Transformadas de Sinais
Não-Discretos
1.1 Convoluções
Seja um operador (ou filtro) L que recebe um sinal unidimensional f (x) :
R → R e retorna um novo sinal unidimensional (Lf ) (x) : R → R.
L {f (x − α)} = (Lf ) (x − α)
L ◦ Tα = Tα ◦ L
3
4 CAPÍTULO 1. TRANSFORMADAS DE SINAIS NÃO-DISCRETOS
Portanto, por assim dizer, a função delta é nula em qualquer ponto exceto
na origem, onde seu valor é infinito o suficiente para que a área sob seu gráfico
seja exatamente 1.
Note que uma simples mudança de variáveis nos dá
+∞ +∞
f (u) δ (x − u) du = f (x − v) δ (v) dv = f (x − 0) = f (x)
−∞ −∞
f ∗g =g∗f
(f ∗ g) ∗ h = f ∗ (g ∗ h)
f ∗δ =f
d (f ∗ g) df dg
= ∗g =f ∗
dx dx dx
sendo esta última expressão válida sempre que as derivadas envolvidas forem
válidas.
Comentário 1.6 Note que muitas funções que não são diferenciáveis passam
a ter derivadas quando introduzimos funções generalizadas (como a função delta
de Dirac). Por exemplo, a função degrau unitário
0, se x < 0
u (x) =
1, se x ≥ 0
u′ (x) = δ (x)
Demonstração. De fato,
+∞
Lh ew (x) = h ∗ ew = h (u) e2πiw(x−u) du =
−∞
+∞
= −2πiwu
e h (u) du . e2πiwx = ĥ (w) ew (x)
−∞
E o nosso grande problema é: como obter os tais fˆ (w)? Felizmente, podemos
definir neste espaço de funções o seguinte produto interno entre duas funções f
eg
+∞
f, g = f (u) g (u) du
−∞
Esta afirmação não pode ser demonstrada apenas com o material que ex-
pusemos até aqui. De fato, o leitor que tentar prová-la diretamente de nossas
definições encontrará integrais divergentes que não podem ser resolvidas com o
cálculo tradicional. No entanto, este resultado pode ser entendido da seguinte
forma: duas funções do tipo ew1 (x) = e2πiw1 x e ew2 (x) = e2πiw2 x não se cor-
relacionam, a menos, é claro, que w1 = w2 (caso em que elas se correlacionam
e muito).
Mais importante, esta afirmação diz que a base formada pelos vetores ew
é ortogonal com este produto interno! Assim, os fˆ (w) que queremos serão
simplesmente a projeção do vetor f na direção de ew , isto é
+∞
fˆ (w) = f, ew = f (u) e−2πiwu du
−∞
ǧ = g
(−w)
ou em outras palavras, dada f (x),
fˆ (x) = f (−x)
Uma maneira comum de encarar a Transformada de Fourier em processa-
mento de sinais: fˆ (w) mede o quanto de uma freqüência w está “presente” no
sinal f (x). De fato, o sinal ew (x) = e2πiwx , cuja parte real é cos (2πwx), é o
sinal “puro” de freqüência w e fˆ (w) é o peso de ew na reconstrução de f (x).
Por esse mesmo motivo, diz-se que f (x) é a representação de f no domı́nio do
tempo ou domı́nio do espaço, enquanto fˆ (w) é a representação do mesmo sinal
no domı́nio da freqüência.
Note também como a intensidade
da freqüência w em Lh f é fˆ (w) ĥ (w),
isto é, há um ganho de ĥ (w) (possivelmente com defasagem dada pela fase de
ĥ (w)) na freqüência w quando f passa pelo filtro Lh . Por esse motivo, quando
o ganho é alto perto de w = 0 mas baixo para |w| grande, dizemos que Lh é
um filtro de passa-baixa
(apenas
as freqüências baixas sobrevivem a esse filtro).
Por outro lado, se ĥ (w) é alto para |w| grande e baixo para w perto de 0, Lh
é um filtro de passa-alta.
Algumas das propriedades básicas da Transformada de Fourier seguem abai-
xo:
1 1
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
-4 -2 0 2 4 -4 -2 0 2 4
x w
-0.2 -0.2
h (x) ĥ (w)
1 1
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
-4 -2 0 2 4 -4 -2 0 2 4
x w
-0.2 -0.2
h (x) ĥ (w)
Exemplo 1.16
cos (2πw0 x) , −a ≤ x ≤ a
f (x) = ⇒
0, caso contrário
a
⇒ fˆ (w) = cos (2πw0 u) e−2πiwu du =
−a
1 sin (2aπ (w + w0 )) sin (2aπ (w − w0 ))
= +
2π w + w0 w − w0
1.5 2
1
1.5
0.5
1
-4 -2 0 2 4
x 0.5
-0.5
-1 -4 -2 0 2 4
w
-0.5
-1.5
f (x) fˆ (w)
Afirmação 1.17
∞ ∞ 2
ˆ
|f (u)|2 du = f (w) dw
−∞ −∞
Lf (s) = fˆ
2πi
A integral da Transformada de Laplace pode muito bem não convergir para
uma gama de valores de s. Em geral, a sua expressão só faz sentido se f (t)
apresenta decaimento rápido quando t → ±∞. Neste caso, temos as seguintes
propriedades:
• Norma3 :
+∞
f (t)dt = Lf (0)
−∞
• Média:
∞
µ= tf (t) dt = −L′f (0)
−∞
é o valor médio de f.
• Variância para funções normalizadas:
∞
σ2 = (t − µ)2 f (t) dα =
−∞
∞
= t2 f (t) dt − µ2 =
−∞
= L′′f (0) − µ2
é a variância de f quando f é normalizada.
3 Esta norma não tem relação direta com a norma L2 apresentada anteriormente, isto é,
1
1
+∞
|f (t)|2 dt . Este tipo de “norma” é mais utilizada no contexto de
2
f (t) , f (t) 2 = −∞
probabilidades; no nosso caso, utilizaremo-la quando +∞tratarmos de núcleos de convolução.
Para um núcleo K (t), freqüentemente pede-se que −∞ K (t) dt = 1.
12 CAPÍTULO 1. TRANSFORMADAS DE SINAIS NÃO-DISCRETOS
• Convolução:
Lf1 ∗f2 = Lf1 Lf2
isto é, a Transformada de Laplace leva convoluções em produtos (isto não
deve ser uma surpresa, já que a Transformada de Fourier tinha a mesma
propriedade). Portanto, dadas duas funções normalizadas f1 e f2 com
transformadas L1 e L2 , médias µ1 e µ2 e variâncias σ12 e σ22 , a média e a
variância da convolução serão
µ = −L′ (0) = −L′1 (0) L2 (0) − L1 (0)L′2 (0) = µ1 + µ2
σ2 = L′′ (0)
− µ2 = L′′1 (0)L
22 (0) +
′
2L1 (0)L
′ ′′ 2
2 (0) + L1 (0)L2 (0) − µ =
2 2 2 2 2 2
= σ1 + µ1 + 2µ1 µ2 + σ2 + µ2 − µ = σ1 + σ2
onde usamos L = Lf1 ∗f2 .
• Derivada:
L df (s) = s Lf (s)
dx
df
já que Lδ′ = s e dx = δ′ ∗ f .
• Reflexão:
f2 (t) = f1 (−t) ⇒
⇒ L2 (s) = L1 (−s) ; µ2 = −µ1 ; σ22 = σ12
Afirmação 1.22 Toda transformação linear L (que leva funções de duas vari-
áveis em funções de duas variáveis) invariante por translações é dada por uma
convolução
Lf (a, b) = (f ∗ h) (a, b) ⊜ f (x, y) h (a − x, b − y) dA
R2
∂ (f ∗ g) ∂f ∂g
= ∗g = f ∗
∂x ∂x ∂x
∂ (f ∗ g) ∂f ∂g
= ∗g = f ∗
∂y ∂y ∂y
Comentário 1.23 Pode-se realizar a convolução em apenas uma das várias
variáveis de duas funções; por exemplo, a partir de f (x, y) e g (x, y) podemos
realizar uma convolução somente na primeira variável, mantendo y fixo
+∞
h (x, y) = f ∗x g = f (u, y) g (x − u, y) du
−∞
Quando isto ocorrer, usaremos a notação ∗x para indicar a variável que foi con-
voluı́da, como indicado acima (se tal variável não for óbvia do contexto). É
14 CAPÍTULO 1. TRANSFORMADAS DE SINAIS NÃO-DISCRETOS
∂ (f ∗x g) ∂f ∂g
= ∗x g = f ∗x
∂x ∂x ∂x
mas para a derivação em y precisamos de uma regra tipo produto
∂ (f ∗x g) ∂f ∂g
= ∗x g + f ∗x
∂y ∂y ∂y
Esta última forma deve ser aplicada sempre que calcularmos derivadas parciais
com respeito a variáveis que não estão na convolução!
-1
-5
y0 -5
5 0x
5
w1 = 1; w2 = 0.3
ainda temos
sin 2πw2 a
ĥ (w1 , w2 ) = ĝ (w1 )
πw2
e a transformada de h ainda não é exatamente a transformada de g. Estas
observações são casos especiais da seguinte propriedade.
Demonstração. De fato
∞ ∞
ĥ (w1 , w2 ) = h (x, y) e−2πiw1 x e−2πiw2 y dx dy =
−∞ −∞
∞ ∞
= f (x) g (y) e−2πiw1 x e−2πiw2 y dx dy =
−∞ −∞
∞ ∞
−2πiw1 x −2πiw2 y
= f (x) e dx g (y) e dy =
−∞ −∞
= fˆ (w1 ) ĝ (w2 )
1.5 Exercı́cios
1) Você provavelmente já viu alguma espécie de “equalizador gráfico de
áudio”. Por exemplo, as versões mais recentes do conhecido programa “free-
ware” WinampTM têm um equalizador embutido:
2) Um sinal de áudio fin (t) é processado por um filtro linear gerando uma
saı́da fout (t). Um modelo para este processamento é
fout (t) = (fin ∗ h) (t)
onde h é um núcleo de convolução e t representa tempo. Tal expressão parece
indicar que fout (t0 ) (para um t0 fixo qualquer) depende dos valores de fin (t)
1.5. EXERCÍCIOS 17
5) Mostre que se f (x) é real então fˆ (w) = fˆ (−w). Conclua que fˆ (0) é
real. Generalize para a Transformada de Fourier bidimensional.
f ′′ (x) = −K f (x)
∂2F ∂2F
=
∂t2 ∂x2
F (x, 0) = f0 (x)
∂F
(x, 0) = 0
∂t