Sinais em Tempo Discreto

Sinais e Sistemas Discretos

São representados matematicamente como sequências de números:
Luı́s Caldas de Oliveira
x = {x(n)}, n ∈ [−∞, +∞]

Resumo em que n é um inteiro.

Exemplo: A evoluçao do valor de fecho de um ı́ndice de bolsa:
1. Sinais em Tempo Discreto
2. Sistemas em Tempo Discreto
{. . . 4.376,42 4.363,21 4.370,12 4.312,93 . . .}
3. Sistemas Lineares e Invariantes no Tempo
4. Representações em Frequência
5. A Transformada de Fourier

Luı́s Caldas de Oliveira 1

Amostragem de Sinais em Tempo Contı́nuo Deslocamento Temporal

Na prática a maior parte dos sinais em tempo discreto resultam da x(n)

amostragem de sinais em tempo contı́nuo (xc (t)): ... ...

−1 0 1 2 3 4 5 6 7 n y(n) = x(n − n0)

x(n) = xc(nT ), n ∈ [−∞, +∞]
Qual o valor de n0?
y(n)
em que xc(t) é uma função da variável real t e T é o perı́odo de amos- ... ...

tragem.
−1 0 1 2 3 4 5 6 7 n
... ...

Luı́s Caldas de Oliveira 2 Luı́s Caldas de Oliveira 3

 Sinal Periódico Impulso Unitário

Um sinal discreto diz-se periódico de perı́odo N (inteiro) se se mantiver δ (n)

(
inalterado por um deslocamento temporal de N amostras: 0, n 6= 0.
δ(n) = ... ...
1, n = 0.
x(n) = x(n + N ), ∀n
−4 −3 −2 −1 0 1 2 3 4 n
Qualquer sequência pode ser expressa em termos de uma soma de
Nesse caso, também será periódico de perı́odo 2N, 3N, . . . impulsos unitários escalados e deslocados no tempo:
Ao menor valor de N positivo para o qual x(n) ainda é periódio chama-
+∞
se perı́odo fundamental. X
x(n) = x(k)δ(n − k)
k=−∞

Luı́s Caldas de Oliveira 4 Luı́s Caldas de Oliveira 5

Escalão Unitário Relações Entre o Impulso e o Escalão Unitário

u(n) O escalão unitário pode-se relacionar com o impulso unitário:

(
0, n < 0.
u(n) = ... ... n
1, n ≥ 0. X
u(n) = δ(k)
−4 −3 −2 −1 0 1 2 3 4 n k=−∞

Inversamente:
δ(n) = u(n) − u(n − 1)

Luı́s Caldas de Oliveira 6 Luı́s Caldas de Oliveira 7

 Sequência Exponencial Real Sequência Exponencial Complexa

Sendo α e A números reais: Se α = ejω0 e A = |A|ejφ:

x(n) = Aαn x(n) = |A|ej(ω0n+φ)

|α| > 1 a sequência |x(n)| é crescente; = |A|cos(ω0n + φ) + j|A|sen(ω0n + φ)

|α| < 1 a sequência |x(n)| é decrescente; Por analogia com a correpondente função contı́nua, a ω0 chama-se
frequência da sinusoide complexa e φ é a sua fase.
α > 0 as amostras da sequência x(n) têm todas o mesmo sinal de A;

α < 0 as amostras da sequência x(n) são alternadamente positivas e

negativas.

Luı́s Caldas de Oliveira 8 Luı́s Caldas de Oliveira 9

Periodicidade Temporal Periodicidade em Frequência

No caso discreto, a sequência exponencial complexa nem sempre é No caso discreto, as exponenciais complexas com frequência (ω0 +2πr)
periódica. são indistinguı́veis entre si:
x(n) = x(n + N )
|A|ej[(ω0+2πr)n+φ] = |A|ej(ω0n+φ)ej2πrn
j(ω0 n+φ)
|A|e = |A|ej(ω0(n+N )+φ)
= |A|ej(ω0n+φ)
= |A|ej(ω0n+φ)ejω0N

Só é periódica se:

ω0N = 2πk ⇔ N = 2πk/ω0

Mas N tem de ser inteiro!

Luı́s Caldas de Oliveira 10 Luı́s Caldas de Oliveira 11

 Sistemas em Tempo Discreto Sistema Linear

Um sistema em tempo discreto define-se como transformação de uma Propriedade da aditividade

sequência de entrada x(n) numa sequência de saı́da y(n): 
T {x1(n)} = y1(n)
−−−−−−−→ T {x1(n) + x2(n)} = y1(n) + y2(n)
y(n) = T {x(n)} T {x2(n)} = y2(n) aditividade

Exemplos: Propriedade da homogeneidade

1. sistema sem memória: y(n) = 2x(n); T {x(n)} = y(n) −−−−−−−−−−→ T {ax(n)} = ay(n)
homogeneidade

2. atraso ideal: y(n) = x(n − 2); em que a é uma constante arbitrária

3. média móvel: y(n) = 13 [x(n) + x(n − 1) + x(n − 2)]; Um sistema linear tem de verificar as propriedades da aditividade
e da homogeneidade.

Luı́s Caldas de Oliveira 12 Luı́s Caldas de Oliveira 13

Sistema Invariante no Tempo Causalidade

Um sistema é causal se a sua saı́da só depender de entradas actuais
ou passadas.
T {x(n)} = y(n) −−−−−−−−−−−−−→ T {x(n − n0)} = y(n − n0)
invariante no tempo
x1(n) = x2(n), n ≤ n0 −−−−−−−−→ y1(n) = y2(n), n ≤ n0∀n0
causalidade
Exemplos:

1. invariante: y(n) = x(n − 2) Exemplos:

1. causal: y(n) = x(n − 2)

2. variante: y(n) = x(2n)
2. não-causal: y(n) = x(n + 2)
3. invariante: y(n) = sen(x(n))
3. causal: y(n) = x(n) − x(n − 1)
4. variante: y(n) = nx(n)
4. não-causal: y(n) = x(n + 1) − x(n)

Luı́s Caldas de Oliveira 14 Luı́s Caldas de Oliveira 15

 Estabilidade Resposta Impulsiva
Resposta de um sistema a um impulso localizado no instante k:
Um sistema é estável se todas as sequências de entrada limitadas pro- hk (n) = T {δ(n − k)}, ∀n
duzirem sequências de saı́da limitadas:
Representação da entrada como uma soma de impulsos:
|x(n)| ≤ Bx < ∞ ∀n −−−−−−−−→ |y(n)| ≤ By < ∞ ∀n
estabilidade
+∞
X
x(n) = x(k)δ(n − k)
Exemplos: k=−∞
P4
1. estável: y(n) = k=0 x(n − k)
Saı́da do sistema:
Pn +∞
2. instável: y(n) = k=0 x(k) X
y(n) = T { x(k)δ(n − k)}
k=−∞

Luı́s Caldas de Oliveira 16 Luı́s Caldas de Oliveira 17

Sistemas Lineares e Invariantes no Tempo Somatório de Convolução

+∞
X
y(n) = T { x(k)δ(n − k)}
k=−∞ +∞
X
Sistema Linear y(n) = x(n) ∗ h(n) = x(k)h(n − k)
k=−∞
+∞
X +∞
X
y(n) = x(k)T {δ(n − k)} = x(k)hk (n) Num SLIT, conhecida a sua resposta impulsiva é possı́vel calcular a res-
k=−∞ k=−∞ posta a qualquer sinal de entrada através do somatório de convolução.
Realização gráfica de h(n − k) = h(−(k − n))
Invariância Temporal:

+∞
1. reflectir h(k) em relação à origem para obter h(−k);
X
hk (n) = h(n − k) −→ y(n) = x(k)h(n − k)
k=−∞ 2. deslocar a origem da sequência reflectida para k = n.

Luı́s Caldas de Oliveira 18 Luı́s Caldas de Oliveira 19

 Convolução Gráfica

x(k)
... ...

0 1 2 3 k
h(n−k)

0
0 1 2 3

Luı́s Caldas de Oliveira 20

Propriedades Associações de SLITs

A operação de convolução é comutativa: Associação em cascata de SLITs:

x(n) ∗ h(n) = h(n) ∗ x(n)

h(n) = h1(n) ∗ h2(n)

A operação de convolução é associativa:

Associação em paralelo de SLITs:
x(n) ∗ (h1(n) ∗ h2(n)) = (x(n) ∗ h1(n)) ∗ h2(n)
h(n) = h1(n) + h2(n)
A operação de convolução é distributiva em relação à adição:

x(n) ∗ (h1(n) + h2(n)) = x(n) ∗ h1(n) + x(n) ∗ h2(n)

Luı́s Caldas de Oliveira 22 Luı́s Caldas de Oliveira 23

 Estabilidade de um SLIT Causalidade de um SLIT

Um SLIT é estável sse a resposta impulsiva for absolutamente somável: Um SLIT é causal se a sua reposta impulsiva verificar:

+∞
X h(n) = 0, n < 0
S= |h(k)| < ∞
k=−∞ Uma sequência causal é uma sequência que pode ser a resposta im-
pulsiva de um sistema causal, ou seja, que assume valores nulos para
n < 0.

Luı́s Caldas de Oliveira 24 Luı́s Caldas de Oliveira 25

Equações às Diferenças de Coeficientes Constantes Função Própria de um Sistema

Uma sub-class importante dos SLITs é a dos sistemas cujas p(n) será uma função própria de um sistema caracterizado pela
sequências de entrada e saı́da satisfazem uma equação às diferenças transformação T {·} se:
com a forma geral:
T {p(n)} = P p(n)
N
X M
X
ak y(n − k) = bk x(n − k)
neste caso P é o valor próprio associado à função própria p(n).
k=0 k=0

Importante: Como se verá mais tarde, uma equação às diferenças não
define univocamente um sistema – é necessária informação adicional.

Luı́s Caldas de Oliveira 26 Luı́s Caldas de Oliveira 27

 Funções Próprias dos SLITs Resposta em Frequência

As sequências exponenciais complexas são funções próprias dos

+∞
SLITs X
H(ejω ) = h(k)e−jωk
+∞ +∞ k=−∞
X X
x(n) = ejωn −→ y(n) = h(k)ejω(n−k) = ejωn h(k)e−jωk No caso geral, a reposta em frequência é uma função complexa:
k=−∞ k=−∞
| {z }
H(ejω )
H(ejω ) = HR(ejω ) + jHI (ejω )
jω
= |H(ejω )|ej ∠H(e )
ou seja:
jω jωn
y(n) = H(e )e
A resposta em frequência é uma função periódica em ω de perı́odo 2π.
em que H(ejω ) é o valor próprio associado.

Luı́s Caldas de Oliveira 28 Luı́s Caldas de Oliveira 29

Transformada de Fourier de uma Sequência Convergência do Somatório da Transformada de

Fourier

+∞
X
X(ejω ) = x(n)e−jωn • se x(n) é absolutamente somável então a sua transformada de Fou-
n=−∞
rier existe (X(ejω ));
A sequência pode ser reconstruı́da a partir da sua transformada:
• pode-se mostrar que nesse caso a série converge uniformemente
Z π
1 jω jωn para uma função contı́nua em ω;
x(n) = X(e )e dω
2π −π
• todas as sequências estáveis têm transformada de Fourier;
A resposta em frequência é a transformada de Fourier da resposta
• todas as sequências de duração limitada têm transformada de Fou-
impulsiva
rier.

Luı́s Caldas de Oliveira 30 Luı́s Caldas de Oliveira 31

 Sequências Simétricas Componentes Simétricas de um Sequência

Sequência par ou conjugada-simétrica: Qualquer sequência pode ser representada pela soma de uma
sequência par com uma sequência ı́mpar:
xe(n) = x∗e (−n)
x(n) = xe(n) + xo(n)

Sequência ı́mpar ou conjugada-anti-simétrica:

em que
xo(n) = −x∗o (−n)
1
xe(n) = (x(n) + x∗(−n))
2
1
xo(n) = (x(n) − x∗(−n))
2

Luı́s Caldas de Oliveira 32 Luı́s Caldas de Oliveira 33

Propriedades de Simetria da TF de uma Sequência Propriedades de Simetria da TF de uma Sequência

Complexa Real

F
F x(n)(real) −→ X(ejω ) = X ∗(e−jω )
x∗(n) −→ X ∗(e−jω )
F
F x(n)(real) −→ XR(ejω ) = XR(e−jω )
x∗(−n) −→ X ∗(ejω )
F
F x(n)(real) −→ XI (ejω ) = −XI (e−jω )
<{x(n)} −→ Xe(ejω )
F
F x(n)(real) −→ |X(ejω )| = |X(e−jω )|
j={x(n)} −→ Xo(ejω )
F
F x(n)(real) −→ ∠X(ejω ) = −∠X(e−jω )
xe(n) −→ XR(ejω )
F
F xe(n)(real) −→ XR(ejω )
xo(n) −→ jXI (ejω )
F
xo(n)(real) −→ XI (ejω )

Luı́s Caldas de Oliveira 34 Luı́s Caldas de Oliveira 35

 Linearidade da Transformada de Fourier Deslocamento no Tempo e na Frequência

Se Deslocamento temporal:
F
x1(n) −→ X1(ejω )
F
e
F
x(n − nd) −→ e−jωnd X(ejω )
x2(n) −→ X2(ejω )
então Deslocamento em frequência:
F
ax1(n) + bx2(n) −→ aX1(ejω ) + bX2(ejω )
F
ejω0nx(n) −→ X(ej(ω−ω0))

Luı́s Caldas de Oliveira 36 Luı́s Caldas de Oliveira 37

Inversão Temporal Diferenciação em Frequência

F
x(−n) −→ X(e−jω ) F dX(ejω )
nx(n) −→ j
dω
no caso particular de x(n) ser real:

F
x(−n) −→ X ∗(ejω )

Luı́s Caldas de Oliveira 38 Luı́s Caldas de Oliveira 39

 Teorema de Parseval Teorema da Convolução

Se Se
F F
x(n) −→ X(ejω ) x(n) −→ X(ejω )
então e
F
∞
X
2 1
Z π
jω 2
h(n) −→ H(ejω )
E= |x(n)| = |X(e )| dω
n=−∞
2π −π então
∞
X F
y(n) = x(k)h(n − k) = x(n) ∗ h(n) −→ Y (ejω ) = X(ejω )H(ejω )
n=−∞

Luı́s Caldas de Oliveira 40 Luı́s Caldas de Oliveira 41

Teorema da Modulação Pares de Transformadas de Fourier

Z F
F 1 π δ(n) −→ 1
y(n) = x(n)w(n) −→ Y (ejω ) = X(ejθ )W (ej(ω−θ))dθ
2π −π δ(n − n0) −→ e−jωn0
F

X∞
F
1 (−∞ < n < +∞) −→ 2πδ(ω + 2πk)
k=−∞

F 1
anu(n) −→
1 − ae−jω
∞
F 1 X
u(n) −→ −jω
+ πδ(ω + 2πk)
1−e
k=−∞

Luı́s Caldas de Oliveira 42 Luı́s Caldas de Oliveira 43

 Pares de Transformadas de Fourier Pares de Transformadas de Fourier

F 1 ∞
X
(n + 1)anu(n) (|a| < 1) −→ ejω0n −→
F
2πδ(ω − ω0 + 2πk)
(1 − ae−jω )2
n k=−∞
r sen[ωp(n + 1)] F 1
u(n) −→ ∞
X
sen(ωp) 1 − 2rcos(ωp)ejω + r 2e−j2ω cos(ω0n + φ) −→ π
F
[ejφδ(ω − ω0 + 2πk) + e−jφδ(ω + ω0 + 2πk)]
(
k=−∞
sen(ωcn) F jω 1, |ω| < ωc
−→ X(e ) =
πn 0, ωc < |ω| ≤ π
(
1, 0 ≤ n ≤ M F sen[ω(M + 1)/2] −jωM/2
x(n) = −→ e
0, caso contrário sen(ω/2)

Luı́s Caldas de Oliveira 44 Luı́s Caldas de Oliveira 45