Introdução
■ Processamento Digital de
PROCESSAMENTO DIGITAL DE
SINAIS
1 2
Sinais, Sistemas e
Processamento de Sinais
■ Um sinal é definido
como uma grandeza
física que varia no
tempo, espaço ...
■ ... ou em função de
qualquer outra variável
independente
3 4
Sinais (PDS) evoluiu
rapidamente nos últimos 20
anos
■ PDS nos permite realizar
operações programáveis,
possuiu uma maior
flexibilidade e maior precisão
PDS não é a solução para todos os problemas de processamento de sinais
Sinais, Sistemas e
Processamento de Sinais
■ Um sistema pode ser definido como um equipamento que realiza
uma operação em um sinal
x(n) F y(n)
■ Quando passamos um sinal através de
um sistema, dizemos que processamos o
sinal
■ O sistema é normalmente caracterizado
pelo tipo de operação feita no sinal
■ Um sistema também pode ser
considerado por operações de software
1
 6

Elementos Básicos Porque Processamento Digital de

de um Sistema de PDS Sinais? Vantagens
A implementação digital permite a realização de certas características
■ Muitos dos sinais encontrados na natureza são sinais analógicos que não são possíveis na implementação analógica.

Analog Analog Analog 1. Valores precisos do sinal digital.

Signal Output
Input
Processor Signal
Signal
2. O circuito digital pode ser reproduzido facilmente sem ajustes na construção ou na
utilização.

3. Os sinais e coeficientes são representadas por palavras binárias.

■ O PDS fornece um método alternativo para o processamento de
um sinal analógico
4. Circuitos digitais podem ser cascadeados sem causar sobrecarga diferentemente
dos circuitos analógicos.

5. Sinais digitais podem ser armazenados indefinidamente sem perda de informação

6. As informações podem ser processadas off-line.

5 6

Classificação de Sinais
Porque Processamento Digital
de Sinais ? Desvantagens ■ Os métodos que vamos estudar em PS ou na análise de um sistema
depende das caracaterísticas ou atributos do sinal/sistema

■ Existem técnicas que se aplicam somente a um família específica de

sinais
1. Aumento da complexidade do processamento digital de sinais
analógicos
■ Consequentemente qualquer investigação em PS deve começar com a
2. Limitação da faixa de freqüência disponível para o processamento. classificação dos sinais

3. Sistemas digitais são construídos utilizando dispositivos ativos que • Sinais Multicanal e Multidimensional
consomem potência elétrica
• Sinais no Tempo Contínuo e no Tempo
Tipos de Sinais Discreto
4. Dispositivos ativos são menos confiáveis que os componentes
passivos. • Sinais com Valores Contínuos e
Valores Discretos
• Sinais Determinísticos e Aleatórios

7 8

2
 Sinais Multicanal e Multidimensional Sinais no Tempo Contínuo
e no Tempo Discreto
• Em algumas aplicações, os sinais são ■ Os sinais podem também ser classificados em categorias diferentes
gerados por fontes múltiplas ou dependendo da característica do tempo (variável independente) e dos
sensores múltiplos. valores que este pode ter.

• Estes sinais podem ser representados

■ Sinal no tempo contínuo (ou sinal analógico) é definido para cada valor
em forma de vetores. do tempo e pode ter qualquer valor no intervalo contínuo (a,b).

Exemplo:
■ Múltiplos sensores geram sinais escalares.
– Embora estes sinais não são vetores do ponto de vista físico, sempre tratamo-os
como vetores por ser conveniente matematicamente. ■ Sinal no tempo discreto são definidos somente em valores discretos do
– Referimo-nos a estes sinais como sinais multicanais.
tempo.

■ Se estes sinais estão em função de uma única variável independente, o sinal é ■ Normalmente estes valores de tempo são equidistantes.
conhecido como sinal de uma dimensão.
■ Por outro lado se estes sinais estão em função de M variáveis independentes
eles são chamados sinais a M dimensões.

9 10

Sinais no Tempo Contínuo e no Sinais com Valores Contínuos e

Tempo Discreto Valores Discretos
■ Exemplo: ■ Os valores dos sinais em tempo contínuo ou
– O índice n é a variável independente. tempo discreto podem ser contínuo ou
discreto.
■ Um sinal discreto pode ser representado matematicamente por uma
sequência de números (Reais ou Complexos).
■ Sinal de valores contínuos - valores infinitos
dentro de uma faixa
■ No tempo discreto usamos x(n) ou x(nT) ao invés de x(t).
•Exemplo:

■ Sinal de valores discretos - valores

dentro de um conjunto de valores
■ O processo de possíveis
selecionar um
valor de um sinal
analógico em
tempos discretos é ■ Normalmente estes valores são
equidistantes – sinal digital
conhecido como
Sinal digital com 4 valores
amostragem.
de amplitudes diferentes

11

11 12

3
 Sinais com Valores Contínuos e Sinais Determinísticos e
Valores Discretos Aleatórios
■ Para um sinal ser processado digitalmente, ele deve ser um sinal ■ A análise matemática e o processamento de sinais
digital. requer uma descrição matemática do sinal (modelo)

■ Para um sinal analógico ser processado ele precisa ser convertido

para um sinal digital através de uma amostragem no tempo e da ■ Um sinal determinístico é um sinal que pode ser descrito unicamente
quantificação de seus valores (truncagem e arredondamento) por uma expressão matemática. Todos os valores (passado, presente
e futuro) são conhecidos precisamente.

■ Em muitas aplicações práticas os sinais não podem ser descritos

formulas ou expressões matemáticas. Estes sinais são conhecidos
como sinais aleatórios.

■ Isto implica numa análise destes sinais usando técnicas estatísticas.

(Teoria de Probabilidade e Processos Estocásticos)

Ilustração da Quantificação

13 14

Frequência de Sinais nos Tempos Sinais Senoidais no Tempo Contínuo

Contínuos e Discretos
■ Uma oscilação harmônica é descrita matematicamente por:
■ Este conceito nos é familiar quando utilizamos receptores de rádio, sistemas de alta
fidelidade, filtros fotográficos etc

■ Em física, frequência esta relacionada com algum tipo de movimento harmônico

periódicos

■ O conceito de frequência está quase sempre relacionado com o conceito de tempo

■ Frequência tem a dimensão inversa do tempo: F=1/T

Este sinal é caracterizado por:

1. xa(t) é periódico
• no tempo contínuo • xa(t + Tp) = xa(t)
Sinais senoidais • no tempo discreto • onde Tp = 1/F é o periodo fundamental.
• Exponênciais Complexas
2. O aumento da frequência F resulta no aumento da taxa de oscilação
dentro de um intervalo.

15 16

4
 Sinais Senoidais no Tempo Contínuo Sinais Senoidais no Tempo Discreto

■ A equação para senoides também pode Um sinal senoidal em tempo discreto pode ser escrito como:
ser escrita na sua forma complexa
Exemplo:

■ usando a fórmula de Euler:

■ Por definição, frequência é uma grandeza positiva. Por conveniência

matemática é necessário a introdução de frequências negativas.
Uma senoide em tempo
discreto é periódica somente
se sua frequência f é um
número racional
Exemplo de um sinal senoidal no tempo discreto
w=p/6eq=p/3

Definição:

Representação da função cosseno

através de pares conjugados (fasores) Exemplo:

17 18

Sinais Senoidais no Tempo Discreto Exponênciais Complexas

Sinais senoidais e exponênciais complexas tem um
Senoides no tempo discreto onde suas frequências são separada por um número papel fundamental na análise de sinais e sistemas
inteiro múltiplo de 2p são idênticas
Contínuo no Tempo

A taxa de oscilação mais elevada de um sinal senoidal no tempo discreto é alcançada

quando w = p (ou w= -p) ou, equivalentemente f=½ (ou f = -½). • Para cada valor de k, sk(t) é periódica, com período 1/(kF0) = T0/k

• Para sinais básicos, podemos construir uma combinação linear de

frequências negativas para sinais senoidais exponenciais complexas harmonicamente relacionadas da forma
no tempo discreto

A faixa de frequência é finita entre • onde ck , k=0, ±1, ±2, ... são constantes complexas arbitrárias. O sinal
xa(t) é periódico com período fundamental Tp = 1/F0.
-p £ w £ p (-½ £ f £ ½).

• Esta representação exponêncial é chamada de série de Fourier de xa(t)

19 20

5
 Exponênciais Complexas Conversão AD e DA
Exponênciais Discretas

• Usamos f0 = 1 / N
• Definimos um conjunto de exponenciais complexas por:

Notamos que

e como combinação linear

■ resultando num sinal periódico com período N.

■ Isto é uma representação de Fourier para uma sequência periódica discreta

com coeficiente {ck }.

21 22

Amostragem de Sinais Períodicos Teorema da Amostragem

Amostragem Periódica ou uniforme Vamos supor que qualquer sinal analógico

pode ser representado por uma soma de
senoides de diferentes amplitudes,
frequências e fases.
• x(n) é um sinal discreto no tempo,
obtido por amostras de um sinal Suponha que a frequência máxima não exceda a Fm ax (por exemplo sinais de voz
analógico xa(t). Fm ax = 3KHz, ou TV Fm ax = 5MHz).

• O intervalo T é chamado período de A maior freqüência que pode ser

amostragem e 1/T = Fs amostrada quando o sinal é amostrado
(Fs é a Frequencia de Amostragem) na razão
Qualquer freqüência acima de Fs /2 ou abaixo
resulta em amstragem que são identicas
com frequencias correspondente ao intervalo

A amostragem periódica estabelece uma relação entre variáveis t e n, sinais Para evitar problemas de aliasing Fs é
contínuos e sinais discretos, respectivamente relacionada com Fs > 2 Fm ax , onde Fm ax é a
t = nT = n / Fs maior componente de freqüência do sinal
analógico em estudo.

Podemos relacionar F (ou q) a sinais analógicos e f (ou w) a sinais discretos.

24

23 24

6
 Introdução a Teoria das Distribuições Função de Distribuição de
Probabilidade Gaussiana (Normal)
Em muitos exemplos utilizamos números aleatórios para simular o efeito do
ruído no sinal

Estes ruídos estão presentes em equipamentos eletrônicos e usualmente

perturbam a comunicação ou a detecção de sinais fracos

Através da geração de ruídos por computador podemos estudar seus efeitos

e a performance de sistemas na presença deste

Muitos bibliotecas de software incluem um gerador de número aleatório

(distribuição uniforme). Estes programas geram números entre 0 e 1 com a
mesma probabilidade de ocorrência
Gaussian probability density
function and the corresponding
Uma variável aleatória é a saída de um gerador de número aleatório. probability distributin function
Exemplo: 0 £ A £ 1.

25 26

Resumo

■ Nesta introdução apresentamos uma motivação para o

processamento digital de sinais como sendo uma alternativa ao
processamento de sinais analógicos.

■ Apresentamos os elementos básicos de um sistema de

processamento digital de sinal

■ Descrevemos brevemente as operações para converter um sinal

analógico em um sinal digital e o teorema de Nyquist e Shannon.

■ Tivemos também uma pequena introdução às distribuições Uniforme

e Gaussiana.

27