Anda di halaman 1dari 31
Aula 3 – Tratamento da informação para sinais discretos 1

Aula 3 – Tratamento da informação para sinais discretos

Etapas do tratamento do Sinal 2

Etapas do tratamento do Sinal

Etapas do tratamento do Sinal 2
Etapas do tratamento do Sinal 2
Etapas do tratamento do Sinal 2
Resolução • Menor variação na saida análogica como resultado na mudança na entrada digital. 3

Resolução

• Menor variação na saida análogica como resultado na mudança na entrada digital.

Resolução • Menor variação na saida análogica como resultado na mudança na entrada digital. 3
Resolução • Menor variação na saida análogica como resultado na mudança na entrada digital. 3
Resolução • Menor variação na saida análogica como resultado na mudança na entrada digital. 3
Resolução • Menor variação na saida análogica como resultado na mudança na entrada digital. 3
Resolução • Menor variação na saida análogica como resultado na mudança na entrada digital. 3
Resolução Percentual • Resolução percentual ou Erro em função do F.S é dado pela formula

Resolução Percentual

• Resolução percentual ou Erro em função do F.S é dado pela formula abaixo:

• Para o exemplo da figura abaixo, o degrau é 1 V e o fundo de escala é 15V então:

F.S é dado pela formula abaixo: • Para o exemplo da figura abaixo, o degrau é
Quantização e erro de quantização FSR 10 Q  3,92 mV n 2  1
Quantização e erro de quantização FSR 10 Q  3,92 mV n 2  1

Quantização e erro de quantização

FSR 10 Q  3,92 mV n 2  1 255  Q erro 
FSR
10
Q 
3,92
mV
n
2
1
255 
Q
erro 
2
Quantização e erro de quantização FSR 10 Q  3,92 mV n 2  1 255

5

Tratamento matemático do sinal amostrado No caso ideal obtém-se o sinal amostrado como sendo dado
Tratamento matemático do sinal amostrado No caso ideal obtém-se o sinal amostrado como sendo dado

Tratamento matemático do sinal amostrado

No caso ideal obtém-se o sinal amostrado como sendo dado por:

p(t) T 0 x(t) x p (t) x p (t) x(t) p(t) h t 0
p(t)
T 0
x(t)
x p (t)
x
p (t)
x(t)
p(t)
h
t
0 T
2T
3T
kT

p t

( )

x(t) t
x(t)
t
x p (t) x ( )  t T t
x
p (t)
x
( ) 
t
T
t

(

x t

) .

(

k 0

t

p t

( )

kT

0

)

(

x t

) .

(

k 0

t

kT

0

)

Análise de Fourier para sinais amostrados • Desde que p(t) é periódico, este sinal pode
Análise de Fourier para sinais amostrados • Desde que p(t) é periódico, este sinal pode

Análise de Fourier para sinais amostrados

• Desde que p(t) é periódico, este sinal pode ser representado por sua equivalente série de Fourier:

p t

( )



c

e

j

 

0

t

• onde os coeficientes complexos C v são dados por:

c

c

(

j



0

)

1

T

T

0

0

( )

p t e

j



0

t

dt

• com freqüência de amostragem como sendo:

0

2

T

0

Análise de Fourier para sinais amostrados • Da equação • p t ( ) 
Análise de Fourier para sinais amostrados • Da equação • p t ( ) 

Análise de Fourier para sinais amostrados

• Da equação

p t

( )

k 0

(

u t

Obtém-se

kT

0

)

(

u t

kT

0

c

(

j

 

0

)

1

e

j

 

0

h

j

 

0

T

0

hT

0

)

 

sen

 

0 h

h

2

T

0

 

0

h

 
 

2

e

j

 

0

h

2

Análise de Fourier para sinais amostrados • No caso do sinal x(t) que pode ser
Análise de Fourier para sinais amostrados • No caso do sinal x(t) que pode ser

Análise de Fourier para sinais amostrados

• No caso do sinal x(t) que pode ser aperiódico, utiliza-se a Transformada de Fourier:

x

p

(

j

)



x

p

(t)

-

x

p

( )

t

e

j

t

dt



c

(

j



0

)

0

( )

x t

e

j



0

 

 

c



0

dt



( )

x t

j

(

 

0

t

)

e

Pr

op

.

Transl

em

Freq

.

t

e



j

( )

x t

t

dt

( )

p t

e

j

t

dt

Análise de Fourier para sinais amostrados • Através da propriedade da TF – translação em
Análise de Fourier para sinais amostrados • Através da propriedade da TF – translação em

Análise de Fourier para sinais amostrados

• Através da propriedade da TF – translação em freqüência, tem-se :

x

p (

j

)



c

c

0

x

(

(

j



0

)

j

)

c

1

x

(

j

j

(

 

0

)

0

)

x

j

(

 

0

)

c

2

(

j

2

0

)

x

j

(

2

0

)

 0 )    0 ) x  j (    0
Análise de Fourier para sinais amostrados /c  / Espectro: p(t) h/T 0  
Análise de Fourier para sinais amostrados /c  / Espectro: p(t) h/T 0  

Análise de Fourier para sinais amostrados

/c  / Espectro: p(t) h/T 0        
/c  /
Espectro: p(t)
h/T 0
  

 
 
/ x(j  0 ) /
/ x(j  0 ) /
/ x(j  0 ) /
/ x(j  0 ) /

/ x(j0 ) /

/ x(j  0 ) /

Espectro: x(t)

 S  S Espectro: x p (t)       
 S
 S
Espectro: x p (t)
  
  
  
 S
 S
            
  
 
 
     
  
  

Espectro original

Bandas Laterais centrados na freq +- kwo

11

Teorema da Amostragem Teorema de Shannon “Se um sinal contínuo no tempo tem um espectro
Teorema da Amostragem Teorema de Shannon “Se um sinal contínuo no tempo tem um espectro

Teorema da Amostragem

Teorema de Shannon “Se um sinal contínuo no tempo tem um espectro de freqüências com banda passante limitada e sendo a freqüência máxima w max , a recuperação deste sinal após um processo de amostragem com período T o , só será possível se a freqüência de amostragem for superior ao dobro de w max ”. De outra forma, deve-se ter:

   T  0   max
T 
0
max

ou

0

2

max

Esta frequência também é conhecida como frequência de Nyquist W N

Exemplo 1

Exemplo 1 • Considere um sinal contínuo no tempo do tipo puramente senoidal como período 60Hz
Exemplo 1 • Considere um sinal contínuo no tempo do tipo puramente senoidal como período 60Hz

• Considere um sinal contínuo no tempo do tipo puramente senoidal como período 60Hz 1) O que acontece caso seja realizado uma amostragem deste sinal com uma freqüência também igual a 60Hz ? 2) O que acontece caso seja realizado uma amostragem deste sinal com uma freqüência de 120Hz ? 3) O que acontece quando frequencia de amostragem for 240 Hz ?

Recuperação do sinal • Se estamos interessados em recuperar a informação própria do sinal original

Recuperação do sinal

• Se estamos interessados em recuperar a informação própria do sinal original x(t) a partir do sinal amostrado xp(t), a maneira adequada seria realizar uma filtragem do sinal xp(t).

• Idealmente pode-se recontruir o sinal original por um filtro passa-baixa (ou passa-faixa)

filtragem do sinal xp(t). • Idealmente pode-se recontruir o sinal original por um filtro passa-baixa (ou
Filtro Passa-baixa Ideal • filtro teórico que permite a passagem de todo o sinal sem
Filtro Passa-baixa Ideal • filtro teórico que permite a passagem de todo o sinal sem

Filtro Passa-baixa Ideal

filtro teórico que permite a passagem de todo o sinal sem nenhuma atenuação até a freqüência de corte do filtro (sem distorção de amplitude ou fase).

• Quando um sinal com frequência superior à de corte é aplica na entrada do filtro este irá bloqueá- la completamente.

• A magnitude do filtro é unitária entre a faixa de freqüência , e zero fora desta faixa de frequência, sem defasamentos.

/ G(j 0 ) /  s  s
/ G(j 0 ) /

s 
s
Filtro Passa-baixa Ideal • Filtro é dito não causal - Necessário um sistema no qual
Filtro Passa-baixa Ideal • Filtro é dito não causal - Necessário um sistema no qual

Filtro Passa-baixa Ideal

• Filtro é dito não causal - Necessário um sistema no qual a resposta no tempo na saída do filtro iniciasse antes da entrada ser aplicada no filtro.

Não é fisicamente realizável !!!!!

/ G(j 0 ) /  s  s
/ G(j 0 ) /

s 
s
Sustentador de ordem zero • ZOH (Zero-Order-Hold) • Na maioria das aplicações a reconstrução do
Sustentador de ordem zero • ZOH (Zero-Order-Hold) • Na maioria das aplicações a reconstrução do

Sustentador de ordem zero

ZOH (Zero-Order-Hold)

• Na maioria das aplicações a reconstrução do sinal amostrado é realizada pelo conversor D/A. Este conversor se comporta como um tipo um pouco diferente de filtro passa-baixa.

B

0

s

1 e

sT

s

Este conversor se comporta como um tipo um pouco diferente de filtro passa-baixa. B 0 
Sustentador de ordem zero • Para comparar a resposta em frequência do ZOH com o
Sustentador de ordem zero • Para comparar a resposta em frequência do ZOH com o

Sustentador de ordem zero

• Para comparar a resposta em frequência do ZOH com o filtro ideal, deve-se obter a resposta em frequência característica da função de transferência do ZOH. Substituindo s por jw:

B

0

j

 

1 e

j

 

T

j

T

sen   T 2  1 2 e  T 2
sen
T
2
1 2
e
T
2

j

T

Sustentador de ordem zero • Magnitude B 0  • Fase j   
Sustentador de ordem zero • Magnitude B 0  • Fase j   

Sustentador de ordem zero

• Magnitude

B

0

• Fase

j

 

T

sen   T 2   T 2
sen
T
2
 T
2

B

0

sen

T

 T

2

T

T

2

T

 

sen

2

 

j

T

e

T

B

0

 

j

2

1 2

 T    sen 2    j T  e T  

j

T

Sustentador de ordem zero Amplitude cai de 3,92 dB em W s /2 = 0,637
Sustentador de ordem zero Amplitude cai de 3,92 dB em W s /2 = 0,637

Sustentador de ordem zero

Amplitude cai de 3,92 dB em W s /2 = 0,637
Amplitude cai de 3,92 dB em W s /2 = 0,637

Fase é descontinua em kW s e tem um deslocamento de fase de +/- 180 o

20

Sustentador de ordem zero • A exatidão do ZOH depende da frequência de amostragem .
Sustentador de ordem zero • A exatidão do ZOH depende da frequência de amostragem .

Sustentador de ordem zero

• A exatidão do ZOH depende da frequência de amostragem .

• A saída do sustentador será mais próxima possível do sinal contínuo original quanto menor for o período de amostragem

do sustentador será mais próxima possível do sinal contínuo original quanto menor for o período de

21

Sobreposição de espectros Dobramento de frequência (Folding) • O fenômeno de sobreposição ( overlap )
Sobreposição de espectros Dobramento de frequência (Folding) • O fenômeno de sobreposição ( overlap )

Sobreposição de espectros

Dobramento de frequência (Folding)

• O fenômeno de sobreposição (overlap) no espectro de frequência W N é conhecido como folding.

N

s

2

T

( overlap ) no espectro de frequência W N é conhecido como folding .  
Aliasing • Se um sinal for amostrado com frequência inferior à W N , as
Aliasing • Se um sinal for amostrado com frequência inferior à W N , as

Aliasing

• Se um sinal for amostrado com frequência inferior à W N , as componentes de alta frequência serão “folded in” rebatidas e aparecerão em baixas frequências

W N , as componentes de alta frequência serão “ folded in ” rebatidas e aparecerão
Aliasing • Considere o caso da seguinte função de entrada F(t) = sen(wt) + sinal
Aliasing • Considere o caso da seguinte função de entrada F(t) = sen(wt) + sinal

Aliasing

• Considere o caso da seguinte função de entrada

F(t) = sen(wt) + sinal útil

seguinte função de entrada F(t) = sen(wt) + sinal útil 0.2 sen (4wt) ruído • Suponha
seguinte função de entrada F(t) = sen(wt) + sinal útil 0.2 sen (4wt) ruído • Suponha

0.2 sen (4wt) ruído

entrada F(t) = sen(wt) + sinal útil 0.2 sen (4wt) ruído • Suponha que f(t) é

• Suponha que f(t) é amostrado com uma frequencia de 2w.

• O que acontece neste caso ?

• O ruido das altas frequencias irá gerar aliases e consequentemente erro na interpretação das amostras

Filtro Anti-Aliasing • Filtro Analógicos utilizado para filtrar altas frequências do sinal geralmente classificadas
Filtro Anti-Aliasing • Filtro Analógicos utilizado para filtrar altas frequências do sinal geralmente classificadas

Filtro Anti-Aliasing

• Filtro Analógicos utilizado para filtrar altas frequências do sinal geralmente classificadas como ruído.

• Exemplos:

• Filtro RC – Usados quando a band de frequencia entre sinal e ruido permite suficiente atenuação.

• Filtros de corte ajustaveis (Butterworth)

a band de frequencia entre sinal e ruido permite suficiente atenuação. • Filtros de corte ajustaveis
Aliasing Para evitar o efeito de aliasing: 1) deve-se adotar uma frequência de amostragem acima
Aliasing Para evitar o efeito de aliasing: 1) deve-se adotar uma frequência de amostragem acima

Aliasing

Para evitar o efeito de aliasing:

1) deve-se adotar uma frequência de amostragem acima da frequência de Nyquist . 2) Utilizar um pré-filtro antes do amostrador para eliminar freqüências indesejáveis (ruídos) – chamado filtro anti-aliasing.

Resumo de Controle Discreto • Componentes básicos de um sistema de medida • Componentes básicos

Resumo de Controle Discreto

• Componentes básicos de um sistema de medida

Controle Discreto • Componentes básicos de um sistema de medida • Componentes básicos de um sistema
Controle Discreto • Componentes básicos de um sistema de medida • Componentes básicos de um sistema

• Componentes básicos de um sistema de atuação

Controle Discreto • Componentes básicos de um sistema de medida • Componentes básicos de um sistema
Exemplo Aquisição de dados 28

Exemplo Aquisição de dados

Exemplo Aquisição de dados 28
Exemplo Aquisição de dados 28

28

Exemplo Aquisição de dados

Exemplo Aquisição de dados 29

29

Exercício 1

Exercício 1 Analisando o sistema do diagrama abaixo podemos concluir que: ( ) O FPB é
Exercício 1 Analisando o sistema do diagrama abaixo podemos concluir que: ( ) O FPB é

Analisando o sistema do diagrama abaixo podemos concluir que:

( ) O FPB é necessário para garantir o correto funcionamento do bloco SH.

( ) FPB pode ser omitido nos casos em que o espectro do Sinal 1 está

contido dentro da faixa de frequências de interesse.

( ) FR é um filtro rejeita-faixa, usado para atenuar a potência do sinal no entorno da frequência do relógio.

( ) o período de amostragem do SH deve ser superior ao tempo de conversão do ADC.

( ) FR é um filtro passa-baixa.

tempo de conversão do ADC. ( ) FR é um filtro passa-baixa. FPB = Filtro passa-baixa

FPB = Filtro passa-baixa SH = sample and holder ADC = Conversor analógico-digital H(z) = Processamento digital DAC = Conversor digital-analógico FR = Filtro de reconstrução (ZOH)

30

Exercicio 2

Exercicio 2 As afirmações a seguir são verdadeira ou falsas? a) A quantização (conversão de um
Exercicio 2 As afirmações a seguir são verdadeira ou falsas? a) A quantização (conversão de um

As afirmações a seguir são verdadeira ou falsas?

a) A quantização (conversão de um sinal em forma analógica para um em forma digital) é realizada pelos conversores AD (analog-to-digital converter). Este erro de quantização depende do período de amostragem, quanto menor o período de amostragem menor o erro de quantização.

b) O sustentador de ordemzero (ZOH), tem a função de reconstruir o sinal amostrado proveniente do microcontrolador e torná-lo um sinal contínuo. c) O teorema de shannon e Nyquist estabelece que para que um sinal amostrado possa ser reconstruído, este não pode conter frequências superiores a duas vezes a frequência na qual foi amostrado.

31