PROCESSAMENTO DIGITAL DE

SINAIS
AULA 1
 Prof.ª Viviana Raquel Zurro

CONVERSA INICIAL

Nesta abordagem, estudaremos os princípios básicos de processamento digital de sinais.

Verificaremos algumas das características necessárias dos sistemas para processamento desses sinais.

Na atualidade, a grande maioria dos sistemas depende do processamento digital de sinais para

funcionar e processar dados. Os sinais analógicos obtidos pelos sensores precisam ser convertidos em

uma sequência de números (sinal digital) para que o sistema consiga entendê-los e trabalhar com

eles. Sistemas eletrônicos de processamento de sinais (computadores, microprocessadores e

processadores digitais de sinais – DSPs, em inglês) só entendem essas sequências de números (que

eletronicamente falando são tensões). Devido a isso, falaremos acerca de sistemas de processamento
tanto analógico quanto digital de sinais.

TEMA 1 – INTRODUÇÃO AO PROCESSAMENTO DE SINAIS

Parâmetros físicos variáveis podem ser representados como um sinal variável em função do
tempo. Os sinais analógicos provenientes dos sensores que captam o parâmetro físico são sinais

contínuos que variam no tempo, enquanto os sinais digitais são sequências descontínuas (discretas)

em tempo e amplitude, e são representados por números (sequências binárias). O sinal analógico

pode ser medido a qualquer instante de tempo, enquanto o sinal digital existe somente em

determinados instantes.

Estes parâmetros analógicos podem ser sons, luminosidade, temperatura, tração, compressão,

pressão etc. Cada parâmetro tem suas características específicas; portanto, devem ser captados por

sensores adequados, considerando as características deles. Alguns autores afirmam que a natureza é

analógica: “O mundo em que vivemos é analógico. Nós somos analógicos. Qualquer sinal que

podemos perceber é analógico” (Kinget, 2014).

 Outros afirmam que a natureza não é nem analógica nem digital. Segundo a física moderna, a

natureza segue as regras da mecânica quântica, na qual só há níveis de energia permitidos. Mas

podemos afirmar que tanto os sinais analógicos quanto os digitais são representações da variação de

parâmetros físicos em função de determinadas variáveis (tempo e espaço, por exemplo). E baseados

nestes sinais, o sistema de processamento realizará determinadas ações (Lesurf).

Somos cada vez mais homo digitalis, misturando a natureza biológica analógica individual com o

aparato tecnológico universal. Com isso, pavimentamos o caminho não só para que o cérebro
consiga acompanhar a escalada tecnológica exponencial, mas também para a construção de um

neocórtex coletivo global. (Gabriel, 2014)

1.1 PRINCÍPIOS DE PROCESSAMENTO DE SINAIS

Todos os parâmetros físicos podem ser representados como uma função cuja amplitude varia em

função de uma variável independente. Esta variável independente pode ser o tempo ou o espaço. A

maioria dos sinais é uma representação da variação de um parâmetro em função do tempo; nestes

casos, o tempo é a variável independente. Por exemplo, um som pode ser representado como a

variação da pressão do ar em função do tempo. Imagens são representações da variação de

luminosidade e cores em função do espaço, sendo o espaço a variável independente.

Variável independente:

Tempo contínuo: a variação do sinal é infinitesimal, isto significa que acontece

permanentemente. O tempo contínuo é definido por “t” e, de acordo com o Sistema

Internacional de Unidades (SI), é medido em segundos.

Tempo discreto: o sinal é considerado somente em determinados instantes. Fora desses

instantes, o sinal “não existe” ou é zero. O tempo discreto é definido por “n”, é adimensional e o
chamaremos de número de amostra.

Na conversão analógico-digital, o tempo “t” e o número de amostra “n” estão relacionados pela
frequência de amostragem.

Sinais:

Para que exista comunicação entre seres humanos (natureza) e processadores (computadores), é

necessário que as variações de determinados parâmetros sejam convertidas em sinais elétricos para
processamento deles. Sensores são transdutores que transformam qualquer tipo de sinal (inclusive
elétricos) em sinais elétricos de tensão ou de corrente. Existem inúmeros tipos de sensores para todos
os tipos de parâmetros mensuráveis. Cada sinal tem características inerentes à sua natureza, e cada

um dos sensores tem características específicas. Tanto as características do sinal quanto as do sensor
devem ser respeitadas pelo equipamento que vai recebê-lo e processá-lo. Os sinais captados pelos

sensores são analógicos e precisam ser processados analogicamente antes da digitalização. É de

fundamental importância conhecer detalhadamente as características do sinal para poder processá-lo.

O espectro em frequência do sinal deve ser estudado detalhadamente antes de qualquer tipo de
processamento, devido a que cada sinal analógico possui um espectro em frequência próprio e

característico, e o equipamento usado para processar esse sinal deverá cobrir todo o espectro para
não eliminar informação. O espectro em frequência de um sinal é composto por “n” componentes
senoidais de amplitudes e frequências diferentes. Cada uma destas senoides corresponde a uma

harmônica do sinal.

Todos os sinais têm características próprias. Eles podem ser:

periódicos: as formas de onda se repetem a cada determinado intervalo de tempo;

não periódicos: não têm uma forma de onda definida;

analógicos: acontecem em tempo contínuo com amplitude contínua;

digitais: são sequências de números que representam um sinal analógico em tempo discreto.

A Figura 1 mostra quatro tipos de sinais.

Figura 1 – Sinais: (a) Analógico periódico; (b) Analógico não periódico; (c) Digital periódico; (d) Digital
não periódico
 Como os sinais captados pelos sensores apresentam amplitudes muito baixas (alguns deles na

faixa dos µV), um processamento analógico anterior à digitalização é necessário. Os sinais precisam
ser amplificados e filtrados. A amplificação é necessária para que a amplitude seja compatível com a

amplitude necessária na entrada do conversor analógico-digital (CAD, em português, ou ADC, em

inglês). Amplitudes de sinal muito pequenas o CAD não vai captar ou o sinal digitalizado terá

baixíssima definição, o que é péssimo, já que no próprio processo de digitalização até nos melhores
CAD o sinal digitalizado perderá informação. A filtragem é necessária devido a que há ruído no sinal

devido ao próprio sensor, ruído que entra pelos cabos de conexão e por outros fatores (interferências,
ruído atmosférico etc.). Estes ruídos precisam ser eliminados. Então o processamento básico inicial é

analógico composto por:

amplificação: aumenta a amplitude do sinal;

filtragem: elimina as componentes de frequência indesejadas (ruído).

Objetivos do processamento de sinais:

condicionamento: acondicionar os sinais para que possam ser interpretados ou apresentados

por diferentes sistemas ou equipamentos, por exemplo, amplificação e filtragem;
 detecção de parâmetros: extração de informações para que o sistema realize determinadas
ações a partir dos dados obtidos;

reconhecimento de padrões: verificação da existência de determinados padrões dentro do sinal;

separação de faixas de frequência: por exemplo, um equalizador de áudio cuja finalidade é
separar o som em faixas de frequência;

e muitas outras aplicações.

O sinal apresentado na Figura 1 é um sinal de eletrocardiograma (ECG). A figura (a) apresenta o

sinal original obtido dos eletrodos conectados no paciente. O sinal mostrado na figura (b) é o mesmo

sinal após ser processado por um filtro passa-baixas que tirou o ruído de alta frequência que entrou

no sistema pelos eletrodos e cabos de conexão. Este é um exemplo de acondicionamento do sinal, ou

seja, o processo de filtragem. É conveniente que o sinal seja filtrado analogicamente antes de ser
digitalizado para que as componentes de ruído sejam eliminadas. A filtragem aplicada no sinal da

figura (b) foi realizada com um filtro digital, devido a que o sinal da figura (a) já é um sinal

digitalizado.

Figura 2 – Sinal de eletrocardiograma em derivação I: (a) Sinal original; (b) Sinal após filtragem de
ruído
 O sistema básico de processamento de sinais é mostrado na Figura 3, onde o sistema físico

corresponde ao objeto ou sistema que gerará o sinal (neste caso representado por uma pessoa
falando ao microfone), e o atuador é o sistema que executará a ação determinada pelo sistema de

processamento (neste caso um alto-falante).

Neste caso, o sistema físico é uma pessoa falando (emitindo um sinal sonoro) cuja voz é captada

por um microfone (sensor). O sistema de aquisição é a parte do sistema encarregada de captar esse

sinal. Como o sinal na entrada do sistema tem baixa amplitude, o ruído externo interfere tanto na
entrada do microfone, que vai pegar vários sinais, não somente a voz do cantor, quanto na entrada

do sistema de áudio, neste caso o ruído elétrico. Assim, faz-se necessária uma filtragem e

amplificação desse sinal (tratamento do sinal) para tirar os ruídos indesejados e aumentar sua

amplitude. O processamento da informação neste caso consiste em amplificação e aprimoramento do

sinal enviado pelo microfone; em determinados casos, pode ser usado algum tipo de distorção caso a

pessoa esteja cantando e a canção exija isso. Finalmente, o atuador é a caixa de som que vai emitir o
som da voz da pessoa para a plateia que está ouvindo. Para que isto seja possível, o projetista do

sistema de som tem que conhecer perfeitamente o sinal de áudio.

Figura 3 – Diagrama de blocos básico de um sistema de processamento de sinais

1.2 CONVERSÃO ANALÓGICO-DIGITAL

Atualmente, 99% do processamento de sinais é feito digitalmente. Desde um simples aparelho de

MP3 até o mais complexo sistema de inteligência artificial, precisa de processamento digital de sinais.

Como o sinal proveniente dos sensores é originariamente analógico, ele precisa ser transformado em
um sinal digital para poder ser processado digitalmente. Os primeiros processos são analógicos: o

sinal precisa ser amplificado para ter uma amplitude compatível com a entrada do conversor A/D, e

precisa ser filtrado para que sejam tirados todos os ruídos provenientes do sensor, cabos e ambiente.

A Figura representa os passos a serem seguidos para transformar um sinal analógico em uma
sequência de números binários (sinal digital).

Figura 4 – Processo de conversão de um sinal analógico para um sinal digital

Passos para a digitalização de um sinal:

Amostragem: a cada determinado intervalo de tempo, tira-se uma amostra do sinal analógico. A
frequência de amostragem deve ser no mínimo o dobro da máxima frequência de interesse do

sinal, para não perder informação do sinal no processo de digitalização (critério de Nyquist). Por

exemplo, um sinal de áudio cujo espectro de frequência vai de 20Hz a 20kHz, a mínima

frequência de amostragem deve ser de 40kHz.

Retenção: a amostra deve ser retida (“memorizada”) por alguns instantes para dar tempo ao

sistema para converter o sinal em um número.

Quantização: o sistema digital tem níveis determinados para o sinal (dependendo da sua

quantidade de bits), a quantização consiste em “colocar” essa amostra em um determinado

nível.

Codificação: cada nível tem um código (número, valor etc.).

Sinal analógico: amplitude contínua em tempo contínuo. São sinais representados por funções

variáveis contínuas. A variação da variável independente é infinitesimal, e a amplitude é

contínua. Por exemplo, variações de temperatura, som, pressão etc. em função do tempo.

Sinal amostrado: amplitude contínua em tempo discreto. O primeiro passo para transformar um

sinal analógico em digital é a amostragem. Este processo é chamado de amostragem, seguido

pela retenção. Amostragem consiste em pegar uma amostra de sinal em intervalos de tempo
determinados (abrir uma janela de amostragem). No período que a janela está fechada
 (retenção), o sistema aproveita para realizar os passos seguintes da digitalização (quantização e
codificação). Um sinal amostrado tem amplitude contínua em tempo discreto.

Sinal quantizado: amplitude discreta em tempo contínuo. O processo de quantização consiste

em atribuir valores discretos a sinais cuja amplitude varia entre certos valores. Ou seja, não

existem níveis permitidos entre dois níveis determinados do sistema. O sinal quantizado é um
sinal em tempo contínuo com amplitudes discretas.

Sinais digitais: amplitude discreta em tempo discreto. A cada um dos níveis quânticos é

atribuído um código equivalente a um número digital (binário). Este processo é chamado de

codificação. O sinal digital é uma sequência de números e pode ser definido como um sinal de
amplitude discreta e tempo discreto (Oppenheim; Schafer, 1975).

A Figura 5 apresenta um diagrama de blocos de um sistema de processamento digital de sinais.

A função do filtro anti-aliasing é evitar (ou atenuar) que ruídos de altas frequências que não

pertencem ao sinal original sejam digitalizados junto com o sinal. Este é um filtro passa-baixas

analógico. O critério de Nyquist determina que a frequência de amostragem deve ser pelo menos o
dobro da componente de máxima frequência de interesse do sinal, portanto, o filtro deve respeitar o

espectro de frequência do sinal.

CAD (ADC – Analog to Digital Converter): conversor analógico-digital que transforma sinais

analógicos em digitais.

DSP (Digital Signal Processor): processador digital de sinais, encarregado do processamento do

sinal digital.
CDA (DAC – Digital to Analog Converter): conversor digital-analógico encarregado de

transformar o sinal digital em analógico.

Filtro anti-imaging: é outro filtro passa-baixas encarregado de suavizar o aspecto escalonado do

sinal entregue pelo conversor D/A.

Figura 5 – Procedimento completo de processamento digital e apresentação de um sinal qualquer

 Como nossos sentidos só entendem sinais analógicos, todos os sinais digitais devem ser

convertidos em analógicos para que possamos entender. Por exemplo, mesmo que a imagem que

chega aos nossos televisores seja digital, ela deve ser convertida em imagem analógica para que

possamos ver e entender.

TEMA 2 – VARIÁVEL INDEPENDENTE E FUNÇÕES BÁSICAS

2.1 SINAIS EM TEMPO DISCRETO: SEQUÊNCIAS

Os sinais analógicos variam constantemente com o tempo, e são representações contínuas da

variação de um determinado parâmetro. Os sinais digitais são uma sequência de números

provenientes da amostragem e digitalização de um sinal analógico. Esta sequência de números pode

ser representada por:

(1)

Na Figura 6, podemos ver um sinal em tempo contínuo e seu equivalente em tempo discreto.

Figura 6 – (a) Sinal contínuo (analógico); (b) Sinal discreto (digital)

2.1.1 Impulso unitário 𝜹[𝒏]

 O sinal discreto da Figura 6 (b) está definido para valores inteiros de n. Para outros valores ele é
zero (ou não existe). Os sinais discretos podem ser expressos como funções da função impulso
unitário, também chamada de função amostra unitária, ou simplesmente impulso. Esta função

(representada na Figura 7) pode ser definida como:

(2)

Figura 7 – Função impulso unitário

Um sinal discreto é uma sequência de números que pode ser representada pela somatória de
valores multiplicada por um trem de impulsos deslocados como podemos ver na equação (3).

(3)

O mesmo sinal digital pode ser representado das seguintes formas:

Forma vetorial:

Equação:
 Forma gráfica:

No caso da forma vetorial, o número que está em realce está na posição n = 0. É importante
ressaltar que o impulso em tempo discreto não tem os problemas matemáticos que o impulso em

tempo contínuo tem.

2.1.2 Degrau unitário 𝒖[𝒏]

A sequência degrau unitário representada na Figura 8 pode ser definida como:

(4)

Figura 8 – Função degrau unitário

Existe uma relação entre as funções degrau e impulso unitário. O degrau pode ser definido como
uma função do impulso:

(5)
 E o impulso pode ser definido como uma função do degrau:

(6)

2.1.3 Operações básicas com sinais discretos

Soma (ou subtração)

Para realizar a soma de sinais discretos, a quantidade de amostras dos sinais a serem somados

devem ser iguais. Caso um sinal tiver menos amostras, as amostras faltantes deverão ser substituídas
por zero.

(7)

Se e

Portanto

Produto

O processo é similar à soma e deve ser realizado ponto a ponto.

(8)

Para os mesmos vetores do exemplo anterior:

 Portanto

Multiplicação por uma constante

A multiplicação por uma constante também deve ser realizada ponto a ponto.

(9)

Considerando

Portanto

Deslocamento

As sequências podem ser atrasadas ou adiantadas umas em relação a outras. Considerando α

como número inteiro:

Sequência é igual a atrasada amostras:

(10)

Sequência é igual a adiantada amostras:

(11)
TEMA 3 – SISTEMAS LINEARES INVARIANTES NO TEMPO

Um sistema de processamento pode ser representado por um operador matemático que

transforma uma sequência de entrada numa sequência de saída . A equação (12) mostra a

saída como uma função da entrada.

(12)

A equação (13) representa um sinal de entrada que entra num sistema de processamento,

cuja saída é o sinal .

(13)

3.1 PROPRIEDADES BÁSICAS DE SISTEMAS

Todos os sistemas têm características que fazem com que eles sejam apropriados para processar
sinais de acordo com as necessidades. Estas características são:

sistemas com e sem memória;

sistemas inversos e invertibilidade;

linearidade;

invariância no tempo;
causalidade;
estabilidade.

3.1.1 Sistemas com e sem memória

Os sistemas com memória caracterizam-se por lembrar de estados anteriores. No caso de

sistemas analógicos, por exemplo, capacitores e indutores, quando ligados a um sistema eles se
carregam, e uma vez retirada a alimentação, o capacitor mantém a tensão (se “lembra” da tensão

anterior) e o indutor mantém a corrente (se “lembra” da corrente). Por outro lado, nos sistemas sem
memória, o sinal de saída só depende do valor atual do sinal de entrada, por exemplo circuitos
puramente resistivos.

Figura 9 – Função degrau unitário

 No caso dos sistemas digitais, o sistema é considerado sem memória se a saída depende
somente do valor da amostra atual da entrada. Agora, nos sistemas com memória, o sinal de saída

pode depender de amostras passadas e futuras também. Como o sinal digital é um vetor guardado na
memória do computador, o operador pode decidir qual é a amostra atual, portanto, pode definir
quais são as amostras passadas e futuras.

A Figura 10 mostra sistemas com memória.

Figura 10 – Sistemas com memória: (a) Sinal de entrada; (b) Saída atrasa a entrada em duas amostras;
(c) Saída adianta a entrada em três amostras; (d) Saída depende de amostras atrasadas e adiantadas

da entrada
3.1.2 Sistemas inversos e invertibilidade

Em tempo discreto, o sistema é invertível se existe um sistema inverso cuja saída é igual à entrada

quando ligado em cascata com o sistema original. A Figura 11 mostra um diagrama de blocos de um
sistema invertível.

Figura 11 – Sistema invertível

3.1.3 Linearidade

Sistema lineares são sistemas cuja saída varia linearmente com a entrada. Ou seja, a variação da

saída é proporcional à variação da entrada. Se a entrada é composta pela soma de vários sinais, a
saída será igual à soma das respostas do sistema para cada entrada individual que compõem a

entrada. Todo sistema linear é caracterizado pelas seguintes propriedades:

Aditividade: se a entrada é composta por dois (ou mais) sinais , a saída será
, onde é a resposta do sistema para e é a resposta do sistema para
.

Homogeneidade: se a entrada é multiplicada por uma constante complexa , a saída será

multiplicada pela mesma constante , onde é a resposta do sistema para .

Estas duas propriedades podem ser combinadas numa única relação:

(14)

O sistema é linear somente se as saídas e são as respostas para as entradas e

da seguinte forma:

(15)

Na equação (15), o sistema é representado pelo operador e e são constantes.

Exemplo 1
 Verificar se o sistema representado pelo operador é linear:

Resolução

Sendo duas entradas e , e aplicando duas entradas ao mesmo tempo no sistema

(aditividade e homogeneidade):

Aplicando uma entrada por vez:

Somando as duas saídas:

Como o sistema é linear.

Exemplo 2

Verificar se o sistema representado pelo operador é linear:

Resolução

Sendo duas entradas , e , e aplicando duas entradas ao mesmo tempo no sistema

(aditividade e homogeneidade):

Aplicando uma entrada por vez:

 Somando as duas saídas:

Como o sistema é não linear.

3.1.4 Invariância no tempo

Um sistema é invariante no tempo se, quando o sinal de entrada é atrasado ou adiantado, o sinal
de saída sofre o mesmo deslocamento. Isso significa que as características deste sistema não se

alteram com o tempo. Para entender um pouco melhor este conceito, vejamos os exemplos a seguir.

Exemplo 3

Verificar se o sistema representado pelo operador é invariante no tempo:

Resolução

A entrada sofre um deslocamento :

Considerando somente a sequência :

Como o sistema não é invariante no tempo.

Exemplo 4

Verificar se o sistema representado pelo operador é invariante no tempo:

Resolução

Considerando um deslocamento :
 Considerando somente a sequência :

Como o sistema é invariante no tempo.

3.1.5 Causalidade

Enquanto sistemas analógicos são somente causais, sistemas discretos, devido aos sinais serem

armazenados na memória, podem ser de três tipos:

sistema causal;
sistema não causal;
sistema anticausal.

Sistema causal

Sistemas causais são também chamados de não antecipativos. O sinal de saída depende de
amostras atuais da entrada (sistema sem memória), ou de valores passados da entrada ou de valores

atuais (presentes) e passados da entrada.

(16)

(17)

(18)

A equação (16) representa um sistema causal sem memória, onde a saída depende somente da

amostra atual da entrada. A equação (17) representa um sistema causal com memória onde a saída
depende de amostras passadas da entrada. O sinal de saída está atrasado em duas amostras em

relação à entrada. A equação (18) representa um sistema causal com memória onde a saída depende
de amostras atuais e passadas da entrada. Todos estes sistemas são apresentados na Figura 12.
 Figura 12 – (a) Sinal de entrada; (b) Sistema causal sem memória; (c) e (d) Sistemas causais com

memória

Sistema não causal

No sistema não causal ou antecipativo, a saída depende de amostras passadas e futuras,

presentes e futuras ou presentes passadas e futuras. Neste caso, as variáveis não dependem do
tempo, como, por exemplo, em processamento de imagens, dependem de coordenadas de posição.

Ou sistemas de processamento off-line, onde todas as variáveis já estão armazenadas. Sistemas não

causais são sempre com memória, como os sinais estão gravados. A partir de um ponto de referência,
o sistema decide quais são amostras passadas, presentes e futuras.

(19)

(20)

(21)
 A equação (19) representa um sistema não causal onde a saída depende de amostras passadas e

futuras da entrada. A equação (20) representa um sistema não causal onde a saída depende de

amostras presentes e futuras da entrada. A equação (21) representa um sistema não causal onde a
saída depende de amostras passadas, presentes e futuras da entrada. Todos estes sistemas são

apresentados na Figura 13.

Figura 13 – (a) Sinal de entrada: (b), (c) e (d) Sistemas não causais

Sistema anticausal

O sistema anticausal também é antecipativo e com memória porque a saída deste sistema

depende somente de amostras futuras da entrada. A equação (6) mostra um exemplo de sistema
anticausal:

(22)

O sistema da Figura 10 (c) é anticausal.

3.1.6 Estabilidade
 Sistema estável é aquele que quando aplicamos um impulso na entrada, a saída tende a um valor

finito. Ou seja, para todo sinal limitado em amplitude aplicado na entrada, a saída também será

limitada em amplitude. Estes sistemas são convergentes porque a saída converge a um valor finito.

Um sistema estável responde como mostrado na Figura 14 quando aplicado um impulso na entrada.

Figura 14 – Sinal de saída de um sistema estável quando aplicado um impulso na entrada

Um exemplo de sistema estável é um pêndulo por exemplo. Quando soltamos o pêndulo com

determinado ângulo ele oscilará com amplitude cada vez menor até se estabilizar no ponto de
equilíbrio. Esta propriedade é muito importante para sistemas de processamento de sinais. Para que

um sistema LIT seja estável, a resposta ao impulso deve ser absolutamente somável. Esta é uma

condição necessária e suficiente isto significa que a resposta do sistema deve tender a zero quando n

tende a infinito (Albuquerque, 2000).

TEMA 4 – A SOMA DE CONVOLUÇÃO E PROPRIEDADES DE

SISTEMAS LIT

Nos sistemas lineares, a saída varia proporcionalmente com a entrada e é invariante no tempo

quando seu funcionamento permanece inalterado ao longo do tempo. Sistemas lineares invariantes
no tempo (SLIT, ou simplesmente LIT) são caracterizados pelas suas respostas ao impulso. Sistemas

LIT discretos também são chamados de sistemas lineares invariantes com o deslocamento, ou sistemas

LID.
4.1 CONVOLUÇÃO

A função impulso unitário em tempo discreto é usada para representar qualquer sinal em tempo

discreto, portanto, um sinal em tempo discreto é uma sequência de impulsos unitários multiplicados

pela amplitude do sinal como mostra a equação (3).

Combinando o sinal da equação (3) com a propriedade de linearidade representada pela equação

(15), podemos afirmar que um sistema linear pode ser representado pela sua resposta ao impulso.

Definido como a resposta do sistema a uma entrada , o impulso unitário acontecerá em

. Então, se a entrada for mostrada na equação (3), a saída será função da entrada da forma:

(23)

Trabalhando com a equação (23):

(24)

Na equação (24), depende somente de , depende de e de devido à propriedade de

linearidade, sendo assim muito limitada para uso computacional. Considerando a invariância no

tempo colocaremos uma restrição adicional para facilitar o cálculo. Para os sistemas invariantes no
tempo se tiver uma resposta , a resposta de será , portanto, se tiver

uma resposta , a resposta de será . Então:

(25)

A equação (25) é chamada de soma de convolução, onde é o resultado da convolução entre

e . Em tempo contínuo, esta função seria a integral de convolução no tempo. A soma de

convolução é representada em algumas bibliografias pelo operador e em outras pelo operador

— aqui, adotaremos este último.

(26)
 Na equação (25), podemos ver que a somatória é realizada para valores de , não nos de , e na

resposta ao impulso , o valor de é negativo. No exemplo 5, veremos a resolução gráfica de

um sinal convoluindo com a resposta ao impulso de um sistema cuja saída será .

Exemplo 5

O sinal de entrada é definido pelo vetor cuja amostra em realce está na posição .A

resposta ao impulso está definida pelo vetor cuja amostra em realce está na posição .

Calcular o vetor de saída resultado da convolução do sinal de entrada com a resposta ao

impulso.

A Figura 15 mostra os sinais a serem usados neste processo.

Figura 15 – (a) Sinal de entrada; (b) Resposta ao impulso do sistema; (c) Resposta ao impulso invertida

Resolução

1) Se inverte em torno de para se obter . Se ,

2) O sinal deverá ser deslocado ponto a ponto por cima de .

3) Multiplicam-se ponto a ponto todos os elementos para se obter a sequência.

4) Para se obter , todos os elementos do produto devem ser somados. Quem determina a

posição da amostra de é a amostra de que originariamente estava em , no nosso

caso a amostra de amplitude igual a 5 (seta vermelha nos gráficos).

Graficamente é assim, multiplicando ponto a ponto e somando:
 Portanto, a convolução entre os vetores e resulta em um vetor

. A Figura 16 apresenta os três vetores. Nesta figura, os eixos verticais têm

escalas diferentes.

Figura 16 – (a) Sinal de entrada; (b) Resposta ao impulso do sistema; (c) Sinal de saída
 Nesta figura, podemos observar que os vetores e têm comprimento de três amostras.

Já o vetor tem comprimento de cinco amostras, pois o comprimento do vetor resultante é igual à

soma dos comprimentos dos vetores e menos um.

(27)

4.2 PROPRIEDADES DOS SISTEMAS LIT

Em sistemas lineares (LIT), é a resposta ao impulso que determina as características dele. Isso não
acontece com sistema não lineares. Os sistemas em tempo discretos são representados pela soma de

convolução.

4.2.1 Propriedade comutativa

(28)

A propriedade comutativa permite que tanto o sinal de entrada do sistema quanto a resposta ao

impulso sejam invertidas e deslocadas em cima do outro vetor. No exemplo 5, foi invertida e
deslocada em cima de , mas esta propriedade permite que permaneça fixa e seja

invertida e deslocada em cima de . Nos dois casos, o vetor resultante será o mesmo. A Figura

17 representa a propriedade comutativa.

Figura 17 – Propriedade comutativa: (a) 𝑦[𝑛]=𝑥[𝑛]∗ℎ[𝑛]; (b) 𝑦[𝑛]=ℎ[𝑛]∗𝑥[𝑛]

4.2.2 Propriedade associativa

 (29)

Os diagramas de fluxo da Figura 18 mostram várias situações da propriedade associativa.

Figura 18 – Propriedade associativa: (a) , (b)

, (c) , (d)

Na Figura 7 (c), foi usada a propriedade comutativa da convolução. Nesta figura, foram

apresentados sistemas em cascata. Nesta cascata, não importa a ordem do sistema, o resultado será

sempre o mesmo. Cabe ressaltar que isso se aplica somente a sistemas lineares. Em sistemas não
lineares, a ordem da cascata não pode ser mudada sem mudar o resultado.

4.2.3 Propriedade distributiva

(30)

A propriedade distributiva da convolução está representada na Figura 19, considerando dois

sistemas conectados em paralelo.

Figura 19 – Propriedade distributiva: (a) , (b)

TEMA 5 – EQUAÇÕES DE DIFERENÇA

Em determinados sistemas LIT, a relação entre a saída atual e as saídas anteriores com a entrada

do sistema é dada por uma equação de diferenças. Esta é uma equação linear de ordem n com
coeficientes constantes. Enquanto em tempo contínuo a variável independente (tempo) varia

continuamente de forma infinitesimal e constante, em tempo discreto a variável independente só

pode ser representada por números inteiros, e as funções discretas só existem para valores inteiros de

n.

Por isso, para calcularmos a inclinação de uma curva de um sinal em tempo contínuo, podemos

usar equações diferenciais (derivada do sinal no ponto). Porém, para tempo discreto, isso não será
possível, já que o operador diferencial não faz sentido neste caso. Por isso, em tempo discreto,

usaremos equações de diferença.

Tempo contínuo Tempo discreto

A Figura 20 mostra a representação gráfica de uma equação diferencial (derivada da função em

tempo contínuo) e de uma equação de diferenças (sinal em tempo discreto).
 Figura 20 – (a) Derivada do sinal 𝑥(𝑡) no ponto 𝑃; (b) Diferença entre os pontos 𝑃1 e 𝑃2 do sinal 𝑥[𝑛]

Em sistemas digitais, muitas vezes será necessário usar filtros derivativos para processar

determinados sinais. A Figura 21 mostra parte de um eletrocardiograma onde é necessário detectar o

pico da onda P. A Figura 21 (a) mostra a onda P original. A Figura 21 (b) mostra o resultado da

aplicação de um filtro digital cuja estrutura corresponde a uma equação de diferenças

, usado para detectar a amplitude máxima da onda original.

Figura 21 – (a) Onda P típica: (b) Saída do filtro 𝑦[𝑛]=𝑥[𝑛]−𝑥[𝑛−8]

 Fonte: Zurro, Stelle e Nadal, 1997.

Equações de diferença lineares com coeficientes constantes descrevem sistemas lineares

recursivos e não recursivos. A forma genérica deste tipo de equação é mostrada na equação 31.

(31)

Onde são valores passados da saída e valores passados da entrada, e .e são constantes

do sistema. Estas equações podem ser não causais, anticausais ou causais A equação (32) mostra um

sistema de primeira ordem cuja saída depende de amostras atuais do sinal de entrada e de amostras
passadas do sinal de saída:

(32)

A equação (32) está representada na Figura 22. Nesta figura, o parâmetro é uma representação

recursiva onde o parâmetro . Os procedimentos recursivos usam parâmetros deles mesmos para

sua execução, neste caso uma amostra da saída é injetada na entrada, isto é mostrado na figura. Parte
da saída (neste caso, a amostra anterior) é somada à entrada para se obter a própria saída.
 Figura 22 – Representação da equação (11) onde a saída é equivalente à soma da entrada mais o

valor da amostra anterior da própria saída

Existem outras formas de escrever a equação (32):

(33)

(34)

A função recursiva é mostrada na equação (34) onde a saída é função da entrada e da própria

saída.

Exemplo 6

É possível definir um sistema somador (acumulador) pela equação a seguir:

Neste sistema, a relação entrada-saída deve respeitar a equação (31). Reescrevendo a equação

(33):
 Sendo:

Substituindo na equação anterior:

Este sistema satisfaz as equações (31) e (33).

Caso particular

Considerando a equação (34), teremos um caso particular para :

Podemos observar que neste caso a saída depende somente dos parâmetros da entrada. Por

cálculo direto, podemos deduzir a partir desta equação que a resposta ao impulso deste sistema será

dada pela equação (35):

(35)

A resposta ao impulso mostrada na equação (35) tem duração finita. Esta resposta representa
sistemas chamados FIR (do inglês, Finite Impulse Response), que são sistemas de resposta finita. Um

caso deste tipo é mostrado no exemplo 7.

Exemplo 7

A seguinte equação de diferenças representa um sistema LIT causal:

Calcular a resposta ao impulso do sistema considerando um sinal de entrada qualquer.

Resolução
 A saída depende somente do sinal de entrada, e não da própria saída. Como a saída é a
convolução da entrada com a resposta ao impulso, :

Nesta equação, é função do impulso unitário e pode ser representada na forma vetorial

como:

5.1 FORMA GERAL DA EQUAÇÃO DE DIFERENÇAS

A forma geral da equação de diferenças é apresentada na equação (36).

(36)

Esta equação contempla duas respostas do sistema: a resposta homogênea (equivalente da

resposta natural em sistemas analógicos) que corresponde à entrada nula ( ); e a resposta

particular (equivalente da resposta forçada em sistemas analógicos), que corresponde a uma

entrada não nula.

(37)

A resolução da equação (36) corresponde à resposta natural:

(38)

A resposta forçada é dada pela resolução da equação de diferenças para valores da entrada

diferentes de zero.

FINALIZANDO

Nesta abordagem, falamos acerca das características de sistemas discretos de processamento de

sinais. Enquanto os sistemas analógicos são sistemas físicos (amplificadores, filtros etc.) que podem
ser representados matematicamente por equações que determinarão o que o sistema fará com o sinal

de entrada para se obter o sinal de saída, os sistemas digitais são linhas de programa (algoritmos
matemáticos) que a maioria das vezes representam digitalmente as equações matemáticas às quais os

sistemas analógicos respondem. Mas pelo fato dos sistemas digitais trabalharem com números

guardados em vetores na memória de um computador, é possível realizar ações que seriam muito
difíceis ou impossíveis de efetuar com sistemas analógicos. Exemplos disso são os sistemas não

causais ou anticausais que só existem como sistemas digitais.

Um sistema digital é definido pelas características de linearidade, invariância no tempo, memória,

causalidade e estabilidade. O tipo de sistema será desenvolvido de acordo com o tipo de sinal de

entrada, a necessidade do sinal de saída e o tipo de processamento requisitado. A grande vantagem

dos sistemas digitais é que podem ser usados em inúmeras aplicações como amplificadores, filtros,
processadores, detectores e parâmetros usando somente um sistema computacional, enquanto um

sistema analógico precisaria de grandes circuitos com muitos componentes e de equipamentos

grandes e complexos. A dificuldade maior nos sistemas digitais está no projeto e desenvolvimento
matemático do algoritmo que pode vir a ser de grande complexidade dependendo da aplicação.

Todos os sinais mostrados nas figuras foram feitos por algoritmos rodados no ambiente
matemático Scilab (Dassault Systèmes, 2023).

REFERÊNCIAS

ALBUQUERQUE, M. P. D. Processamento de Sinais. Centro Brasileiro de Pesquisas Físicas, 2000.

Disponível em: <www.cbpf.br/cat/pdsi/pps/AulaDeMotivacao.pps>. Acesso em: 31 jul. 2023.

DASSAULT SYSTÈMES. Scilab, 2023. Disponível em: <https://www.scilab.org>. Acesso em: 31 jul.

2023.

GABRIEL, M. Cérebro analógico, cérebro digital. Revista Galileu, 2014. Disponível em:

<http://revistagalileu.globo.com/Revista/noticia/2014/10/cerebro-analogico-cerebro-digital.html>.

Acesso em: 31 jul. 2023.

KINGET, P. The World Is Analog. Circuit Cellar, 2014. Disponível em:

<http://circuitcellar.com/tech-the-future/kinget-the-world-is-analog>. Acesso em: 31 jul. 2023.

 LESURF, J. Analog or Digital? University of St. Andrews. Disponível em: <https://www.st-

andrews.ac.uk/~www_pa/Scots_Guide/iandm/part12/page1.html>. Acesso em: 31 jul. 2023.

OPPENHEIM, A. V.; SCHAFER, R. W. Digital Signal Processing. New Jersey: Prentice-Hall, 1975.

ZURRO, V. R.; STELLE, L.; NADAL, J. Detecção Automática de ondas P Sinusais do

Eletrocardiograma. RBE - Caderno de Engenharia Biomédica, Rio de Janeiro, 1997.