Process Amen To Digital de Sinais
Transcript of Process Amen To Digital de Sinais
-
8/9/2019 Process Amen To Digital de Sinais
1/84
1
Processamento Digital de Sinais
Prof. Luciano Leonel Mendes
S. Mitra, Digital Signal Processing A computer-based approach, 2nd
edition.
-
8/9/2019 Process Amen To Digital de Sinais
2/84
2
Captulo 1 Sinais e Processamento de Sinais
Sinal uma funo de uma varivel independente, como
tempo, distncia, temperatura, etc.Exemplos:
- Msica, que representa a variao da presso do ar ao longo
do tempo em um ponto do espao.
- Foto P&B, que representa a variao da intensidade da luz ao
longo de duas coordenadas espaciais.
- Vdeo, que representa a variao de intensidade de luz ao
longo das coordenadas X e Y e tambm ao longo do tempo.
Todo sinal carrega algum tipo de informao e o objetivo doprocessamento do sinal extrair ou modificar a informao
contida no sinal.
-
8/9/2019 Process Amen To Digital de Sinais
3/84
-
8/9/2019 Process Amen To Digital de Sinais
4/84
4
Classificao de Sinais
Classificao quanto ao nmero de fontes
- Sinais escalares so aqueles provenientes de uma nicafonte. Exemplo: sinal de udio mono.
- Sinais vetoriais so aqueles provenientes de duas ou maisfontes. Exemplo: sinal de udio estreo.
Classificao quanto dimenso
- Sinais unidimensionais so aqueles que so funo de umanica varivel independente. Exemplo: sinal de udio.
- Sinais M-dimensionais so aqueles que so funo de Mvariveis independentes. Exemplo: sinal de vdeo P&B.
Classificao quanto a aleatoridades
- Sinais determinsticos so aqueles cujo o valor das amostraspodem ser previstos. So funes matemticas ou tabelasconhecidas a priori.
- Sinais aleatrios so aqueles cujo o valor das amostras nopode ser conhecido previamente.
-
8/9/2019 Process Amen To Digital de Sinais
5/84
5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
tempo
Amplitud
e
Sinal contnuoSinal Discreto
Sinal Digital
Classificao de Sinais
-
8/9/2019 Process Amen To Digital de Sinais
6/84
6
Representao de Sinais
Normalmente os sinais unidimensionais so funes do tempo.
Sua representao matemtica dada por:- f(t) para o caso contnuo.
- f[n] para o caso discreto, onde n um nmero inteiro.
A representao de sinais M-dimensionais feita listado todas
as variveis independentes.
- f(x,y) ; f(x,y,t) para o caso contnuo.
- f[n,m] ; f[n,m,k] para o caso discreto, onde n, m e k sointeiros.
Sinais vetoriais so representados como um conjunto de sinais.
),,(
),,(
),,(
),,(
tyxb
tyxg
tyxr
tyxu
],,[
],,[
],,[
],,[
kmnb
kmng
kmnr
kmnu
-
8/9/2019 Process Amen To Digital de Sinais
7/84
7
Operaes Bsicas com Sinais
Inicialmente, iremos focar nas operaes bsicas realizadas no
domnio do tempo. As operaes apresentadas a seguir so vlidas para sinais
contnuos. O equivalente para sinais discretos ser
apresentado no Captulo 2.
a) Escalonamento: consiste em multiplicar o sinal por uma
constante.Exemplo: y(t)=a.x(t)
b) Atraso: gera uma rplica deslocada temporalmente do sinaloriginal.
Exemplo: y(t)=x(t-T)Note que se T for negativo, ento o processo consiste em um
avano temporal.
-
8/9/2019 Process Amen To Digital de Sinais
8/84
8
Operaes Bsicas com Sinais
c) Soma: consiste em somar dois sinais distintos.
Exemplo: w(t)=x(t)+y(t)Esta operao pode ser combinada com o escalonamento para
gerar um sinal que seja a combinao linear de outros sinais.
d) Produto: consiste em obter um novo sinal a partir do produtode dois sinais conhecidos.
Exemplo: w(t)=x(t).y(t)
Dica importante: o restante do captulo 1 traz aplicaes
importantes sobre processamento digital de sinais. A leituradas demais sesses deste captulo recomendada.
1
0
)sin()cos()(N
i
iiii batg
-
8/9/2019 Process Amen To Digital de Sinais
9/84
9
Captulo 2 Sinais de Tempo Discreto eSistemas no Domnio do Tempo
Sinal de tempo discreto: corresponde a uma seqncia de
amostras tomadas a cada T segundos. A amplitude das
amostras contnua.
Representao no domnio do tempo: as seqncias discretas
so representadas como uma seqncia de nmeros. A
representao matemtica desta seqncia dada por:
A seta indica a amostra que corresponde a n=0. Note que aseqncia somente definida para valores de ninteiros.
]15.0,1.0,20.0,15.0[][nx
-
8/9/2019 Process Amen To Digital de Sinais
10/84
10
Representao Grfica de Seqncias
A representao grfica de uma seqncia discreta feita
atravs de impulsos localizados em valores de n inteiros, cuja
rea igual amplitude da amostra.
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2 2.5 3-0.2
-0.15
-0.1
-0.05
0
0.05
0.1
0.15
0.2
n
y[n]
-
8/9/2019 Process Amen To Digital de Sinais
11/84
11
Princpios da Amostragem
Em muitas aplicaes as seqncias discretas so obtidas a
parir de sinais contnuos.
O parmetro T define o espaamento temporal entre as
amostras e chamado de tempo de amostragem.
O inverso deste parmetro denominado de freqncia de
amostragem.
Conforme ser visto no captulo 5, a amostragem de um sinalcontnuo com largura de faixa limitada no introduz distores,
desde que a freqncia de amostragem seja maior do queduas vezes a maior freqncia que compe o sinal.
)()()()(][ nTttxnTxtxnxn
aanTta
TfT
1
-
8/9/2019 Process Amen To Digital de Sinais
12/84
12
Classificao de Seqncias Discretas
Classificao quanto natureza das amostras.
- Seqncias reais: todas as amostras so reais.- Seqncias complexas: uma ou mais amostras so
complexas.
Seqncias complexas podem ser representadas como a soma
vetorial de duas seqncias reais:
x[n] = xr[n]+jxi[n]
Operaes complexas podem ser realizadas nesta representa-
o. Exemplo: o complexo conjugado de x[n] :
x*[n]= xr[n]-jxi[n]
-
8/9/2019 Process Amen To Digital de Sinais
13/84
13
Classificao de Seqncias Discretas
Seqncias digitais: so aquelas cujas amplitudes somente
podem assumir um nmero finito de valores. Quantizao o
processo pelo qual uma seqncia discreta torna-se umaseqncia digital. A seqncia digital expressa por x[n].
Classificao quanto ao comprimento
- Seqncias infinitas: so aquelas que possuem um nmeroinfinito de amostras. Elas so sub-classificadas como:
- Seqncias direitas: so aquelas que possuem apenasamostras nulas para n
-
8/9/2019 Process Amen To Digital de Sinais
14/84
-
8/9/2019 Process Amen To Digital de Sinais
15/84
15
Classificao de Seqncias Discretas
Classificao quanto ao comprimento
- Seqncias finitas: so aquelas cujas amplitudes dasamostras somente esto definidas no intervalo [N1,N2], ou seja,
x[n] somente est definida no intervalo N1 n N2. A durao de
uma seqncia finita dada por:
N=N2-N1+1
Seqncias finitas podem ser expressas como sendoseqncias infinitas introduzindo-se zeros no intervalo fora de
[N1,N2]. Esse processo denominado de zero-padding.
-
8/9/2019 Process Amen To Digital de Sinais
16/84
-
8/9/2019 Process Amen To Digital de Sinais
17/84
17
Operaes com Seqncias
b) Adio: considere duas seqncia de mesmo comprimento.
A soma entre essas seqncias dada por:
w2[n]=x[n]+y[n]={x[N1]+y[N1], ... , x[1]+y[1], x[2]+y[2], ... , x[N2]+y[N2]}
O esquemtico para representar esta operao dado por:
c) Escalonamento: sendo uma seqncia x[n], seu escalona-
mento dado por:w3[n]=a.x[n]={a.x[N1], ... , a
.x[1], a.x[2], ... , a.x[N2]}
x[n]
y[n]
w[n]=x[n]+y[n]
a
x[n] w[n]=ax[n]
-
8/9/2019 Process Amen To Digital de Sinais
18/84
18
Operaes com Seqncias
d) Deslocamento temporal: seja uma seqncia x[n]. O desloca-
mento temporal desta seqncia dado por:
w4[n]=x[n-N]
Exemplo: x[n]={0.3, 0.4, 0.1, 0.2, 0.5}
a) N=2 w[n]=x[n-2]= {0, 0.3, 0.4, 0.1, 0.2, 0.5}
b) N=-2 w[n]=x[n+2]={0.3, 0.4, 0.1, 0.2, 0.5}
-4 -3 -2 -1 0 1 2 3 4 5 6-0.1
0
0.1
0.2
0.3
0.4
0.5
0.6
n
x[n]
-4 -3 -2 -1 0 1 2 3 4 5 6-0.1
0
0.1
0.2
0.3
0.4
0.5
0.6
n
x[n-2]
-4 -3 -2 -1 0 1 2 3 4 5 6-0.1
0
0.1
0.2
0.3
0.4
0.5
n
x[n+2]
Z-1x[n] x[n-1]
Z1x[n] x[n+1]
Atrasador
Adiantador
-
8/9/2019 Process Amen To Digital de Sinais
19/84
19
Operaes com Seqncias
e) Inverso temporal: consiste em inverter a seqncia ao longo
do eixo das amostras.
w5[n]=x[-n]
Exemplo: x[n]={0.3, 0.4, 0.1, 0.2, 0.5}
w[n]=x[-n]={0.5, 0.2, 0.1, 0.4, 0.3}
-4 -3 -2 -1 0 1 2 3 4
0
0.2
0.4
n
x[n]
-4 -3 -2 -1 0 1 2 3 4
0
0.2
0.4
n
x[-n]
-
8/9/2019 Process Amen To Digital de Sinais
20/84
-
8/9/2019 Process Amen To Digital de Sinais
21/84
21
Operaes com Seqncias
- Exemplo de interpolao com L=4.
- Esquemtico do interpolador
-4 -3 -2 -1 0 1 2 3 4 50
1
2
3
4
5
6
7
8
9
n
x[n]
-4 -3 -2 -1 0 1 2 3 4 50
1
2
3
4
5
6
7
8
9
n
x[n/4]
Lx[n] xu[n]
-
8/9/2019 Process Amen To Digital de Sinais
22/84
22
Operaes com Seqncias
- A dizimao por um fator M gera uma nova seqncia onde
M-1 amostras so removidas entre duas amostras que somantidas. Logo,
- A seqncia y[n] possui uma freqncia de amostragem M
vezes menor do que a seqncia.
- Exemplo: dizimao por M=3.
Esquemtico do
dizimador:
][][ nMxny
-4 -2 0 2 4 6 8 10 120
2
4
6
8
10
12
14
16
18
2020
n
x[n]
-4 -2 0 2 4 6 8 10 12-1
1
3
5
7
9
11
13
15
17
1920
n
y[n]=x[3n]
Mx[n] xd[n]
-
8/9/2019 Process Amen To Digital de Sinais
23/84
-
8/9/2019 Process Amen To Digital de Sinais
24/84
24
Exerccios Propostos
Desenvolva um algoritmo no Matlab que permita:
a) entrar com duas seqncias de comprimento qualquer.b) definir qual amostra da seqncia corresponde n=0.
c) realizar o produto das duas seqncias.
d) realizar a soma das duas seqncias.
e) traar as seqncias de entrada e os resultados em grficosdistintos.
Seja x[n]={-2, -1, 0, 1, 2} e y[n]=[1 2 3 4 5 6]
Encontre:
a) w1[n]=3x[n]-2y[n] b) w2[n]=x[n]-y[-n]
c) w3[n]=y[n].y[-n] d) w4[n]=2x[n]-x[n-1]+3y[n-4]
e)2
0
5 ][1
1]1[1][
i
inyi
nxinw
-
8/9/2019 Process Amen To Digital de Sinais
25/84
25
Representao Esquemtica
As operaes com seqncias podem ser representadas na
forma esquemtica.
Exemplo: encontre a expresso para obter y[n] e w[n].
Z-1
Z-1
x[n]
b1
b0
b2
y[n]
Z-1
Z-1
x[n]
b1
b0
b2
w[n]
Z-1
Z-1
a1
a2
-
8/9/2019 Process Amen To Digital de Sinais
26/84
26
Outras Classificaes para Seqncias
Classificao quanto simetria:
- Seqncia conjugada simtrica: uma seqncia consideradaconjugada simtrica se:
x[n]=x*[-n]
Uma seqncia conjugada simtrica real tambm
denominada de seqncia par.
- Seqncia conjugada anti-simtrica: uma seqncia considerada conjugada anti-simtrica se:
x[n]=-x*[-n]
Uma seqncia conjugada anti-simtrica real tambmdenominada de seqncia mpar. Se x[n] conjugada anti-
simtrica, ento x[0] puramente imaginria.
Logo, se x[n] for mpar, ento x[0]=0.
-
8/9/2019 Process Amen To Digital de Sinais
27/84
-
8/9/2019 Process Amen To Digital de Sinais
28/84
28
Outras Classificaes para Seqncias
Classificao quanto simetria:
- Seqncias reais podem ser representadas pela combinaolinear de suas componentes pares e mpares, definidas como:
- Seqncias finitas entre [0, N-1] podem ser representadas pela sua
componente conjugada simtrica peridica e pela sua componenteconjugada anti-simtrica peridica. Note que estas seqnciasapenas existem para os valores de ndefinidos para x[n].
][][][][][2
1][
][][2
1][
nxnxnxnxnxnx
nxnxnx
odevod
ev
][][][
10,)1(2
1][
10,)1(2
1
][
**
**
nxnxnx
N-nnNxnxnxnxnx
N-nnNxnxnxnxnx
pcapcs
Npca
Npcs
NkkN
modulo
-
8/9/2019 Process Amen To Digital de Sinais
29/84
-
8/9/2019 Process Amen To Digital de Sinais
30/84
-
8/9/2019 Process Amen To Digital de Sinais
31/84
31
Outras Classificaes para Seqncias
Classificao quanto energia e potncia
- Definio de energia de uma seqncia:
- Definio de potncia mdia de uma seqncia:
- Sinais potncia: so aqueles que possuem energia infinita,
mas potncia mdia finita.
- Sinais energia: so aqueles que possuem energia mdia finita
e potncia mdia nula.
n
x nx2][
peridicaseqnciapara][1
aperidicaseqnciapara][12
1lim
1
0
2
2
N
n
x
K
KnK
x
nxN
P
nxK
P
-
8/9/2019 Process Amen To Digital de Sinais
32/84
32
Outras Classificaes para Seqncias
Exerccio: classifique as seqncias abaixo quanto energia e
potncia.
a) x[n] = e-n/5 n={0, 1, 2, 3, ...}
b) x[n] = sen( /4.n) n={..., -3, -2, -1, 0, 1, 2, 3, ...}
c) x[n]=1/n n={1, 2, 3, ...}
d) x[n] = tan( /2.n) n={..., -3, -2, -1, 0, 1, 2, 3, ...}
e) x[n] = cos( .n) n={..., -3, -2, -1, 0, 1, 2, 3, ...}
f) x[n] = (-1)n n={0, 1, 2, 3, ...}
-
8/9/2019 Process Amen To Digital de Sinais
33/84
33
Outras Classificaes para Seqncias
Classificao quanto limitao da amplitude das amostras
- Seqncias limitadas so aquelas que atendem a seguintecondio:
|x[n]| B< para qualquer n
Classificao quanto somatria.
- Seqncias absolutamente somveis so aquelas que
atendem a seguinte condio:
- Seqncias quadrticas-somveis so aquelas que atendem aseguinte condio:
n
nx |][|
n
nx 2|][|
-
8/9/2019 Process Amen To Digital de Sinais
34/84
34
Seqncias Fundamentais
Seqncia Impulso Unitrio: esta seqncia til para
caracterizar sistemas de tempo discreto. Sua definio :
Seqncia Degrau Unitrio: esta seqncia definida por
- Note que:
c.c.0
01][
nn
-5 -4 -3 -2 -1 0 1 2 3 4 5
1
00
01][
n
nnu
-5 -4 -3 -2 -1 0 1 2 3 4 5
1
]1[][][
][][
nunun
knun
k
-
8/9/2019 Process Amen To Digital de Sinais
35/84
-
8/9/2019 Process Amen To Digital de Sinais
36/84
36
Seqncias Fundamentais
Periodicidade de seqncias senoidais:
- Perodo fundamental: se N.
0=2 r,onde r um inteiro ento asenide discreta ir se repetir a cada N amostras. N o perodo
fundamental da seqncia.
- Se 2 0 for um nmero racional, ento o perodo da
seqncia ser mltiplo de 2 0. O perodo da seqncia serigual 2 k 0, quando est diviso for um nmero inteiro. kdeve ser um inteiro.
- Se 20
for um nmero irracional, ento a seqncia seraperidica.
-
8/9/2019 Process Amen To Digital de Sinais
37/84
37
Seqncias Fundamentais
Propriedades interessantes de senides discretas:
- A freqncia angular dada em radianos ou radianos/amostra
- Se 1= 2+2 k, ento sen( 1)=sen( 2)
- A maior freqncia que uma seqncia senoidal pode
apresentar . Logo,
cos( n)=cos[(2- ) n]
As freqncias em torno de 2 k so denominadas de
freqncias baixas.As freqncias em torno de (2k+1) so denominadas defreqncias altas.
-
8/9/2019 Process Amen To Digital de Sinais
38/84
38
Seqncias Fundamentais
Seqncias Exponenciais: so seqncias expressas na forma
onde A e podem ser nmeros reais ou complexos e k umnmero real.
Fazendo-se A=|A|ej e =exp( 0+j 0), ento tem-se:
x[n]=A exp[( 0+j 0)n] = |A| exp(j ) exp[( 0+j 0)n]
x[n]=|A|exp( 0n)cos( 0n+ )+j|A|exp( 0n)sen( 0n+ )
nk
Anx ][
0 5 10 15 20 25 30 35 40 45-4
-2
0
2
4
n
xim
[n]
0 5 10 15 20 25 30 35 40 45-4
-2
0
2
4
n
xre
[n]
-
8/9/2019 Process Amen To Digital de Sinais
39/84
39
Processo de Amostragem
Processo pelo qual uma seqncia discreta formada a partir
de um sinal contnuo.
x[n]= xa(tn)=xa(nT)
Portanto, as amostras somente sero definidas para os
instantes
tn=nT=n/FT=2 n/ T
onde T o tempo entre as amostras, FT a freqncia deamostragem e T= 2 FT a freqncia angular de amostragem.
Amostragem de um sinal senoidal:
xa(t)=cos( 0t+ ), portantox[n]=cos( 0nT+ ) = cos(2 0n/ T+ ) = cos( 0n+ )
onde 0= 2 0/ T= 0 a freqncia angular digital do sinal,dada em radianos ou radianos/amostra.
-
8/9/2019 Process Amen To Digital de Sinais
40/84
40
Alising
Alising o fenmeno que ocorre quando h ambigidade na
representao por seqncia discreta de dois ou mais sinais
contnuos.
Exemplo no Quadro!
Todos os sinais contnuos das seguintes famlias:
so representados pela mesma seqncia discreta:
Exerccio proposto: prove que a afirmao acima verdadeira.
,...2,1,0paracos)(
e,...2,1,0paracos)(
0
0
ktktx
ktktx
T
T
nnnx T
0
0 2cos)cos(][
-
8/9/2019 Process Amen To Digital de Sinais
41/84
41
Alising
Exemplo: encontre a seqncia discreta para representar osinal:
sabendo que a freqncia de amostragem de 200Hz.
Recupere o sinal analgico a partir da seqncia discreta.
Refaa o exemplo anterior com uma freqncia de amostragem
igual 1kHz.
Este exemplo deixa claro que para que no ocorra alising necessrio que as freqncias angulares da seqncia digitaldevem estar limitadas na faixa 0 .
Portanto, para que um sinal contnuo seja representado porsuas amostras sem ambigidade necessrio que
FT 2fmax
T 2 max
)660sin(10)500cos(5)340cos(2)300sin(3)60cos(6)( ttttttx
-
8/9/2019 Process Amen To Digital de Sinais
42/84
42
Sistemas de Tempo Discreto
Sistemas de Tempo Discreto (STD) processam uma seqncia
de entrada para fornecer uma seqncia de sada.
As amostras de sada so processadas segundo o ndice de
tempo de entrada, n, ou seja, a sada sempre seqncial.
Em termos prticos, sistemas discretos sempre operam comseqncias digitais e, por isso, so comumente denominados
de filtros digitais.
Sistema de
TempoDiscreto
x[n] y[n]
-
8/9/2019 Process Amen To Digital de Sinais
43/84
43
Sistemas de Tempo Discreto
Exemplos de Sistemas de Tempo Discreto: Acumulador.
Para sistemas causais, y[-1] pode ser visto como um valorinicial para o acumulador. Assim, pode-se escrever que:
onde o segundo termo da expresso acima denominado deacumulador causal.
- Exerccio proposto: escreva umcdigo em MATLAB para implementar
o acumulador. O programa deve permitir
a entrada de qualquer seqncia discreta.
]1[][][][][][
1
nynxkxnxkxny
n
k
n
k
n
k k
n
k
n
k
kxykxkxkxny1
0 0
][]1[][][][][
Z-1
x[n] y[n]
y[n-1]
-
8/9/2019 Process Amen To Digital de Sinais
44/84
44
Sistemas de Tempo Discreto
Exemplos de Sistemas de Tempo Discreto: Mdia Movente.
Este sistema realiza a mdia em uma janela de M amostras.
A mdia movente pode ser utilizada para filtrar sinais de baixa
freqncia que estejam contaminados com rudos de alta
freqncia.
Exerccio proposto: desenvolva um programa
em MATLAB que permita filtrar uma seqncia
qualquer utilizando mdia movente de M amostras.
1
0
][1
][M
k
knxM
ny
Z-1
x[n] y[n]
x[n-1]
Z-1
x[n-M+1]
.
.
.
Z-1
x[n-2]
1/M
-
8/9/2019 Process Amen To Digital de Sinais
45/84
-
8/9/2019 Process Amen To Digital de Sinais
46/84
46
Classificao de Sistemas de Tempo Discreto
Sistema Invariante ao Deslocamento ou Invariantes no Tempo:
- So aqueles em que o instante no qual a seqncia de
entrada aplicada no afeta o resultado da sada.
- Se y[n] a resposta de um sistema ID ou IT uma seqnciax[n], ento a resposta para uma seqncia
x1[n]=x[n-N
0] simplesmente y
1[n]=y[n-N
0]
Sistemas Discretos Lineares e Invariantes no Tempo (LIT): soaqueles que, ao mesmo tempo, so lineares e invariantes notempo.
- A maior parte dos sistemas em discusso neste curso soclassificados como LIT.
- Exerccio proposto: prove que um interpolador no umsistema invariante no tempo.
-
8/9/2019 Process Amen To Digital de Sinais
47/84
47
Classificao de Sistemas de Tempo Discreto
Sistema Causal: aquele cuja uma amostra de sada somentedepende das amostras passadas e no depende das amostras
futuras. Ou seja, y[n0] somente depende das amostras cujo ndice menor que n0.
Sistema Estvel: aquele que se a entrada for limitada em amplitude,ento a sada tambm ser. Assim, se
|x[n]|
-
8/9/2019 Process Amen To Digital de Sinais
48/84
48
Caracterizao de Sistemas Discretos
Reposta ao Impulso: um filtro digital LIT pode ser caracterizadopela sua resposta ao impulso, que a seqncia que aparece
na sada do filtro quando a seqncia impulso unitrio aplicada na sua entrada.
- Exemplo: encontre a resposta ao impulso do sistema discretoacumulador e sistema discreto de mdia movente.
Resposta ao Degrau: um filtro LIT pode ser caracterizado pelasua reposta ao degrau unitrio, que a seqncia que aparecena sada do filtro quando o degrau unitrio aplicado naentrada.
- Exerccio proposto: encontre a resposta ao degrau do sistemadiscreto acumulador e sistema discreto de mdia movente.
SistemaDiscreto
[n]h[n]
-
8/9/2019 Process Amen To Digital de Sinais
49/84
-
8/9/2019 Process Amen To Digital de Sinais
50/84
50
Caracterizao de Sistemas Discretos
Exerccios propostos:
1) Prove que a convoluo discreta atende as seguintespropriedades:
a) Associao
b) Distribuio
c) Comutao
2) Encontre a seqncia de sada para os seguintes casos:
a) x[n]=[2 4 -1 0 1 -2] e h[n]=[3 2 1]
b) x[n]=exp(-0.1n) para -1
-
8/9/2019 Process Amen To Digital de Sinais
51/84
51
Interconexes de Sistemas LIT
Conexo em Cascata: ocorre quando a sada de um sistema
conectado na entrada de outro sistema.
- A resposta ao impulso do sistema como um todo dada pela
convoluo entre as respostas ao impulso dos sistemas
individuais.- A conexo em cascata de dois sistemas estveis BIBO resulta
em um sistema estvel BIBO e a conexo em cascata de doissistemas passivos (ou sem-perdas) resulta em um sistema
passivo (sem-perdas).
Sistemas inversos: dois sistemas so ditos inversos se:
h1[n]*h2[n]= [n] Exemplo no quadro: encontre o sistema inverso de um acumulador.
h1[n][n]
h1[n]
h2[n]
h1[n] h
2[n]*
-
8/9/2019 Process Amen To Digital de Sinais
52/84
52
Interconexes de Sistemas LIT
Conexo Paralela: se dois sistemas recebem a mesma
seqncia de entrada e as sadas destes sistemas so
somadas para se obter uma nica sada, ento estes sistemasesto ligados em conexo paralela.
- Exerccio proposto: prove que dois sistemas estveis em
paralelo resulta tambm em um sistema estvel.- Exerccio proposto: prove que dois sistemas passivos ou sem-
perdas em paralelo pode no resultar em um sistema passivoou sem-perda.
h1[n]
[n]
h2[n]
h2[n]
+
h1[n]
h1[n]+h
2[n]
-
8/9/2019 Process Amen To Digital de Sinais
53/84
53
Interconexes de Sistemas LIT
Exemplo: encontre a resposta ao impulso do sistema abaixo.
h1[n]
+
h2[n]
h3[n]
]2[]1[][
]1[1.0][][
]2[52.0][2][
3
2
1
nnnh
nnnh
nnnh
-
8/9/2019 Process Amen To Digital de Sinais
54/84
54
Classificao em termos da Resposta ao Impulso
Um sistema BIBO estvel deve ter resposta ao impulso que
atenda a seguinte condio:
Para que um sistema seja causal, necessrio que a sua
resposta ao impulso seja causal, ou seja:
h[n]=0 para n
-
8/9/2019 Process Amen To Digital de Sinais
55/84
-
8/9/2019 Process Amen To Digital de Sinais
56/84
-
8/9/2019 Process Amen To Digital de Sinais
57/84
57
Sistemas LTI com Dimenso Finita
A soluo para a equao diferena para determinar y[n] similar
soluo da equao diferencial de um sistema contnuo, onde a soluo
a soma de um termo particular (yp[n]) e de um termo homogneo (yc[n]).y[n]=yc[n]+yp[n]
Soluo homognea: obtida quando x[n]=0, ou seja
A soluo desta equao pode ser obtida assumindo queyc[n]=
n
Ento, pode-se escrever que
que a equao polinomial caracterstica do sistema discreto, onde n an-sima raz do polinmio, o que significa que a soluo homognea daforma:
onde i so constantes que dependem das condies iniciais.
N
k
k knyd0
0][
N
k
NN
NNNNnkn
k
N
k
k ddddddknyd0
1
1
2
1
10
0
][
n
NN
n
NN
nn
c ny 112211][
-
8/9/2019 Process Amen To Digital de Sinais
58/84
58
Sistemas LTI com Dimenso Finita
Quando a equao polinomial possui razes iguais, yc[n]
assume a forma:
Para determinar a soluo particular, assume-se que yp[n]
possui a mesma forma que x[n].
Exemplo: encontre a soluo completa para um sistemacaracterizado pela seguinte equao diferena:
y[n]+y[n-1]-6y[n-2]=8u[n]
sabendo que y[-2]=-1 e y[-1]=1.
nLNN
nL
nLL
nnnc nnnny 211
11
231211][
-
8/9/2019 Process Amen To Digital de Sinais
59/84
59
Zero-Input e Zero-State Responses
Outra maneira de obter a soluo para a equao diferena
calcular a Zero-Input response (yzi[n]) e Zero-State response
(yzs[n]).
yzi[n] obtida resolvendo-se a equao polinomial
caracterstica para x[n]=0.
yzs[n] obtida resolvendo-se a equao polinomial
caracterstica para a entrada especfica e fazendo todas ascondies iniciais serem nulas.
Exemplo: utilize o mtodo descrito acima para encontrar a
soluo da equao diferena do exemplo anterior.
-
8/9/2019 Process Amen To Digital de Sinais
60/84
60
Resposta ao Impulso de Sistemas Causais
A equao diferena pode ser utilizada para calcular a
resposta ao impulso de um sistema causal.
Para isto, basta calcular a soluo homognea, j que x[n]=0
para n>0 e, portanto, yp[n]=0.
As condies iniciais esto restritas h[0]=1, j que o sistema causal, ou seja, h[n]=0 para n0.
Exemplo: encontre a resposta ao impulso do exemploanterior.
N
k
k
N
k
k knxpknyd00
-
8/9/2019 Process Amen To Digital de Sinais
61/84
C S
-
8/9/2019 Process Amen To Digital de Sinais
62/84
62
Classificao de Sistemas LIT
Classificao quanto ao comprimento da resposta ao impulso
- Resposta ao impulso finita: um sistema cuja resposta ao impulso seja
nula para n>N2 e n< N1, sendo N2>N1 classificado como FIR.
- A sada deste sistema dada por
- Note que a sada formada por uma soma finita de amostras de entrada,
tornando a implementao simples.
- Resposta ao impulso infinita: um sistema cuja resposta ao impulsopossui um nmero infinito de amostras classificado como IIR.
- No caso de um sistema causal, a sada dada por:
- Note que a medida em que naumenta, h um aumento no nmero deamostras de entrada envolvidas no computo da amostra de sada. Se n formuito grande, a implementao pode-se tornar invivel.
2
1
][][][N
Nk
knxkhny
n
k
knhkxny0
][][][
Cl ifi d Si LIT
-
8/9/2019 Process Amen To Digital de Sinais
63/84
63
Classificao de Sistemas LIT
Classificao quanto ao processo de clculo da sada:
- Sistemas no recursivos: so aqueles cuja amostra de sadaatual pode ser calculada seqencialmente em funo apenas
da amostra presente e das amostras passadas da entrada.
- Sistemas recursivos: so aqueles cuja amostra de sada
atual pode ser calculada seqencialmente em funo dasamostras de sada passadas, da amostra atual de entrada e
das amostras passadas de entrada.
- Exerccio proposto: mostre que possvel representar um
filtro acumulador tanto na forma recursiva quanto na formano-recursiva.
Cl ifi d Si LIT
-
8/9/2019 Process Amen To Digital de Sinais
64/84
64
Classificao de Sistemas LIT
Classificao quanto natureza dos coeficientes:
- Sistema de tempo discreto real: aquele cuja resposta aoimpulso possui todas as amostras reais.
- Sistema de tempo discreto complexo: aquele cuja resposta
ao impulso possui um ou mais amostras complexas.
-
8/9/2019 Process Amen To Digital de Sinais
65/84
C l d Si i
-
8/9/2019 Process Amen To Digital de Sinais
66/84
66
Correlao de Sinais
Funo de auto-correlao: uma medida de similaridade
entre uma seqncia e sua verso atrasada de lamostras.
- Note que:
a) rxx[0]=Ex
b) rxx[l]=rxx[-l], o que significa que a funo de auto-correlao par.
Exerccio proposto: encontre a funo de auto-correlao ecorrelao cruzada das seguintes seqncias:
a) 3cos(0.1 n)
b) 0.3sen(0.1 n)
,3,2,1,0para][][][ llnxnxlrn
xx
C l d Si i
-
8/9/2019 Process Amen To Digital de Sinais
67/84
67
Correlao de Sinais
A funo de correlao pode ser expressa na forma de
convoluo. Compare as expresses a seguir:
Claramente, pode-se escrever que
Exerccio proposto: desenvolva no Matlab uma funo que
realize a correlao de duas seqncias quaisquer deentrada utilizando a funo de convoluo. Note que asbases de tempo das seqncias de entrada devem ser
levadas em considerao.
,3,2,1,0para][][][
][][][][
llnynxlr
knykxnynx
n
xy
k
][][][ lylxlrxy
-
8/9/2019 Process Amen To Digital de Sinais
68/84
P i d d d F C l
-
8/9/2019 Process Amen To Digital de Sinais
69/84
69
Propriedades da Funo Correlao
Correlao e auto-correlao para sinais de potncia.
Correlao e auto-correlao para sinais peridicos
- A periodicidade da funo de correlao igual periodicidade das seqncias envolvidas.
K
Knk
xx
K
Knk
xy
lnxnxK
lr
lnynxKlr
][][12
1lim][
][][12
1lim][
1
0
~~
1
0
~~
][][
1
][
][][1
][
~~
~~
N
nxx
N
nyx
lnxnxNlr
lnynxN
lr
Captulo 3 Sinais Discretos no Domnio da
-
8/9/2019 Process Amen To Digital de Sinais
70/84
70
pFreqncia
A transformada de Fourier uma representao contnua no
domnio da freqncia de uma seqncia discreta no domnio
do tempo.
Como a DTFT peridica com um perodo de 2 radianos,ento apenas Namostras desta transformada so suficientes
para representar uma seqncia discreta de Npontos,conforme ser mostrado posteriormente. Esta representao
denominada de transformada discreta de Fourier DFT.
Outra maneira de representar seqncias discretas no
domnio da freqncia utilizar uma generalizao da DFT,denominada de transformada z, onde z uma varivel
complexa.
-
8/9/2019 Process Amen To Digital de Sinais
71/84
Transformada de Fourier de Tempo Discreto
-
8/9/2019 Process Amen To Digital de Sinais
72/84
72
Transformada de Fourier de Tempo Discreto
A fase da transformada limitada por - ( ) + .
Caso a fase ultrapasse o valor , a mesma ser representadacomo .
Essa descontinuidade pode ser eliminada utilizando a
unwrapped phase, ou seja, permitindo que a fase assumaqualquer valor.
Neste caso, a fase representada por c( ).
Exerccio: mostre que Xre(ej n) uma funo par enquanto
que Xim(ej n) uma funo mpar.
Exemplo: encontre a DTFT de:
a) x[n]= [n]
b) x[n]= nu[n]
Transformada de Fourier de Tempo Discreto
-
8/9/2019 Process Amen To Digital de Sinais
73/84
73
Transformada de Fourier de Tempo Discreto
A fase da transformada limitada por - ( ) + .
Caso a fase ultrapasse o valor , a mesma ser representadacomo .
Essa descontinuidade pode ser eliminada utilizando a
unwrapped phase, ou seja, permitindo que a fase assumaqualquer valor.
Neste caso, a fase representada por c( ). Exerccio: mostre que Xre(e
j n) uma funo par enquanto
que Xim(ej n) uma funo mpar.
Exemplo: encontre a DTFT de:
a) x[n]= [n]
b) x[n]= nu[n]
Prove que X(ej n) peridica a cada 2 radianos.
Transformada de Fourier de Tempo Discreto
-
8/9/2019 Process Amen To Digital de Sinais
74/84
74
Transformada de Fourier de Tempo Discreto
As amostras de x[n] podem ser obtidas a partir de X(ej n)
atravs da IDTFT:
Exerccio: prove que a expresso acima verdadeira.
Condio de convergncia: para que a DTFT de umaseqncia possa ser calculada, a mesma deve serconvergente, ou seja, deve possuir energia finita.
Todas as seqncias absolutamente somveis so
convergentes.
Nem todas as seqncias convergentes so absolutamente
somveis.
Veja Exemplo 3.3 da pgina 121.
deeXnxnjj )(
21][
-
8/9/2019 Process Amen To Digital de Sinais
75/84
75
Transformada de Fourier de Tempo Discreto
Algumas seqncias ilimitadas possuem TFTD.
-
8/9/2019 Process Amen To Digital de Sinais
76/84
Propriedades da TFTD
-
8/9/2019 Process Amen To Digital de Sinais
77/84
77
Propriedades da TFTD
Linearidade: se y[n]= ax[n]+bg[n], ento
Y(ej )=aX(ej )+bG(ej )
Prova no quadro.
Deslocamento temporal: se y[n]=x[n-no], ento
Y(ej )=e-j noX(ej )
Prova no quadro.
Deslocamento na freqncia: se y[n]=ej onx[n], ento
Y(ej )=X(ej( o )
Prova no quadro.
Propriedades da TFTD
-
8/9/2019 Process Amen To Digital de Sinais
78/84
78
Propriedades da TFTD
Derivao na freqncia: se y[n]=nx[n], ento
Prova no quadro.
Convoluo: se y[n]=x[n]*g[n], ento
Y(ej
)=X(ej
).
G(ej
)Prova: exerccio proposto.
Modulao: se y[n]=x[n]g[n], ento
Prova: exerccio proposto
jj eXd
djeY
deGeXeY jjj21
Propriedades da TFTD
-
8/9/2019 Process Amen To Digital de Sinais
79/84
79
Propriedades das seqncias simtricas complexas.
Propriedades das seqncias simtricas reais.
Propriedades da TFTD
Densidade Espectral de Energia
-
8/9/2019 Process Amen To Digital de Sinais
80/84
80
Teorema de Parseval ou Teorema da Conservao daEnergia:
Caso interessante: se h[n]=g[n], o que estabelece o Teoremade Parseval?
Densidade espectral de energia de uma seqncia:
Note que
deHeGnhng jj
n
**
21][][
Densidade Espectral de Energia
2jj
xx eGeS
deS jxxx21
Densidade Espectral de Energia
-
8/9/2019 Process Amen To Digital de Sinais
81/84
81
Relao entre a densidade espectral de energia a a funode correlao.
Prova no quadro.
Exerccio: encontre a funo densidade espectral de energiada seguinte seqncia:
Proposto: faa um programa em Matlab que compute a TFTDde uma seqncia qualquer.
Densidade Espectral de Energia
lj
l
xy
j
xy
lj
l
xxj
xx
elreS
elreS
)(
)(
x n n
u n
Transformada Discreta de Fourier DFT
-
8/9/2019 Process Amen To Digital de Sinais
82/84
82
A DFT somente definida para seqncias finitas.
Uma seqncia com Npontos completamente
caracterizada por Npontos da TFTD, em freqncias k,onde 0 k N-1, onde k so amostras igualmente espaadasde .
A transformada inversa dada por
Prova no quadro!
Transformada Discreta de Fourier DFT
X k X ej! jw k=N
N
n
x n ej
X k
NXn
x n WknN
WN
N
x nN
NXk
X k Wkn
N
Transformada Discreta de Fourier DFT
-
8/9/2019 Process Amen To Digital de Sinais
83/84
83
Exemplo: encontre a DFT das seguintes seqncias:
Transformada Discreta de Fourier DFT
x n
n n N
x n
r
n
N
n N
Transformada Discreta de Fourier DFT
-
8/9/2019 Process Amen To Digital de Sinais
84/84
.
Transformada Discreta de Fourier DFT