Anda di halaman 1dari 48

Transformada de Fourier de

Seqüências

Prof. Dr. Milton Dias Junior Prof. M.Sc. Samuel da Silva


milton@fem.unicamp.br samsilva@fem.unicamp.br
Bloco CD2 Bloco BD3-02

Departamento de Projeto Mecânico


Faculdade de Engenharia Mecânica
Universidade Estadual de Campinas
Metas desta Aula M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 2

• Apresentar o processo de amostragem no domínio da freqüência;


• Definir a transformada de Fourier de seqüências (sinais discretos);
• Exemplos da transformada de Fourier das seqüências mais comuns.
• Apresentar as principais propriedades da transformada de Fourier de
seqüências ;
• Resolver exemplos para mostrar que o uso destas propriedades reduz
consideravelmente o número de cálculos e facilita as operações durante o
processamento de sinais.
• Representação de um sistema linear e invariante com o deslocamento no
domínio da freqüência, ou seja, calculo da TF de h[n].
Relembrando: Transformada de Fourier M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 3

A transformada de Fourier e a transforma inversa de Fourier de um sinal


contínuo x (t) é dada por:

X (Ω) = ∫−∞ x (t ) e − jΩt dt
Ω: freqüência em rad/s
1 ∞
x (t ) = ∫−∞ X (Ω) e jΩt dΩ

• Ferramenta matemática para converter função de um domínio para


outro;
• Só existe um x(t) para X(Ω) e vice-versa. É uma relação unívoca.
• Note que a TF e a TF-1 são operacionalmente idênticas! Portanto quando
estudarmos algoritmos para solução destas transformadas eles também
serão idênticos!
Amostragem Ideal de Sinais M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 4

• Considerando x(t) um sinal contínuo no tempo e com faixa limitada em


freqüência de Ωm=2πf m (rad/s).

• Na prática nenhum sinal é totalmente limitado em freqüência. Daí a


importância de se utilizar filtros analógicos passa-baixas antes da
amostragem.

• Seja a função trem de impulsos periódicos:


δT (t ) = ∑ δ(t − nT )
n = −∞

Sendo T o período de amostragem e δ a função impulso unitário


Amostragem Ideal de Sinais M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 5

Funções envolvidas no processo de amostragem


Amostragem Ideal de Sinais M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 6

• Uma amostragem ideal do sinal através da função pente com Fs=1/T pode
ser escrita como:

xs (t ) = x(t )δT (t ) = ∑ x(nT )δ(t − nT )
n = −∞

• Interessantes analisar isto em freqüência. Para isto utilizamos a


propriedade da transformada de Fourier que será vista mais adiante
(produto de duas funções no tempo é igual a convolução destas duas
funções na freqüência):
1 ∞
TF de x(t )y (t ) é X (Ω ) * Y (Ω ) = ∫ X (λ )Y (Ω − λ )dλ
1
2π 2π

• Considerando que conhecemos a TF de x(t), ou seja, X(Ω) e a TF do


trem de impulsos, podemos utilizar a propriedade acima para calcular a
TF do sinal amostrado xs(t), ou seja, calcular Xs(Ω).
Amostragem Ideal de Sinais M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 7

• Transformada de Fourier do trem de impulsos:



δT (Ω ) = Ω s ∑ δ(Ω − nΩ s ),
n = −∞

sendo Ω s = a taxa de amostragem(rad / s )
T

• Assim a TF do sinal amostrado xs(t) é dada por:

1 ∞
X s (Ω ) = ∑ X c (Ω − nΩ s )
T n = −∞
Amostragem Ideal de Sinais M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 8

1 ∞
X s (Ω ) = ∑ X c (Ω − nΩ s )
T n = −∞

Conclusão importante: O espectro do sinal amostrado (não se esqueça


que esta função ainda é contínua) depende do espectro do sinal contínuo
X(Ω). Xs(Ω) nada mais é do que réplicas de X(Ω) deslocadas de Ωs, sendo
Ωs a taxa de amostragem. Portanto o espectro de um sinal amostrado
apresenta um caráter periódico!

A partir da conclusão acima ficará fácil entender e rever porque o teorema


da amostragem afirma que Ωs=2π/T ≥ 2Ωmax para o sinal não conter
distorções (aliasing).

Nota: nesta aula sempre trabalharemos com freqüência em rad/s ou


rad/amostras, a mudança para Hz e/ou ciclos por amostras é imediata!!
Amostragem Ideal de Sinais M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 9

Espectro genérico de freqüências de um sinal contínuo x(t) de


faixa limitada.

Espectro genérico de freqüências de um sinal amostrado com


Ωs≥ 2Ω
Amostragem Ideal de Sinais M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 10

• Importante: Se Ωm= Ωs- ΩmÆ Ωs=2 ΩmÆsituação limite (freqüência


de Nyquist).
• Se Ωs≥ 2Ωm replicas não se superpõem, o que assegura que o sinal
original pode ser recuperado por um filtro analógico passa-baixas
ideal, ou seja, todas as componentes existentes em X(Ω) vão aparecer
de maneira correta no espectro de Xs(Ω).

Filtragem passa-baixas ideal para recuperação do sinal


contínuo x(t).
Amostragem Ideal de Sinais M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 11

• Se por outro lado for empregado Ωs< 2Ωm ocorre superposição das
réplicas do espectro do sinal amostrado (Aliasing).
• Neste caso, a recuperação do sinal original sem distorção fica
invibializada.

Espectro de freqüências do sinal amostrado xs(t) para o caso


em que Ωs< 2Ωm
Transformada de Fourier de Seqüências M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 12

A ausência do parâmetro T nas expressões envolvendo seqüências (sinais


discretos) motiva a definição de uma nova expressão para a transformada
de Fourier a ser utilizada no contexto das seqüências.

X s (Ω ) = ∑ x(nT )e − jΩTn ; para amostras
n = −∞

A partir da qual definimos a TF para seqüências como:


X s (ω) = ∑ x[n]e − jωn ; para sequencias
n = −∞

ω = ΩT (rad / amostras )
Relações já vistas
sendo: F
ω = 2πFT = 2π em aulas passadas!
Fs
Transformada de Fourier de Seqüências M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 13

• Assim como Xs(Ω) é periódico com período Ωs=2π/T, o espectro X(ω) é


periódico com período ωs= ΩsT=2π, ou seja:
Devido a periodicidade com
X (ω) = X ((ω + 2kπ)) período 2π é comum
visualizar o espectro X(ω) no
intervalo - π < ω ≤ π ou ainda
de 0 ≤ ω <2π.

Adicionalmente, no caso da
análise de seqüências reais
x[n], devido a simetria, é
comum representar apenas no
intervalo 0 ≤ ω < π . Isto é o
que acontecerá durante todo o
curso.
Transformada de Fourier de Seqüências M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 14

X (ω) = X ((ω + 2kπ))

Em processamento digital
de sinais é comum usar a
escala normalizada em rad!
Quase lei!!

Assim todas as freqüências próximas a zero correspondem a região de


baixa freqüência e componentes próximas a π correspondem a região
de alta freqüência.
Transformada de Fourier de Seqüências M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 15

• Sinal contínuo, eixo Ω


(rad/s).

• Sinal com amostragem


ideal, eixo Ω (rad/s).

• Espectro da seqüência
correspondente
desenhado no eixo
normalizado ω (rad).
Comparação entre espectros de freqüências.
Transformada de Fourier de Seqüências M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 16

Considerações Importantes:
• O espectro X(ω) apesar de estar relacionada a uma seqüência x[n] ainda
é uma função contínua em ω. Portanto a expressão anterior não serve para
cálculo no computador! Não confunda TF de sinais discretos com
transformada discreta de Fourier (TDF), que são coisas distintas. A TDF
será estudada mais à frente neste curso, assim como algoritmos para
cálculo eficiente da TDF, como a família de algoritmos FFT. Adiantando a
TDF nada mais é que X(ωk) tomada a intervalos ωk=2πk/N, sendo N o
número de pontos no 1.º período do espectro (não esqueça nunca que X(ω)
é periódico!!- vide slide anterior), ou seja, X(ωk) é X(ω) amostrado com
resolução 2π/N.
• X(ω) nada mais é que X(Ω) escrito em função do eixo de freqüências
normalizado ω (rad/amostras ou simplesmente rad).

• A condição para convergência uniforme da TF X(ω) é: ∑ x[n] < ∞
n = −∞
Transformada Inversa de Fourier M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 17

• A transformada inversa de Fourier (TF-1) de X(ω) é dada por:

1 2π
x[n] = ∫ X (ω) e jωn

2π 0

• Integral acima é feita apenas no 1.º período de X(ω)!


• É comum os livros utilizarem notação mais carregada X(e-jω), motivado
pelo relacionamento da transformada de Fourier com a transformada Z.
• Isto ficará mais claro nas próximas aulas quando estudarmos a
transformada Z em detalhes.
Exemplo M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 18

Considere um sinal real contínuo no tempo x(t) cujo espectro está


mostrado abaixo.
X(f)

Espectro é
simétrico!!
f (kHz)
1
Este sinal foi amostrado com um intervalo entre as amostras T = 2 x 10-4
segundos, gerando uma seqüência x[n].

A seqüência x[n] é submetida a um filtro discreto passa-altas ideal H(ω)


com freqüência de corte ωc = π/4 rad gerando a seqüência y[n] na saída
(sinal x[n] filtrado).
Exemplo M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 19

1 1
Pede-se: (a) Esboce o espectro Fs = = −4
= 5000 amostras / s
T 2 × 10
X(ω).
1
Ω s = 2π = 10000π rad / s
T
Ω = 2πF
1 ∞
Xs(Ω) X s (Ω ) = ∑ X (Ω − nΩ s )
T n = −∞
banda de
••• guarda •••
π/T
Ω (rad/s)
2000π 8000π Ωs=10000π 12000π
X (ω)
ω = ΩT
•••
•••
π
ω (rad)
2π/5
8π/5 2π 12π/5
Exemplo M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 20

Pede-se: (b) Esboce o espectro Y(ω).

y[n] = x[n]* h[n] ⇔ Y (ω) = X (ω)H (ω)


Esta propriedade será vista
adiante neste capítulo.

H(ω): Filtro discreto passa-altas ideal.


X (ω)

•••
•••
π
ω (rad)
ωc=π/4 2π/5
8π/5 2π 12π/5

Motivação para estudar TF: Note que é muito mais fácil multiplicar os
espectros do que calcular a convolução acima no eixo n. Esta é uma das
inúmeras razões da importância do uso de transformadas em
processamento de sinais. Os cálculos ficam muito mais simples!
Exemplo M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 21

Espectro resultante da filtragem Y(ω).

Y (ω)

•••
•••
π
ω (rad)
0 π/4 2π/5
8π/5 2π 12π/5

• Durante o processamento on-line consigo aumentar ou diminuir a banda


de guarda de um sinal através de processamento multitaxas.
• No fundo consigo reamostrar o sinal, dizimando ou interpolando. Isto
não faz parte da ementa deste curso.
• Os interessados podem consultar o livro do Oppenheim ou Proakis.
TF da Seqüência Impulso Unitário M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 22

⎧1, n = 0
Lembrando: δ (n ) ≡ ⎨
⎩0, n ≠ 0

A transformada de Fourier (TF) desta seqüência é dada por:

∞ ∞
X (ω) = ∑ x[n]e − jωn
= ∑ δ[n]e − jωn = 1
n = −∞ n = −∞
TF da Seqüência Impulso Unitário M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 23

O espectro de freqüência desta seqüência é:

1 Y (ω)
••• •••

π
ω (rad)
0

Veremos adiante como obter o espectro de uma seqüência qualquer


deslocada no eixo n, ou seja, seremos capaz de calcular o espectro de
δ[n - k].
TF da Seqüência Degrau Unitário M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 24

Recordando: ⎧1, n ≥ 0
u (n ) ≡ ⎨
⎩0, n < 0

Uma vez que: Não existe TF para esta


seqüência!
∞ ∞
∑ x[n] = ∑ u[n] → ∞
n = −∞ n = −∞ Idem para a seqüência rampa!
TF da Seqüência Retangular M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 25

Recordando: rN [n ] = u[n ] − u[n − N ]


1.5

A TF é dada por:
1

∞ N −1
RN (ω) = ∑ rN [n]e − jωn
= ∑ e − jωn

x[n]
n = −∞ n=0
0.5

Ou seja, temos a soma de uma


progressão geométrica com razão e- 0
-4 -2 0 2 4
Amo s tras - n
6 8 10

jω. Lembrando que tal soma é dada

por:
elemento inicial − elemento final × razão
S=
1 − razão
TF da Seqüência Retangular M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 26

Com o uso da soma da progressão:


∞ 1 − e − jNω
RN (ω) = ∑ rN [n]e − j ωn
=
n = −∞ 1 − e − j ωn

Utilizando as relações de Euler obtém-se:

2⎛e 2⎞
− jN ω jN ω − jN ω
e ⎜ 2
⎟ −e
RN (ω) = ⎝ ⎠
− jω ⎛ jω − jω ⎞
e 2
⎜e 2 −e 2⎟
⎝ ⎠

RN (ω) = e
− j ( N −1)ω (
sen N ω ) Exercício para casa: Esboce
( 2)
2 2
sen ω esta seqüência para N=7. Use
o Matlab!
TF da Seqüência Exponencial Real M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 27

Recordando: ⎧a = constante real


x[n] = a u[n]
n

⎩ a <1

Esta seqüência desempenha um papel destacado no processamento de


sinais discretos, em particular na análise de sistemas lineares.
Exercício para casa:
X (ω) =
A TF é dada por: 1
Demonstre a expressão ao
1 − ae − jω lado! Uso a soma de PG!
TF de Seqüências Senoidais M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 28

• Ao contrário do que ocorre no campo analógico, não é definida a TF de


seqüências senoidais neste primeiro momento, pois a condição seguinte
não é satisfeita:


∑ x[n] < ∞
n = −∞

• Quando estudarmos técnicas de Janelamento, o somatório acima é


finito e assim será possível calcular a TF de seqüências senoidais.
• Mas mesmo assim teremos problemas no espectro resultante, conhecido
como Leakage;
• Isto será estudado em capítulos futuros!
Propriedades da TF de Seqüências M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 29

• A transformada de Fourier de seqüências apresenta diversas


propriedades que auxiliam muito na solução de problemas de
processamento de sinais.
• Serão vistas sucintamente as seguintes propriedades da TF:
- Linearidade
- Deslocamento no eixo n
- Deslocamento no eixo ω
- Diferenciação em freqüência
- Seqüências reais
- Inversão no eixo n
- Componentes par e ímpar
Linearidade M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 30

A transformada de Fourier de uma combinação linear de seqüências é igual a


combinação linear das respectivas transformadas.
x[n] ⇔ ℑ{x[n]} = X (ω)
y[n] ⇔ ℑ{y[n]} = Y (ω)
então :
ℑ{ax[n] + by[n]} ⇔ aX (ω) + bY (ω)

Exemplo: x[n] = 2r5 [n] + 3r2 [n] Exercício: Esboce a seqüência x[n]!

ℑ{x[n]} = X (ω) = 2 R5 (ω) + 3R2 (ω)

A TF da seqüência retangular já foi calculada em aulas passadas e


portanto já é conhecida.
Deslocamento no Eixo n M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 31

Se: x[n] ⇔ ℑ{x[n]} = X (ω) Então: x[n − n0 ] ⇔ X (ω)e − jωn0


∞ ∞
Demonstração:
∑ x[n − n0 ]e
n = −∞
− j ωn
= ∑ x[k
k = −∞
]e − jω( k + n0 )
= X (ω)e − jωn0

k=n-n0
Esta propriedade mostra que um deslocamento no eixo n produz uma
componente linear de fase no domínio da freqüência.
Y (ω) = X (ω)e − jωn0
x[n] ⇔ X (ω)
Y (ω) = X (ω) Espectro de amplitude é igual!!
y[n] = x[n − n0 ]
Agora no espectro de fase é
∠Y (ω) = ∠X (ω) − n0 ω
acrescentado um componente
linear de fase (pode somar ou
retirar!)
Deslocamento no Eixo n M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 32

Exemplo1: x[n] = 5r2 [n] + 3r3 [n − 2] Calcule X(ω).

X (ω) = 5R2 (ω) + 3R3 (ω)e − j 2 ω

Note que esta seqüência é idêntica a seqüência utilizada no exemplo sobre


linearidade!!

Exemplo2: x[n] = 2δ[n + 1] + 5δ[n] − 3δ[n − 1] + 10δ[n − 20]

X (ω) = 2e jω + 5 − 3e − jω + 10e − j 20 ω
Deslocamento no Eixo ω M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 33

Lembrando que TF e TF-1 são operacionalmente idênticas então se:


x[n] ⇔ X (ω)

e − jω0 n x[n] ⇔ X (ω + ω0 )

∞ ∞
Demonstração: ∑ x[n]e
n = −∞
− j ω 0 n − j ωn
e = ∑ x[n
n = −∞
]e − j ( ω0 + ω ) n
= X (ω + ω0 )

Lembrando as relações de
X (ω − ω0 ) X (ω + ω0 )
x[n]cos[ω0 n] ⇔
Euler:
+
e jω0 n = cos[ω0 n] + j sen[ω0 n] 2 2

jω 0 n − jω 0 n Ou seja, a multiplicação de x[n] por


+e
cos[ω0 n] =
e
uma seqüência senoidal produz
2
deslocamento espectral!
Deslocamento no Eixo ω M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 34

Considerações importantes sobre a propriedade de deslocamento espectral:

• A multiplicação de x[n] por uma seqüência senoidal é muitas vezes


conhecida como modulação de um sinal.
• Esta propriedade é muito utilizada para transformação de tipos de filtros
FIR. Por exemplo, um filtro passa-baixas com resposta ao impulso h[n]
pode ser configurado em um filtro passa-altas pela simples multiplicação
por uma senoide. Com isto confirmamos mais uma vez a importância atual
do processamento digital quando comparada com processamento analógico.
A 3.º lista de exercícios contempla um exemplo sobre isto.
• A operação de zoom em alta-freqüência de um espectro pode ser realizada
aplicando-se esta propriedade. Com isto não é necessário utilizar um
número enorme de pontos para visualizar detalhes de altas freqüências.
Basta “modular” o sinal x[n].
Diferenciação em Freqüência M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 35

dX (ω)
nx[n] ⇔ j

Demonstração:

d ⎡ ∞ − jωn ⎤

⎢ ∑ x[n]e ⎥ = ∑ − jnx[n ]e − jωn


= − jℑ{nx[n]}
dω ⎣ n = −∞ ⎦ n = −∞

Esta propriedade não é muito utilizada em aplicações de processamento


convencional de sinais
Seqüências Reais M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 36

Se x[n] é real então: X (ω) = X * (− ω)

*

⎡ ∞
− j ( − ω )n ⎤
Demonstração: X (ω) = ∑ x[n]e
n = −∞
− jωn
= ⎢ ∑ x[n]e
⎣ n = −∞


= X *
(− ω)

Esta propriedade prova a simetria de espectros de sinais reais. Como


conseqüência deste resultados se confirma o que já foi visto
anteriormente:

X (ω) = X (− ω) Espectro de Amplitude Æ Função Par

∠X (ω) = ∠ − X (− ω) Espectro de Fase ÆFunção Ímpar


Inversão no Eixo n M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 37

Se x[n] ⇔ X (ω) Então x[− n] ⇔ X (− ω)

Demonstração:

∞ ∞
ℑ{x[− n]} = ∑ x[− n]e − j ωn
= ∑ x[k ]e − j ( − ω )k
= X (− ω)
n = −∞ k = −∞
Componentes Par e Ímpar M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 38

Esta propriedade é fundamental para aplicações envolvendo a


Transformada de Hilbert.

Para qualquer x[n] pode-se escrever: x[n] = xe [n] + xo [n]

x[n] + x* [− n] xe[n] tem simetria par e xo[n] tem


xe [n] = simetria impar.
2

x[n] − x* [n] Xe(ω) é função real e par e Xo(ω) é


xo [n] = função imaginária e ímpar!
2

A transformada de Hilbert se preocupa com a


O cálculo da TF é
questão: será que é possível relacionar apenas
imediato:
a parte real da TF com a TF do sinal como um
X (ω) = X e (ω) + X o (ω) todo sem passar pelo domínio temporal?A
X (ω) = X R (ω) + jX I (ω) parte real é suficiente!!
Representação de SLID em Freqüência M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 39

Considere um sistema linear e invariante com o deslocamento no eixo n


(SLID), não se esqueça que trabalhamos no âmbito de seqüências, assim
no eixo temporal este sistema seria LIT (linear e invariante com o tempo)
Um SLID é caracterizado pela sua resposta ao impulso h[n]. Assim a
transformada de Fourier de h[n] é dada por:


H (ω) = ∑ h[n ]e − j ωn

n = −∞

A TF de h[n] é especial e por este motivo recebe o nome de Função de


Transferência do sistema e permite a caracterização do sistema no domínio
da freqüência.
Representação de SLID em Freqüência M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 40

Não confunda o conceito de função de transferência utilizado na área de


processamento de sinais, com o conceito de função de transferência usado
em aplicações de controle linear!
Em controle a função de transferência é dada pela transformada de Laplace
da resposta ao impulso. Estudaremos no próximo capítulo o equivalente
discreto da transformada de Laplace, a transformada Z e definiremos está
transformada para h[n] que será chamada de Função de Sistema, por
caracterizar o sistema em função de pólos e zeros.

Recordando que a relação entre um sinal de entrada, x[n], sendo


processado por um SLID h[n] tem como saída correspondente:


y[n] = x[n]* h[n] = ∑ x[k ]h[n − k ]
k = −∞
Representação de SLID em Freqüência M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 41

A TF tem a capacidade de transformar a convolução no eixo n em produto


de espectros, ou seja:

Y (ω) = X (ω)H (ω)

Portanto, é muito mais fácil processar um sinal no domínio da freqüência


do que no domínio do tempo.

H(ω) é uma função complexa. Seu módulo é conhecido como Resposta de


Amplitude, enquanto seu argumento é conhecido como Resposta de Fase.

Uma vez que toda função espectral associada a seqüências é periódica


com período 2π, H(ω) também é. Esta periodicidade produz fenômenos
sem contrapartida no domínio analógico.
Representação de SLID em Freqüência M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 42

A função de transferência apresenta algumas propriedades importantes:


(1) A resposta de um SLID a uma entrada exponencial complexa numa
determinada freqüência, é a mesma exponencial complexa multiplicada
pela função de transferência calculada na freqüência da exponencial.
Portanto, a amplitude da exponencial será multiplicada pelo valor da
resposta de amplitude do sistema e sua fase será alterada pela resposta de
fase do sistema na mesma freqüência, ou seja:

x[n] = e jnω0 , − ∞ < n < ∞, então y[n] = H (ω0 )x[n]


Demonstração: y[n] = x[n]* h[n] = ∑ h[k ]
e j ( n − k )ω0
=
k = −∞

=e jnω0
∑ h[k ]
e − jkω0
= e jnω0
H (ω0 ) = x[n]H (ω0 )
k = −∞
Representação de SLID em Freqüência M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 43

Com esta propriedade pode-se demonstrar que se o sinal de entrada do


sistema é do tipo:
x[n] = cos(nω0 + φ)

Então o sinal processado por este sistema será dado por:

y[n] = H (ω0 ) cos(nω0 + φ + θ), θ = arg[H (ω0 )]


(2) H(ω) existe ∑ h[n] < ∞
n = −∞
Se isto valer isto significa que a
se: série

∑ h[n ]e − jωn converge uniformemente para H(ω). Ou seja, a existência de

n = −∞ H(ω) exige que o sistema seja estável!!


Portanto, todo SLID estável tem H(ω). Também, como todo sistema FIR é
estável, estes sistemas sempre tem função de transferência.
Exemplo M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 44

Considere a seguinte equação à diferenças de 1.º ordem.

y[n] − ay[n − 1] = x[n]

Já vimos que este sistema pode operar na forma causal ou não-causal. Para
o sistema operando na forma causal temos a seguinte resposta ao impulso:

h[n] = a nu[n]; a <1

A resposta ao impulso para este sistema causal é uma seqüência


exponencial real. Já calculamos a TF desta seqüência. Esta transformada é
dada por:
H (ω) =
1
1 − ae − jω
Exemplo M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 45

Outra forma usual de se obter H(ω) é aplicar a TF de ambos os lados da


equação a diferenças, ou seja:

ℑ{y[n] − ay[n − 1]} = ℑ{x[n]}

Y (ω) − aY (ω)e − jω = X (ω)

[ ]
Y (ω) 1 − ae − jω = X (ω)

Y (ω)
H (ω) =
1
=
X (ω) 1 − ae − jω

Acima utilizamos as propriedade de linearidade e de deslocamento no


eixo n.
Exemplo M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 46

A resposta de amplitude e de fase deste sistema pode ser dada por:

[ ]
1
H (ω) = 1 + a − 2a cos(ω)
2 −
2

∠H (ω) = arctan[a sen (ω)]


(1 − a cos(ω))

• Este sistema pode configurar um filtro discreto passa-baixas ou


passa-altas de 1.º ordem, dependendo do valor da constante a a ser
escolhida.
• Apenas alterando o sinal da constante a posso mudar o tipo de
filtro!! Mais uma vez justifica-se a flexibilidade que se tem com
processamento digital de sinais.
Exemplo M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 47

Resposta em freqüência de um filtro passa-baixas IIR de 1.º ordem


com a=0.8
Mag nitude Re s po ns e (dB) Phas e Re s po ns e
14 0
12

10
-50
8

Phas e (de g re e s )
Mag nitude (dB)

4 -100
2

0
-150
-2

-4

-6 -200
0 0 .2 0.4 0 .6 0 .8 0 0.2 0.4 0.6 0.8
No rmaliz e d Fre que nc y (×π rad/s ample ) No rmaliz e d Fre que nc y (×π rad/s ample )

Estes gráficos foram feitos com o comando do toolbox de


processamento de sinais do matlab: fvtool([0 1],[1 -0.8])
Exemplo M. DIAS JR. / S.SILVA – FEM/UNICAMP
SISTEMAS DE AQUISIÇÃO DE DADOS
TRANSFORMADA DE FOURIER DE
SEQÜÊNCIAS – 48

Resposta em freqüência de um filtro passa-altas IIR de 1.º ordem


com a=-0.8
Mag nitude Re s po ns e (dB)
15 Phas e Re s po ns e
0

-20
10
-40
Mag nitude (dB)

Phas e (de g re e s )
-60
5
-80

-100
0
-120

-5 -140

-160

-10 -180
0 0.2 0.4 0.6 0.8 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
No rmaliz e d Fre que nc y (×π rad/s ample ) No rmaliz e d Fre que nc y (×π rad/s ample )

Estes gráficos foram feitos com o comando do toolbox de


processamento de sinais do matlab: fvtool([0 1],[1 0.8])