Anda di halaman 1dari 152

Universidade Presbiteriana Mackenzie

Curso de Engenharia El

etrica
Processamento Digital de Sinais
Notas de Aula
Prof. Marcio Eisencraft
Segundo semestre de 2007
Universidade Presbiteriana Mackenzie
Curso de Engenharia El

etrica
Processamento Digital de Sinais
TEORIA
Prof. Marcio Eisencraft
Segundo semestre de 2007
Processamento Digital de Sinais Aula 1T Professor Marcio Eisencraft fevereiro 2007
Aula 1T - Sinais de tempo discreto
Operaes com seqncias
Bibliografia
HAYKIN, Simon S.; VAN VEEN, Barry. Sinais e sistemas. Porto Alegre: Bookman, 2001. 668 p. ISBN
8573077417. Pginas 40-46.
MITRA, Sanjit K. Digital signal processing: a computer-based approach. 2nd ed. Boston: McGraw-Hill,
c2001. 866 p. : il. ; 24 cm ISBN 0072321059. Pginas 44 49.

1. Sinais de tempo discreto
Um sinal de tempo discreto basicamente um sinal que est definido apenas
em instantes isolados de tempo. Conseqentemente, um sinal de tempo dis-
creto pode ser descrito por uma seqncia de nmeros.
Nesta aula, aprenderemos um pouco mais sobre a representao deste tipo de
sinal e como realizar operaes com eles.
Os sinais de tempo discreto so representados pela notao em que s
est definido para nmeros inteiros. Cada um dos elementos do sinal
] [n x n
x
chamado de amostra. Vejamos alguns exemplos:
(a)
6 6 , ] [
2
= n n n x
Este sinal constitudo das seguintes amostras
. A figura a seguir mostra um grfico deste
sinal:
[ ] } 36 , 25 , 16 , 9 , 4 , 1 , 0 , 1 , 4 , 9 , 16 , 25 , 36 { } { = n x
st em( - 6: 6, ( - 6: 6) . ^2) ;

1

Processamento Digital de Sinais Aula 1T Professor Marcio Eisencraft fevereiro 2007
A segunda amostra deste sinal 25 ] 5 [ = x . Este sinal tem amos-
tras.
13 1 ) 6 ( 6 = +
(b) N n n y
n
= , ) 9 , 0 ( ] [
As amostras deste sinal so ;...} 6561 , 0 ; 729 , 0 ; 81 , 0 ; 9 , 0 ; 1 { ]] [ { = n y . A figura a seguir
mostra as 50 primeiras amostras deste sinal.
Repare que este um sinal com infinitas amostras e, por exemplo, . 1 ] 0 [ = y
st em( 0: 50, ( 0. 9) . ^( 0: 50) )

Os exemplos acima mostram que um sinal de tempo discreto pode ser uma
seqncia de comprimento finito ou infinito. Alm disso, um sinal de compri-
mento finito definido no intervalo
2 1
N n N tem comprimento ou durao:
1
1 2
+ = N N N
.

Dentre as seqncias de comprimento infinito, destacamos as seqncias
chamadas causais definidas somente para e as seqncias anticausais de-
finidas para
0 n
0 < n . Por exemplo, a seqncia do exemplo anterior causal.

Exerccio
1. (CARLSON, 1998; p. 44) Um sinal chamado de simplesmente definido
(simply-defined) se ele representado por uma nica equao e chamado
2

Processamento Digital de Sinais Aula 1T Professor Marcio Eisencraft fevereiro 2007
de definido por partes (piecewise defined) se representado por um con-
junto de equaes cada uma vlida num intervalo de tempo diferente. Sendo
assim, esboce os sinais de tempo discreto definidos pelas seguintes equaes.
Indique tambm se eles so definidos por partes.
(a) [ ]
n
e n x
25 , 0
= , n (b)
[ ]


<
<
=
6 ,
3
5
6 3 , 3
3 , 1
n
n
n
n n
n x

(c) [ ]
( )
1
1
2
+
+
=
n
n
n x , n (d) [ ]

<

=
0 , 0
0 , 1
2
n
n n
n x

(e) [ ]
( )
( )

<
+
=
0 , 1 1
0 , 1 1
n n
n n
n x

1.1. Operaes com seqncias
Sistemas de tempo discreto so entidades que transformam uma ou mais se-
qncias de entrada em uma ou mais seqncias de sada. A figura a seguir
mostra esquematicamente um sistema de tempo discreto cuja entrada a se-
qncia e a sada a seqncia . ] [n x ] [n y

O conceito de sistemas um dos mais importantes no curso de Engenharia
Eltrica e explorado em vrias disciplinas. Aqui, nos preocuparemos princi-
palmente com a parte operacional de sistemas de tempo discreto, ou, em outras
palavras, em como eles operam.
3

Processamento Digital de Sinais Aula 1T Professor Marcio Eisencraft fevereiro 2007
Quase todo sistema de tempo discreto pode ser decomposto em um conjunto
de operaes bsicas entre seqncias que sero estudadas a seguir.

1.1.1. Produto
A operao produto entre duas seqncias e , representada por
, consiste em multiplicar, para cada valor de as amostras das
seqncias e .
] [n x ] [n y
[ ] ] [ ] [
1
n y n x n w = n
] [n x ] [n y
Esquematicamente, esta operao representada pelo smbolo mostrado a se-
guir. Esta operao tambm chamada de modulao na rea de telecomuni-
caes.

1.1.2. Soma
A operao soma entre duas seqncias e , representada por
, consiste em somar, para cada valor de as amostras das se-
qncias e .
] [n x ] [n y
[ ] ] [ ] [
2
n y n x n w + = n
] [n x ] [n y
Esquematicamente, esta operao representada pelo smbolo mostrado a se-
guir que chamado de somador.




4

Processamento Digital de Sinais Aula 1T Professor Marcio Eisencraft fevereiro 2007
1.1.3. Multiplicao por escalar
Nesta operao, um novo sinal gerado multiplicando-se cada amostra da
seqncia pelo escalar [ ] n x A: [ ] n Ax n w = ] [
3
.
Esquematicamente temos:

Esta operao tambm chamada de ganho.

Exerccio
2. (MITRA, 2001; p. 106) Considere as seguintes seqncias de comprimento 7
definidas para : 3 3 n
[ ] { }
[ ] { }
[ ] { } 1 ; 0 ; 5 ; 6 ; 3 ; 4 ; 5
2 ; 9 ; 4 ; 3 ; 1 ; 7 ; 0
2 ; 5 ; 4 ; 1 ; 0 ; 2 ; 3
=
=
=
n w
n y
n x
.
Determine as seguintes seqncias:
(a) (b) [ ] [ ] [ ] n y n x n u + = [ ] [ ] [ ] n w n x n v + = (c) [ ] [ ] [ ] n w n y n s =
(d) . [ ] [ ] n y n r 5 , 4 =

1.1.4. Deslocamento no tempo
A ltima operao de que trataremos por enquanto o deslocamento no tem-
po (time-shifting). A relao entre a sada e a entrada nesta operao
[ ] ] [
4
N n x n w =
em que um inteiro. Se esta uma operao de atraso e se N 0 > N 0 < N esta
uma operao de avano. O dispositivo que implementa a operao de atraso
de uma amostra chamado de atraso unitrio e seu smbolo mostrado a se-
guir.
5


Processamento Digital de Sinais Aula 1T Professor Marcio Eisencraft fevereiro 2007
A explicao do por que deste smbolo ser dada mais tarde quando estudar-
mos Transformadas z.

Exerccios
3. Um sinal de tempo discreto , definido para todo inteiro dado por
. Ele passado por um atrasador, obtendo-se o sinal
] [n x n
[ ] 1 2 + = n n x [ ] ] 1 [ = n x n w .

Descreva as amostras para 10 0 n dos sinais e e escreva uma frmu-
la fechada para as amostras do sinal .
] [n x ] [n w
] [n w

4. Desenhe um diagrama de blocos que programe a seguinte operao sobre o
sinal : [ ] n x
] 2 [ 75 , 0 ] 1 [ 5 , 0 ] [ ] [ + + = n x n x n x n y

5. (MITRA, 2001; p. 47) Descreva uma formula para o sinal obtido do fil-
tro mostrado em diagrama de blocos na figura a seguir:
] [n y

6

Processamento Digital de Sinais Aula 2T Professor Marcio Eisencraft fevereiro 2007
1

Aula 2T - Classificao de sinais
Bibliografia
HAYKIN, Simon S.; VAN VEEN, Barry. Sinais e sistemas. Porto Alegre: Bookman, 2001. 668 p. ISBN
8573077417. Pginas 40-46.
OPPENHEIM, Alan V.; WILLSKY, Alan S.; NAWAB, S. Hamid. Signals & systems. 2nd. ed. Upper Sad-
dle River, New J ersey: Prentice-Hall, c1997. 957 p. ISBN 0138147574. Pginas 1-14

1.2 Classificao de sinais
Nas aulas anteriores, vimos que um sinal, de forma geral uma funo (con-
tnua ou discreta) do tempo. Veremos agora como podemos classificar os si-
nais segundo alguns critrios como simetria, periodicidade e energia.
Em cada caso, veremos as definies para sinais de tempo contnuo e discre-
to.

1.2.1 Classificao baseada na simetria
1.2.1.1 Sinais de tempo contnuo
Um sinal de tempo contnuo dito par se ele satisfizer a condio
( ) ( ) t x t x = para todo t
Um sinal de tempo contnuo dito impar se ele satisfizer a condio
( ) ( ) t x t x = para todo t
Assim, os sinais pares so simtricos com relao ao eixo vertical ou origem
dos tempos enquanto que os sinais mpares so antisimtricos em relao o-
rigem dos tempos.
Os sinais ( )
2
t t x = e ( )
3
t t x = so exemplos de sinal par e mpar respectivamen-
te. O grfico destes sinais est mostrado a seguir.

Processamento Digital de Sinais Aula 2T Professor Marcio Eisencraft fevereiro 2007
2

Qualquer sinal ( ) t x pode ser decomposto numa soma de dois outros sinais, um
par ( ) t x
p
e outro mpar ( ) t x
i
, ou seja,
( ) ( ) ( ) t x t x t x
i p
+ =
, (1)
com
( ) ( ) t x t x
p p
=
e
( ) ( ) t x t x
i i
=

Trocando t por t na expresso (1), temos:
( ) ( ) ( ) ( ) ( ) t x t x t x t x t x
i p i p
= + = (2)
Resolvendo o sistema (1)-(2) para ( ) t x
p
e ( ) t x
i
, chega-se a:


1.2.1.2 Sinais de tempo discreto
De forma anloga ao que foi feito em tempo contnuo, definimos sinais de
tempo discreto par e mpar como:
Sinal par:
[ ] [ ] n x n x = para todo n .
Sinal mpar:
[ ] [ ] n x n x = para todo n .
Demonstra-se tambm, de forma anloga ao que foi feito antes, que qualquer
sinal pode ser decomposto em uma componente par e numa componente m-
par.
[ ] [ ] [ ] ( )
[ ] [ ] [ ] ( ) n x n x n x
n x n x n x
i
p
=
+ =
2
1
2
1

A figura seguinte mostra exemplos de sinais de tempo discreto par e mpar.
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
1
2
1
2
p
i
x t x t x t
x t x t x t
= +
=
Processamento Digital de Sinais Aula 2T Professor Marcio Eisencraft fevereiro 2007
3



Exerccios
1. (1041) (MITRA, 2001; p.106) Determine a componente par e mpar das se-
qncias a seguir definidas no intervalo 3 3 n :
(a) [ ] { } 2 ; 5 ; 4 ; 1 ; 0 ; 2 ; 3 = n x
(b) [ ] { } 2 ; 9 ; 4 ; 3 ; 1 ; 7 ; 0 = n y
(c) [ ] { } 1 ; 0 ; 5 ; 6 ; 3 ; 4 ; 5 = n w

1.2.2 Classificao quanto periodicidade
1.2.2.1 Sinais de tempo contnuo
Um sinal ( ) t x dito peridico quando satisfizer a condio ( ) ( ) T t x t x + = para
todo t e T uma constante positiva.
O menor valor de T que satisfaz esta condio chamado de perodo funda-
mental de ( ) t x .
O inverso do perodo fundamental a freqncia fundamental, que, quando o
perodo medido em segundos, dada em Hertz (Hz).
T
f
1
=

Tambm definimos a freqncia angular do sinal, medida em radianos por
segundo como:
T

2
=

Processamento Digital de Sinais Aula 2T Professor Marcio Eisencraft fevereiro 2007
4

Quando o sinal no apresenta um perodo mnimo T chamado de aperidi-
co.

Exerccio
2. (HAYKIN, 2000; p. 37) A figura a seguir mostra uma onda triangular. Qual
a freqncia fundamental desta onda? Expresse a freqncia fundamental em
unidades de Hz ou rad/s.


1.2.2.2 Sinais de tempo discreto
A classificao de sinais em sinais peridicos e aperidicos apresentada at
agora se aplica a sinais de tempo contnuo. Consideraremos a seguir o caso de
sinais de tempo discreto.
Diz-se que um sinal de tempo discreto [ ] n x peridico se ele satisfizer a con-
dio
[ ] [ ] N n x n x + =
para todos os nmeros inteiros n ,
em que N um nmero inteiro positivo.
O menor valor de N que satisfaz a definio anterior chamado de perodo
fundamental do sinal de tempo discreto [ ] n x . A freqncia angular fundamen-
tal ou, simplesmente, freqncia fundamental de [ ] n x definida por:
N
2
=
,
Processamento Digital de Sinais Aula 2T Professor Marcio Eisencraft fevereiro 2007
5

a qual medida em radianos.
Lembre-se: O perodo de um sinal de tempo discreto obrigatoriamente um
nmero inteiro. Assim, sua freqncia angular fundamental no pode as-
sumir qualquer valor.

Exerccio
3. (HAYKIN, 2000; p. 78) Determine se os seguintes sinais so peridicos. Se
forem peridicos, encontre o perodo fundamental.
(a) [ ] ( )
n
n x 1 =
(b) [ ] n x descrito na figura a seguir.


1.2.3 Sinais de energia e potncia
1.2.3.1 Sinais de tempo contnuo
Em sistemas eltricos, um sinal pode representar uma tenso ou uma corrente.
Considere uma tenso ( ) t v aplicada a um resistor de resistncia R , produzindo
uma corrente ( ) t i . A potncia instantnea dissipada no resistor definida por
( )
( )
R
t v
t p
2
=
ou
( ) ( ) t Ri t p
2
=

Vemos assim que a potncia instantnea ( ) t p proporcional amplitude do
sinal elevada ao quadrado. Alm do mais, para =1 R , vemos que a potncia
( ) t p exatamente igual amplitude ao quadrado do sinal.
Processamento Digital de Sinais Aula 2T Professor Marcio Eisencraft fevereiro 2007
6

Baseado nisso, em anlise de sinais, costuma-se definir a potncia instantnea
de um sinal ( ) t x como:
( ) ( ) t x t p
2
=

Lembrando que a energia o produto da potncia pelo tempo, costuma-se de-
finir a energia total do sinal ( ) t x como:
( ) ( )


= =
2
2
2 2
lim
T
T
T
dt t x dt t x E
.

Tambm definimos a potncia mdia de um sinal como
( )


=
2
2
2
1
lim
T
T
T
dt t x
T
P
.
Para sinais peridicos, podemos calcular a potncia mdia tomando a mdia
apenas num perodo ao invs de tomar todo o eixo dos tempos. Para um sinal
peridico de perodo fundamental T , temos:
( )

=
2
2
2
1
T
T
dt t x
T
P
.
A raiz quadrada da potncia mdia P chamada de valor mdio quadrtico
(rms root-mean-square) do sinal ( ) t x .

1.2.3.2 Sinais de tempo discreto
No caso de um sinal de tempo discreto [ ] n x , as integrais anteriores so substi-
tudas pelas somas correspondentes. Dessa forma, a energia total de [ ] n x de-
finida por:
[ ]

=
=
n
n x E
2

e sua potncia mdia definida por:
Processamento Digital de Sinais Aula 2T Professor Marcio Eisencraft fevereiro 2007
7

[ ]

=

+
=
N
N n
N
n x
N
P
2
1 2
1
lim
.
Novamente, para um sinal peridico, basta tomarmos a mdia de um perodo
para o clculo da potncia mdia. Assim, para o caso de um sinal [ ] n x com pe-
rodo fundamental N ,
[ ]

=
=
1
0
2
1
N
n
n x
N
P
.
Um sinal chamado de sinal de energia se e somente se a energia total do
sinal satisfizer a condio
< < E 0
.
Um sinal chamado de sinal de potncia se e somente se a potncia mdia do
sinal satisfizer a condio
< < P 0
.
Pode-se mostrar que as classificaes de energia e potncia de sinais so mu-
tuamente exclusivas. Em especial, um sinal de energia tem potncia mdia ze-
ro enquanto que um sinal de potncia tem energia infinita.

Exerccios
4. (HAYKIN, 2000; p. 39) Qual a energia total do pulso retangular mostrado na
figura a seguir?

Resposta:
1
2
T A

5. (HAYKIN, 2000; p. 39) Qual a potncia mdia da onda quadrada mostrada
na figura a seguir?
Processamento Digital de Sinais Aula 2T Professor Marcio Eisencraft fevereiro 2007
8


Resposta: 1

6. (HAYKIN, 2000; p. 40) Qual a potncia mdia da onda triangular mostrada
a seguir?

Resposta: 1/3

7. (HAYKIN, 2000; p. 40) Qual a energia total do sinal de tempo discreto mos-
trado a seguir?


8. (HAYKIN, 2000; p. 40) Qual a potncia mdia do sinal peridico de tempo
discreto mostrado na figura a seguir?

Processamento Digital de Sinais - Aula 3T Professor Marcio Eisencraft julho 2006
Aula 3T - Seqncias Tpicas
Bibliografia
HAYKIN, Simon S.; VAN VEEN, Barry. Sinais e sistemas. Porto Alegre: Bookman, 2001. 668 p. ISBN
8573077417. Pginas 46-59.
OPPENHEIM, Alan V.; WILLSKY, Alan S.; NAWAB, S. Hamid. Signals & systems. 2nd. ed. Upper Sad-
dle River, New Jersey: Prentice-Hall, c1997. 957 p. ISBN 0138147574. Pginas 14-38.

1.3 Algumas seqncias bsicas
Nesta aula sero definidos e estudados alguns sinais bsicos em tempo discre-
to. Estes sinais sero utilizados durante todo o restante do curso para construir
sinais mais complicados e estudar a resposta de sistemas a eles.
Estudaremos os sinais de tempo discreto impulsivo, degrau, exponencial e
senoidal.

1.3.1 Sinal impulso
A verso de tempo discreto do impulso, comumente notada por [ ] n defini-
da por:
[ ]

=
=
0 , 0
0 , 1
n
n
n
.
A figura a seguir mostra um grfico do sinal [ ] n .

1

Processamento Digital de Sinais - Aula 3T Professor Marcio Eisencraft julho 2006
Para representar um impulso no instante k n = , basta escrevermos [ k n ] . Por
exemplo, a figura a seguir representa o sinal [ ] 3 n .


Exerccio
1. Esboce os seguintes sinais:
(a) [ ] n n a 2 ] [ = (b)
[ ] [ ] [ ] [ 2 3 1 0, 5 b n n n n = + + ] 2

Um sinal de tempo discreto arbitrrio pode ser representado como uma soma
ponderada de impulsos. Por exemplo, o sinal a seguir:

pode ser expresso por
[ ] [ ] [ ] [ ] [ ] [ 6 75 , 0 4 2 1 5 , 1 2 5 , 0 ] + + + + = n n n n n n x .


2

Processamento Digital de Sinais - Aula 3T Professor Marcio Eisencraft julho 2006
Exerccio
2. Expresse os seguintes sinais como somas ponderadas de funes impulsivas.


1.3.2 Sinal degrau
A verso em tempo discreto da funo degrau, comumente denotada por [ ] n u
definida por:
[ ]

<

=
0 , 0
0 , 1
n
n
n u
A figura a seguir mostra um grfico do sinal [ ] n u .



3

Processamento Digital de Sinais - Aula 3T Professor Marcio Eisencraft julho 2006
Exerccios
3. (1022) Esboce o seguinte sinal:
[ ] [ ] [ ] 3 = n u n u n w

4. (HAYKIN; VEEN, 2001; p. 56) Um sinal de tempo discreto definido
por:
[ ] n x
[ ]


=
contrrio caso , 0
9 0 , 1 n
n x
Usando descreva como a superposio de duas funes degrau. [ ] n u [ ] n x

1.3.3 Sinais exponenciais
Em tempo discreto, um sinal exponencial real dado por:
[ ]
n
Br n x = ,
com B e r constantes reais.
A figura a seguir mostra exemplos de sinais exponenciais de tempo discreto.


4

Processamento Digital de Sinais - Aula 3T Professor Marcio Eisencraft julho 2006
Se o sinal decrescente. Se 1 0 < < r 1 > r o sinal crescente. Vemos tambm
que se , um sinal exponencial de tempo discreto assume valores (+,-) que
se alternam.
0 < r

Exerccios
5. (1021) Calcule a energia e a potncia do sinal [ ] ( ) [ ] n u n x
n
8 , 0 = e verifique se
ele um sinal de energia ou de potncia.

1.3.4 Sinais senoidais
A verso de tempo discreto de um sinal senoidal escrita como
[ ] ( ) + = n A n x cos
(1)
O perodo de um sinal de tempo discreto medido em amostras. Desta forma,
para que seja peridico com um perodo de amostras, ele deve satisfa-
zer a condio para todo e para algum inteiro.
[ ] n x N
[ ] [ ] N n x n x + = n N
Calculando , temos [ N n x + ]
[ ] ( ) + + = + N n A N n x cos
(2)
Assim, a condio para que [ ] [ ] N n x n x + = :
m N 2 = radianos
ou
N
m 2
=
radianos/amostra inteiros. (3) N m,
Assim, um sinal senoidal de tempo discreto ser peridico se e somente se sua
freqncia angular puder ser escrito na forma da Equao 3, com in-
teiros.
N m,
importante notar que, diferentemente dos sinais senoidais de tempo cont-
nuo, nem todos os sinais senoidais de tempo discreto com valores arbitrrios
de so peridicos. Especificamente, para que o sinal senoidal de tempo dis-
5

Processamento Digital de Sinais - Aula 3T Professor Marcio Eisencraft julho 2006
creto descrito na Eq. (1) seja peridico, a freqncia angular deve ser um
mltiplo na forma de razo de 2, como indica a Eq. (3).

A figura a seguir ilustra o sinal senoidal [ ]


= n n x
6
cos

. Tente calcular o per-
odo deste sinal e confira com a figura.


Exerccios
6. (1021) Determine se os seguintes sinais de tempo discreto so peridicos. Se
o forem, determine o seu perodo fundamental:
(a) [ ]

+ =
o
n n x 45
20
13
cos 3
(b) [ ] ( ) n n x 2 cos =

6

Processamento Digital de Sinais Aula 4T Professor Marcio Eisencraft maro 2007
Aula 4T - Sistemas de tempo discreto
Classificao
Bibliografia
HAYKIN, Simon S.; VAN VEEN, Barry. Sinais e sistemas. Porto Alegre: Bookman, 2001. 668 p. ISBN
8573077417. Pginas 59-70.
LATHI, Bhagwandas Pannalal. Signal processing and linear systems. California: Berkeley, c1998. 734 p.
ISBN 0941413357. Pginas 562-572.

2. Sistemas de tempo discreto no domnio do tempo
Em aulas passadas j foi discutido o conceito de sistema. Foi visto que um
sistema uma interconexo de operaes que transforma um sinal de entrada
em um sinal de sada. Neste curso, abordam-se particularmente os sistemas
em que os sinais so de tempo discreto. Estes sistemas so chamados de sis-
temas de tempo discreto.
Matematicamente, se expressa um sistema por um operador. Por exemplo,
para dizer que um sinal a sada de um sistema [ ] n y H cuja entrada [ ] n x es-
creve-se:
[ ] [ ] [ ] n x H n y =

Em diagrama de blocos:

[ ] n x [ ] n y
H

Exerccios
1. (LATHI, 1998; p. 572) Uma mdia mvel usada para detectar a tendncia
de uma varivel que flutua muito rapidamente como as mdias do mercado
de aes. Uma varivel pode flutuar (para cima ou para baixo) diariamente,
mascarando a sua tendncia de longo prazo.
1

Processamento Digital de Sinais Aula 4T Professor Marcio Eisencraft maro 2007
Podemos obter a tendncia de longo prazo suavizando ou tomando a m-
dia dos ltimos valores da varivel. Para o mercado de aes, podemos con-
siderar uma mdia mvel de 3 dias como sendo a mdia dos valores de fe-
chamento do mercado de aes dos ltimos trs dias,
N
] [n y
[ ] n x , e . [ ] 1 n x [ ] 2 n x
(a) Escreva a equao de diferenas relacionando com a entrada . ] [n y [ ] n x
(b) Usando elementos de atraso, faa um diagrama de blocos deste filtro de m-
dia mvel.

2. (LATHI, 1998; p. 611) Resolva a seguinte equao iterativamente (primeiros
trs termos apenas):
[ ] [ ] [ ] 0 2 16 , 0 1 6 , 0 = n y n y n y com [ ] 25 1 = y , . [ ] 0 2 = y

3. (LATHI, 1998; p. 611) Resolva a seguinte equao iterativamente (primeiros
trs termos apenas):
[ ] [ ] [ ] [ ] [ ] [n x n x n x n y n y n y 3 1 3 2 2 1 3 2 ] + + + + = + + + +
com . 2 y[-2] e 3 y[-1] u[n], 3 x[n] = = =
n

4. (LATHI, 1998; p. 571) A sada de uma caixa registradora representa o
preo total de itens passados pela caixa. A entrada o preo do -
simo item.
] [n y
n [ ] n x n
(a) Escreva a equao de diferenas relacionando a ] [n y [ ] n x .
(b) Esquematize a realizao deste sistema usando APENAS UM elemento de
atraso.

2

Processamento Digital de Sinais Aula 4T Professor Marcio Eisencraft maro 2007
2.1 Classificao de sistemas
2.1.1 Memria
Diz-se que um sistema possui memria se sua sada depende de valores pas-
sados ou futuros do sinal de entrada. A extenso temporal de valores passados
dos quais a sada depende define quo longe a memria se estende no passado.
Em contrapartida, diz-se que um sistema sem memria se seu sinal de sada
depende somente do valor presente do sinal de entrada.
Por exemplo, o sistema de mdia mvel do Exerccio 1 descrito pela relao
entrada-sada:
[ ] [ ] [ ] ( ) 2 1
3
1
] [ + + = n x n x n x n y
tem memria, uma vez que o valor do sinal de sada no instante depende
do valor atual e de dois valores passados do sinal de entrada .
] [n y n
[ ] n x
Por outro lado, um sistema descrito pela relao:
[ ] [ ] n x n y
2
=
sem memria uma vez que o valor do sinal de sada no tempo depende
apenas do valor atual do sinal de entrada
] [n y n
[ ] n x .

2.1.2 Causalidade
Diz-se que um sistema causal se o valor atual do sinal de sada depender
somente dos valores presentes e/ou passados do sinal de entrada. Em contrapar-
tida, o sinal de sada de um sistema no-causal depende de valores futuros do
sinal de entrada.
Por exemplo, o sistema de mdia mvel j descrito,
3

Processamento Digital de Sinais Aula 4T Professor Marcio Eisencraft maro 2007
[ ] [ ] [ ] ( ) 2 1
3
1
] [ + + = n x n x n x n y
causal. Por outro lado, o sistema de mdia mvel descrito por:
[ ] [ ] [ ( ) 1 1
3
1
] [ + + + = n x n x n x n y ]
no-causal uma vez que o sinal de sada [ ] n y depende de um valor futuro do
sinal de entrada, a saber, . [ ] 1 + n x

2.1.3 Invarincia no tempo
Diz-se que um sistema invariante no tempo se um retardo de tempo ou a-
vano de tempo do sinal de entrada levar a um deslocamento idntico no sinal de
sada. Isto implica que um sistema invariante no tempo reage de maneira idnti-
ca, no importa quando o sinal de entrada seja aplicado. Dizendo com outras
palavras, as caractersticas de um sistema invariante no tempo no se modificam
com o tempo. Caso contrrio, diz-se que o sistema variante no tempo.
Por exemplo, o sistema [ ] [ ] 1 2 = n x n y invariante no tempo. J o sistema
variante no tempo. [ ] ( ) n x r n y
n
=

2.1.4 Linearidade
Dizemos que um sistema linear quando so vlidos os princpios da super-
posio e da homogeneidade explicados a seguir. Caso contrrio, o sistema
chamado no-linear.



4

Processamento Digital de Sinais Aula 4T Professor Marcio Eisencraft maro 2007
A. Princpio da superposio
Seja um sistema e sejam [ ] [ ] [ n x H n y = ] [ ] n y
1
a resposta entrada e [ ] n x
1
[ ] n y
2
a
resposta entrada . Um sistema satisfaz o princpio da superposio se,
quando aplicamos a ele a entrada
[ ] n x
2
[ ] [ ] [ ] n x n x n x
S 2 1
+ = sua sada [ ] [ ] n y n y y
S 2 1
+ = .

B. Princpio da homogeneidade
Seja um sistema e seja [ ] [ ] [ n x H n y = ] [ ] n y
1
a resposta entrada . Um sistema
satisfaz ao princpio da homogeneidade se quando aplicamos a ele a entrada
, , sua sada
[ ] n x
1
[ ] [ ] n ax n x
H 1
=
*
R a [ ] [ ] n ay n y
H 1
= .
Assim, para verificar se um sistema linear necessrio testar as duas condi-
es acima.

Exerccios
5. (1021) Um sistema linear e invariante no tempo tem a seguinte resposta
entrada [ ] [ ] n n x = (resposta impulsiva):

Faa um esboo da sada deste sistema quando a entrada : [ ] n y
(a) [ ] ] [ 3 n n x =
(b) [ ] ] 2 [ = n n x
(c) [ ] [ ] [ ] 1 5 , 0 2 + = n n n x
5

Processamento Digital de Sinais Aula 4T Professor Marcio Eisencraft maro 2007
6. (1031) Um sistema de tempo discreto definido pela seguinte equao de
diferenas:
[ ] [ ] [ ] ( ) 1 1 = n x n x n y
(a) Este sistema causal? J ustifique.
(b) Este sistema tem memria? J ustifique.
(c) Este sistema linear? J ustifique.
(d) Este sistema invariante no tempo? J ustifique.
(e) Determine iterativamente a resposta ao degrau deste sistema ( [ ] [ ] n u n x = ) para
. 5 0 n
(f) Repita o item (e) para [ ] [ ]. 2 = n u n x .
(g) Repita o item (e) para [ ] [ ] n u n x 3 = .
Resp: (f) ; (g)
[ ] { } 5 0 , 0 ; 0 ; 0 ; 1 ; 0 ; 0 = n n y [ ] { } 5 0 , 6 ; 6 ; 6 ; 6 ; 6 ; 3 = n n y



6

Processamento Digital de Sinais Aula 5T Professor Marcio Eisencraft agosto 2007
1
Aula 5T Representao de sistemas LIT:
A soma de convoluo
Bibliografia
HAYKIN, Simon S.; VAN VEEN, Barry. Sinais e sistemas. Porto Alegre: Bookman, 2001. 668 p. ISBN
8573077417. Pginas 85-99.
OPPENHEIM, Alan V.; WILLSKY, Alan S.; NAWAB, S. Hamid. Signals & systems. 2nd. ed. Upper Sad-
dle River, New J ersey: Prentice-Hall, c1997. 957 p. ISBN 0138147574. Pginas 74-90.

2.2. Sistemas LIT A soma de convoluo
Os sistemas mais utilizados em quase todas as reas da Engenharia so os
sistemas lineares invariantes no tempo (abreviadamente, LIT ou LTI em in-
gls).
O principal motivo para esta preferncia que este tipo de sistema fica to-
talmente caracterizado pela sua resposta impulsiva, ou seja, pela sada do sis-
tema quando colocamos em sua entrada o sinal impulso unitrio [ ] n . Em ou-
tras palavras, se soubermos a resposta de um sistema LIT a uma entrada im-
pulsiva, saberemos calcular sua resposta para qualquer entrada.
Veja, por exemplo, o exerccio a seguir (Exerccio 6 da aula 4T).

Exerccio
1. (1021) Um sistema linear e invariante no tempo tem a seguinte resposta en-
trada [ ] [ ] n n x = (resposta impulsiva):

Faa um esboo da sada [ ] n y deste sistema quando a entrada :
(a) [ ] ] [ 3 n n x =
Processamento Digital de Sinais Aula 5T Professor Marcio Eisencraft agosto 2007
2
(b) [ ] ] 2 [ = n n x
(c) [ ] [ ] [ ] 1 5 , 0 2 + = n n n x

Resumindo, como qualquer sinal [ ] n x pode ser descrito como uma soma pon-
derada de impulsos, sendo o sistema LIT e conhecendo a resposta a um im-
pulso, poderemos determinar a sada devida a qualquer entrada [ ] n x .
Se a entrada de um sistema linear for expressa como uma superposio pon-
derada de impulsos deslocados no tempo, a sada ser uma superposio
ponderada da resposta do sistema a cada impulso deslocado no tempo. Se o
sistema for tambm invariante no tempo, a resposta do sistema a um impulso
deslocado no tempo ser uma verso deslocada no tempo da resposta do sis-
tema a um impulso. Por isso, a sada de um sistema LIT dada por uma su-
perposio ponderada de respostas ao impulso deslocadas no tempo.
Essa superposio chamada de soma de convoluo.
Na aula de hoje analisaremos este fato e suas conseqncias em detalhes.

2.2.1 A soma de convoluo
Considere um sinal qualquer [ ] n x . Sabemos que
[ ] [ ] [ ] [ ] n x n n x 0 =

Ou seja, a multiplicao de um sinal [ ] n x por um impulso [ ] n resulta num im-
pulso de intensidade [ ] [ ] n x 0 . A figura seguinte ilustra este produto.

Processamento Digital de Sinais Aula 5T Professor Marcio Eisencraft agosto 2007
3
Generalizando esta expresso podemos dizer que
[ ] [ ] [ ] [ ] k n k x k n n x =

Ou seja, a multiplicao de um sinal por um impulso deslocado no tempo re-
sulta em um impulso deslocado no tempo com amplitude dada pelo valor no
instante em que o impulso ocorre. Esta propriedade nos permite expressar
[ ] n x como a seguinte soma de impulsos deslocados no tempo:
[ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] K K + + + + + + + + = 2 2 1 1 0 1 1 2 2 n x n x n x n x n x n x
De forma mais concisa, podemos escrever:
[ ] [ ]

=
=
k
k n k x n x ] [
(1)

Exerccios
2. Escreva o sinal [ ] n x da figura anterior como uma soma ponderada de impul-
sos.

3. Esboce o seguinte sinal [ ] [ ] [ ] [ ] [ ] 1 5 , 1 1 2 2 5 + + + + + = n n n n n s .

Vamos analisar agora a sada de um sistema LIT a uma entrada [ ] n x descrita
pela equao (1) acima.




Vamos chamar de H o operador que representa a operao realizada por este
sistema e de [ ] n h a resposta deste sistema a um impulso, ou seja,
[ ] [ ]
[ ] [ ] [ ] n H n h
n x H n y
=
= ] [
(2)
Sendo assim, para uma entrada qualquer [ ] n x podemos escrever usando as
Equaes (1) e (2):
x[n] y[n]
H
Processamento Digital de Sinais Aula 5T Professor Marcio Eisencraft agosto 2007
4
[ ] [ ] [ ] [ ] [ ]

= =

= k
k n k x H n x H n y

Levando-se em conta que o sistema linear, podemos aplicar a superposio
e a homogeneidade para aplicar o operador a cada uma das parcelas da soma-
tria. Obtemos assim:
[ ] [ ] [ ] [ ] [ ] [ ] [ ]


=

=
= =
k k
k n H k x k n k x H n y

Utilizando agora o fato de que o sistema invariante no tempo, temos que a
resposta a um impulso atrasado de k amostras a sada impulsiva atrasada
de k amostras, ou seja, [ ] [ ] [ ] k n h k n H = . Assim, conclumos que:
[ ] [ ] [ ]

=
=
k
k n h k x n y
(3)
Desta forma vemos realmente que a resposta de um sistema LIT qualquer
dada por uma soma ponderada da resposta impulsiva deslocada no tempo. Ou
seja, ela totalmente descrita pela entrada e pela resposta impulsiva.
A somatria da Eq. (3) chamada de soma de convoluo e representada pe-
lo smbolo *, ou seja,
[ ] [ ] [ ] [ ]

=
=
k
k n h k x n h n x

A Figura 1 a seguir do (HAYKIN; VEEN, 2001) ilustra o processo de convo-
luo. A figura (a) descreve a resposta ao impulso de um sistema LIT arbitr-
rio. Na figura (b) a entrada representada como uma soma de impulsos pon-
derados e deslocados no tempo [ ] [ ] [ ] k n k x n p
k
= . A sada do sistema associ-
ada a cada pulso [ ] n p
k

[ ] [ ] [ ] k n h k x n v
k
=

Processamento Digital de Sinais Aula 5T Professor Marcio Eisencraft agosto 2007
5

Figura 1 A soma de convoluo (HAYKIN; VEEN, 2001).
Processamento Digital de Sinais Aula 5T Professor Marcio Eisencraft agosto 2007
6
Ou seja, [ ] n v
k
obtida deslocando-se, no tempo, a resposta impulsiva de k
unidades e multiplicando-se por [ ] k x . A sada [ ] n y em resposta entrada [ ] n x
obtida somando-se todas as seqncias [ ] n v
k
:
[ ] [ ]

=
=
k
k
n v n y

Assim, somamos para cada valor de n os valores ao longo do eixo k indica-
dos no lado direito da figura (b).

Exerccio
4. (HAYKIN; VEEN, 2001; p. 88) Suponha que um sistema H LIT tenha a
resposta ao impulso:
[ ]

=
=
=
contrrio caso , 0
0 2
1 , 1
n
n
n h
Determine a resposta deste sistema em resposta entrada
[ ]

=
=
=
=
contrrio caso , 0
2 , 2
1 , 3
0 , 2
n
n
n
n x

No exerccio acima, encontramos todos os [ ] n v
k
e depois somamos para todos
os valores de k para determinarmos [ ] n y . Esta abordagem muito eficaz
quando a entrada tem curta durao, de forma que somente um pequeno n-
mero de sinais [ ] n v
k
precisa ser determinado. Quando a entrada tem uma du-
rao longa, um nmero muito grande, possivelmente infinito de sinais [ ] n v
k

precisa ser avaliado antes que [ ] n y possa ser encontrado.
Uma abordagem mais interessante olharmos novamente para a equao
[ ] [ ] [ ]

=
=
k
k n h k x n y

Processamento Digital de Sinais Aula 5T Professor Marcio Eisencraft agosto 2007
7
e imaginarmos que n est fixo. Desta forma, para calcularmos a sada num certo
instante
0
n precisaramos calcular:
[ ] [ ] [ ] [ ] [ ]


=

=
= =
k k
n k h k x k n h k x n y ) (
0 0 0 (4)
o que consiste em somar todos os elementos do sinal [ ] [ ] ( ) [ ]
0
0
n k h k x k w
n
= ou
seja, do produto do sinal de entrada pela resposta impulsiva do sistema invertida
no tempo e deslocada de
0
n unidades.
Os exerccios seguintes devem ilustrar este enfoque.

Exerccios
5. Encontre a resposta nos instantes 1 = n e 2 = n para o sistema e para a entrada
do Exerccio 4 usando a abordagem discutida acima.

6. (HAYKIN; VEEN, 2001, p. 91) Um sistema LIT tem resposta ao impulso:
[ ] [ ] n u n h
n

=
4
3

Determine a sada do sistema nos instantes 5 = n , 5 = n e 10 = n quando a entra-
da for [ ] [ ] n u n x = .
RESP:
[ ] 0 5 = y
,
[ ] 288 , 3 5 = y
,
[ ] 831 , 3 10 = y


7. Escreva uma frmula para [ ] k w
n
para o Exerccio anterior e encontre [ ] n y pa-
ra todo n .
RESP:
[ ] [ ]

=
+
contrrio caso , 0
0 ,
4
3
1 4
,
contrrio caso , 0
0 ,
4
3
1
n
n y
n k
k w
n n k
n


Este ltimo exerccio sugere que, em geral, podemos determinar [ ] n y para to-
do n sem avaliarmos a Eq. (4) para um nmero infinito de deslocamentos
distintos no tempo n . Isto realizado identificando-se os intervalos de n nos
quais [ ] k w
n
tem a mesma forma funcional. Depois, precisamos somente ava-
liar a Eq. (4) usando o [ ] k w
n
associado com cada intervalo. Muitas vezes
Processamento Digital de Sinais Aula 5T Professor Marcio Eisencraft agosto 2007
8
muito til traarmos graficamente tanto [ ] k x como [ ] k n h quando determi-
namos [ ] k w
n
e identificamos os intervalos apropriados de deslocamento no
tempo. Resumindo:
1. Trace graficamente [ ] k x e [ ] k n h como uma funo da varivel independente
k . Para determinar [ ] k n h , primeiramente reflita [ ] k h em torno de 0 = k para
obter [ ] k h e depois desloque [ ] k h de n no tempo.
2. Inicie com o deslocamento de tempo n grande e negativo.
3. Escreva a forma funcional para [ ] k w
n
.
4. Aumente o deslocamento no tempo n at que a forma funcional para [ ] k w
n
se
modifique. O valor de n no qual ocorre a modificao define o fim do inter-
valo corrente e o incio de um novo intervalo.
5. Admitamos que n esteja no novo intervalo. Repita os passos 3 e 4 at que to-
dos os intervalos de deslocamento no tempo n e as formas funcionais para
[ ] k w
n
sejam identificados. Isto usualmente implica em aumentar n at um
nmero positivo muito grande.
6. Para cada intervalo de deslocamento no tempo n , some todos os valores de
[ ] k w
n
correspondente para obter [ ] n y neste intervalo.

Exerccios
8. (HAYKIN; VEEN, 2001, p. 93) Um sistema LIT tem a resposta ao impulso
dada por:
[ ] [ ] 10 ] [ = n u n u n h
Determine a sada deste sistema quando a entrada for o pulso retangular definido
como
[ ] [ ] [ ] 7 2 = n u n u n x
Processamento Digital de Sinais Aula 5T Professor Marcio Eisencraft agosto 2007
9

RESP:
[ ]

>

<

<
=
16 n 0,
16 n 12 , 16
11 6 , 5
6 2 , 1
2 , 0
n
n
n n
n
n y


9. (HAYKIN; VEEN, 2001, p. 95) Admitamos que a entrada [ ] n x para um sis-
tema H do tipo LIT seja dada por [ ] [ ] [ ] { } 10 = n u n u n x
n
e que a resposta ao
impulso do sistema seja dada por [ ] [ ] n u n h
n
= em que 1 0 < < . Encontre a
sada deste sistema.
RESP:
[ ]

>

<
=
+
9 ,
- 1
- 1
9 0 ,
- 1
- 1
0 , 0
10
n
1
n
n
n
n
n y
n



10. (HAYKIN; VEEN, 2001, p. 96) Admitamos que a entrada de um sistema LIT
com resposta ao impulso [ ] [ ] [ ] { } 13 2 = n u n u n h
n
seja
[ ] [ ] [ ] { } 12 2 2 + = n u n u n x . Encontre a sada [ ] n y .
RESP:
[ ]
( )
( )
( )




<
=
+
24 , 0
23 14 ,
- 1
- 1 2
13 11 ,
- 1
- 1 2
10 0 ,
- 1
- 1 2
0 , 0
1 -
24 - n 12
1 -
11 - 12
1 -
1 - n - 2 n
n
n
n
n
n
n y






.

Processamento Digital de Sinais Aula 5T Professor Marcio Eisencraft agosto 2007
10
11. (HAYKIN; VEEN, 2001, p. 97) Suponha que a entrada [ ] n x e a resposta ao
impulso [ ] n h de um sistema H do tipo LIT sejam dadas por:
[ ] [ ] [ ] [ ]
[ ] [ ] [ ] 10 1
6 3 2
+ =
+ =
n u n u n h
n u n u n u n x

Encontre a sada deste sistema, [ ] n y .
RESP:
[ ]

< +

<
<
<
<
=
15 n , 0
15 12 15
11 9 9
9 4 , 0
4 2 4, -
1 1 - 2, - n
1 , 0
n n
n n
n
n n
n
n
n y
.

12. (HAYKIN; VEEN, 2001, p. 97) Considere um sistema LIT com resposta ao
impulso:
[ ]


=
contrrio caso , 0
3 0 ,
4
1
n
n h
Encontre uma expresso que relacione diretamente uma entrada arbitrria [ ] n x
sada deste sistema, [ ] n y .
RESP:
[ ] [ ] [ ] [ ] [ ] ( )
1
1 2 3
4
y n x n x n x n x n = + + + .

Processamento Digital de Sinais Aula 7T Professor Marcio Eisencraft julho 2006
Aula 7T Propriedades da resposta ao impulso
Bibliografia
HAYKIN, Simon S.; VAN VEEN, Barry. Sinais e sistemas. Porto Alegre: Bookman, 2001. 668 p. ISBN
8573077417. Pginas 108-120.
OPPENHEIM, Alan V.; WILLSKY, Alan S.; NAWAB, S. Hamid. Signals & systems. 2nd. ed. Upper Sad-
dle River, New J ersey: Prentice-Hall, c1997. 957 p. ISBN 0138147574. Pginas 103-116.

2.3 Propriedades da representao da resposta ao impulso para sistemas
LIT
Vimos nas ltimas aulas que a resposta ao impulso de um sistema LIT o ca-
racteriza completamente. Desta forma, apenas olhando a resposta impulsiva,
deve ser possvel descobrir se um sistema LIT causal ou tem ou no mem-
ria e o resultado da interconexo desses sistemas. Esse ser o assunto desta
aula.

2.3.1 Conexo paralela de sistemas LIT
Consideremos a seguinte conexo paralela de sistemas LIT em que [ ] n h
1
e
so as respostas impulsivas de cada sistema: [ ] n h
2

Figura 1 Conexo paralela de sistemas

A sada desta conexo de sistemas [ ] n y a soma das sadas de cada sistema:
[ ] [ ] [ ] [ ] [ ] [ ] [n h n x n h n x n y n y n y
2 1 2 1
] + = + =

Usando a representao da convoluo por somatrias, podemos escrever que
1
Processamento Digital de Sinais Aula 7T Professor Marcio Eisencraft julho 2006
[ ] [ ] [ ] [ ] [ ]
[ ] [ ] [ ] [ ] ( ) [ ] [ ] k n h k x k n h k n h k x n y
k n h k x k n h k x n y
k k
k k
= + =
+ =

=
2 1
2 1

sendo [ ] [ ] [ ] n h n h n h
2 1
+ = . Ou seja, tudo se passa como se a resposta impulsiva do
sistema equivalente ao da Figura 1 fosse o da Figura 2 a seguir:

Figura 2 Sistema equivalente ao da Figura 1

A resposta ao impulso de dois sistemas conectados em paralelo a soma das
respostas individuais ao impulso.
Uma outra forma de enxergar esse fato dizer que a convoluo possui a
propriedade distributiva:
[ ] [ ] [ ] [ ] [ ] [ ] [ ] ( ) n h n h n x n h n x n h n x
2 1 2 1
+ = +


2.3.2 Conexo em cascata de sistemas
Consideremos agora a conexo em cascata de dois sistemas LIT ilustrada na
Figura 3 a seguir.

Figura 3 Conexo em cascata de sistemas LIT

Chamamos de a sada do primeiro sistema e a entrada para o segundo
sistema da conexo em cascata. Podemos expressar a sada em termos de
[ ] n z
[ ] n z
como
2
Processamento Digital de Sinais Aula 7T Professor Marcio Eisencraft julho 2006
[ ] [ ] [ ] [ ] [ ]

=
= =
k
k n h k z n h n z n y
2 2
(1)
Porm, a sada do primeiro sistema e expressa em termos de [ ] k z [ ] k x co-
mo:
[ ] [ ] [ ] [ ] [ ]

=
= =
l
l l k h x k h k x k z
1 1
(2)
Substituindo (2) em (1), temos:
[ ] [ ] [ ] [ ]

=
k
k n h k h x n y
2 1
l
l l
Trocando a ordem das somatrias em (3) e fazendo l = k m , temos:
[ ] [ ] [ ] [ ] [ ] [ ] [ ]


=

= =
l l
l l l l
m k
m n h m h x k n h k h x n y
2 1 2 1 (3)
A somatria interna identificada como a convoluo de com [ ] n h
1
[ ] n h
2
ava-
liada em . Ou seja, se definirmos l n [ ] [ ] [ ] n h n h n h
2 1
= , ento,
[ ] [ ] [ ] l l =

=
n h m n h m h
m
2 1 (4)
Substituindo (4) em (3), obtemos:
[ ] [ ] [ ] [ ] [ ] n h n x n h x n y = =

= l
l l

Conseqentemente, a resposta ao impulso de dois sistemas LIT conectados
em cascata a convoluo das respostas impulsivas individuais. A conexo
em cascata equivalente em termos de entrada-sada ao sistema nico repre-
sentado pela resposta ao impulso [ ] n h , como mostra a Figura 4.

Figura 4 Sistema equivalente ao da Figura 3

Matematicamente, este resultado significa que a soma de convoluo satisfaz
as propriedades associativa e comutativa:
3
Processamento Digital de Sinais Aula 7T Professor Marcio Eisencraft julho 2006
[ ] [ ] { } [ ] [ ] [ ] [ ] { }
[ ] [ ] [ ] [ ] n h n h n h n h
n h n h n x n h n h n x
1 2 2 1
2 1 2 1
=
=


Exerccio
1. (HAYKIN; VEEN, 2001; p.110) Considere a interconexo de sistemas LIT
descrita na figura a seguir. A resposta de cada sistema dada por
[ ] [ ]
[ ] [ ] [ ]
[ ] [ ]
[ ] [ ] n u n h
n n h
n u n u n h
n u n h
n

=
=
+ =
=
4
3
2
1
2
2

Encontre a resposta ao impulso do sistema global, [ ] n h .


2.3.3 Sistemas sem memria
J vimos que a sada de um sistema sem memria depende somente da entra-
da atual. A pergunta que tentaremos responder agora : como identificar um
sistema LIT sem memria apenas olhando sua resposta impulsiva? Ou como
deve ser a resposta impulsiva de um sistema LIT sem memria?
Explorando-se a propriedade comutativa da convoluo, a sada de um siste-
ma LIT pode ser expressa como
[ ] [ ] [ ] [ ] [ ]

=
= =
k
k n x k h n x n h n y
.
Para que este sistema seja sem memria, [ ] n y deve depender somente de [ ] n x
e no de [ k n x ] para . Conseqentemente, um sistema LIT de tempo 0 k
4
Processamento Digital de Sinais Aula 7T Professor Marcio Eisencraft julho 2006
discreto sem memria se, e somente se, [ ] [ ] k c k h = , em que uma cons-
tante arbitrria.
c
Assim, a condio de ausncia de memria impe fortes restries na forma
da resposta ao impulso. Todos os sistemas LIT sem memria realizam multi-
plicao escalar com a entrada.

2.3.4 Sistemas causais
J vimos que a sada de um sistema causal depende somente dos valores pas-
sados ou presentes da entrada. Vamos ver agora como isso se reflete na res-
posta impulsiva de sistemas LIT.
Escrevemos a soma de convoluo como:
[ ] [ ] [ ]

=
=
k
k n x k h n y

Os valores passados e atuais da entrada [ ] n x , [ ] 1 n x , [ ] 2 n x ,..., so associa-
dos com ndices na soma de convoluo, enquanto que os valores futu-
ros da entrada ,
0 k
[ ] 1 + n x [ 2] + n x ,... so associados com ndices . 0 < k
Conseqentemente, para um sistema causal, teremos [ ] 0 = k h para . 0 < k

Exerccio
2. (HAYKIN; VEEN, 2001, p. 113) Um sistema de tempo discreto tem a res-
posta ao impulso:
[ ] [ ] 2 + = n u a n h
n

Este um sistema causal? Tem memria?

2.3.5 Resposta ao degrau
A resposta de um sistema LIT a um degrau caracteriza como o sistema res-
ponde a mudanas repentinas na entrada.
5
Processamento Digital de Sinais Aula 7T Professor Marcio Eisencraft julho 2006
A resposta ao degrau facilmente expressa em termos da resposta ao impul-
so usando-se a convoluo, supondo-se que a entrada seja uma funo de-
grau.
Admitamos que um sistema tenha a resposta ao impulso e denote a res-
posta ao degrau como . Teremos:
[ ] n h
[ ] n s
[ ] [ ] [ ] [ ] [ ]

=
= =
k
k n u k h n u n h n s

Como [ ] 0 = k n u para e n k > [ ] 1 = k n u para n k , temos:
[ ] [ ]

=
=
n
k
k h n s

Ou seja, a resposta ao degrau a soma corrente da resposta ao impulso.

Exerccio
3. (HAYKIN; VEEN, 2001, p. 116) Encontre a resposta ao degrau de um siste-
ma de tempo discreto com resposta ao impulso:
[ ] ( ) [ ] n u a n h
n
=

2.3.6 Sistemas invertveis e desconvoluo
Um sistema invertvel se a entrada do sistema puder ser recuperada a partir
de sua sada.
Isso implica a existncia de um sistema inverso que toma a sada do sistema
original como sua entrada e produz a entrada do sistema original.
A Figura 5 a seguir descreve a cascata de um sistema LIT que tem resposta
ao impulso com um sistema inverso LIT que tem resposta ao impulso
.
] [n h
] [
1
n h


Figura 5 Cascata de um sistema LIT com seu sistema inverso.
6
Processamento Digital de Sinais Aula 7T Professor Marcio Eisencraft julho 2006
O processo para recuperar [ ] n x de [ ] [ ] n x n h denominado desconvoluo,
uma vez que ele corresponde a inverter ou desfazer a operao de convo-
luo.
Um sistema inverso tem sada [ ] n x em resposta a entrada [ ] [ ] [ ] n x n h n y = e
desta forma resolve o problema da desconvoluo.
A desconvoluo e os sistemas inversos desempenham um papel impor-
tante em muitos problemas de processamento de sinais e sistemas.
Um problema comum o de inverter ou equalizar a distoro introduzida
por um sistema no ideal.
Por exemplo, considere o uso de um modem de alta velocidade para co-
municar-se por meio de linhas telefnicas. A distoro causada pela rede
telefnica impe graves restries taxa em que as informaes podem
ser transmitidas; desta forma um equalizador incorporado ao modem. O
equalizador inverte a distoro da rede telefnica e permite que taxas de
dados muito mais altas sejam atingidas. Neste caso, o equalizador repre-
senta um sistema inverso para a rede telefnica.
A relao entre a resposta ao impulso de um sistema e o sistema in-
verso correspondente
[ ] n h
[ ] n h
1
pode ser obtida notando-se que
[ ] [ ] [ ] ( ) [ ] n x n h n h n x =
1

Isto implica que

[ ] [ ] [ ] n n h n h =
1
(5)

Em muitas aplicaes de equalizao, um sistema inverso exato pode ser di-
fcil de encontrar ou implementar. A determinao de uma soluo aproxi-
mada para a Equao (5) muitas vezes suficiente nesses casos.



7
Processamento Digital de Sinais Aula 7T Professor Marcio Eisencraft julho 2006
Exerccio
4. (HAYKIN; VEEN, 2001, p. 114) Considere projetar um sistema de tempo
discreto para eliminar a distoro associada com um eco indesejvel num
problema de transmisso de dados. Suponha que o eco seja representado co-
mo atenuao por uma constante a e um retardo correspondente a uma uni-
dade de tempo na seqncia de entrada. Da, o sinal recebido distorcido, [ ] n y ,
ser expresso em termos do sinal transmitido [ ] n x como:
[ ] [ ] [ ] 1 + = n ax n x n y
Encontre um sistema inverso causal que recupere [ ] n x de . [ ] n y
RESP: [ ] ( ) [ ] n u a n h
n
=
1
8
Processamento Digital de Sinais Aula 8T Professor Marcio Eisencraft abril 2007
Aula 8T Representao por equaes de diferenas para sistemas LIT
Bibliografia
HAYKIN, Simon S.; VAN VEEN, Barry. Sinais e sistemas. Porto Alegre: Bookman, 2001. 668 p. ISBN
8573077417. Pginas 120-132.
LATHI, Bhagwandas Pannalal. Signal processing and linear systems. California: Berkeley, c1998. 734 p.
ISBN 0941413357. Pginas 573 578.

2.4. Representao por equaes de diferenas para sistemas LIT
Uma outra forma de representar um sistema de tempo discreto linear e inva-
riante no tempo (LIT) atravs de equaes de diferenas.
De uma forma geral, temos:
[ ] [ ] [ ] [ ] [ ] [ M n x b n x b n x b N n y a n y a n y a
M N
] + + + = + + +
+ + 1 2 1 1 2 1
1 1 K L ou
[ ] [ ]
1 1
0 0
N M
k k
k k
a y n k b x n k
+ +
= =
=

(1)


O nmero , correspondente ao nmero mximo de valores da sada que
devem ser guardados para o clculo das futuras sadas do sistema chamado
de ordem da equao de diferenas.
N
Um exemplo de equao de diferenas de segunda ordem
[ ] [ ] [ ] [ ] [ 1 2 2
4
1
1 + = + + n x n x n y n y n y ]
]

Esta equao poderia representar a relao entre os sinais de entrada e sada
de um sistema que processa dados em um computador, por exemplo. Neste
caso a ordem porque a equao de diferenas envolve , impli-
cando uma memria mxima na sada do sistema igual a dois.
2 = N [ 2 n y
As equaes de diferenas so facilmente reorganizadas para se obter formu-
las para computar a sada corrente do sistema a partir do sinal de entrada e
das sadas passadas.
Por exemplo, a equao anterior pode ser reescrita como:
[ ] [ ] [ ] [ ] [ ] 2
4
1
1 1 2 + = n y n y n x n x n y

1
Processamento Digital de Sinais Aula 8T Professor Marcio Eisencraft abril 2007
Iniciando com 0 = n podemos obter a sada avaliando a seqncia das equaes
M
] 1 [
4
1
] 2 [ ] 2 [ 2 ] 3 [ ] 3 [
] 0 [
4
1
] 1 [ ] 1 [ 2 ] 2 [ ] 2 [
] 1 [
4
1
] 0 [ ] 0 [ 2 ] 1 [ ] 1 [
] 2 [
4
1
] 1 [ ] 1 [ 2 ] 0 [ ] 0 [
y y x x y
y y x x y
y y x x y
y y x x y
+ =
+ =
+ =
+ =

Em cada equao, a sada corrente computada a partir da entrada e dos va-
lores passados da sada. Para comearmos este processo no instante 0 = n ,
devemos conhecer os dois valores passados mais recentes da sada [ ] 1 y e
. Estes valores so conhecidos como condies iniciais. [ 2 y ]
As condies iniciais renem todas as condies sobre o passado do sistema
que so necessrias para se computar as sadas futuras. Note que, em geral, o
nmero de condies iniciais necessrias para determinar a sada igual
ordem do sistema.

2.4.1. A notao operacional
Em equaes de diferenas comum utilizar-se de uma notao operacional
parecida com a que foi vista em Circuitos Eltricos para equaes diferenci-
ais (Transformada de Laplace).
Utilizaremos o operador para denotar a operao de atrasar uma seqn-
cia de uma unidade de tempo. Assim
1
z
[ ] [ ]
[ ] [ ]
[ ] [ ] k n f n f z
n f n f z
n f n f z
k


L
2
1
2
1

Assim, uma equao de diferenas da forma:
[ ] [ ] [ ] n x n ay n y = 1

pode ser escrita como
2
Processamento Digital de Sinais Aula 8T Professor Marcio Eisencraft abril 2007
[ ] [ ] [ ] n x n y az n y =
1

ou
( ) [ ] [ ] n x n y az =
1
1
A equao de segunda ordem
[ ] [ ] [n x n y n y n y = + + 2
16
1
1
4
1
] [ ]

pode ser expressa como
[ ] [ ] [ ] [ ] n x n y z n y z n y = + +
2 1
16
1
4
1

ou
[ ] [ ] n x n y z z =

+ +
2 1
16
1
4
1
1

Uma equao geral
[ ] [ ] [ ] [ ] [ ] [ M n x b n x b n x b N n y a n y a n y a
M N
] + + = + +
+ + 1 2 1 1 2 1
1 1 K K
Pode ser expressa como
( ) [ ] ( ) [ ] n x z b z b z b b n y z a z a z a a
M
M
N
N

+

+

+ + + + = + + + +
1
2
3
1
2 1 1
2
3
1
2 1
K K
ou
[ ] [ ] [ ] [ ] n x z P n y z Q
1 1
=
em que [ ]
1
z Q e [ ]
1
z P so os operadores polinomiais de grau e N M
[ ]
[ ]
N
N
N
N
z b z b z b b z P
z a z a z a a z Q

+

+ + + + =
+ + + + =
1
2
3
1
2 1
1
1
2
3
1
2 1
1
K
K


Exerccios
1. (LATHI, 1998, p. 611) Resolva iterativamente (apenas os primeiros trs ter-
mos) e escreva as seguintes equaes com a notao operacional:
(a) , com [ ] [ ] 0 1 5 , 0 = n y n y [ ] 10 1 = y
(b) [ ] [ ] [ ] n x n y n y = + 1 2 com [ ] [ ] n u e n x
n
= e [ ] 0 1 = y .



3
Processamento Digital de Sinais Aula 8T Professor Marcio Eisencraft abril 2007
2.4.2. A resposta entrada zero ou resposta natural
Vamos tentar encontrar uma soluo para a equao de diferenas (1) quando
a entrada [ ] 0 = n x . Esta conhecida como resposta entrada nula ou res-
posta natural do sistema e ser representada por [ ] n y
0
.
Assim, temos
[ ] [ ] 0
0
1
=

n y z Q

ou
( ) [ ] 0
0 1
2
3
1
2 1
= + + + +

+

n y z a z a z a a
N
N
K
ou
[ ] [ ] [ ] 0 1
0 1 0 2 0 1
= + + +
+
N n y a n y a n y a
N
K
(2)
J vimos que podemos resolver esta equao de forma recursiva. Porm, o-
lhando atentamente para a equao acima, podemos determinar de uma
maneira mais eficiente.
[ ] n y
0
Esta equao mostra que uma combinao linear de [ ] n y
0
e verses atrasadas
dela resultam zero para todo n. Isto s possvel se [ ] n y
0
e suas verses atra-
sadas tiverem a mesma forma.
Uma funo exponencial tem essa propriedade:
n

n m m n


=

Esta equao mostra que uma verso atrasada de a prpria multiplicada
por uma constante.
n

Assim, uma soluo da equao (2) deve ser da forma:


[ ]
n
c n y =
0 (3)
Para encontrar e c substitumos esta soluo na Equao (2). A Equao
(3) implica
4
Processamento Digital de Sinais Aula 8T Professor Marcio Eisencraft abril 2007
[ ] [ ]
[ ] [ ]
[ ] [ ]
N n N
n
n
c N n y n y z
c n y n y z
c n y n y z



= =
= =
= =

0 0
2
0 0
2
1
0 0
1
2
1
L
Substituindo estes resultados na Equao (2) temos:
[ ] [ ] [ ] = + + +
+
0 1
0 1 0 2 0 1
N n y a n y a n y a
N
K
= + + +

+

0
1
1
2 1
N n
N
n n
c a c a c a K
( ) 0
1
1
2 1
= + + +

+
n N
N
a a a c K
(4)
Assumindo 0 e (excluindo as solues triviais), a Eq. (4) satisfeita
quando
0 c
0
1
1
2 1
= + + +

+
N
N
a a a K


[ ] 0
1
=

Q
(5)
A soluo proposta (Eq. (3)) est correta desde que
n
c satisfaa a Equa-
o (5). Para resolv-la, multiplicamos os dois membros por obtendo:
N

0
1
1
2 1
= + + +
+

N
N N
a a a K
(6)
que um polinmio de grau que tem solues N N
1
,
2
,...,
N
.
Desta forma a Eq. (2) tambm ter solues da forma , ,...,
. Neste caso, pode-se mostrar que a soluo geral uma combinao
linear das solues. Assim,
N
n
c
1 1

n
c
2 2

n
N N
c
N
[ ]
n
N N
n n
c c c n y + + + = L
2 2 1 1 0

em que
1
,
2
,...,
N
so as solues da Eq. (5) e , ,..., so constantes ar-
bitrrias determinadas a partir de condies auxiliares, geralmente dadas na
forma de condies iniciais.
1
c
2
c
N
c
N
O polinmio [ ]
1
Q chamado de polinmio caracterstico do sistema e a
equao
[ ] 0
1
=

Q
chamada de equao caracterstica do sistema.
5
Processamento Digital de Sinais Aula 8T Professor Marcio Eisencraft abril 2007
Alm disso, as razes
1
,
2
,...,
N
da equao caracterstica so chamadas de
razes caractersticas ou valores caractersticos (ou autovalores) do sistema.
As exponenciais ( ), so os modos naturais ou modos caracters-
ticos do sistema.
n
i
N i K , 2 , 1 =
Na discusso, assumimos que o sistema tem razes caractersticas diferen-
tes
n
1
,
2
,...,
N
com correspondentes modos caractersticos ,
,..., .
n
c
1 1

n
c
2 2

n
N N
c
Se duas ou mais razes coincidirem (razes repetidas), a forma dos modos ca-
ractersticos modificada.
Da mesma forma como em equaes diferenciais, se uma raiz se repete r
vezes (raiz de multiplicidade r ), os modos caractersticos correspondente a
estas razes so , , ,..., .
n

n
n
n
n
2 n r
n
1
Assim, se um sistema tem razes caractersticas
1
,
2
,...,
N
sendo que
1

tem multiplicidade r , sua resposta natural :
[ ]
n
n n
n
r r
n
r r
n
r
r
r
n n n
c c c n c n c n c c n y + + + + + + + + =
+ + + +
K K
2 2 1 1 1
2
3 1 2 1 1 0

Outro problema que no foi abordado o que acontece quando as razes ca-
ractersticas so complexas.
Logicamente, se a equao de diferenas tem coeficientes reais, as razes
complexas s podem aparecer em pares conjugados. As razes complexas
podem ser tratadas exatamente como razes reais, no entanto possvel eli-
minar os nmeros complexos trabalhando com solues reais.
Primeiramente, expressamos as razes complexas

e na forma polar. Se
*

o mdulo de

e sua fase, ento:


j
e =
e


j
e

=
*

A resposta entrada nula ento dada por
6
Processamento Digital de Sinais Aula 8T Professor Marcio Eisencraft abril 2007
[ ] ( )
n j
n
n j
n
n
n
e c e c
c c n y


+ =
+ =
2 1
*
2 1 0

Para um sistema real, e precisam ser conjugados de forma que
1
c
2
c [ ] n y
0

seja uma funo real de . Assim, seja n
j
e
c
c
2
1
= e
j
e
c
c

=
2
2

Desta forma,
[ ]
( ) ( )
[ ]
( )


+ =
+ =
+ +
n c
e e
c
n y
n
n j n j
n
cos
2
0

Nesta soluo e c devero ser obtidos das condies iniciais.

Exerccio
2. (2022) Encontre a resposta natural para a seguinte equao de diferenas:
[ ] [ ] [ ] [ ] [ ] 1 4 , 0 1 3 , 1 2 + = + + + n x n x n y n y n y
Considere como condies iniciais [ ] 5 0
0
= y e [ ] 7 1
0
= y .

3. (2021) Calcule a resposta natural [ ] n y
0
do sistema de tempo discreto repre-
sentado pela equao de diferenas
[ ] [ ] [ ] [ ] 1 5 2 25 1 10 = + n x n y n y n y , [ ] 3 1
0
= y , . [ ] 2 2
0
= y

4. (2021) Calcule e esboce a resposta natural [ ] n y
0
do sistema de tempo discreto
representado pela equao de diferenas
[ ] [ ] [ ] 1 5 2 16 = + n x n y n y , [ ]
2 2
1
1
0
= y , [ ]
2 4
1
2
0
= y .

2.4.3. Resposta forada e resposta total de um sistema LIT
J vimos em aulas anteriores que a resposta de um sistema LIT a uma entrada
dada por [ ] n x
7
Processamento Digital de Sinais Aula 8T Professor Marcio Eisencraft abril 2007
[ ] [ ] [ ] [ ] [ ]

=
= =
k
k n h k x n h n x n y
em que a resposta impulsiva do sistema. [ ] n h
Esta resposta, obtida quando as condies iniciais do sistema so nulas,
conhecida como resposta forada do sistema entrada . [ ] n x
No caso geral em que temos condies inicias e uma entrada no nula,
podemos usar sobreposio e escrever:
[ ] [ ] [ ] [ ] n h n x n y n y + =
0


Exerccio
5. (2022) Dado o sistema:
[ ] [ ] [ ] [ ] 1 1 9 , 0 = n x n x n y n y
com condio inicial [ ] 2 1
0
= y . Pede-se para , 0 n
(a) Determine iterativamente os cinco primeiros pontos da resposta deste sis-
tema entrada . [ ] [ ] n u n x
n
= 2
(b) Determine a resposta natural deste sistema.
(c) Determine a resposta impulsiva deste sistema (Dica: lembre-se, para cal-
cular resposta impulsiva, consideramos condies iniciais nulas).
(d) Determine a resposta forada deste sistema para [ ] [n u n x
n
= 2 ]. (Dica: lem-
bre-se, para calcular resposta forada, consideramos condies iniciais nu-
las).
(e) Determine a resposta completa deste sistema para a entrada [ ] [ ] n u n x
n
= 2 e
compare com os pontos obtidos no item (a).


8
Processamento Digital de Sinais Aula 9T Professor Marcio Eisencraft abril 2007
1
Aula 9T - Resposta de sistemas LIT a exponenciais complexas
Bibliografia
OPPENHEIM, Alan V.; WILLSKY, Alan S.; NAWAB, S. Hamid. Signals & systems. 2nd. ed. Upper Sad-
dle River, New J ersey: Prentice-Hall, c1997. 957 p. ISBN 0138147574. Pginas 182-186.
HAYKIN, Simon S.; VAN VEEN, Barry. Sinais e sistemas. Porto Alegre: Bookman, 2001. 668 p. ISBN
8573077417. Pginas 116-120.

3. Anlise de Fourier de sinais de tempo discreto
3.1. Resposta de sistemas LIT discretos a exponenciais complexas
Quando estudamos sistemas LIT interessante representar sinais como com-
binaes lineares de sinais bsicos que possuem as seguintes propriedades:
o O conjunto de sinais bsicos pode ser usado para construir uma
grande e til classe de sinais.
o A resposta de um sistema LIT a cada sinal deve ser simples o sufi-
ciente em estrutura para nos permitir uma representao convenien-
te para a resposta do sistema a qualquer sinal construdo como uma
combinao linear dos sinais bsicos.
Um exemplo de conjunto de sinais bsicos que j usamos [ ] { } Z k k n ,
que leva representao da sada pela soma de convoluo.
Outro conjunto com caractersticas importantes o conjunto { }
n
z em que z
um nmero complexo.
A importncia das exponenciais complexas no estudo de sistemas LIT vem
do fato de que a resposta de um sistema LIT a uma entrada exponencial com-
plexa a mesma exponencial complexa apenas com uma mudana de ampli-
tude; isto ,
( )
n n
z z H z

em que o fator de amplitude complexa ( ) z H ser em geral uma funo da vari-
vel complexa z .
Processamento Digital de Sinais Aula 9T Professor Marcio Eisencraft abril 2007
2
Um sinal para o qual a sada de um sistema uma constante (possivelmente
complexa) vezes a entrada chamada de autofuno do sistema e o fator de
amplitude chamado de autovalor do sistema.
Vamos mostrar que as seqncias exponenciais complexas so autofunes
de sistemas LIT de tempo discreto.
Suponha que um sistema LIT com resposta impulsiva [ ] n h tenha como entra-
da a seqncia
[ ]
n
z n x =
, (1)
em que z um nmero complexo.
A sada do sistema pode ser determinada atravs da soma de convoluo
[ ] [ ] [ ] [ ] [ ]


=

=
= = =
k
k n
k
k n
k
z k h z z k h k n x k h n y
(2)
Desta expresso, vemos que se a entrada [ ] n x a exponencial complexa dada
pela Equao (1), ento, assumindo que a somatria no segundo membro de
(2) converge, a sada a mesma exponencial complexa multiplicada por uma
constante que depende do valor de z . Isto ,
[ ] ( )
n
z z H n y =
(3)
em que
( ) [ ]

=
k
k
z k h z H
. (4)
Consequentemente, as exponenciais complexas so autofunes dos sistemas
LIT de tempo discreto. A constante ( ) z H para um valor especfico de z o
autovalor associado autofuno
n
z .
Para a anlise de sistemas LIT, a utilidade da decomposio de sinais mais
gerais em termos de autofunes pode ser visto atravs de um exemplo.
Seja [ ] n x uma combinao linear de trs exponenciais complexas, isto :
[ ]
n n n
z a z a z a n x
3 3 2 2 1 1
+ + =
.
Processamento Digital de Sinais Aula 9T Professor Marcio Eisencraft abril 2007
3
Pela propriedade da autofuno, a resposta de cada uma separadamente :
( )
( )
( )
n n
n n
n n
z z H a z a
z z H a z a
z z H a z a
3 3 3 3 3
2 2 2 2 2
1 1 1 1 1

,
e pela propriedade da superposio, teremos:
[ ] ( ) ( ) ( )
n n n
z z H a z z H a z z H a n y
3 3 3 2 2 2 1 1 1
+ + = .
De forma mais geral, a Equao (3) em conjunto com a propriedade da su-
perposio mostra que a representao de sinais como uma combinao line-
ar de exponenciais complexas leva a uma expresso conveniente para a res-
posta de um sistema LIT.
Especificamente, se a entrada de um sistema LIT for representada por uma
combinao linear de exponenciais complexas, isto , se:
[ ]

=
k
n
k k
z a n x
, ento a sada ser
[ ] ( )

=
k
n
k k k
z z H a n y
.
Em outras palavras, se a entrada de um sistema LIT representada por uma
combinao linear de exponenciais complexas, a sada tambm pode ser re-
presentada como uma combinao linear dos mesmos sinais exponenciais
complexos. Cada coeficiente desta representao da sada obtido como o
produto do respectivo coeficiente da entrada
k
a e o autovalor do sistema
( )
k
z H associado autofuno
n
k
z .
Este fato uma forte motivao para estudarmos a representao de um dado
sinal como uma soma de exponenciais complexas. Como obter esta represen-
tao? Quais sinais podem ser escritos assim. o que veremos nas prximas
aulas quando estudaremos a representao de sinais de tempo discreto por s-
ries de Fourier.


Processamento Digital de Sinais Aula 9T Professor Marcio Eisencraft abril 2007
4
Exerccios
1. (OPPENHEIM; WILLSKY; NAWAB, 1997, p.185 modificado) Considere
um sistema LIT cuja sada seja a entrada atrasada de trs amostras, ou seja,
[ ] [ ] 3 = n x n y .
Pede-se:
(a) Determine diretamente a sada do sistema quando a entrada for [ ]
n
n x

=
2
1
.
(b) Determine a resposta impulsiva do sistema.
(c) Obtenha ( ) z H utilizando a definio (4).
(d) Determine a sada do sistema entrada [ ]
n
n x

=
2
1
usando o item (c).
(e) Determine a sada do sistema entrada [ ] ( ) ( ) n n n x 7 cos 4 cos + = .

2. Considere um sistema LIT com resposta impulsiva [ ] [ ] n u n h
n

=
3
1
. Usando as
propriedades de autofunes determine a sada deste sistema quando a entra-
da for:
(a) [ ] ( )
n
n x 1 =
(b) [ ] ( )
n
n x 2 =
(c) [ ] ( )
n
n x 2 1+ =
(d) [ ]

= n n x
4
cos



3. (MITRA, 2001, p. 277) Mostre que a funo [ ]
n
z n a = em que z uma cons-
tante complexa uma autofuno de um sistema LIT de tempo discreto. Seria
[ ] [ ] n u z n v
n
= tambm uma autofuno de um sistema LIT?

Processamento Digital de Sinais Aula 11T Professor Marcio Eisencraft abril 2007
Aula 11T Srie de Fourier de tempo discreto
Bibliografia
OPPENHEIM, Alan V.; WILLSKY, Alan S.; NAWAB, S. Hamid. Signals & systems. 2nd. ed. Upper Sad-
dle River, New Jersey: Prentice-Hall, c1997. 957 p. ISBN 0138147574. Pginas 211-221.
HAYKIN, Simon S.; VAN VEEN, Barry. Sinais e sistemas. Porto Alegre: Bookman, 2001. 668 p. ISBN
8573077417. Pginas 168-178.

3.2. Representao em sries de Fourier para sinais de tempo discreto peri-
dicos
No curso de Anlise de Sinais, estudam-se formas de representar um sinal de
tempo contnuo como uma soma de senides ou exponenciais.
Aqui discutiremos algo similar para sinais de tempo discreto. Nosso enfoque
parecido com o que foi usado para sinais de tempo contnuo.
Primeiro representaremos um sinal [ ] n x peridico como uma srie de Fourier
formada por uma exponencial (ou senide) de tempo discreto e suas harm-
nicas. A seguir estenderemos esta representao para um sinal aperidico
considerando como o caso limite de um sinal peridico com o per-
odo se aproximando do infinito.
[ ] n x [ ] n x
Um sinal peridico com perodo 6
0
= N mostrado na figura seguinte.

Voc j deve saber que um sinal de tempo contnuo peridico de perodo
pode ser representado como uma srie trigonomtrica de Fourier consistindo
de uma senide com freqncia fundamental
0
T
0
0
2
T

= e todas as suas harm-


1
Processamento Digital de Sinais Aula 11T Professor Marcio Eisencraft abril 2007
nicas (senides cujas freqncias so mltiplos inteiros de
0
). A forma ex-
ponencial da srie de Fourier consiste nas exponenciais , , ,
,...
t j
e
0 t j
e
0
t j
e
0
2
t j
e
0
3
Vamos tentar fazer um paralelo para sinais de tempo discreto. A freqncia
de uma senide de perodo
0
N
0
0
2
N

= . Assim, um sinal peridico de tem-


po discreto com perodo pode ser representado por uma srie de Fourier
de tempo discreto com freqncia fundamental
0
N
0
0
2
N

= e suas harmnicas.
Assim como em tempo contnuo, podemos usar uma forma trigonomtrica ou
exponencial para as sries de Fourier. Devido sua compacidade e facilidade
de manipulao matemtica, a forma exponencial prefervel trigonomtri-
ca.
Por esta razo passaremos a forma trigonomtrica e iremos direto para a for-
ma exponencial das sries de Fourier de tempo discreto.
A srie de Fourier exponencial consiste nas exponenciais , ,
,..., ,... e assim por diante.
n j
e
0 n j
e
0

n j
e
0
2 n jk
e
0

Em princpio haveria um nmero infinito de harmnicas, como no caso con-
tnuo. Porm isso no acontece porque as exponenciais de tempo discreto cu-
jas freqncias esto separadas por 2 so idnticas j que
( ) n j n j n j n j
e e e e

= =
2 2

A conseqncia deste resultado que a -sima harmnica idntica har-
mnica .
k
0
N k +
Para demonstrar isto, seja a -sima harmnica . Ento
k
g k
n jk
e
0

( ) ( )
k
n jk n n k j n N k j
N k
g e e e g = = = =
+ +
+
0 0 0 0
0
2

e
0 0 0
2 rN k N k N k k
g g g g
+ + +
= = = = L

2
Processamento Digital de Sinais Aula 11T Professor Marcio Eisencraft abril 2007
Assim, a primeira harmnica idntica harmnica ( ), a segunda har-
mnica idntica harmnica (
1
0
+ N
2
0
+ N ) e assim por diante.
Em outras palavras, existem apenas harmnicas independentes e estas fi-
cam sobre um intervalo de
0
N
2 (porque as harmnicas esto separadas por
0
0
2
N

= ).
Podemos escolher estas harmnicas independentes como com
ou sobre
0
N
n jk
e
0

1 0
0
N k 2 1
0
N k ou sobre
0
1 N k ou qualquer outra
escolha conveniente. Qualquer um desses conjuntos ter as mesmas harmni-
cas apenas em ordem diferente.
Vamos tomar a primeira possibilidade 1 0
0
N k . Esta escolha correspon-
de s exponenciais para
n jk
e
0

= k 0, 1, 2,..., 1
0
N . A srie de Fourier para
um sinal peridico com perodo
0
N [ ] n x consiste destas harmnicas e po-
de ser expressa como
0
N
[ ]

=
1
0
0
0
N
k
n jk
k
e a n x
com
0
0
2
N

=
(1)

Pode-se mostrar (ver referncias) que os termos podem ser calculados
como
k
a
[ ]

=

=
1
0
0
0
0
1
N
n
n jk
k
e n x
N
a

Assim, temos uma representao em sries de Fourier de tempo discreto de um
sinal peridico de perodo :
0
N
[ ]

=
1
0
0
0
N
k
n jk
k
e a n x
(2)
em que
[ ]

=

=
1
0
0
0
0
1
N
n
n jk
k
e n x
N
a
e
0
0
2
N

=
. (3)
3
Processamento Digital de Sinais Aula 11T Professor Marcio Eisencraft abril 2007
A srie de Fourier consiste de componentes
0
N
( ) n N j
N
n j n j
e e e a
0 0
0
0 0
1
1
2
2 1 0
a , , a , a ,


K

A freqncia dessas componentes so zero,
0
,
0
2 ,..., em que ( )
0 0
1 N
0
0
2
N

= .
A amplitude da -sima harmnica . Podemos fazer um grfico desta
quantidade em funo de
k
k
a
k
a . Este grfico chamado de espectro de Fou-
rier de e nos d, de uma s vez, uma figura com as magnitudes das v-
rias harmnicas de .
[ ] n x
[ ] n x
Em geral, os coeficientes de Fourier so complexos e podem ser represen-
tados na forma polar como:
k
a
k
a j
k k
e a a

=

O grfico de
k
a por chamado de espectro de amplitude e o de
k
a por
chamado de espectro de ngulo (ou fase). Estes dois grficos juntos so
os espectros em freqncia de

[ ] n x .
Conhecendo estes espectros, podemos reconstruir ou sintetizar de acordo
com a Equao (2). Assim, o espectro de Fourier (ou de freqncia), que
uma forma alternativa de descrever o sinal
[ ] n x
[ ] n x em todos os sentidos equi-
valente (em termos de informao) ao grfico de [ ] n x em funo de n .
O espectro de Fourier de um sinal constitui a descrio no domnio da fre-
qncia de [ ] n x em contraste com a descrio no domnio do tempo, em que
especificado em funo do tempo . [ ] n x n
Estes resultados so muito similares representao de um sinal peridico de
tempo contnuo por uma srie de Fourier exponencial exceto que, em geral, o
espectro de um sinal de tempo contnuo infinito e consiste de um nmero
infinito de componentes exponenciais (harmnicas). O espectro de um sinal
4
Processamento Digital de Sinais Aula 11T Professor Marcio Eisencraft abril 2007
de peridico de tempo discreto, em contraste tem no mximo componen-
tes.
0
N
Note que se [ ] r uma funo de r peridica de perodo ento
0
N
[ ] [ ]

=

=
=
0
0
1
0 N r
N
r
r r
(4)
em que
0
N r = indicam a soma sobre qualquer valores consecutivos de
0
N r .
Isto ocorre porque o lado direito da Equao (4) a soma de todos os va-
lores consecutivos de
0
N
[ ] r . Como [ ] r peridica, esta soma precisa ser a
mesma independentemente de onde a comeamos.
Por outro lado, peridica com perodo por que:
n jk
e
0

0
N
( ) n jk k j n jk N n jk
e e e e
0 0 0 0
2 +
= =


Sendo assim, se peridica de perodo , [ ] n x
0
N [ ]
n jk
e n x
0

tambm peridi-
ca de perodo .
0
N
Desta forma, segue da Equao (4) que tambm peridica de perodo
assim como . Assim, por causa da propriedade (4) podemos reescrever
as Equaes (2) e (3) como:
k
a
0
N
n jk
k
e a
0

[ ]

=

=
0
0
N k
n jk
k
e a n x (5)
e [ ]

=

=
0
0
0
1
N n
n jk
k
e n x
N
a (6)
Se fizermos um grfico de para todos os valores de (ao invs de apenas
para ), veremos que o espectro de peridico com perodo
. Alm disso, a Equao (5) mostra que
k
a k
1 0
0
N k
k
a
0
N [ ] n x pode ser sintetizada no ape-
nas pelas exponenciais correspondentes a
0
N 1 0
0
N k , mas por quais-
quer exponenciais sucessivas neste espectro, comeando em qualquer va-
lor de (positivo ou negativo).
0
N
k
Por esta razo, costuma-se representar o espectro para todos os valores de
(e no apenas no intervalo
k
a
k 1 0
0
N k ).
5
Processamento Digital de Sinais Aula 11T Professor Marcio Eisencraft abril 2007
Mesmo assim, precisamos lembrar que para sintetizar precisamos adi-
cionar apenas componentes sucessivas.
[ ] n x
0
N
As componentes espectrais esto separadas pela freqncia
k
a
0
0
2
N

= e e-
xiste um total de componentes se repetindo periodicamente sobre o eixo
. Assim, na escala da freqncia
0
N
, se repete a cada intervalo de 2.
k
a
As equaes (7) e (8) mostram que tanto [ ] n x quanto seu espectro so pe-
ridicos e ambos tm exatamente o mesmo nmero de componentes ( ) em
um perodo. O perodo de
k
a
0
N
[ ] n x e o de 2 radianos.
0
N
k
a
A Equao (8) mostra que complexo em geral e o conjugado de
se real. Assim,
k
a
k
a
k
a
[ ] n x
k k
a a

=
e
k k
a a

=

sendo assim,
k
a uma funo par e
k
a uma funo mpar de . k

Exerccios
1. (3022) Seja o seguinte sinal de tempo discreto peridico:

(a) Qual o perodo e a freqncia fundamental deste sinal ?
0
N
0

(b) Calcule os coeficientes da srie de Fourier deste sinal para


k
a 1 0
0
N k .
(c) Esboce o espectro de mdulo e de fase para este sinal.

2. (3021) Dado o sinal de tempo discreto peridico a seguir:
6
Processamento Digital de Sinais Aula 11T Professor Marcio Eisencraft abril 2007

(a) Determine o seu perodo e sua freqncia fundamental .
0
N
0

(b) Determine os coeficientes da srie de Fourier de tempo discreto (SFTD)


para .
k
a
1 0
0
N k

7
Processamento Digital de Sinais Aula 12T Professor Marcio Eisencraft julho 2006
Aula 12T Propriedades das sries de Fourier de tempo discreto
Bibliografia
OPPENHEIM, Alan V.; WILLSKY, Alan S.; NAWAB, S. Hamid. Signals & systems. 2nd. ed. Upper Sad-
dle River, New J ersey: Prentice-Hall, c1997. 957 p. ISBN 0138147574. . Pginas 221-226.
HAYKIN, Simon S.; VAN VEEN, Barry. Sinais e sistemas. Porto Alegre: Bookman, 2001. 668 p. ISBN
8573077417. Pginas 202-240.

3.3. Propriedades das sries de Fourier de tempo discreto
Na aula passada, definimos a srie de Fourier de sinais de tempo discreto e
vimos como obt-la.
Representao em sries de Fourier de tempo discreto de um sinal peridico de
perodo :
0
N
[ ]

=

=
0
0
N k
n jk
k
e a n x

em que
[ ]

=

=
0
0
0
1
N n
n jk
k
e n x
N
a
e
0
0
2
N

=
.
Vimos tambm que complexo em geral e o conjugado de se
real, ou seja, para sinais
k
a
k
a
k
a
[ ] n x [ ] n x vale:
k k
a a

=
e k k
a a

=

sendo assim,
k
a uma funo par e
k
a uma funo mpar de . k
Existem muitas semelhanas entre as propriedades de sries de Fourier de
tempo discreto e contnuo. Alm disso, vrias podem ser inferidas a partir de
propriedades da transformada de Fourier de tempo discreto (a ser estudada
em Anlise de Sinais II). Assim, apresentaremos a seguir as propriedades de
tempo discreto que nos interessam discutindo apenas as mais importantes.
Uma discusso mais detalhadas das propriedades ser feita nos cursos de A-
nlise de Sinais.

1
Processamento Digital de Sinais Aula 12T Professor Marcio Eisencraft julho 2006
3.3.1. Relao de Parseval para sinais peridicos de tempo discreto
A relao de Parseval para sinais peridicos de tempo discreto dada por
[ ]

= =
=
N k
k
N n
a n x
N
2 2 1

em que so os coeficientes da srie de Fourier de
k
a [ ] n x e o perodo. N
O lado esquerdo da relao de Parseval a potncia mdia em um perodo do
sinal peridico . Da mesma forma, [ ] n x
2
k
a a potncia mdia na -sima
harmnica componente de
k
[ ] n x .
Assim, a relao de Parseval estabelece que a potncia mdia de um sinal pe-
ridico igual soma das potncias mdias em todas as suas componentes
harmnicas.

Figura 1 Propriedades das sries de Fourier de tempo discreto (OPPENHEIM;
WILLSKY; NAWAB, 1997).
2
Processamento Digital de Sinais Aula 12T Professor Marcio Eisencraft julho 2006
Exerccios
1. (OPPENHEIM; WILLSKY; NAWAB, 1997, p. 216) Considere o sinal:
[ ]

+ +

+ =
2 9
4
cos
9
2
cos 3
9
2
sin 1

n n n n x .
Determine as componentes da srie de Fourier deste sinal e esboce seu espectro.

2. (OPPENHEIM; WILLSKY; NAWAB, 1997, p. 218) Considere o seguinte
sinal retangular peridico com perodo 32
0
= N . Determine as componentes
da srie de Fourier deste sinal e esboce seu espectro.

Neste caso e 32
0
= N
16 32
2
0

= = . Desta forma,
[ ]

=
=
32
16
k
n jk
k
e a n x


em que
[ ]

=
32
16
32
1
n
n jk
k
e n x a

(*)
Por facilidade, vamos escolher o intervalo 15 16 < n para a somatria (*)
apesar de que qualquer outro intervalo de mesmo tamanho (32 pontos) ser-
visse.
[ ]

=
15
16
16
32
1
n
n jk
k
e n x a


Mas para e 0 para os outros valores de . Portanto, [ ] 1 = n x 4 4 n n
3
Processamento Digital de Sinais Aula 12T Professor Marcio Eisencraft julho 2006

=
4
4
16
32
1
n
n jk
k
e a


Esta uma progresso geomtrica com razo
k j
e
16

. Assim,
( )
( )
0
0
16
5 , 0
16
5 , 0
16
5 , 0
16
5 , 4
16
5 , 4
16
5 , 0
16
16
5
16
4
16
16
9
16
4
5 , 0 sin
5 , 4 sin
32
1
16
5 , 0
sin
16
5 , 4
sin
32
1
32
1
1
32
1
1
1
32
1

=
=

k
k
k
k
e e e
e e e
e
e e
e
e
e a
k
j
k
j
k
j
k
j
k
j
k
j
k
j
k
j
k
j
k
j
k
j
k
j
k


com
16
0

= .
Este resultado mostrado na figura a seguir. Repare que neste exemplo
real o que esperado j que
k
a
[ ] n x par (ver tabela da Figura 1).

k
a

3. (OPPENHEIM; WILLSKY; NAWAB, 1997, p.225) Suponha que sejam da-
das as seguintes informaes sobre a seqncia [ ] n x :
a. peridica com perodo [ ] n x 6
0
= N .
b. . [ ] 2
5
0
=

= n
n x
c. ( ) [ ] 1 1
7
2
=

= n
n
n x
4
Processamento Digital de Sinais Aula 12T Professor Marcio Eisencraft julho 2006
d. tem a menor potncia por perodo dentro do conjunto de sinais
que satisfazem as trs condies anteriores.
[ ] n x
Determine . [ ] n x

4. (OPPENHEIM; WILLSKY; NAWAB, 1997, p. 250) Um sinal de tempo dis-
creto peridico assume valores reais e tem perodo fundamental [ ] n x 5 = N .
Os coeficientes no nulos da srie de Fourier de [ ] n x so
1
0
= a ,
4
2 2

j
e a a = =

,
3
4 4
2

j
e a a = =

.
Expresse na forma [ ] n x
[ ] ( )

=
+ + =
1
0
sin
k
k k k
n A A n x .

5. (OPPENHEIM; WILLSKY; NAWAB, 1997, p. 252) Seja um sinal real e
mpar com perodo e coeficientes de Fourier . Dado que
[ ] n x
7 = N
k
a
j a =
15
, j a 2
16
= , j a 3
17
= ,
determine os valores de , , e .
0
a
1
a
2
a
3
a
5
Processamento Digital de Sinais Aula 13T Professor Marcio Eisencraft julho 2006
Aula 13T Filtros de tempo discreto
Bibliografia
OPPENHEIM, Alan V.; WILLSKY, Alan S.; NAWAB, S. Hamid. Signals & systems. 2nd. ed. Upper Sad-
dle River, New J ersey: Prentice-Hall, c1997. 957 p. ISBN 0138147574. Pginas 231-239.
HAYKIN, Simon S.; VAN VEEN, Barry. Sinais e sistemas. Porto Alegre: Bookman, 2001. 668 p. ISBN
8573077417.Pginas 260-268.

3.5. Filtros de tempo discreto
Em uma variedade de aplicaes, de interesse mudar as amplitudes relati-
vas das componentes em freqncia de um sinal ou talvez eliminar algumas
componentes em freqncia inteiramente, processo conhecido como filtra-
gem.
Sistemas LIT que mudam a forma do espectro so freqentemente chamados
de filtros modeladores em freqncia.
Sistemas que so projetados para passar algumas freqncias essencialmente
no distorcidas e atenuar significativamente ou eliminar outras so conheci-
dos como filtros seletivos em freqncia.
Como vimos na aula passada, os coeficientes da srie de Fourier da sada de
um sistema LIT so os da entrada multiplicados pela resposta em freqncia
do sistema.
[ ]

=

=
0
0 0
2 2
N k
n
N
jk k
N
j
k
e e H a n y

.
Conseqentemente, a filtragem pode ser convenientemente conseguida atra-
vs do uso de sistemas LIT com uma resposta em freqncia conveniente-
mente escolhida e mtodos no domnio da freqncia provem as ferramentas
ideais para estudar esta importante classe de aplicaes.
Nesta aula e na prxima, daremos uma primeira olhada neste assunto atravs
de alguns exemplos.


1
Processamento Digital de Sinais Aula 13T Professor Marcio Eisencraft julho 2006
3.5.1. Filtros modeladores em freqncia
Uma aplicao em que filtros modeladores de freqncia so freqentemente
encontrados sistemas de udio.
Por exemplo, filtros LIT so tipicamente includos em tais sistemas para
permitir que o ouvinte mude a energia relativa em baixas freqncias (gra-
ves) e altas freqncias (agudos).
Estes filtros correspondem a sistemas LIT cujas respostas em freqncia po-
dem ser mudadas manipulando controles de tons.
Tambm em sistemas de udio de alta-fidelidade, um filtro muito conhecido
como equalizador freqentemente includo para pr-amplificar e compensar
as caractersticas de resposta em freqncia dos alto-falantes.
De forma geral, estes estgios de filtragem cascateados so freqentemente
chamados de circuito de equalizao do sistema de udio.
A Figura 1 a seguir mostra os trs estgios de um circuito equalizador para
um conjunto particular de alto-falantes.
Filtros LIT de tempo discreto encontram um grande conjunto de aplicaes.
Muitas destas envolvem o uso de sistemas de tempo discreto, implementados
usando processadores digitais de propsito gerais ou especficos para proces-
sar sinais de tempo contnuo, um assunto que ser discutido em disciplinas
futuras.
Alm disso, a anlise de informaes de sries temporais, incluindo dados
demogrficos e seqncias de dados econmicos como mdias de mercado
de aes envolvem o uso de filtros de tempo discreto.
Freqentemente as variaes de longo prazo (que correspondem a freqn-
cias mais baixas) tm um significado diferente das variaes de curto prazo
(que correspondem s altas freqncias) e til estudar estas componentes
separadamente.
Rearranjando os pesos relativos destas componentes tipicamente feito utili-
zando-se filtros de tempo discreto.

2
Processamento Digital de Sinais Aula 13T Professor Marcio Eisencraft julho 2006

Figura 1 Magnitudes das respostas em freqncia de circuitos equalizadores para uma srie
particular de alto-falantes, mostrado numa escala de H log 20 que conhecida como escala
decibel (dB). (a) Filtro de baixas-freqncias controlado por uma chave de duas posies; (b)
limites de freqncia superiores e inferiores de um filtro de freqncia continuamente ajust-
vel; (c) resposta em freqncia fixa do estgio de equalizao (OPPENHEIM; WILLSKY;
NAWAB, 1997).
3
Processamento Digital de Sinais Aula 13T Professor Marcio Eisencraft julho 2006
3.5.2. Filtros seletivos em freqncia
Filtros seletivos em freqncia uma classe de filtros especificamente proje-
tada para selecionar aproximadamente algumas faixas de freqncias e rejei-
tar outras.
Por exemplo, se rudo numa gravao de udio est numa faixa de freqn-
cias mais alta do que msica ou voz ele pode ser removido usando filtros se-
letivos em freqncia.
Uma outra importante aplicao de filtros seletivos em freqncia so os sis-
temas de comunicaes. Como ser discutido em disciplinas futuras, a base
da modulao em amplitude (AM) a transmisso de informao de muitas
fontes diferentes simultaneamente pondo a informao de cada canal em uma
banda de freqncias diferente e extraindo os canais individuais no receptor
usando filtros seletivos em freqncia.
Filtros seletivos em freqncia para separar os canais individuais e filtros
modeladores em freqncia (como o equalizador da Figura 1) para ajustar a
qualidade do som formam a maior parte de qualquer receptor de rdio ou te-
leviso domstico.
A figura a seguir mostra os tipos de filtros seletivos em freqncia de tempo
discreto.

Figura 2 Filtros seletivos em freqncia de tempo discreto ideais: (a) passa-
baixas; (b) passa-altas; (c) passa-bandas.
4
Processamento Digital de Sinais Aula 13T Professor Marcio Eisencraft julho 2006
Exerccios
1. Considere o seguinte sistema mdia mvel j analisado em aulas anteriores:
[ ] [ ] [ ] ( ) 1
2
1
+ = n x n x n y .
Para este sistema, pede-se:
(a) a resposta impulsiva ; [ ] n h
(b) a funo de sistema ; ( ) z H
(c) a resposta em freqncia ( )
j
e H
(d) faa um grfico do mdulo e da fase de ( )
j
e H para .
(e) este filtro passa-altas ou passa-baixas?

2. Considere um sistema LIT com resposta impulsiva
[ ]



=
contrario caso
n
n
n h
0
1 2 , 1
2 0 , 1

Dado que a entrada do sistema
[ ] [ ]

=
=
k
k n n x 4 ,
determine os coeficientes da srie de Fourier da sada [ ] n y .

5
Processamento Digital de Sinais Aula 14T Professor Marcio Eisencraft abril 2007
Aula 14T Exemplos de filtros de tempo discreto
Bibliografia
OPPENHEIM, Alan V.; WILLSKY, Alan S.; NAWAB, S. Hamid. Signals & systems. 2nd. ed. Upper Sad-
dle River, New J ersey: Prentice-Hall, c1997. 957 p. ISBN 0138147574. Pginas 244-249.
HAYKIN, Simon S.; VAN VEEN, Barry. Sinais e sistemas. Porto Alegre: Bookman, 2001. 668 p. ISBN
8573077417. Pginas 260-268.

3.6. Exemplos de filtros de tempo discreto descritos por equaes de diferen-
as
Filtros descritos por equaes de diferenas so muito usados na prtica por-
que podem ser eficientemente implementados em sistemas digitais de prop-
sito geral ou especfico.
Sistemas LIT de tempo discreto descritos por equaes de diferenas podem
ser recursivos e ter resposta impulsiva infinita (sistemas IIR) ou ser no re-
cursivo e ter resposta impulsiva finita (sistemas FIR).
Estas duas classes tm conjuntos diferentes de vantagens e desvantagens em
termos de facilidade de implementao e em termos de ordem do filtro ou a
complexidade requerida para atingir os objetivos desejados.
Nesta aula nos limitaremos a alguns exemplos simples de filtros recursivos e
no recursivos, deixando a anlise e compreenso mais detalhada destes sis-
temas para cursos posteriores.

3.6.1. Filtros de tempo discreto recursivos de primeira ordem
Filtros descritos por:
[ ] [ ] [ ] n x n ay n y = 1
.
Exerccio
1. Para o sistema acima, pede-se:
(a) a resposta em freqncia ( )
j
e H .
(b) a resposta impulsiva;
(c) a resposta ao degrau;
(d) o intervalo de valores para para o qual o sistema estvel. a
1
Processamento Digital de Sinais Aula 14T Professor Marcio Eisencraft abril 2007
(e) Usando o Matlab, esboce o mdulo e a fase da resposta em freqncia para
e . 6 , 0 = a 6 , 0 = a

3.6.2. Filtros de tempo discreto recursivos de primeira ordem
A forma geral de uma equao de diferenas no recursiva FIR
[ ] [ ]

=
=
M
N k
k
k n x b n y
.
Isto , a sada uma mdia ponderada dos [ ] n y ( ) 1 + + M N valores de [ ] n x de
at [ ] N n x [ ] M n x + com os pesos dados pelos coeficientes .
k
b
Sistemas com esta forma podem ser usados para cumprir um grande nmero
de objetivos de filtragem, incluindo filtragem seletiva em freqncia.
Um exemplo freqentemente usado deste tipo de filtro o filtro mdia mvel
em que a sada para qualquer - por exemplo, - a mdia dos valo-
res de nas vizinhanas de .
[ ] n y n
0
n
[ ] n x
0
n
A idia bsica que tomando a mdia dos valores localmente, componentes
de alta freqncia (rpidas) da entrada sero amenizadas e as variaes de al-
ta freqncia permanecero. Assim, este filtro corresponde a uma suavizao
ou filtragem passa-baixas da seqncia original. Um exemplo simples com
dois pontos foi visto na aula passada.
Um exemplo um pouco mais complexo o filtro mdia mvel com trs pon-
tos que tem a seguinte relao entrada-sada:
[ ] [ ] [ ] [ ( ) 1 1
3
1
+ + + = n x n x n x n y ] .
Exerccio
2. Para o sistema acima, pede-se:
(a) a resposta impulsiva;
(b) a resposta em freqncia;
(c) Esboce ( )
j
e H no intervalo 2 2 .

2
Processamento Digital de Sinais Aula 14T Professor Marcio Eisencraft abril 2007
3. (OPPENHEIM; WILLSKY; NAWAB, p. 261) Considere um sistema LIT de
tempo discreto cuja resposta em freqncia : S
( )

< <

=


8
, 0
8
, 1

j
e H
Mostre que se a entrada para este sistema tiver perodo , a sada [ ] n x 3 = N [ ] n y
s tem um coeficiente da srie de Fourier no nulo por perodo.

4. (OPPENHEIM; WILLSKY; NAWAB, p. 260) Considere um sistema LIT de
tempo discreto e causal cuja entrada [ ] n x e a sada [ ] n y so relacionadas pela
seguinte equao de diferenas:
[ ] [ ] [n x n y n y = 1
4
1
]

Encontre a representao por sries de Fourier da sada [ ] n y para cada uma das
seguintes entradas:
(a) [ ]

= n n x
4
3
sin


(b) [ ]

= n n n x
2
cos 2
4
cos



3
Processamento Digital de Sinais Aula 15T Professor Marcio Eisencraft novembro 2007
1
Aula 15T A Transformada de Fourier de tempo discreto (TFTD)
Propriedades e resposta no domnio da freqncia de sistemas LIT
Bibliografia
HAYKIN, Simon S.; VAN VEEN, Barry. Sinais e sistemas. Porto Alegre: Bookman, 2001. 668 p. ISBN
8573077417. Pginas 188-196.
OPPENHEIM, Alan V.; WILLSKY, Alan S.; NAWAB, S. Hamid. Signals & systems. 2nd. ed. Upper Sad-
dle River, New J ersey: Prentice-Hall, c1997. 957 p. (Prentice-Hall signal processing series) ISBN
0138147574. Pginas 358-367.

3. 7 A Transformada de Fourier de tempo discreto (TFTD)
A transformada de Fourier de tempo discreto (TFTD ou DTFT) ( )
j
H e

de um
sinal de tempo discreto [ ] n h definida por
( )
[ ]
j j n
n
H e h n e


=
=

(1)
Como j vimos na aula passada, ( )
j
H e

representa um sinal peridico com
perodo 2 .
A transformada inversa de Fourier definida por
[ ]
( )
1
2
j j n
h n H e e d

(2)
O par (1) e (2) pode ser aplicado a seqncias quaisquer, desde que:
[ ] <

= n
n h

O par (1) e (2) conhecido por par DTFT em que (1) a anlise e (2) a sn-
tese.

Exerccios
1. (HAYKIN; VEEN, 2001, p. 191) Encontre a TFTD da seqncia [ ] [ ] n u n x
n
=
com real e sendo 1 < .
2. (HAYKIN; VEEN, 2001, p. 194) Encontre a TFTD inversa de:
Processamento Digital de Sinais Aula 15T Professor Marcio Eisencraft novembro 2007
2
( )
1,
0 ,
j
W
H e
W

=

< <



3. (HAYKIN ; VEEN, 2001, p. 195) Encontre a TFTD de [ ] [ ] n n x = .

4. (HAYKIN; VEEN, 2001, p. 195) Encontre a TFTD inversa de ( ) ( )
j
X e

= ,
< < .

5. Encontre a TFTD inversa de ( ) ( ) 2cos 2
j
X e

= .
Resposta: [ ]

=
=
contrrio caso , 0
2 , 1 n
n x .

6. Encontre a TFTD de [ ]


=
contrrio caso , 0
9 0 , 2 n
n x
n
.
Resposta: ( )
10 10
1 2
1 2
j
j
j
e
X e
e

.

3.8 Propriedades da TFTD
Uma propriedade muito importante da TFTD a que transforma convoluo
no domnio do tempo em multiplicao no domnio da freqncia. Ou seja, se
[ ] [ ] [ ] n b n a n c = , ento ( ) ( ) ( )
j j j
C e A e B e

= .
Isto pode ser escrito como
[ ] [ ]
( ) ( )
TFTD
j j
a n b n A e B e




J vimos que a resposta de um sistema LIT entrada [ ] n x dada por
[ ] [ ] [ ] n h n x n y = , sendo [ ] n h a resposta impulsiva deste sistema.
J vimos tambm que ( )
[ ] { }
j
H e TFTD h n

= a chamada resposta em freqn-


cia do sistema. Desta forma, usando a propriedade vista, pode-se escrever:
( ) ( ) ( )
j j j
Y e X e H e

=
.
Processamento Digital de Sinais Aula 15T Professor Marcio Eisencraft novembro 2007
3
Este importante resultado resumido na figura a seguir.

Figura 1 A TFTD e os sistemas LIT (NABARRETE).
Universidade Presbiteriana Mackenzie
Curso de Engenharia El

etrica
Processamento Digital de Sinais
PR

ATICA
Prof. Marcio Eisencraft
Segundo semestre de 2007
Processamento Digital de Sinais Aula 1P Professor Marcio Eisencraft agosto 2007
1

Aula 1P - Apresentao do curso
Exemplos de Aplicao de PDS
Bibliografia
HAYKIN, Simon S.; VAN VEEN, Barry. Sinais e sistemas. Porto Alegre: Bookman, 2001. 668 p. ISBN
8573077417. Pginas 21-33.
GIROD, Bernd; RABENSTEIN, Rudolf; STENGER, Alexander. Sinais e sistemas. Porto Alegre: LTC -
Livros Tcnicos e Cientficos, c2003. 340 p. ISBN 8521613644. Pginas 1-3.

1. Sinais e processamento de sinais
1.1. Sinais
Um sinal uma funo, geralmente do tempo, que carrega algum tipo de informao.
Exemplos de sinais:
(a) Sinal triangular


(b) Sinal senoidal

(c) Variao da temperatura de uma sala durante um dia

Processamento Digital de Sinais Aula 1P Professor Marcio Eisencraft agosto 2007
2

(d) Sinal de voz


(e) Cotao do dlar a cada meia hora durante um dia


(f) Nmero de e-mails que chegaram sua caixa de entrada verificada a cada meia hora.

Processamento Digital de Sinais Aula 1P Professor Marcio Eisencraft agosto 2007
3

(g) Sinal binrio


1.2. Classificao de sinais
Como vimos nos exemplos anteriores, os sinais podem assumir as mais diversas for-
mas. A seguir, veremos duas formas muito importantes de se classificar sinais.

1.2.1. Sinais de tempo contnuo e de tempo discreto
Sinais de tempo contnuo so sinais que esto definidos em todos os pontos de um intervalo
real. O sinal
s
representado matematicamente como
( ) R t t s ,
. Exemplos: variao da
temperatura em um dia; sinal de voz.
Sinais de tempo discreto so sinais que esto definidos apenas em instantes isolados de tem-
po. Geralmente, estes sinais s tm valores definidos para instantes de tempo inteiros. O sinal
x
representado matematicamente por
[ ] Z n n x ,
. Exemplos: valor do ndice BOVES-
PA a cada uma hora.
Neste curso nos ocuparemos principalmente dos sinais de tempo discreto.

1.2.2. Sinais analgicos e digitais
Sinais analgicos um sinal chamado de analgico quando pode assumir qualquer valor em
um intervalo. Exemplo: potncia fornecida por uma usina no decorrer de um dia.
Sinais digitais um sinal chamado de digital quando s pode assumir um nmero finito de
valores diferentes. Exemplo: sinal binrio.



Processamento Digital de Sinais Aula 1P Professor Marcio Eisencraft agosto 2007
4

Exerccio
1. Classifique todos os sinais mostrados nas figuras anteriores em sinais de tempo discreto
ou tempo contnuo; analgicos ou digitais.

1.3. Processamento de sinais
J dissemos que um sinal uma funo que carrega algum tipo de informao. Geralmente,
interessante conseguir extrair esta informao do sinal. isto o que nossos ouvidos fa-
zem, por exemplo, ao reconhecer uma msica ou voz ou o que nossos olhos fazem na ob-
servao de um quadro.
Esta extrao de informaes chamada de processamento de sinais.
Em nosso curso enfocaremos algumas tcnicas bsicas envolvidas no processamento de
sinais de tempo discreto uma das reas da engenharia que mais tem se desenvolvido nas l-
timas dcadas.
Sem essas tcnicas no existiriam muito do que se conhece hoje em reas como:
o Multimdia (DVD, CD-ROM, transmisso de udio e vdeo de alta resoluo);
o Biomedicina (ultra-sonografia, eletrocardiogramas);
http://www.ecglibrary.com/

o Sensoriamento remoto;
http://www.ltid.inpe.br

Processamento Digital de Sinais Aula 1P Professor Marcio Eisencraft agosto 2007
5

o Telecomunicaes mveis (CDMA, TDMA);
o Projeto de controle de motores de preciso para indstrias
o Controle de terremotos
http://www.iris.washington.edu


Exerccios
2. Classifique os seguintes sinais em:
Tempo discreto ou tempo contnuo
Analgico ou digital



Processamento Digital de Sinais Aula 2P Professor Marcio Eisencraft agosto 2007
1

Aula 2P - Comandos bsicos do Matlab aplicados a PDS
Bibliografia
HAYKIN, Simon S.; VAN VEEN, Barry. Sinais e sistemas. Porto Alegre: Bookman, 2001. 668 p. ISBN
8573077417. Pginas 71-76.
MITRA, Sanjit K. Digital signal processing: a computer-based approach. 2nd ed. Boston: McGraw-Hill,
c2001. 866 p. : il. ; 24 cm ISBN 0072321059. Pginas 70-76.

1. Introduo
O Matlab uma ferramenta muito til no estudo de problemas e no desenvolvimento
de projetos em Engenharia sendo utilizado em universidades e empresas ao redor do mundo.
Na rea de Engenharia Eltrica e, mais precisamente, em Processamento de Sinais
vem adquirindo um carter quase fundamental.
O principal motivo deste sucesso a utilizao macia de vetores e matrizes para re-
presentar dados de uma forma simples (Matlab =Matrix Laboratory). Esta forma de repre-
sentao praticamente elimina a necessidade de utilizao de laos FOR ou WHILE simplifi-
cando e acelerando muito os programas. EM OUTRAS PALAVRAS, EM MATLAB, SEM-
PRE QUE POSSVEL (OU SEJ A, QUASE SEMPRE!) NO UTILIZE LAOS FOR OU
WHILE!
O objetivo desta aula (re) ver alguns conceitos bsicos de programao em Matlab.
Durante o curso veremos muitos outros detalhes tcnicos.
Lembre-se: sempre que voc ficar na dvida sobre a utilizao de um comando, a fun-
o <hel p comando>pode lhe ajudar.

2. Gerando vetores
2.1. O operador :
O operador : utilizado para gerar e acessar elementos de um vetor.
Vet or = val or i ni ci al : passo: val or f i nal
Quando o passo unitrio, ele pode ser omitido.
Exemplos de utilizao
A. gerar um vetor x com os nmeros inteiros de zero a cinco
>> x = 0: 5
x =
0 1 2 3 4 5

b. gerar um vetor y indo de 0 a 1 com passo de 0.1.
Processamento Digital de Sinais Aula 2P Professor Marcio Eisencraft agosto 2007
2

>> y = 0: 0. 1: 1
y =
0 0. 1000 0. 2000 0. 3000 0. 4000 0. 5000
0. 6000 0. 7000 0. 8000 0. 9000 1. 0000

c. mostrar o segundo elemento do vetor x
>> x( 2)
ans =
1

Exerccio
1. Gerar um vetor x de nmeros pares de 0 a 50.
Comandos:


2.2. A funo linspace
A funo l i nspace uma forma prtica de se gerar vetores quando sabemos quan-
tos pontos ele deve ter.
Vet or = l i nspace ( val or i ni ci al , val or f i nal , no. de pont os)
Exemplos de utilizao
A. Gere um vetor de 1000 pontos com valores entre zero e 1 igualmente espaados.
>> v = l i nspace( 0, 1, 1000) ;
b. Repita o exerccio anterior, mas com os valores em ordem decrescente.
>> v = l i nspace( 1, 0, 1000) ;
Exerccio
2. Gere um vetor x de 5000 pontos com valores entre 0 e 2*pi .
Comandos:


2.3. Vetores especiais
Existem vetores pr-definidos pelo Matlab e que so muito teis. Dois deles so o o-
nes( num. l i nhas, num. col unas) e o zer os( num. l i nhas, num. Col unas)
que geram, como os nomes dizem, vetores constitudos de uns e de zeros respectivamente.
Exemplos de aplicao
A. Gere um vetor constitudo de 10 zeros.
Processamento Digital de Sinais Aula 2P Professor Marcio Eisencraft agosto 2007
3

>> x = zer os( 1, 10)
x =
0 0 0 0 0 0 0 0 0 0

b. Gere um vetor constitudo por 5000 uns.
>> y = ones( 1, 5000) ;

Exerccio
3. Gere uma matriz 2x2 constituda por zeros.
Comandos:


2.4. Concatenao de vetores
Uma ferramenta muito interessante do Matlab a possibilidade de combinar vetores
para formar outros (concatenar vetores). Veja os seguintes exemplos.
Exemplos de aplicao:
A. Gere um vetor de cinco zeros seguidos por cinco uns.
>> vect or = [ zer os( 1, 5) ones( 1, 5) ]
vect or =
0 0 0 0 0 1 1 1 1 1
B. Gere um vetor contendo os nmeros inteiros entre zero e 10 em ordem crescente seguidos
pelos mesmos em ordem decrescente.
>> x = [ 0: 10 10: - 1: 0]
x =
0 1 2 3 4 5 6 7 8 9 10
10 9 8 7 6 5 4 3 2 1 0

Exerccio
4. Construa um vetor constitudo pelos nmeros pares de 0 a 10 seguido pelos nmeros m-
pares de 0 a 10.
Comandos:




Processamento Digital de Sinais Aula 2P Professor Marcio Eisencraft agosto 2007
4

2.5. Operaes entre vetores
O Matlab permite somar (+), subtrair (-), multiplicar (.*) , dividir (./) vetores. Essas
operaes so realizadas elemento a elemento e s podem ser aplicadas entre vetores de mes-
mo comprimento.
Alm disso, quase todas as suas funes (trigonomtricas, exponenciais e outras) po-
dem ser aplicadas a um vetor sendo que elas operam tambm elemento a elemento.

Exemplos de aplicao

a. Sendo x = [ 2 3 7] e y = [ 0 - 1 3] escreva a resposta de cada um desses coman-
dos executados no Matlab.

I) x +y [ 2 2 10]
ii) x y [ 2 4 4]
iii) x.*y [ 0 - 3 21]

b. Como gerar a partir do vetor x = 0: 0. 001: 1 um vetor com nmeros de 1 a 11?
V = 10*x+1

Exerccio
5. Sendo x = [ 2. 1 - 2 3] e y = [ 0 - 1 3] , escreva o vetor resultante das seguintes
operaes:
i) x+y ii) x- y iii) 3*x iv) x. *y

v) x. / y vi) y. ^2 vii) x. ^y
Respostas:





3. Grficos
Uma outra caracterstica muito interessante do Matlab para um engenheiro a facili-
dade de se construir grficos complicados com ele de uma maneira muito simples. Os dois
comandos mais utilizados so:
Processamento Digital de Sinais Aula 2P Professor Marcio Eisencraft agosto 2007
5

pl ot ( vet or . absci ssa, vet or . or denada, modo ) ;
st em( vet or . absci ssa, vet or . or denada) ;
O comando pl ot traa um grfico colocando seu primeiro argumento no eixo hori-
zontal e seu segundo argumento no eixo vertical. A string modo indica a forma como o
grfico ser traado. Veja hel p pl ot para mais detalhes.
St em traa um grfico da seqncia em seu segundo argumento como palitos com
crculos no valor dos dados usando seu primeiro argumento como abscissa. Veja os exemplos.

Exemplos de aplicao
a. Faa um grfico da funo ) sin(x y = para [ ] 4 , 0 x
>> x = l i nspace( 0, 4*pi , 5000) ;
>> y = si n( x) ;
>> pl ot ( x, y)

b. Faa um grfico da funo
2
x y = para 5 5 , x Z x .
>> x = - 5: 5;
>> y = x. ^2;
>> st em( x, y)

Processamento Digital de Sinais Aula 2P Professor Marcio Eisencraft agosto 2007
6

Alguns comandos interessantes:
I) gr i d coloca linhas de grade no grfico
ii) t i t l e permite acrescentar um ttulo ao grfico
iii) xl abel - permite acrescentar um ttulo no eixo das abscissas
iv) yl abel - permite acrescentar um ttulo no eixo das ordenadas
v) hol d on no apaga o grfico atual antes de fazer o seguinte

Exerccios
6. Faa um grfico de
[ ]
( )
2
sin
12
y n n

= e
[ ]
( )
2
cos
12
z n n

= para 30 30 n na
mesma figura. O grfico de
[ ]
y n dever ficar em azul e o de
[ ]
z n em vermelho.
Comandos:








4. Scripts
At este ponto, todas as nossas interaes com o Matlab tm sido atravs da linha de co-
mando. Entramos comandos ou funes na linha de comando e o Matlab interpreta nossa
entrada e toma a ao apropriada. Este o modo de operao preferencial quando nossa
sesso de trabalho curta e no repetitiva.
No entanto, o real poder do Matlab para anlise e projeto de sistemas vm da sua habili-
dade de executar uma longa seqncia de comandos armazenados num arquivo. Estes ar-
quivos so chamados de arquivos-M porque seus nomes tm a forma nomearq.m.
Um script um tipo de arquivo-M. Scripts so arquivos-textos comuns e podem ser cria-
dos usando um editor de texto.
Um script uma seqncia de comandos e funes comuns usados na linha de comando.
Um script invocado na linha de comando digitando-se o nome do arquivo. Scripts po-
dem invocar outros scripts. Quando um script invocado, o Matlab executa os comandos
e funes no arquivo como se eles tivessem sido digitados diretamente na linha de co-
mando.
Processamento Digital de Sinais Aula 2P Professor Marcio Eisencraft agosto 2007
7

O script opera sobre as variveis do espao de trabalho.
Suponha por exemplo que desejemos fazer um grfico da funo ( ) t t y sin = em que
uma varivel que queremos variar.
Usando o editor de texto do Matlab (basta ditar edi t na linha de comando), podemos
escrever um script chamado pl ot dat a. mcomo mostrado a seguir.
%Est e e umscr i pt par a f azer umgr af i co da f uncao y = si n( al f a*t )
%O val or de al f a pr eci sa exi st i r no espaco de t r abal ho ant es
%de se chamar est e scr i pt
t = 0: 0. 01: 1;
y = si n( al f a*t ) ;
pl ot ( t , y) ;
xl abel ( ' t empo( s) ' ) ;
yl abel ( ' y( t ) = si n( \ al pha t ) ' ) ;
gr i d on;
importante salvar o scritpt no mesmo diretrio em que se est trabalhando na linha de
comando. Caso contrrio, ao tentar executar o script o Matlab no encontrar o arquivo e
exibir uma mensagem de erro. Este erro muito comum quando estamos comeando a
trabalhar com scripts.
Uma vez digitado e salvo muito fcil utilizar o script. Veja os exemplos a seguir:
>> al f a = 50;
>> pl ot dat a

>> al f a = 10;
>> pl ot dat a

Processamento Digital de Sinais Aula 2P Professor Marcio Eisencraft agosto 2007
8

Ao escrever scripts sempre interessante utilizar comentrios, linhas que comeam com
%. Se voc escrever linhas de comentrio antes do comeo das instrues do script Ao
utilizar o comando hel p nomearq o Matlab apresenta estas linhas na tela. Por exem-
plo,
>> hel p pl ot dat a
Est e e umscr i pt par a f azer umgr af i co da f uncao y = si n( al f a*t )
O val or de al f a pr eci sa exi st i r no espaco de t r abal ho ant es
de se chamar est e scr i pt

5. Funes
Assim como os scripts, as funes definidas pelo usurio esto entre os recursos mais im-
portantes e utilizados do Matlab. Uma funo um script que recebe um ou mais parme-
tros do teclado e pode devolver um ou mais parmetros ou executar uma tarefa.
O formato de uma funo no Matlab o seguinte
f unct i on [ out ar g1, out ar g2, . . . ] = f name( i nar g1, i nar g2, . . . )
%Umcoment r i o
%Mai s umcoment r i o
. . . .
( cdi go execut vel )
. . . .
f name o nome da funo criada e deve ser o nome do arquivo m em que foi gravado o
arquivo. i nar g1, i nar g2, . . . so os argumentos de entrada e out ar g1, ou-
t ar g2, . . . so os argumentos de sada.
A seguir damos um exemplo bastante simples de funo. A funo somat est e recebe
dois argumentos a, b e retorna a soma deles.
f unct i on r es = somat est e( a, b) ;
%Funcao par a somar doi s numer os a e b
r es = a+b;
Uma vez que voc tenha salvado este arquivo como somat est e no diretrio corrente,
voc pode us-lo como nos exemplos a seguir:
>> somat est e( 2, 4)
ans =
6
>> a = 5;
>> b = - 3;
>> r es = somat est e( a, b)
Processamento Digital de Sinais Aula 2P Professor Marcio Eisencraft agosto 2007
9

r es =
2
Exerccios
7. (a) Digite o script pl ot dat a da pgina 7 e gere os grficos dos exemplos subseqentes.
(b) Reescreva o script pl ot dat a visto acima de forma que ele seja uma funo que re-
cebe a varivel al f a. Ou seja, escreva uma funo que faa um grfico da funo
( ) t t y sin = no intervalo 1 0 t e um parmetro escolhido pelo usurio. Por e-
xemplo, o comando:
>>pl ot dada( 50)
deve gerar o grfico

Resposta (listagem):







8. Gere um vetor de 100 valores aleatrios com distribuio uniforme no intervalo [ ] 1 , 0 .
Dica: use a funo r and (no sabe como usar? Para que serve o hel p?).
Comandos:



9. (1022) Escreva uma seqncia de comandos do Matlab que fornea um vetor contendo
100 valores aleatrios uniformemente distribudos no intervalo -1 a 1 e que faa um grfi-
co deste sinal.
Comandos:


Processamento Digital de Sinais Aula 2P Professor Marcio Eisencraft agosto 2007
10

10. (1031) Escreva uma seqncia de comandos Matlab que gere um grfico do sinal
[ ] [ ] n r n n x 2 , 0
8
cos +

=

onde [ ] n r um vetor de nmeros aleatrios com distribuio
uniforme entre -1 e 1. Faa 99 0 n . (Dica: use o comando r and).
Comandos:





11. (1032) Escreva uma funo Matlab chamada pul so2gr af cujas entradas sejam dois
nmeros inteiros a e b com b a < . A funo dever fazer o grfico de um pulso com
amplitude 2 no intervalo b n a . O grfico deve comear em 2 a e terminar em
2 + b .
Por exemplo, ao digitarmos:
>> pul so2gr af ( 2, 8) ;
devemos obter a figura

Listagem da funo:







Processamento Digital de Sinais Aula 3P Professores Marcio Eisencraft agosto 2007
Aula 3P - Gerao de seqncias no Matlab
Bibliografia
MITRA, Sanjit K. Digital signal processing: a computer-based approach. 2nd ed. Boston: McGraw-Hill,
c2001. 866 p. : il. ; 24 cm ISBN 0072321059. Pginas 6-11.
INGLE, Vinay K.; PROAKIS, J ohn G. Digital signal processing using Matlab. Pacific Grove; Albany:
Brooks/Cole, c2000. 418 p. ISBN 0534371744. Pginas 7-20.

1. Introduo
Foi visto nas aulas tericas que os objetos sobre os quais trabalhamos na rea de Proces-
samento Digital de Sinais so os sinais de tempo discreto. Estes sinais podem ser vistos
como uma simples seqncia de nmeros.
Na Aula 2P, por outro lado, foi visto que um dos principais recursos do Matlab trabalhar
de forma muito simples e intuitiva com seqncias (ou vetores).
Na aula de hoje, so estudados alguns exemplos de como gerar seqncias (especialmente
as seqncias bsicas vistas na Aula 3T) usando o Matlab. Em outras aulas de prtica ser
explorado o que se pode fazer com essas seqncias no Matlab.

2. Gerando sinais no Matlab
Como j foi visto, o Matlab uma tima ferramenta para representar sinais de tempo con-
tnuo e discreto.
Quando se est interessado em gerar sinais de tempo contnuo, usa-se como abscissa veto-
res com espaamento entre amostras bem pequeno, simulando um intervalo de tempo con-
tnuo. Por exemplo, t =0: 0. 001: 1.
Quando se est interessado em gerar sinais de tempo discreto, usa-se como abscissa vetores
com espaamento unitrio entre amostras. Por exemplo, n=0: 100.

2.1. Funes degrau e impulso
Foi visto na Aula 2P que para gerar uma seqncia de Muns no Matlab, usa-se o comando
ones( 1, M) e para gerar uma seqncia de M zeros, usamos o comando zer os( 1, M) .
Podem-se usar esses dois comandos para gerar os sinais impulso e degrau.
Por exemplo, para gerar um sinal degrau estendendo-se de n=- 50 a n = 49 usamos a
seqncia de comandos:
>> n = - 50: 49;
>> u = [ zer os( 1, 50) ones( 1, 50) ] ;
>> st em( n, u) ;
1

Processamento Digital de Sinais Aula 3P Professores Marcio Eisencraft agosto 2007


Para gerar um impulso de tempo discreto de amplitude unitria utiliza-se:
>> del t a = [ zer os( 1, 50) 1 zer os( 1, 49) ] ;
>> st em( n, del t a) ;


Sinais degrau deslocados no tempo podem ser utilizados para descrever pulsos retangula-
res. Por exemplo, a seguinte seqncia de comandos gera um pulso retangular centralizado
na origem.
>> n = - 50: 50;
>> u1 = [ zer os( 1, 40) ones( 1, 61) ] ;
>> u2 = [ zer os( 1, 61) ones( 1, 40) ] ;
>> pul so = u1- u2;
>> subpl ot ( 3, 1, 1) ; st em( n, u1) ;
>> subpl ot ( 3, 1, 2) ; st em( n, u2) ;
>> subpl ot ( 3, 1, 3) ; st em( n, pul so) ;
2

Processamento Digital de Sinais Aula 3P Professores Marcio Eisencraft agosto 2007


Voc entendeu o que o comando subpl ot faz? Se no, use o hel p.

Exerccio
1. Um pulso retangular definido por [ ] n x
[ ]


=
contrrio caso , 0
10 0 , 8 n
n x
Faa um grfico deste pulso no Matlab no intervalo 20 20 n .
RESOLUO (comandos Matlab utilizados):





2. (INGLE; PROAKIS, 2000, p.13) (1041) Escreva comandos Matlab para gerar grficos de
cada um dos seguintes sinais nos intervalos indicados:
(a) [ ] [ ] [ ] 4 2 2 + = n n n x , 5 5 n .
(b) [ ] [ ] [ ] ( )
( )
[ ] [ ] ( ) 20 10 10 10
10 3 , 0
+ =

n u n u e n u n u n n x
n
, 20 0 n .
RESOLUO (comandos Matlab utilizados):




3

Processamento Digital de Sinais Aula 3P Professores Marcio Eisencraft agosto 2007
2.2. Sinais exponenciais
Vejamos alguns exemplos de gerao de sinais exponenciais usando o Matlab.
Para fazer um grfico do sinal [ ] ( )
n
n x 85 , 0 = basta executarmos os seguintes comandos:
>> n = - 20: 20;
>> x = ( 0. 85) . ^n;
>> st em( n, x) ;


Repare na segunda linha a utilizao do . ^j que n trata-se de um vetor.

Exerccio
3. Faa uma rotina (arquivo .m) chamado expgr af em Matlab cuja entrada seja um nme-
ro real a. Este programa dever fazer o grfico de [ ]
n
a n x = , para . Por exem-
plo, ao digitarmos:
10 0 n
>> expgr af ( 0. 5) ;
deveremos obter o grfico

RESOLUO:






4

Processamento Digital de Sinais Aula 3P Professores Marcio Eisencraft agosto 2007
2.3. Sinais senoidais
As funes si n e cos podem ser usadas para criar sinais senoidais de tempo discreto.
Por exemplo, para gerar o sinal [ ]

= n n x
6
cos 2

, usamos a seqncia de comandos:
>> n = - 20: 20;
>> Omega = pi / 6;
>> x = 2*cos( Omega*n) ;
>> st em( n, x) ;


Lembrando do que Foi visto na Aula 3T, um sinal senoidal de tempo discreto
[ ] ( ) + = n A n x sin peridico de perodo fundamental se existir um inteiro posi-
tivo tal que
N N
N
m 2
= , com inteiro. Aplicando esta condio ao exemplo anterior, ve-
mos que ele peridico de perodo
m
12 = N o que confirmado pelo grfico acima.

Exerccios
4. Faa em uma mesma figura (use subpl ot ) os grficos dos sinais [ ] ( ) n n x 75 , 0 cos = e
[ ] ( n n y ) 25 , 1 cos = . Compare os grficos obtidos. O grfico deve conter dois perodos dos
sinais.
RESOLUO (comandos Matlab utilizados e comentrios):

5

Processamento Digital de Sinais Aula 3P Professores Marcio Eisencraft agosto 2007
5. Faa uma rotina (arquivo .m) cosgr af em Matlab cuja entrada seja os nmeros reais A
e . Este programa dever fazer o grfico de [ ] ( ) n A n x = cos , para


6
0 n . Por
exemplo, ao se digitar:
>> cosgr af ( 1, pi / 6) ;
deve-se obter o grfico

RESOLUO (comandos Matlab utilizados e comentrios):





6. A funo a seguir calcula a soma das amostras de um sinal x[ n] .
%Pr ogr ama par a cal cul ar a soma das amost r as de umsi nal
f unct i on s = soma( x) ,
s = sum( x) ;
Implemente este programa no Matlab e teste-o para os seguintes sinais:
(a) x = ones( 1, 30) ;
(b) x = 2*ones( 1, 30) ;
RESPOSTAS:



7. Modifique o programa do exerccio anterior para que ele calcule a energia de um sinal
x[ n] .
RESPOSTAS (Programa e resultados)

6

Processamento Digital de Sinais Aula 4P Professor Marcio Eisencraft - agosto 2007
1

Aula 4P - Exemplos de sistemas no Matlab
Bibliografia
HAYKIN, Simon S.; VAN VEEN, Barry. Sinais e sistemas. Porto Alegre: Bookman, 2001. 668 p. ISBN
8573077417. Pginas 61-70.
MATSUMOTO, lia Yathie. Simulink 5. So Paulo: rica, 2003. 204 p.: il. ; 25 cm ISBN 8571949379.

O objetivo desta aula reforar o contedo visto na Aula 4T, ou seja, sistemas (ou filtros)
de tempo discreto e sua classificao. Alm disso, veremos uma maneira de implementar
estes filtros no Matlab usando o pacote si mul i nk. Em aulas futuras, veremos formas
mais eficientes de implementaes de filtros digitais no Matlab.
Atravs dos exemplos, ilustraremos um conceito muito importante em PDS: filtros FIR
(resposta impulsiva finita) e IIR (resposta impulsiva infinita). Um filtro dito FIR se sua
resposta ao impulso unitrio tem um nmero finito de amostras no nulas. Um filtro dito
IIR se sua resposta ao impulso unitrio possui um nmero infinito de amostras.

Exerccios
1. (Um multiplicador) Dado o filtro a seguir:
[ ] [ ] n x n y 4 =
, pede-se:
(a) Calcule as 5 primeiras amostras para 0 n da resposta impulsiva deste filtro, ou seja, para
[ ] [ ] n n x = .



(b) Desenhe um diagrama de blocos que represente este filtro;


(c) implemente este filtro como um diagrama de blocos no si mul i nk;

(d) Rode o filtro no Matlab usando como entrada um impulso [ ] [ ] n n x = . Faa 50 0 n e
obtenha um grfico de [ ] n y . Este filtro tem resposta impulsiva finita (FIR) ou infinita (IIR)?




Processamento Digital de Sinais Aula 4P Professor Marcio Eisencraft - agosto 2007
2

2. (Um filtro FIR) Dado o filtro a seguir:
[ ] [ ] [ ] [ ] 2 7 , 0 1 5 , 0 + = n x n x n x n y

(a) Calcule as 5 primeiras amostras para 0 n da resposta impulsiva deste sinal, ou seja, para
[ ] [ ] n n x = .




(b) Desenhe um diagrama de blocos que represente este filtro;




(c) implemente este filtro como um diagrama de blocos no si mul i nk;

(d) Rode o filtro no Matlab usando como entrada um impulso [ ] [ ] n n x = . Faa 50 0 n e
obtenha um grfico de [ ] n y . Este filtro tem resposta impulsiva finita (FIR) ou infinita (IIR)?





3. (Um filtro IIR) Dado o filtro a seguir:
[ ] [ ] [ ] n x n y n y 4 , 0 1 5 , 0 + =

com condio inicial [ ] 0 1 = y .
(a) Calcule as 5 primeiras amostras para 0 n da resposta impulsiva deste sinal, ou seja, para
[ ] [ ] n n x = .





(b) Desenhe um diagrama de blocos que represente este filtro;
Processamento Digital de Sinais Aula 4P Professor Marcio Eisencraft - agosto 2007
3





(c) implemente este filtro como um diagrama de blocos no si mul i nk;

(d) Rode o filtro no Matlab usando como entrada um impulso [ ] [ ] n n x = . Faa 50 0 n e
obtenha um grfico de [ ] n y . Este filtro tem resposta impulsiva finita (FIR) ou infinita (IIR)?







4. Implemente o seguinte diagrama de blocos que utiliza o arquivo voz. wav que est dis-
ponvel na pasta da disciplina. Descreva o resultado da simulao e verifique o que ocorre
ao se alterar os parmetros do diagrama de blocos.




Processamento Digital de Sinais Aula 5P Professor Marcio Eisencraft agosto 2007
1
Aula 5P Amostragem
Senides de tempo discreto
Bibliografia
HAYKIN, Simon; VAN VEEN, Barry. Sinais e sistemas. Porto alegre: Bookman, 2001. 668 p. : il. (algu-
mas ISBN 8573077417). Pginas 283-309.
LATHI, B. P. Signal processing and linear systems. New York: Oxford University Press, c1998. 850 p. :
il. ; 27 cm ISBN 0195219171. Pginas 546-559.

1. Introduo
Uma senide de tempo discreto genrica pode ser expressa como ( ) + n Ccos , em que
C sua amplitude, sua freqncia (em radianos por amostras) e sua fase (em ra-
dianos). A figura a seguir mostra senide de tempo discreto

+
4 12
cos

n .



Uma observao bsica. Como ( ) ( ) x x cos cos = ,
( ) ( ) = + n n cos cos


Assim, tanto ( ) + n cos quanto ( ) n cos tem a mesma freqncia ( ). Assim, a fre-
qncia de ( ) + n cos .



Processamento Digital de Sinais Aula 5P Professor Marcio Eisencraft agosto 2007
2
Exerccio
1. Use o Matlab para fazer a figura anterior. Ou seja, escreva uma seqncia de comandos
que gere o grfico de

+
4 12
cos

n .
RESPOSTA: (Comandos e comentrios)








2. Senides de tempo contnuo amostradas resultam em senides de tempo discreto
Uma senide de tempo contnuo ( ) t cos amostrada a cada T segundos fornece uma se-
qncia de tempo discreto cujo n -simo elemento (em nT t = ) ( ) nT cos . Assim, o si-
nal amostrado [ ] n y dado por:
[ ] ( )
n
nT n y
=
=
cos
cos
em que T = .
Claramente, uma senide de tempo contnuo t cos amostrada a cada T segundos forne-
ce a senide de tempo discreto ( ) n cos em que T = .
Superficialmente, pode parecer que uma senide de tempo discreto uma senide de tem-
po contnuo apresentada com bolinhas. No entanto, como veremos as propriedades das se-
nides de tempo discreto so muito diferentes das de tempo contnuo.
No caso contnuo, o perodo de uma senide pode assumir qualquer valor; inteiro, fracio-
nrio, ou mesmo irracional. Os sinais de tempo discreto, por outro lado, s so especifica-
dos em valores inteiros de n . Assim, o perodo precisa ser um inteiro (em termos de n )
ou um mltiplo inteiro de T (em termos da varivel contnua t ).

Exerccio
2. Seja o sinal de tempo contnuo ( )

= t t x
6
cos

.
(a) Qual o perodo deste sinal? Faa um grfico deste sinal para 30 30 t usando o
Matlab.
Processamento Digital de Sinais Aula 5P Professor Marcio Eisencraft agosto 2007
3
(b) Agora suponha que voc amostre este sinal com um perodo de amostragem 1 = T .
Escreva o sinal de tempo discreto resultante [ ] n y . Qual o perodo deste sinal? Usando o
Matlab faa um grfico deste sinal sem apagar o anterior (use o comando hol d).
RESPOSTA: (Resoluo, comandos e comentrios).





3. Seja o sinal de tempo contnuo ( ) ( ) t t x cos = .
(a) Qual o perodo deste sinal? Faa um grfico deste sinal para 30 30 t usando o
Matlab.
(b) Agora suponha que voc amostre este sinal com um perodo de amostragem 1 = T .
Escreva o sinal de tempo discreto resultante [ ] n y . Qual o perodo deste sinal? Usando o
Matlab faa um grfico deste sinal para 30 30 n sem apagar o anterior (use o co-
mando hol d).
RESPOSTA: (Resoluo, comandos e comentrios):





3. Algumas peculiaridades das senides de tempo discreto
Existem duas propriedades inesperadas das senides de tempo discreto que as distingue de
seus parentes de tempo contnuo.
1. Uma senide de tempo contnuo sempre peridica independentemente de
sua freqncia . Mas uma senide de tempo discreto n cos peridica
apenas se igual a 2 vezes um nmero racional (
2

um nmero ra-
cional).
2. Uma senide de tempo contnuo t cos tem uma forma de onda nica para
cada valor de . J a senide n cos no tem uma forma de onda nica
para cada valor de . De fato, senides de tempo discreto com freqncias
separadas por mltiplos de 2 so idnticas. Assim, uma senide
Processamento Digital de Sinais Aula 5P Professor Marcio Eisencraft agosto 2007
4
( ) ( ) K = + = + = n n n 4 cos 2 cos cos . Agora vamos examinar cada
uma destas peculiaridades.

Exerccio
4. Usando o comando subpl ot faa os grficos de [ ]

+ = 1 , 0
8
cos
1
n n x

,
[ ]

+ =

+ = 1 , 0
8
17
cos 1 , 0 2
8
cos
2
n n n x

e
[ ]

+ =

= 1 , 0
8
15
cos 1 , 0 2
8
cos
3
n n n x

. Calcule os perodos dos 3 sinais e


compare.
RESPOSTA: (Resoluo, comandos e comentrios):



4. Nem todas as senides de tempo discreto so peridicas
Um sinal de tempo discreto [ ] n x dito peridico de perodo
0
N se
[ ] [ ]
0
N n x n x + =
para algum inteiro positivo
0
N . O menor
0
N que satisfaz esta equao o perodo de [ ] n x .
A figura a seguir mostra um exemplo de sinal peridico de perodo 6.

Se um sinal n cos peridico de perodo
0
N , ento:
( ) ( )
( )
0
0
cos
cos cos
N n
N n n
+ =
+ =

Processamento Digital de Sinais Aula 5P Professor Marcio Eisencraft agosto 2007
5
Este resultado possvel somente se
0
N um mltiplo inteiro de 2 , isto :
m N 2
0
=
m inteiro
ou
0
2 N
m
=


Como tanto m quanto
0
N so inteiros, a equao acima implica que a senide n cos
peridica apenas se
2

for um nmero racional. Neste caso, o perodo


0
N dado por:

=
2
0
m N
(1)

Para calcular
0
N , precisamos escolher o menor valor de m que far

2
m
um intei-
ro. Por exemplo, se
17
4
= , ento o menor valor de m que far
2
17 2
m m =

um
inteiro 2. Assim,
17
2
17
2
2
0
= =

=

m N .
Usando um argumento similar, podemos mostrar que esta discusso tambm se aplica
exponencial de tempo discreto
n j
e

. Assim, a exponencial de tempo discreto
n j
e

pe-
ridica apenas se
2

um nmero racional.



5. Explicao fsica para a relao de periodicidade
Qualitativamente, este resultado pode ser explicado lembrando que a senide de tempo
discreto n cos pode ser obtida por amostragem de uma senide de tempo contnuo
t cos com intervalo de amostragem 1 = T . Isto , t cos amostrada em = t 0, 1, 2, 3,....
Isto significa que t cos a envoltria de n cos . Como o perodo de t cos

2
, e-

Podemos tambm demonstrar este ponto observando que se


n j
e

peridico de perodo
0
N , ento:
( )
0 0
N j n j N n j n j
e e e e
+
= = .

Este resultado s possvel se m N 2
0
= ( m inteiro) Esta equao leva Equao (1).
Processamento Digital de Sinais Aula 5P Professor Marcio Eisencraft agosto 2007
6
xistem

2
amostras (elementos) de n cos em um ciclo desta envoltria. Este nmero
pode ser inteiro ou no.
A figura seguinte mostra trs senides

n
4
cos

,

n
17
4
cos

e ( ) n 8 , 0 cos .
O primeiro grfico mostra

n
4
cos

para o qual cabem exatamente 8 amostras em ca-
da perodo de sua envoltria

8
2
. Assim,

n
4
cos

repete-se a cada ciclo de sua
envoltria. Claramente

n
4
cos

peridica com perodo 8.
Por outro lado, o segundo grfico, que mostra

n
17
4
cos

, tem uma mdia de
5 , 8
2
=

amostras (um nmero no inteiro) em um ciclo de sua envoltria. Portanto, o


segundo ciclo da envoltria no ser idntico ao primeiro ciclo. Mas existem 17 amostras
(um nmero inteiro) em dois ciclos da envoltria. Assim, o padro torna-se repetitivo a
cada dois ciclos da envoltria. Portanto,

n
17
4
cos

tambm peridico, mas seu perodo
17 (dois ciclos de sua envoltria).

Processamento Digital de Sinais Aula 5P Professor Marcio Eisencraft agosto 2007
7
Esta observao indica que um sinal n cos peridico somente se podemos encaixar
um nmero inteiro (
0
N ) de amostras em m nmero inteiro de ciclos de sua envoltria.
Como o perodo da envoltria

2
conclumos que

=
2
0
m N

que exatamente a equao a que tnhamos chegado.
Se
2

irracional, impossvel encaixar um nmero inteiro (


0
N ) de amostras em um
nmero inteiro ( m ) de ciclos da envoltria e o padro nunca se torna repetitivo. Por e-
xemplo, a senide ( ) n 8 , 0 cos no terceiro grfico da figura acima tem uma mdia de 5 , 2
amostras (um nmero irracional) por ciclo da envoltria e o padro no pode ser feito re-
petitivo sobre um nmero inteiro ( m) de ciclos da envoltria; assim ( ) n 8 , 0 cos no peri-
dico.

Exerccios
5. Reproduza no Matlab a figura da pgina 6.
RESPOSTA: (Resoluo, comandos e comentrios):




6. Os fonoaudilogos usam um equipamento chamado audimetro para testar a audio de
deficientes auditivos. Basicamente, este aparelho reproduz um tom dado pela senide
( ) f 2 sin para f entre 100Hz e 3000Hz.
Escreva um programa (seqncia de comandos) Matlab que produza um tom na fre-
qncia f que dure 5s:
(a) 500 = f Hz (b) 700 = f Hz (c) 1100 = f Hz (d) 1300 = f Hz.
RESPOSTA: (Comandos e comentrios)




Processamento Digital de Sinais Aula 6P Professor Marcio Eisencraft setembro 2007
1
Aula 6P Aplicaes da soma de convoluo
Bibliografia
HAYKIN, Simon S.; VAN VEEN, Barry. Sinais e sistemas. Porto Alegre: Bookman, 2001. 668 p. ISBN
8573077417. Pginas 85-99.
OPPENHEIM, Alan V.; WILLSKY, Alan S.; NAWAB, S. Hamid. Signals & systems. 2nd. ed. Upper
Saddle River, New Jersey: Prentice-Hall, c1997. 957 p. ISBN 0138147574. Pginas 74-90.

Exerccios sobre soma de convoluo
1. Um sistema LIT tem a resposta ao impulso dada por
[ ] [ ] 10 ] [ = p w p w p j
Determine a sada deste sistema quando a entrada for o pulso retangular definido como
[ ] [ ] [ ] 7 2 = p w p w p z

RESOLUO











2. Obtenha novamente o resultado do Exerccio 1 utilizando o comando conv do Matlab.
COMANDOS UTILIZADOS:



Processamento Digital de Sinais Aula 6P Professor Marcio Eisencraft setembro 2007
2
3. Um sistema LIT tem resposta ao impulso
[ ] [ ] p w p j
p

=
4
3

Determine a sada do sistema [ ] p { quando a entrada for [ ] [ ] p w p z = .
RESOLUO
















Aplicaes
4. Um sistema de mdia mvel um sistema que calcula a mdia dos P ltimos valores da
entrada com o objetivo de suavizar o sinal de sada, ou seja, diminuir suas variaes.
Ele pode ser expresso por:
[ ] [ ] [ ] [ ] [ ] ( ) P p z p z p z p z
P
p { + + + +
+
= 2 1
1
1

(a) Calcule a resposta impulsiva para o sistema mdia mvel com 4 = P , ou seja, para:
[ ] [ ] [ ] [ ] [ ] [ ] ( ) 4 3 2 1
5
1
+ + + + = p z p z p z p z p z p {
RESOLUO




Processamento Digital de Sinais Aula 6P Professor Marcio Eisencraft setembro 2007
3
(b) Utilizando convoluo, calcule a resposta deste sistema entrada [ ] [ ] [ ] 3 = p w p w p z .
RESOLUO





(c) Agora repita o item (b) utilizando o comando conv.
COMANDOS UTILIZADOS:





(d) Utilize agora como a entrada uma senide de tempo discreto com perodo 15 = P e
definida de 0 a 100 somada a um rudo branco gaussiano com desvio-padro 0,3 (use o
comando r = 0.3*randn(1,101)). Verifique e interprete a sada utilizando o comando
conv. (Coloque numa mesma figura a entrada e a sada. Use subplot).
COMANDOS UTILIZADOS E INTERPRETAO





(e) Como voc poderia melhorar a filtragem do item (d)?
RESPOSTA



5. O arquivo eletro1.m contm amostras obtidas de um eletrocardiograma no site
physionet.org. Estes pontos podem ser carregados para uma varivel x1 no Matlab
estando no diretrio correto e usando o comando:
>> x1 = load(eletro1.m);
Pede-se:
Processamento Digital de Sinais Aula 6P Professor Marcio Eisencraft setembro 2007
4
(a) Verifique o comprimento do vetor x1 utilizando o comando whos e faa um grfico deste
sinal.
(b) Obtenha a resposta impulsiva de um filtro mdia mvel do Exerccio 1 para 49 = P .
(c) Utilize o comando conv e a resposta impulsiva da letra (b) para obter uma verso
suavizada do sinal visto na letra (a). Usando subplot, obtenha um grfico do sinal
original e de sua verso suavizada na mesma figura. Comente sobre os resultados obtidos.
COMANDOS UTILIZADOS E RESPOSTAS (USE O VERSO TAMBM).


Processamento Digital de Sinais Aula 7P Professor Marcio Eisencraft setembro 2006
1

Aula 7P - Questes da prova P1

1. (HSU, 2004, p. 31) (2,0) Um sinal de tempo discreto
[ ]
x n mostrado na figura a seguir. Faa
o grfico de cada um dos seguintes sinais:
(a)
[ ]
2 x n ; (b)
[ ]
2 x n ; (c)
[ ]
x n ; (d)
[ ]
2 x n +
-2 -1 0 1 2 3 4 5 6
0
0.5
1
1.5
2
2.5
3
n
x
[
n
]


2. (HAYKIN; VEEN, 2001, p. 81) Determine se os seguintes sinais so peridicos. Se o forem,
encontre o perodo fundamental:
(a) (0,5)
[ ]
( )
8
cos
15
x n n =

(b) (0,5)
[ ]
( )
7
cos
15
x n n =

(c) (0,5)
[ ]
[ ]
[ ] { }
2
3
k
x n n k n k

=
= +



3. (HSU, 2004, p. 43) Calcule a energia e a potncia dos seguintes sinais e classifique-os em
sinal de energia, sinal de potncia ou nenhum dos dois.
(a) (1,0) [ ] ( ) [ ] 0,5
n
x n u n =
Processamento Digital de Sinais Aula 7P Professor Marcio Eisencraft setembro 2006
2

(b) (1,0)
[ ] [ ]
x n u n = .

4. (PROAKIS; MANOLAKIS, 1996, p. 137) Os seguintes pares entrada-sada foram observados
durante a operao de um sistema linear:
[ ]
{ }
[ ]
{ }
[ ]
{ }
[ ]
{ }
[ ]
{ }
[ ]
{ }
1 1
2 2
3 3
1; 2; 1 1; 2; 1; 0; 1
1; 1 1 1; 1; 0; 2
0; 1; 1 1; 2; 1
H
H
H
x n y n
x n y n
x n y n



= =
= =
= =

(a) (1,0) Determine a resposta impulsiva do sistema.
(b) (0,5) O que se pode afirmar sobre a invarincia no tempo deste sistema? J USTIFIQUE.

5. (INGLE; PROAKIS, 2000, p. 35) Seja [ ] { } 10 ; 8 ; 5 ; 6 ; 4 ; 2 ; 1

= n x . Obtenha e
faa um grfico das seguintes seqncias no intervalo 10 10 n .
(a) (1,0) [ ] [ ] [ ] [ ] n x n x n x n x 2 4 2 3
1
+ + =
(b) (1,0)
[ ] [ ]
( ) [ ]
0,5
2
2 cos 0,1 2
n
x n x n n x n = + +




Processamento Digital de Sinais Aula 8P Professores Marcio Eisencraft setembro 2007
1
Aula 8P - Simulando equaes de diferenas no Matlab
HAYKIN, Simon S.; VAN VEEN, Barry. Sinais e sistemas. Porto Alegre: Bookman, 2001. 668 p. ISBN
8573077417. Pgina 149.
INGLE, Vinay K.; PROAKIS, John G. Digital signal processing using Matlab. Pacific Grove; Albany:
Brooks/Cole, c2000. 418 p. ISBN 0534371744. Pginas 29-35.

O Matlab permite a resoluo de equaes de diferenas com a utilizao dos comandos
filter e filtic.
Seja a equao de diferenas
[ ] M] - x[n b ... 1] - x[n b x[n] b N - n y a 1] - y[n a y[n] a
1 2 1 1 N 2 1 + +
+ + + = + + +
O
.
Primeiramente, vamos considerar que as condies iniciais so nulas. Neste caso, para resol-
v-la no Matlab, usamos o comando:
y = filter(B, A, x);
O vetor B contm os elementos
1 2 1
, ,
+ O
d d d e o vetor A contm os elementos
1 2 1
, ,
+ O
c c c .
O vetor x contm os pontos do sinal de entrada.
Por exemplo, para encontrar os 20 primeiros pontos de [ ] p { , soluo da equao de diferen-
as [ ] [ ] [ ] p z p { p { = 1 5 , 0 para [ ] [ ] p w p z = e condies iniciais nulas, usamos a seguinte se-
qncia de comandos:
>> n = 0:19;
>> x = ones(1,20);
>> B = [1];
>> A = [1 -0.5];
>> y = filter(B,A,x);
>> stem(n,y);
No caso de condies iniciais no nulas, usamos o comando filtic para transformar as
condies [ ] [ ] [ ] [ ] P { { { , , 2 , 1 nas condies iniciais usadas pelo comando filter.
Seja por exemplo, resolver o mesmo problema proposto anteriormente s que com condio
inicial [ ] 2 1 = { . Usamos o seguinte conjunto de instrues:
>> n = 0:19;
>> x = ones(1,20);
>> B = [1];
>> A = [1 -0.5];
>> zi = filtic(B,A,[2]);
>> y = filter(B,A,x, zi);
Processamento Digital de Sinais Aula 8P Professores Marcio Eisencraft setembro 2007
2
>> stem(n,y);

Exerccios
1. Seja a equao de diferenas
[ ] [ ] [ ] p z p { p { = 1 5 , 0
Para 19 0 p
(a) Calcule a resposta impulsiva deste sistema (use iteraes).
RESOLUO:






(b) Calcule a resposta impulsiva usando o comando filter do Matlab.
COMANDOS E COMENTRIOS:



(c) Calcule a resposta ao degrau deste sistema usando convoluo.
RESOLUO:




(d) Calcule a resposta ao degrau deste sistema usando filter.
COMANDOS E COMENTRIOS:




(e) Calcule a resposta deste sistema para a entrada [ ]

= p p z
3
sin

e condies inicias nulas
usando o comando conv do Matlab.
COMANDOS E COMENTRIOS:
Processamento Digital de Sinais Aula 8P Professores Marcio Eisencraft setembro 2007
3

(f) Repita o item (e) usando filter.
COMANDOS E COMENTRIOS:



2. No p -simo semestre, [ ] p z estudantes matriculam-se num curso que requer certo livro
texto. A editora vende [ ] p { cpias novas do livro no semestre p . Em mdia, um quarto
dos estudantes com livros em condies de vendas revende seus livros ao final do semes-
tre e a vida til do livro trs semestres.
(a) Escreva a equao de diferenas relacionando [ ] p { , os novos livros vendidos pela editora
com [ ] p z , o nmero de estudantes matriculados no p -simo semestre, assumindo que cada
estudante compra um livro.
(b) Sendo o nmero de alunos num semestre sempre igual a 48 ( [ ] [ ] p w p z 48 = ) quantos livros
esta editora dever vender por semestre, depois de passado o transitrio?
RESOLUO:










O comando Matlab y = impz(B,A,n) pode ser usado para computar as primeiras N a-
mostras da resposta impulsiva do sistema LIT discreto da equao:
[ ] M] - x[n b ... 1] - x[n b x[n] b N - n y a 1] - y[n a y[n] a
1 2 1 1 N 2 1 + +
+ + + = + + +
O
.
O programa Matlab a seguir computa e faz um grfico da resposta impulsiva descrita pela e-
quao:
[ ] [ ] [ ] [ ] [ ] [ ] 2 2403 , 2 1 4908 , 2 2403 , 2 2 75 , 0 1 4 , 0 + + = + p z p z p z p { p { p { .
%Programa para exerccios seguintes
%Computa a resposta impulsiva h
Processamento Digital de Sinais Aula 8P Professores Marcio Eisencraft setembro 2007
4
clf;
N = 40;
B = [2.2403 2.4908 2.2403];
A = [1 -0.4 0.75];
h = impz(B,A,N);
%Faz um grafico da resposta impulsiva
stem(0:N-1,h);
xlabel('indice temporal n'); ylabel('Amplitude');
title('Resposta impulsiva');grid;

3. (MITRA, 1999, p.26) Rode o programa acima e gere a resposta impulsiva para o sistema
de tempo discreto da equao dada acima.
COMANDOS E COMENTRIOS:




4. (MITRA, 1999, p.26) Modifique o programa acima para gerar as primeiras 45 amostras da
resposta impulsiva do seguinte sistema LIT causal:
[ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] 3 002 , 0 2 35 , 0 1 45 , 0 9 , 0 3 62 , 0 2 46 , 0 1 71 , 0 + + = + p z p z p z p z p { p { p { p {

COMANDOS E COMENTRIOS:



.
5. (MITRA, 1999, p.27) Escreva um programa Matlab que gere a resposta impulsiva do sis-
tema LIT do exerccio anterior usando o comando filter; compute e faa um grfico
das primeiras 40 amostras. Compare com o resultado obtido no Exerccio 4.
COMANDOS E COMENTRIOS:






Processamento Digital de Sinais Aula 9P Professores Marcio Eisencraft setembro 2007
1

Aula 9P - Exemplos simples de processamento de voz
Bibliografia
INGLE, Vinay K.; PROAKIS, John G. Digital signal processing using matlab. Pacific Grove: Brooks :
Cole Publishing, c2000. 418 p. : il. ; 24 cm ISBN 0534371744. Pginas 7-20.
HANSELMAN, Duane C; LITTLEFIELD, Bruce. MATLAB 6: curso completo. So Paulo: Prentice Hall,
c2003. 676 p. ISBN 8587918567. Pgina 375.

Vamos ver agora uma possvel aplicao dos conhecimentos que obtivemos at agora num
caso mais prtico. O processamento de sinais de voz.
Para isso, sero disponibilizados para os alunos os arquivos de udio voz.wav e tes-
te.wav.
Comearemos carregando o sinal no Matlab. Estando no diretrio correto, fazemos:
>> [voz, fs, nbits] = wavread('voz.wav');
>> voz = voz';
Com estes comandos, o vetor voz conter as amostras do arquivo voz.wav. A varivel fs
contm a freqncia em que o sinal foi amostrado (Hz ou amostras/s) e a varivel nbits
contm o nmero de bits utilizado para representar cada amostra.
Digitando whos podemos ver que o vetor voz composto por 60000 amostras. Para to-
carmos o sinal no alto-falante do PC usamos o comando sound(<varivel>,
<freqncia de amostragem>). Por exemplo, podemos fazer:
>> sound(voz,fs)

Atividades (nos espaos coloque os comandos Matlab utilizados e comentrios sobre os
resultados obtidos)
1. Qual a freqncia de amostragem do sinal de voz voz.wav?
Resposta e comentrios:

2. Se ele composto por 60000 amostras, qual a durao em segundos deste sinal?
Resposta e comentrios:


3. Utilizando o comando sound tente toc-lo com um valor de fs diferente. O que aconte-
ce? Explique o que voc ouviu.
Resposta e comentrios:

Processamento Digital de Sinais Aula 9P Professores Marcio Eisencraft setembro 2007
2

4. Obtenha um grfico do vetor voz.
Resposta e comentrios:


5. Obtenha um vetor vozmet contendo apenas os 30000 primeiros pontos de voz. Faa um
grfico e toque o sinal vozmet.
Resposta e comentrios:



6. Obtenha um vetor (chame-o, por exemplo, de vozinvert) que contenha as amostras do ve-
tor voz s que de traz pra frente. Toque-o usando sound. Faa um grfico deste sinal.
Resposta e comentrios:


7. Vimos que a potncia de um sinal pode ser obtida fazendo-se uma mdia dos valores da
potncia instantnea [ ] [ ] p z p r
2
= . Isto pode ser obtido no Matlab com o comando:
>> p = sum(voz.^2)/length(voz)
Qual a potncia do sinal voz?
Resposta e comentrios:


8. Para gerar um rudo com 60000 pontos e potncia Pruido, pode ser usado o comando:
>> ruido = sqrt(Pruido)*randn(1,60000);
Gere um rudo com potncia Pruido = 1 e oua o resultado. Modifique a potncia do ru-
do e observe o que ocorre.
Resposta e comentrios:



9. Um dos conceitos mais utlizados em processamento digital de sinais e telecomunicaes
o de relao sinal-rudo (SNR = signal to noise ratio) que a razo entre a potncia do si-
nal e a potncia do rudo num certo sinal. Por exemplo, se quisermos gerar um som que
tenha SNR = 5, podemos usar o seguinte script:
Processamento Digital de Sinais Aula 9P Professores Marcio Eisencraft setembro 2007
3

% SCRIPT noise.m gera um sinal de voz somado a ruido com
% SNR fixa
[voz,fs,nbits] = wavread('voz.wav');
voz = voz';
SNR = 5;
Psinal = sum(voz.^2)/length(voz);
Pruido = Psinal/SNR;
ruido = sqrt(Pruido)*randn(1,60000);
vozr = voz+ruido;
sound(vozr,fs)
Modifique o script acima para gerar sons com SNR igual a 100, 50, 20, 10, 2, 1, 0,1 e 0. Des-
cubra at que nvel de SNR a mensagem ainda inteligvel.
Resposta e comentrios:




10. Um filtro FIR pode ser utilizado para obtermos um efeito de eco acstico. Se o sinal
amostrado a 8kHz, por exemplo, o seguinte filtro gera um eco de 0,5s.
[ ] [ ] [ ]
0, 7 4000 { p z p z p = + .
Este filtro pode ser utilizando o comando filter. Obtenha e oua o resultado da aplicao
deste filtro ao sinal teste.wav. Para l-lo no Matlab, use o comando:
>> [x, fs] = wavread(teste.wav);
Resposta e comentrios:




11. Escreva uma funo que tenha como formato
function [y] = eco(x,fs,N,alfa)
que recebe um sinal guardado na varivel x e implementa e toca o sinal com eco
[ ] [ ] [ ]
{ p z p cz p P = + .
Teste seu programa para o arquivo teste.wav do exerccio anterior.
Resposta e comentrios:
Processamento Digital de Sinais Aula 10P Professor Marcio Eisencraft setembro 2007
1
Aula 10P Modelagem, predio e sntese de voz
Bibliografia
STONICK, Virginia L. Labs for signals and systems: using MATLAB. Boston; Albany: PWS, c1996. 143 p.
ISBN 0534938086.. Pginas 57-68.
BURRUS, C. Sidney, Oppenheim, Alan V., Parks, Thomas W., Schafer, Ronald W., Schuessler, Hans W. Com-
puter-based exercises for signal processing using Matlab 5. Upper Saddle River: Prentice-Hall, c1998. 404 p. :
il. ; 28 cm ISBN 0137890095. Pginas 329-350.

1. Fundamentos de sinais de voz
Fisicamente, a voz produzida quando o ar dos pulmes excita o sistema de trato vocal mos-
trado na Figura 1.
O trato vocal se comporta como uma cavidade ressonante de forma que o sinal que emana
pela boca uma soma ponderada de verses atrasadas do sinal vocal original mais as excita-
es. O modelo em tubos do trato vocal mostrado nas Figuras 2 e 3.
Os diferentes tipos de sons da voz podem ser divididos de forma simplificada em dois grupos:
os sons voclicos e os sons fricativos ou no-voclicos.
Sons vocalicos: so produzidos usando uma seqncia de impulsos como entrada; o perodo
fundamental desta seqncia determina a tonalidade (pitch). Por exemplo, vogais so sons
voclicos; quando se diz a, pode-se sentir a vibrao das cordas vocais.

Figura 1 Detalhes do trato vocal. (SENDA, 2005).
Processamento Digital de Sinais Aula 10P Professor Marcio Eisencraft setembro 2007
2
Sons no-vocalicos: so produzidos usando rudo branco como entrada. Estes sons geralmen-
te so gerados por um fluxo turbulento de ar pela boca, por exemplo, quando se pronuncia
sh.
Assim, o modelo em tempo discreto da produo de voz mostrado na Figura 4.

2. Modelagem de voz em tempo discreto

Um modelo em equaes de diferenas para o trato vocal pode ser desenvolvido como se se-
gue.
Como cada amostra de sinal de voz muito relacionada com as anteriores, o valor da amostra
atual de voz pode ser estimado como uma combinao linear das anteriores.


Figura 2 Modelo do trato vocal. (SENDA, 2005).


Processamento Digital de Sinais Aula 10P Professor Marcio Eisencraft setembro 2007
3

Figura 3 Modelo em tubos do trato vocal. (BURRUS et al., 1998).


Figura 4 Modelo em diagrama de blocos da gerao da fala humana (BURRUS et al., 1998).

[ ] [ ]

=
=
p
i
i
i n s n s
1


(1)
O sinal [ ] n s a estimao do sinal de voz [ ] n s para a n -sima amostra. O erro entre o sinal
original e o estimado :
[ ] [ ] [ ] n s n s n e

=
(2)

Processamento Digital de Sinais Aula 10P Professor Marcio Eisencraft setembro 2007
4
4 Modelo de predio
A combinao das duas equaes acima leva a um modelo por equaes de diferenas da pre-
dio do processo de fala:
[ ] [ ] [ ]

=
=
p
i
i
n e i n s n s
1

(3)
Este modelo de predio usado em telecomunicaes para aumentar o nmero de sinais de
voz que podem ser transmitidos por um canal.
Se os coeficientes
i
so conhecidos pelo transmissor e pelo receptor, ento apenas o erro
precisa ser transmitido e o sinal de voz pode ser reconstruido no receptor utilizando a equa-
o de diferenas acima.
No transmissor [ ] n s a entrada do filtro de predio e [ ] n e a sada. No receptor a situao
a inversa.
A transmisso do sinal de erro resulta em economia substancial da banda de transmisso.
A Figura 5 mostra um exemplo de sinal predito, o erro e a reconstruo para um sinal de voz
[ ] n s .
0 1 2 3 4 5 6 7 8
x 10
4
-1
0
1
o
r
i
g
i
n
a
l
0 1 2 3 4 5 6 7 8
x 10
4
-1
0
1
P
r
e
d
i
c
a
o
0 1 2 3 4 5 6 7 8
x 10
4
-1
0
1
E
r
r
o

d
e

p
r
e
d
i
c
a
o
0 1 2 3 4 5 6 7 8
x 10
4
-1
0
1
R
e
c
o
n
s
t
r
u
i
d
o

Figura 5 Exemplo de predio e reconstruo de um sinal de voz.
Processamento Digital de Sinais Aula 10P Professor Marcio Eisencraft setembro 2007
5
5 Modelo de sntese
Pode-se modificar o mesmo modelo bsico de predio de voz para usar em sntese de voz.
Se o objetivo for criar um sinal [ ] n s
~
que imita o sinal de voz original, podemos substituir o
erro [ ] n e por um sinal de entrada [ ] n x multiplicado por um ganho G .
Usando a mesma forma da equao de diferenas do modelo de predio, Eq. (3), resulta o
seguinte modelo de sntese:
[ ] [ ] [ ]

=
=
p
i
i
n Gx i n s n s
1
~ ~

. (4)
Tipicamente, os coeficientes
i
mudam a cada 10-20ms conforme o trato vocal muda para
produzir sons diferentes. Veja a Figura 6.

Figura 6 Segmentao do sinal de voz (STONICK; BRADLEY, 1996).

Na sntese aplica-se uma seqncia de excitao conveniente para que naquele intervalo de
tempo seja gerada uma seqncia de sons adequada.

6 Transmisso de voz
Uma linha telefnica normal opera simplesmente amostrando a voz de uma pessoa, digitali-
zando as amostras com 8 bits e transmitindo estes bits para o receptor, onde novamente
convertido em voz.
Processamento Digital de Sinais Aula 10P Professor Marcio Eisencraft setembro 2007
6
Um mtodo alternativo realizar a anlise e predio como resumido anteriormente, digitali-
zar o sinal de erro e transmitir o sinal de erro digital resultante e coeficientes da predio line-
ar.
Por que fazer isso?
Voz normal necessita de 8 bits x 8 kHz = 64000 bits por segundo para ser transmitido.
Suponha que o sinal de erro possa ser digitalizado com 4 bits ao invs de 8 e que cada coefi-
ciente seja representado com 16 bits.
Ento, para transmitir a mesma quantidade de informao necessrio 4bits x 8kHz + 16 x 10
coeficientes x 100 blocos de dez milisegundos por segundo = 48000 bits por segundo 75%
da taxa anterior.
Se for utilizado apenas 1 bit de quantizao para o sinal de erro, 24000 bits por segundo so
necessrios 37,5% da taxa anterior.

7 Atividades
1. Assuma que voc tem um sinal de voz digitalizado com uma amostragem de 8kHz. Se este
sinal for quebrado em segmentos de 20ms, quantas amostras NS existem por bloco?



2. Se 1 segundo deste sinal estiver num vetor Matlab, quantos blocos de 20ms NBLKS podem
ser obtidos?



3. Suponha que se deseje usar como entrada para seu modelo de voz sinttica um trem de impul-
sos unitrios igualmente espaados e que gostaramos que o pitch fosse 200Hz. Se a voz foi
amostrada a 8kHz, quantas amostras devem ser colocadas por perodo, ou seja, quanto vale
N em:
[ ] [ ]

=
=
0 i
iN n n x
,
NS n < 0
.


Processamento Digital de Sinais Aula 10P Professor Marcio Eisencraft setembro 2007
7

4. Como devem ser definidos os vetores a e b usados como entrada do filter em termos de
i
e G para criar equaes de diferenas que realizem as seguintes operaes:
(a) fornecer [ ] n s como sada quando [ ] n s a entrada. (predio)
(b) fornecer [ ] n e como sada quando [ ] n s a entrada. (erro de predio)
(c) fornecer [ ] n s
~
como sada quando
[ ]
x n a entrada. (sntese)











5. A funo sintetizavoz2 gera uma voz sinttica a partir dos coeficientes
i
e um trem
de impulsos com freqncia fundamental dada por pitch ou um rudo branco gaussiano.
Seu formato :
%[SYNTHimp, SYNTHnoise] = sintetizavoz2(nomarq,NS,pitch, NP);
% Sintetiza voz com sequencia de impulsos e ruido gaussiano
% nomarq - nome do arquivo .wav (entre aspas simples)
% NS - numero de amostras por bloco
% pitch - frequencia fundamental da sequencia de impulsos
% NP - numero de coeficientes utilizados na predicao
% SYNTHimp - voz sintetizada com impulsos
% SYNTHnoise - voz sintetizada com rudo
Teste este programa utilizando o arquivo aula5.wav. Utilize NS=160, NP = 10 e um pitch
de 50Hz. Verifique o que ocorre ao se mudar estes parmetros.
Processamento Digital de Sinais Aula 10P Professor Marcio Eisencraft setembro 2007
8
Em seguida, repita para o arquivo teste.wav. Tente encontrar um valor de pitch mais adequa-
do para este sinal. Repita para os arquivos show.wav e chinelo.wav que possuem muitos
fricativos.
Grave um sinal de voz e tente gerar uma voz sinttica com o pitch mais adequando para a sua
voz.


6. O programa predivoz fornece tem a seguinte estrutura:
% [X2,E, RECON] = predivoz(nomarq,NS,NP);
% nomarq - nome do arquivo .wav (entre aspas simples)
% NS - numero de amostras por bloco
% NP - numero de coeficientes utilizados na predicao
% X2 - sinal obtido com a predicao
% E - erro de predicao
% RECON - Sinal reconstruido no receptor
Teste o programa para o sinal aula5.wav usando blocos com NS=160, NP = 10. Explique
os resultados obtidos e verifique o que ocorre ao se modificar estes parmetros.



7. O programa predivozquant simula a quantizao do sinal de erro que enviado ao recep-
tor.
% [RECON] = predivozquant(nomarq,NS,NP, Nbits);
% nomarq - nome do arquivo .wav (entre aspas simples)
% NS - numero de amostras por bloco
% NP - numero de coeficientes utilizados na predicao
% Nbits - numero de bits utilizados na quantizacao do erro
% RECON - Sinal reconstruido no receptor
Utilizando novamente o arquivo aula5.wav e as mesmas configuraes da Atividade 7, verifi-
que qual a menor quantidade de bits que devem ser utilizados na quantizao do erro de predio
de forma que o sinal possa ser recuperado de forma integral no receptor. Calcule, neste caso, a
taxa necessria de transmisso.

Processamento Digital de Sinais Aula 11P Professor Marcio Eisencraft setembro 2007
1

Aula 11P Exemplos de processamento de imagem
Bibliografia
STONICK, Virginia L. Labs for signals and systems: using MATLAB. Boston; Albany: PWS, c1996. 143 p.
ISBN 0534938086. Pginas 69-80.
GONZALEZ, Rafael C.; WOODS, Richard E. Processamento de imagens digitais. So Paulo: Edgard Blcher,
2000. 509p. : il. ; 24 cm ISBN 8521202644.

1. Introduo
Imagens digitais so formadas por pontos ou pixels (Picture elements). Colocando estes
pontos suficientemente prximos uns dos outros, as imagens so vistas na tela do computador
ou impressas como se fossem contnuas.
Em um computador digital, o brilho e a informao de cor de cada pixel so codificados por
um nmero ou, equivalentemente, um elemento de uma matriz. A localizao de cada ponto
da matriz indexada por dois inteiros, isto , ( ) 4 , 3 X identifica o valor do pixel localizado na
matriz X na terceira linha e na quarta coluna.
Usualmente os valores nas matrizes so inteiros de 0 a 1 2
n
, em que n o nmero de bits
usado para representar o brilho de cada pixel. Por exemplo, considere uma imagem preta e
branca em que a luminncia, ou brilho, para cada pixel armazenada usando 8 bits. Neste ca-
so, o brilho relativo de cada pixel pode ser representado por um de 256 nveis possveis, cha-
mados de nveis de cinza. Usualmente o preto codificado como 0 e o branco como 255.
A informao de cores para os pixels de uma imagem codificada como inteiros armazena-
dos em matrizes separadas. No Matlab, as imagens so armazenadas como matrizes de intei-
ros e a informao de cor como cada valor de pixel mapeado para certa cor armazena-
da separadamente.

2 Borrando e dando nitidez a uma imagem
O borro em ima imagem causada pelo movimento pode ser representado por um sistema
linear. O movimento faz com que cada pixel em uma imagem contenha informao dos N
"pixels" anteriores na mesma linha. Um modelo simples de borro horizontal :
( ) ( ) ( ) ( ) ( ) ( )

+ =
+ + + + = =
n
N n k
N n l x n l x n l x
N
n l x
N
n l v
1
1 , 1 , ,
1
,
1
,
. (1)
Processamento Digital de Sinais Aula 11P Professor Marcio Eisencraft setembro 2007
2

A equao (1) representa um filtro FIR e pode ser implementado utilizando-se o comando
filter como feito nas aulas anteriores.
A representao de imagens no Matlab e o seu processamento so ilustrados nas atividades
seguintes.

Atividades
A. Trabalhando com uma imagem
Nesta atividade exploraremos como imagens so mostradas e representadas como matrizes no
Matlab. A informao de cores codificada em uma colormap (tabela de cores a ser usada). Ima-
gens podem ser armazenadas em arquivos imagen_name.mat e carregadas usando o comando
load image_name.
O Matlab tem uma srie de imagens padres disponvel.
1. Digite load clown e verifique as variveis carregadas digitando whos
>> whos
Name Size Bytes Class
X 200x320 512000 double array
caption 2x1 4 char array
map 81x3 1944 double array
Foram criadas trs variveis: caption (guarda as informaes de cabealho da imagem), map
(informao de cores), x (guarda a informaes de intensidade da imagem).

2. Olhe alguns elementos do vetor x (por exemplo, digite x(65:75, 100:110)). Os valores
na matriz devem ser inteiros. Quantos bits esto sendo usados na codificao?
RESPOSTA:



3. Para mostrar a imagem, digite image(X). Voc deve ver o palhao numa janela, apesar de
sua cor parecer no-natural.
Processamento Digital de Sinais Aula 11P Professor Marcio Eisencraft setembro 2007
3

50 100 150 200 250 300
20
40
60
80
100
120
140
160
180
200

4. Para obter as cores corretas, digite colormap(map). Agora o palhao deve aparecer nas
cores corretas.
50 100 150 200 250 300
20
40
60
80
100
120
140
160
180
200

5. Para aumentar o brilho da imagem, pode-se utilizar o comando brighten(beta) sendo
beta um nmero entre -1 e 1. Nmeros maiores que zero resultam numa imagem mais bri-
lhante e menores do que zero numa imagem mais escura. Por exemplo,
>> brighten(.7)
50 100 150 200 250 300
20
40
60
80
100
120
140
160
180
200

Processamento Digital de Sinais Aula 11P Professor Marcio Eisencraft setembro 2007
4

6. Podem-se utilizar operaes matriciais normalmente para trabalhar com imagens. Por exem-
plo, transpor a matriz implica na transposio da imagem. Para colocar a imagem de ponta
cabea, basta inverter a ordem das linhas da matriz.
X1 = X';
X2 = X(end:-1:1,:);
figure(1);
subplot(221); image(X1);
subplot(222); image(X2);
colormap(map);image(X(end:-1:1, :))
colormap(map);

7. Gere a imagem a seguir:

COMANDOS UTILIZADOS:



8. Podemos selecionar um pedao da imagem, pegando algumas linhas e colunas da matriz. Por
exemplo, o olho esquerdo do palhao pode ser obtido usando:
Xolho = X(50:100, 150:250);
image(Xolho);
colormap(map);
Processamento Digital de Sinais Aula 11P Professor Marcio Eisencraft setembro 2007
5

10 20 30 40 50 60 70 80 90 100
5
10
15
20
25
30
35
40
45
50

Obtenha uma ampliao do nariz do palhao.
COMANDOS UTILIZADOS:




9. Usando o comando filter e a Equao 1 podemos borrar a imagem na horizontal e na ver-
tical usando os seguintes comandos:
N = 25;
Yvert = filter(ones(1,N)/N,1, X);
subplot(221);image(Yvert);
colormap(map);
Yhori = filter(ones(1,N)/N,1, X');
Yhori = Yhori';
subplot(222);image(Yhori);colormap(map);

Processamento Digital de Sinais Aula 11P Professor Marcio Eisencraft setembro 2007
6

10. A imagem pode ser aproximadamente recuperada utilizando um filtro inverso. Por exemplo,
para desfazer o borro vertical, usamos:
Yvolta = filter(1, ones(1,N)/N, Yvert);
subplot(223);image(Yvolta);colormap(map);

Desfaa o efeito na imagem Yhori.
COMANDOS UTILIZADOS:






B. Imagem no fomato jpeg
O formato jpeg um dos mais utilizados para codificao de imagens. O comando [X] = i-
mread(FILENAME,jpeg) pode ser utilizado para importar uma imagem neste formato
para o Matlab. gerado um vetor X tridimensional com os componentes RGB da imagem. A
matriz X(:,:,1) contm a informao do vermelho (red), a matriz X(:,:,2) a informa-
o do verde e a matriz X(:,:,3) a informao do azul (blue).
O comando IMWRITE(A,FILENAME,jpeg) grava a matriz A no arquivo FILENA-
ME.jpg .
Muitos outros formatos so possveis. Leia o help dos comandos acima para mais informaes.
A seguinte seqncia de comandos l a figura moinho.jpg e mostra suas componentes:
X = imread('moinho.jpg','jpeg');
Xred = X(:,:,1);
Processamento Digital de Sinais Aula 11P Professor Marcio Eisencraft setembro 2007
7

Xgreen = X(:,:,2);
Xblue = X(:,:,3);
subplot(221);image(X); title('moinho.jpg');
subplot(222);image(Xred); title('Componente red');
subplot(223);image(Xgreen); title('Componente green');
subplot(224);image(Xblue); title('Componente blue');
moinho.jpg
200 400 600 800
200
400
600
800
1000
1200
Componente red
200 400 600 800
200
400
600
800
1000
1200
Componente green
200 400 600 800
200
400
600
800
1000
1200
Componente blue
200 400 600 800
200
400
600
800
1000
1200

Num arquivo jpeg, as cores podem ser trabalhadas separadamente. Por exemplo, os seguintes
comandos aumentam a intensidade do verde da imagem. Tente outras configuraes de cores.
X = imread('moinho.jpg','jpeg');
Xred = X(:,:,1);
Xgreen = X(:,:,2);
Xblue = X(:,:,3);
Xgreennovo = double(Xgreen)*3;
Xrednovo = double(Xred);
Xbluenovo = double(X(:,:,3));
Xnovo(:,:,1) = uint8(Xrednovo);
Xnovo(:,:,2) = uint8(Xgreennovo);
Xnovo(:,:,3) = uint8(Xbluenovo);
subplot(221);image(X); title('moinho.jpg');
subplot(222);image(Xnovo); title('Cores modificadas');
Processamento Digital de Sinais Aula 11P Professor Marcio Eisencraft setembro 2007
8



C. O que est escrito?
A seguinte foto foi tirada de uma placa com o carro em movimento. Ela esta armazenada no ar-
quivo testeplacaverm.mat
200 400 600 800 1000 1200
50
100
150
200
250
300
350
400
450
500

Carregue esta imagem e, usando as tcnicas aprendidas, identifique o que est escrito na placa.
RESPOSTA E COMANDOS UTILIZADOS:




Processamento Digital de Sinais Aula 12P Professor Marcio Eisencraft outubro 2007
1

Aula 12P - Questes da prova P2

1. (PROAKIS; MANOLAKIS, 1996, p. 139) (2,0) Calcule a convoluo
[ ] [ ] [ ]
y n x n h n =
do seguinte par de sinais:
[ ]
[ ] [ ]
[ ] [ ] [ ]
1, 2, 0,1
2, 1
0, caso contrrio
1 4 5
n
x n n
h n n n n n

= =

= + +


2. (OPPENHEIM; WILLSKY; YOUNG; 1983, p. 129)
(a) (0,5) Considere a interconexo de sistemas LIT mostrada na figura a seguir. Expresse a res-
posta impulsiva global
[ ]
h n em termos de
[ ]
1
h n ,
[ ]
2
h n ,
[ ]
3
h n ,
[ ]
4
h n e
[ ]
5
h n .

(b) (1,0) Determine
[ ]
h n quando
[ ]
( )
[ ]
[ ] { }
[ ] [ ]
( )
[ ]
[ ]
[ ]
[ ] [ ]
[ ]
1
2 3
4
5
1
4 3
2
1
1
4 3
n
h n u n u n
h n h n n u n
h n n
h n n n


=
= = +
=
=

(c) (0,5) Esboce a resposta do sistema da parte (b) se
[ ]
x n for o sinal mostrado a seguir.
[ ]
2
h n
[ ]
3
h n
[ ]
4
h n
[ ]
5
h n
[ ]
1
h n + +
+
-
[ ]
x n
[ ]
y n
Processamento Digital de Sinais Aula 12P Professor Marcio Eisencraft outubro 2007
2

-6 -4 -2 0 2 4 6 8
-1.5
-1
-0.5
0
0.5
1
1.5
2
2.5
n
x
[
n
]


3. (OPPENHEIM; WILLSKY; YOUNG; 1983, p. 148) (1,5) Considere o sistema LIT inicial-
mente em repouso (condies iniciais nulas) e descrito pela equao de diferenas:
[ ] [ ] [ ] [ ] 2 2 1 2 + = + n x n x n y n y .
Encontre a resposta deste sistema entrada mostrada na figura a seguir resolvendo a equao de
diferenas recursivamente para 7 2 n .


4. (PROAKIS; MANOLAKIS, 1996, p. 307) (1,5) Determine a seqncia de sada do sistema
com resposta impulsiva
[ ]
( )
[ ]
1
2
n
h n u n =

Processamento Digital de Sinais Aula 12P Professor Marcio Eisencraft outubro 2007
3

quando sua entrada a seqncia exponencial complexa
[ ]
2
n
j
x n Ae

= .

5. Considere um sistema LTI com a resposta impulsiva dada por ] [ ) . ( ] [ n u n h
n
9 0
1
= .
a) (0,5) Escreva os comandos para fazer um grfico da resposta impulsiva no intervalo
40 0 n
b) (0,5) Escreva os comandos para calcular e fazer um grfico da resposta do sistema para a
entrada degrau unitrio ] [ ] [ n u n x = no intervalo 20 0 n
c) (0,5) Escreva os comandos para calcular a resposta do sistema para o pulso retangular
] [ ] [ ] [ 10 = n u n u n x e fazer um grfico no intervalo 20 0 n
d) (0,5) Considerando o sistema anterior em cascata com o sistema 2, descrito por
[ /2], se par
[ ]
0, se mpar
x n n
y n
n

,
conforme figura a seguir, escreva comandos para calcular e fazer grfico da sada global do
sistema para entrada pulso retangular ] [ ] [ ] [ 10 = n u n u n x no intervalo 20 0 n .


Sistema 1 Sistema 2
[ ]
x n

[ ]
y n

Processamento Digital de Sinais Aula 13P Professor Marcio Eisencraft abril 2007
1
Aula 13P Sries de Fourier de tempo discreto usando o Matlab
Bibliografia
HAYKIN, Simon S.; VAN VEEN, Barry. Sinais e sistemas. Porto Alegre: Bookman, 2001. 668 p. ISBN
8573077417. Pginas 240-241.
INGLE, Vinay K.; PROAKIS, John G. Digital signal processing using Matlab. Pacific Grove; Albany:
Brooks/Cole, c2000. 418 p. ISBN 0534371744. Pginas 117-121.

A srie de Fourier de tempo discreto (SFTD) a nica representao de Fourier que tem
valores discretos tanto no tempo como em freqncia e, consequentemente, adequada
para implementao direta no Matlab. Os comandos fft e ifft podem ser usados para
avaliar a SFTD.
Dado um vetor x de comprimento P que representa um perodo de um sinal com perodo
P , [ ] p z , o comando:
>> a = fft(x)/N
produz um vetor a de tamanho P que contm os coeficientes da SFTD,
m
c .

O Matlab supe que os somatrios nas equaes que definem a SFTD vo de 0 a 1 P ,
de forma que os primeiros elementos de x e a correspondem a [ ] 0 z e
0
c , respectivamen-
te, enquanto os ltimos elementos correspondem a [ ] 1 P z e
1 P
c .
Similarmente, dados os coeficientes da SFTD num vetor a, o comando:
>> x = ifft(x)*N
produz um vetor x que representa um perodo para a forma de onda no tempo.
Tanto fft quanto ifft so computadas utilizando-se um algoritmo eficiente numerica-
mente ou trkfq denominado vtcpuhqtocfc trkfc fg Hqwtkgt. O desenvolvimento deste
algoritmo ser estudado em disciplinas posteriores.

Exerccios
1. Considere o seguinte sinal peridico:

Processamento Digital de Sinais Aula 13P Professor Marcio Eisencraft abril 2007
2
(a) Calcule, usando as frmulas vistas em aula, os coeficientes da srie de Fourier deste sinal
m
c para 1 0
0
P m .
RESOLUO:










(b) Use o Matlab para confirmar os resultados do item (a).
Comandos e comentrios:






2. (a) Calcule os coeficientes da srie de Fourier do sinal
[ ]

+ + =
8
3
12
sin 1

p p z .
(b) Confirme seu resultado utilizando o Matlab.
RESOLUO:







Processamento Digital de Sinais Aula 13P Professor Marcio Eisencraft abril 2007
3
3. (OPPENHEIM; WILLSKY; NAWAB, 1997, p. 218) Considere o seguinte sinal retangular
peridico com perodo 32
0
= P . Use o Matlab para determinar as componentes da srie
de Fourier deste sinal e esboce seu espectro.

RESOLUO:




4. (HAYKIN; VEEN, 2000, p.241) Determine os coeficientes da SFTD para o sinal peridi-
co descrito a seguir. Utilize o Matlab para conferir seus resultados.

RESOLUO:






Processamento Digital de Sinais Aula 14P Professor Marcio Eisencraft setembro 2007
1
Aula 14P Resposta em freqncia de filtros digitais
Bibliografia
HAYKIN, Simon S.; VAN VEEN, Barry. Sinais e sistemas. Porto Alegre: Bookman, 2001. 668 p. ISBN
8573077417. Pginas 264-266.
INGLE, Vinay K.; PROAKIS, John G. Digital signal processing using Matlab. Pacific Grove; Albany:
Brooks/Cole, c2000. 418 p. ISBN 0534371744. Pginas 53-60.

Veremos nesta aula exemplos de clculos de resposta em freqncia usando o Matlab.
Lembrando as aulas tericas, definimos a funo de sistema.
( ) [ ]
k
k
: k h : H

=

e a resposta em freqncia como
( ) [ ]
k f
k
f
e k h e H

=
.
Vimos tambm que para uma entrada
[ ]

=

=
0
0
2
N k
n
N
fk
k
e a n x



a resposta de um sistema LIT dada por:
[ ]

=

=
0
0 0
2 2
N k
n
N
fk k
N
f
k
e e H a n v

,
ou seja, os coeficientes da srie de Fourier do sinal de entrada ficam multiplicados pela res-
posta em freqncia do sistema.

O comando freqz do Matlab pode ser utilizado para se obter a resposta em freqncia de
um dado sistema definido pela equao de diferenas:
[ ] M] - x[n b ... 1] - x[n b x[n] b N - n y a 1] - y[n a y[n] a
1 2 1 1 N 2 1 + +
+ + + = + + +
M
.

Definindo os vetores B=[b1 b2 ... bM+1] e A=[a1 a2 ... aN+1] da mesma for-
ma como foi feito para o comando filter, o comando
>>[H,W] = freqz(B,A,N);
Processamento Digital de Sinais Aula 14P Professor Marcio Eisencraft setembro 2007
2
retorna N pontos da resposta em freqncia do filtro no intervalo [ ] , 0 .
Para obtermos um grfico do mdulo desta resposta, por exemplo, podemos fazer:
>> plot(W,abs(H));
comum utilizar-se
>> plot(W/pi,abs(H));
para que o grfico fique mais fcil de ser lido (normalizado com relao a ).

Exerccios
1. Considere o seguinte sistema de tempo discreto conhecido como diferenciador de 1 or-
dem:
[ ] [ ] [ ] ( ) 1
2
1
= n x n x n v .
Para este sistema, pede-se:
(a) a resposta impulsiva [ ] n h ;





(b) a funo de sistema ( ) : H .




(c) a resposta em freqncia ( )
f
e H .


(d) faa um grfico do mdulo e da fase de ( )
f
e H para .






Processamento Digital de Sinais Aula 14P Professor Marcio Eisencraft setembro 2007
3
(e) este filtro passa-altas ou passa-baixas?


(f) utilizando o comando freqz faa um grfico no Matlab do mdulo da resposta em fre-
qncia deste filtro e compare com o resultado do item (a).




2. A seguinte equao de diferenas representa um filtro IIR passa-baixas do tipo chamado
Filtro de Chebyshev:
[ ] [ ] [ ] [ ] [ ] [ ] [ ]
[ ] [ ] [ ] [ ] [ ] 5 03217 , 0 4 1683 , 0 3 3217 , 0 2 3217 , 0 1 1608 , 0
032 , 0 5 1234 , 0 4 4297 , 0 3 7822 , 0 2 2872 , 1 1 7820 , 0
+ + + + +
+ = + +
n x n x n x n x n x
n x n v n v n v n v n v n v

Para este filtro pede-se:
(a) Obtenha no Matlab o mdulo da resposta em freqncia ( )
f
e H deste filtro.



(b) Qual a sua freqncia de corte? Ou seja, a partir de qual freqncia a resposta em freqn-
cia deste filtro cai abruptamente?


(c) Digite e execute o seguinte script. Explique os grficos obtidos e os sons ouvidos.
%Exemplo de Filtro Passa-Baixas Chebyshev

fa = 2000; %frequencia de amostragem
n = 0:3*fa-1; %numero de pontos = senoides vao tocar por 3 segundos
f1 = 200; %frequencia do Tom 1
f2 = 800; %frequencia do Tom 2
x1 = sin(2*pi*f1*n/fa); % Amostragem - x1[n] = sin(0.2*pi*n);
x2 = sin(2*pi*f2*n/fa); % Amostragem - x2[n] = sin(0.8*pi*n);

%Coeficientes do filtro
B = [0.0322 0.1608 0.3217 0.3217 0.1608 0.0322];
A = [1.0000 -0.7820 1.2872 -0.7822 0.4297 -0.1234];

Processamento Digital de Sinais Aula 14P Professor Marcio Eisencraft setembro 2007
4
y1 = filter(B,A,x1); %Filtragem
y2 = filter(B,A,x2); %Filtragem

% Ouvindo os sinais - O seguinte comando gera nos autofalantes os si- %
nais x1 e x2 seguido de 0.5 segundo de silencio e a seguir o sinal y1 % e
y2 - saidas do filtro
sound([x1 zeros(1,0.5*fa-1) y1 zeros(1,0.5*fa-1)],fa);
sound([x2 zeros(1,0.5*fa-1) y2],fa);

%Graficos
figure(1); title('Senoide de 200Hz)');
subplot(211); plot(0:100,x1(1:101)); ylabel('x_1[n]');%Sinal de entrada
subplot(212); plot(0:100,y1(1:101)); ylabel('y_1[n]');%Sinal de saida
figure(2); title('Senoide de 800Hz)');
subplot(211); plot(0:100,x2(1:101)); ylabel('x_2[n]');%Sinal de entrada
subplot(212); plot(0:100,y2(1:101)); ylabel('y_2[n]');%Sinal de saida