπδ(ω − ω0 )

|X(jω)|

π π

ω
−ω0 0 ω0

EA614 - Análise de Sinais 6 2023

 X(jω)

π
2

ω
−ω0 0 ω0

π
−
2
(
1, |t| < τ /2
Exemplo 7: x(t) =
0, |t| > τ /2

x(t)

τ τ t
− 0
2 2

∞ τ /2 τ /2
e−jωt
Z Z
−jωt −jωt
X(jω) = x(t)e dt = 1.e dt =
−∞ −τ /2 −jω t=−τ /2
2sen(ωτ /2) τ sen(ωτ /2)
= = sen(ωτ /2) = τ
ω ωτ /2 ωτ /2
Definições:
sen(πx)
sinc(x) , −→ Função sinc
πx
sen(x)
Sa(x) , −→ Função Sampling
x
Então, X(jω) = τ Sa(ωτ /2)

EA614 - Análise de Sinais 7 2023

 4

X(jω)
2

−1
−6 −4 −2 0 2 4 6
ω
ωτ 2πk
Cruzamentos em zero: sen(ωτ /2) = 0 =⇒ = kπ =⇒ ω = .
2 τ
(
1, |ω| < W
Exemplo 8: X(jω) =
0, |ω| > W

X(jω)

ω
−W 0 W

W W
1 ejωt
Z
−1 1 1 1
x(t) = F {X(jω)} = e jωt
dω = = [ejW t − e−jW t ] = sen(W t) =
2π −W 2π jt ω=−W 2πjt πt

   
1 W W W sen(πW t/π) W Wt
= sen π t = = sinc
t Wπ π π πW t/π π π

8
X(jω)
6

4
x(t)

−2
−6 −4 −2 0 2 4 6 ω
t −W1 W1

EA614 - Análise de Sinais 8 2023

 4
X(jω)
3

2
x(t)

−1
−6 −4 −2 0 2 4 6 ω
t −W2 W2

Comentários:

• Há uma estreita relação entre a largura (faixa) do espectro de frequências e a taxa (ou velocidade)
de variação do sinal no tempo. Quanto mais rápida for a oscilação ou variação do sinal no tempo,
maior será a largura do espectro.

• Sinais x(t) de duração finita no tempo produzem espectros infinitos.

• Sinais x(t) ilimitados no tempo produzem espectros finitos.

5 Propriedades da Transformada de Fourier

a) Linearidade: Se x1 (t) ⇐⇒ X1 (jω) e x2 (t) ⇐⇒ X2 (jω), então:
y(t) = ax1 (t) + bx2 (t) ⇐⇒ Y (jω) = aX1 (jω) + bX2 (jω)
A transformada de uma combinação de sinais é a combinação das transformadas.

b) Deslocamento Temporal: Se x(t) ⇐⇒ X(jω), então:

Z ∞ Z ∞ Z ∞
−jωt −jω(τ +t0 ) −jωt0
F{x(t−t0 )} = x(t−t0 )e dt = x(τ )e dτ = e x(τ )e−jωτ dτ = e−jωt0 X(jω).
−∞ −∞ −∞

c) Simetrias:
Se x(t) ⇐⇒ X(jω), então y(t) = x∗ (t) ⇐⇒ Y (jω) = X ∗ (−jω).
Demonstração:
Z ∞ Z ∞ Z ∞ ∗
∗ −jωt jωt ∗ jωt


Y (jω) = x (t)e dt = x(t)e dt = x(t)e dt
−∞
Z ∞ −∞
∗
−∞

= x(t)e−j(−ω)t dt = X ∗ (−jω).
−∞

EA614 - Análise de Sinais 9 2023

 • Para x(t) real, x(t) = x∗ (t), de modo que X(jω) = X ∗ (−jω). Portanto,
|X(jω)| = |X ∗ (−jω)| = |X(−jω)| −→ |X(jω)| é par.
X(jω) = X ∗ (−jω) = − X(−jω) −→ X(jω) é ı́mpar.

• Se x(t) ⇐⇒ X(jω), então y(t) = x(−t) =⇒ Y (jω) = X(−jω).

Z ∞ Z ∞ Z ∞
−jωt
Y (jω) = x(−t)e dt = jωτ
x(τ )e dτ = x(τ )e−j(−ω)τ dτ = X(−jω).
−∞ −∞ −∞

• Se x(t) ⇐⇒ X(jω) é par, então X(jω) = X(−jω) também é par. Esta propriedade é con-
sequência direta da anterior.

• Se x(t) é real e par, então X(jω) = X ∗ (−jω) = X(−jω). Logo, X ∗ (−jω) = X(−jω) −→
X ∗ (jω) = X(jω). Ou seja, X(jω) é real e par.

• Se x(t) = −x(−t) (ı́mpar), então X(jω) = −X(−jω) (ı́mpar).

Z ∞ Z ∞ Z ∞
−jωt −jωt
X(jω) = x(t)e dt = − x(−t)e dt = − x(τ )ejωτ dτ = −X(−jω)
−∞ −∞ −∞

• Se x(t) é real e ı́mpar, então X(jω) = −X ∗ (jω) e, portanto, X(jω) é imaginário puro. Ora,
se x(t) é real, X(jω) = X ∗ (−jω); do mesmo modo, se x(t) é ı́mpar, X(jω) = −X(−jω).
Desse modo, temos que X ∗ (−jω) = −X(−jω).
Ou seja, X(jω) = −X ∗ (jω), o que significa que X(jω) é imaginário.

dx(t)
d) Diferenciação: Se x(t) ⇐⇒ X(jω), então ⇐⇒ jωX(jω)
d(t)
Z ∞
1
x(t) = X(jω)ejωt dω
2π −∞
Aplicando a derivada em ambos os lados:
Z ∞
dx(t) 1
= X(jω)jωejωt dω = F −1 {jωX(jω)}
dt 2π −∞

Observamos que:
|Y (jω)| = |jω|.|X(jω)| = |ω|.|X(jω)|
 
π
Y (jω) = X(jω) ±
2
A derivação de um sinal enfatiza as altas frequências (ganho cresce com a frequência).
e) Integração: Se x(t) ⇐⇒ X(jω), então
Z t
X(jω)
x(τ )dτ ⇐⇒ + πX(j0)δ(ω).
−∞ jω

EA614 - Análise de Sinais 10 2023



f) Deslocamento em frequência: Se x(t) ⇐⇒ X(jω), então ejω0 t x(t) ⇐⇒ X j(ω − ω0 ) .
Z ∞ Z ∞
−1 1
jωt 1
X(jΩ)ej(Ω+ω0 )t dΩ


F X(j ω − ω0 ) = X j(ω − ω0 ) e dω =
2π −∞ 2π −∞
ejω0 t ∞ 
Z
X(jΩ).ejΩt dΩ = ejω0 t x(t).

=
2π −∞
 
1 ω
g) Escalonamento no tempo: Se x(t) ⇐⇒ X(jω), então x(at) ⇐⇒ X j .
|a| a
1 ∞
 R
−jωτ /a
 a −∞ x(τ )e dτ, a>0


Z ∞ 
F{x(at)} = x(at)e−jωt dt =
 1 ∞ x(τ )e−jωτ /a dτ, a < 0
−∞ 
 R

−a −∞
 
1 ω
Disto decorre que F{x(at)} = X j .
|a| a
dX(jω)
h) Derivada em frequência: Se x(t) ⇐⇒ X(jω), então −jtx(t) ⇐⇒ .
dω
Z ∞
X(jω) = x(t)e−jωt dt
−∞

Derivando ambos os lados com relação a ω:

Z ∞
dX(jω)
= −jtx(t)e−jωt dt = F{−jtx(t)}
dω −∞

i) Teorema de Parseval:
Z ∞ Z ∞ Z ∞
 Z ∞ 
2 ∗ 1 ∗ jωt
|x(t)| dt = x(t)x (t)dt = x (t) X(jω)e dω dt
−∞ −∞ −∞ 2π −∞
Z ∞ Z ∞ 
1 ∗ jωt
= X(jω) x (t)e dt dω
2π −∞ −∞
Z ∞ Z ∞ ∗ Z ∞
1 −jωt 1
= X(jω) x(t)e dt dω = X(jω)X ∗ (jω)dω
2π −∞ −∞ 2π −∞
Z ∞
1
= |X(jω)|2 dω.
2π −∞

A energia total de um sinal, calculada no tempo, equivale à integral do módulo do espectro ao

quadrado (dividido pela constante 2π).

j) Dualidade:
Se x(t) ⇐⇒ X(jω), então X(t) ⇐⇒ 2πx(−ω).
Esta propriedade tem por trás a observação que ao trocarmos as funções x(t) e X(jω) de domı́nio,
a relação entre elas como par transformado se mantém.

EA614 - Análise de Sinais 11 2023

 Z ∞
1
x(t) = X(jω)ejωt dω
2π −∞

Fazendo uma troca de variáveis, podemos escrever:

Z ∞
1
x(jω) = X(t)ejωt dt
2π −∞

Fazendo ω = −ω,
Z ∞
2πx(−jω) = X(t)e−jωt dt = F{X(t)}
−∞
(
1, |t| < τ /2
Exemplo: x(t) = ⇐⇒ X(jω) = τ Sa(ωτ /2)
0, c.c.
Se tivermos a função W Sa(W t/2) no tempo, pela dualidade, seu espectro será
(
2π, |ω| < W/2
2πx(−ω) =
0, c.c.

Assim, pela dualidade, sabemos que se a transformada de Fourier de uma janela retangular no
tempo é igual a uma função sampling, então a transformada de Fourier de um sampling no tempo
é precisamente uma janela retangular na frequência.
(
1, t>0
Exemplo 2: x(t) = sgn(t) =
−1, t < 0

x(t)

0 t

−1

dx(t)
Ora, a derivada da função sinal é dada por y(t) = = 2δ(t). Então,
dt
Y (jω) = F{dx(t)/dt} = F{2δ(t)} = 2.

A partir de Y (jω), podemos determinar X(jω) usando a propriedade da integração. Note, porém,
que a relação entre x(t) e y(t) é: Z t
x(t) = y(τ )dτ − 1.
−∞

EA614 - Análise de Sinais 12 2023

 Assim, pela linearidade,
Z t 
X(jω) = F y(τ )dτ − F{1}
−∞
Y (jω)
= + πY (j0)δ(ω) − F{1}
jω

1
Como Y (j0) = 2 e lembrando que F{ 2π } = δ(ω), temos que:

Y (jω)
X(jω) = + 2πδ(ω) − 2πδ(ω)
jω
2
= (3)
jω

Exemplo 3: E a função x(t) = u(t)?

A rigor, o degrau unitário viola a primeira condição de Dirichlet, pois
Z ∞
u(t)dt → ∞.
−∞

Não obstante, podemos obter sua representação em frequência explorando a relação entre u(t) e a
1 1 1
função sinal. Ora, u(t) = [sgn(t) + 1] = sgn(t) + . Logo,
2 2 2
1 1 1
F{u(t)} = F{sgn(t)} + 2πδ(ω) = + πδ(ω).
2 2 jω

5.1 A Propriedade da Convolução

Se y(t) = x(t) ∗ h(t), então Y (jω) = X(jω).H(jω).
Demonstração:
Z ∞ Z ∞ Z ∞ 
−jωt
Y (jω) = F{y(t)} = y(t)e dt = x(τ )h(t − τ )dτ e−jωt dt
Z ∞  Z −∞
∞ −∞ −∞
= x(τ ) h(t − τ )e−jωt dt dτ.
−∞ −∞
R∞
Pela propriedade do deslocamento, sabemos que −∞ h(t − τ )e−jωt dt = e−jωτ H(jω).
Assim,
Z ∞ Z ∞
−jωτ
Y (jω) = x(τ )e H(jω)dτ = H(jω). x(τ )e−jωτ dτ = H(jω)X(jω).
−∞ −∞

Esta é uma das propriedades mais importantes da transformada de Fourier. Ela coloca em evidência
alguns fatos:

• Um sistema LIT é caracterizado por sua resposta ao impulso h(t), e produz a saı́da como resultado
da convolução entre h(t) e o sinal de entrada x(t). No domı́nio da frequência, porém, esta operação
dá lugar a um produto entre as respectivas transformadas.

EA614 - Análise de Sinais 13 2023

 • A transformada de Fourier da resposta ao impulso ganha especial importância por ser elemento-
chave na determinação da saı́da.

x(t) h(t) y(t)

X(jω) H(jω) Y (jω)

y(t) = x(t) ∗ h(t)

Y (jω) = X(jω)H(jω)

Em diversas situações pode ser mais simples trabalhar no domı́nio da frequência, manipulando o
espectro do sinal de entrada X(jω) e a resposta em frequência do sistema H(jω), computando o produto
entre eles, do que tentar calcular explicitamente a integral de convolução no tempo.
Além disso, em vários contextos, a descrição do que um sistema deve fazer sobre um sinal de entrada
é mais fácil e inteligı́vel no domı́nio da frequência. Por exemplo, quando desejamos realçar os sons de
tambores e baixos, devemos aumentar o ganho para os sons graves em amplificadores e/ou equalizadores
domésticos. Isto significa que devemos enfatizar as frequências mais baixas, aplicando um ganho maior
nesta faixa de frequências. A noção de baixas frequências e de alteração de ganho em frequências
especı́ficas só é possı́vel no domı́nio transformado e é motivada por esta propriedade.

• Sistemas em cascata:

x(t) h1 (t) h2 (t) y(t) x(t) heq (t) = h1 (t) ∗ h2 (t) y(t)
=
H1 (jω) H2 (jω) Heq (jω) = H1 (jω)H2 (jω)

Vamos analisar agora alguns sistemas LIT comumente utilizados.

a) Sistema atrasador ideal

x(t) h(t) y(t) = x(t − t0 )

X(jω) H(jω)

Y (jω) = F{x(t − t0 )} = e−jωt0 X(jω) = H(jω)X(jω).

Portanto, H(jω) = e−jωt0 e h(t) = δ(t − t0 ).

|H(jω)|

ω
0

EA614 - Análise de Sinais 14 2023

 H(jω)
−ωt0

ω
0

Fase linear

Então,
|Y (jω)| = |X(jω)|.|H(jω)| = |X(jω)|
Y (jω) = X(jω) + H(jω) = X(jω) − ωt0 .
b) Sistema diferenciador
dx(t)
y(t) = −→ Y (jω) = jω.X(jω) = H(jω)X(jω). Portanto, a resposta em frequência do filtro
dt
é H(jω) = jω.
|H(jω)| = |ω| −→ é um sistema que enfatiza as altas frequências.
(
π/2, ω>0
H(jω) =
−π/2, ω < 0

c) Sistema integrador
Rt
y(t) = −∞ x(τ )dτ .
Ora, podemos interpretar y(t) como sendo o resultado da convolução de x(t) com o degrau unitário,
pois:
Z ∞ Z t
x(t) ∗ u(t) = x(τ ) u(t − τ ) dτ = x(τ )dτ.
−∞ | {z } −∞
= 1 para
−∞ < τ < t
 
1 X(jω)
Assim, Y (jω) = X(jω).F{u(t)} = X(jω). + πδ(ω) = + πδ(ω)X(j0).
jω jω
Fica assim demonstrada a propriedade de integração.
R∞
Supondo x(t) um sinal com área total nula1 , ou seja, −∞ x(t)dt = 0, temos que X(j0) = 0. Então,
a resposta em frequência neste cenário fica:

1
H(jω) =
jω
Portanto, a magnitude e a fase da resposta em frequência do sistema integrador são dadas por:

1
|H(jω)| = −→ enfatiza as baixas frequências.
|ω|
1
Por exemplo, sinais que possuem nı́vel DC nulo (média nula) apresentam área total nula.

EA614 - Análise de Sinais 15 2023

 (
−π/2, ω > 0
H(jω) =
π/2, ω < 0.

d) Filtro passa-baixas ideal

|H(jω)|

1
Faixa de Rejeição
−ωc ωc ω
0

Faixa de Passagem

Um filtro com estas caracterı́sticas – perfeitamente plano, transição instantânea da banda de

passagem à banda de rejeição, não-causal – não é fisicamente realizável.

Exemplo:

x(t)
1

−τ τ t
0

Se utilizarmos a definição para calcular esta transformada, muito esforço será necessário (integração
por partes).
rτ (t) ∗ rτ (t)
Contudo, se lembrarmos que x(t) = ,
τ
rτ (t)

τ τ t
− 0
2 2

podemos aplicar diretamente a propriedade:

F{rτ (t)}2 τ 2 Sa2 (ωτ /2)

X(jω) = = = τ Sa2 (ωτ /2).
τ τ

EA614 - Análise de Sinais 16 2023

5.2 A Propriedade da Multiplicação no Tempo
1
Se p(t) = x(t).y(t), então P (jω) = X(jω) ∗ Y (jω).
2π
Demonstração:
Z ∞ Z ∞ Z ∞ 
−jωt 1
P (jω) = x(t)y(t)e dt = X(jα)e dα y(t)e−jωt dt
jαt
−∞ −∞ 2π −∞
Z ∞ Z ∞ 
1 jαt −jωt
= X(jα) e y(t)e dt dα
2π −∞ −∞
Z ∞
1 1
= X(jα)Y (j(ω − α))dα = X(jω) ∗ Y (jω)
2π −∞ 2π
Esta propriedade também é bastante explorada, principalmente em sistemas de comunicação, dentro
do contexto de modulação.
Exemplo: Seja y(t) = cos(ω0 t) e x(t) genérico.

x(t) × p(t)

cos(ω0 t)

O sinal x(t) irá modular (controlar) a amplitude de uma cossenóide de frequência ω0 , responsável
por carregar a informação que desejamos transmitir.

p(t) = x(t) . cos(ω0 t)

|{z} | {z }
Sinal Portadora
Modulante

Então,
1 1
P (jω) = [X(jω) ∗ Y (jω)] = [X(jω) ∗ (πδ(ω − ω0 ) + πδ(ω + ω0 ))]
2π 2π
1
= [X(jω) ∗ δ(ω − ω0 ) + X(jω) ∗ δ(ω + ω0 )]
2
1 1
= X(j(ω − ω0 )) + X(j(ω + ω0 ))
2 2

X(jω)

ω
−ωm 0 ωm

EA614 - Análise de Sinais 17 2023

 P (jω)

1
2
ω
−ω0 0 ω0 − ωm ω0 ω0 + ωm

Ocorre, portanto, uma translação do espectro do sinal x(t) para a faixa de frequências em torno
de ±ω0 (frequência da portadora). Por exemplo, em AM, f0 fica no intervalo de 500 kHz a 1500 kHz
(ω0 = 2πf0 ).
Observação: a modulação é necessária para aumentar a frequência de um sinal sem distorcê-lo,
adequando-o ao meio e à forma de transmissão. Isto possibilita uma redução no comprimento de onda do
sinal transmitido e, por consequência, no tamanho da antena de recepção (tipicamente de comprimento
na faixa de λ/10 a λ/2).
Agora, como o rádio receptor poderia recuperar o sinal de informação x(t)? Basta aplicar uma nova
modulação, i.e., multiplicar o sinal recebido pela portadora.

r(t) = p(t). cos(ω0 t) = [x(t). cos(ω0 t)]. cos(ω0 t) = x(t) cos2 (ω0 t)
 
1 1 x(t) 1
= x(t) + cos(2ω0 t) = + x(t). cos(2ω0 t).
2 2 2 2
Assim,

R(jω)

1/2

1/4

ω
−2ω0 0 ωm 2ω0

Como isolar x(t)? Utilizando um filtro passa-baixas, podemos preservar o conteúdo em banda base
(em torno de ω = 0) e, ao mesmo tempo, eliminar as componentes espectrais de alta frequência.

6 Transformada de Sinais Periódicos

Vamos, por fim, desenvolver uma nova formulação para a série de Fourier. Tal formulação permi-
tirá enxergar a série como um caso particular da transformada. Com isto, teremos uma ferramenta
matemática única para tratar os sinais periódicos e não-periódicos.
Seja x(t) um sinal periódico com perı́odo T . Sua representação em série de Fourier é
∞ Z
X 1
x(t) = ck e jkω0 t
, ω0 = 2π/T e ck = x(t)e−jkω0 t dt.
k=−∞
T T

EA614 - Análise de Sinais 18 2023

 Aplicando a transformada de Fourier:
∞
X
F{x(t)} = ck F{ejkω0 t }.
k=−∞

Mas, F{ejkω0 t } = 2πδ(ω − kω0 ). Além disso, ck = T1 T x(t)e−jkω0 t dt pode ser escrito como
R

Z ∞ 
1 −jωt 1
ck = xT (t)e dt = XT (jω) ,
T −∞ ω=kω0 T ω=kω0

onde xT (t) é o sinal correspondente a um perı́odo de x(t) e XT (jω) sua transformada de Fourier.
Juntando estes dois resultados, obtemos:
∞ ∞
X 2π X
X(jω) = 2π ck δ(ω − kω0 ) = XT (jkω0 )δ(ω − kω0 )
k=−∞
T k=−∞
∞ ∞
X
jkω0 t 1 X
x(t) = ck e = XT (jkω0 )ejkω0 t
k=−∞
T k=−∞
1
ck = XT (jω)
T ω=kω0

É possı́vel constatar que X(jω) também apresenta componentes espectrais somente nas frequências
harmônicas. Porém, elas são agora representadas por impulsos. Este espectro já contém todas as
informações que os espectros de amplitude e fase da série de Fourier possuem. Cada impulso tem o sinal
de ck e sua área fornece a amplitude de ck (com escala de 2π).
Exemplo 1:

x(t)

t
−T T −τ τ T T
− 2 2
2 2

Transformada em um perı́odo: F{xT (t)} = τ Sa(ωτ /2), como visto anteriormente neste material.
2π P∞
Assim, X(jω) = k=−∞ τ Sa(kω0 τ /2)δ(ω − kω0 ).
T

EA614 - Análise de Sinais 19 2023

 3 X(jω)
2π
T
XT (jω)

−3ω0 3ω0
0 −ω0 ω0

−1
−6 −4 −2 0 2 4 6
ω
Exemplo 2: Trem de impulsos.
∞
X
x(t) = δ(t − kT )
k=−∞

Como calculado no tópico anterior, ck = 1/T, ∀k.

2π P∞
Assim, X(jω) = k=−∞ δ(ω − kω0 ).
T
Abordagem alternativa: outra maneira de se determinar a transformada de Fourier de um sinal
periódico consiste em escrevê-lo como:
∞
X
x(t) = xT (t) ∗ δ(t − kT ).
k=−∞

Daı́,
∞ ∞
X 2π 2π X
X(jω) = XT (jω). δ(ω − kω0 ) = XT (jω)δ(ω − kω0 ).
k=−∞
T T k=−∞

Exemplo 3: vamos tratar da modulação de um sinal x(t) tendo como portadora p(t) uma onda
quadrada.

x(t) × y(t)

p(t) =

1
Y (jω) = X(jω) ∗ P (jω).
2π

EA614 - Análise de Sinais 20 2023

 P∞ 2π
Mas, acabamos de mostrar que P (jω) = k=−∞ τ Sa(kω0 τ /2)δ(ω − kω0 ).
T
Assim,

 X∞  ∞
1 2π 1 X
Y (jω) = X(jω) ∗ τ Sa(kω0 τ /2)δ(ω − kω0 ) = τ Sa(kω0 τ /2)X(j(ω − kω0 )).
2π k=−∞
T T k=−∞

O espectro de x(t) será replicado e deslocado de forma a ter seu centro em cada frequência harmônica
que está presente na portadora (no caso, apenas as harmônicas ı́mpares).

2
X(jω)

−3ω0 3ω0
0 −ω0 ω0

−1
−6 −4 −2 0 2 4 6
ω

7 Sistemas LIT caracterizados por Equações Diferenciais com

Coeficientes Constantes
Uma classe particularmente importante de sistemas LIT contı́nuos apresenta uma relação entre os
sinais de entrada e de saı́da na forma de uma equação diferencial (linear) com coeficientes constantes.

LIT

x(t) h(t) y(t)

Y (jω)
Ora, y(t) = x(t) ∗ h(t). Portanto, Y (jω) = X(jω).H(jω) −→ H(jω) = .
X(jω)
A relação entrada-saı́da do sistema é dada por:
N M
X dk y(t) X dk x(t)
ak k
= bk k
.
k=0
dt k=0
dt

EA614 - Análise de Sinais 21 2023

 Aplicando a transformada de Fourier em ambos os lados e explorando a linearidade, temos que:
N M
dk y(t) dk x(t)
X   X  
ak F = bk F .
k=0
dtk k=0
dt k

dk x(t)
 
Mas F = (jω)k X(jω). Assim,
dtk
N
X M
X
k
ak (jω) Y (jω) = bk (jω)k X(jω)
k=0 k=0
PM k
Y (jω) k=0 bk (jω)
= H(jω) = PN
X(jω) k=0 ak (jω)
k

Trata-se de uma função racional de ω. Assim, para obter h(t), podemos separar H(jω) em frações
parciais e calcular a inversa termo a termo por inspeção.

EA614 - Análise de Sinais 22 2023