Você está na página 1de 26
AnáliseAnálise dede FourierFourier AnáliseAnálise dede FourierFourier DFTDFT DFTDFT PDSPDSPDSPDS Prof. Cláudio
AnáliseAnálise dede FourierFourier
AnáliseAnálise dede FourierFourier
DFTDFT
DFTDFT
PDSPDSPDSPDS
Prof. Cláudio A. Fleury, Dr.

Prof. Cláudio A. Fleury

Sinais e Sistemas Digitais

26 Slides

ConteúdoConteúdo

• Transformada Discreta de Fourier (DFT)

– Objetivo, Aplicação, Definição

– Exemplos

– Cálculo Numérico da Transformada de Fourier

– Cálculo Numérico da DFT

– Amplitude e Potência Espectral

– Propriedades

• Transformada Rápida de Fourier (FFT)

– Algoritmos para FFT

• Vazamento Espectral

Resumo

Exercícios

ObjetivoObjetivo

• Representar um Sinal Digital em termos de suas componentes frequenciais no domínio da freqüência, ou seja, através de seu Espectro

Número da amostra n Freqüência (Hz) Amplitude do Espectro do sinal x(n)
Número da amostra n
Freqüência (Hz)
Amplitude do
Espectro do sinal
x(n)

Sinal senoidal de 1000 Hz, amostrado a 8000 Hz

Espectro do Sinal

AplicaçãoAplicação

• Analisar frequencialmente os sinais (seqüências) representados no domínio do tempo

• Outras aplicações

– Análise espectral

– Acústica

– Imagem / Vídeo

– Áudio

– Instrumentação

– Sistemas de Comunicação

DefiniçãoDefinição

• DefiniçãoDefinição Faz a amostragem do espectro contínuo nas freqüências ω k : P r o

Faz a amostragem do espectro contínuo nas freqüências ω k :

do espectro contínuo nas freqüências ω k : P r o f . C l á

DefiniçãoDefinição

• A DFT direta é obtida a partir da suposição de que um sinal x[n] seja periódico com N amostras, e admitindo-se a continuidade entre os quadros de N amostras

• Toma-se os coeficientes da Série de Fourier multiplicados por N.

os coeficientes da Série de Fourier multiplicados por N . onde n é o índice temporal

onde n é o índice temporal e k é o índice frequencial

• Assim, a DFT de uma seqüência x[n], para 0 n N-1.

de uma seqüência x [ n ] , para 0 ≤ n ≤ N-1 . onde

onde

Parte do sinal é usada para o cálculo da DFT e espectro
Parte do sinal é usada para
o cálculo da DFT e espectro

DefiniçãoDefinição

• A DFT inversa é definida como:

x n

[

] =

1

N

N

1

k

= 0

• Exemplo:

X

(

k

)

e

j

2

k

π

n

/

N

=

1

N

N

1

k

= 0

X

(

k W

)

N

kn

,

para

n

=

0,1,

,

N

1

– Cálculo da DFT de x = { 1, 2, 3, 4 } e da IDFT de X[k]

Como N = 4, logo W 4 = e -j2π/4 = cos(π/2) – j.sen(π/2) = -j

X

[

k

]

X = {

No Matlab:

=

N 1

n = 0

x n W

N

[

]

kn

=

10

– 2+j2

–2

3

n = 0

x n

[

](

–2– j2 }

j

)

k n

,

para 0

k

3

= 0 x n [ ]( − –2– j2 } j ) k n , para
= 0 x n [ ]( − –2– j2 } j ) k n , para

DefiniçãoDefinição

• Exemplo (continuação):

– Cálculo da DFT de x = { 1, 2, 3, 4 } e da IDFT de X[k]

Como N = 4, logo (W 4 ) -1 = e j2π/4 = cos(π/2) + j.sen(π/2) = j

x n

[

] =

x n

[

] =

x = {

1

N

N 1

k

= 0

X

[

1

N

N

1

k = 0

X

1

2

3

4

k e

]

j

2

kπn N

/

[

k W

]

N

k n

}

=

=

1

N

N 1

k

= 0

X

[

1

N

3

k = 0

X

[

k

k W

]

N

k n

](

j

)

k n

,

,

para

para 0

No Matlab:

k W ] N − k n ]( j ) − k n , , para

n

=

n

0,1,

3

,

N

1

Exemplo

DFTDFT

No exemplo anterior, se f s = 10 Hz determine:

a)

O

período de amostragem, o índice temporal, e o instante de tempo da amostra

 

x[3]

no domínio do tempo.

b)

A

resolução frequencial, o índice frequencial, e a freqüência do coeficiente DFT

X[3].

O

í

per o

d

o:

T

=

1/

f s =

1/10

=

,

0 1

s =

100

ms

O

índice temporal de x[3]: n = 3

 

O

instante de tempo de x[3]: t = nT = 0,3 s = 300 ms

A

resolução frequencial: f = f s / N = 10 / 4 = 2,5 Hz

O

índice frequencial de X[3]: k = 3

 

A

freqüência do coeficiente X[3]: f = k.f s /N = 3.10/4 = 7,5 Hz

DFTDFT DiretaDireta ee InversaInversa

DFTDFT DiretaDireta ee InversaInversa P r o f . C l á u d i o

ExemploExemplo

• Seqüência: x[n] = { 3, 2, 3 } com

N = 3, = 2π/3

2

2

n

0

=

e

j

nk

k

)

=

[

n

0

=

X

(

e

j

2

nk

π

/3

x n

].

=

x [ n

].

=

3

+

2

e

2

3

2

3

2

/3

π

+

jk

Portanto :

X (0)

=

3

=

3

+

2

+

2

e

+

j

3

=

2

π

/3

8

+

3

e

j

4

π

/3

+

2

e

j

4

/3

π

+

3

e

j

8

/3

π

+ ( − 1 − j 3) + ( + ( − 1 + j
+
(
1
j
3)
+
(
+
(
1
+
j
3)
+
(

X

(1)

(2)

=

3

X

=

3

=

3

+ ( + ( − 1 + j 3) + ( X (1) (2) = 3

k

|X(k)|

∠∠∠∠X(k)

0

8

0

1

1

π/3

2

1

-π/3

+

3

e

jk

4

3 3 j ) 2
3
3
j
)
2
3 3 j ) 2
3
3
j
)
2

/3

π

1 3 = + j 2 2 1 3 = − j 2 2
1
3
=
+
j
2
2
1
3
=
j
2
2

=

=

π

j

e

e

3

π

j

3

ExemploExemplo -- GráficosGráficos

10 8 6 4 2 0 -8 -6 -4 -2 0 2 4 6 8
10
8
6
4
2
0
-8
-6
-4
-2
0
2
4
6
8
W
mod(X(W))
2 1 0 -1 -2 -8 -6 -4 -2 0 2 4 6 8 W
2
1
0
-1
-2
-8
-6
-4
-2
0
2
4
6
8
W
ang(X(W))

ExemploExemplo -- PreenchimentoPreenchimento comcom ZerosZeros

• DFT de 6 pontos

* Origem da seqüência (n = 0), ou seja, x(0) = 3

Seqüência x[n] = { 3, 2, 3, 0, 0, 0 }, com N = 6, = 2π/6 = π/3

X

(

k

)

=

5

n = 0

Portanto :

X

(1)

=

3

+

X

(2)

=

3

+

X

(3)

=

3

+

X

(4)

=

3

+

X

(5)

=

3

+

x n

(

).

e

X

(0)

j

=

nk

3

+

2

e

j π

/3

+

3

e

=

5

n = 0

2

+

j 2

π

3

/3

2

e

2

e

j

2

j

π

π

/3

+

+

e

3

3

e

j 2

j

π

4

π

=

x n

(

=

8

).

e

jnk

π

=

/3

4

3

=

+

e

j

(1

π

3

2

2

e

e

j

j

4

π

/3

5

π

/ 3

+

+

3

e

3

e

j

j

8

π

/3

10

π

/ 3

=

=

j

e

5

e

π

3

j

π

3

/3

=

3

+

2

e

j 3) + (
j
3)
+
(

jk

π

/3

+

3

e

jk

2

π

/3

3

2

+

=2 e j 3) + ( − − jk π /3 + 3 e − jk

5

2

5 3 j 2
5
3
j
2

= 5

e

j

π

3

k

|X(k)|

∠∠∠∠X(k)

0

8

0

1

5

−π/3

2

1

π/3

3

4

0

4

1

-π/3

5

5

π/3

ExemploExemplo -- GráficosGráficos

8 6 4 2 0 mod(X(W))
8
6
4
2
0
mod(X(W))
-8 -6 -4 -2 0 2 4 6 8 W 2 1 0 -1 -2
-8
-6
-4
-2
0
2
4
6
8
W
2
1
0
-1
-2
-8
-6
-4
-2
0
2
4
6
8
W
ang(X(W))

ExemploExemplo

x(n) =

1,

0,

caso contrário

n

0

3

FT:

onde :

υ =

X

(

e

j

ω

)

sen(

2

ω)

=

3

n = 0

sen(ωe

2

)

,

• DFT de 4 pontos:

X

(

k

)

=

DFT[

x n

(

)] =

x n

(

)

e

j

ω

n

1

+

e

j

ω

e

j

2

ω

j

=

+

+

e

0

e

k

sen (2

ω )

sen (

ω / 2)

X

(

e

j

ω

)

= υ =

x[n] = { 1, 1, 1, 1}

N

1

n

= 0

x n W

N

(

)

nk

=

3

n = 0

nk

W

4

,

Logo :

X

(

k

)

=

{

1,

j

,

1,

j

}

3

ω

X

=

(

e

3

1 e

j 4

ω

1 e

j

ω

= υe

j 3

/ 2

ω

j

ω

e

)

=


3

3

W

4

=

ω

2

ω

2

e

 

p/

υ

>

0

π

,

p/

υ

<

0

π

,

+

j

2

4

= − j

• DFT de 8 pontos (zero padding):

x[n] = { 1, 1, 1, 1, 0, 0, 0, 0 }

X

e

(

k

)

DFT[

x n

(

)]

= =

N

1

n = 0

W

8

=

e

j

2

π

8

=

0.707

x n W

N

(

)

nk

j

0.707

=

3

n = 0

W

8

nk

Logo :

,

0

k

7

 

|

X

(

k

) |

=

{4, 2.6, 0,1.1, 0,1.1, 0, 2.6}

ExemploExemplo -- GráficosGráficos

X(jω) em vermelhovermelho X 4 (k) em azulazul X 8 (k) em verdeverde

4 3 2 1 0 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8
4
3
2
1
0
0 0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
Modulo

Freq. (unidades de PI)

4 2 0 -2 -4 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8
4
2
0
-2
-4
0 0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
Modulo

Freq. (unidades de PI)

4 3 2 1 0 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8
4
3
2
1
0
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
Freq. (unidades de PI)
4
2
0
-2
-4
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
Fase
Modulo

Freq. (unidades de PI)

ExemploExemplo -- ObservaçõesObservações

• Quanto maior for a quantidade de pontos da DFT, melhor será a idéia do gráfico da DTFT

• Os valores da DFT são exatamente iguais aos valores da DTFT nas freqüências amostradas - não existe aproximação (seqüências

de comprimento finito)

• Se a seqüência for obtida por truncamento de uma seqüência longa (janelamento), então a DFT resultará somente em valores aproximados da DTFT

• O preenchimento com zeros resulta em uma maior densidade de amostras do espectro, mas não aumenta a resolução do espectro, pois nenhuma nova informação (amostra do sinal no domínio do tempo) é acrescentada

CálculoCálculo NuméricoNumérico dada TransformadaTransformada dede Fourier*Fourier*

• Cálculo Numérico necessita de amostras de x(t)

• O espectro contínuo X(ω) não pode ser calculado numericamente, exceto para alguns valores de ω amostras de X(ω)

• Relação entre as amostras de X(ω) e as amostras de x(t)

** B.P.B.P. LathiLathi (p.338,(p.338, Fig.Fig. 5.14)5.14) Prof. Cláudio A. Fleury

Sinais e Sistemas Digitais

18

AmplitudeAmplitude ee PotênciaPotência dodo EspectroEspectro

Uma das aplicações da DFT é a transformação de um sinal digital de comprimento finito em um espectro complexo no domínio da freqüência

em um espectro complexo no domínio da freqüência • Potência do Espectro Coeficientes da DFT são
Potência do Espectro Coeficientes da DFT são valores complexos Janela de tempo (truncamento do sinal)
Potência do Espectro
Coeficientes da DFT
são valores complexos
Janela de tempo
(truncamento do sinal)
Amplitude do Espectro
Amplitude do Espectro
Fase do Espectro
Fase do Espectro

AmplitudeAmplitude ee PotênciaPotência dodo EspectroEspectro

Exemplo:

Considere a seqüência: x[n] = { 1 2 3 4 },

Determine a amplitude, a fase, e a potência do espectro.

N = 4,

f s = 100 Hz

De um exemplo anterior temos que a DFT é: X[k] = { 10

–2+j2

–2

–2– j2 }

Usando as fórmulas apresentadas no slide anterior, podemos obter:

Amplitude:

A[k] = { 2,5

0,707

0,5

0,707 }

Fase:

Φ[k] = { 0° 135° 180° -135° }

Potência:

P[k] = { 6,25

0,5

0,25

0,5 }

TransformadaTransformada RápidaRápida dede FourierFourier (FFT)(FFT)

• Tukey e Cooley propuseram (1965) um algoritmo que reduziu drasticamente a qtde de operações no cálculo da DFT:

N 2

N

N.log(N)

31

1.000

10 operações

1.000

1.000.000

30.000 operações

• Operação de Decimação (Dilação ou Down-sampling)

y[n] = x[nM] na qual a seqüência x[n] é sub-amostrada por um fator inteiro M

– Exemplo: para M = 2

x(n) } 0 n } y(n) 0 n
x(n)
}
0
n
}
y(n)
0
n

x[n] = {

,

-2, 4, 3, -6, 5, -1, 4,

{

, -2, 3, 5, 4,

y[n] = x[2n] =

AlgoritmosAlgoritmos parapara FFTFFT

• Algoritmo

– A DFT de uma seqüência de N pontos é dada por

N − 1 nk X ( k ) = ∑ x n W ( )
N
− 1
nk
X
(
k
)
=
x n W
(
)
,
N
n = 0

0

k

N

1

– Propriedades

• Periodicidade:

• Simetria:

kn k ( n + N ) ( k + N ) n W =W
kn
k
(
n
+
N
)
(
k
+
N
)
n
W
=W
=W
N
N
N
kn
+ N
/ 2
kn
W
= −W
N
N

e

W

N

=

e

j

2π

N

– Divide a seqüência de N amostras em duas

seqüências (decimação), contendo amostras de

ordem par g n =x 0 , x 2 ,

e ímpar h n = x1, x3,

Exemplo:Exemplo: cálculocálculo dada DFTDFT dede 44 pontospontos

3

n = 0

j

e

0

W

4

3

W

4

6

W

4

9

W

4

1;

2 π 4 = − j  x( 0 )     
2
π
4 = −
j
x(
0
) 
 
x
(1)
x
(2)

x 3
(
)
3
W
=
j
4

1616

    x 3 ( )  3 W = j 4 1616 22

22

X

(

k

)

x n W

4


(

)

nk

,

0

k

3

W

4

0

W

4

W

4

W

W

4

2

=

W

W

0

4

0

W

4

0

W

4

0

4

j

;

 

e

0

W

4

W

4

1

W

4

2

 

3

W

4

2

W

=

4

=

g

1

+

=

h

1

=

g

1

=

h

1

+

W

4

g

2

jh

2

g

2

jh

2

4

4

6

=

X(

X (2)

0

)

X (1)

Matricialmente :

=

X (

3

)

Da Propriedade de Periodicidade :

W

0

4

4

W

4

1;

1

W

4

9

W

4

6

=

=

=

= −

= −

: W  0 4 4 W 4 1; 1 W 4 9 W 4 6

X(

0

)

=

x

(0)

+

x

(1)

+

x

(2)

+

x

(3)

X(

1

)

=

x

(0)

jx

(1)

x

(2)

+

jx

(3)

X(

2

)

=

x

(0)

x

(1)

+

x

(2)

x

(3)

X(

3

)

=

x

(0)

+

jx

(1)

x

(2)

jx

(3)

Multiplicações

Complexas

Exemplo:Exemplo: cálculocálculo dada DFTDFT dede 44 pontospontos

Interpretação em termos de fluxo de sinal

x(0)

x(1)

2

x(

)

x(3)

g 1
g 1

-1

h 1

g 2
g 2

-1

h 2

fluxo de sinal x(0) x(1) 2 x( ) x(3) g 1 -1 h 1 g 2
fluxo de sinal x(0) x(1) 2 x( ) x(3) g 1 -1 h 1 g 2
-j
-j
-j
-j
-j

-j

-j
-1

-1

-1
de sinal x(0) x(1) 2 x( ) x(3) g 1 -1 h 1 g 2 -1
de sinal x(0) x(1) 2 x( ) x(3) g 1 -1 h 1 g 2 -1

j

sinal x(0) x(1) 2 x( ) x(3) g 1 -1 h 1 g 2 -1 h
sinal x(0) x(1) 2 x( ) x(3) g 1 -1 h 1 g 2 -1 h
sinal x(0) x(1) 2 x( ) x(3) g 1 -1 h 1 g 2 -1 h
sinal x(0) x(1) 2 x( ) x(3) g 1 -1 h 1 g 2 -1 h
sinal x(0) x(1) 2 x( ) x(3) g 1 -1 h 1 g 2 -1 h
sinal x(0) x(1) 2 x( ) x(3) g 1 -1 h 1 g 2 -1 h
sinal x(0) x(1) 2 x( ) x(3) g 1 -1 h 1 g 2 -1 h

X(0)

X(1)

X 2

(

)

X(3)

Decimação no domínio do tempo

Divide a seqüência de N amostras em duas seqüências (decimação com M = 2), formadas por amostras de ordem par g n = x[2n] e de ordem ímpar h n = x[2n+1]

ImplementaçãoImplementação MatLabMatLab

• Cálculo da DFT da seqüência de comprimento finito x[n] com N pontos:

fft(x,N)

• Cálculo da IDFT do espectro de freqüências X(k) com N pontos:

ifft(X,N)

ResumoResumo

• Ferramentas de Fourier representam sinais e sistemas no domínio da freqüência

Série de Fourier é usada para sinais periódicos, e Transformada de Fourier é usada para sinais não- periódicos

• Sinais periódicos discretos possuem espectros discretos determinados pelos coeficientes da Série de Fourier

• Sinais não-periódicos discretos possuem espectros contínuos e são determinados pela Integral da Transformada de Fourier de Tempo Discreto (DTFT)