Analise de Fourier e Wavelets PDF

Anlise de Fourier e Wavelets
orelha
Anlise de Fourier e Wavelets:

Sinais Estacionrios e No
Estacionrios
Hlio Magalhes de Oliveira
H. Magalhes de Oliveira
Anlise de Fourier e Wavelets:

Sinais Estacionrios e No
Estacionrios
Copyright 2007
Editora Universitria, Universidade Federal de Pernambuco
Dados de Catalogao da Publicao

ndices para catlogo sistemtico:
1. Anlise de Fourier: Matemtica 517.355 515.2433
2. Anlise de sinais: Telecomunicaes 621.3 624
Capa: Fbio Marins
Projeto Grfico: Fbio Marins
Reviso: O Autor
Impresso e acabamento: Editora Universitria da UFPE
Departamento de Eletrnica e Sistemas da Universidade Federal de Pernambuco
Cidade Universitria Caixa Postal 7.800 CEP 50711-970 Recife PE
E-mail hmo@ufpe.br URL http://www2.ee.ufpe.br/codec/deOliveira.html
Oliveira, Hlio Magalhes de, 1959Anlise de Fourier e Wavelets : sinais

estacionrios e no estacionrios/ Hlio Magalhes de Oliveira.
Recife: Editora Universitria, UFPE 2007.
342 p.,: il., fig., tab.
Inclui Bibliografia, referncias e ndice.
ISBN 978-85-7315-417-7
(broch.)
1. Matemtica para Engenheiros Anlise de Fourier.

2. Telecomunicaes Anlise de Sinais.
517.443
CDU (2.ed.)
517.2433
CDU (22.ed.)
I. Ttulo.
UFPE
BC2007-076
PREFCIO
Esta obra redigida em esprito antagnico escritura categrica de
Matemtica: <<uma conveno estrita: esconder cautelosamente os
menores indcios que sugiram uma eventual possibilidade que o autor, ou
o leitor, um ente humano>> (The Mathematical Experience, J. Davis, R.
Hersh, Boston: Birkhuser, 1980, p.36).
As idias de Joseph Fourier bicentenrias! Quantos contribuintes
cientficos resistem, com autoridade semelhante, simultaneamente nas
reas de Engenharia, Matemtica e Fsica? Esta obra comemora os dois
sculos de relevncia nas cincias (1807-2007) do nascimento das idias
centrais de Fourier. Ocasio propcia. Tantos e quantos livros textos sobre
a anlise de Fourier... Este, em particular, enfoca uma abordagem
caracterstica, um pouco menos convencional. Uma sinopse sobre
desenvolvimentos em sries ortogonais generalizadas (e.g. sries de
Legendre-Fourier, Chebyshev-Fourier, ...), com nfase na representao
trigonomtrica de Fourier, apresentado. Fourier fez inmeras
contribuies Matemtica, incluindo um pioneirismo na introduo da
notao
adotada hoje. A apresentao de sries envolve igualmente o
fenmeno de Gibbs, os critrios para a convergncia de sries (condies

de Dirichlet, teorema de Fourier, teorema de Fejr), convergncia l.i.m.,
pontual e uniforme. As implicaes do Reino de Fourier na Engenharia
Acstica so discutidas. Tpicos como notas musicais, consonncias &
dissonncias, classificao de instrumentos musicais foram includos.
Apresenta-se a teoria dos tapers de Tukey (data windows) e
particularmente a janela de Lanczos revistada. O uso da srie de Fourier
para modelar processo fractais determinsticos ilustrado, como no caso
das funes de Weierstrass, alm do uso da srie de Fourier como
mecanismo de gerao de fractais aleatrios (do tipo movimento
Browniano fracionrio). A passagem para o contnuo conduz
transformada de Fourier, cujas propriedades so investigadas e revisadas.
O princpio da incerteza de Gabor-Heisenberg intimamente conectado
teoria de Fourier. Clculos computacionais do espectro conduzem
transformada discreta de Fourier (DFT), cuja interpretao e propriedades
so discutidas. Mecanismos para o clculo eficiente do espectro so
tambm tratados (os algoritmos rpidos, ditos transformadas rpidas). Os

resultados de Heidman sobre complexidade multiplicativa para a DFT so
apresentados. Outros tipos de transformadas conectadas transformada
clssica de Fourier so apresentadas, incluindo a transformada de WalshHadamard, entre outras. A anlise espectral clssica evolui no final o
sculo XX para o tratamento de sinais no estacionrios. Uma vez mais, a
anlise moderna com base em wavelets funciona intimamente ligada
abordagem Fourier. O teorema da amostragem discutido, com uma
demonstrao do tipo viva Fourier, assim como o teorema 2BT sobre
dimensionalidade de sinais. Como ferramentas potentes que generalizam
as teorias clssicas, dois apndices foram adicionados, tratando da teoria
da integrao de Lebesgue e da teoria das distribuies. A abordagem
sobre a teoria das distribuies de Laurent Schwartz tem no texto
principal um enfoque pessoal do autor, alm de um apndice no qual a
apresentao segue uma rota mais formal. Parcos resultados recentes do
autor foram includos, tais como: sries quantizadas de Fourier; wavelets
de de Oliveira; novos algoritmos rpidos; com base em decomposio
multicamada de Hadamard, autofunes do operador transformada de
Fourier; uma probabilidade aritmtica; e por fim, a transformada de
Fourier em corpos finitos. Aplicaes modernas da transformada de
Fourier (e wavelets) na descontaminao de sinais so argumentadas com
um enfoque pragmtico. Mesmo os princpios de tomografia
computadorizada com base em Fourier so apresentados. A adaptao da
anlise de Fourier para sinais estocsticos conduz s sries estocsticas de
Fourier, e expanses de Kahunen-Love. At mesmo a modelagem no
linear para sistemas com base em sries de Volterra apresentada. Por
fim, o reino de Fourier conquista definitivamente o mundo finito e digital,
migrando para a transformada de Fourier de corpo finito (transformada de
Galois-Fourier). Uma coletnea de mais de cem exerccios com respostas
includa, facilitando o aprendizado e prtica na aplicao destas
ferramentas. Os exerccios so provenientes de um extrato de Listas de
Problemas semanais e de Exerccios Escolares. Uma breve cronologia
situa os principais personagens neste pico.
Alm de constituir uma tcnica essencial para as Engenharias, os
resultados so vitais em reas como: ptica e Processamento com lentes;
Imagens mdicas (tomografia computadorizada de Raios X CT/CAT;
tomografia por emisso PET/ECT; ressonncia magntica nuclear NMR);
em estudos da estrutura atmica da matria (incluindo cristalografia de
Raios X, microscopia ptica e por contraste de fase); e na estrutura do
Universo (radioastronomia, interferometria, estudo de fontes de

radiao), alm de tcnicas modernas de Espectroscopia (e.g.
espectroscopia de massa). A expectativa fornecer uma viso
complementar sobre as ferramentas, as aplicaes e a importncia do
tema no mundo cientfico. A propsito dos Fourier (Charles Fourier
Jean Fourier), Victor Hugo mencionou redondamente equivocado sobre o
legado dos dois para a posteridade...
AGRADECIMENTOS
O autor agradece aos colegas do Departamento de Eletrnica e
Sistemas (DES) e, sobretudo, aos estudantes de Graduao e do Programa
de Ps-Graduao em Engenharia Eltrica da Universidade Federal de
Pernambuco. De fato, inmeras melhorias pedaggicas foram incitadas
por comentrios de bons estudantes do curso de Mtodos Matemticos da
Ps-Graduao em Engenharia Eltrica da UFPE, aos quais so
endereados sinceros agradecimentos.
Entre estes, Andr Leite
Wanderley, Andr Neumman Kauffman, Andrei de Arajo Formiga,
Arquimedes Jos de Arajo Paschoal, Carmelo Jos Albanez Bastos
Filho, Custdio Incio dos Santos, Daniel Bezerra Chaves, Danilo Silva,
Diego Felix de Souza, Joo Marcelo Monte da Silva, Joo Paulo Cruz
Lopes Miranda, Juliano Bandeira Lima, Leandro Chaves Rego, Luciana
Beltro Espnola da Silva, Luciana Reginaldo Soares, Luiz Antnio
Magnata da Fonte, Marcos Mller de Vasconcelos, Milde Silva Lira,
Rafael Santos de Souza, Renato Jos de Sobral Cintra, Rodrigo Gurgel
Fernandes Tvora, Ronaldo Venncio da Silva, Tiago Henrique Falk,
Victor Miranda da Silva, (alm de uma ou duas omisses imperdoveis).
Andra Tenrio auxiliou nas provas.
Agradecimento especial a Profa Mrcia Mahon (DES),
responsvel pelo curso de Sinais e Sistemas, com quem venho mantendo
agradveis discusses sobre o tema desta obra e compartilhando a
satisfao de ensinar e apreciar a beleza do assunto. Convm tambm
destacar que o autor se beneficiou de comentrios de colegas professores
do DES, destacando-se especialmente as sugestes dos Profs. Fernando
Menezes Campello de Souza, Ricardo Campello de Souza, Luiz Torres
(in memoriam), Valdemar Cardoso da Rocha Jr. um prazer agradecer
aos meus antigos colegas de Mestrado, Francisco Barreira Pereira Jr. e
Eurico Bezerra de Souza Filho, parceiros na iniciao s FFTs. Raquel
Rodrigues de Oliveira auxiliou na reviso das provas. Os cuidados e os
inmeros ajustes realizados pelo Sr. Fbio Marins (Editora Universitria,
UFPE) melhoraram sensivelmente a apresentao. Prof. Renato Jos de
Sobral Cintra (Departamento de Estatstica, UFPE), alm de contribuir
em aspectos tcnicos, contribuiu de forma decisiva na melhoria da
qualidade do texto. Dra. Luciana Soares contribuiu cientificamente em
diversas sees e estimulou a investigao sobre wavelets. Com o Prof.
Paul Jean Etienne Jeszensky (EPUSP, USP) mantive conversas sobre
ensino de Engenharia, particularmente motivantes. O Magnfico Reitor da
UFPE, Prof. Amaro Pessoa Lins, interferiu pessoalmente para viabilizar a

publicao desta obra sinceros agradecimentos. Os crditos pelas
fotografias de Matemticos referenciados aqui vo para The MacTutor
History of Mathematics archive, mantido pela University of St Andrews,
Scotland. Mesmo sendo co-dedicada ao Prof. Nilson M. de Oliveira, h
que se mencionar meu profundo reconhecimento pela educao cientfica
exemplar que dele recebi, isenta de polarizaes sempre exercitada com
liberdade de pensamento e apreciao lmpida sobre as Cincias. O autor
tambm agradece o incentivo recebido da famlia: Prof. Nereide S.S.
Magalhes, Profa Iclia M. de Oliveira e de Gladys de Oliveira Lira
/Aluzio Lira. Tratando-se de uma primeira edio, a ocorrncia de um
acentuado nmero de erros inevitvel adicione-se a ampla
quantidade de informaes compiladas e diversidade de fontes
bibliogrficas. Comentrios e crticas construtivas por parte de leitores
so, conseqentemente, assaz bem-vindos.
10
Dedicado ao Prof. Nilson Magalhes de Oliveira e a

Profa Djanira Magalhes Florncio (in grata memoriam),
meus pais.
11
12
SUMRIO
CAPTULO 1 Anlise de Fourier
1.1
1.2
1.3
1.4
1.5
Resumo ..................................................................................... 15
A Expanso em Srie de Sinais Ortogonais ............................... 18
A Srie Trigonomtrica de Fourier ........................................... 28
udio, Engenharia Acstica, Msica e Instrumentos ................ 34
A Representao Exponencial ................................................... 54
CAPTULO 2 Espectro de Sinais

2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
2.10
2.11
A Transformada de Fourier ........................................................ 89

Transformada de Fourier de uma Funo Peridica .................. 109
A Integral de Convoluo .......................................................... 110
Propriedades da Transformada de Fourier ................................. 115
O Princpio da Incerteza para Sinais .......................................... 122
Autofunes de Fourier e o Princpio da Incerteza de Gabor .... 125
Densidade Espectral de Potncia de Sinais Determinsticos...... 133
A DFT e a FFT ........................................................................... 134
FFT- Transformada Rpida de Fourier ...................................... 145
Transformadas Baseadas em Sinais Constantes por Partes ........ 158
Transformadas Bidimensionais .................................................. 162
CAPTULO 3 Anlise de Sinais no-estacionrios

3.1
3.2
3.3
3.4
3.5
3.6
Anlise Espectral para Sinais No-Estacionrios ...................... 167

Wavelets: Uma Evoluo na Representao de Sinais .............. 171
A Anlise de Multirresoluo de Mallat .................................... 194
Espectrogramas, Escalogramas ................................................. 202
Uma Nota sobre a Engenharia da Descontaminao .............. 204
Teoria da Amostragem (Nyquist-Shannon-Kotel'nikov) ........... 206
13
CAPTULO 4 Fundamentos da Anlise Estocstica

4.1
4.2
4.3
4.4
4.5
4.6
Breve Reviso sobre a Teoria de Probabilidades ....................... 217

Arithmetica Probabilitas ............................................................ 225
Revisando Processos Estocsticos ............................................. 238
Preliminares sobre Sries de Fourier Estocsticas ..................... 240
As Expanses de Kahunen-Love.............................................. 245
O Processo Estocstico Branco (Rudo Branco) ........................ 247
CAPTULO 5 Tpicos Especiais de Anlise de Sinais

5.1
5.2
Anlise no Linear: Sistema Discretos de Volterra e Sries de

Volterra ...................................................................................... 251
Transformadas Discretas de Fourier em Corpos Finitos ............ 254
APNDICE A UMA SINOPSE SOBRE A TEORIA DAS

DISTRIBUIES................................................................................. 267
APNDICE B UMA CONVERSA SOBRE TEORIA DA INTEGRAO
............................................................................................................. 277
REFERNCIAS BIBLIOGRFICAS........................................317
NDICE REMISSIVO ......................................................................... 331
NDICE ONOMSTICO .................................................................... 337
14
Anlise de Fourier
CAPTULO 1
1.1
RESUMO
Jean Fourier (1768-1830).

<<Fourier descobriu que as ondas senoidais constituem os elementos irredutveis de
vibraes e ondas peridicas verdadeiros tomos das flutuaes e do fluxo.>>
Neste texto so apresentadas as ferramentas bsicas para a

compreenso e anlise dos sinais: aquelas da A anlise de Fourier [FOU
1822/1988]. As sries e as transformadas de Fourier (generalizadas) so
investigadas, mostrando como realizar a anlise de sinais determinsticos.
O objetivo da anlise de sinais extrair informaes relevantes do sinal
atravs de uma decomposio ou transformao nele realizada. A anlise
no domnio freqencial tem vasta aplicao em Engenharia. O primeiro
contato com a srie e transformada de Fourier d-se normalmente em
cursos de carter estritamente matemtico. O intuito destas notas
essencialmente discutir diversos aspectos da anlise espectral, sempre
procurando enfatizar analogias, ilustraes, interpretaes e
demonstraes facilmente compreensveis para Engenheiros. Alm do
tratamento clssico, procura-se introduzir rudimentos de outras
ferramentas potentes, apresentando a Transformada Discreta de Fourier
(DFT e FFT), a Transformada de Fourier para sinais bidimensionais. A
abordagem realizada inclui uma introduo sobre a anlise de sinais noestacionrios, estudando noes sobre a Transformada de Fourier de
15
Tempo Curto (Transformada de Gabor) e Transformadas de Wavelets. A

viso apresentada difere um pouco da abordagem clssica, Matemtica,
tendo um enfoque maior para a Engenharia. H uma relativa falta de rigor
na apresentao, com passagens menos formais, supresso de
demonstraes, porm tentando no comprometer o objetivo principal
dos manuscritos.
Sobre Representaes.
A combinao linear uma operao relativamente natural ao homem,
desde tempos imemoriais. Um pastor, ao analisar seu rebanho, especifica,
por exemplo:
rebanho = 6.cabras + 1.bode + 15.ovelhas .

Uma dada quantia de dinheiro pode ser decomposta e representada em
tipos de cdulas, e.g.
R$15,00 = 1.R$ 10,00 +2. R$2,00 +1.R$1,00.
Uma pea musical pode ser decomposta e representada de
diferentes maneiras, assim como uma partida de Xadrez pode ser anotada
seguindo diferentes notaes (representaes).
A anlise de uma substncia pode ser realizada usando a
decomposio em frmula plana, estrutural, por exemplo,
Glicose = 6.C+12.H+6.O
Muitas das propriedades e fenmenos qumicos podem ser mais
bem compreendidos luz desta decomposio. Para outros, tais como
isomeria ptica, ela no apropriada. A decomposio nitidamente no
nica: H variadas representaes (frmula de Harworz,...), as quais
podem ser mais convenientes em situaes especficas.
16
Figura 1.1 Representaes para uma molcula qumica: Glicose.
O processo de decomposio via combinao linear facilita

contar, processar, verificar, analisar, modificar, conhecer
entre outras operaes.
Um texto escrito pode ser decomposto em frases; frases em
palavras; e palavras em slabas ou em letras. Assim, a decomposio
SINAIS = 1.A+2.I+1.N+2.S,
pode eventualmente ser til (e.g. levantando a distribuio de
probabilidade de letras num texto) ou de pouca valia. Devido a riqueza da
estrutura associada, os sistemas lineares, as operaes lineares, as
transformaes lineares sempre desempenharam um papel fundamental
em Cincia e Engenharia.
rvores versus Florestas.
Tudo o que nos diz respeito encontra-se entre o grande e o pequeno (vide
a URL http://micro.magnet.fsu.edu/primer/java/scienceopticsu/powersof10/).
Afinal, vivemos entre o infinitamente pequeno e o infinitamente grande1.
Os seres vivos, por exemplo, podem ser examinados em diferentes nveis:
Comunidades, grupos tnicos, ou decompondo um indivduo em sistemas
(sistemas tecidos clula molculas tomos etc.).
Uma substncia em molculas, tomos, partculas elementares,
ou at em subpartculas. Tudo depende do que se analisa. Dada uma
situao, no h, portanto, uma representao uniformemente superior,
sempre prefervel: Tudo depende do que se deseja analisar. O nvel da
decomposio adequado ao fenmeno depende muito fortemente das
questes que se procura responder.
1 "Rien ne peut fixer le fini entre les deux infinis qui l'enferment et le fuient." B. Pascal,
Penses 199-72
http://www-users.cs.york.ac.uk/~susan/cyc/g/googol.htm
17
claro que ao focalizar num nvel mais detalhado, perde-se a

noo do todo. Esse exatamente o mecanismo comum nas anlises
(geografia fsica ou humana, mapas, telescpios, microscpios etc.). Verse- que a anlise moderna de sinais, com base em decomposio de
wavelets, permite esta abordagem de modo natural. Esse enfoque,
conhecido como Anlise Por Multirresoluo [MALL 1989], uma das
bases dos mecanismos atuais de anlise de sinais.
Por que a anlise de Fourier constitui uma ferramenta to potente,
de primeira escolha? Experimente visualizar um sinal de voz ou de udio
registrado no gravador do seu microcomputador. Verifique como as
variaes do tipo peridicas & senoidais so inteiramente naturais,
ordinrias e adaptadas. Fourier descobriu que as ondas senoidais
constituem os elementos irredutveis de vibraes e ondas peridicas
verdadeiros tomos das flutuaes e do fluxo [von BAE 1999]. Da o fato
de valer-se delas como ferramentas para anlise de primeira linha na
investigao de sinais. Uma das fraquezas desta anlise o fato de que
ela no explora a noo de resoluo e multiescala. A anlise de wavelets
[BRU et al. 1996, BULT 1995] veio exatamente suprir essa lacuna...
1.2
A EXPANSO EM SRIE DE SINAIS ORTOGONAIS
Suponha o espao vetorial Euclidiano n munido com o produto

r r r
r
interno usual e uma base de vetores ortogonais V1 , V2 , V3 ,...,Vn . Um
r
vetor V qualquer do espao pode ser escrito como uma combinao
linear dos vetores da base [LANG 1971], ou seja,
r
r
r
r
V = C1V1 + C 2V2 + C3V3 + ... + C nVn .
O leitor pode verificar facilmente que os coeficientes Ci so
dados por :
r r
< V , Vi >
Ci = r r ,
< Vi , Vi >
i = 1, 2, 3,... , n
em que <.,.> o produto interno usual entre vetores no espao

euclidiano.
18
Entretanto, quando se deseja expressar um vetor V como

combinao linear de certo nmero m de vetores ortogonais inferior
dimenso do espao2, existe a possibilidade de se cometer um erro. O
tratamento aqui segue [LATHI 1979] ilustrando o fato no 2, ao tentar
r
r
expressar um vetor V por um vetor na dimenso de V1 (colinear), tem-se:
V
r
r
V C1V1 .
V1
Figura 1.2 Aproximao vetorial: V deve ser aproximado por um vetor na

direo de V1.
O erro cometido nesta aproximao corresponde ao vetor:

r
r
r
Ve := V C1V1 .
A idia para realizar-se uma boa aproximao consiste em efetuar
uma escolha adequada para C1, de modo a minimizar o erro cometido.
Entretanto, o erro corresponde a um vetor e no pertence a um corpo
ordenado (vide relao de ordem).
Uma soluo bastante intuitiva consiste em minimizar o
comprimento do vetor de erro, expresso pela sua Norma (induzida por um
r
r r
produto interno): || Ve ||:= < Ve , Ve > . O menor erro cometido quando
r
se considera a projeo do vetor V sobre o vetor V1 da base, como

indicado na figura.
V
C1 V1
V1
Figura 1.3 Aproximao (na horizontal) de um vetor no plano.
2 e.g., imagine um ser bidimensional observando figuras tridimensionais (uma barata em

passeio pelo solo, sem perceber o que h em cima). Ou imagine uma formiga andando
num cordo (caso unidimensional).
19
Pode ser verificado graficamente que qualquer outra escolha

resulta em um erro maior, lembrando que a hipotenusa de um tringulo
retngulo tem comprimento sempre maior que qualquer um dos catetos.
Assim,
r
r
r
C1 || V1 ||= ProjVr V =|| V || . cos
Usando o fato conhecido da geometria analtica [LANG 1971]

r
r
que o ngulo entre os dois vetores V e V1 dado por :
r r
V , V1
cos = r
r
V V1
r r
Segue-se ento que C1 = Vr , Vr1
V1 , V1
,
.
Em geral, a melhor representao de um vetor V em termos de

um conjunto de vetores ortogonais (LI), no sentido de minimizar a norma
do vetor de erro (A igualdade atingida para m=n):
r r
m
r
r
V C i Vi , com C = Vr , Vr1
i = 1,2,3, ... , m.
1
i=1
V1 , V1
No caso de sinais, considera-se um produto interno < f(t),g(t) >
de funes reais f(t) e g(t), definidas em um dado trecho a<t<b. (ver prob.
2 e 3). Por analogia, tentar-se- obter uma aproximao para uma funo
f(t) definida neste intervalo, em termos de um conjunto de funes
ortogonais par-a-par.
Para a anlise (decomposio) de sinais no tempo, -<t<+, o
estudo restringe-se sempre a uma "janela" finita a<t<b, na qual o sinal
estudado. Ver-se- que a fixao deste intervalo essencial e obrigatria
no processo de expanso.
f(t)
Janela
parede
t
parede
b
Janela
Figura 1.4 Exemplo de Janela (unidimensional) usada no desenvolvimento

de um sinal contnuo.
20
Definio:
Um conjunto de sinais definidos em a<t<b dito ser ortogonal,
m
{ g (t)}
i
se e somente se o produto interno entre cada par verifica

i (t) , k (t) = K j i, k , em que i,k o smbolo de Kronecker,
0 se i k
i, k :=

1 se i = k
Se (j) Kj=1, ento as funes so ditas serem ortonormais.
Esta definio provm do clculo do ngulo entre vetores f e g:
Se =90o cos =0 <f,g>=0.
Procurando expressar f(t) como combinao linear das funes
ortogonais, tem-se:
f(t) C11 (t) + C2 2 (t) + ... + Cm m(t),
a<t<b.
Os valores dos Cis so chamados de coeficientes de Fourier da

expanso.
O erro cometido na aproximao uma funo fe(t) definida em
a<t<b, como:
m
f e (t ) := f (t ) Cii (t ) .
i =1
A funo de erro fe(t) tambm no pertence a um corpo

ordenado; uma soluo para efetuar uma escolha para os coeficientes
consiste em minimizar uma norma || f e (t ) ||=< f e (t ), f e (t ) >1 / 2 definida
em um espao produto interno positivo definido3. Deste modo, podem ser
obtidas sries ortogonais nas funes de Hankel-Bessel, Legendre,
Gegenbauer (Ultra-Esfricas), Prolate Spheroidal, Trigonomtricas,
Sries Cardinais de Wittaker-Shannon, etc.; ou Sries Ortogonais de
Hermite, Jacob, Laguerre, Chebyshev, entre outras [ABA&STE 1968],
[SNE 1976], [GRA&RYZ 1965].
A escolha dos coeficientes deve ser feita de modo a minimizar a

norma do erro, ou de modo equivalente, seu quadrado.
:=|| f e (t ) || 2 .
3 O produto deve ser tambm Hermitiano, se sinais complexos so considerados.
21
O problema de minimizao Min deve ser solucionado, em

que
Ci
i = 1,2,K m
m
i =1
i =1
=< f (t ) Cii (t ), f (t ) Cii (t ) > .

Utilizando a definio de produto interno, segue-se que:
m
m m
i =1
j =1
i =1 j =1
=< f (t ), f (t ) > C i < f (t ), i (t ) > C j < f (t ), j (t ) > + C i C j < i (t ), j (t ) >
Lembrando da ortogonalidade dos i's, a equao simplifica-se:

2
i =1
i =1
= f (t ) 2 Ci < f (t ), i (t ) > + Ci2 < i (t ), i (t ) > .

No ponto de Mnimo4, grad = 0, isto , (C1,C2,...,Cm)=0.
=
= ... =
= 0.
C1 C 2
C m
Tomando-se a derivada parcial na expresso de

=0,
C i
obtm-se os valores para os coeficientes de Fourier (aqueles que
minimizam a norma do erro acima definido):
< f (t ), i (t ) >
Ci =
< i (t ), i (t ) >
para i=1,2,3,...,m .
O resultado mais importante ao se considerar conjuntos
ortogonais que o aumento de m (introduo de mais um sinal ortogonal)
no altera a soluo prvia dos demais coeficientes obtidos no Problema
de Minimizao: Necessita-se apenas calcular o novo coeficiente
introduzido.
Logo a expanso em srie de funes ortogonais pode ser feita
considerando funes {i (t )}i =1 ortogonais de acordo com um produto

+
interno definido positivo e o desenvolvimento expresso por:
f (t ) Cii (t ) ,
i =1
a<t<b, em que C = 1 < f (t ), (t ) >

i
i
K
(i).
4 As condies de segunda ordem (matriz Hessiana) podem ser verificadas pelo leitor
mais exigente.
22
Note a importncia de considerar um espao produto interno. O

Produto Interno define ngulos, ortogonalidade e induz uma norma para
medio de erros. Rigorosamente, o espao de sinais constitui um Espao
de Hilbert (David Hilbert) [KOL&FOM 1970].
Espao de Hilbert. Um espao de Hilbert um espao vetorial de

dimenso infinita, sobre os complexos, munido de um produto interno
positivo definido, tal que a norma induzida pelo produto interno verifica a
seguinte propriedade:
lim || f n f m ||= 0
lim || f n f ||= 0
! {f} |
.
{fn} |
n, m
n
Assim, no se consegue construir uma base clssica, como
nos casos tratados anteriormente. Para qualquer m finito, a cada novo
vetor linearmente independente (LI) colocado no conjunto dos is, ainda
restam outros vetores LI. Normalmente, consideram-se sistemas
ortogonais completos, de modo a garantir a unicidade no
desenvolvimento em srie, como discutido a seguir.
Definio:
Um sistema ortogonal { i (t )} completo, se para todo trecho de sinal

+
f(t), a<t<b, com || f (t ) ||< + verificando (i) < f (t ),i (t ) >= 0 , tem-se
que f(t)=0 em todos os pontos de continuidade de f(t).
Nota-se5
f(t)=p.p.0.
A unicidade
Sejam
f1(t) e f2(t), a<t<b, com || f i (t ) ||< + , funes
apresentando o mesmo desenvolvimento em srie para um dado sistema
ortogonal completo. Ento f1(t)=f2(t), exceto possivelmente nos pontos de
descontinuidade.
Prova.
A unicidade verificada facilmente definindo-se uma funo
h(t):=f1(t)-f2(t) e observando-se que || h(t ) |||| f1 (t ) || + || f 2 (t ) ||< + .
5 p.p.=presque partout (quase em toda parte). Muitos textos adotam a.e.=almost
everywhere.
23
Logo, (i) < h(t ),i (t ) >=< f1(t ),i (t) > < f2 (t),i (t) > . Lembrando
que os coeficiente correspondentes so idnticos nos dois
desenvolvimentos em srie, tem-se (i) < h(t ), i (t ) >= 0 . Como o
sistema ortogonal completo, segue-se que h(t)=0 em todos os pontos de
continuidade, concluindo a deduo.
Q.E.D.
Interpretao: Se sinal f, a<t<b, no nulo, ortogonal a todos os
sinais do conjunto {i (t )} , ele deveria ser introduzido no prprio

+
conjunto, i.e., o sistema ainda no estaria "completo". A completicidade

lembra a noo de base. As sries de Fourier convencionais so obtidas
considerando o produto interno usual de funes, definido por:
b
< i (t ),k (t ) >:= a i (t )k (t )dt.

A definio clara e inequvoca do intervalo (a, b)
imprescindvel para definir o produto interno. Observe a forte analogia
com o produto escalar usual no espao euclidiano, definido por
N
< x, y >:= xi yi , enquanto que a mesma soma no continuum vale

i =0
< x(t ), y (t ) >= x(t ) y(t )dt.

t0
Digresso:
A definio de produto interno conduz a definio de classes de sinais de
interesse:
L1( ) e L2( ) (denota-se aqui L2 e L1 para simplificar) [FIGU
1977, KOL&FOR 1970].
f L1 (a,b)
a f (t )dt <
a | f (t ) | dt <
(integrveis e absolutamente integrveis).
f L2 (a,b)
a f
(t )dt < e
a | f (t ) |
dt <
(quadrado integrvel, energia finita).

Note que para a e b finitos, f L2 f L1 , o que segue a
desigualdade de Cauchy-Schwarz:
b
a | f (t ) | dt
24
1/ 2
b
(b a ) | f 2 (t )dt
a
A menos que seja mencionado em contrrio, este ser o produto

interno utilizado. Portanto um conjunto {i(t)} ser dito ortogonal se e
somente se:
b
a i (t ). k (t )dt = k i i,k
(i,k).
A srie de Fourier Generalizada considera um conjunto
ortogonal {i (t )} , sendo expressa por:

+
f (t ) Cii (t ), a<t<b,
i =1
1 b
f (t ).i (t )dt.
K i a
Neste caso particular, possvel uma interpretao bastante
interessante para o critrio de erro utilizado.
Imaginando que uma possibilidade consiste em procurar
minimizar o valor mdio do erro no intervalo estudado.
1 b
f e (t )dt ), pode ser verificado que este critrio no
( f e :=
b a a
desejvel. Erros por excesso so compensados por erros por falta,
podendo resultar erro nulo para uma m aproximao.
com coeficientes de Fourier expressos por Ci =
Este problema pode ser evitado utilizando o valor mdio do

mdulo como medida de erro ou o valor mdio quadrtico do erro. No
ltimo caso:
1 b 2
f e2 :=
fe (t )dt .
b a a
Este critrio, muito atrativo, o mais utilizado nas vrias
situaes em que se deseja avaliar o erro cometido por aproximaes.
Erros de pequena intensidade so tratados de modo diferente de grandes
erros, os quais so penalizados pela funo quadrtica. Pode ser
prontamente observado que a srie generalizada minimiza do erro mdio
quadrtico (EMQ), pois:
b
|| f e (t ) ||2 = f e2 (t )dt .
a
25
O valor do EMQ pode ser avaliado sem dificuldades,

desenvolvendo f e2 , lembrando as integrais que se anulam e usando o fato
que
a f (t )i (t )dt = KiCi .
Assim,
f e2 :=
1 b 2
2
a f (t ) dt K iCi .
b a
i =1
Se f(t) de quadrado integrvel, ento vale a Desigualdade de

Bessel.
Freidrich Bessel (1784-1846).

TEOREMA (desigualdade de Bessel). Se
2
ortogonal, e se f L
(i.e., ||f||<+), ento
{ i (t )}
um conjunto
a expanso ortogonal
f (t ) Cii (t )
i =1
verifica
K iCi 2 a
i =1
f (t ) dt =||f(t)|| .
Isso significa que a aproximao ortogonal tem sempre energia

menor que o sinal decomposto, no importando o nmero de termos da
srie. A energia da verso aproximada (truncada ou no) limitada pela
energia do sinal.
Corolrio. Se f L2 , ento,
lim | Cn |= 0
(os coeficientes de Fourier
n
vo a zero).
Pode ser demonstrado o seguinte resultado para um conjunto
{ m (t )} ortogonal completo:
26
TEOREMA (CONVERGNCIA EMQ):

Se f:(a,b)
de quadrado integrvel, i.e.,
a f
(t )dt < + ,
lim b f (t ) C (t ) dt = 0.
i i
a
ento,
Isto significa que o EMQ da srie
i =1
n
Generalizada de Fourier tende a zero.
Denota-se este fato por f (t ) = l.i.m. C i i (t ) , em que l.i.m so

i =1
as iniciais de Limit In (the) Mean. Isto no significa uma convergncia

ponto a ponto. A energia do sinal de erro tende a zero quando se aumenta
indefinidamente o nmero de termos no desenvolvimento. Este
comportamento s se verifica para conjuntos completos.
Note que no critrio de aproximao de fN(t) f(t) a medida que
N cresce, assegura-se somente que ||fN(t)-f(t)||=0 (Norma do erro vai a
zero quando a srie passa ao limite N).
Corolrio. Para funes de quadrado integrvel, se h convergncia

EMQ, ento vale a Identidade de Parseval6:
+
KiCi2 = a f 2 (t )dt .
i =1
TEOREMA. Um sistema
{ n (t )} para o qual o EMQ vai a zero um
sistema completo.
Prova. Por reductio ad absurdum. Seja ||f||<+ e <f,n>=0 (n). Desejase mostrar que f(t)=p.p. 0.
Se <f,n>=0, ento todos os coeficientes da representao ortogonal de f
so nulos. Pela identidade de Parseval,
|| f || 2 =
T /2
T / 2
| f (t ) |2 dt =
K nCn = 0 . Para mostrar que ||f||=0 f(t)=p.p. 0
n =
6 Identidade generalizada para conjuntos
{i (t )}+
completos.
27
usa-se reduo ao absurdo. Suponha que existe um intervalo

(-T/2,T/2) tal que f(t)0, t . Como
0=
T /2
T / 2
T /2
T / 2 |
f (t ) |2 dt =0 , ento
| f (t ) |2 dt = + C > | f (t ) |2 dt > 0 Absurdo!.

I
I
I
Q.E.D.
Um dos resultados mais celebrados da teoria de Fourier o
seguinte teorema (devido a Frigyes Riesz):
TEOREMA DE RIESZ-FISCHER (1907).

Dado um sistema ortonormal { n (t )}, se {Cn} constitui uma seqncia tal
que
| Cn |2 < + ,
ento os {Cn} so coeficientes de Fourier de algum
n =
sinal de energia finita, i.e.

f L2 |
| Cn |2 =|| f ||2
n =
com C n =< f (t ), n (t ) >
(n).
Uma das aplicaes interessantes da decomposio de Fourier

relaciona-se com a soluo do problema isoperimtrico (vide a lenda da
fundao da cidade de Cartago por Dido). Mostra-se que entre todas as
curvas fechadas de mesmo permetro, o crculo a que engloba maior
rea [FIGU 1977].
1.3
A SRIE TRIGONOMTRICA DE FOURIER
A representao clssica da srie de Fourier obtida escolhendo

o conjunto de funes ortogonais {m(t)} composto por funes
trigonomtricas. Para desenvolver-se uma funo f(t), a<t<b, em srie,
considera-se o conjunto: { m(t) } = { sen mw0 t , cos mw0 t }+
em que
m=0 ,
w0 a chamada freqncia da fundamental.
De um modo geral, costuma-se usar a notao f(t), to<t<to+T,
para explicitar a amplitude do intervalo/janela considerado (to=a e T=ba). Faz-se necessrio enfatizar o intervalo no qual se considera o
desenvolvimento, e a freqncia da fundamental, outrossim, o resultado
28
no tem nenhum sentido. Para sinais peridicos, freqentemente a janela

coincide com o perodo do sinal.
A freqncia fundamental w0 deve ser escolhida como w0=2/T
para garantir a ortogonalidade das funes {m(t)};
n,m inteiros, valem as relaes:
< sen nw0t, cos mw0t > = < cos nw0t, sen mw0t > = 0,
< sen nw0t , sen mw0t > = < cos nw0t , cos mw0t > = T/2 n,m
t +T
0
O produto interno < n (t ),m (t ) >= t
0
n (t )m (t )dt
n0, m0.
.
Tentativas e abordagens prximas srie de Fourier foram

propostas por Matemticos como Euler, dAlembert, Bernoulli etc.,
porm, pressentindo as dificuldades envolvidas, todos falharam
por no ousarem mais (nota histrica sobre Fourier em
http://www2.ee.ufpe.br/codec/JBFourier.html).
Pode ser mostrado que
{i (t )}+
n =0
definido da forma acima
indicada, constitui um conjunto ortogonal completo. Da o porqu de no

se utilizar apenas cossenos (ou senos)7 para se obter o desenvolvimento
em srie. A srie trigonomtrica de Fourier para uma funo f(t),
to<t<to+T, pode ser escrita sob a forma:
f (t ) a0 +
an cos(nw0t ) + bn sen(nw0t ), t0<t<t0+T,
n =1
em que wo=2/T e os coeficientes de Fourier so dados por :

a0 =
1
T
2
an =
T
t0 + T
f (t) dt ;
t0
t 0 +T
2
f (t) cos nw 0t dt , n 1 ; b n = T
t0
t 0+ T
f (t) sen nw t
0
dt , n 1 .
t0
interessante observar que se o sinal f(t) uma tenso (ou

corrente), o valor de ao representa o nvel dc do sinal peridico
correspondente a f(t).
As vantagens do uso da srie de Fourier com relao s outras
expanses em sries de funes ortogonais so:
7 interessante observar o fato que o ouvido humano praticamente insensvel fase do
sinal, respondendo apenas a |Cn|. Logo, tanto pode ser usado o seno ou cosseno quando o
receptor for o ouvido humano.
29
a) A srie minimiza o erro mdio quadrtico, o qual um

critrio de erro muito interessante, matematicamente simples
e com rica interpretao.
b) Devido a periodicidade dos ms, a srie adequada para o
desenvolvimento de funes peridicas. Existe tambm
inerente a esta escolha, uma rica interpretao em termos de
"componentes peridicas que constituem o sinal".
(funcionam como bases cannicas dos espaos euclidianos).
Uma outra forma muito comum de apresentao da srie
trigonomtrica de Fourier n1.
f (t )
cn cos(nw0t + n ) ,
n =0
w0 =
2
T
em que c n = a n2 + bn2 e n = tg 1 bn ,
an
Sugesto: Desenvolva cos ( n0t + n ) = cos n . cos n0t - sen n . sen 0t

e compare com a representao trigonomtrica cannica.
Exerccio 1
Desenvolver em srie trigonomtrica de Fourier a funo f(t) definida em
-2<t<+2, esboada na figura em seguida.
1
-2
-1
f(t)
Soluo: Tem-se que T=4 e wo=/2. Logo,

1 +1
1
a 0 = dt =
4 1
2
2 +1
n t
, a n = cos
dt=
4 1
2
sen
2
n
2
e bn = 0 .
A funo conhecida como funo sample (Funo Amostral)

sem dvida a mais importante funo em Anlise de sinais. Seu grfico
representado a seguir, lembrando do resultado fundamental de Clculo I
que: lim sen x = 1. A funo amostral Sa(.) tambm freqentemente
x 0
descrita na literatura atravs da relao Sinc(x):=Sen(x)/(x). Esta
30
funo foi nomeada por P.M. Woodward (Probability and Information

Theory, with Applications to Radar, 1953).
Figura 1.5 Funo Amostral (funo sample).
Logo, a 0 = 1 , a n = Sa n e b n = 0 resultando
2
2
f (t )
1 n
nt
+ Sa
cos
2 n=1 2
2
, -2<t<2.
Qual o valor obtido pela srie para f(1) e f(-1)?

f(t)
1
-5
-4
-3
-2
-1
Figura 1.6 Sinal peridico (onda quadrada).
Se a funo considerada para o desenvolvimento em srie uma

funo peridica, ento a representao vlida na reta real -<t<+ . A
srie de Fourier em -2<t<2 obtida anteriormente representa tambm a
funo em qualquer intervalo.
31
APPLETS SOBRE SINTESE DE FOURIER

http://www.earlevel.com/Digital%20Audio/harmonigraf.html
http://www.ufv.br/dma/intermat/APPLETS/CALCULO4/fourier/fo
urier.htm
http://www.univlemans.fr/enseignements/physique/02/divers/syntfour.html
http://www.ece.unb.ca/thesis98/ee4000aj/Fourieralt.html
http://www.phy.ntnu.edu.tw/ntnujava/viewtopic.php?t=33
APPLETS SOBRE HARMNICOS

http://mysite.verizon.net/vzeoacw1/harmonics.html
http://www.cepa.if.usp.br/fkw/sound/sound.html
http://library.thinkquest.org/19537/cgi-bin/showharm.cgi
Figura 1.7 Convergncia da srie de Fourier (a) at o 3o harmnico

(b) at o 9o harmnico.
32
O conceito de unicidade da srie de Fourier deve ser bem

entendido. Duas funes apresentando a mesma srie so sempre
idnticas a menos dos pontos de descontinuidade. Para um sinal
peridico, a unicidade tambm vlida no sentido que apenas uma srie
de Fourier representa este sinal, nos pontos de continuidade em
-<t<+.
Para uma funo aperidica f(t), a<t<b, possvel o uso de vrias
sries de Fourier diferentes que a representam neste intervalo. Por
exemplo, a funo f(t)=t2 0<t<1, pode ser representada pelo
desenvolvimento em srie de uma das vrias funes peridicas
(extenses). Modificar o tamanho da Janela implica em alterar o contedo
harmnico do sinal e outra srie diferente obtida!
1
-1
-1
janela
janela
janela
Figura 1.8 Diferentes sinais peridicos para representar t2, 0<t<1.
Para sinais de quadrado integrvel, a relao de Parseval descrita

na seo precedente resulta em:
2a 02 +
a n2 + bn2 =
n =1
2 t0 +T 2
f (t )dt .
T t0
A representao de um sinal f(t) no domnio das freqncias

denominada de espectro (cuja etimologia provm do Latim,
Spectrum=fantasma), termo cunhado por Sir Isaac Newton. A maior
parte dos sinais estudada e interpretada no domnio freqncial, da a
importncia da anlise do espectro. No desenvolvimento em srie
observa-se que a menor freqncia presente no sinal, wo, a chamada de
freqncia fundamental. As demais freqncias so mltiplas deste valor,
nwo, e so chamadas de harmnicos. Neste caso, caracteriza-se seu
espectro discreto. A representao do espectro feita de modo a fornecer
informaes sobre a amplitude e a fase das vrias componentes
"freqncias" do sinal.
33
1.4
UDIO, ENGENHARIA
INSTRUMENTOS
ACSTICA,
MSICA
<<A anlise de Fourier implica no fato que muitos sinais irregulares so

dissecados numa superposio de muitos ritmos regulares com vrias
magnitudes e freqncias>>
Em ptica, a luz de qualquer matiz pode ser sintetizada a partir de
cores fundamentais do arco-ris. Em msica, ela descreve como o som
pode ser analisado como uma mistura de tons puros. O som tem trs
caractersticas: a altura, a intensidade e o timbre.
O ouvido humano pode escutar nominalmente sons na faixa de at
20 kHz, sendo que o limite superior tende a decrescer com a idade (a
maioria dos adultos no consegue escutar acima de 16 kHz). A faixa de
sons perceptveis pelo ouvido humano da ordem de 10 oitavas, ou 210,
ou 1024:1, ou seja, de 16 Hz a 16 kHz (assume-se que a faixa audvel
tipicamente de 20 Hz a 20 kHz).
Figura 1.9 Faixas de freqncia de udio e contguas: infra-som, sons

audveis (voz e msica), ultra-som.
A altura do som relaciona-se com a freqncia (audvel 20 Hz a

20 kHz). Um som mais baixo (respectivamente alto) mais grave
(respectivamente agudo). A intensidade relaciona-se com a amplitude dos
coeficientes de Fourier da decomposio. A faixa de freqncias entre
dois tons referida como intervalo.
34
D
R
Mi
intervalo
unssona
2 maior
3 maior
quarta
Sol
L
Si
D
quinta
6a maior
7a maior
oitava
1/1
4/3
3/2
2/1
Por exemplo, um d com fundamental 500 Hz est uma quinta

acima de uma nota sol em 375 Hz. Um tom em 1 kHz corresponde a um
d uma oitava acima do d em 500 Hz. A escala musical sempre em
escala logartmica, sendo adotada a base 2 (oitavas). As notas so
caracterizadas pela fundamental. A amplitude especifica a intensidade do
som, i.e., a potncia produzida pela fonte sonora. O timbre especifica a
combinao harmnica gerada. Em todos os instrumentos musicais, o
som constitudo de uma nota fundamental e de certo nmero de
harmnicos que o caracterizam. Os primeiros harmnicos determinam o
timbre do som, enquanto os de ordem mais elevada tem importncia no
"brilho". Um violino, uma flauta e um piano, produzindo uma mesma
nota d (mesma freqncia), fornecem sons ligeiramente diferentes.
Embora produzam a mesma fundamental (d), o contedo harmnico
produzido por cada instrumento diferente. Pela mesma razo, duas
pessoas repetindo uma frase idntica apresentam timbres diferentes,
permitindo reconhecer o falante.
A flauta doce, por exemplo, um dos instrumentos musicais de som mais
puro, i.e., de menor contedo harmnico. A esse respeito, recomenda-se
escutar o magnfico flautista clssico Jean Pierre Rampal (1922 2000)
tocando composies do barroco.
35
Jean Pierre
Rampal.
Figura 1.10 a) Forma de onda de uma nota d pura em 512 Hz b) Mesma
nota emitida por um piano c) Mesma nota emitida por rgo.
GUIDO dAREZZO E AS OITAVAS

O Msico italiano Guido d'Arezzo (1a metade do sc. XI)
adaptou o sistema musical usado na Grcia antiga: Criou nomes latinos e
desenvolveu um sistema de linhas, espaos e sinais. Para ensinar este
sistema, usou um Hino honorfico a So Joo Batista (composto no
sculo VII).
In: Monumenta Mondica Medii Aevi

Ut queant laxis
Resonare fibris
Mirage storum
Famuli tuorum
36
(teus)
(as)
Para que possam livremente

filhos proclamarem
maravilhas
dos teus feitos
Solve polluti
Labii reatum
Sancte Johannes
absorve-os
purifica-lhes os lbios
So Joo.
Figura 1.11 Origem das notas: dArezzo e o hino a So Joo Baptista.
A escala diatnica (d, r, mi, f, sol, l, si, d) j era usada pelos

gregos antigos e tornou-se a escala de referncia da msica ocidental
contempornea. A cada oitava (dobro da freqncia), as notas se
reproduzem. Por exemplo, 250 Hz corresponde a um d, uma oitava
acima, em 500 Hz, tem-se novamente um d. A escala internacional
(Londres 1939) hoje adotada define o D em 512 Hz. Todas as
freqncias que so potncias de 2 correspondem, portanto, a uma nota
d, o que facilita tremendamente uma avaliao rpida.
A idia que uma nota soa algo similar ao seu segundo
harmnico, pois h dois ciclos completos no intervalo de tempo que
corresponde a um ciclo, podendo uma forma de onda estar contida na
outra: todos os zeros do sinal de menor freqncia so tambm zeros do
sinal de maior freqncia, o seu 2o harmnico (vide ilustrao a seguir).
37
Figura 1.12 Dois sinais harmnicos: Observe que todos os zeros do sinal
mais lento esto tambm presentes no sinal mais rpido.
Os intervalos musicais (dentro de uma oitava) so apresentados

na tabela a seguir.
Tabela I.1 Os intervalos musicais (dentro de uma oitava).
38
INTERVALO
TOM
prima
semitom
2a menor
d
d #
r
f2/f1
2a maior
a
2 sustenida
1,125
9/8
r #
1,172
75/64
3a menor
3a maior
mi
1,200
6/5
mi
1,250
5/4
4a bemol
1,280
32/25
3a aumentada
4a
mi#
1,302
125/96
1,133
4/3
4a aumentada
5a bemol
f #
1,389
28/18
sol
1,440
36/25
5a
sol
1,500
3/2
5a sustenida
sol #
1,562
25/16
6a menor
6a maior
1,600
8/5
1,667
5/3
6a sustenida
l #
1,736
125/72
7a menor
7a maior
si
1,800
9/5
si
1,875
15/8
8a bemol
7a sustenida
1,920
48/25
si #
1,953
125/64
8a
2,00
2/1
1,000
1,042
1,080
1/1
25/24
27/25
Como os intervalos musicais dentro de uma oitava so

irregulares, foi criada uma nova escala A escala temperada. Esta nova
escala constituda de apenas 13 notas por oitava, consecutivas em
progresso geomtrica de razo
pianos e rgos de fole.
12
2 . Esta freqentemente adotada para
Note que no h notas intermedirias entre mi e f, nem entre si e

d (veja a seguir, a configurao do teclado do piano: as notas
intermedirias correspondem s teclas pretas). Estes so os degraus
chamados meios-tons ou semitons.
Tabela II.1 Intervalos musicais: a escala temperada.

d
d # ou r
f2/f1
1,000
1,0595
1,1225
r # ou mi
1,1892
mi
1,2699
1,3348
f # ou sol
1,4142
sol
1,4983
sol # ou l
1,5874
1,6818
l # ou si
1,7818
si
1,8877
2,000
TOM
1
12
2
2
4
2
3
2
12
32
6
12
6
12
2
128
4
8
32
2.048
2
As Consonncias (concordantiae) e Dissonncias (discordantiae).

Um aspecto interessante, ligado a uma harmnia oculta entre
dois tons, usada desde o sculo XIII, inclui as consonncias e
dissonncias. Certos sons, quando so ouvidos simultaneamente,
produzem impresso agradvel; outros produzem uma sensao
desagradvel de tenso. Em 1877, Hermann von Helmholtz
39
fundamentou a consonncia na estrutura harmnica interna dos dois sons

que formam o intervalo musical: quando as fundamentais destes sons
esto em uma razo simples, e.g. 3/2, alguns entre os primeiros
harmnicos da srie (neste caso, 2 e 3) entram em coincidncia,
provocando uma agradvel sensao de fuso. Quando certos harmnicos
esto prximos (mas so diferentes) e provocam batimentos que
perturbam a audio, identifica-se uma dissonncia.
von Helmholtz (1821-1894).

A Figura 1.13 a seguir mostra uma curva de consonncia obtida
com dois tons, fixando o primeiro deles em d e variando o outro
continuamente desde o unssono (1/1) at uma oitava acima (2/1), i.e., o
prximo d.
Figura 1.13 Curva de consonncia obtida a partir de dois tons contendo seis
harmnicos cada. Notar a relao com as notas musicais.
40
Exerccio 2. Verifique que d e sol esto em consonncia, enquanto que

d e si esto em dissonncia.
Soluo. A razo entre as freqncias de d e sol 3/2, alguns entre os
primeiros harmnicos da srie, neste caso, 2 (sol) e 3 (d), entram em
coincidncia (vide curva de consonncia). Como a energia concentrada
nos primeiros harmnicos, d e si, cuja razo de freqncias 15/8, no
apresentam nenhuma coincidncia entre os seus harmnicos iniciais.
Classificao das vozes

Baixo
Bartono
Tenor
Contralto
Meso-Soprano
Soprano
Faixas de Mulheres: Soprano, Mezzo-soprano, Contralto.

Faixas de Homens: Alto, Tenor, Baritenor, Bartono, Baixo-bartono,
Baixo.
O contedo de energia para sinais de voz fica confinado
essencialmente de 300 Hz a 5 kHz. A telefonia usa voz limitada no
espectro entre 300 Hz e 3.300 Hz. A distribuio depende profundamente
de vrias caractersticas do falante (homem/mulher, idade, lngua falada
etc.).
O Ingls americano apresenta freqncias entre 800 Hz e 3 kHz
enquanto que a maior parte do contedo de energia de sons de voz
produzidos em Francs ocorre em freqncias na faixa de 1 kHz a 2 kHz.
J o Ingls britnico, concentra-se em freqncias particularmente altas
(2 a 12 kHz), devido ao nmero de sons explosivos e ao modo geralmente
cortante de falar.
A figura a seguir mostra a localizao espectral e o espectro da
maior parte da energia da voz emitida por diversos tipos de cantores (e.g.:
tenor, bartono, baixo, soprano, etc.).
41

7
Baixo
Baritono
Tenor
Contralto
Tipo de voz
Meso-soprano
Soprano
0
0
200
400
600
800
1000
1200
f (Hz)
Figura 1.14 Localizao espectral da energia (vrios tipos de cantores).

INSTRUMENTOS MUSICAIS
O compositor francs Hctor Berlioz (1803 1869), autor do

famoso Tratado de orquestrao, trata de msica com propriedade:
Qualquer corpo sonoro utilizado pelo compositor um instrumento
musical.
Os instrumentos podem ser ordenados de acordo com diferentes
critrios. Um dos mais usados foi proposto pelo filsofo e matemtico
francs Marin Mersenne, em seu ensaio Harmonia Universal
(1636/37). De acordo com essa classificao, os instrumentos se
agrupam, grosso modo, em trs grandes categorias: cordas, sopros e
percusso.
Instrumentos de corda
Instrumentos de cordas dedilhadas:
Alade, Bandolim, Violo ou Harpa;
Instrumentos de cordas percutidas:
Cravo ou Piano;
Instrumentos de cordas friccionadas:
Violino, Viola, Violoncelo, Contrabaixo ...
42
Cordas dedilhadas: Violo, piano, lira, harpa, ctara, violino em

pizicatto, ...
1
w0 =
Fundamental
2L
L comprimento da corda (m)
tenso na corda (kg.m.s-2) ou (N)
densidade da corda (kg/m)
H efeitos especiais, comuns aos instrumentos de cordas friccionadas:
pizzicato quando se beliscam as cordas com os dedos sem usar o arco;

com legno com a madeira do arco, roando ou batendo;
surdina espcie de grampo que limita a ressonncia, diminuindo a
intensidade do som.
Figura 1.15 Harmnicos de um violo (trs primeiros harmnicos).
Para examinar o efeito do dimetro da corda no som produzido,

considere que o material da corda (ao, lato, tripa, nylon...) tem
densidade conhecida. Assumindo uma corda cilndrica, encontra-se
facilmente a relao entre a densidade linear (kg/m) e a densidade d
(kg/m3), mostrando que a freqncia de ressonncia vale:
f0 =
1
T
.
2rL d
43
O violino, o mais agudo e verstil instrumento de cordas, constitui-se

basicamente de 4 cordas, afinadas em quintas (mi4, l3, r3 e sol2).
FAMILIA DO VIOLINO
Contrabaixo
(baixo)
Violoncelo
(tenor)
Viola
(contralto)
Violino
(soprano)
Figura 1.16 Famlia do Violino: Instrumentos em escala

(comprimentos proporcionais ao tamanho real de cada um deles).
Figura 1.7 Teclado de um piano, mostrando diversas oitavas. Observe o uso

da escala temperada. A nota l indicada em duas oitavas consecutivas. A
mais grave nota do piano tem freqncia 28 Hz, e a mais alta 4.186 Hz.
Afinao: uma nota padro deve ser definida a fim de se obter as

freqncias correspondentes de todas as outras notas musicais,
aplicando-se a elas uma razo apropriada. Esta nota o L (A4)
acima do D (C4) mdio, e sua freqncia de 440 Hz.
44
APPLETS SOBRE PIANOS E INSTRUMENTOS
http://www2.ee.ufpe.br/codec/WaveShaper.exe
http://www.frontiernet.net/~imaging/play_a_piano.html
http://www.cs.ubc.ca/~kvdoel/bellsJavaSound/bells.html
http://www.stat.ucla.edu/~dinov/courses_students.dir/04/Spring/
Stat233.dir/STAT233_notes.dir/JavaApplet.html
http://lectureonline.cl.msu.edu/~mmp/applist/sound/sound.html
http://www.jhu.edu/~signals/listen-new/listen-newindex.htm
Instrumentos de sopro
Alm dos instrumentos de corda, h muitos outros de sopro,
baseados em tubos sonoros.
Flauta transversal ou doce, Obo, Corne ingls, Clarinete, Fagote,
Trompete, Saxofone, Trompa, Trombone, Tuba ou rgo de foles...
Figura 1.18 Ilustrao (a) Obo e (b) Sax tenor.
As freqncias emitidas so harmnicas de uma fundamental dada por

Fundamental f 0 = v (tubos abertos) ou f 0 = v (tubos fechados)
2L
4L
L comprimento da corda (m)

v velocidade de propagao do som (m/s) tpico de 340 m/s.
Um tubo de 1 m de comprimento, por exemplo, emite fundamental de 85
Hz e mltiplos dela.
45
Instrumentos de percusso
So instrumentos basicamente rtmicos. O som produzido por vibraes
transversais numa membrana bidimensional estendida sobre uma
cavidade ressoante ou em corpos slidos.
Tringulo, Prato, Caixa, Conga, Bombo, Pandeiro, Tant, Agog;
Tmpano, Carrilho, Xilofone, Celesta, Glockenspiel, Marimba,
Vibrafone...
Membranas vibrantes e discos metlicos, tpicos de instrumentos
de percusso, possuem uma forma de freqncia fundamental que tpica
e parecida uma com a outra. Apenas para ilustrao, consideram-se
membranas esticadas com densidade linear (kg/m) e raio R. A
freqncia de ressonncia neste caso vale:
f0 =
0,382 T .
R
Figura 1.19 Ilustrao do movimento de primeiro e segundo harmnico de

uma membrana esticada.
Os instrumentos podem ser emulados eletronicamente via

sintetizadores. Sons eletrnicos contendo timbres naturais para o violino
ou o trompete so de implementao mais difcil devido a estes
instrumentos produzirem um nmero grande de harmnicos. Para
acompanhar os avanos em sintetizadores, surgiu uma linguagem de
transmisso de dados digital especialmente destinada msica,
denominada MIDI (do ingls: musical instrument digital interface), que
interliga qualquer instrumento musical a um sintetizador por meio de um
cabo conector. Deste modo, caso se registre o som de uma tuba no
sintetizador, pode-se conectar outro instrumento musical (e.g. um banjo)
46
e, ao toc-lo, sair o timbre musical da tuba. Questes de reconhecimento

e classificao so tambm interessantes [WIE 2001].
A Engenharia Acstica um ramo da engenharia eltrica que lida com

sons e vibraes e tipicamente envolve as seguintes tarefas:
Gravar e/ou reproduzir sons.

Sintetizar sons.
Identificar falantes, verificar integridade de gravaes etc.
Reduzir sons indesejveis.
Usar sons (ou ultra-sons) como um indicativo de outra
propriedade fsica (e.g. diagnstico mdico, sonar).
Estereofonia refere-se a um sistema de udio com dois canais, referindose sua distribuio espacial. frequentemente binaural, no qual duas
trilhas distintas so gravadas (freqentemente de forma simultnea).
Figura 1.20 Modos de gravao: mono, estreo e quadrifnico.
47
Tabela III.1 Tipos de Alto-Falantes.

Tipo de
FTE
Sub-woofer
tamanho
12 (34)
Faixa de
freqncias
20 100 Hz
Woofer
12 (18)
100 500 Hz.
Midrange
500 Hz 6 kHz
Tweeter
6 20 kHz
Caractersticas principais
<16 Hz so mais sentidas que
ouvidas.
A localizao no crtica, pois so
onidirecional.
contm a maior parte da energia de
de voz ou msica.
responsvel pelo brilho do som;
localizao crtica, pois altamente
direcional.
O Professor canadense de msica R. Murray Schafer conduziu

na dcada de 90, um experimento nos EUA, Canad, Alemanha e outros
pases europeus. Pediu a cada estudante de msica que ficasse
inteiramente relaxado, lembrasse espontaneamente e solfejasse a nota que
lhe viesse mente. A moda para estudantes americanos e canadenses foi
si bemol, enquanto que para europeus foi sol. Comente os resultados
desse experimento. Sugesto: Determine a nota associada freqncia da
rede eltrica de baixa tenso.
Figura 1.21 Faixa de freqncias relevantes de certos instrumentos

musicais: violino, violoncelo, trompete, tambores, tuba, piano e rgo.
Alcance tpico da resposta de alto-falantes (tweeter, midrange e woofer).
48
ANLISE DE HARMNICOS
A propsito do trabalho de Fourier, Auguste Comte menciona: <<Je ne crains
pas de prononcer, comme si j'tais dix sicles d'aujourd'hui que, depuis la
thorie de la gravitation, aucune creation mathmatique n'a eu plus de valeur
que celle-ci, ...>>
O espectro unilateral consiste no esboo dos valores de cn e n no

domnio freqncial apenas para valores positivos de w. Assim, para a
onda quadrada do exerccio 1, tem-se
0 , n par
n
,
= 2
Sa
2
, n mpar
e o espectro unilateral pode ser esboado, resultando nos grficos que se

seguem.
|cn |
valores dos coef.
...
0
2w 3w 4w 5w 6w ...
2w 3w 4w 5w 6w ...
w
sinais gns
Figura 1.22 Espectro de uma onda quadrada (raias), Magnitude e fase.
As funes peridicas so adequadas para o desenvolvimento em

srie de Fourier, f(t)=f(t+mT), em que T perodo. Neste caso, as
seguintes propriedades so vlidas.
Tabela IV.1 Anlise Harmnica de Sinais Reais.

Sinal
Par
Impar
Apenas harmnicos mpares
Apenas harmnicos pares
Condio
f(t) = f(-t)
f(t) = - f(-t)
f(t) = - f(t + T/2)
f(t) = f(t + T/2)
Coeficientes
a n 0 ; ( n ) bn = 0
( n ) a n = 0 ; bn 0
( k ) a2k = b2k = 0
( k ) a2k+1 = b2k +1 = 0
49
Dois sinais peridicos com sries trigonomtricas de Fourier de

formato particularmente interessante tm coeficientes harmnicos
decrescendo da forma 1/pn, n=1,2,3,...com p 1 .
p. cos(2t ) 1
p 2 p cos(2t ) + 1
2
p.sen(2t )
p 2 p cos(2t ) + 1
2
n
n =1 p
+ 1
n =1 p
cos(2nt ) e
sen(2nt ) .
Observe que estes sinais formam um par conjugado harmnico

(vide transformada de Hilbert). Essas duas famlias de sinais so
esboadas em seguida, variando o valor de p.
Figura 1.23 Famlias de sinais peridicos com harmnicos de amplitude 1/pn,

n=1,2,3,... p 1 .
Exerccio 3.
a) Uma abordagem alternativa para determinar estas sries de
Fourier baseada em sries de Laurent (Pierre Laurent, vide
tambm problema 28). Partindo da srie de
50
1
, | z | 1 ,
1 z
considere z :=
1
exp( j 2t ) , p 1 , separe as partes real e parte
p
imaginria, provando as expresses mostradas.

b) Verifique a convergncia da srie em t=0, obtendo o valor de
n =1 p
c) Mostre que a energia E de cada desses sinais vale

E=
1
< + .
2( p 1)( p + 1)
Exerccio 4. Mostre que o sinal peridico f (t ) := ln 2sen | t | tem srie

2
+ cos( nt )
trigonomtrica de Fourier f (t )
n =1
[GAS&WIT 2000].
Soluo.
Claramente, o perodo T=2 e (n) bn=0 e a0=0. Resta determinar
an =
2
2
0 ln 2 sen 2 . cos ntdt = 0 ln 2 sen 2 . cos ntdt .
t
2
Pondo u = ln 2 sen e dv = cos ntdt e integrando por partes, vem:
t
2 dt .
t
2 sen
2
t
1
t
1
Assim, an =
cot g . sen ntdt =:
I n . Tem-se I1 = 20 cos 2 dt = .
0
2
2
n
n
2 sen nt
an =
.
0 n
cos
Por outro lado, fcil mostrar que I n I n 1 = 2 0 (cos(1 n)t + cos nt )dt = 0
para n2 e I1 = I 2 = I 3 = ...
51
APPLETS SOBRE SRIE DE FOURIER TRIGONOMTRICA
http://www.falstad.com/fourier/
http://www.indiana.edu/~acoustic/s522/fourapdkp.html
http://links.math.rpi.edu/applets/appindex/fourier-series-trog.html
http://homepages.gac.edu/~huber/fourier/index.html
Sries de Legendre-Fourier.
Outros conjuntos ortogonais podem ser usados na decomposio.
Os polinmios ultra-esfricos (com =0) de Legendre verificam a relao
recursiva8:
( n + 1) Pn +1 (t ) ( 2 n + 1)tPn (t ) + nPn 1 (t ) = 0 , com P0(t)=1 e P1(t)=t.

Estes polinmios so ortogonais em -1<t<1, de acordo com
1
2
1 Pn (t ) Pm (t )dt = 2n + 1 n,m .
Um sinal f(t), |t|<1, pode ser decomposto em srie usando o
+
conjunto ortogonal completo {Pn (t )}n =0 :
f (t )
cn Pn (t ) ,
n=0
com c n =
2n + 1 +1
f (t ) Pn (t )dt .
2 1
No caso de sinais polinomiais, a decomposio em srie de

Legendre-Fourier bem mais ingnua, como por exemplo: f(t)=10t3 +3t2
+7t -9 em |t|<1. A decomposio finita e o erro na representao nulo.
f (t ) = 4 P3 (t ) + 2 P2 (t ) + 13P1 (t ) 8P0 (t ) .
Ao invs de efetuar as integrais para calcular os coeficientes de
Legendre-Fourier, considere o seguinte algoritmo:
8 Adrien-Marie Legendre (1752-1833).
52
P0(t)=1 P1(t)=t P2(t)=(3t2-1)/2 P3(t)=(5t3-3t)/2
etc.
f(t)=10t3 +3t2 +7t 9

4P3(t)=10t3 -6t
resta 3t2 +13t 9
2P2(t)=3t2 1
resta 13t 8
13P1(t)=13t
resta -8
-8P0(t)= -8
____________________________
Sries Trigonomtricas de Hartley

Mostra-se facilmente que todo sinal peridico (perodo T) que
admite srie trigonomtrica de Fourier convergente, tambm admite uma
representao alternativa, chamada srie de Hartley (vide adiante nota
sobre Ralph Hartley), em termos dos ncleos cas(.) cosseno-mais-seno
[BRA 1978], [BRA 1983].
O
ncleo
cassoidal de Hartley definido por

cas( x) := cos( x) + sen( x) e o conjunto ortogonal completo usado na
+
decomposio cas(n
de Fourier cos(n
2
t )
, equivalente ao conjunto trigonomtrico
T n = 0
+
2
2
t ), sen( n
t )
.
T
T n = 0
A srie expressa sob a forma:
o
+ o
f (t ) cn cas nw0t + n . Mostran=0
se que a relao entre esses coeficientes de Hartley e os coeficientes da

srie trigonomtrica dada via:
o
cn =
o
b
an2 + bn2
e n = + tg 1 n .
2
4
an
53
1.5
A REPRESENTAO EXPONENCIAL
A representao exponencial da srie de Fourier a mais

utilizada e equivalente a srie trigonomtrica para sinais reais.
Entretanto, ela pode tambm ser aplicada a sinais complexos e, portanto,
mais geral.
Considera-se no desenvolvimento, um
Hermitiano para funes complexas expresso por
b
produto
interno
< i(t), k(t) > = a i (t ).k (t )dt , em a<t<b.

A ortogonalidade de funes complexas implica na relao
b
a i (t ). k (t )dt = k i i,k .
Para um sinal f(t), to<t<to+T, wo=2/T, podem ser escolhidas
funes exponenciais complexas para a expanso em srie (um conjunto
completo para sinais complexos na janela T).
{ n (t )} = {e jnw t }n = ,
+
em que j = 1 .
A ortogonalidade entre pares de funes facilmente verificada:
0
< e jnw0 t , e jmw0 t >=
t0 +T
t0
T se n = m
e j (n m )w0 t dt =
0 se n m.
A Srie de Fourier pode imediatamente ser escrita sob a forma
f (t )
F e
n =
com Fn =
1 t0 +T
f(t) e-jnw0t dt
T t0
jnw0 t
, t0<t<t0+T,
n =0 , +1, +2 , ... .
Os coeficientes de Fourier Fn podem ser nmeros complexos e

esto relacionados com os coeficientes trigonomtricos por o que pode
ser prontamente verificado pelo leitor.
54
Das relaes acima se conclui imediatamente que:

Fn = F-n = an / 2 e os coeficientes so reais;
Se f(t) for mpar Fn = F-n = -jbn / 2 e os coeficiente so imaginrios.
Se f(t) for par
APPLET SOBRE SRIE DE FOURIER EXPONENCIAL

http://www.valdosta.edu/~cbarnbau/math_demos_folder/FT/sawtooth.htm#
Exerccio 5
Encontrar o desenvolvimento exponencial da srie de Fourier
para um trem de pulsos com ciclo de trabalho d = /T, esboado a seguir.
f(t)
1
t
T
Soluo:
Assumindo uma fundamental w0=2/T, tem-se:
1 /2
Fn = / 2 e -jnw0 t dt = d .Sa(nd ), n=0, +1, +2 , ...
T
e portanto
f (t )
dSa(nd ).e jnw0t ,
< t < + .
n =
Uma outra representao conhecida como espectro bilateral de

um sinal pode ser obtida a partir de sua srie exponencial. Se Fn
complexo, so necessrios os grficos de | Fn | e Fn . Para o sinal do
exerccio acima, Fn real e o espectro de amplitude e fase pode ser
condensado.
55
Figura 1.24 Espectro bilateral de um trem de pulsos:

passagem do discreto ao contnuo.
O nmero de linhas espectrais antes de freqncia B=1/ Hz

(correspondente ao primeiro zero da envoltria, w=2/) T / , na
qual a funo floor x representa o maior inteiro menor que x.
O espaamento entre raias consecutivas sempre w0=2 /T rd/s.
As sries de Fourier so por demais conhecidas como mtodo para
abordar sinais peridicos bem comportados, tipo onda quadrada,
rampas peridicas, dentes de serra, senoidais retificadas etc.
Surpreendentemente, a ferramenta tambm adequada para sintetizar ou
analisar sinais peridicos mais estranhos (vide figura que se segue).
Seja
M
MH( t , s ) :=
1
s
k = 1 Zeta ( s ) k
56
cos Zeta ( s ) k t
0.5
MH ( t , 2 )
MH ( t , 3 )
MH ( t , 4 )
0.5
0.974
6
2
Figura 1.25 Sinais contnuos peridicos com srie de Fourier bem definida.
As sries so expressas por MH(t,s), em que Zeta(s) a funo de
Riemman.
A srie de Fourier exponencial bidimensional para com o sinal

f(x,y) desenvolvido em uma janela xo<x<xo+H, yo<y<yo+V, com
freqncias fundamentais (na horizontal e na vertical) wox:=2/H e
woy:=2/V, expressa por
f ( x, y )
Fn,m e
n = m =
Fn,m =
jnw0 x x + jmw0 y y
1
f (x,y) e -( jnw0x x + jmw 0yy ) dx dy
HV
.
com coeficiente
A iluminao (sinal de luminncia) de uma cena dada por I(x,y),
desenvolvido numa janela retangular xo<x<xo+H, yo<y<yo+V. O sinal
normalmente parametrizado no tempo, t, atravs das velocidades de
varredura s, x=sht e y=svt.
Assim, v(t)=I(sht, svt)=I(x,y). Considerando a expresso da srie
bidimensional (exponencial) de Fourier, tem-se:
v (t )
Fn, m e
n = m =
jnw 0 x S h t + jmw 0 y S v t
57
A expanso em srie 2-D avaliada fora da janela, tal como em 1D, comporta-se como peridica. Imagine um nico plano infinito (parede
infinita) onde so reproduzidas telas (janelas) de um nmero infinito de
imagens idnticas!
Uma imagem esttica um sinal duplamente peridico, contendo
harmnicos das freqncias de linha (H) e das freqncias de quadro (V),
somas e diferenas. Desde que usualmente w0h>>w0v e |Fn,m| decresce
rapidamente com o produto n.m, as linhas espectrais vo se agrupar em
torno de harmnicos de f0h, com largas "lacunas" entre os aglomerados.
No caso de imagem em movimento, as linhas espectrais convergem em
"amontoados" contnuos, mantendo, porm os espaos vazios. Este fato
permitiu, posteriormente, a incluso do sinal de crominncia (TV
colorida)9 sem aumentar a faixa de freqncias usada (banda passante),
mantendo requisitos de compatibilidade entre a transmisso colorida e
monocromtica [CARL 1981].
f
f
0v
0h
2f0h
3f0h
Figura 1.26 Espectro tpico de um sinal de vdeo (TV - preto e branco):

Aglomeramentos em torno de harmnicos da freqncia do horizontal.
APPLETS SOBRE IMAGENS & 2D-ESPECTROS

http://www.seeingwithsound.com/javoice.htm
http://www.s2.chalmers.se/research/image/Java/applets_list.htm
http://www.jcrystal.com/steffenweber/JAVA/jfourier/jfourier.html
CONVERGNCIA PONTUAL
Se o sinal f(t) integrvel e absolutamente integrvel, ento os
coeficientes de Fourier esto bem definidos10:
9 O engenheiro de telecomunicaes Georges Valensi (ITT, Paris) concebeu a idia

fundamental na transmisso colorida, pondo a informao nos interstcios do espectro
do sinal de vdeo.
10 os coeficientes esto bem definidos, embora a srie possa no convergir.
58
an
2
=
T
t0 + T
2
T
t 0 +T
bn =
2 t0 +T
f (t) cos (nw0t) dt T f (t) dt < + ,
t0
t0
f (t) sen (nw t) dt

0
t0
2 t 0 +T
f (t) dt < + .
T t0
A definio dos coeficientes de Fourier e a forma com que se aproximam

de zero quando N cresce, depende do comportamento do sinal (vide lista
de exerccios). Resumidamente,
1. f L1
ento
|an|,|bn|<+.
2. f, f L1
ento
| an |, | bn |<
3. f, f, f L1
ento
| an |, | bn |<
.
n2
K
.
n
K
Com relao convergncia pontual da srie de Fourier, as

questes so bem mais complicadas. As dificuldades surgiram com
exemplos de du Bois-Reymond (1831-1889). Posteriormente, o brilhante
Andrey N. Kolmogorov (1903-1987) mostrou a existncia de funes
integrveis para as quais a srie de Fourier diverge em um conjunto denso
de pontos. Entretanto, estes problemas praticamente no aparecem nas
classes de sinais fsicos.
Seja fN(t) a srie de Fourier truncada: f N (t ) :=
cn e jnw t ,
0
n=N
t 0 < t < t0 + T ,
w0 = 2 / T .
De que modo fN(t) tende a f(t) quando N aumenta? verdade que

lim f N (t ) = f (t )
? Isso verdade para todo t?
N
Convergncia de funes:
1. Em mdia quadrtica
2. Convergncia pontual
3. Convergncia uniforme
59
EMQ
PONTUAL
UNIFORME
Figura 1.27 Diagrama de Convergncia. Relaes de incluso entre as

diferentes formas de convergncia.
A relao entre esses critrios ilustrada na figura precedente (por

exemplo, se fN converge uniformemente, ento tambm converge
pontualmente...etc.)
PROBLEMAS DE CONVERGNCIA (Ncleos e Janelas)
Uma das maiores dificuldades da aceitao das sries de Fourier decorria
do fato de que a anlise da poca estava praticamente restrita s funes
que admitem sries de Taylor (ditas analticas). Este no o caso das
funes peridicas com descontinuidades, tpicas da anlise de Fourier.
K. Weierstrass (1815-1897) prope uma funo contnua p.p., mas que

no admite derivada em nenhum ponto! Estas funes deixaram os
contemporneos estupefatos e freqentemente indignados11 (termos de Y.
Meyer) e ainda deixa a muitos assim. Trata-se de sinais com
comportamento auto-similar, conhecidos agora como fractais (vide teoria
de [MAND 1995], [ARGO et al. 1989]).
11 Fujo com horror desta pliade de funes contnuas no derivveis em nenhum ponto
(C. Hermite) 1893.
60
Funes peridicas de Weierstrass podem ser definidas por sries do tipo:
W2 (t ) :=
k =12
( )
. cos 2 k t e W3 (t ) :=
k =12
( )
. cos 3k t .
0.5
Weir ( t )
0.498
0.5
0.5
Weir ( t )
0.5
0.209
Weir( t )
0.5
0.246 0.5
1.5
1.63
1.75
1.5
1.75
Figura 1.28 Ilustrao da funo de Weierstrass, contnua p.p., porm sem

derivadas em nenhum ponto.
61
A verso truncada da srie exponencial de Fourier est

obviamente relacionada com a funo f(t) que ela representa. Qual a
relao explcita entre fN(t) e f(t)? Isto necessrio para avaliar quo
boa a representao. Note que a relao se exprime unicamente atravs
dos coeficientes de Fourier, pois os demais termos dependem apenas da
fundamental. A srie truncada fN(t) pode ser escrita como
T /2
1 N T /2
1 N jnw0 (t t ')
jnw0 ( t t ')
f N (t ) =
f
(
t
'
)
e
dt
'
=
f
(
t
'
)
dt '
e
T / 2
T n = N T / 2
T N
Digresso: Os polinmios trigonomtricos de Dirichlet de grau N.
1 N jnx
DN ( x) :=
e .
T n=N
Claramente, pela frmula de Euler, DN ( x) :=
1 2
+
T T
cos(nx) .
n =0
Efetuando-se a soma, mostra-se (exerccios) que

1
D N ( x) =
T
sen ( N + ) x
2
x
sen
2
Assim,
f N (t ) =
T /2
T / 2
f (t ' ) D N
(t t ' ) dt ' .
T
Essa a relao entre a srie truncada e o sinal original. O sinal

observado atravs de uma janela de Dirichlet DN(.), como se visto
atravs de um filtro linear.
A operao acima uma convoluo e pode ser mostrado por mudana
de varivel que comutativa:
T /2
2
f N (t ) =
f (t t ' ) D N
t ' dt ' .
T / 2
T
H relaes interessantes estudando o comportamento dos

ncleos de Dirichlet. Os exerccios ilustram que a seqncia tende a um
pente de Dirac medida que N cresce sem limites (examinado mais tarde,
quando tratando de funes generalizadas). Vale tambm comparar a
srie de Fourier de um trem de impulsos (pente) com a expresso de DN(t)
assumindo N. Assim, no intervalo de integrao,
lim DN ( x) ( x)
, |x|<.
N
62
Ser visto que a identidade do produto de convoluo

exatamente o delta de Dirac (transformada de Fourier do sinal identidade
f(t)=1 para o produto convencional de sinais), ou seja, f(t)*(t)=f(t), o
ncleo de Dirac passa a reproduzir f(t). Esta interpretao pode ser mais
bem apreciada aps revisar a teoria das funes generalizadas de
Laurent Schwartz.
Desta forma, fN f.
As propriedades de convergncia da srie de Fourier so sempre
estudadas em termos do comportamento dos ncleos de Dirichlet. Em
particular, para a anlise da convergncia pontual, o resultado central
(vide [RUD 1971]) mostra que as propriedades de convergncia da srie
so, de facto, pontuais. A convergncia da srie em um ponto depende
apenas de uma vizinhana arbitrariamente pequena no entorno desse
ponto.
TEOREMA DA LOCALIZAO.
As propriedade de convergncia pontual da srie de Fourier dependem
essencialmente da vizinhana do ponto; para f L2 , Dado 0<<T/2,
podendo ser arbitrariamente pequeno, ento
T /2
lim
+
f (t t ' ) D 2 t ' dt ' = 0 .
T/2
N
N
T
Prova.
Fixe t (ponto a analisar a convergncia) e seja
0
| t ' |<
.
h(t ' ) :=
f (t t ' ) | t ' | T / 2
sen t '
T
Ento
T /2
1 2t '
2
dt ' .
f (t t ' ) D N
t ' dt ' =
h(t ' ) sen N +
T / 2
2 T
T
Desenvolvendo a soma de arcos,

2 t' 2
2
h(t') cos
sen Nt' + h(t' )sen
T
2
T
t' 2
cos Nt' .
2 T
63
2 t '
2 t '
e h2 (t ' ) := h(t ' ). sen
Ambas as funes h1 (t ' ) := h(t ' ). cos

T 2
T 2
so L1 (integrveis e absolutamente integrveis). Isso decorre da
integrabilidade de f(t), pois
f (t t ' )
hi (t ' ) h(t ' )
. Ento

sen
T
T /2
2
2
f (t t ' ) DN T t ' dt ' = T / 2 h1 (t ' )sen N T t ' dt ' +
T /2
2
+
h2 (t ' ) cos N
t ' dt '.
T / 2
T
Estes termos so proporcionais aos coeficientes de Fourier bN a aN para
sinais diferentes (para h1 e h2, respectivamente; o lema de RiemannLebesgue assegura o fato). Como lim | a N |= 0 e lim | bN |= 0 , o
N
resultado segue.
Q.E.D.
Andrey Kolmogorov (1903-1987).
Ulisse Dini (1845-1918).
Para garantir a convergncia pontual da srie, foram propostos

diferentes critrios (condies de suficincia, porm no de necessidade).
De qualquer forma, obedecida s condies estabelecidas, a convergncia
pontual garantida. H essencialmente dois critrios maiores para
verificar a convergncia pontual: o critrio de Jordan ou o critrio de
Ulisse Dini (1845-1918) [FIGU 1977]. Ao invs da utilizao destes,
possvel empregar condies menos gerais que correspondem s
proposies a seguir, resultados obtidos dos critrios de Jordan e Dini,
respectivamente:
64
Proposio 1. (Critrio de Dirichlet, circa 1830)

Se f(t) limitada e tem um nmero finito de mximos e mnimos
locais, bem como um nmero finito de pontos de descontinuidade (as
conhecidas condies de Dirichlet), ento:
f (t + 0) + f (t - 0)
= a0 + lim
2
N
a n cos nw 0 t
n =1
+ bn sen nw 0 t.
Gustav Dirichlet (1805-1859).

Proposio 2. (Teorema de Fourier)
Se f(t) uma funo seccionalmente diferencivel, ento vale o resultado
da proposio anterior.
Assim, praticamente a totalidade dos sinais fsicos manipulados
apresenta propriedades de convergncia pontual. Uma formulao
alternativa para as janelas de Dirichlet pode ser considerada. Para N
inteiro, sejam polinmios de grau N definidos por:
PN ( x) :=
(x cos(nx0 ) ) , |x|<1, com x0 :=
n =1
.
N+1
2
Os primeiros polinmios desta famlia esto tabelados e esboados

para alguns valores de N.
65
Tabela V.1. Polinmios associados de Dirichlet, |x|<1:

PN(x) associado DN(x).
PN(x)
N
1
1
x+
2
x2 +
1 2 1
1
x x
2
2
8
1 3 3 2 1
1
4
x + x x x+
2
4
4
16
x3 +
P1( x)
1
1
x
2
4
P2( x)
P3( x)
P4( x)
P(
1
0.5
0.5
1
1
Figura 1.29 Polinmios associados de Dirichlet PN(x);diversas ordens.
Frmula de de Oliveira para os polinmios de Dirichlet:

TD N ( x) = 2 N
66
n =1
2
.PN (cos( x)). Os 2N zeros de DN(x) no intervalo
T
2
ocorrem, portanto, nos pontos xn = n
.
N+1
2
de modo que DN ( x) =
|x|<
[cos( x) cos(nx0 )] , |x|<
25
20
D( 1 , x)
D( 2 , x)
10
D( 3 , x)
D( 9 , x)
0
10 10
15
15
10
0
x
10
15
15
Figura 1.30 Comportamento dos Ncleos de Dirichlet DN(x) para alguns

valores particulares de N.
N.B. Segundo a teoria das distribuies (seo 1.5), tem-se que

lim DN (t ) = (sen(t / 2))
, um pente de Dirac.
N +
ENTENDENDO O FENMENO DE GIBBS
Josiah Gibbs (1839-1903).

Mais conhecido por seus trabalhos em Termodinmica.
A anlise aqui tende a seguir os preceitos de R.W. Hamming: However,

we will avoid becoming too involved with mathematical rigor, which all
too often tends to become rigor mortis.
67
O truncamento da srie de Fourier para um sinal f(t) peridico produz um

efeito interessante em torno de uma descontinuidade, analisado por Gibbs
(1899). Inicialmente, este fenmeno ps srios limites na confiabilidade
das previses de mars estabelecidas no sculo XIX, e ainda hoje
responsvel por artefatos em imagens mdicas. Sem perda de
generalidade (para simplificar), suponha que h uma nica
descontinuidade na origem. Separando a parte contnua de f(t), denotada
por fc(t), tem-se
f (t ) = f c (t ) + [ f (0+) f (0)].u (t ) .
(*)
Note que f(0+)-f(0-) representa o salto, que s ocorre a partir de

t=0.
Claro que fc(0-)=f(0-) e de modo que f (0) = f (0+ ) + f (0) , como

2
esperado, assumindo u(0)=1/2.

Usando a janela de Dirichlet,
2
f N (t ) = 0T f (t ) DN d .
T
(**)
Substituindo-se a expresso (*) em (**), tem-se:

2
2
f N (t ) = 0T f c (t ) DN d + [ f (0+) f (0)].0T DN u (t )d .
T
T
No limite N+, a primeira integral reproduz a parte contnua

de f(t), i.e.,
2
T
0 f c (t ) DN d = f c (t ) .
T
Resta estudar o comportamento do termo
:=
68
lim
N +
[ f (0+ )
t
2
f (0)] DN
d
0
T .
Com a mudana de varivel x = 2 ,

T
lim [ f (0+) f (0)]. T 2t / T DN ( x )dx .

2 0
N +
Em uma vizinhana da origem, x=0, |x|<, arbitrariamente

pequena, tem-se:
x
1
D N ( x) =
.
T sen( x / 2)
sen ( N + ) x
Sa ( N + ).x
2 2
1
2
= . N +
x
T
2
Sa( x / 2 )
de modo que com uma aproximao suficientemente boa,

DN ( x)
2
1
1
.( N + ).Sa ( N + ) x .
2
2
T
Segue-se com = ( N + 1 ) x , que

2
sen( ) ,
1
d
= [ f (0+) f (0)]. 0 ( N )
2
1
em que ( N ) =
N + t .
T
2
A integral acima no determinada de forma fechada (no

admite primitiva) e chamada de Integral seno, denotada por
x
Si( x) := Sa( ) d .
0
Os valores da Integral Seno encontram-se em tabelas12 (tal como

a integral correspondente a uma Gaussiana), sendo os grficos da funo
Si(x) e uma aproximao linear S i( x ) esboados na figura a seguir.
12 Assintoticamente Si(x)~
senx 1! 3! 5!
cos x
2! 4!
+ .....
1
+
..... .
x x x3 x5
x x2 x4
[SPI 1979]. Si(0)=0 e Si()=/2.
69
~
Si(x)
/2
/2
Figura 1.31 Funo Integral Seno e sua aproximao linear.
1
= [ f (0+) f (0)]. Si ( ( N ) ) .
No limite,
lim = [ f (0+) f (0)]. 1
Sa( )d = [ f (0+) f (0)].
Si().
Em t=0, portanto, tem-se
lim f N (0) = f (0) + [ f (0+ ) f (0)]. 1 = [ f (0+ ) + f (0)] ,

2
2
N
como seria de se esperar. No entanto...

Para N finito, mesmo grande, os valores de t em torno da origem
T /2
(possivelmente muito pequeno, pois T fixo e N
N + 1/ 2
incluem t* :=
aumenta), o qual resulta em Si(). O mximo salto, para a funo Si(x)

ocorre com um valor acima de /2, como ilustrado no grfico 1.31.
Assim, para qualquer N finito, o salto na descontinuidade inclui o
intervalo 1,089 [f(0+)-f(0-)]. Para N finito, h sempre um valor de tal que
ocorre uma oscilao (overshoot) cerca de 9%. Para uma descontinuidade
simples no ponto t, o intervalo de Gibbs t
70
T /2
T /2
,t +
,
N + 1/ 2
N + 1/ 2
cada vez menor a medida que N cresce, resultando em um fenmeno

pontual numa vizinhana da descontinuidade. Para resultados mais
recentes, envolvendo wavelets, vide [KELL 1996], [SHI&VOL 1996].
Figura 1.32 Ilustrando o fenmeno de Gibbs

(srie truncada com 25 e 50 harmnicos).
71
Srie de Fourier com fator de convergncia de Lanczos.

Seja f(t), t0<t<t0+T, um sinal possivelmente descontnuo, com
srie de Fourier exponencial truncada fN(t), contendo N harmnicos. O
fenmeno de Gibbs numa descontinuidade t ocorre essencialmente no
T
intervalo
.
T /2
T / 2 , o qual tem amplitude
t N + 1 ,t + N + 1
2
2
N+1
Visando melhorar o comportamento da convergncia da srie

truncada, Lanczos props considerar a verso suavizada (srie
suavizada) definida por:
N+1
~
2
f N (t ) :=
T
T /2
N+1
2
T /2
t
N+1
2
t+
f N (t ' )dt '
t( t0,t0+T).
Cornelius Lanczos (1893-1974).

Essa representao conduz a uma janela de Lanczos LN(x), tal que:
~
T
2
f N (t ) = f ( ) L N
(t ) d .
0
Uma expresso para LN(.), similar aquela da janela de Dirichlet,

corresponde a:
L N ( x) =
1
T
n jnx
Sa
e .
N + 1
n= N
2
O fenmeno de Gibbs fortemente atenuado em todas as

descontinuidades pela incluso desses tapers (detalhes na Tabela VI.1),
fato ilustrado na figura a seguir. Detalhes podem ser encontrados em
[HAMM 1986].
72
Figura 1.33 Aproximaes da rampa usando srie de Fourier e srie de

Fourier com fator de Lanczos. Observe o comportamento em torno das
descontinuidades, nas quais ocorre a atenuao do efeito de Gibbs.
Como relao manipulao de sries de Fourier (trigonomtrica

e exponencial), os seguintes resultados so de grande valia [SKO&RED
1966]:
TEOREMA (DERIVANDO SRIES).

Se f(t) contnua e peridica e f(t) seccionalmente contnua,
ento a srie de Fourier de f(t) pode ser obtida diferenciando cada termo
da srie de Fourier de f(t).
TEOREMA (INTEGRANDO SRIES).
Qualquer srie de Fourier pode ser integrada termo a termo entre
quaisquer limites. A srie integrada converge para a integral da funo
peridica da srie original.
TEOREMA DE KOLMOGOROV-SELIVERSTOV-PLESSNER.
Se
(an2 + bn2 ). log n < +

+
ento
srie
trigonomtrica
n =0
an cos(nw0t ) + bn sen(nw0t )
n =0
converge em quase toda parte (p.p.).
73
CONVERGNCIA UNIFORME
Karl Weierstrass (1815-1897).

TESTE M DE WEIERSTRASS (Transforma o problema de
convergncia de sries de funes em convergncia de sries numricas)
N
Dado s n (t )
n =1
|sn(t)| Mn
n =1
uma seqncia de funes reais, sn: , se Mn0 |

+
n =1
n =1
(t ) e M n < , ento a srie s n (t ) converge
uniformemente em para alguma funo s(t).

Aplicao imediata:
A verso fraca (1 teorema da convergncia uniforme de sries de
Fourier).
TEOREMA DA CONVERGNCIA UNIFORME 1.

Se f peridica, contnua, com 1 derivada contnua e derivvel, com 2
derivada integrvel e absolutamente integrvel (fL1), ento a srie
truncada fN(t) converge uniformemente no perodo.
Prova.
Usando a verso trigonomtrica para a srie,
N
f N (t ) = an . cos(nw0t ) + bn .sen(nw0t )
n =0
Sn(t)
N
f N (t ) = S n (t ) .
n =0
74
n =0
n =1
Da, | f N (t ) | | an | + | bn | .
Mas, de acordo com um dos problemas da lista de exerccios, tem-se

N
| an |
n =0
M e N
M
| bn | 2 , Portanto (vide lista novamente)
2
n
=
1
n
n
NM
| f N (t ) | a0 + 2 2 < +
n =1 n
-------------->
M de Weierstrass
fN converge uniformemente.
TEOREMA DA CONVERGNCIA UNIFORME 2.

Se f: peridica, contnua, com primeira derivada integrvel
e absolutamente integrvel (fL1), ento a srie truncada fN(t) converge
uniformemente em .
TEOREMA DE FEJR
Seja a soma de Fejr N +1 (t ) := 1 [ f 0 (t ) + f1 (t ) + f 2 (t ) + ... + f N (t )] .
N +1
Se f:
i) (t)
ii)
seccionalmente contnua e peridica, ento:

lim N +1 (t ) = 1 [ f (t + 0) + f (t 0) ]
2
N
{ N +1 (t )}N =1 converge
uniformemente para f em qualquer sub-
intervalo contnuo de .
CONCLUSO: A mdia aritmtica das sries de Fourier truncadas at o
ensimo harmnico converge uniformemente.
Cabe ento estudar a abordagem de Fejr em termos de ncleos: OS
NCLEOS DE FEJR.
Lipt Fejr (1880-1959).
75
J foi mostrado (ncleo de Dirichlet) que

2
T /2
f N (t ) = T / 2 f (t)DN
(t t) dt
T
1 N
N +1 (t ) =
f N (t )
N + 1 n=0
Tomando-se
, ento:
N +1 (t ) =
1 N
1 T /2 N
2
(t t) f (t)dt
f N (t ) =
Dn
N + 1 n =0
N + 1 T / 2 n =0 T
Define-se o ncleo de Fejr por:

1 N
FN +1 (t ) :=
Dn (t )
N + 1 n =0
(isto corresponde mdia aritmtica dos ncleos parciais de Dirichlet).
Assim,
2
N +1 (t ) = TT/ /22 f (t)FN +1 (t t) dt .

T
JANELAS (DATA WINDOWS) TAPERS

De um modo geral, a srie de Fourier pode ser observada atravs de data
windows [MOR 1979], [MOR 1997].
John Tukey (1915-2000)

Criador do algoritmo FFT, cunhou muitos termos em estatstica, anlise
(bits de informao, tapers, aliasing, smoothing etc.)
Tapers decrescimento gradual de largura ou comprimento.

Srie truncada (N termos) com introduo de tapers
2
n jn t
f N (t ) = h cn e T .
n= N N
N
76
1 N n jnt
h .e , ento, substituindo a frmula
T n= N N
do coeficiente de Fourier e manipulando, chega-se a:
2
T /2
Definirdo-se H N (t ) :=
f N (t ) = T / 2 H N
(t t) f (t)dt
T
Janela
H(.) pode ser ajustado para resultar nas janelas j estudadas (Dirichlet,
Fejr), mas pode incluir novas janelas de dados.
A representao em uma janela de Lanczos LN(x) tal que:
~
T
2
f N (t ) = f ( ) L N
(t ) d .
0
T
Uma expresso para LN(.), similar aquela da janela de Dirichlet,

corresponde a:
L N ( x) =
1 N
n jnx
Sa
e .
T n = N N + 1
2
Esse formalismo corresponde, portanto, a um taper para o ajuste

dos coeficientes de Fourier da srie truncada (dito fator de convergncia
de Lanczos13), cuja expresso
n
n
l = Sa
.
N + 1
N
2
13 N.B. alguns autores usam o intervalo T / 2

T / 2 , resultando em frmulas
,t +
t
N
N
praticamente idnticas, apenas eliminando o fator presente nas expresses envolvendo

1 .
N+1
77
Tabela VI.1 Tapers : Janelas de Dirichlet, Fejr, Hamming,

Hanning, de la Vall-Poussin, Parzen etc.
h(n/N)
0|n|N
HN(t)
Tapers
DN(t)
Dirichlet
|n|
N +1
FN+1(t)
Fejr
1
1
1

DN (t ) + DN t + DN t +
2
4
N 4
N
Hamming
1
n
1 + cos
2
N
en
n2
N2
/ 2N 2
n
Sa
1
N+
2
D N (t ) +
1 d 2 DN (t )
N 2 dt 2
e N
LN(t)
2 2
t /2
Parzen
Weierstrass
Lanczos
Excelente material para visualizar os efeitos dos tapers foi desenvolvido

em plataforma Matlab por Rafael Santos de Souza (UFPE) e
gentilmente disponibilizado freeware em:
http://www2.ee.ufpe.br/codec/tapers.html
A Srie Quantizada de Fourier (srie no-ortogonal)

<<The purpose of computing is insight, not numbers.>> R.W. Hamming.
Uma abordagem para quantizar a srie de Fourier consiste em
digitalizar a bases de sinais empregada na decomposio. Seja a funo
sinal Sgn(.) definida de modo usual,
78
1 x < 0
Sgn( x) := 0 x = 0
+ 1 x > 0.
Fixada uma janela de amplitude T, w0:=2/T, uma das possveis

decomposies em sries pode considerar o conjunto de sinais digitais14
{ n (t )}n+=0 = {1, Sgn(cos(nw0 t ) ), Sgn(sen(nw0 t ) )}+

n =1
ao invs da decomposio trigonomtrica clssica
+
{ n (t )}+
n = 0 = {1, cos( nw0 t ), sen( nw0 t )}n =1 .
A anlise da decomposio pode ser conduzida considerando-se
as sries trigonomtricas associadas aos sinais Sgn(sen(x)) e Sgn(cos(x)),
0x<2, respectivamente:
Sgn(sen( x) ) =
Sgn(cos( x) ) =
sen((2k + 1) x )
,e
2k + 1
k =0
+
cos((2k + 1) x )
.
2k + 1
(1) k
k =0
O conjunto { n (t )}+
n =0 = {1, Sgn(cos(nw0 t ), Sgn(sen(nw0 t ) ))}n no
ortogonal, porm algumas propriedades de ortogonalidade dos sinais
neste conjunto podem ser constatadas, aplicando as duas sries de Fourier
acima:
< Sgn(sen(nw0 t ), Sgn(cos(mw0 t ) ) >= Sgn(sen(nw0 t )Sgn(cos(mw0 t ) )dt = 0
T
0
(n,m).
Isto segue da relao:
T
Sgn(sen(nw0 t )Sgn(sen(mw0 t ) )dt =
sen ((2k + 1)nw0 t ) 4

.
k =0
2k + 1
k '= 0
cos((2k '+1)mw0 t )
dt
2k '+1
14 Vide: Uma Ferramenta para Anlise de Sons Musicais [SOU et al. 2005].
79
a qual resulta em:
Sgn(sen(nw0t )Sgn(cos(mw0t ) )dt =
2 + +
(2k + 1).(2k '+1)
k = 0 k '= 0
sen ((2k + 1)nw0t ). cos((2k '+1)mw0t )dt = 0.
Para n=m, consta-se facilmente que

< Sgn(cos(nw0 t ), Sgn(cos(nw0 t ) ) >= < Sgn(cos(nw0 t ), Sgn(cos(nw0 t ) ) >= T.
Resta avaliar (nm)

< Sgn(cos(nw0 t ), Sgn(cos(mw0 t ) ) >= Sgn(cos(nw0 t )Sgn(cos(mw0 t ) )dt e
T
0
T
0
< Sgn(sen(nw0 t ), Sgn(sen(mw0 t ) ) >= Sgn(sen(nw0 t )Sgn(sen(mw0 t ) )dt .
Por exemplo, para avaliar o produto interno entre senos-digitais:

T
Sgn(sen(nw0 t )Sgn(sen(mw0 t ) )dt =
T
0
4 + sen((2k + 1)nw0 t ) 4 + sen((2k '+1) mw0 t )

.
dt
k =0
2k + 1
k '= 0
2k '+1
Assim,
Sgn(sen(nw0 t )Sgn(sen(mw0t ) )dt =

4

2 + +
(2k + 1).(2k '+1)
k = 0 k '= 0
sen((2k + 1)nw0 t ).sen((2k '+1)mw0 t )dt.
Note que a integral do 2o membro nula, provido que

(2k+1)n(2k+1)m (i.e., que os harmnicos n e m estejam numa razo
entre dois mpares).
O
produto
interno
{1, Sgn(cos( nw0t ) ), Sgn(sen(nw0t ) )}+

n =1
entre
sinais
do
conjunto
pode ser avaliado em termos da
funo qui-frao definida por

1 se p, q so mpares
p
n
,
= := p.q
caso contrrio
m
q 0
( n, m ) =
em que p/q a frao irredutvel correspondente a n/m. As seguintes

propriedades so imediatas: (n, n) = 1 e (n, m) = (m, n ) .
+
k =0 (2k
+ 1) 2
Lembrando que a srie
T
2 , tem-se 4 2
. (n, m) .
.
8
2
O produto interno vale < n , m >= (n, m ).T
80
Tabela VII.1 Valor do produto interno entre as funes cossenodigital (o resultado idntico para o seno-digital, apenas com sinal
alternando em cada linha).
A srie digital de Fourier para um sinal f(t) num intervalo de

amplitude T expressa por (H. de Oliveira e Diego Felix de Souza):
f (t ) A0 +
An Sgn(cos(nw0 t ) ) + Bn Sgn(sen(nw0 t )) ,
nP
t0 < t < t0 + T ,
em que os coeficientes de Fourier-Plank devem ser escolhidos para

minimizar o erro mdio quadrtico (norma do erro).
Fixado um nmero N+1 de termos da srie (N harmnicos
digitais), os coeficientes (A0 parte) podem ser obtidos resolvendo os
sistemas lineares:
1,1
2 ,1
2
M
M
N ,1
2
1,1
2 ,1
2
M
M
N ,1
2
1, 2
1, 3
2,2
M
M
2 ,3
2
O
M
N ,2
N ,3
1, 2
1,3
2,2
M
M
2 ,3
2
O
M
N ,2
N ,3
...
...
1, N
2
2, N
M
O.
2
M
M
...
N ,N
...
...
A
1
A2
. A 3
M
AN
1, N
2
2, N
M
O.
2
M
M
...
N ,N
B
1
B2
. B 3
M
B N
< f ( t ), Sgn (cos( w 0 t ) ) >

< f ( t ), Sgn (cos( 2 w t ) ) >
0

= < f (t ), Sgn (cos( 3 w 0 t ) ) >

< f ( t ), Sgn (cos( Nw t ) ) >

0

< f (t ), Sgn (sen( w 0 t ) ) >

< f (t ), Sgn (sen( 2 w t ) ) >
0

= < f ( t ), Sgn (sen( 3 w 0 t ) ) >

< f (t ), Sgn (sen( Nw 0 t ) ) >

81
As matrizes para os casos particulares N=5 e N=10 so exibidas a

seguir, a ttulo ilustrativo. As matrizes obtidas so sempre quasediagonais e a inversa uma quase-identidade. Esta anlise bastante
prxima quela proposta por Cintra e col. [CIN et al. 2004] para a
transformada arredondada de Hartley.
1
6
0
0
1 0
0 1
0
1
0 1 0
6
0 0 0 1
1
1
10 0 30 0
1
10
0
1
30
0
1
6
0
1
10
0
1
14
0
1
18
1
6
1
10
0
1
30
1
30
0
0
1
6
0
0
0
1
10
1
42
0
1
6
0
0
0
0
0
1
70
0
1
90
0
0
1
6
0
0
1
14
1
18
1
42
0
1
70
0
0
1
126
0
1
30
0
0
0
0
1
6
0
1
90
0
1
0
126
1 0
0
0
1
10
0
0
1
30
0
0
Assim, como uma aproximao simplificadora, as seguintes

relaes podem ser usadas para encontrar uma estimativa dos
coeficientes:
1
T
1
Bn
T
A0
1 T
f (t ) Sgn(cos(nw0 t ) )dt e
T 0
f (t )dt ; An
f (t ) Sgn(sen(nw0 t ) )dt .
Estas relaes correspondem a assumir as formas de onda
{ n (t )}+
n = 0 como se fossem ortogonais e so praticamente idnticas s
expresses clssicas da srie trigonomtrica de Fourier. A maneira de

transformar as operaes de multiplicao em ponto fixo corresponde a
multiplicar todos os coeficientes por 2.(N!!) se N mpar, ou 2.((N-1)!!),
caso contrrio.
82
2.225
2.5
G( t , 5)
1.5
G( t , 4)
G( t , 6)
f1( t )
0.5
0.225 0.5
0.5
1.5
2.5
3.5
4
b1
Figura 1.34 Aproximaes usando a Srie Quantizada de Fourier para uma

rampa de perodo 2 (pontilhada). As curvas G(t,N) denotam as
aproximaes utilizando N harmnicos digitais, N=4, 5 e 6.
Os coeficientes {An} e {Bn} da srie de Fourier quantizada so

relacionados com os coeficientes {an} e {bn} da srie trigonomtrica de
Fourier atravs das relaes:
An =
(1) k
a n ( 2 k +1) ,
k =0 (2k + 1)
2
Bn =
1
bn ( 2 k +1) .
(
2
k
+ 1)
k =0
Assim, os valores dos coeficientes da srie quantizada podem ser

calculados em termos dos coeficientes da srie trigonomtrica clssica:
b
b
2.1
b1 + 3 + 5 + ...
3
5

2.2 b2 b6 b10
B2 =
+
+
+ ...
2
6
10
B1 =
B3 =
2.3 b3 b9 b15
+
+
+ ...
3
9
15
83
ESTIMATIVA HARMNICA LIVRE DE MULTIPLICAES

As aproximaes geradas pela srie quantizada podem parecer pouco
adequadas, principalmente devido ao fato de que o erro da aproximao
no diminui assintoticamente com o aumento do nmero de harmnicos
da srie digital. Entretanto, prope-se o uso de uma frmula de inverso
de Mbius [LIDL&NIE 1986] para estimar os coeficientes de Fourier
com base nos coeficientes da srie quantizada.
Usando-se uma frmula de inverso, os coeficientes {an} e {bn} da
srie trigonomtrica de Fourier podem ser relacionados com os
coeficientes {An} e {Bn} da srie de Fourier quantizada, atravs das
relaes:
an =
+ ( 1) k +1
An ( 2 k +1) ,
2 k =1 (2k + 1)
+ 1
bn = Bn
Bn ( 2 k +1) .
2
2 k =1(2k + 1)
2
An +
Para um sinal tempo-discreto com N amostras, considera-se um nmero

de harmnicos N H < N / 2 e as sries infinitas so calculadas at
1 N
L(n) = . H 1 ,
2
n
resultando em:
L( n )
k +1
(1)
a~n = An +
An ( 2 k +1)
2
2 k =1 (2k + 1)
~
L ( n) 1
bn = Bn
Bn( 2 k +1) .
2
2 k =1 (2k + 1)
(I)
(II)
Truncando a srie quantizada em NH=10 harmnicos digitais, por

exemplo, resulta nas seguintes estimativas para os coeficientes
trigonomtricos de Fourier:
~
B
B
B
B
b1 = B1 3 5 7 9
2
3
5
7
9
B
B
~
b2 = B2 6 10
2
3
5
~
B
b3 = B3 9 ....
2
3
~
4n10.
bn =
84
(Bn )
Nota-se que os
coeficientes {a~n }1N H convergem mais rpidos do
~ NH
que os coeficientes bn 1
da srie trigonomtrica de Fourier, por se
tratar de uma srie alternada. Nota-se tambm que se considerando
poucos harmnicos para a Srie quantizada de Fourier, as aproximaes
chegam praticamente a coincidir com aquelas da Srie de Fourier
Clssica. Desta forma, ao invs de utilizar L(n) termos, pode-se fix-los
em um nmero pr-determinado de termos igual a K. Uma estimativa
livre de multiplicaes ponto flutuante (de baixa complexidade) para
aplicaes em tempo real intensivas em avaliao de harmnicos pode ser
realizada atravs da srie quantizada de Fourier (srie digital de Fourier),
como descrito a seguir. A maneira de transformar as operaes de
multiplicao em ponto fixo corresponde a multiplicar todos os
coeficientes por 2.(N!!) se N mpar, ou 2.((N-1)!!), caso contrrio, em
que N!! [SNE 1976].
{ }
O clculo numrico (verso discreta) dos coeficientes da srie de

Fourier digital (quantizada) s envolve adies de amostras e livre de
multiplicaes. Sendo o sinal de udio amostrado a uma taxa de 1/Ts
amostras.segundos-1 ento:
N 1
~
2nk
) , 1nN-1.
TAn = f (kTs ) Sgn cos(
k =0
NT s
N 1
~
2nk
TB n = f (kTs ) Sgn sen(
) , 1nN-1.
NT s
k =0
Os valores dos coeficientes de Fourier estimados via srie quantizada

foram obtidos usando um arquivo .wav contendo a Quinta Sinfonia de
Beethoven, (16-bit, mono, signed), com taxa de amostragem de 22.050
Hz, considerando-se apenas K=3. A Tabela que segue ilustra a
concordncia das aproximaes e os coeficientes exatos.
TABELA VIII.1 Coeficientes da Srie Trigonomtrica de Fourier, para um
sinal com N=128 amostras da Quinta Sinfonia de Beethoven.
Aproximaes
sntese clssica de Fourier
a1=-0,0129
b1=-0,0080
Aproximaes
sntese com srie de Fourier Quantizada
~
1= -0,0133
b =-0,0089
1
a2=-0,0074
b2=0,0015
2= -0,0082
a3=0,0003
b3=-0,0034
3=0,0015
a4=0,0023
b4=-0,0015
4=0,0027
a5=-0,0070
b5=0,0035
5=-0,0079
~
b2 =-0,0000
~
b3 =-0,0043
~
b4 =-0,0017
~
b =0,0031
85
A figura a seguir mostra os resultados obtidos para o trecho

inicial da sinfonia, de durao 1 segundo. Apesar das pequenas diferenas
entre as sries, os dois arquivos correspondentes aos sinais sintetizados
soam prximos (detalhes em http://www2.ee.ufpe.br/codec/Fourierquantizada.html).
A srie quantizada introduz um rudo de fundo (quantizao) que pode
ser desprezvel em aplicaes que envolvam apenas a deteco do
contedo harmnico, sem maior preocupao com a qualidade. Podem
tambm ser de valia em mtodos para classificao de msica [WIE
2001].
Figura 1.35 a) Trecho de ~1,0 segundo da Quinta Sinfonia de Beethoven,

correspondente a 21.495 amostras (16-bit, mono, signed) taxa de
amostragem 22.050 Hz; b) Trecho inicial do sinal original (N=128
amostras); Aproximaes usando sntese clssica de Fourier (trao) e sntese
com srie de Fourier Quantizada (ponto).
86
APPLETS SOBRE AUDIO E FOURIER
http://www.phys.unca.edu/demos/demos_sound.asp vrias
applets
http://web.mit.edu/jorloff/www/fouriersound/fouriersound.html
http://library.thinkquest.org/19537/java/Wave.html
APPLETS ENVOLVENDO REPRESENTAO FASORIAL
http://www.sciences.univnantes.fr/physique/perso/gtulloue/Elec/Fourier/fourier1.html
http://ptolemy.eecs.berkeley.edu/eecs20/berkeley/phasors/demo/p
hasors.html
87
88
Espectro de Sinais
CAPTULO 2
A TRANSFORMADA DE FOURIER
<<Fouriers theorem is not only one of the most beautiful results of modern analysis, but
it may be said to furnish an indispensable instrument in the treatement of nearly every
recondite question in modern physics>> Lord Kelvin.
No caso de sinais aperidicos, o uso da transformada de Fourier

aparece como ferramenta natural para a anlise do espectro. Um dado
sinal fsico possui duas representaes equivalentes, porm diferentes: No
domnio do tempo e no domnio da freqncia [PAPO 1977], [BRI 1988],
[FIGU 1977], [BRA 1978], [BAY&MAR 1988], [GAS&WIT 2000].
Definio (ANLISE DE FOURIER):

A transformada de Fourier de um sinal f(t) -<t<+
F ( w) :=
existe.
f (t )e jwt dt , denotada algumas vezes [f(t)], se a integral
Conhecendo-se o espectro F(w) de um sinal, possvel tornar a

obt-lo no domnio temporal utilizando a transformada inversa
(SNTESE DE FOURIER):
f (t ) =
1
2
F (w)e
jwt
dw .
A unicidade da transformada pode ser demonstrada [KREY

1983], garantindo que duas funes com a mesma transformada so
idnticas a menos dos pontos de descontinuidade. Diz-se ento que f(t) e
F(w) formam um par de transformada, indicando isso por
f(t) F(w).
89
De fato, a unicidade considera classes de funes equivalentes,

idnticas a menos dos pontos de descontinuidade, em termos mais
rigorosos. A varivel w no deve ser encarada como uma varivel muda
(como fazem os matemticos); ela tem interpretao inequvoca: O
conceito de freqncia deve estar associado a uma repetio peridicosenoidal [MAN 1992].
A IDIA DA TRANSFORMADA
Sinais aperidicos podem ser encarados como funes peridicas,
para as quais o perodo de repeties cresce ad infinitum. A princpio, so
apenas admitidos sinais absolutamente integrveis na reta real, i.e.
+
f(t) dt < +.
Funes no espao L2 [FIGU 1977] so simplesmente

interpretadas como sinais eltricos (em tenso ou corrente) de energia
finita, calculando-se a energia dissipada atravs de um resistor padro,
i.e.,
f(t) dt < +.
A motivao tradicional consiste na passagem da srie

transformada de Fourier. Sinais aperidicos so aproximados por sinais
peridicos para os quais o perodo de repetio cresce ad infinitum
(figura 2.1) Considera-se ento um perodo T finito. Assim,
com w0 : = 2/T , vale a representao em srie dentro do intervalo
especificado, cada vez maior:
+
f(t) Fn exp (jnw0t).
T
1
T >T
2 1
Figura 2.1 Sinais aperidicos vistos como peridicos com perodo crescente
ad infinitum.
90
O raciocnio utilizado para introduzir informalmente a

transformada pode ser muito bem ilustrado referindo-se ao Exerccio 6,
para avaliar o espectro do sinal:
1 se | t |<
f (t ) =
0 se | t | .
A expanso em srie exponencial de Fourier, admitindo-se um
perodo T, resulta em
f (t )
Fn e jnw0t ,
n =
em que w0:=2/T e Fn =
1
T
T /2
T / 2 f (t )e
jnw0t
dt .
Ao tornar-se o limite T (notar a simetria em torno da

origem), os efeitos no espectro discreto so os seguintes:
a)
b)
c)
Diminuio no espaamento entre as raias;

Aumento no nmero de linhas espectrais
(densidade de raias);
As amplitudes no espectro discreto tendem a zero.
1
T T
lim Fn = lim
T
T/ 2
-T/2
1 T/ 2
f(t) dt = 0 .
T T -T/2
f (t) e-jnw 0t dt = lim
O espectro descontnuo definido para as freqncias 0, w0, 2w0,

3w0,... etc. Assim, w=(n+1)w0-nw0 = w0 e quando T+ tem-se que
w0. O sinal passa a ser analisado (decomposto) em toda a reta real, ao
invs de faz-lo atravs de uma janela finita.
Isto aumenta o nmero de linhas espectrais e o espectro discreto
tende a um espectro contnuo (veja no exerccio 6). No limite, em vez
dos harmnicos discretos nwo as freqncias presentes assumem qualquer
valor na reta.
Os valores nw0 so substitudos por w variando no continuum.
Como os coeficientes de Fourier Fn tendem a zero, necessrio
reescalon-los (zoom) de forma que possam ser visualizados
convenientemente. O produto do coeficiente de Fourier por T
corresponde a uma simples mudana de escala necessria para visualizar
91
o espectro adequadamente. Trata-se de um zoom. Desta forma, procura-se

tambm interpretar F(w) como um conjunto de coeficientes de Fourier
indexado no continuum.
Em resumo: Aumentando-se T, observa-se no espectro obtido os
efeitos da diminuio do espaamento entre raias, bem como o aumento
no nmero de linhas espectrais (i.e., aumento da densidade de raias),
enquanto as amplitudes do espectro discreto tendem a zero, ou seja, os
lim Fn = 0
coeficientes de Fourier anulam-se:
.
T +
Define-se
F ( w) :=
espectro do sinal
F(w) lim Fn T = lim

T
f (t )e jwt dt
T/ 2
-T/ 2
f(t) e - jwt dt
, de modo que
corresponde a uma representao do
aperidico15.
A idia da transformada inversa de Fourier pode ser compreendida

observando-se que
F (w)
w
F = lim
= lim 0 F (w) .
n
T
w0 0
O espaamento entre raias consecutivas w=wo , de modo que a

+
srie exponencial
n=-
e jnw 0t
f (t)
corresponde a:
+
lim
w 0
-
F (w) w jn wt
e .
2
Na passagem ao limite, o somatrio transforma-se em integral,

f (t ) =
1
2
F (w)e
jwt
dw .
Embora sem rigor matemtico, esta representao bastante

interessante para introduo da transformada. Ela corresponde a uma
expanso em Srie de Fourier contendo um nmero infinito noenumervel de harmnicos.
15O produto do Coeficiente de Fourier por T corresponde a uma mudana de escala para
visualizar adequadamente o espectro.
92
A propriedade mais usada da transformada que o operador um

operador linear, i.e.:
LINEARIDADE
[ f (t) + g (t) ] = [ f (t) ] + [ g (t) ] ,
[ c f(t) ] = c [ f (t) ]
c um complexo.
A propriedade de unicidade verifica-se no mesmo sentido que em

sries, todavia a validade do resultado agora na reta real inteira, no
apenas em uma janela finita.
Duas funes bastante usadas na anlise de sinais so a Porta e
o Tringulo, definidas de acordo com:
| t |< 1 / 2
1
(t ) :=
0 caso contrrio
| t |< 1
1 | t |
(t ) :=
.
caso contrrio
0
1
(a)
-1/2
Exerccio 6
1/2
(b)
-1
Figura 2.2 Pulso Retangular e Triangular:

Funo Porta e Tringulo.
Avaliar a transformada de Fourier da funo porta (gate)

1 se t / 2
t
(
) =
0 caso contrrio .
Soluo:
+
Usando a definio, F ( w) =
(t / )e jwt dt = / /22 e jwt dt .
Avaliando diretamente a integral, tem-se:

F (w) =
jw
e
jw
-jw
jw
e
w
2j
2
-jw
, donde
93
Figura 2.3 Pulso retangular e seu espectro.
O resultado verificado facilmente a partir da soluo do

exerccio 5 e corresponde envoltria do espectro discreto.
Os zeros no espectro ocorrem para sen(w/2) = 0 ou w=n(2/),
n inteiro. Observa-se que lim F ( w) = 0, o que vlido para todo sinal
w
fsico.
Em 1942, R.V.L. Hartley introduziu uma transformada mais simtrica
que a transformada de Fourier, com a vantagem adicional de resultar em
apenas sinais reais, em contraste com o espectro complexo usual nas
transformada de Fourier. A transformada de Hartley definida por [HAR
1942]
F ( ) :=
em que cas(t):=cost+sent.
cas(t):=cost-sent.
94
f (t )cas(t )dt , ,
Usa-se
tambm a
funo
associada
Ralph Vinton Lyon Hartley (1888-1970).

Embora vista inicialmente como uma ferramenta de aplicao
numrica, tendo conexo com o mundo fsico apenas via transformada de
Fourier, a transformada de Hartley mostrou-se ser um instrumento
poderoso em um grande nmero de aplicaes [BRA 1978]. O espectro
de Hartley de um sinal real sempre real.
Esta transformada uma involuo: sua transformada inversa
exatamente igual transformada direta (antitransformada =
transformada). Assim, o mesmo algoritmo usado para transformar quanto
para inverter transformada.
f (t ) = F ( )cas(t )dt .
+
CONSIDERAES SOBRE A TRANSFORMADA

<<Ltude approfondie de la nature est la source fconde des
dcouvertes mathmatiques...>> J.B. Fourier.
No caso geral, a transformada F(w) de um sinal f(t) uma funo
complexa da freqncia. Alguns resultados de interesse so obtidos
quando f(t) um sinal real. Da identidade de Euler, e j = cos + jsen ,
tem-se:
+
F ( w) =
f (t ) cos(wt )dt j
f (t ) sen(wt )dt
Proposio. Dado um par de transformada f(t) F(w), ento

a) se f(t) real e par, ento F(w) real e par,
b) se f(t) real e mpar, ento F(w) imaginrio e mpar.
+
f (t ). cos( wt )dt para f(t) real e par;
f (t ). sen( wt )dt para f(t) real e mpar.
F ( w) = 20
F ( w) = 2 j.0
95
O espectro do sinal pode ser estudado na forma magnitude e fase,

reescrevendo a funo complexa F(w) sob a forma F ( w) =| F ( w) | .e j ( w) .
Proposio.
Se f(t) um sinal real e f(t) F(w) , ento | F ( w) |=| F ( w) | e
( w) = ( w) .
Esta proposio implica que todos os espectros dos sinais
fisicamente existentes apresentam simetria par no mdulo e simetria
mpar na fase do espectro. A verificao pode ser feita notando-se que
para sinais reais
F * ( w) =
f * (t )e jwt dt = f (t )e jwt dt =F ( w) .
Expressando F * ( w) =| F ( w) | e j ( w) e F (w) =| F ( w) | e j ( w) e
levando em conta que as duas funes complexas so idnticas, seguemse as condies sobre o mdulo e fase.
Existncia
Uma condio suficiente para a existncia da transformada de
Fourier que (via desigualdade de Integrais)
f(t) dt < +.
A integrabilidade absoluta de f(t) apenas suficiente, porm no

necessria para a existncia de F(w). Ela garante, via desigualdade de
integrais, um espectro limitado, i.e., (w) |F(w)|<+ . Entretanto, nos
casos para os quais esta condio no se verifica, a transformada no
pode ser avaliada diretamente da definio16. O sinal f(t) pode ento ser
representado como o limite de uma seqncia de funes absolutamente
integrveis. Esta abordagem permite estender o conceito de transformada
de Fourier para sinais que no so de energia finita e foi introduzida por
N. Wiener. Normalmente os resultados no so limitados para algumas
freqncias particulares do espectro (divergem em algum ponto do
espectro).
16 Sinais de energia finita, i.e, de quadrado absolutamente integrvel, apresentam espectro
bem definido.
96
IMPULSO UNITRIO DE DIRAC

Sabe-se que a conhecida <<funo>> impulso unitrio17 ou delta
de Dirac (t) no uma funo no sentido matemtico estrito. Na
verdade, (t) um membro de uma classe especial conhecida como
funes generalizadas [BOU 1964], [BAY&MAR 1988], [GAS&WIT
2000].
Devido ao fato de no ser uma funo, o impulso definido por
uma regra de atribuio, ao invs de uma equao convencional.
Paul Dirac (1902-1984). [Engenheiro Eletricista]

Definio:
Dada qualquer funo ordinria f(t) contnua em t=0, (t)
definido pela regra de atribuio
t2
t1
f (0)
f (t) (t) dt =
0
t1 < 0 < t2 ,
caso contrrio .
Tomando-se f(t) = 1, v-se que um impulso na origem apresenta

as propriedades:
+
( t ) = 0 t 0 (por abuso!) e (t )dt = 1 .

+
lim 0 (t ) dt = 1, para arbitrariamente pequeno.
Isto pode ser interpretado dizendo-se que o delta tem rea unitria
concentrada em torno do ponto t=0. Sua representao grfica mostrada
a seguir.
17 Introduzida pelo Engenheiro Eletricista Paul Adrien Maurice Dirac (1902-1984). As
funes generalizadas foram formalmente introduzidas na Teoria das Distribuies, em

1950-51 pelo Matemtico Francs Laurent Schwartz (1915- 2002).
97
(t)
t
t=0
Figura 2.4 Delta de Dirac (Impulso Unitrio).
Utilizando a definio, pode ser visto facilmente que (t) est

relacionada com o degrau unitrio atravs da relao:
1 t > 0
= u (t )
t<0
(t ' )dt ' = 0
Diferenciando ambos os membros (!), resulta (t ) =
du (t )
.
dt
As funes convencionais que apresentam as propriedades do (t)

no limite, podem ser usadas para avaliar expresses envolvendo
impulsos. Em particular, dado >0, se (t) define uma seqncia de
funes pares tais que para qualquer funo contnua na origem f(t) tmse:
lim
0
f (t) (t) dt = f (0)
(t) dt = 1
Diz-se, ento, que

lim (t) = (t) . .
0
Como exemplo de algumas seqncias de funes que tendem ao

impulso, o leitor referido tabela I.2.
AMOSTRAGEM PONTUAL: Atravs de uma mudana na
varivel de integrao, segue-se a propriedade de amostragem pontual da
funo impulso.
+
f (t ) (t t0 )dt =
f (t 0 ) , se f contnua em t0.
A transformada de Fourier de um impulso existe no limite e pode

ser avaliada sem nenhuma dificuldade.
[ (t)] =
98
(t) e-jwt dt = e-jwt
t =0
= 1 , ou (t) 1.
Tabela I.2. Seqncias de funes que definem um impulso de Dirac.
Pulso retangular
Funo amostral
Pulso gaussiano
(t ) =
(t ) =
1
t
Sa

(t ) =
Pulsos exponenciais (t ) =
Pulsos triangulares
(t ) =
e t
/ 2
e |t |/ 2
1 t

99
Figura 2.5 Diferentes seqncias de funes que tendem a um impulso de

Dirac.
NOTA: Qualquer que seja a seqncia (t) empregada, ao tomar-se suas

transformadas, obtm-se, no limite, o mesmo resultado.
A distribuio K(t), em que K uma constante real K ,
obedece a uma regra de atribuio similar quela da definio do impulso
de Dirac, exceto pelo fato de que "extrai" o valor de Kf(0), f contnua na
origem. Desde que a rea sob a distribuio K (ao invs da unidade), a
mesma chamada de impulso de Dirac de rea K, com representao
idntica. Este resultado pode ser generalizado, mostrando-se que para
qualquer funo g(t) contnua na origem, g(t).(t) corresponde a uma
distribuio com rea g(0). Esta distribuio aplicada a um sinal f(t)
atribui o valor g(0)f(0), se a integral envolve a origem; e o valor zero,
caso contrrio. Ela , portanto, idntica a uma distribuio g(0)(t).
Tambm fcil demonstrar (seguem detalhes na prxima seo) que as
distribuies
por: (at ) =
(at ) e
1
(t ), a 0,
a
so
idnticas,
fato
denotado
1
(t ), a 0.
a
Um pioneiro no uso de distribuies (ainda sob outra denominao) foi o

grande Oliver Heaviside, que enfrentou assombrosa resistncia dos
contemporneos.
100
AINDA SOBRE A TEORIA DAS DISTRIBUIES
Laurent Schwarz (1915-2002). Medalha Fields em 1950.

Rigorosamente, uma distribuio um funcional linear contnuo
sobre o espao vetorial das funes reais infinitamente derivveis. O
apndice B apresenta uma abordagem mais formal do que aquela que
segue.
Uma outra distribuio muito interessante a distribuio
d (t ) , a derivada do impulso de Dirac (referida como doublet
(t ) =
dt
unitrio). Esta distribuio definida pela seguinte regra de atribuio:

f (0) se t1 < 0 < t 2 ,
f (t ) (t )dt =
t1
0 caso contrrio
Para todo sinal f(t) com derivada contnua na origem.
t2
Veja que esta definio perfeitamente compatvel com a noo

de derivada usual, considerando o quociente de Newton:
(t ) =
Neste caso,
lim (t + h) (t )
f (t )dt , ou seja,
h 0
h
(t ) f (t ) dt =
lim 1 +
1 +
(t + h) f (t )dt (t ) f (t )dt =
h0 h
h
lim f ( h) f (0)
=
= f (0).
h0
h
d (t ) ! lim (t + h) (t ) .
=
h0
dt
h
(t ) f (t )dt =
Interessante observar que
( )d = ( )u (t )d =
d
u (t ) = 0 = (t ) .
d
101
Assim,
(t ) f (t )dt = f (0) .
Generalizando este resultado, chega-se a distribuies da forma:
( n ) (t ) f (t )dt = (1) n f ( n ) (0) ,
para todos os sinais f com ensima derivada contnua na origem. Isto

permite lidar com sinais que no possuem espectro formal (no so sinais
de energia), tais como:
t 2j (w)
(t ) jw
tu (t ) j (w)
1
.
w2
Proposio.
Se f derivvel, a derivada do produto se aplica quando um dos sinais
um impulso, i.e., a formula da derivada do produto vale para a
distribuio f(t).(t),
[f(t). (t)] = f(t). (t) + f(t). (t).
Alguma cautela requerida na manipulao de distribuies,
especialmente nas identidades. Distribuies isoladas no tm sentido,
exceto sob uma integrao, como estabelecido nas respectivas regras de
atribuio que as definem. A igualdade entre duas distribuies deve ser
interpretada corretamente, pois um conceito extensional de igualdade.
Duas distribuies so idnticas quando elas resultam na mesma regra de
atribuio. A identidade (t+1)(t)=(t), deve ser formalmente verificada.
1 membro: g(t) contnua na origem, tem-se:
t1 < 0 < t2
g (0)
t
t
t
t12 g (t )[(t + 1) (t )]dt = t12 g (t )t [ (t )]dt + t12 g (t )[ (t )]dt =
0 caso contrrio.
2 membro: g(t) contnua na origem, tem-se:

t1 < 0 < t2
g (0)
t
t12 g (t ) (t )dt =
0 caso contrrio.
Na prtica, usam-se freqentemente regras simples com
f(t)(t)=f(0)(t), f contnua na origem, sem maiores cuidados. O
102
argumento que como (t) essencialmente nula fora da origem, ento

apenas o ponto f(0) pondera a distribuio de Dirac original.
Exerccio 7. Mostre a seguinte identidade envolvendo o doublet, provido

que f contnua na origem: f(t)(t)= f(0)(t)-f(0)(t).
Soluo.
1 membro: g(t) derivvel na origem na origem, tem-se
([g (t ) f (t )]t' = 0 )
t1 < 0 < t2
t
t12 g (t )[ f (t ) ' (t )]dt =
caso contrrio.
0
Mas [g (t ) f (t )]t' = 0 = g ' (0) f (0) + g (0) f ' (0) . Ento, vale a regra de
atribuio:
t1 < 0 < t2
([g ' (0) f (0) + g (0) f ' (0)])
t
t12 g (t )[ f (t ) ' (t )]dt =
0
caso
contrrio.
2 membro: g(t) derivvel na origem na origem, tem-se

t
t
t
t12 g (t )[ f (0) ' (t ) f ' (0) (t )]dt = f (0) t12 g (t ) ' (t )dt f ' (0) t12 g (t ) (t )dt =
= [g ' (0) f (0) + g (0) f ' (0)])

0
t1 < 0 < t2
caso contrrio.
Q.E.D.
Outras propriedades interessantes da distribuio de Dirac
incluem:
f (t ). ' (t ) = f (0). ' (t ) f ' (0). (t )
f ' (t ). (t ) = f ' (0). (t )
( f (t ). (t ) )' = f (t ). ' (t ) + f ' (t ). (t ) = f (0). ' (t )
f (t ) * ' (t ) = f ' (t )
1
[ (t a ) + (t + a )], a 0 e
(t 2 a 2 ) =
2|a|
(sen t ) =
(t n ) .
n =
Para lidar com sinais descontnuos (e.g. delta de Dirac

envolvendo um sinal com descontinuidade simples na origem), vale
1
observar que u (t ). (t ) = (t ) , uma identidade no sentido igualdade
2
103
entre
distribuies.
Uma
demonstrao
simples
segue
de:
du (t ) 1 du (t )
2
=
. Mas u (t ) = u (t ) e o resultado segue.
dt
2 dt
Assim, a distribuio f(t).(t) pode ser facilmente avaliada
mesmo quando f(t) no contnua na origem. Separando a parte contnua
de f(t), denotada por fc(t), tem-se
u (t ) (t ) = u (t )
f (t ) = f c (t ) + [ f (0+) f (0)].u (t ) .
Note que f(0+)-f(0-) representa o salto, que s ocorre a partir da
origem, t=0. Claro que fc(0-)=f(0-) e de modo que f (0) = f (0+) + f (0) ,
2
como esperado, assumindo u(0)=1/2. Assim,
f (t ) (t ) dt =
f c (t ) (t )dt + [ f (0+) f (0)] u (t ) (t ) dt
ou seja,
f (t ) (t )dt = f (0) +
[ f (0+) f (0)] .
2
Wiener generalizou a idia de transformada de Fourier para

sinais que no possuem transformadas de Fourier no sentido estrito,
atravs do uso da distribuio de Dirac.
formatura em Engenharia Eltrica
Nobert Wiener (1894-1964).
Exerccio 8
Calcular a integral de Fourier para os sinais que seguem e esboar
o espectro correspondente.
a) f(t)=e-at u(t) b) f(t)=A
c) f(t)=sgn(t)
d) f(t)=u(t).
Soluo:
+ - a t
a) e
existe.
104
u(t) dt = 0 e - a t dt =
1
< + , logo, a transformada
a
Usando diretamente a definio da transformada, tem-se:

+
F (w) = - e - a t u (t) e - j w t dt =0 e - (a+jw) t dt =
1
e - (a+jw) t
-(a+jw)
Como lim e - (a+jw) t = lim e - a t e - jwt = 0 , tem - se F(w) =

t
+
0
1
a+jw
.
Constata-se que f no par nem mpar, da F no ser real ou
imaginrio puro.
F(w) =
1
2
a +w
Logo,
w
(w)=- tg -1
a.
e
Figura 2.6 Espectro do sinal a (pulso exponencial unilateral):

(a) magnitude e (b) fase.
+
b) A dt = + , logo a transformada s pode existir no limite.

+
- jwt
+ - jwt
A e dt = A - e dt .
Lembrando que (t)=1, a transformada inversa de 1
1 + jwt
e dw = (t ) ,
2
Logo,
+ jwt
ou trocando as variveis 1 + e jwt dt = (w) .

2
dt = 2 ( w) e A 2A. ( w) .
Resultado idntico obtido assumindo que A =

Usando o resultado do exerccio 5, segue-se que
t
lim A
T
2T :
105
F ( w) =
lim 2 AT .Sa( wT ) = 2A lim T .Sa( wT ) = 2A ( w)

.
T
T
O espectro mostrado a seguir e indica que apenas um valor DC

est presente no sinal.
F (A)
w=0
Figura 2.7 Espectro do sinal c (constante).
c)
Por
+ 1 se t > 0
.
sgn( t ) :=
1 se t < 0
definio,
Observando
+
| sgn(t ) | dt = + , v-se que necessrio escrever sgn(t) em termos do
limite de funes absolutamente integrveis. Seja ento:

sgn(t ) =
lim e at u (t ) e at u (t )
.
a0
Do item a, e at u (t )
e at u (t )
1
, e por escalonamento tem-se
a + jw
1
.
a jw
Assim , sgn(t )
lim
a0
1
1
2
=
a + jw a jw jw , imaginrio puro.
Figura 2.8 Espectro do sinal c (funo sinal).
106
d) Novamente,
| u(t ) | dt = + ,
e a definio no pode ser
usada diretamente.
A transformada, se existir, ocorre no limite. Escrevendo
u (t ) =
1 1
+ Sgn(t ) , utilizando a linearidade do operador e os resultados
2 2
b e c , tem-se:
u (t ) ( w) +
1
jw .
Figura 2.9 Espectro do sinal d (degrau unitrio).
Exerccio 9
Avaliar o espectro dos sinais e
absolutamente integrveis).
Soluo:
a)
jwt
, cos(wct) e sen(wct) (no so sinais
F ( w) = e jwct e jwt dt = e j ( wc w)t dt =2 ( w wc ) ,
pelo
exerccio 8b.
b) Usando a relao cos(wc t ) =
e jwc t e jwc t
, aplicando a linearidade
2
da transformada e o resultado do item a, segue-se:
cos(wc t ) [ ( w + wc ) + ( w wc )] .
Como o sinal par, o espectro real e apenas a freqncia wc est

presente.
107
Fourier cos wct
w
-w
c
c
Figura 2.10 Espectro de um tom cossenoidal puro: apenas a
freqncia wc (pontualmente) refletida no espectro.
Como o sinal no absolutamente integrvel, a transformada s

pode ser avaliada no limite, exemplo:
[cos(wc t )] =
lim k / 2 cos( wc t )e jwt dt

k / 2
.
k
c) De modo inteiramente anlogo, sen( wc t ) =

resultando em
e jwct e jwct
2j
sen( wc t ) j [ ( w + wc ) ( w wc )] .
Como o sinal mpar, a transformada imaginria e o fato que

apenas a freqncia wc revela-se no espectro.
j Fourier sen wct
-w
c
w
0
Figura 2.11 Espectro de um tom senoidal. Compare com a figura anterior.
A pergunta mais comum entre principiantes em anlise espectral

: "O que realmente significa a presena de freqncias negativas no
espectro? Existe algum significado fsico?". A resposta simples: um
sinal fsico (real) sempre apresenta simetria e as freqncias ocorrem aos
pares (fc e -fc). Qual a freqncia do sinal cos wct ou sen wct?
Como cos(wct)=cos(-wct), a freqncia poderia ser de modo
indistinguvel -wc ou +wc e para sen(wct)=-sen(-wct), idem. Ocorre que
108
e jwct + e jwct
e ambas as freqncias esto simultaneamente
2
presentes no sinal, com amplitudes idnticas e no h maneira de separlas!
Um outro exemplo interessante de aplicao envolvendo
impulsos de Dirac envolve distribuies discretas de probabilidade. A
transformada de Fourier de uma distribuio de Poisson (Simon
n
Poisson) f (t ) = e (t n) , em que uma constante real,
cos(wct ) =
n=0
n!
facilmente calculada. Usando o espectro do impulso de Dirac,

n
jw
F ( w) = e
.e jnw =e ( e 1) . Assim, | F ( w) |= exp( (cos w 1) ) e
n=0
n!
| ( w) |= senw .
2.2
TRANSFORMADA DE FOURIER DE UMA FUNO
PERIDICA.
A transformada de Fourier foi obtida a partir da srie de Fourier
no caso limite, de modo a tratar sinais aperidicos. No caso de sinais
peridicos, qualquer funo f(t) verifica + f(t) dt < +, mas a
transformada pode ser avaliada no limite.

Como f(t) peridica, de perodo T, possvel express-la em
srie exponencial de Fourier.
+
w0=2/T, - <t<+.
f (t ) Fn e jnw0t
n =
A transformada deste sinal dada por F(w) =
Fn (e jnw t ) .
0
n =
Utilizando a linearidade do operador e o par-transformada

e jnw0t 2 ( w nw0 ) , tem-se:
+
F ( w) = 2 Fn ( w nw0 ) .
n =
Portanto, o espectro de um sinal peridico composto por

impulsos localizados na freqncia fundamental e harmnicas, sendo
desta maneira um espectro discreto.
109
O uso da transformada de Fourier permite unificar o tratamento

dado aos sinais peridicos ou no, na determinao do espectro.
2.3
A INTEGRAL DE CONVOLUO
A integral de convoluo,
simplesmente
convoluo
produto de convoluo ou
definida
como
f1 (t ) * f 2 (t ) := f1 ( ) f 2 (t )d e uma operao largamente utilizada
na anlise de sinais [OPPE&SCH 1975]. Qualquer rede linear (sistema

linear) realiza uma integral desse tipo.
A convoluo obedece as seguintes leis:
i ) Comutativa
f 1 (t ) * f 2 (t ) = f 2 (t ) * f 1 (t )
ii ) Distributiva f 1 (t ) * [ f 2 (t ) + f 3 (t )] = f 1 (t ) * f 2 (t ) + f 1 (t ) * f 3 (t )
iii ) Associativa f 1 (t ) * [ f 2 (t ) * f 3 (t )] = [ f1 (t ) * f 2 (t )] * f 3 (t )
A etimologia provvel da palavra convoluo advm do termo

mdico que se refere as dobras complicadas tpicas do crebro e pode
ser memorizada como uma contrao de com evoluo, uma vez que o
clculo das integrais imprprias realizada evoluindo a varivel desde
a + . A convoluo envolve o clculo de um nmero infinito (no
contvel) de integrais imprprias, uma para cada valor de . Um dos
sinais permanece fixo, f1(), enquanto o outro desliza continuamente com
origem em t.
Os produtos de funes . e * so relacionados via o operador .
Curiosamente, o elemento neutro do produto de convoluo a
transformada de Fourier do elemento neutro do produto convencional (a
funo sempre 1, identidade, f(t)=1).
Para avaliar a integral, normalmente recorre-se ao procedimento
grfico para auxiliar na determinao dos intervalos de integrao. Como
exemplo, considera-se a seguinte convoluo t u(t) * u(t).
1
u(- )
1
u(t)
u(t- )
Figura 2.12 Transformaes envolvidas na operao de convoluo:

uma ilustrao.
110
O integrando corresponde ao produto a seguir,

u( )
1 u(t- )
em que t varia desde - at + .

0
t 0 t2
= u (t ) .
Logo, t u(t) * u(t) = t
2
0 d = t / 2 t 0 2
A funo resultante contnua e este fato deve ser sempre usado
para validar a soluo obtida (exceto quando a convoluo envolve
impulsos).
Um outro exemplo bem interessante corresponde a convoluo
t
t
*

entre duas funes porta.
Neste caso, usa-se uma varivel de integrao t para evitar confuso.

( -t/)
( t /)
1
/2
( t-t / )
/2
/2
1
tI
/2
t /2
t+ /2
Figura 2.13 Transformaes envolvidas na operao de convoluo:

uma ilustrao.
Desta feita o integrando corresponde funo:

( t/)
( t-t / )
1
/2
1
/2
t /2
t+ /2
111
Ento,
para t +
0
2
2
t+ /2
para - t +
/2 dt' = t +
2
2 2
t
*
/2
=
dt' = - t + para - t -
t/
2
2
2 2

para t -
0
2 2
t
O resultado esboado em seguida e * = .

Figura 2.14 Convoluo de duas funes porta de largura idntica.
Com relao derivao, valem as seguintes identidades:

1. (f.g) = f.g + f.g
2. (f*g)= f*g = f*g
Os resultados de maior aplicao da integral de convoluo esto
relacionados com a convoluo envolvendo o impulso unitrio.
Empregando a definio do delta de Dirac, tem-se18:
f (t ) * (t ) =
f ( ) (t )d = f (t ) , provido que f seja contnua na
origem.
18 Este resultado pode ser verificado no domnio f usando P8 (sec, 1.8).
112
J na convoluo de uma funo arbritria com um impulso

ocorrido em um tempo to, obtm-se a mesma forma de onda deslocada
apenas de to segundos, isto ,
f (t ) * (t t 0 ) =
f ( ) (t t 0 ) d = f (t t 0 ) .
Assim, vale o resultado:

g(t)
f(t)
f(t)*g(t)
-t
-t
t
0
Figura 2.15 Convoluo com o Impulso Unitrio (deslocamento):

O teorema da modulao.
Valem tambm propriedades envolvendo distribuies, tais como

( f (t ) * (t ) )' = f ' (t ) .
TEOREMA DE TITCHMARSH.
Se f(t) e g(t) so contnuas para 0<t<+ e no so identicamente
nulas, ento a sua convoluo f(t)*g(t) no identicamente nula.
Um outro resultado interessante o Teorema de Bochner. Para
distribuies de probabilidade (funes no negativas de rea finita sob a
curva), vale:
TEOREMA DE BOCHNER.
p(t ) P( w) uma densidade de probabilidade se e somente se
P(w) positiva definida, i.e. para qualquer escolha de complexos
{wk }1n , tem-se
de freqncias
{a k }1n e
a k a k*' P(wk wk ' ) 0
k =1 k '=1
transformada
f (t ) = e
n =0
calculada.
F ( w) = e
n!
de
n =0
de
uma
distribuio
de
Poisson
(t n) , em que uma constante real, facilmente
Usando
Fourier
n!
.e jnw =e
espectro
(e jw 1)
. Assim,
do
impulso
de
Dirac,
| F ( w) |= exp( (cos w 1) )
| ( w) |= senw .
113
Dois dos resultados centrais da Teoria de Fourier esto

relacionados invarincia da Energia nos domnios t e f; explicitamente:
A energia de um sinal preservada na mudana de domnio. Isto constitui
os dois Teoremas de energia enunciados a seguir [PAPO 1962]:
TEOREMA DE PARSEVAL. (Marc-Antoine Parseval des Chnes).

Seja f(t) F(w) um sinal real, de energia finita. Ento a energia do sinal
pode
ser
calculada
em
qualquer
dos
domnios,
i.e.,
f 2 (t )dt = | F ( f ) |2 df .
Este resultado generalizado atravs do
TEOREMA DA ENERGIA DE RAYLEIGH (ou Teorema de

Parseval-Plancherel).
Sejam f(t) F(w) e g(t) G(w) sinais reais, de energia finita.
Ento se demonstra que [deO 2007, Ed. Brasport]
+
f (t ) g (t )dt = F ( f )G
( f )df .
Um outro resultado bastante interessante envolve a relao cruzada

entre sinais e espectros.
TEOREMA DA ENERGIA GENERALIZADO.

Seja f(t) F(w) e g(t) G(w) sinais reais, de energia finita.
+
Ento se demonstra que f (t )G(t )dt = F ( f ) g ( f )df

Esses resultados podem ser traduzidos em termos de propriedades
envolvendo o produto interno entre sinais. Especificamente, eles
descrevem como o operador atua sobre produtos internos:
P1. <f,f> = <F,F>
P2. <f,g> = <F,G>
P3. <f,G> = <F,g>
ou <f,f> = <f, f>

ou <f,g> = <f, g>
ou <f,g> = <f,g>.
O operador preserva produto interno. Uma vez preservado o

produto interno, o operador preserva tambm a norma, energia,
comprimentos e ngulos. Tal operador chamado de isometria.
114
2.4 PROPRIEDADES DA TRANSFORMADA DE FOURIER

Sejam f(t) F(w) e g(t) G(w) pares de Transformada de Fourier.
P1. Simetria .................................... F(t) 2 f (-w)
1
w
F( )
a
a ,
P2. Escalonamento ......................... .f (at)

a0
jwt 0
P3. Deslocamento no tempo ........... .f (t t0) e
F ( w)
P4. Deslocamento na freqncia .... f (t )e jw0t F(w-w0)
n
P5. Diferenciao no tempo ........... .D f(t) (jw)nF(w)
n
P6. Diferenciao na freqncia .... (-jt)n f(t) D F(w)
P7. Integrao ................................
f (t ' )dt '
1
F ( w)
jw
P8. Convoluo no tempo .............. f(t)*g(t) F(w).G(w)

P9. Convoluo na freqncia ......... f(t).g(t)
1
F ( w) * G ( w)
2
P1-Usando a frmula da inverso:

1
+
1
+
f (t) =
F (w) e jwt dw =
F (x) e jxt dx .
2
2
+
Ento, 2 . f (t ) = F ( x)e jxt dx e fazendo a troca de varivel t

por w,
+
tem-se, 2 . f ( w) = F ( x)e jwx dx ; portanto, F(t) 2f(-w).
P2 - Da definio de transformada, [ f (at )] = +

f (at )e jwt dt .
H dois casos a serem considerados: a>0 e a<0. Tomando x = at

e dx = a.dt .
Para a> 0
Para a< 0
Logo,
f (at)
x
-jw
1 +
1 w
f (x) e a dx =
F , ;
a
a
a
f (at)
x
1
-jw
1
w
+ f (x) e a dx =
F . .
a
a
-a
f ( at )
1 w.
F
|a| a
115
P3 - Tomando-se a transformada de f(t-t0),

[ f (t t0 )] =
f (t t0 ).e jwt dt .
Efetuando-se a mudana de varivel x=t-t0; dx = dt, chega-se a:

f (t t 0 )
f ( x)e jw( x + t 0 ) dx = e jwt0 F ( w) .
P4 - Similar ao item anterior.

P5 - A frmula de inverso f (t ) =
df (t )
1 d
=
.
dt
2 dt
1 +
jwt
F ( w)e dw , portanto,
2
F ( w)e
jwt
dw .
Admitindo-se que possvel trocar a ordem da derivao &

integrao,
df
1 +
jwt
=
jwF ( w)e dw , se a integral existe.
dt 2
df
jwF (w) .
Assim:
dt
A demonstrao pode ser concluda usando o princpio da

induo finita, supondo que
d n 1 f
dt
n 1
( jw) n 1 F ( w) isto , que
d n 1 f
dt n 1
1 +
n 1
jwt
( jw) F ( w)e dw .
2
Diferenciando a equao acima e supondo que a ordem das
d
e
operaes dt
n
d f
dt
comuta, tem-se
1 +
n
jwt
( jw) F ( w)e dw e a deduo est concluda.
2
Observao:
No garantida a existncia da transformada, mas se ela existe,
dada por (jw)nF(w) .
116

t
P7 - Definindo-se a funo (t ) :=
Fourier
f (t ' )dt ' , a sua transformada de
[ (t )] = ( w) .
Logo (w) existe se (t) absolutamente integrvel , isto , se

+
| (t ' ) | dt ' < + .

quando
Isto s possvel se
lim (t) = 0
t
, ou seja,
f (t ' )dt ' = 0 .

Utilizando P5, (t ) ( w)
Mas
d d
=
dt dt
f (t ' )dt ' =
d
jw( w) .
dt
f (t ) F ( w) .
Portanto, F(w)=jw(w). Ento,
(w) =
F (w)
jw
, provido que
Assim,
F (w)
jw
f (t ' )dt ' = F (0) = 0 .

limitada em w=0 e
(0) = lim
w 0
F(w)
jw
, de modo que
a transformada da integral f (t ' )dt ' F (w) , provido que F(0)=0.
jw
t
Admitindo-se que F(0) 0, a transformada s pode existir no

limite, pois (t) no absolutamente integrvel. Neste caso mostra-se que
t
f (t ' )dt '
F ( w)
+ F (0) ( w) .
jw
P8 - O produto de convoluo f1(t)*f2(t) expresso por

e sua transformada vale
+
f1 (t ) * f 2 (t ) = f1 ( ) f 2 (t )d
[ f1 (t ) * f 2 (t )] =
+ + jwt
f1 ( ) f 2 (t )ddt
Para sinais de energia finita Ei< +, i=1,2 possvel inverter a

ordem de integrao de acordo com o teorema [FIGU 1977]:
117
TEOREMA (FUBINIZINHO): Se f : seccionalmente contnua

e
+ +
f (x, y) dx dy < + , ,
+ +
Ento
+ +
+ +
f (x, y) dx dy =
f (x, y) dy dx < + , ,
f (x, y) dy dx .
.
Guido Fubini (1879-1943).

Precaues devem ser tomadas na troca da ordem de uma
integrao dupla (ou duplo somatrio). A finitude das integrais iteradas
no assegura que a integral existe (no teorema de Fubini, usam-se
integrais sobre |f| e no sobre f). Por exemplo, para
x2 y2
f ( x, y ) := x 2 + y 2
0
+ +
0 < x, y 1
caso contrrio
+ +
as integrais f ( x, y )dxdy e f ( x, y )dydx ambas existem (-/4

e /4, respectivamente), mas a integral de f(.,.) no existe, nem a ordem
pode ser invertida.
Invertendo-se a ordem de integrao, a transformada pode ser
determinada:
+
+
f ( ) e jwt f 2(t )dtd
1
[ f1(t)*f2(t)] =
Fazendo-se a mudana de varivel x=t-, segue-se dx=dt,

+
[ f1 (t ) * f 2 (t )] = F2 ( w).e jw f1 ( )d = F2 ( w). e jw f1 ( )d .
Portanto, f1(t)*f2(t)
118
F1(w).F2(w).
Observao: A demonstrao de P7 pode ser realizada com o auxlio de

P8;
+
f (t ) * u (t ) =
f (t ' )dt ' := (t ) .
f (t ' )u (t t ' )dt ' =
+ ( w) , ou seja,
Logo, f (t ) * u (t ) F ( w).
jw
t
F ( w)
f (t ' )dt ' jw + F (0) ( w) .
Exerccio 10
Calcular a transformada de Fourier de um pulso Gaussiano,
t2
exp .
2
2
f(t)=
Soluo:
F ( w) =
Da
2
2
definio,
+ t 2 / 2
e
cos( wt )dt
0
F ' ( w) =
2
2
que
f(t)
par,
. Derivando-se a funo F(w),
dF
2 + t 2 / 2
=
sen( wt )dt
t.e
dw
2 0
,
| F ' ( w) |
Mas:
lembrando
+ t 2 / 2
t.e
dt
0
2
2
se F(w) existe.
< +
e conseqentemente
F(w) existe.
Resolvendo a integral por partes:
u = sen(wt)
dv = t e
-t 2 / 2
F ' (w) = -
du = w cos(wt) dt
v = - e-t
dt
2
2
{- sen(wt) e
-t 2 / 2 +
0
/2
+ w
e -t
/2
cos(wt) dt
donde
F ' (w) = -
Logo
2
2
+
w
e- t / 2 cos(wt) dt = - wF(w) .
0
2
transformada
F(w)
obedece
F (0) =
equao
+
diferencial
e- t /2
dt = 1
2
(integral
-
F(w)+w.F(w)=0, com a condio inicial
da curva normal usada em probabilidade e estatstica).
119
wdw = ew 2 / 2
O fator integrante I = e
F (w) = k e -w
F (w) = e- w
/2
/2
e ( F(w) e w
/2
)' = 0 .
. Utilizando-se a condio inicial, vem
.
1
2
e- t
/2
e- w
/2
A transformada de Fourier de um pulso Gaussiano ainda um

pulso Gaussiano! Devido a sua caracterstica auto-recproca, o sinal
Gaussiano ocupa uma posio de destaque na teoria das transformadas e
em anlise. (veja tambm prob. 73).
Definio:
Um sinal f(t) dito ser banda limitada se existe uma freqncia wm tal
que f(t) = F(w)=0, para |w|wm. De modo similar, um sinal dito
tempo limitado se e s se existe um instante tm tal que f(t) = 0 para |t|tm.
Pode ser demonstrado rigorosamente que no possvel obter-se

um sinal simultaneamente limitado no tempo e na freqncia. A
proposio apresentada a seguir oferece um argumento nesta direo. Os
sinais fsicos so estritamente limitados no tempo, mas o espectro obtido
pode ser virtualmente nulo para freqncias elevadas. Assim, para
propsito prticos, muitos sinais so considerados como banda limitada.
(veja [WOZ&JAC 1967]). Uma das proposies comumente citadas em
cursos envolvendo sinais, quase sempre sem prova, comentada a seguir
[SLE 1976].
Proposio [deO & RAM 1995].

Sinais determinsticos no podem ser simultaneamente limitados
no tempo e na freqncia.
Esboo da prova:
Um sinal f(t) estritamente limitado na freqncia, com banda
limitada em wm, pode ser escrito sob a forma
f(t) =
1
2
+ wm
F (w) e jwt dw,
em que F(w) sua transformada de Fourier (suposta existente).

A demonstrao feita por reductio ad absurdum.
120
Suponha que f(t) tambm estritamente limitado no tempo. Isto

t
2t m
significa que (tm | f(t)=0 (|t|tm). Obviamente, f (t ) = f (t ).
conforme a ilustrao a seguir.

f(t)
t
-t
F(w)
(t/2tm)
Sa(w t )
m
*
-w
Figura 2.16 Inexistncia de sinais limitados simultaneamente

no tempo e na freqncia.
Logo, pela propriedade P9 da transformada de Fourier,

F ( w) = (2 ) 1.F ( w) * 2t m Sa(wt m ) .
Claramente, em geral, F ( w) * Sa(wt m ) 0 , -<w<+.
Esta convoluo resulta, portanto, em um sinal F(w) que no
estritamente banda limitada, o que contradiz a hiptese.
Q.E.D.
Um outro resultado bastante til da teoria de Fourier a frmula
da soma de Poisson, relacionando amostras do sinal do domnio t e
amostras no domnio w:
FRMULA DE POISSON PARA A SOMA.

Se (t) (w), fixado T>0, arbitrrio, com w0 = 2 / T , ento:
+
k =
(kT ) =
1 +
(nw0 ) e em particular,
T n =
k =
(k ) =
(2n) .
n =
Simon Poisson (1781-1840).
121
2.5 O PRINCPIO DA INCERTEZA DE SINAIS

Vale citar tambm uma formulao para o Princpio da
Incerteza de Heisenberg (tempo freqncia), desenvolvida por
Gabor19 [GAB 1946]. Trata-se de uma relao entre a durao efetiva de
um sinal e sua banda passante efetiva, obtida no contexto de sinais
determinsticos.
Werner Heisenberg (1901-1976)
Dennis Gabor (1900-1978)
Seja f(t) um sinal de energia finita, no necessariamente real,

possuindo transformada F(w). Definem-se os momentos temporais e
freqenciais pelas seguintes relaes:
+
:=
f * (t )t n f (t )dt
:=
f (t ) f (t ) dt
F * ( w) wn F ( w)dw
F ( w) F ( w)dw
1 + n
t | f (t ) | 2 dt , e
E
1 + n
w | F ( w) |2 dw.
2E
Considere ento a seguinte analogia com a teoria das

Probabilidades: O integrando |f(t)|2/E denotando uma densidade de
energia no tempo, em que a energia E um fator de normalizao para
que a integral da densidade seja unitria. usual trabalhar-se com a
densidade espectral de energia (w)=|F(w)|2, cuja integral definida em
dado intervalo de freqncias fornece a energia do sinal nesta faixa do
espectro.
A durao (respectivamente banda passante) efetiva de um sinal
f(t) (respectivamente F(w)) pode ser definida via:
19 Dennis Gabor (Gbor Dnes), Prmio Nobel de Fsica, 1971, inventor da Holografia.
122
t := 2 (t t ) 2
1/ 2
f := 2 ( f f ) 2
Durao r.m.s.,
1/ 2
Banda r.m.s.,
t e f correspondem aos desvios padres (i.e., raiz quadrada da

varincia), medidas clssicas de espalhamento.
Aplicando argumentos tpicos da mecnica quntica [GAB
1946], Gabor provou uma relao de incerteza do tipo:
t . f 1/2,
estabelecendo que t e f no podem ser simultaneamente
definidos de forma exata. Os valores de t e f so freqentemente
referidos como largura de pulso equivalente e banda passante
equivalente, respectivamente.
FORMULAO ALTERNATIVA
O princpio da incerteza pode ser estabelecido atravs de uma
formulao alternativa [BENE et al. 1987]. A fim de limitar o sinal no
tempo e na freqncia, considere um para f(t) F(w), fixados T e .
Sejam ento as fraes:
T
:=
T f (t )dt e
+ 2
f (t )dt
:=
| F (w) | dw .
+
2
| F ( w) | dw
Claramente, 1 e 1. Sem perda de generalidade, pode-se

considerar sinais de energia normalizada E=1. Ento:
T
2 = T f 2 (t )dt e 2 =
1
2
| F (w) |
dw .
O princpio da incerteza estabelece que, fixada uma das duas

quantidades ou , a outra deve ser mantida abaixo de certo valor
mximo, dependendo do produto T.
123
Fixado , h um sinal para o qual um mximo obtido.

Alternativamente, fixado , a um sinal para o qual um mximo valor de
atingido. Se o sinal banda limitada em , ento =1 e <1. Qual o
maior valor de , e para que funo ele atingido? Em termos de
otimizao (f(t)F(w)), o problema colocado sob a forma:
MAX 2
s.t.
=1
MAX
s.t.
+
2
| F (w) | dw = 2
+T
f 2 (t )dt
A resposta para sinais com limitao foi encontrada por Slepian

e Pollack [SLE&POL 1961] e so as funes de onda prolate
esferoidais20. Elas obedecem a equao integral (so as autofunes da
transformao envolvendo a funo Sa(.)):
(t ) = T ( )Sa((t ) )d .
T
Figura 2.17 Funes Prolate Esferoidais.
Essas funes (t ) so relacionadas com solues da equao diferencial:

(1 t 2 )
d 2u
dt
2t
du
+ c 2t 2 u = 0 , t [-1,1].
dt
20 H um problema semelhante: se o sinal tempo limitado em T, ento =1 e <1. Qual
o maior valor de , e para que sinal ele atingido? A soluo tambm dada pelas
funes prolate esferoidais.
124
2.6
AUTOFUNES DE FOURIER, PRINCPIO DA

INCERTEZA DE GABOR
Extrato de um artigo de L. SOARES, H.M. de Oliveira et al.
A transformada de Fourier freqentemente interpretada como

um operador linear . Uma questo interessante neste contexto consiste
em encontrar as chamadas autofunes (eigenfunctions) na linguagem
dos operadores [HERS 1964], [SOKO&RED 1966], [PEI&DIN 2002].
Seja V um espao vetorial munido de uma transformao linear, T:V
V, v a T (v) . Sob a transformao linear T, os autovetores so as solues
de T{v}=v, o que corresponde aqui a {f(t)}= .f(w) para algum
fL2( ), sendo um escalar. Eles constituem uma classe admirvel de
funes, as quais preservam o formato sob a transformao de Fourier:
Ambos o sinal e o seu espectro (representao no tempo e na freqncia)
tm o mesmo formato.
Na representao conjunta tempo-freqncia [COH 1995],
[QIA&CHE 1999] tal caracterstica deve representar um bom
balanceamento entre os dois domnios. muito bem conhecido que o
pulso Gaussiano um sinal cujo formato preservado sob o operador
Fourier:
e t
Isto
1
pode
e t
2 jwt
ser
2 e w
prontamente
dt = F ( w ) .
Derivando
.
deduzido
esta
equao
(1)
escrevendo
e
usando
integrao por partes, encontra-se F'(w)=-wF(w). A soluo da equao

diferencial F'(w)+w.F(w)=0 com condio inicial F(0)=1
F( w ) = e w
. Segue-se ento que = 2 . A questo : H outras

autofunes? Este tpico abordado na prxima seo. Relevante manter
em mente que os resultados apresentados aqui so deliberadamente non
nova, sed nove [McC&PAR 1972].
2
Sinais de formato-invariante: Eigenfunctions do Operador Fourier

Seja E (respectivamente O) o funcional que extrai a parte par
(respectivamente parte mpar) de um sinal.
125
Proposio 1. Seja f(t) F(w) um "par-transformada" de Fourier

arbitrrio. Ento o sinal
h(t ) := 2 E [ f (t )] + E [F (t )]
um invariante sob Transformada de Fourier. Alm disso,
{h(t )} =
2 h( w) .
Prova:
Segue da definio de h(.) que
2h( t ) = 2 [ f ( t ) + f ( t )] + [F ( t ) + F ( t )] .
(2)
Tomando-se a Transformada de Fourier,

2 H ( w ) = 2 [F ( w ) + F ( w )] + [2f ( w ) + 2f ( w )]
(3)
e a prova concluda.
Corolrio. Cada funo par f(t)F(w) induz um invariante-Fourier

h( t ) = 2 f ( t ) + F ( t )
Por exemplo, os sinais h1 ( t ) = 2
1
1+ t
+ e |t| , h2 ( t ) = 2 | t |
2
t2
tm
espectro com formato similar ao sinal no tempo. Um exemplo extra e

notvel

sec h
t 2 sec h
w .
(4)
Proposio 2. Seja f(t) F(w) um "par-transformada" arbitrrio. Ento

o sinal h(t ) := 2 jO [ f (t )] j.O [F (t )] um invariante sob
transformada de Fourier. Ademais, {h(t )} = j 2 h( w) .
Prova: Similar quela da proposio 1.
Corolrio. Cada funo mpar f(t)F(w) induz um invariante-Fourier

h(t ) = j 2 f (t ) F (t )
126
Tabela II.2 Diversos sinais invariantes (autofunes de Fourier),

cujo espectro tem formato idntico ao sinal original (formatao
invariante transformada de Fourier).
Figura 2.18 Diversos sinais invariantes (autofunes de Fourier), cujo

espectro tem formato idntico ao sinal original (formatao invariante
transformada de Fourier).
127
Focaliza-se agora uma classe importante e particular de

invariantes do operador Fourier, a qual gera um conjunto ortogonal
completo. Para iniciar, denote-se por Eg a classe de autofunes do
operador Fourier definidas de acordo com a seguinte:
Proposio 3. Um sinal f(t) pertence a Eg se e s se o sinal f satisfaz a

equao diferencial f''(t)-t2f(t)=f(t), para algum escalar .
Prova:
()
f ( t ) f ( w )
(hiptese).
As propriedades de diferenciao no tempo e na freqncia fornecem:
f''(t) (jw)2f(w),
(-jt)2f(t) f''(w).
(5)
Somando ambos os membros21, chega-se a
f''(t)-t2f(t) [f''(w) -w2f(w)].
(6)
Assim, o sinal f''(t)-t2f(t) tambm mantm o formato de espectro, provido

que f preserva seu formato. Portanto, f''(t)-t2f(t)Eg, i.e. procuram-se sinais
tais que f''(t)-t2f(t)=f(t), desde que eles tm autovalores idnticos.
()
O sinal f(t) satisfaz a equao diferencial f''(t)-t2f(t)=f(t), .
(Hiptese). Tomando-se ,
(jw)2F(w)+F''(w)=F(w),
(7)
de maneira que F''(w)-w2F(w)=F(w), i.e., seu espectro tambm obedece

a mesma equao diferencial. Assim, f e F tm formato idntico, desde
que eles so solues da mesma equao diferencial.
A equao chave para sinais de formato-invariante assim f''(t)t2f(t)=f(t). Tentemos solues da forma
f ( t ) = p( t ).e t
21 N.B. subtraindo: f''(t)+t2f(t) -[f''(w) +w2f(w)].
128
(8)
Portanto,
[p( t ).e ] t
t 2 2
"
p( t ).e t
= p( t ).e t
(9)
Aps simples manipulaes algbricas, possvel deduzir:

p" ( t ) 2tp ( t ) [ + 1] p( t ) = 0.
(10)
Uma equao diferencial padro que apresenta a forma acima

[ABRA&STE 1968]
p" ( t ) 2tp ( t ) + 2np( t ) = 0 , n inteiro.
(11)
Assim, para uma escolha conveniente de = ( 2n + 1 ) (autovalores), as
solues p(t) so exatamente polinmios de Hermite [ABRA&STE
1968], os quais formam um sistema ortogonal completo (captulo 1).
p( t ) = H n ( t ) .
(12)
(H0(t)=1, H1(t)=2t, H2(t)=-2+4t2, H3(t)=-12t+8t3, H4(t)=12-48t2+16t4 etc.)
Proposio 4. Os possveis autovalores (eigenvalues) da transformada de

Fourier so as quatro razes da unidade (1,j) vezes 2 .
Prova.
Denote por (n) o operador correspondente a iterar n vezes o operador .
Seja tww' os domnios Fourier para a transformao iterada (a
cada transformao, o domnio modificado). Observe que (f Eg)
Mas
(2){f(t)}=2.f(-w') e (4){f(t)}=42.f().
(13)
(2){f(t)}=2f(w') e (4){f(t)}= 4f().
(14)
de (13) e (14) segue-se que
Conclu-se que n ( t ) := H n ( t ).e t
tem ordem 4.
n =0
so sinais formato-invariante
sob o operador Fourier, associados com os autovalores n = ( j ) n 2 .

Portanto,
H n ( t ).e t
( j ) n 2 H n ( w ).e w
(15)
129
As funes de Gabor podem ser visualizadas em

http://www.cs.rug.nl/~imaging/simplecell.html. Outra interpretao pode
ser obtida lembrando a frmula de Rodrigues [ABRA&STE 1968]
2
H n ( t ) = ( 1 ) n e t .
dn
dt
e t .
(16)
A equao diferencial de 2a-ordem verificada por sinais

invariantes
y''+(2n+1-x2)y=0.
(17)
A equao diferencial (17) exatamente a clebre equao de

Schrdinger para o oscilador harmnico [BEI 1994].
Conseqncias no plano Tempo-Freqncia

Certas conseqncias das eigenfunctions do operador Fourier no plano
conjunto tempo-freqncia [COH 1995], [OLI&BAR 2000] so
examinadas neste captulo.
Seja f(t) um sinal de energia finita E, com transformada F(w). Os
momentos temporais e freqenciais de f so definidos por:
+
f
:=
n
(t )t n f (t )dt
1
E
(t ) f (t )dt
( w) w n F ( w)dw
F
:=
+
( w) F ( w)dw
+ n
t
=
1
2E
| f (t ) | 2 dt
| F ( w) | 2 dw
Por analogia com a Teoria de Probabilidades, o termo |f(t)|2/E denota

uma densidade de energia "domnio do tempo", em que E um fator de
normalizao de modo a garantir que a integral total da densidade vale a
unidade. usual lidar com a densidade espectral de energia G(w)=|F(w)|2,
cuja integral sobre uma banda de freqncias fornece o contedo de
energia do sinal dentro desta banda. Supe-se a seguir, sem perda de
generalidade, que E=1 (sinais de energia normalizada).
130
A durao efetiva (respectivamente largura de banda efetiva) de um

sinal f(t) (respectivamente F(w)) originalmente definida via:
t := 2 ( t t ) 2
durao r.m.s.,
f := 2 ( f f ) 2
banda passante r.m.s.,
(18a)
(18b)
t e f correspondem ao desvio padro (i.e., medidas de espalhamento).

Contudo, definies comuns e mais fceis de manipular so
t := ( t t )2
w := ( w w ) 2 .
(19)
22
Obviamente , t = t
2 , w = 2 .f .
Revisando o Princpio de Gabor

Aplicando argumentos da mecnica quntica [BEI 1994], Gabor [GAB
1946, 1953] deduziu uma relao de incerteza hoje conhecida como
princpio de Gabor-Heisenberg para sinais: t.f1/2, provando assim
que espalhamentos no tempo e na freqncia no podem ser exatamente
medidos desacopladamente. Para uma anlise mais moderna, envolvendo
wavelets, consulte [BATT 1997], [BAL 1998].
O princpio de Gabor-Heisenberg estabelece uma cota inferior sobre o
produto t .w (ou t . w )
t . w
1
.
2
(20)
Proposio 5. O limite inferior de Gabor s atingido pelo primeiro dos

sinais invariantes (eigenfunctions do operador ).
22
2w = 2f
= 2 .2 ( f f ) 2 = ( w w ) 2
131
Esboo da prova.
De (20), a cota alcanada com igualdade iff f'(t)=kt.f(t). Esta condio
pode ser interpretada com segue: 'derivada no domnio tempo '' derivada
no domnio freqncia'. Portanto,
f''(t)=k[f(t)+t.f'(t)]=kf(t)+k2t2f(t) ou
(21)
f''(t)- (kt)2f(t)= kf(t).
(22)
f''(t)-k(1+kt )f(t)=0. As nicas solues em Eg correspondem a k=1, i.e.,

f"+(1-t2)f=0 ou f"-(1+t2)f=0.
Proposio 6. Qualquer sinal real f(t) F(w) tal que f, f', F, F' L2( ),
tem resolues finitas.
Prova. Aplicando o Teorema de Parseval-Plancherel [ABRA&STE
1968], obtm-se
+ 2
t
+
f 2 (t )dt = [ jtf (t )][ jtf (t )]* dt =
1
2
| F ' ( w) |
(23)
dw,
| F ( w) | 2 dw = [ jwF ( w)][ jwF ( w)]* dw = 2 [ f ' (t )] 2 dt.
(24)
Conseqentemente,
+
| F' ( w ) | dw < + ,
=
| F ( w ) | dw
| f ' ( t ) | dt < + .
=
| f ( t ) | dt
2
(25)
(26)
expresso pela raiz quadrada da razo entre a energia do sinal derivada

e aquela do prprio sinal. Assim, a resoluo dada pela equao (4) para
o sinal sech(.) (invariante transformada de Fourier)
t = w = 6 0,5235987766
(27)
uma vez que
sec h 2 ( )d =2 ,
tgh 2 ( ). sec h 2 ( )d =
2.
2
sec h 2 ( )d = .

3
132
2
,
3
(28)
Proposio 7. [GAB 1946]. A clula de incerteza tempo-freqncia de

autofunes de Fourier23 { n ( t )} alcanam apenas valores quantizados da
cota inferior do limitante de Gabor-Heisenberg, i.e.
1
. (2n+1),
2
1
= (2n+1).
2
t . f =
(27a)
t . w
(27b)
por esta razo que as funes de Gabor so relevantes em certos

problemas (e.g. [OKA 1998]).
2.7 DENSIDADE ESPECTRAL DE POTNCIA DE SINAIS

DETERMINSTICOS
O tratamento espectral via transformada usual para sinais de
energia, entretanto h muitos sinais de interesse os quais no so de
quadrado integrvel, i.e., a integral correspondente energia, diverge.
Nestes casos, deve-se examinar a Densidade Espectral de Potncia. A
potncia dissipada por um sinal (tenso) f(t) dada por
P=
lim 1 + 2
f (t)dt
T T
A funo truncada fT(t)=f(t)(t/) um sinal de energia, i.e.,
+ 2
f (t)dt < + .
T
Ento existe a transformada e fT(t) FT(w).
+ 2
+ 2
f (t)dt =
| F (w)|df
T
T
ET =
potncia dissipada
2
P= + lim | FT (w)| df .
pelo
+ T /2 2
. Da,
T / 2 f
f(t)
pode
sinal
(t)dt =
ser
2
| FT (w)|df . A
expressa
por
23 ( t ) = H ( t ) exp t 2 2 exp( jw t + ) .
n
n
0
0
133
Define-se a Densidade Espectral de Potncia de um sinal atravs

da relao:
lim | FT2 ( w) | (unidades de Watts/Hz).
S f ( w) :=
T
A funo de autocorrelao (ACF) definida pela expresso

f ( ) :=
lim 1
T T
+T / 2
T / 2
f (t ) f (t + )dt .
Escrevendo a integral envolvendo f(t) em termos do sinal

truncado fT(t), tem-se:
+T / 2
T / 2
f (t ) f (t + ) dt =
f T (t ) f T (t + )dt = f T ( ) * f T ( ) .
Dividindo-se ambos os membros da igualdade por T, no limite

T e tomando-se a transformada de Fourier em ambos os membros,
obtm-se a relao entre a autocorrelao e a densidade espectral de
potncia:
f ( ) = S f (w).
2.8
A DFT E A FFT
Em casos prticos, a avaliao da transformada de Fourier no

feita utilizando os procedimentos at agora descritos. A maioria das vezes
no se dispe de uma expresso analtica para a funo que se deseja
analisar o espectro. A transformada discreta de Fourier (DFT) muito
usada no estudo do espectro de sinais e determinada numericamente
com o auxlio de computador digital [BRI 1974], [BRA 1978], [DELL
1994].
Considerando-se N amostras do sinal no domnio do tempo,
denotadas f(k), k=0,1,2,...,N-1, a DFT dada por um conjunto de N
amostras do sinal no domnio da freqncia, denotadas por F(n), n=
0,1,2,...,N-1 e definidas por24
1 N 1
j 2kn
F (n) :=
f ( k ) exp
.
N k =0
N
24 Compare com a definio da Transformada de Fourier fazendo as seguintes analogias:
k t
134
n/N f
k t.
Diz-se ento que f(k) F(n) formam um par transformada e a

re-obteno do sinal no domnio do temporal pode ser feita usando a
transformada inversa discreta de Fourier:
j 2kn
,
N
N 1
F (n) exp
f (k ) =
n=0
como demonstrado a seguir.

N 1
F ( n )e
2k
n
N
n =0
1
N
N 1
1
N
n =0
N 1
l =0
N 1N 1
j 2l.n j
f (l ) exp
e
N
f (l ) exp
n =0 l =0
2k
n
N
j 2n( k l )
.
N
Invertendo-se a ordem dos somatrios desta equao, tem-se que:

2k
N 1 j 2n ( k l )
N 1
j
n
1 N 1
N
.
=
F
(
n
)
e
f
(
l
)
e N
N
n =0
l =0
n
=
0
O somatrio inverso pode ser calculado empregando a relao

1 + z + z 2 + ... + z N 1 =
1 z N
, vlida para qualquer complexo z 1. [CHU
1 z
1975], [AVI 1974].

Logo
N 1
n =0
j 2 (k- l )
N
e
N
se k = l
2
(
k-l
)
= 1-e
j2 ( k-l) / N = 0 se k l
1e
.
N 1
Ento
F ( n )e
2k
n
N
n =0
1
N
N 1
f (l ) N k ,l = f (k ) .
l =0
Propriedades similares quelas da transformada de Fourier (Seo

1.8) so demonstrveis para a DFT. Em particular:
n
Se x (kTs ) X
NTs
n
e y (kTs ) Y
NTs
P1 - Linearidade.
n
n
x (kTs ) + y (kTs ) X
+ Y
NTs
NTs
135
P2 - Simetria.
1
n
X (kTs ) x
N
NTs
P3 - Deslocamento no Tempo.
n jnl/ N
x (kTs lTs ) X
e
NTs
P4 - Teorema da Convoluo em Freqncia.
x( kTs ) y ( kTs )
1 N 1 i
X
N i = 0 NTs
n i
1 n
Y
:= X
NT
N NTs
s

n
*Y
NT
P5 - Teorema de Parseval.
N 1
k =0
1
x (kTs ) =
N
2
N -1
n =0
n
X
NTs
As amostras da DFT so peridicas, verificando as relaes:

F(n+mN) = F(n) e f(k+mN) = f(k)
m = 1,2,3,...
Quando se deseja trabalhar com os valores de freqncia e tempo,
usa-se:
2 kn
n
n N 1
-j
f (kTs ) F
, onde F
= f (kTs ) e N ,
NTs
NTs k =0
em lugar da notao simplificada f(k) F(n).
Um aumento na quantidade N de amostras consideradas (e uma
escolha do tempo de amostragem Ts) implica em uma melhor
representao do espectro. Aos que desejam fazer uso prtico da DFT,
aconselha-se consultar as referncias indicadas, para assegurar uma
correta utilizao e interpretao dos resultados. Devido simetria,
somente a parte de DFT corresponde primeira metade, 0 n N , deve
ser considerada como aproximao para o espectro do sinal amostrado.

Transformadas (Fourier, Gabor, Hilbert, do cosseno, wavelets,
etc.) vm desempenhando um papel extremamente relevante em
Engenharia. Um dos exemplos mais conhecidos a bem conhecida
Transformada discreta de Fourier (DFT), que tem encontrado aplicaes
nas mais diferentes reas do conhecimento, particularmente em
Engenharia Eltrica. Um segundo exemplo interessante a transformada
integral de Hartley [HAR 1942], [BRA 1983].
136
J.W. Cooley (IBM) em colaborao com J.W. Tukey (Bell

Labs) conseguiram uma revoluo maior no tratamento digital de sinais
em 1965, com a publicao da transformada rpida de Fourier, a FFT
[CERV 1969], [BRI 1974], [DELL 1994]. Trata-se de um mtodo
engenhoso e altamente eficiente de reagrupar os clculos dos coeficientes
de uma DFT. Muitos softwares dispem de rotinas para o clculo da FFT,
e.g., MATHEMATICATM, MATLABTM, MATHCADTM etc.
Ao invs do clculo da DFT diretamente pela definio, faz-se
uso de um algoritmo conhecido como a FFT (Transformada Rpida de
Fourier) que permite avaliar a DFT com menor esforo computacional25.
A FFT no um tipo diferente de transformada e sim uma tcnica que
possibilita avaliar DFT de forma mais rpida e econmica. Entre as
aplicaes da FFT destacam-se: a determinao do espectro, realizao
de integrais de convoluo, simulao de filtros e codificao de voz
(Comandos do Matlab [KAM&HEC 1997]: fft, ifft, Hilbert, fft2).
A FFT pode ser usada no processamento digital de sinais e tem se
mostrado muito atrativa. Como exemplo de aplicao, considere o caso
de uma ampliao fotogrfica na qual h granulao. Para melhorar a
qualidade, possvel sujeit-la a uma filtragem passa-baixa
bidimensional. Inicialmente a foto digitalizada, sendo ento calculada a
DFT bidimensional. As altas freqncias so removidas usando a funo
de transferncia de um LPF e a transformada discreta inversa aplicada
para obter a imagem processada. Maiores detalhes so encontrados em
referncias especializadas [BRIG 1974], [WEA 1989]. H atualmente um
grande nmero de Transformadas Rpidas [OPPE&SCH 1975],
[KOVA&VETT 2001]. Especificamente, a Transformada Aritmtica de
Fourier, AFT, vem surgindo como um mtodo atrativo na avaliao do
espectro [CIN&deO 2004].
25 O esforo computacional para avaliar a DFT N2, enquanto que para o algoritmo FFT
dado por 2Nlog2N (sendo N potncia de 2). Para

N21.000.000 e 2Nlog2N20.000 em aplicaes em tempo real.
N=1024,
compare
137
A FT no basta? Por que a DFT?

As potencialidades da anlise espectral com base na
Transformada de Fourier contnua so bem estabelecidas. Ainda que
teoricamente atrativo, o clculo prtico do espectro via transformada
clssica (empregando propriedades ou solues analticas) no comum.
Vrios sinais de interesse (como voz, vdeo etc.) no possuem expresses
analticas para descrev-los. A maneira usual de lidar com sinais fsicos
"calcular" a transformada atravs de um equipamento (Hardware): O
analisador de espectro. Este instrumento realiza o clculo da
Transformada de Fourier e exibe o resultado em tela [SPEN&WORS
1993]. Esta pode ser a soluo mais interessante para avaliar o espectro
de sinais. Entretanto, com o desenvolvimento de tcnicas de
Processamento de Sinais DSP (e Processadores em chip), a DFT aparece
como uma soluo prtica cada vez mais atrativa. A reduo acentuada
no custo dos DSPs e o aumento da capacidade de processamento (e.g.
milhes de MIPS-Mega instrues por segundo), em conjunto com o
aparecimento de novas tcnicas eficientes para a avaliao de
transformadas discretas (as ditas Transformadas Rpidas), vm
permitindo "operar" em tempo real com muitos sinais. Assim, as
transformadas discretas vm se firmando como ferramentas "por
excelncia" na anlise espectral.
O tamanho dos analisadores de espectro no pode ser comparado
ao tamanho reduzido dos DSPs, que adicionalmente permitem operao
em grande velocidade, viabilizando numerosas aplicaes.
Muitas placas de aquisio de dados com conversores A/D j
incorporam chip DSD para o clculo da FFT, permitindo estudar o sinal
adquirido no domnio freqencial.
F(w) espectro
tenso
f(t)
Figura 2.19 O analisador de espectro. Ilustrao.
138
Aplicao do algoritmo FFT ilustrada estimando-se um

-1
espectro de um pulso retangular, amostrado a uma taxa de Ts = 1

amostra/segundo a partir da origem e empregando N=128 amostras no
clculo da DFT.
Assim, as amostras so dadas por:
x (k) = 1+ j0 para k = 1,2,...,29
x (k) = 0+ j0 para k = 31,32,...,127
x (0) = x (30) = 1/2+ j0.
Naturalmente, as amplitudes tericas do mdulo da transformada
valem:
X (nf s ) = 30 Sa (n 30 / 128) , n = 0,1,2, ...,127 .
Uma tabela (no includa) exibe os valores do mdulo da
transformada, calculados segundo a expresso analtica e pela
transformada discreta via FFT. Os resultados so esboados, a ttulo
comparativo.
Figura 2.20 Magnitude do espectro discreto da funo porta

(escala linear e log).
Devido presena de uma descontinuidade, o valor mostrado no

instante t deve ser consistente com f(t)=1/2 [f(t+) + f(t-)] de modo que a
frmula de inverso continue vlida. No exemplo a seguir, assume-se
h(0) = 0,5.
139
Note-se que a DFT simtrica em torno do ponto n=N/2. Isto se

segue do fato que a parte real (resposta imaginria) da transformada de
um sinal real par (respectivamente mpar). Assim, o resultado obtido
para n>N/2 corresponde simplesmente s freqncias negativas.
Claramente, as aproximaes so mais pobres nas altas freqncias.
Exerccio 11
Avaliar (programa FFT) a DFT do sinal h(t ) := e t u (t ) , com
auxlio de microcomputador, tomando N=32 amostras e considerando o
intervalo entre as amostras Ts = 0,25 segundos (taxa de amostragem).
Soluo:
As curvas resultantes (pontos obtidos pela FFT curva terica) so
esboadas para comparao.
1,2
0,8
0,6
0,4
0,2
0
0
10
15
20
25
30
35
1,5
0,5
0
0
10
15
20
25
30
35
-0,5
-1
-1,5
Figura 2.21 DFT parte real e imaginria. Transformada de um pulso

exponencial.
140
A figura anterior mostra as partes, real e imaginria, da

transformada do pulso exponencial. fcil perceber novamente que as
aproximaes so bastante pobres nas altas freqncias. Para reduzir o
erro, torna-se necessrio um aumento de N e/ou uma diminuio de Ts.
Supondo que a transformada discreta de Fourier empregada na
avaliao do espectro de sinais reais contnuos, so requeridas operaes
de discretizao (amostragem), truncamento e introduo de
periodicidade sobre o sinal original.
O desenvolvimento grfico da DFT apresentado em exemplo
simples no intuito de visualizar os efeitos desta operao no espectro
estimado pela DFT.
Uma verso discreta para a Transformada de Hartley, a DHT de
comprimento N (denotada v V ) foi proposta em 1983 por R.
Bracewell, de acordo com [BRA 1983]:
N 1
2ki
V k :=
vi cas
i =0
N , k=0,1,2,...,N-1.
Esta transformada similar a transformada de Fourier, diferenciando-se

apenas pela ausncia do complexo j no termo cos(wt)+jsen(wt). Mostra-se
que a transformada inversa de Hartley dada por:
N 1
2ki
vi = Vk cas
, i=0,1,2,...,N-1.
k =0
Deduzem-se facilmente as relaes que conectam a transformada

de Hartley com a transformada de Fourier:
V k = e(Fk ) m(Fk ) ;
e(Fk ) =
1
(V N k + Vk ) e m(Fk ) = 1 (V N k Vk ) .
2
2
Desse modo, o esforo para calcular a Transformada de Hartley

praticamente idntico quele para calcular a transformada de Fourier:
ambas apresentam a mesma complexidade multiplicativa.
A ttulo de visualizar diretamente as possveis vantagens decorrentes da
simetria da transformada de Hartley (DHT), comparativamente
transformada de Fourier (DFT), mostram-se as matrizes de transformao
para comprimento de bloco N=12 (preciso inferior a trs casas decimais,
a fim de adequar a formatao).
141

0.083
0.083
0.083
0.083
0.072
0.042
+0.042i
+0.072i
0.083
0.042
-0.042
+0.072i
+0.072i
0.083
0.083i
-0.083
0.083
0.083i
0.083
0.083
0.083
0.083
0.083
0.083
0.042+
-0.072
-0.083
-0.072
-0.042
0.083i
0.072i
+0.042i
-0.042i
-0.072i
-0.083
-0.042
0.042
0.042
-0.042
-0.072i
-0.072i
+0.072i
-0.083i
0.083
0.083i
-0.083
-0.083
-0.083i
0.083
0.083i
-0.072
0.042
0.083i
-0.042
0.072
+0.042i
-0.072i
-0.072i
+0.042i
0.083
-0.083
0.083
0.083
-0.072
0.042
-0.042i
+0.072i
0.083
-0.042
-0.042
-0.072i
0.083
0.083
-0.083
0.083
0.083
0.042
0.072
0.083i
-0.072i
-0.042i
-0.042
0.042
+0.072i
0.083
-0.072i
-0.072i
-0.083i
0.083
0.083i
-0.083
-0.083i
-0.083
-0.083i
0.083
0.083i
-0.083
-0.083i
-0.083
0.072
-0.042
0.042
-0.072
-0.042i
+0.072i
0.083i
+0.072i
-0.042i
-0.083
0.083
0.083
-0.083
0.083
-0.083
0.083
-0.042
0.072
-0.083
0.072
-0.042
-0.083i
+0.072i
-0.042i
+0.042i
-0.072i
0.083
-0.042
-0.042
-0.042
-0.042
+0.072i
-0.072i
+0.072i
-0.072i
-0.083
0.083
0.083i
-0.083i
0.083
0.083
0.083i
-0.083
-0.083
0.083
-0.083
0.042
-0.072
0.083i
-0.072i
+0.042i
0.083
-0.042
-0.042
+0.072i
-0.072i
+0.072i
0.083
-0.083
-0.083i
0.042
-0.042
-0.042
0.042
-0.072i
-0.072i
+0.072i
+0.072i
0.072
0.042
-0.042
-0.072
-0.042i
-0.072i
-0.072i
-0.042i
-0.083i
0.083
0.083
0.083i
0.083
-0.083
0.042
-0.042
-0.072i
-0.072i
-0.072
-0.042
+0.042i
+0.072i
0.083i
0.083
0.083i
-0.042
0.042+
+0.072i
0.072i
0.042
0.072+
+0.072i
0.042i
1.366
1.366
0.366
-0.366
-1
-1.366
-1.366
-1
-0.366
0.366
1.366
0.366
-1
-1.366
-0.366
1.366
0.366
-1
-1.366
-0.366
-1
-1
-1
-1
-1
-1
0.366
-1.366
0.366
-1.366
0.366
-1.366
0.366
-1.366
-0.366
-0.366
-1.366
1.366
-1
0.366
0.366
-1
1.366
-1.366
-1
-1
-1
-1
-1
-1
-1.366
1.366
-1
0.366
0.366
-1
1.366
-1.366
-0.366
-0.366
-1.366
0.366
-1.366
0.366
-1.366
0.366
-1.366
0.366
-1
-1
-1
-1
-1
-1
-0.366
-1.366
-1
0.366
1.366
-0.366
-1.366
-1
0.366
1.366
0.366
-0.366
-1
-1.366
-1.366
-1
-0.366
0.366
1.366
1.366
Assim, a concepo de algoritmos eficientes (rpidos) para a

DFT via a DHT pode ser mais atrativa e as implementaes em hardware
deles decorrentes, mais simplificadas.
142

H(w)
h(t)
(a)
(b)
(c) =
(a).(b)
(d)
(g)=
(e)*(f)
(A)
(B)
(b) Relgio amostrador
(C) =
(A).(B)
(c) Discretizao
Sa(x)
(D)
(d) funo de truncamento
(e)=
(c).(d)
(f)
(a) Sinal original.
(e) Sinal truncado
(f) trem de periodizao
(E)=
(C).(D)
(F)
(g) Periodicidade.
w
(G)=
(E)*(F)
Figura 2.22 Desenvolvimento da DFT:

Discretizao, truncamento e periodizao.
O efeito do truncamento desaparece quando N+ (janela

infinita). As funes amostrais (no domnio f) tendem a um impulso e a
convoluo dos espectros (c) e (d) = (e) reproduz exatamente (c) !
Exerccio 12.
Calcular explicitamente a DFT do sinal em rampa f(k)=k, k=0,1,2,,N-1.
143
Soluo. Por definio, F (n) =

N 1
1 e jNt
k =0
1 e jt
e jkt =
N 1
k .e jkt =
1
N
N 1
k .e
2nk
N
para n=0,1,2,,N-1. Mas
k =0
para t2m. Derivando-se a expresso, obtm-se
) (
Ne jNt 1 e jt + 1 e jNt e jt
k =0
jt 2
(1 e )
, tambm vlida para t2m.
Separam-se os caso n=0 e n=1,2,...,N-1 (t2m). Nos casos particulares

em
que
t=
2n
,
N
deriva-se
facilmente
que
N ( N 1)
se n = 0
2
n
N 1
j
k .e jkt = jN .e N
k =0
2 sen n para n = 1,2,..., N 1
se n = 0
( N 1)
2
F ( n) =
1
n para n = 1,2,..., N 1
1 + j cot g
N
2
Em resumo, vale sintetizar as possveis abordagens usando vrias

formas da decomposio de Fourier.
Tabela III.2. Representaes de Fourier para sinais.

Tempo
Freqncia
Contnuo
+
F ( w) := f (t )e jwt dt
Contnua
Discreta
< w < +
transformada de
Fourier
2 T /2
Fn :=
f (t )e jnw0t dt
T
/
2
T
nw0 , n
srie de Fourier
144
Discreto
+
F (e j ) :=
f [k ]e
jk
k =
0 < 2
Fourier de tempo discreto

F [n] :=
f [k ]e
k =
2
k .n
N
n = 0,1,..., N 1
(DFT)
2.9 FFT- TRANSFORMADA RPIDA DE FOURIER

Formalmente, supe-se que um algoritmo (noo introduzida por
Abu Al-Khwarizmi) implementado por intermdio de L mquinas
seqenciais interconectadas: S=(S1,S2,...,SL).
Cada uma possui uma complexidade espacial X=(X1,X2,...,XL) e
uma complexidade temporal T=(T1,T2,...,TL). O trabalho de clculo W
L
definido pelo produto escalar destes vetores, W = X T = X i Ti .

i =1
Globalmente, a complexidade no espao X = X i e a complexidade

i =1
no tempo T:=MAX (Ti).

Pode haver um compromisso entre complexidade temporal e
espacial, nos algoritmos de implementao paralela. Por exemplo,
possvel aumentar a complexidade espacial (introduzindo mais mquinas)
a fim de reduzir a complexidade temporal. Alternativamente, possvel
diminuir a complexidade espacial atravs da realizao seqencial de
tarefas, aumentando, entretanto a complexidade temporal.
O esforo computacional pode ser definido como o nmero
mximo de operaes elementares necessrias para resolver o problema.
No caso da DFT, pode-se tratar da complexidade multiplicativa e
complexidade aditiva i.e., nmero de multiplicaes ponto flutuante
(respectivamente adies) necessrias para calcul-la. Tradicionalmente,
tem-se usado apenas a complexidade multiplicativa como o parmetro
mais importante.
FFT- Transformada Rpida de Fourier: (Cooley-Tukey base 2):
J.W. Cooley (1926- )
J.W. Tukey (1915-2000).
145
A FFT foi implementada com o objetivo de diminuir

complexidade (temporal) necessria para calcular uma DFT
(Transformada Discreta de Fourier), visando aplicaes em tempo real.
O nmero de operaes realizadas no clculo da DFT atravs da
definio proporcional N2, i.e., para cada dos N valores de n, a
expanso de F(n) requer N multiplicaes complexas de f(k) por Wkn alm
de (N-1) adies dos resultados.
Entretanto, alguns dos termos podem ser computados apenas uma
vez e armazenados em uma tabela para uso em operaes futuras. Logo,
tais multiplicaes de f(k) no so consideradas na implementao.
1 N 1
kn
F ( n) = f ( k ) W N .
N k =0
Algumas decomposies apropriadas na equao anterior podem
tornar o nmero de multiplicaes e adies proporcionais a N.log2N.
Este procedimento denominado de Transformada Rpida de
Fourier ou FFT (Fast Fourier Transform) [COOL 1987], [DELL 1994].
Esta reduo do nmero de operaes representa uma economia
significante no esforo computacional, como mostra a tabela a seguir.
Tabela IV.2 Complexidades na avaliao da DFT de comprimento N.

N
N2 (DFT)
N*Log2N (FFT)
Vantagem
2
4
8
16
32
64
128
256
512
1024
2048
4096
8192
4
16
64
256
1024
4096
16384
65536
262144
1048576
4194304
16777216
671088964
2
8
24
64
160
384
896
2048
4068
10240
22528
49512
106496
2
2
2,67
4
6,40
10,67
18,29
32
56,89
102,40
186,18
341,33
630,15
http://www.dartmouth.edu/~chemlab/info/resources/spectrum/spectrum.html
http://www.dsptutor.freeuk.com/analyser/SpectrumAnalyser.html
http://www.cs.rit.edu/~ncs/color/a_spectr.html
146

4
8 .10
6.55410
6 .10
N
2
4
4 .10
N log( N , 2)
2 .10
0
50
100
150
200
250
300
1
N
256
Figura 2.23. Complexidade Aritmtica do clculo da DFT expressa em
nmero de multiplicaes requeridas: Usando a definio (linha cheia) e
com o fulgurante algoritmo FFT base 2 (linha pontilhada).
O Algoritmo FFT
Por convenincia, a equao da DFT pode ser reescrita sob a
seguinte forma:
1 N 1
kn
F ( n) =
f (k ) W N , em que WN = exp[ j 2 ] .
N k =0
N
Assuma que N da forma: N=2L; em que L inteiro positivo. N
pode ser expresso como: N=2*M; em que M um inteiro positivo.
Substituindo esta relao, chega-se a:
1 2M 1
kn
F (n) =
f (k ) W 2 M .
2 M k =0
Dividindo-se o somatrio em duas partes, relativas aos ndices
pares e mpares, deduz-se:
F (n) =
1 1
2 M
M 1
n( 2 k )
f (2k )W 2 M
k =0
1
M
M 1
n ( 2 k +1)
f (2k + 1)W 2 M
k =0
147
Como
a forma:
F ( n) =
2 nk
nk
W 2M = W M , possvel reescrever a equao anterior sob

1 1
2 M
M 1
nk
M 1
n ( 2k )
f (2k )W M + M f (2k + 1)W 2 M W 2m .
Agora considerando as seguintes DFTs:

1 M 1
1 M 1
nk
nk
f (2k + 1)W M ; n=0,1,...,M-1,
Feven(n) =
f (2k )W M e Fodd (n) =
M
M k =0
k =0
k =0
k =0
chega-se a uma relao que decompe uma DFT F(n) de comprimento

2M em duas DFTs, Feven(n) e Fodd(n), ambas de comprimento M:
F (n) =
1
n
Feven (n) + Fodd ( n)W 2 M .
2
n+ M
Observa-se tambm que: W M
=W M e
n+ M
W 2M
= W 2 M , de modo que
1
n
Feven(n) Fodd (n)W 2M .
2
Uma anlise cuidadosa das equaes revela algumas propriedades
interessantes destas expresses.
F (n + M ) =
Uma transformada de comprimento N pode ser computada

dividindo a expresso original em duas partes, como indicado
anteriormente.
O clculo da primeira metade de F(n) requer a avaliao de duas
transformadas de (N/2)-pontos dadas pelas equaes Feven(n) e Fodd(n). Os
resultados de Feven(n) e Fodd(n) so substitudos para obter F(n) para
n=0,1,2,..., (N/2-1). Os outros valores seguem diretamente, sem
avaliaes de transformaes adicionais.
Para examinar as implicaes computacionais deste
procedimento, considere m(.) e a(.) como o nmero de multiplicaes
complexas e adies, respectivamente, exigidas para implementao.
Suponha que o nmero de amostras igual a 2L, em que L um inteiro
positivo. Supondo L=1. A transformada de dois pontos requer a avaliao
de F(0), pois F(1) segue de imediato. Para obter F(0), precisa-se do
clculo de Feven(0) e Fodd(0).
Neste caso, M=1 e Feven(n) e Fodd(n) so transformada de apenas
um ponto, porque a transformada de Fourier de um nico ponto o
prprio ponto, por isso nenhuma multiplicao ou adio so efetuadas
148
para obteno de Feven(0) e Fodd(0). Apenas uma multiplicao de Fodd(0)

por W2 e uma adio so requeridas para a obteno de F(0). Ento F(1)
calcula-se com uma adio a mais (considera-se, em termos de
complexidade, que subtrao e adio so idnticas). Como o produto
Fodd(0).W2 j foi previamente computado, o nmero total de operaes
requeridas para uma transformada de comprimento dois consiste em
m(1)=1 multiplicao e a(1)=2 adies.
O prximo valor permitido para L 2. De acordo com o
desenvolvimento mencionado, a transformada de quatro pontos pode ser
dividida em duas partes. A primeira metade de F(n) requer avaliao da
transformada de dois pontos, como nas equaes de Feven(n) e Fodd(n).
Para M=2. A transformada de dois pontos requer m(1) multiplicaes e
a(1) adies, logo a avaliao destas duas equaes requer um total de
2m(1) multiplicaes e 2a(1) adies. Duas multiplicaes adies
adicionais so necessrias para obter F(0) e F(1). Isto porque j tinham
sido computados Fodd(u).W2M para L={0,1}. Mais duas adies fornecem
F(2) e F(3). A complexidade total ento m(2)=2m(1)+2 e a(2)=2a(1)+4.
Quando L igual a 3, a transformada de quatro pontos
considerada na avaliao de Feven(n) e Fodd(n). Estas requerem 2m(2)
multiplicaes e 2a(2) adies. Mais quatro multiplicaes e mais oito
adies levam transformada completa. O total ento m(3)=2m(2)+4 e
a(3)=2a(2)+8.
Continuando com este argumento para qualquer valor de inteiro
positivo de L, encontram-se expresses de recursividade para o nmero
de multiplicaes e adies exigidas para a implementao de FFT:
L 1
e a ( L ) = 2 a ( L 1) + 2 L , em que m(0)=0 e
a(0)=0, visto que a transformada de um nico ponto no requer qualquer
adio ou multiplicao.
m( L ) = 2 m( L 1) +
Nmero de Operaes
Por induo, o nmero de multiplicaes complexas e nmero de
adies requeridas na implementao do algoritmo FFT so,
respectivamente:
1
1 L +1
L +1
m( L + 1) = 2 log 2 2 , ou seja, mtotal = N log 2 N e :
2
2
L +1
L +1
a( L + 1) = 2 log 2 2 , ou seja, atotal = N log 2 N .
149
A FFT inversa
Para calcular uma "FFT inversa" usa-se praticamente o mesmo
algoritmo "FFT direta", com algumas modificaes. As relaes
envolvendo a DFT e a DFT inversa:
F ( n) =
1
N
N 1
k =0
f (k ) exp j 2
N 1
nk
j 2nk
(
)
=
f
k
F (n) exp
e
N
N
n =0
Tomando o complexo conjugado dos dois lados e dividindo

ambos os membros por N, obtm-se:
1
1 N 1
j 2nk
N
f ' (k ) =
F ' (n) exp
n =0
Investigando este resultado, observa-se que o lado direito da

equao est na forma da transformada de Fourier.
Se na entrada de um algoritmo projetado para computar a
transformada FFT aplica-se F*(n), a sada ser f*(k)/N. Tomando o
complexo conjugado e multiplicando por N, tem-se o sinal f(k) inverso
desejado.
Implementao da FFT
O principal ponto das implementaes diz respeito ao arranjo dos
dados de entrada visando aplicao da diviso de uma transformada em
termos de outras com menor comprimento.
O procedimento de reordenao pode ser ilustrado atravs de um
exemplo simples (N=8).
Entrada {f(0), f(1), f(2), f(3), f(4), f(5), f(6), f(7)}.
Separando as amostras de argumentos pares e mpares:
Pares
{f(0), f(2), f(4), f(6)}.
mpares {f(1), f(3), f(5), f(7)}.
Contudo, para reaplicar o procedimento, as componentes pares e
mpares devem ser novamente separadas:
Pares
{f(0), f(4)}.
{f(1), f(5)}.
mpares {f(2), f(6)}.
{f(3), f(7)}.
150
REARRANJO:
Entrada
{f(0), f(1), f(2), f(3), f(4), f(5), f(6), f(7)}.

{f(0), f(4), f(2), f(6), f(1), f(5), f(3), f(7)}.
Figura 2.24 Arranjo para o algoritmo Cooley-Tukey base 2 com

comprimento N=8.
A existncia de algoritmos rpidos um fator decisivo nas

inmeras aplicaes em tempo real da DFT. Devido ao algoritmo
Cooley-Tukey base 2, freqentemente usam-se comprimentos que so
potncia de 2 (radix-2).
Tabela V.2 Reordenao do arranjo e leitura inversa de bits: A

permutao espelho.
Numerao Arranjo Numerao
Arranjo
original original bits invertidos reordenado
0 0 0
0
0
0
f(0)
f(0)
0 0 1
1
0
0
f(1)
f(4)
0 1 0
0
1
0
f(2)
f(2)
0 1 1
1
1
0
f(3)
f(6)
1 0 0
0
0
1
f(4)
f(1)
1 0 1
1
0
1
f(5)
f(5)
1 1 0
0
1
1
f(6)
f(3)
1 1 1
1
1
1
f(7)
f(7)
151
APPLETS SOBRE ANALISADOR E FFT
http://pirate.shu.edu/~wachsmut/Java/FFT/
http://www.dsptutor.freeuk.com/analyser/SpectrumAnalyser.html
http://www.umoncton.ca/genie/electrique/Cours/Hamam/SignalP
roc/Analyser/SignalAnalyser.htm
Em sua tese de doutorado em 1987, Heidman enfoca a teoria da

complexidade aritmtica da DFT e chega a resultados notveis. Entre
eles, uma cota inferior para a complexidade multiplicativa no clculo de
transformadas discretas de Fourier, a qual enunciada a seguir. Denotase DFT(N) a complexidade multiplicativa mnima para o clculo exato de
uma DFT de comprimento N.
Teorema (Heidman). Para N =
ei
i
em que pi, i=1,...,m so primos
i =1
distintos e ei, i=1,...,m so inteiros positivos, tem-se que

e1
e2
em
DFT ( N ) = 2 N K mdc p j j ,4 .
j =1
i = 0 i =0 i = 0
1
m
(
d
)
k
k =1
1 +
(mmc(d1 , d 2 , K, d m )
i1
i2
im
(
p
)
(
p
)
(
p
)
m
d|
1
2
dm |
d2 |
1
i
i
i
( mdc ( p mm , 4))
( mdc( p11 , 4))
( mdc ( p 22 , 4))
em que (.) a funo Totient de Euler, mdc(.,.) denota o mximo divisor

comum e mmc(.,.) o mnimo mltiplo comum.
Prova. Vide [M.T. Heidman, 1988, pg.98].
O uso deste teorema para diversos valores de N resulta na tabela
de complexidades mostrada a seguir. A diferena de complexidade
aparente. Outro ponto a destacar o fato que alguns usurios acreditam a
FFT (Cooley-Tukey) o melhor algoritmo para o clculo da DFT.
Adiciona-se uma curta tabela com uma cota inferior na complexidade
para determinar uma DFT de comprimento N, denotada DFT(N), para
outros comprimentos (vide M.T. Heidman, Multiplicative complexity,
Convolution, and the DFT, Springer Verlag, 1988). Este um dos
trabalhos mais provocantes do final do sculo XX, no tema.
http://en.wikipedia.org/wiki/FFT_complexity.
152
Tabela VI.2 (a) Complexidade multiplicativa mnima (nmero de

multiplicaes ponto flutuante) para clculo de uma DFT para
alguns comprimentos de bloco selecionados.
N
12
16
24
32
definio
16
25
36
64
144
256
576
1024
FFT
--
--
24
--
64
--
160
DFT(N)
10
12
32
48
64
128
256
2.304
4.096
16.384
65.536
--
384
896
2.048
38
84
198
438
Tabela VI.2 (b) Cota inferior na complexidade para determinar uma

DFT ou DHT de comprimento N.
N
DFT(N)
(DFT(N))
4
8
12
24
48
60
0
2
4
12
38
56
120
240
720
...
65520
...
120
274
986
...
108594
...
Existe um grande nmero de diferentes algoritmos rpidos

propostos na literatura, incluindo Cooley-Tukey, Good-Thomas, PFA
(Algoritmo de fatores primos) e Algoritmo de Winograd-Fourier (WFTA)
[WIN 1978]. Recentemente, de Oliveira, Cintra, Campello de Souza
([deO et al., 2000], [deO&SOU, 2001], [deO et al. 2001]) propuseram
um algoritmo baseado na decomposio multicamada de Hadamard para
avaliar a DFT via Transformada Discreta de Hartley (DHT) que atinge
complexidade mnima para comprimentos de bloco at N=24.
Decomposio em multicamadas de Hadamard para a Transformada

Discreta de Hartley26
As FFT mostradas atingem a cota inferior para a complexidade
multiplicativa para a DFT/DHT. Estes novos esquemas so baseados em
decomposio em multicamadas da DHT usando matrizes de Hadamard26 Multilayer Hadamard Decomposition of Discrete Hartley Transforms, H.M. de
Oliveira, R.J. de Sobral Cintra and R.M. Campello de Souza
153
Walsh (HWT). Cada HWT implementa pr-adies e estes esquemas so

particularmente atrativos para implementao em Digital Signal
Processor (DSP), ou circuitos integrados dedicados de alta velocidade.
Em particular, esquemas para comprimentos de bloco N=4, 8, 12 e 24 so
mostrados.
vi
vj
vi+vj
vi-vj
Figura 2.25 Diagrama de uma FFT sem multiplicaes para a transformada

de Hadamard.
CALCULANDO UMA DHT DE COMPRIMENTO DE BLOCO 4

Esta DHT equivalente a uma transformada de Hadamard de 4pontos, tendo, portanto, uma complexidade multiplicativa zero.
(4-DHT: A=4 adies e M=0 multiplicaes).
V
v
v
H /W
v
1
v
H /W
Figura 2.26 Diagrama FFT sem multiplicaes para a transformada 4DHT/DFT: DHT com base em transformadas de Hadamard-Walsh. Os
pequenos crculos nas caixas indicam que uma subtrao usada em vez de
adio. Os blocos H/W denotam uma transformada de Hadamard.
154
CALCULANDO UMA DHT DE COMPRIMENTO DE BLOCO 8.

Um esquema de implementao para a 8-DHT mostrado a
seguir. Somente duas multiplicaes por 0,708 so requeridas. A
complexidade para a 8-DHT : A=40 adies e M=2 multiplicaes.
V
V
4
H/W
v
4
v
2
v
H/W
v
v
v
v
1
3
H/W
x
x
v1
v5
H/W
H/W
v3
v7
H/W
H/W
X
X
Figura 2.27 FFT para a 8-DHT/DFT. (a) Uma FFT com apenas duas
multiplicaes; (b) Detalhes do bloco da transformada 4-H/W. Os pequenos
crculos nas caixas indicam que uma subtrao usada em vez de adio. Os
blocos H/W denotam uma transformada de Hadamard.
155

V
...
...
...
...
s0(3),..., s11(3)
s4(2),..., s11(2)
H/W
v6
v
v9
H/W
H/W
H/W
H/W
X
v7
v
v8
H/W
H/W
H/W
H/W
H/W
H/W
X
v 10
H/W
H/W
H/W
v 11
1st order
pre-adds
2nd order
pre-adds
3rd order
pre-adds
Figura 2.28 FFT para uma 12-DHT/DFT com apenas 4 multiplicaes para
implementao em circuitos. Os blocos H/W denotam uma transformada de
Hadamard.
156
Figura 2.29 FFT para uma 24-DHT/DFT com apenas 12 multiplicaes

ponto flutuante para implementao em CI. Observe que as multiplicaes
so realizadas em diferentes camadas (4 multiplicaes e 8 multiplicaes).
157
2.10 TRANSFORMADAS
BASEADAS
CONSTANTES POR PARTES
EM
SINAIS
A transformada de Fourier padro especialmente atrativa para

sinais estacionrios, i.e., para sinais cujas propriedades no variam
substancialmente no tempo (ou no espao, no caso de imagens).
A estacionaridade pode ser definida de um modo mais preciso no
caso de sinais estocsticos, contudo um conceito vago suficiente para
os propsitos da presente anlise.
No caso de alguns sinais com imagens contendo fronteiras
pronunciadas (mudanas abruptas de contraste) ou outras
descontinuidades, a anlise e sntese de Fourier no so muito
apropriadas para acomodar os termos de altas freqncias, os quais no
tem efeitos localizados nesta anlise.
Por simplicidade, considera-se um sinal constante por partes.
Nestes casos, bases de sinais constantes por partes (Walsh, Haar, etc.)
podem ser mais adequadas, conduzindo a outras transformadas.
Um sinal de teste (constante por partes) mostrado na figura que segue.
10
8
6
4
2
0
Figura 2.30 Um sinal 1-D de teste, constante por partes.
Um outro possvel sinal de teste (contnuo) mostrado a seguir.
Figura 2.31 Trecho de sinal de teste do tipo vdeo (sinal de uma linha
horizontal).
158
A Transformada de Walsh.
Uma transformada com propriedades similares a transformada de
Fourier, mas um pouco mais simples de implementar por considerar bases
de "sinais constantes por partes", a Transformada de Walsh [FOU
1995], [MOR 1997].
Um conjunto de funes digitais ortogonais (as funes de
Walsh) pode ser gerado com o auxlio das matrizes (ortogonais) de
Hadamard (construdas por Jacques Hadamard), resultando em
expanses em Srie de Walsh-Hadamard.
Seja a matriz de Hadamard de ordem 2, = 1 1 e considere a matriz
1 1
de
ordem
1
1
= 1
1
gerada
1
1
1
1
por
um
produto
de
Kronecker,
i.e.,
1
1 .
1
1
Os sinais usados numa Transformada de Walsh de comprimento

4 so mostrados em seguida.
W (t)
0
W (t)
1
t
W (t)
2
t
W (t)
3
Figura 2.32 Portadoras de Walsh de comprimento 4.
159
Verifica-se que os sinais Wi(t) (portadoras de Walsh) so ortogonais no

intervalo de definio. A funo pode ser reconstruda via
f (t )
N 1
iWi (t ) .
i =0
Considerando o exemplo do sinal de teste (1), o espectro de Walsh

correspondente mostrado:
Figura 2.33 Espectro de Walsh do sinal de teste 1.
A transformada tambm pode ser usada para analisar (decompor)

o sinal de teste (2), resultando em um erro na aproximao. A anlise via
decomposio de Walsh resulta no espectro de Walsh mostrado a seguir.
Figura 2.34 Espectro de Walsh do sinal de teste 2.
A sntese baseada na decomposio de Walsh resulta numa boa

aproximao, dependendo do nmero de funes usadas na "base" (i.e., o
comprimento da transformada).
160
A transformada de Haar.
Os primeiros oito sinais uma decomposio de Haar so esboados a
seguir. Estes sinais constituem um sistema wavelet (captulo 3).
Alfred Haar (1885-1933).
Figura 2.35 As bases de Haar.
Figura 2.36 O espectro de Haar corresponde ao sinal de teste 1.
161
Figura 2.37 Sinal de teste 2 aproximado usando a Transformada de Haar.
2.11 TRANSFORMADAS BIDIMENSIONAIS

A anlise espectral envolvendo imagens lida freqentemente com
transformadas de Fourier bidimensionais.
Para sinais f(x,y), define-se
F ( wx , w y ) :=
+ +
f ( x, y ) exp jwx x jw y y dxdy
e denota-se o par-transformada por:

f(x,y) F(wx , wy).
A anlise de alguns sistemas bidimensionais com simetria

circular (e.g. muitos sistemas pticos) pode ser simplificada atravs de
uma nica varivel radial, ao invs de duas variveis x e y independentes.
F (u, v) =
+ +
f ( x, y)e j 2 (ux + vy ) dxdy .
A transformada unidimensional com um ncleo de Bessel

encontrada atravs das seguintes relaes:
f(x,y)=f(r) em que r2=x2+y2,
F(u,v)=F(q) em que q2=u2+v2.
162
As transformaes de coordenadas correspondem a:

x+jy = r.ej
u+jv = q.ej.
em que: x=r.cos y=r.sen u=q.cos v=q.sen.
O Jacobiano da transformao (x,y) em (r,) r.dr.d. Note que x.u+y.v =
r.cos.q.cos + r.sen.q.sen =rq.(cos.cos+sen.sen)=rq.cos().
+ +
F (u , v ) = f ( x, y ) exp( j 2 (ux + vy ))dxdy =

2
0 0 f (r ) exp( j 2qr cos( ))rdrd
2
Assim, F (u , v) = f (r ) exp( j 2qr cos d )rdr .
0
Mas J 0 ( ) =
1
2
e j cos d de modo que
F (u , v) = 2 0 f (r )rJ 0 (2qr )dr := F(q ) .
A Transformada de Hankel-Bessel (ordem zero): f (r ) F (q ) .
F(q ) := 2 f (r )rJ 0 (2qr )dr

0
f (r ) = 2 0 F ( q)qJ 0 ( 2qr )dq .
Alguns pares de transformadas so mostrados:

1
1
r
q
e r e q
r
2
J 1 (2q )
q
1
2K 0 (2aq)
a +r2
(r )
1.
r
163
Transformada 2D de Hadamard.
Figura 2.38 Base 2D da transformada de Hadamard.
Exerccio 13
(PROCESSAMENTO DE IMAGENS). Uma imagem simples
quantizada em 4 nveis, podendo assumir os nveis -3, -1, +1 , +3.
a) Os nveis de cinza correspondem a uma escala (-3 preto...+3 branco).
Observando a imagem, encontre a matriz bidimensional do sinal de
imagem.
b) Realize a decomposio de Hadamard 2-D (indique os valores dos

coeficientes Cij Hadamard-Fourier). Encontre a matriz 2-D do sinal
sintetizado pela decomposio e compare com a matriz obtida no item
anterior.
164
Imagens de Raios X e Tomografia Computadorizada
<<Of course it is all the Fourier transform>>. Lawrence Bragg (Nobel de

Fsica), comentrio do pioneiro em cristalografia durante uma conferncia.
Os raios X constituem uma das mais antigas, simples, indolores,

no invasivas e eficientes tecnologias de imagens mdicas [ALD&UNS
1996]. Outras tcnicas relacionadas no lidam apenas com uma imagem
bidimensional. Tanto a tomografia computadorizada quando a
ressonncia magntica (MRI) compartilham a mesma forma de criao de
imagens os dispositivo fsico adquire uma batelada de sinais 1-D
associados a vrias rotaes angulares [HEA&WEA 1992]. Valores
P ()
/4
P ()
0
P ()
-/4
emissor
P ()
/2
y
emissor
Figura 2.39 Reconstruo de projees via imagens seccionais.
tpicos envolvidos nestes processos so especificados a seguir.

Tcnica
tamanho da imagem resoluo
profundidade de pixel
CT raios X 512 512 pixel
2 linhas/mm
12 bits
MRI
256 256
1 pixel/mm
12 bits
165
O processo de reconstruo de projees usado na formao de

imagens seccionais a partir de um conjunto de projees. Inicialmente, o
emissor irradia o objeto de interesse x(t1,t2) resultando em projees
{P()}, 0 (a varivel normalmente discretizada). A figura anterior
ilustra este procedimento.
Reconstruo de imagens mdicas.

Um dos algoritmos bsicos no processamento de imagens
mdicas
(incluindo
ressonncia
magntica
e
tomografia
computadorizada) aquele da reconstruo a partir de projees [STE
2004]. Assim, os aparelhos medem P() em vrios ngulos (e.g., cada
15). Na reconstruo, calcula-se a transformada 1D das projees
( ) .
P ( ) ( ) .
Como ( ) = F ( cos , sen ) , o teorema da projeo fatiada27

[WRI 1997] estabelece que F(1,2) corresponde uma transformada de
Fourier bidimensional de f(x,y); e a imagem pode ser reconstruda via
transformada discreta 2D inversa de Fourier.
A projeo P() obtida como
P ( ) =
x( cos sen , sen + cos )d .

I( )
=
I 0 ( )
Para =0, tem-se P0 ( ) = log
x( , )d , em que I
a intensidade de ftons /seg. Assim: I ( ) = I 0 ( )e x ( , )d .

A cada projeo, associa-se a sua transformada de Fourier, definindo o
par transformada P() ().
+
P (w) =
+ +
x( t1 , t 2 )e j( w cos t1 + w sen t 2 ) dt1 dt 2 = X ( w cos , w sen ) ,
em que x( t1 , t 2 ) X ( 1 , 2 ) .
27 Originariamente devido sir Lawrence Bragg (Proc. Roy. Soc. A, vol.123, pp.537-
559,1929).
166
Anlise de Sinais no
Estacionrios
CAPTULO 3
3.1 ANLISE ESPECTRAL
ESTACIONRIOS
PARA
SINAIS
NO-
A Transformada clssica de Fourier (captulo 2) inclui

implicitamente uma hiptese sobre a estacionaridade dos sinais. Uma
anlise espectral adequada aos sinais no estacionrios requer mais do
que a transformada e demanda a introduo de uma dependncia no
tempo na anlise de Fourier, se possvel, preservando a linearidade. Os
sinais no devem ser tratados exclusivamente no domnio t ou domnio f,
mas em ambos (espao conjunto tempo-freqncia)! A questo
fundamental : "como apresenta noes sobre a anlise espectral de
sinais no estacionrios?". A discusso a seguir, pouco rigorosa, procura
apenas despertar interesse e introduzir conceitos [refira-se a deO, 2007].
A idia da Transformada de Fourier de Tempo curto STFT (ou
Transformada de Gabor) introduzir um parmetro de freqncia local
(local no tempo) como se a Transformada de Fourier Local observasse o
sinal atravs de uma curta "janela" dentro da qual o sinal permanece
aproximadamente estacionrio28. Necessita-se agora de uma
representao bidimensional F(t,w) do sinal f(t), composta por
caractersticas espectrais dependentes do tempo [COI&MEY 1991].
A transformada local observa f(t) "atravs" de uma janela J(t)
centrada no instante de tempo e de extenso "limitada", antes do clculo
do espectro. Formalmente,
STFT( , w) =
f( t)J * (t ) e jwt dt .
28 Apropriadamente ditas como transformadas de Fourier janelas deslizantes.
167
Existem diversas escolhas para a janela, mas uma vez fixada a

janela para a STFT, a resoluo no tempo e na freqncia f e t permanece
constante em todo o plano t-f.
Figura 3.1 Transformada de Fourier em tempo curto.
Uma alternativa para abordar o problema no plano conjunto

tempo-freqncia consiste em permitir uma resoluo varivel no tempo.
Intuitivamente, quando a anlise visualizada como um banco de filtros,
a resoluo no tempo deveria aumentar com o aumento da freqncia
central dos filtros, ou seja, realizar a anlise em banco de filtros
compostos por passa-faixas com banda passante relativa constante (ou
fator de qualidade Q constante). Agora, para Q-constante, v-se que as
resolues t e f mudam com a freqncia central, satisfazendo ainda o
princpio da Incerteza de Gabor-Heisenberg. A resoluo no tempo tornase arbitrariamente boa para altas freqncias, enquanto que a resoluo
em freqncia torna-se arbitrariamente boa para baixas freqncias. A
figura em seguida explicita este comportamento [RIO&VET 1991].
Na Transformada de Wavelet contnua, CWT, todas as respostas
ao impulso no banco de filtros so verses escalonadas (expandidas ou
comprimidas) de uma mesma (t), chamada de wavelet bsica. Assim,
para a0,
CWT :=
168
1
a
f(t) (
t
)dt .
a
Banda passante constante (STFT)
f
f0
2f 0 3f 0 4f 0 ...
Banda passante relativa (Q) constante (WT)
f0
2f0
4f0
8f0 ....
Figura 3.2 Anlise Espectral com banco de Filtros- (a) STFT e (b) WT.
O parmetro de escala a usado em wavelets tem interpretao

idntica escala empregada em mapas cartogrficos: Escalas maiores
fornecem vises globais, enquanto que escalas menores proporcionam
vises mais detalhadas.
As Transformadas de Wavelets foram introduzidas nos meados
anos 80 pela Escola Francesa (Morlet, Grossmann, Meyer, Battle,
Lemari, Torrsani, etc.), originrias de estudos de curta durao
associada a pacotes de ondas acsticas ssmicas [HUBB 1995]. O termo
cunhado originariamente era ondellettes, que significa algo como
"ondinhas" e wavelets correspondem a uma verso anglofnica.
Qualitativamente, duas caractersticas so exigidas para uma funo (.),
chamada de wavelet-me: Oscilao (associada com termo ondas); e
decaimento rpido no tempo curta durao (associada com o diminutivo
ondinhas). Todas as funes usadas como ncleos da transformao
correspondem a verses comprimidas/expandida de uma mesma onda
me.
Uma das deficincias da anlise via Transformada de Fourier
que ela no apresenta um carter local. Todo o sinal, desde o comeo dos
tempos (-) at o fim dos tempos (+) levado em considerao. A
transformada de Fourier representa um "comportamento global mdio"
do sinal. J existe disponvel um grande nmero de livros-texto sobre o
assunto (vide http://www.non.com/books/Wavelets_cc.html)
Ao invs de interpretar os parmetros nos domnios tempo e
freqncia (f t), costuma-se utilizar os domnios escala e deslocamento
(ab).Uma interpretao interessante est associada a lidar com imagens
tipo "mapas". Uma mudana de escala pode permitir, numa escala maior,
169
ter uma viso mais global, mas com menor preciso. J em uma escala
menor, v-se detalhes, mas perde-se em estudar o comportamento global.
Esse conceito deriva de um tipo de Princpio da Incerteza GaborHeisenberg. O parmetro de deslocamento permite deslocar (parmetro
local) o foco da ateno para outra parte do mapa. Numa escala 1:100000
possvel ter uma idia do Brasil como um todo (mapa do Brasil), porm
j numa escala 1:1000, pode-se analisar detalhes de uma cidade,
perdendo-se a noo do todo. O que melhor? Quem j usou mapas sabe
que depende do que se quer investigar!
A primeira meno sobre wavelets aparece no apndice da tese
de doutorado de Alfred Haar em 1909, onde se fala em anlise
escalonada. Wavelets de Haar, embora de suporte compacto (anula-se
completamente fora de um intervalo finito de tempo), no so
continuamente diferenciveis. No incio da dcada de 80, Alex
Grossman e Jean Morlet introduziram as wavelets [GRO&MOR 1984].
Em 1989, Stphane Mallat estabeleceu a ligao desta teoria com o
processamento digital de sinais, particularmente com os filtros espelhados
em quadratura, e com algoritmos piramidais [MALL 1989]. Yves Meyer
construiu uma das primeiras wavelets no triviais, continuamente
diferenciveis (embora no fossem de suporte compacto). Ingrid
Daubechies construiu o mais usado conjunto de wavelets ortogonais
[DAU 1988].
Uma das grandes desvantagens da anlise de Fourier (espectro)
provm do fato de que ela apresenta apenas resoluo na freqncia e no
no tempo. Isto significa que, embora capaz de determinar o contedo de
freqncias presentes em um sinal, no h noo de quando (em que
intervalo de tempo) elas ocorrem. As wavelets tm uma larga gama de
aplicaes, incluindo: viso computacional e humana, radar, computao
grfica, hidrodinmica, astronomia, predio de terremotos e maremotos,
turbulncia, compresso de imagens, descontaminao de sinais, tons
musicais, estatstica, anlise de sinais mdicos (eletrocardiogramas,
eletroencefalogramas etc.), espalhamento em banda larga, modelagem de
sistemas lineares, modelagem geomtrica, anlise de transitrio e falhas
em linhas de potncia, visualizao volumtrica, no sendo esta lista nem
de longe exaustiva.
170
3.2 WAVELETS: UMA EVOLUO NA REPRESENTAO

DE SINAIS
Jean Morlet (1931-2003)

( crdito de foto da Association Marius LAVET, Frana, cortesia).
Apresenta-se a seguir uma ligeira introduo a esta classe de
transformadas. O produto interno Hermitiano convencional usado:
< f ( x), g ( x) >:=
f ( x) g * ( x)dx
.
Considere os seguintes espaos de sinais de energia:
(i)
L2( ) espao das funes f(x) de quadrado integrvel
segundo
| f ( x) |2 dx < +.
L2( -{0} ) espao de funes f(x,y), x0 de quadrado

integrvel segundo
+ +
2 dxdy
| f (x, y)| 2 < + .
x
A Teoria mais formal considera dois parmetros a e b conhecidos
como escala e deslocamento, respectivamente. Para a0, define-se:
(ii)
t b
)dx =<f(t),a,b>.
a
um fator de normalizao da energia do sinal e
+
CWT(a,b):= a 1 / 2 f (t ) * (
O termo a-1/2
x b
, a 0 uma transformada afim. Assim, uma

a a
wavelet a ,b (t ) definida por um mapeamento afim unitrio. Esta
a , b ( x) =
wavelets so verses transladadas (b) e dilatadas/comprimidas (a) de uma

mesma wavelet-me (t).
171
(t) wavelet-me
(t) L2( ).
2 (t )dt < + e E =< , > .
Operaes:
a) escalonamento a (t ) = 1 t , a0.
|a| a
b) deslocamento a ,b (t ) = a (t b) =
1
t b.
|a| a
{ (t )} { a ,b (t )} (a, a0) (b ).
O ajuste na amplitude do sinal escalonado foi introduzido visando
garantir a isomeria: todas as ondellettes tm a mesma energia!
Proposio. || (t ) || 2 =|| a ,b (t ) || 2 i.e. E = E a ,b .

Constatando este fato:
+
< a ,b , a ,b >= E a ,b =|| a ,b || 2 = a2,b (t ) dt .
Substituindo a relao
a ,b (t ) em termos de (t ) :
E a ,b =
1 2 t b
1 + 2 t b . Fazendo a mudana de varivel

dt =
dt
|a| a
| a |
a
dt
t b e
d = . Ento E a ,b =
a
a
2 ( )d = E
Q.E.D.
A escolha das wavelets como sendo verses
1
|a|
t b
garante a mesma energia para qualquer wavelet!

De fato, WT deve ser vista como uma transformao
(mapeamento W) do espao de funes em L2( ) em L2( -{0} ). Esta
transformao isomtrica, i.e., a energia do sinal (mtrica) preservada.
A energia de um sinal transformvel pode ser obtida no domnio
do tempo, no domnio da freqncia ou no domnio wavelets (tempofreqncia), como:
+
+
1 + +
dadb
E f = f 2 (t ) dt = | F ( w) | 2 df =
| CWT ( a, b) | 2
.
C
a2
172
A anlise espectral constitui uma das ferramentas clssicas mais

poderosas e mais utilizadas no estudo e processamento de sinais
determinsticos ou estocsticos. Uma teoria muito mais potente e geral foi
introduzida pela escola francesa nos meados dos anos 80 [HUBB, 1995],
a qual evoluiu rapidamente para uma rea prpria. A Transformada de
Wavelet constitui uma ferramenta moderna que permite a unificao de
um grande nmero de tcnicas de anlise e processamento, como anlise
de imagens, codificao em sub-bandas, anlise multirresoluo para
viso artificial em computadores e modelagem de sistemas variantes no
espao-tempo. Ela inclui a Srie de Fourier, a Transformada de Fourier, a
Transformada de Gabor de Tempo Curto, Espectrogramas, por exemplo,
como casos particulares, permitindo a anlise de sinais no-estacionrios,
incluindo sinais banda larga [YOU 1993]. O emprego de wavelets em
processamento de voz tem sido especialmente atrativo, especialmente
devido ao fato de que os modelos mais apropriados para a resposta de
freqncias da Cclea no ouvido humano empregaram filtros com fator
de qualidade constante (constant-Q analysis). Na rea de Engenharia
Biomdica, elas vm se revelando particularmente atrativas [AKAY
1997], [ALD&UNS 1996], [RICH 1995], [UNS&ALD 1996]. Aplicaes
em Engenharia Mecnica podem ser encontradas alhures, e.g. [LIN&QU
2000], [RUZZ et al. 1997]. Outras aplicaes recentes envolvem
modulao digital [deO et al. 2003a] e sistemas de multiplex em
comunicaes [deO&BOU 2006].
Por que wavelets? Em que esta ferramenta pode ser mais potente
que a anlise espectral clssica de Fourier? Caracterstica central: sinais
de curta durao e com variaes muito rpidas. Este o caso tpico de
perturbaes transitrias. Ao contrrio da transformada de Fourier, as
transformadas de wavelet quase nunca se prestam para clculos
analticos, mesmo nos casos mais simples. Invariavelmente os clculos
so numricos, mas os resultados extremamente prticos e de rica
interpretao. Uma boa referncia sobre o assunto [BURR et al. 1997].
Wavelets Contnuas
A anlise clssica de Fourier estabelece que um sinal pode ser
representado por uma soma infinita de termos em seno e cossenos, mais
conhecida como a expanso de Fourier. A Transformada de Fourier (T.F.)
tem grandes vantagens, mas algumas desvantagens. A maior destas o
fato da T.F. poder determinar todas as freqncias presentes no sinal,
porm sua relao com o domnio temporal inexiste. A transformada de
Fourier no fornece uma anlise temporal, apenas freqencial.
173
Para superar este problema, vrias solues foram encontradas

objetivando ter uma anlise, ao mesmo tempo, temporal e freqncial de
sinais no estacionrios. A primeira delas foi a Transformada de Fourier
de Tempo Curto (STFT Short Time Fourier Transform), ou tambm
conhecida como a Transformada de Gabor. A idia da STFT introduzir
um novo parmetro de freqncia local (local no tempo) como se a
Transformada Local observasse o sinal atravs de uma curta janela
dentro da qual o sinal permanece aproximadamente estacionrio. Precisase ento de uma representao bidimensional F(t,w) do sinal f(t),
composta por caractersticas espectrais dependentes do tempo.
A transformada local observa o sinal f(t) atravs de uma janela
J(t) centrada no instante de tempo e de extenso limitada.
Existem vrias escolhas para a janela, sendo a mais comum a
janela Gaussiana. O detalhe mais importante que uma vez fixada a
janela para a STFT, a resoluo no tempo (t) e na freqncia (f)
permanece constante em todo o plano t-f. Os problemas na resoluo do
tempo e da freqncia so resultados de um fenmeno fsico conhecido
como o Princpio de Heisenberg (em um sinal, impossvel conhecer a
freqncia exata e o tempo exato de ocorrncia desta freqncia). Este
fenmeno indiferente em relao transformada usada. A maneira de se
analisar o sinal usando uma forma alternativa de anlise, chamada de
Anlise Multi-Resolucional (AMR). Como o prprio nome indica, ela
analisa o sinal em freqncias diferentes com diferentes resolues.
Impe-se uma alta resoluo no tempo e baixa resoluo na
freqncia, para freqncias mais altas; uma resoluo freqncial alta e
resoluo temporal baixa para freqncias mais baixas. Isto devido ao
fato de sinais com componentes em alta freqncia apresentarem rpidas
alteraes no domnio temporal, enquanto que sinais com componentes
de baixa freqncia possuem alteraes mais lentas no domnio temporal.
A Transformada de Wavelet foi desenvolvida como uma
alternativa STFT para solucionar o problema da resoluo. A anlise
via wavelets feita similarmente anlise com STFT, no que diz respeito
multiplicao do sinal por uma funo (que neste caso ser a wavelet e
no mais a janela J(t), como na STFT). A transformada calculada
separadamente por segmentos diferentes do sinal no domnio do tempo.
174
(a)
(b)
Figura 3.3 Resoluo no plano t-f via anlise

(a) STFT (b) Transformada de Wavelet .
As wavelets foram introduzidas em um estudo sobre as variaes

sismolgicas ao se constatar que a anlise de Fourier no estava sendo
eficiente durante as repentinas variaes do sinal. As wavelets se
desenvolveram nos campos da matemtica, engenharia, na fsica
quntica.
As wavelets so funes matemticas que separam sinais em suas
diferentes componentes, e extraem cada componente com uma resoluo
adequada sua escala. Elas tm vantagens em relao anlise de
Fourier, pois esta ltima analisa o sinal como um todo, acarretando
representao pobre para sinais que contm descontinuidades e/ou
variaes bruscas.
A idia fundamental da Transformada de Wavelet que ela
uma transformada pontual e proporcional escala. Ela analisa o sinal em
escalas diferentes e se desloca analisando cada ponto do sinal.
A Transformada de Wavelet Contnua (CWT) pode ser escrita em
formato similar STFT:
+
1
t
CWT ( , a) =
. f (t ).
dt ,
|a|
em que (tau) e a so os parmetros translao e escala, respectivamente.

A funo (t) se modifica no decorrer da transformada e conhecida
como wavelet-me. O termo me vem do fato que funes com diferentes
tamanhos so usadas no processo da transformada e todas so originadas
de uma wavelet principal, a wavelet-me. Ela um prottipo para a
gerao de outras funes janela.
175
O parmetro translao se relaciona com a localizao da

janela. Analisa-se o sinal aos poucos. Este termo corresponde,
obviamente informao de tempo no domnio da transformada.
Processa-se o contedo que estiver dentro da janela.
O parmetro escalonamento o processo de compresso e
dilatao do sinal. similar ao conceito de escala quando se fala em
mapas. As altas escalas correspondem a uma viso global do sistema,
enquanto que as baixas escalas correspondem a uma viso mais detalhada
[GRA 1995], [deO 2007].
Em termos matemticos, escolhida uma funo f(t), f(s.t)
corresponde a uma verso:
Comprimida, se s>1;
Expandida, se s<1.
No caso da transformada de wavelet, o parmetro escala aparece

no denominador. Neste caso teremos uma verso:
Comprimida, se s<1;
Dilatada,
se s<1.
Todas as janelas a serem utilizadas so verses dilatadas e

comprimidas da wavelet-me. A transformada de Fourier tem como
funo base os senos e cossenos que so funes ortogonais entre si. Esta
ortogonalidade resulta em propriedades desejveis na reconstruo do
sinal [GRO&TORR 2001].
A transformada de wavelet pode ser agora analisada sob outro
prisma. Sabe-se que o produto interno de duas funes dado por:
b
< f (t ), g (t ) >= a f (t ).g * (t )dt .
Comprova-se que a transformada de wavelet nada mais do que

o produto interno da funo f(t) com uma funo de base (a,b)
multiplicada por uma constante:
CWT (a, b) =< f (t ), (a, b; t ) > .
A transformada de wavelet no tem apenas uma funo-base,
como na T.F. Muito pelo contrrio, pode ter infinitas funes-base. Existe
um grande nmero de funes que podem ser consideradas como
wavelets-me.
Uma condio necessria para definir se uma funo pode ser
uma wavelet assegurar que ela oscilatria (onda=wave), ou melhor,
176
que seu valor mdio no domnio temporal nulo. Matematicamente

falando, deve-se satisfazer o seguinte critrio:
+
(t )dt = 0 .
A Transformada de Wavelet uma transformada reversvel e
aplicvel ao Teorema de Parseval, desde que satisfaa a condio de
admissibilidade, mostrada a seguir.
Dado o par transformada de Fourier: (t ) ( w) ,
( w)
w
dw < + e da ( w) w =0 = 0 .
O escalonamento o processo de compresso e dilatao do

sinal. O parmetro de escala "a" usado em wavelets tem interpretao
grosso modo idntica escala empregada em mapas cartogrficos. As
altas escalas correspondem a uma viso global do sistema, enquanto que
as baixas escalas correspondem a uma viso mais detalhada.
O termo |a|-1/2 um fator de normalizao da energia do sinal e
a ,b (t ) =
1 t b
, a 0 uma transformada afim. Assim, uma wavelet

a a
a ,b (t ) definida por um mapeamento afim unitrio. Esta wavelets so

verses transladadas (b) e dilatadas/comprimidas (a) de uma mesma onda
prottipo, chamada wavelet-me (t).
Figura 3.4 Wavelet-me Symmlet 8 em diferentes escalas e localizaes.
177
Demonstra-se que a condio para uma funo ser uma waveletme (Condio de admissibilidade), (t) (w),
C :=
Esta condio implica que (0)=0 de modo que
| ( w ) |2
dw < +
|w|
(t )dt = 0 (a ondinha
tem valor mdio nulo).

Mostra-se que neste caso, uma Transformada Inversa de Wavelet
pode ser obtida como
f (t ) =
1
C
t b dadb .
1
CWT (a, b) (
)
a a2
a
+ +
Uma das primeiras transformadas WT corresponde a Wavelet de

Morlet, cuja wavelet-me (t)=exp(-t2/2).exp(jw0t). Note que ela
corresponde a um BPF gaussiano.
De fato, a WT deve ser vista como uma Transformao
2
2
(mapeamento W) do espao de funes definidas de L ( ) em L ( {0} ). Esta transformao isomtrica, i.e., a energia do sinal (mtrica)
preservada.
A energia de um sinal transformvel pode ser obtida no domnio
do tempo, no domnio da freqncia ou no domnio Wavelets (tempofreqncia), como
Ef =
Para
f 2 (t )dt =
uma
| F ( w) |2 df =
escala
CWT(a,b)= a 1 / 2 f (t ) * ( t b )dt .
1
C
+ +
| CWT (a, b) |2
arbitrria
dadb
.
a2
a0,
a>0,
Portanto, CWT(a,0)= a 1 / 2 f (t ) * ( t )dt pode ser desenvolvida
em srie de Taylor nas proximidades do ponto a=0 resultando29:

CWT(a,0)=
1
f (1) (0)
f ( 2) (0)
f ( n ) (0)
2
3
f
(
0
)
M
a
+
M
a
+
M
a
+
...
+
M n a n +1 + O(a n+ 2 )
0
1
2
1!
2!
n!
a
29 Assumindo condies de regularidade sobre f(.) e CWT(.,0).
178
em que M n =
t n (t )dt o momento de ordem n da wavelet-me.
Note que a condio de admissibilidade corresponde a M0=0 [GOM et al.

1987]. Observe que Mn= ( n ) ( w) | w=0 = ( n ) (0) . Freqentemente as
wavelets so classificadas em famlias de acordo com o nmero de
momentos nulos (vanishing moments).
Uma wavelet dita ser de N momentos nulos se e s se Mn=0
nN-1. Este conceito desempenha um papel importante na construo
de wavelets.
A Transformada Inversa (CWT-1) e a Condio de Admissibilidade

Sejam f(t) L2( ) e a,b(t) L2( -{0} ). Sob que condies
possvel "pegar uma onda"? (catch the wave...)
A condio de admissibilidade implica em escolher uma wavelet
prottipo tal que
2
+ | ( ) |
d < + .
(t) (w) e C =
| |
f (t ) =
1
c
CWT (a, b) a ,b (t )
dbda .
a2
A recuperao do sinal a partir da transformada de wavelet

CWT(a,b) para (t) obedecendo a condio de admissibilidade pode ser
feita pela frmula supra-citada. Observe que se usa essencialmente o
mesmo ncleo da transformada, a,b(t), exceto pelo conjugado complexo.
A wavelet utilizada no processo de reconstruo referida sempre como
wavelet dual. Por isso, *(t) chamada de "dual" da wavelet (t).
Entretanto, possvel obter uma formula de inverso sob condies
menos restritivas.
2
Definio (Wavelets didicas). Uma wavelet (t)L ( ), (t) (w),

dita ser uma wavelet didica se e somente se satisfaz condio de
estabilidade, i.e.,
A,B 0<AB<+ tais que A | (2 m w) | B .

mZ
179
Mostra-se [FOU 1995] que as wavelets didicas possuem uma

frmula de reconstruo a partir de uma outra wavelet, ~ , uma wavelet
dual de . Normalmente no h uma nica wavelet dual para uma dada
wavelet didica . Para uma wavelet bsica de espectro (w), a wavelet
dual
tem
espectro
que
satisfaz
a
seguinte
relao:
~ m
*
m
.
(
2
w
)
(
2
w
)
=
1
mZ
Estas wavelets no obedecem a condio de admissibilidade

(porm obedecem uma condio de estabilidade, menos restringente) e
no so wavelets ortogonais30. A recuperao (frmula de transformada
inversa) se faz com o auxlio da wavelet dual.
Exemplos: Um mar de Wavelets

Existe um grande nmero de funes que podem ser eleitas como
wavelets-me. Trata-se de uma apresentao sem maiores pretenses. A
idia apenas ilustrar a variedade e os formatos de algumas wavelets
unidimensionais interessantes, sem apresentar detalhes formais.
Tabela I.3 Nome da famlia de Wavelets

'haar'
'db'
'sym'
'coif'
'bior'
'rbio'
'meyr'
'dmey'
'gaus'
'mexh'
'morl'
'cgau'
'shan'
'deO'
'legd'
'mth'
Cheby
Gegen
beta
'fbsp'
'cmor'
Haar wavelet.
Daubechies wavelets.
Symlets.
Coiflets.
Biorthogonal wavelets.
Reverse biorthogonal wavelets.
Meyer wavelet.
Discrete approximation of Meyer wavelet.
Gaussian wavelets.
Mexican hat wavelet.
Morlet wavelet.
Complex Gaussian wavelets.
Shannon wavelets.
de Oliveira wavelets.
Legendre wavelets.
Mathieu wavelets.
Chebyshev wavelets
Gegenbaur wavelets
Beta wavelets
Frequency B-Spline wavelets.
Complex Morlet wavelets.
30 Em alguns textos, referidas como pr-wavelets.
180
Algumas wavelets prticas so apresentadas ou rapidamente

comentadas a seguir. Em alguns casos, a apresentao envolve a funo
de escala, relacionada com a wavelet. Esta funo escala por vezes
referida como wavelet-pai [BULT 1995].
Wavelet de Haar
No caso de alguns sinais tais como imagens contendo fronteiras
pronunciadas (mudanas abruptas de contraste) ou outras
descontinuidades, a anlise e sntese de Fourier no so muito
apropriadas para acomodar os termos de altas freqncias, os quais no
tm efeitos localizados nesta anlise. Por simplicidade, considera-se um
sinal constante por partes. Nestes casos, bases de sinais constantes por
partes (e.g. Haar) podem ser mais adequadas.
1
2
-1 < t 0
.
1
(H )
(t ) :=
0 < t 1
2 caso contrrio
0
As primeiras oito wavelets para uma decomposio de Haar so

esboadas a seguir [FOU 1995], [PER&WAL 2000]. Estas so verses do
tipo "wavelet digital".
Figura 3.5 As Wavelets de Haar (decomposio com oito wavelets).
181
Um sinal de teste (constante por partes) mostrado na figura que

se segue.
Figura 3.6 (a) Um sinal 1-D de teste, constante por partes.

(b) Espectro de Haar.
Wavelet Sombrero
Assumindo
uma
(t)
Gaussiana,
segue-se
que
2
1
' ' (t ) =
(t 2 1)e t / 2 . A funo (t ) = ' ' (t ) conhecida como
2
wavelet sombrero (chapu mexicano), por razes bvias.

2
2(t 2 1)e t / 2 .
( Mhat )
(t ) =
1/ 4 3
Figura 3.7 Wavelet Sombrero. Visualizao no Matlab.
182
Wavelet densidade Gaussiana

Uma wavelet simples derivada (Derivadas de maior ordem
podem ser usadas) da funo densidade gaussiana (gaus1) dada por:
0.644
( fdG )
2te t
( t ) = gaus1 :=
/2
1/ 4
0.5
( x)
0.5
0.644
10
10
8
Figura 3.8 Wavelet derivada da densidade de gaussiana: gaus1 e gaus8.
Wavelet complexa de Morlet

Morlet props uma das primeiras wavelet de interesse na anlise
de sinais. Em sua investigao de sinais geofsicos (explorao de
petrleo), empregou a wavelet complexa dada a seguir [GOUGRO&MOR 1984].
( Mor ) (t ) =
1/ 4
et
/ 2 jw0 t
183
De fato, rigorosamente, o sinal de Morlet no constitui uma

wavelet, mas pode ser assim considerada (aproximadamente) para
grandes valores de w0. [KUM&FOU 1997].
Figura 3.9 Wavelet complexa de Morlet.

(parte real e parte imaginria).
Wavelet de Shannon
A anlise correspondente aos filtros passa-faixa ideais define uma
decomposio usando wavelets conhecidas como wavelets de Shannon,
cujo formato mostrado na figura a seguir.
Espectro da Wavelet real:
w 3 / 2
w + 3 / 2 ,
( w) =
+
1
| t |< 1 / 2
em que (t ) :=
a funo
0 caso contrrio
(normalizada).
porta
Tomando a transformada inversa:

t 3t , ou ( Sha) (t ) = 2.sinc (2t ) sinc (t ) .
( Sha ) (t ) = Sa cos
2 2
uma wavelet classe C, mas decresce muito lentamente no infinito e
no tem suporte compacto [http://en.wikipedia.org/Shannon_wavelet].
184
Assumindo t=2x+1, ( Sha) ( x) =

No
caso
da
(CSha) (t ) = Sinc(t )e j 2t .
wavelet
(a)
2 sen(2 ( x + 1)) sen(2x)

.
2x + 1
complexa,
pode-se
usar
(b)
Figura 3.10 (a) Wavelet de Shannon. (b) Wavelet complexa de Shannon

(Matlab).
Constata-se facilmente que esta wavelet tem suporte infinito (i.e.,
/ M tal que |(t)|=0 |t|>M). Sinais limitados na freqncia no podem

ser limitados no tempo (vide seo 2.4).
Wavelet de Meyer
A wavelet de Meyer definida no domnio freqencial como [MEY et al.
1987], [MEY 1990]:
1
3 | w | jw / 2
sen
1 e
2/3 | w | 4/3
2 2
2
1
3 | w | jw / 2
( w) =
cos
1 e
4/3 | w | 8/3 .
2
4
0
caso contrrio.
185
Figura 3.11 Wavelet de Meyer: (a) funo de escala (b) wavelet.
Wavelets de Daubechies
Um dos atrativos da anlise de Fourier decorre do fato das ondas
usadas na decomposio serem ortogonais. As primeiras wavelets
ortogonais obtidas, incluindo wavelet de Meyer e de Battle-Lemari, no
apresentam suporte compacto. J as wavelets de Haar so ortogonais e de
suporte compacto, porm no so diferenciveis (no apresentam
suavidade). Um dos maiores desafios da teoria de wavelets foi a
construo de uma famlia de wavelets ortogonais de suporte compacto.
A regularidade das wavelets de Daubechies aumenta linearmente com N,
porm a preo de aumentar o comprimento do suporte [DAU 1988].
Figura 3.12 Wavelets dbN de Daubechies (N=2,3,4, ...): As Daublets [Fonte:

Matlab]. Interessante notar que a wavelet-me db2 exibe um formato
caracterstico de "barbatana de tubaro".
186
Figura 3.13 verses de uma db2. Estas formas de onda so ortogonais !
Estas wavelets (em particular a barbatana de tubaro) apresentam

comportamento fractal [MAN 1995].
Wavelet Symmlets e Wavelet Coiflets

Coiflets e Symmlets so wavelets mais simtricas as quais foram
projetadas para garantir momentos nulos, tanto na funo de escala
(t ) quanto na wavelet-me (t ) . Elas foram criadas I. Daubechies sob
demanda de R. Coifman em 1989. So tambm wavelets de suporte
compacto.
187
Figura 3.14 Coiflets e Symmlets (coifn e symn); n nmero de momentos

nulos.
Wavelet de "de Oliveira"

Esta seo apresenta uma famlia de wavelets ortogonais
complexas [deO et al. 2002b, 2003b] a qual baseada no critrio clssico
de Nyquist para eliminao de Interferncia Intersimblica em Sistemas
de Comunicao Digital. Mostra-se que estas wavelets possuem um
espectro tpico passa-faixa ideal (plano), com regies de "rolamento"
assimtricas, porm mantendo a filosofia bsica da anlise a Q-constante.
A funo de escala para uma wavelet de Shannon expressa pela
funo amostral: (t ) =
1
2
sinc(t ) .
Uma forma de realizar uma AMR ortogonal (vide seo 3.3) via
caracterstica do cosseno elevado [SHANM 1985] relembrando a
condio central [MEY 1990]:
1
| (w + 2n) |2 = .
n
Basta escolher ( w) = P( w) (raiz de cosseno elevado).
188
1
1
( w) =
cos
4
2
Note que
1
2
(| w | (1 ) )
0
0 | w |< (1 )
(1 ) | w |< (1 + )
| w |> (1 + )
| (w + 2n) | = 2 , logo a raiz de cosseno elevado

2
permite construir uma AMR ortogonal. A caracterstica da funo (t) no

domnio freqencial mostrada na figura que se segue. claro que tanto
as funes de escala quanto as wavelets derivadas deste processo no so
de suporte compacto.
(1+) (1)
(1) (1+)
Figura 3.15 Caracterstica freqencial da AMR ortogonal "de Oliveira" .
A funo pulso cossenoidal PCOS desempenha um papel

importante na AMR cosseno elevado.
Definio. A funo pulso cossenoidal de parmetros t0, 0,w0 e B

definida por
w w0
PCOS (w; t 0 , 0 , w0 , B ) := cos( wt 0 + 0 )
2B
t0,0,w0,B ,
0<B<w0.
Ela corresponde a um pulso cossenoidal (no domnio espectral),
com freqncia t0 e fase 0, com durao de 2B rad/s, centrado na
freqncia w0. Alguns casos particulares simples contemplam:
1) A funo porta: w = PCOS (w;0,0,0, B )
2B
189
2) Uma porta deslocada para w0
w w0
= PCOS (w;0,0, w0 , B )
2B
3) Um pulso cossenoidal perptuo:
cos(wt 0 + 0 ) = PCOS (w; t 0 , 0 ,0, B + )
Denotando a transformada inversa por

pcos (t ; t 0 , 0 , w0 , B ) := 1 PCOS (w; t 0 , 0 , w0 , B ) , tem-se o seguinte
resultado:
Proposio. Fixados os parmetros t0, 0,w0 e B de um PCOS, o espectro

inverso pcos vale:
pcos(t;t0 ,0 , w0 , B) =
B j(w0t+w0t0 +0 )
e
.Sa[B(t + t0 )]+ e j(w0tw0t0 0 ) .Sa[B(t t0 )] .
2
O sinal pcos(.) na maioria dos casos um sinal complexo, quando

no h simetria par ou mpar em PCOS(.). Separando as partes real e
imaginria, denota-se
pcos(t ; t 0 , 0 , w0 , B ) = rpc(t ) + j. ipc(t ) em que
rpc(t ) := e( pcos(t ; t 0 , 0 , w0 , B )) e
ipc(t ) := m( pcos (t ; t 0 , 0 , w0 , B )) .
Vale notar as simetrias rpc(-t) = rpc(t) e ipc(-t) = -ipc(-t). Para

determinar a funo de escala, basta avaliar a transformada inversa de
Fourier de (w). Aps uma tediosa manipulao, avaliando-se a
transformada inversa dos termos, chega-se a:
1
.(1 ).Sa [(1 )t ] +
( deO ) (t ) =
2
1 4
1
{cos (1 + )t + 4 t . sen (1 )t }.
+
.
.
2
2 1 ( 4 t )
Um esboo da funo de escala da AMR de "de Oliveira"

mostrado na figura a seguir, considerando diferentes fatores de
rolamento.
190
0.435
0.5
0.4
( t , 0.1)
( t , 0.2)
t ,
0.3
0.2
0.1
0
0.087 0.1
4
5
alpha=0.1
alpha=0.2
alpha=0.3
Figura 3.16 Funo escala de de Oliveira (esboo com =0,1, 0,2 e 0,3).
A funo de escala ( deO) (t ) pode ser expressa de um modo mais

elegante e compacto com o auxlio das seguintes funes especiais:
Definio. (funes especiais); um nmero real, 01

H (t ) := .sinc (t ) ,
1 2 | 1 2 |
(t ) :=
{cos1t + 2( 1 2 )t.sen 2t} .
1 [2t ( 1 2 )]2
1
Tem-se ento:
2 ( Sha ) (t ) = H 1 (t ) , e
2 ( deO ) (t ) = H 1 (t ) + 11+ (t ) .
( deO )
(t ) = ( Sha ) (t ) , como esperado.
Observa-se claramente que lim
Mostra-se que a wavelet complexa de "de Oliveira" dada por

( deO )
( w) = e jw / 2 S ( deO ) (w) , cujo mdulo | ( deO ) ( w) |= S ( deO ) (w)

mostrado:
191
0
1
1
cos
(w (1 + ) )
4
2
1
S ( deO ) ( w) =
2
1 cos 1 (w 2 (1 ) )
2
8
0
se w < (1 - )
se (1 - ) < w < (1 + )
se (1 + ) < w < 2 (1 )
se 2 (1 ) < w < 2 (1 + )
se w > 2 (1 + )
Observe ainda que 0 implica na wavelet complexa de

Shannon.
Note claramente o comportamento do tipo "passa-faixa" da
wavelet ( deO ) ( w) . O roll-off esquerda e a direita no so exatamente
simtricos. De fato, embora os formatos sejam semelhantes, eles ocorrem
em escalas diferentes, um comportamento tpico de wavelets. Um esboo
das wavelets de "de Oliveira" mostrado a seguir [vide
http://en.wikipedia.org/De_Oliveira].
Figura 3.17 Mdulo da Wavelet de "de Oliveira" (domnio da f).
192
(a)
(b)
Figura 3.18 Wavelet
( deO )
(t ) : (a) Parte real e (b) parte imaginria.
Wavelets com ritmo: as wavelets de Malvar

Um sinal de variaes no estacionrias deve ser examinado em janelas
de tempo curto, tal como acontece na transformada janelada de Fourier
ou em wavelets. O sinal, cuja dinmica reveladora, pode ser
segmentado de um modo no uniforme no tempo. Esta tcnica constitui o
princpio de Malvar (Henrique Malvar, UnB). Y. Meyer redescobriu e
193
generalizou-a atravs de wavelets com envelope que comea por um

ataque, segue em forma de plat e termina num decrescendo e
cunhou o termo wavelets de Malvar. Este modelo, natural ao mundo
fsico, permite uma segmentao adaptativa no tempo modelo muito
freqente em msica. Trata-se de uma decomposio tempo-freqnciaescala, como uma transformada de Fourier janelada adaptativa [MALV
1988]. Algumas applets sobre o tema so indicadas:
http://www-dsp.rice.edu/software/EDU/mra.shtml
http://www-dsp.rice.edu/software/EDU/compression.shtml
http://www-dsp.rice.edu/software/EDU/engine.shtml
http://cm.bell-labs.com/cm/ms/who/wim/cascade/index.html
http://tams-www.informatik.unihamburg.de/applets/hades/webdemos/95dpi/waveform/fourier.html
Outras wavelets com simetrias particulares incluem as wavelets

harmnicas esfricas [LIRA et al. 2003a] e wavelets elptico-cilndricas
[LIRA et al. 2004].
3.3 A ANLISE DE MULTIRRESOLUO DE MALLAT

Um dos mtodos de construo de wavelets ortogonais,
desenvolvido por Mallat e Meyer, a anlise de multirresoluo. Este
mtodo permite construir a maioria das wavelets ortogonais. A funo de
escala (LPF), denotada aqui por (t ) , foi introduzida por Stphane
Mallat em 1989 [MALL 1989], [MALL 2000]. O princpio fundamental
analisar o sinal atravs de uma combinao de uma funo de escala
(t ) (passa-baixa) e wavelets (t ) (passa-faixa). Esta idia essencial
na codificao em sub-bandas e na anlise multirresolucional. Os
detalhes sero apresentados a seguir.
clos Am denota a unio dos conjuntos Am, incluindo todos os pontos
U
m
limites em L2( ).
194
(m ), cria-se um subespao fechado Vm L2( ) formado por sinais

aproximados na escala 2m. Formalmente:
Definio (AMR).
Uma anlise de multirresoluo em L2( ) consiste numa seqncia de
subespaos fechados Vm L2( ), m , satisfazendo as seguintes
relaes:
(AMR1) Vm Vm-1 (m).
(AMR2) f(t) Vm L2( ) f(2t) Vm-1.
(AMR3) clos Vm = L2( ).
mZ
(AMR4)
IV
= {0} .
mZ
(AMR5) (t ) V0 tal que { (t n)}nZ uma base ortonormal para

V0.
Alguns comentrios diretos:
AMR1/AMR2 - A medida que m decresce, refinando a escala, a
resoluo em freqncia aumenta. Assim, detalhes que aparecem em uma
escala 2m devem tambm estar presentes na escala 2m-1, i.e. .... V2 V1
V0 V-1 V-2 ...
AMR3 - O espao L2( ) contm todas as possveis escalas e de fato
composto por todas as escalas possveis, da o nome (anlise de
multirresoluo completa e ortogonal).
AMR4 - A funo toda nula (i.e., nula em quase toda parte) o nico
sinal de L2( ) que pode ser representado em qualquer escala Vm. Pode ser
demonstrado [DAU 1992] que AMR4 uma conseqncia das demais
condies e poderia at ser suprimida.
AMR5 - Mostra-se que 2 m / 2 ( 2 m t n)

efeito, isto segue da propriedade 2.
nZ
uma base de Vm. Com
Na figura a seguir, mostra-se uma AMR de Haar. Note as

aproximaes do sinal analisado nas diferentes escalas, V0 V1 V2 ...
195
Figura 3.19 Anlise de multirresoluo de Haar (exemplo ilustrativo).

Coluna esquerda: Funo decomposta nos espaos de escala V0 V1V2.
Equao Bsica de Dilatao (Equao de refinamento)

Considerando como espao de referncia V0 V-1, qualquer sinal
nele contido pode ser decomposto em termos das funes de uma base de
V-1. Em particular, isto deve ser vlido para a funo de escala (t ) V0.
Subespao
V0
Base
{ (t n)}nZ
{ 2 (2t n)}
V-1
nZ
Assim, existe uma seqncia {hn} tal que
(t ) = 2 hn (2t n) com
nZ
| h
nZ
|2 < + .
Esta a principal equao da AMR. Ela tem soluo nica, de

forma que os coeficientes {hn} podem ser usados para determinar
univocamente a funo de escala (t ) . Os coeficientes {hn} so
chamados de "coeficientes do filtro passa-baixa", ou "coeficientes do
filtro de escala".
A AMR tambm define subespaos WmL2( ) chamados de
espaos wavelets, formados pelos detalhes do sinal na escala Vm, i.e.,
definidos como o complemento ortogonal de Vm relativamente ao
prximo espao de escalas Vm-1 Vm. Assim, por definio,
Vm 1 = Vm + Wm .
A operao
enfatiza o fato que Vm Wm . comum tambm o
uso de outras notaes, como para enfatizar a "soma ortogonal". Note

que Wm Vm-1 e em particular, W0 V-1. Deste modo, Wm contm os
"detalhes" necessrios para ir de Vm para Vm-1. Da porque os subespaos
Wm serem tambm chamados de subespaos de detalhes.
196
Ao contrrio dos subespaos de escala Vm que so aninhados,
Vm Vm = VMAX {m , m} , os subespaos wavelets so essencialmente

disjuntos, i.e., Wm Wm = {0} mm.
Se existe um sinal (wavelet-me) (t) W0 tal que o conjunto

{ (t n)}nZ uma base ortonormal de W0, ento se pode mostrar que,
(m), 2 m / 2 ( 2 m t n) nZ uma base ortonormal para Wm. Se esta

propriedade satisfeita, ento:
-Multirresoluo para os espaos Wm

f(t) Wm f(2mt) W0
-Invarincia ao deslocamento
(n ) f(t) Wm f(t-n) Wm
-Ortogonalidade entre os espaos wavelets
Wm Wm mm.
-Todo o espao L2( ) pode ser obtido unicamente numa soma de
subespaos ortogonais:
L2( )= clos
UW
mZ
Desde que Vm 1 = Vm + Wm , segue-se que W0 V-1.

Considerando W0 o subespao de referncia, qualquer sinal nele contido
pode ser decomposto em termos dos sinais de uma base de V-1. Em
particular, isto vlido para a funo wavelet-me (t) W0.
Subespao
W0
Base
{ (t n)}nZ
{ 2 (2t n)}
V-1
nZ
Assim, existe uma seqncia {gn} tal que

(t ) = 2 g n ( 2t n) com | g n |2 < + .
nZ
nZ
As duas equaes centrais da AMR so, portanto, (Equaes de escala

dupla):
(t ) = 2 hn (2t n) e (t ) = 2 g n (2t n) .
nZ
nZ
197
Uma abordagem inovadora para a anlise de wavelets consiste

em consider-la como uma tcnica de processamento de informao [deO
2004], [deO&SOU 2006].
Algoritmo cascata.
Aproximaes numricas para uma funo de escala (t) e para a funo
wavelet (t) correspondente, podem ser construdas com base nos
coeficientes h e g, com auxlio das equaes bsicas de dilatao em
dupla escala. A idia calcular ( k ) (t ) como a iterao de ordem k,
determinada a partir de uma verso anterior da iterao de acordo com
[MALL 2000]:
( k +1) (t ) =
( k +1) (t ) =
h[n]
2 ( k ) (2t n) e
g [ n]
2 ( k ) (2t n) .
k =
+
k =
Se o algoritmo converge para um ponto fixo, esta a soluo da equao

de dupla escala, a qual independente da soluo inicial arbitrada
( 0 ) (t ) (ou ( 0) (t ) ).
Wavelet Discreta
A transformada de wavelet contnua calculada fazendo
translaes e escalonamentos contnuos de uma funo sobre um sinal.
Na prtica, esta transformada no seria muito verstil, pois iria requerer a
realizao de infinitas translaes e escalonamentos, demandando muito
tempo e recursos computacionais, ainda assim, gerando muita
redundncia. As wavelets discretas foram introduzidas para superar este
obstculo. Elas no so transladadas nem escalonadas continuamente,
mas sim em intervalos discretos. Isto pode ser feito com uma pequena
modificao na wavelet contnua.
t k o s0 j
1 t -
1
,
s , (t ) =
j, k (t ) =
j
j
s
s
s
0
s0
em que j e k so inteiros; s0 >1 um parmetro de dilatao fixo; 0 o
fator de translao o qual depende do fator de dilatao.
198
Geralmente escolhe-se s0 =2 para que se tenha uma amostragem

da freqncia chamada de amostragem didica e 0 =1 escolhido para
que a amostragem temporal tambm seja didica. Isto resulta em:
j , k (t ) = 2 j ( 2 j t k ) .
Quando se usam wavelets discretas para analisar um sinal, o

resultado uma srie de coeficientes wavelet, tambm chamada de Srie
de decomposio de wavelet [deO 2007].
Ao amostrar o sinal em intervalos discretos no eixo temporal e
freqncial, diminu-se boa parte da redundncia, porm pode-se ter
ainda infinitas translaes e escalonamentos discretos. A partir deste
momento, surge a pergunta: possvel truncar a anlise via wavelet em
certo ponto e ainda obter um resultado confivel?
As translaes so limitadas durao do sinal, logo existe um
limite superior. Resta ento analisar o escalonamento. Quantas escalas
sero necessrias para se analisar um sinal? Este problema pode ser
analisado relembrando a propriedade de escalonamento da anlise de
Fourier.
Uma compresso, no tempo, da wavelet, ir proporcionar uma
expanso do espectro da wavelet e uma translao dos componentes de
freqncia da mesma. Para se analisar o espectro como um todo (at a
origem), seria necessrio ter infinitas wavelets escalonadas, j que cada
expanso no tempo comprime proporcionalmente a sua largura de banda.
Isto significa que, por mais escalonamentos que se faa no domnio
temporal, cobre-se apenas parte do espectro restante e nunca se chegar
origem [GRA 1999].
A soluo para este obstculo simplesmente no cobrir o
espectro at a origem. Com este valor calcula-se o limite inferior para o
escalonamento, nico parmetro restante.
Figura 3.20 Compresso no tempo gera uma expanso do espectro da

wavelet e uma translao de seus componentes de freqncia.
199
Como uma wavelet pode ser vista como um filtro passa-faixa, a

srie de wavelets dilatadas pode ser vista como um banco de filtros passafaixa. Uma curiosidade aparece quando se toma a razo entre a
freqncia central do espectro de cada wavelet deslocada e o
comprimento total de seus respectivos espectros. A razo constante para
todos os deslocamentos! Esta razo conhecida como o fator de
fidelidade-Q do banco de filtros. Na prtica tem-se uma wavelet
discretizada, com limites superiores e inferiores para as translaes e os
escalonamentos, faltando apenas o clculo de sua Transformada de
Wavelet Discreta (DWT).
A idia de se passar um sinal por um banco de filtros conhecida
como codificao em sub-bandas (Subband Coding). Este princpio ser
usado no clculo da Transformada de Wavelet Discreta. O banco de
filtros usado na codificao sub-banda pode ser projetado de diversas
maneiras. O modo usado na anlise para wavelets discreta consiste em
projetar filtros passa-alta (HPF) e passa-baixa (LPF) de tal modo que
quebre o espectro exatamente ao meio. Os componentes, resultantes da
filtragem passa-alta, contm as altas freqncias, que j nos fornecem as
informaes com os mnimos detalhes. Precisa-se ento analisar com
mais cuidado os componentes resultantes do filtro LPF, pois eles
fornecem apenas uma viso global destas freqncias. Passa-se
novamente este trecho do espectro por outro par de filtros: um LPF e um
HPF. Da mesma maneira supracitada, a parte do HPF fornece detalhes.
Divide-se novamente a poro LPF, at considerar satisfatrio o nmero
de bandas criadas.
Figura 3.21 Banco de filtros / Codificao em Sub-bandas.

Representao espectral e banco de filtros LP / HP.
Uma wavelet discreta no discreta no tempo, mas sim nas

translaes e escalonamentos. O sinal, ao passar por um banco de filtros
digitais, resulta na DWT. O procedimento inicia-se com a passagem do
sinal atravs de um filtro passa-baixa digital de meia banda com resposta
200
ao impulso h[n], em que n um nmero inteiro. A operao de

convoluo em tempo discreto realizada da seguinte forma:
y[n] = x[n]*h[n] = x[n].h[n k] .
k
Aps o sinal passar pelo filtro passa-baixa de meia banda, metade

das amostras eliminada, j que a freqncia mxima vale agora metade
de seu antigo valor. O sinal fica sub-amostrado por dois. A escala do sinal
fica ento multiplicada por dois. Nota-se que o LPF remove a informao
de alta freqncia do sinal, porm mantm sua escala inalterada. A escala
alterada apenas pelo processo de sub-amostragem. A resoluo por
outro lado afetada pela filtragem, pois metade das freqncias do sinal
eliminada. A DWT emprega dois tipos de funes, chamadas de funes
escala e funes wavelet, que esto, por sua vez, associadas com os
LPFs e HPFs, respectivamente. A decomposio do sinal em bandas de
freqncias diferentes simplesmente obtida pela filtragem sucessiva do
sinal.
Propriedade. Os coeficientes de escala e coeficientes de detalhes podem

ser calculados a partir de um sistema wavelet ortogonal atravs das
relaes [MALL 2000]:
+
h[n] = 2 (t ) ( 2t n) dt , g[n] = 2 (t ) (2t n)dt .
Figura 3.22 Clculo dos coeficientes da Transformada Discreta de Wavelet

usando filtragem e sub-amostragem. Os valores de g[n] correspondem ao
HPF e os valores de h[n] correspondem ao LPF.
201
Parametrizao de Pollen
Todas as famlias de wavelets de suporte compacto com um dado
comprimento do vetor de coeficientes de escala podem ser geradas a
partir de uma expresso geral: a parametrizao de Pollen-Wells
[WELLS 1993]. Por exemplo, todas as wavelets de suporte compacto
com N=4 so descritas via um nico parmetro angular , como segue:
h0 + h1 + h2 + h3 = 2 e h02 + h12 + h22 + h32 = 1 e h0 h2 + h1 h3 = 0 .

h0 =
1 cas
2 2
, h1 =
1 + cas
2 2
, h2 =
1 + cas'
2 2
, h3 = 1 cas' .
2 2
Note que wavelets de Haar correspondem a =0, /2, 3/2 e a

wavelet de Daubechies corresponde a =/3. Aqui, cas(.) e cas(.) so
casoidais (vide sries trigonomtricas de Hartley).
3.4
ESPECTROGRAMAS, ESCALOGRAMAS
Uma outra ferramenta com aplicaes na anlise de sinais noestacionrios so os diagramas chamados de espectrogramas. No caso de
sinais (estacionrios) de energia, usa-se freqentemente a densidade
espectral de energia no plano f.
O escalograma proporciona informaes sobre a distribuio de energia
no plano f. No caso Wavelet, o correspondente do espectrograma
chamado de escalograma (lembrando que o plano no mais freqncia
tempo e sim escala deslocamento).
Lembrando as relaes de energia para as transformadas Fourier, Gabor e
Wavelets, tem-se:
E=
| F( f )| 2 df
f(t) F(f)
+ +
(relao de Parseval)
E = |STFT ( f , )| d df
2
f(t) F(, f)=STFT (tempo curto)
E=
202
d da
2
a
f(t)CWT(,a) (transformada isomtrica)
+ +
| CWT ( , a)|
A densidade espectral de energia G(f) vale: G(f):=|F(f)|2 Joule/Hz.

O espectrograma definido por: spectrogram(,f):=|STFT(,f)|2 Joule.
Ele corresponde a uma densidade espectral de energia variante no
tempo, para sinais no estacionrios. A densidade espectral obtida
dentro de cada janela usada na transformada de Gabor. Trata-se de uma
"verso dinmica" de densidade espectral de energia.
Os valores so indicados no plano tempo freqncia e poderiam
ser traados atravs de um grfico de superfcie (surface plot, mesh). A
forma usual de representao para o espectrograma, no entanto, planar:
Usam-se diferentes cores para indicar a intensidade da densidade de
energia (cada cor corresponde a uma curva de nvel), variando do violeta
ao vermelho do espectro visvel. Representao tipo espectrograma: Os
'pixels' indicam a intensidade da densidade local de energia; na janela
centrada no instante 0, na freqncia particular f indicada, a intensidade
de |STFT(f,0)2| vale azul escuro numa escala de vermelho a violeta (arcoris).
O escalograma definido por: scalegram(,a):=|CWT(,a)|2. Esta
representao do sinal indica a sua distribuio local de energia no plano
de decomposio escala versus deslocamento i.e., (a b).
distribuio de energia
na janela centro em 0
Figura 3.23 (a) Princpio do Espectrograma; (b) espectrograma de trecho

de voz (fonte MATLABTM).
203
Figura 3.24 Escalograma (a) sinal com quebra de freqncia, escalograma

com a wavelet symlet4; (b) Curva de Cantor, anlise com wavelet.
A fim de ilustrar a distribuio de energia de um sinal no estacionrio,

apresenta-se um escalograma obtido atravs do aplicativo MATLAB,
na toolbox Wavelets e Processamento de sinais [KAM&HEC 1997].
3.5
UMA NOTA SOBRE A ENGENHARIA DA

DESCONTAMINAO PARA RUDOS ADITIVOS OU
DE COMO CEIFAR AS ERVAS DANINHAS
POUPANDO AS MARGARIDAS31
A breve discusso que se segue elucida, sem maior rigor, porm

de modo intuitivo, os alicerces da maioria das tcnicas adotadas na
descontaminao de sinais [DONO 1993], [DONO 1995]. Embora
grosseira, a ilustrao suficiente para propsitos de compreenso do
mecanismo. Admita que um sinal f(t) de espectro F(w) contaminado por
um rudo aditivo n(t), de espectro N(w). O sinal contaminado expresso
por f(t)+n(t). Como a transformada de Fourier linear, o espectro do sinal
superposto, de forma aditiva, ao espectro do rudo. Tem-se ento
F(w)+N(w) como espectro contaminado. Os espectros envolvidos so
apresentados para um caso hipottico e simples. Idealmente, as
densidades espectrais de potncia correspondentes seriam utilizadas (i.e.,
|F(w)|2 e |N(w)|2). A potncia total do sinal assumida como bem superior
31 expresso cunhada por V. Wickerhauser.
204
quela do rudo (integrais da magnitude ao quadrado do espectro). H,

porm, trechos da banda em que o sinal domina largamente o rudo,
enquanto que h partes em que o rudo praticamente de mesma ordem
do sinal. A idia central da descontaminao consiste em estabelecer um
limiar sobre o espectro contaminado [TASW 2000]. Trechos do espectro
abaixo do limiar so eliminados (assassinados). Nas zonas abaixo do
limiar, pode haver algum sinal presente (provavelmente haver), porm a
intensidade do rudo comparvel ao sinal e a informao encontra-se
comprometida um espectro sujo. O melhor a fazer nesses casos
apagar tais trechos do espectro, ainda que sob o preo de eliminar certa
quantidade (normalmente desprezvel) da energia/potncia do sinal.
Imagine que, em uma dada banda de freqncias B1, a potncia do rudo
seja 1 W, comparvel potncia de 2 W do sinal, dentro dessa mesma
banda. J numa outra regio B2 do espectro contaminado, a potncia do
rudo da ordem de 1 W, porm o sinal mais forte, integrando 50 W32.
Trechos menos confiveis do espectro contaminado (no representativos),
como o trecho B1, so suprimidos, mantendo apenas a informao em
trechos em que ela essencialmente compatvel com o sinal. O
mecanismo lembra de como tratar mas bichadas: para aproveit-las,
extirparem-se as partes que se encontram podres. A eliminao de trechos
substancialmente ruidosos do sinal fornece um espectro
descontaminado, o qual ento usado para obter uma verso mais
limpa do sinal, via a transformada inversa. Isso pode ser realizado em
qualquer domnio de transformao, desde que o rudo seja aditivo e a
transformada seja linear. Particularmente essa estratgia tem se mostrado
extremamente eficiente no caso da aplicao da transformada de wavelet.
Qual a razo do sucesso das wavelets nesse problema, frente a outras
transformadas? As transformadas de wavelet permitem um maior grau de
liberdade na decomposio (quando comparada a Fourier, Hadamard,
DCT etc.), o que permite obter decomposies com concentrao de
energia em um nmero menor de coeficientes da transformada
(propriedade algo como usualmente citado na DCT para justificar o seu
sucesso), da a eficincia do processo denoising. Essa tambm , grosso
modo, a base filosfica do xito da compresso waveshrink [BRA&BRI
1994], [COI&WIK 1995], [SKO et al. 2001], [CHRIS et al. 2000],
[LIRA et al. 2003b].
32 claro que no se pode avaliar tais potncias quando no se dispe do rudo! Porm
atravs do limiar, pode-se ter uma idia das faixas espectrais significativas para o sinal.
205

w
2
1.5
F(w)
N(w)
0.5
9.42710
0 0
0
10
12
110
5
3
110
12
10
w
12
B2
1.5
B1
S(w)
0.5
2
3
110
2
6
w
10
12
12
Figura 3.25 (a) Sinal original; (b) rudo aditivo; e (c) sinal contaminado. O
limiar indicado, ilustrando que as zonas abaixo dele (e.g. B1) encontram-se
muito comprometidas e devem ser suprimidas. J nas demais regies (e.g.
B2), o sinal menos afetado, em termos relativos, pelo rudo.
3.6
TEORIA DA AMOSTRAGEM (NYQUIST-SHANNONKOTEL'NIKOV)
Na converso analgico-digital (converso A-D) necessrio

colher-se um nmero discreto de amostras de um sinal contnuo. O
problema crucial na amostragem est relacionado com o nmero de
amostras/segundo que devem ser colhidas. bvio que um nmero muito
pequeno de amostras pode resultar em uma representao
demasiadamente pobre para o sinal. A anlise quantitativa acerca deste
problema estudada no Teorema de Shannon-Nyquist, um dos
resultados fundamentais da Teoria de sinais; vide os excelentes tutoriais
[JERRI 1977], [GAR 2000].
206
Smbolo do Amostrador
controle da amostragem
Figura 3.26 Sinal analgico amostrado em diferentes taxas (Teoria dos

Conversores A/D).
A princpio, poder-se-ia imaginar (como parece indicar o "bom

senso") no processo de amostragem de um sinal analgico haveria sempre
uma perda de informao e que esta perda seria tanto menor quanto maior
a taxa de amostragem (#amostras/s) utilizada. Entretanto, o Teorema de
Shannon (Claude Elwood Shannon) mostra que isto nem sempre
verdade [NYQ 1924], [SHAN 1993].
Numa abordagem superficial, parece intuitivo que uma
representao discreta (conjunto de ndice nos Inteiros ) no poderia
"armazenar" toda a informao de um sinal com variaes no continuum
(conjunto de ndice nos Reais )33. A srie de Fourier um primeiro
resultado na direo contrria: com um nmero infinito porm contvel
de coeficientes, representa-se a informao de um sinal definido no
infinito incontvel.
33 A realidade, entretanto freqentemente engana nossos sentidos, como o caso do
mapeamento de Cantor (Georg Cantor) dos racionais
nos Naturais .
207
Harry Nyquist (1889-1976)
Claude Shannon (1916-2001)
O teorema estabelece que, sob certas condies, as amostras

colhidas de um sinal podem conter precisamente toda a informao a ele
associada. Isto significa que o sinal pode ser perfeitamente recuperado a
partir de amostras, sem nenhuma aproximao. como se o
conhecimento de pequenos trechos eqiespaados do sinal fossem
suficientes para realizar uma interpolao "perfeita" de vazios entre os
trechos!
Este resultado no intuitivo: por muito tempo acreditou-se que a
maneira mais natural seria imaginar h um comprometimento da parte da
informao correspondente aos trechos entre amostras. O melhor que se
poderia fazer nestes casos seria uma interpolao (exemplo, interpolao
linear ou mtodos de interpolao de clculo numrico-- polinmios de
Lagrange etc.) para "estimar" o que ocorreu nos espaos vazios.
TEOREMA DA AMOSTRAGEM I. (uniforme)

Mais uma vez, o estudo aplicvel apenas para sinais "banda
limitada", i.e., aqueles que no possuem componentes espectrais para
freqncias acima de uma dada freqncia fm Hz, tal como mostra a
ilustrao da figura que segue. Embora esta condio no seja
rigorosamente verificada, ela bastante til em termos de aplicaes
prticas [SLE 1976].
f(t)
F(w)
t
w
Figura 3.27 Representao de um sinal de banda limitada

(domnios t e f).
208
TEOREMA (Shannon 1948): Um sinal banda limitada em fm Hz est

univocamente determinado pelas suas amostras discretas, se estas so
colhidas em uma taxa de pelo menos 2fm amostras eqiespaadas por
segundo.
Prova.
Se as amostras so colhidas a cada Ts segundos, considera-se
ento um trem de impulsos (pente de Dirac) Ts(t),
T s (t) =
(t nTs ).
n =
A "amostragem" (instantnea) de um sinal f(t) em intervalos de Ts

segundos definida por34:
+
f (t ) := f (t ) (t ) =
f (t ) (t nT ) .
s
Ts
n =
Ento a funo amostrada fs(t) contm apenas informaes acerca

das amostras f(nTs) n=0, 1, 2..., pois
f s (t) =
f (nTs ) (t nTs ) .
n=
Os pares de transformada dos sinais envolvidos nesta operao

so mostrados na figura a seguir. Sem perda de generalidade, considerase um espectro sob a forma mostrada.
...
...
Ts
...
...
t
w
s
wm
?
w
Figura 3.28 Sinais envolvidos no processo de amostragem (ideal).

(a) pente de amostragem, (b) sinal analgico, (c) sinal com amostragem
instantnea.
34 Ver-se- que toda informao de um sinal banda limitada f est contida nas amostras
m
tomadas em intervalos uniformes menores que 1/2fm seg !!
209
O espectro do sinal amostrado pode ser determinado com o

auxlio do Teorema da convoluo na freqncia:
1
f 1(t) f 2 (t)
F (w) * F2 (w) .
2 1
Segue-se imediatamente que
f (t) Ts (t )
1
F(w) * ws (w nws ) , ou seja, f s (t) Fs (w) .
2
n=
Logo, o espectro do sinal amostrado fs(t) dado por:

Fs (w) =
1
1
F(w)* ws (w nws ) =
F(w) * (w nws ) ,
2
T
s n=
n =
tendo sido utilizados a propriedade distributiva da convoluo e o fato de

que ws=2/Ts.
Finalmente, obtm-se a relao F (w) = 1
s
F(w nws ) .
Ts n=
Este espectro esboado para diversos valores de ws (rd/s), i.e.,

vrios valores para o espaamento Ts entre amostras consecutivas.
F (w)
s
a) ws > 2 w
m
...
w
m
b) ws = 2wm
F (w)
s
Quando ws - wm > wm
w
w
s
...
w
w w
m s
c) ws < 2wm
Quando ws - wm = wm
F (w)
s
...
Quando ws - wm < wm
w
w
s
Figura 3.29 Espectros do sinal amostrado (diferentes taxas de amostragem).
210
Estes trs casos mostram claramente que, a despeito do formato

de F(w), no h superposio entre os espectros constituintes nos casos
em que ws 2wm. Ento, o uso de um LPF ideal permite que f(t) seja
recuperado sem distores. V-se que a demonstrao independe da
forma do espectro do sinal a ser amostrado, mas somente do fato que o
sinal limitado em banda.
Supondo que o filtro passa-baixas tem funo de transferncia
dada por H( w) = Ts w , ento a recuperao do sinal a partir das

2 wm
amostras pode ser feita conforme a figura 3.30.
Vladimir Kotelnikov (1908- ). Artigo original em 1933.

H(w)
w >2 w
s
m
F (w)
s
F(w)
H(w)
F (w)
s
F (w)
...
w
w
m
w
s
w
m
Figura 3.30 Recuperao do sinal a partir de amostras.

Efeito da filtragem passa-baixa.
Para a recuperao exata, sem distores, necessrio que

ws2wm, ou seja, T 1 segundos.
s
2 fm
O limite 1/Ts=2fm amostras.s-1 chamado de taxa de Nyquist

[NYQ 1924]. Este sem dvida um resultado bastante surpreendente!
211
REOBTENO DO SINAL A PARTIR DE AMOSTRAS: Interpolao.

De acordo com o teorema de Shannon/Nyquist, se 1/Ts=2fm,
ento a passagem do sinal amostrado por um filtro passa-baixas ideal
recupera exatamente o sinal analgico. Isto significa que:
w
= F(w) .
Fs (w)Ts
2wm
A seguir, a anlise do processo de re-obteno do sinal
realizada no domnio temporal, conduzindo a uma interpretao rica,
surpreendente e interessante. Seja
w
f (t ) F ( w) = Fs ( w)Ts
2 wm
O uso do teorema da convoluo no tempo indica que possvel

escrever f(t) sob a forma:
w
1
1
.
f (t) = [Fs (w)]* T s
2wm
A utilizao dos seguintes pares de transformada:
f s (t ) Fs ( w) e
wm
w
Sa( wm t )
2wm
, conduz a uma expresso da
w
forma da resposta impulsional-- f (t) = f s (t )* Ts m Sa(wm t);
Logo,
Ts wm +
f (nTs ) (t nTs ) * Sa(wm t )

T w +
= s m f (nTs )[ (t nTs ) * Sa ( wm t )].

f (t ) =
Lembrando da propriedade de amostragem da distribuio de

Dirac, segue-se imediatamente que
+
f (t) = 2 f mTs f (nTs )Sa[(wm (t nTs )].
No caso particular em que Ts=1/2fm, tem-se:

+
f (t) f (
212
n
)Sa(wm t n ) .
2fm
Como o sinal recomposto atravs das amostras? Observa-se que

f(t) corresponde superposio de vrios pulsos "samples" deslocados,
centrados nos instantes 0, T, 2T, ... etc., i.e., nos instantes de
amostragem. curioso ressaltar que a frmula exibida representa um
desenvolvimento (expanso) em srie generalizada de Fourier (captulo
1), na qual os coeficientes de Fourier generalizados cn correspondem as
amostras do sinal e o conjunto de sinais ortogonais usado
.
{n (t )} = {Sa( wmt n )}+
...
...
Figura 3.31 Interpolao das amostras por filtro passa-baixa.

(a) sinal original (b) processo de interpolao.
Consideraes:
a) Nos pontos de amostragem nTs, o valor correto de f(t)
f(nTs). Em t=0, todas as funes "sample" se anulam, exceto
aquela centrada na origem, cujo valor f(0).
b) Em t=Ts, apenas o pulso "sample" a centrado no nulo, e
assim por diante.
c) Nos instantes diferentes de nTs, os pulsos amostrais
"samples" somam desde - a + e reconstituem exatamente
o valor de f(t) no ponto analisado (interpolao perfeita).
Proposio. A energia de um sinal banda limitada em fm Hz pode ser

calculada em termos das amostras colhidas na taxa de Nyquist como
E=
1 + 2 n
f
2 f m n =
2 fm
213
n
)Sa(wm t n ) . Calculando
2fm
f2(t) e integrando-se na reta real, a prova segue da aplicao da relao de
Prova [HMdO]. Tem-se que f (t) f (
ortogonalidade + Sa(wm t n ).Sa(wm t m )dt =
wm
n, m .
O Teorema de Shannon-Nyquist-Kotelnikov vlido para sinais

cujo espectro de suporte compacto (na freqncia). Como recproca, a
amostragem de sinais de suporte compacto (no tempo) resulta em uma
verso do Teorema da amostragem no domnio da freqncia.
Teorema (DUAL DO TEOREMA DA AMOSTRAGEM):

Se f(t) um sinal real de energia finita, limitado no tempo, com
f (t ) F ( w) , e suporte de comprimento T (i.e., f(t)=0, |t|T/2), mostra-se
ento que
+
n
F ( w) = F Sa (wT + n ) .
n = T
Outras variantes do teorema da amostragem podem ser deduzidas

pelo mtodo unificado [GAR 2000], incluindo verses envolvendo a
transformada de Fourier cosseno, a transformada de Hartley, a
transformada de Laguerre, por exemplo (Edmond Laguerre).
APPLETS SOBRE TEOREMA DA AMOSTRAGEM E

LISSAJOURS
http://www.gris.unituebingen.de/projects/grdev/applets/fourier/EnglishApplet.html
http://www.mathcats.com/explore/lissajous/lissajous.html
Exerccio 14.
O sinal f(t):=sinc(t) banda limitada em rd/seg. Aplicando o teorema da
amostragem
de
S-N-K,
demonstre
a
frmula
sinc(t ) =
sinc(n).sinc(2t n).
Use esta relao para mostrar que
n =
(t ) := sinc(t ) constitui uma funo de escala para uma anlise por

wavelets: A wavelet de Shannon (vide relao de dupla escala).
214
DIMENSIONALIDADE DE SINAIS
+
Seja f(t) um sinal real de energia finita, E = f 2 (t )dt , tempo-limitado

em T seg, cujo contedo de energia fora da banda B (Hz) especificada
inferior a E ( a frao da energia fora da banda considerada). Ento:
1. f(t)=0, |t|>T/2
2.
+B
B | F ( w) |
df > (1 ) E .
TEOREMA 2BT [LAN&POLL 1961]. Existe um conjunto de sinais

ortogonais { m (t )}mL =10 , de cardinalidade finta L, tal que a energia do sinal
de erro da aproximao da srie truncada inferior a 12E, i.e.,
f (t )
L 1
cmm (t )
tal que
m=0
f (t )
L 1
cmm (t )
dt < 12E ,
em que
m =0
L = 2 BT + 1 .
Conseqncia: o nmero de dimenses de um sinal f(t) limitado no tempo
em T (seg.) e com energia praticamente concentrada na banda B (Hz) tal
que
L
2B
T
T
lim
dim/seg.
(com 0, definio do contedo fracional de energia na banda B).

Assim, o nmero de dimenses necessrias para representar um sinal
quase limitado em t-f (durao T e banda B) :
L 2 BT .
COMPREENDENDO O TEOREMA 2BT (H.M. de Oliveira)
A fim de captar os princpios por trs do Teorema 2BT, o
seguinte esboo de discusso pode ser elucidativo.
Desde que o espectro F(w) de um sinal f(t) de suporte temporal compacto
pode ser representado em srie cardinal pelo dual do teorema da
amostragem, tem-se:
F ( w) =
n
F Sa(wT + n ) .
n =
215
Por hiptese, f L2 . Isto implica, via a identidade de Parseval, que

F L2 e ento
lim | F ( w) |= 0
lim | F ( n ) |= 0
e portanto,
.
T
w
n
Escolhida uma banda passante finita B ( B
1
) para representar o sinal
T
com tempo limitado em T seg. (T<+), supondo que BT>>1, a srie

cardinal pode ser truncada em
+[ BT ]
n
F ( w) F Sa(wT + n ) .
n = [ BT ]
[x]=nint(x)=round(x) denota aqui o inteiro mais prximo de x.

A dimenso do espao de sinais com durao finita T e banda
aproximada B, provido que BT>>1, pode ser considerada como o nmero
de termos da srie acima:
N=2[BT]+1.
A representao do espectro (e, portanto, do sinal) em dimenso
finita corresponde :
Tabela II.3 Representao vetorial de acordo com o teorema 2BT.

Sinal
contnuo
F(w)
Representao vetorial em
1
1
F ( B), K , F ( ), F (0), F ( ), K , F ( B)
T
T
A aproximao vetorial to melhor quanto maior o valor de BT.

Desprezando detalhes, a dimenso N do espao pode ser aproximada por
N=2BT, ou seja, N/T = 2B dimenses/seg.
Se o sinal fortemente limitado em banda at B Hz, ento ele
praticamente ilimitado no tempo, porm requer:
lim
T
216
N
= 2 B dim/ seg .
T
Fundamentos da Anlise
Estocstica
CAPTULO 4
4.1
BREVE REVISO
PROBABILIDADES
SOBRE
TEORIA
DE
O intuito desta (muito concisa) reviso to somente refrescar

a memria a fim de introduzir naturalmente os fundamentos da anlise de
sinais estocsticos. A idia aqui ilustrar as relaes e as similaridades
existentes entre as teorias de anlise de sinais determinsticos e de sinais
estocsticos.
UMA CRONOLOGIA SIMPLIFICADA
1654- Blaise Pascal (Paris) e Pierre Fermat (Toulouse)
Blaise Pascal (1623-1662) & Pierre de Fermat (1601-1665)

(criadores da teoria de Probabilidades).
Resultados da correspondncia:
1657- C. Huygens (1629-1695):
Tractatus de ratiociniis in alea ludo
(Sobre o raciocnio em jogos de azar).
1713- Jaques Bernoulli (1654-1705) (post mortem)
Ars Conjectandi - Lei fraca dos grandes des nmeros.
217
Frontispcio da obra de Bernoulli.
Thomas Bayes (1702-1761).

1812- Pierre de Simon Laplace (1749-1827)
Thorie analytique des probabilits
Essai philosophique des probabilits
1909- mile Borel (1871-1956)
lments de la thorie des probabilits
Escola Russa:
Andrei Markov, Pafnuti Tchebyscheff, Liapunov
1933- Andrei Nikolaivich Kolmogoroff (1903-1987) e
Aleksandr Yakovlevich Kinchine ou Khinchin (1894-1959)
Ps-guerra Michel Love (1907-1979)
Em 1933, Kolmogorov tem sucesso em axiomatizar a teoria das
probabilidades, um desafio colocado h muito tempo (e.g. desafio proposto
por D. Hilbert http://aleph0.clarku.edu/~djoyce/hilbert/problems.html )
Andrey N. Kolmogorov (1903-1987).
218
AXIOMAS DE KOLMOGOROV Espao de Probabilidades (, ,P).

Espao Amostral (Todos os possveis resultados de um
experimento).
Classe de eventos (Coleo apropriada de eventos, munida de uma
estrutura algbrica).
P Medida de Probabilidade (Funo de conjunto no negativa,

aditiva, definida na classe de eventos).
TRATAMENTO AXIOMTICO:
AX1., , Dado um experimento qualquer, , e
subconjuntos (eventos).
uma coleo de
AX2. A P(A)0. Cada evento A associado a um nmero nonegativo.

AX3. P()=1. Qualquer atribuio de probabilidade requer normalizao.
AX4. Se A e B , com AB=, ento P(AB)=P(A)+P(B). A funo
de conjunto P aditiva.
AX5. {Ai} i=1, com Ai com Ai Aj = i j; ento
P(i=1 Ai)=i=1 P(Ai), A funo de conjunto -aditiva.

Toda a teoria das Probabilidades est resumida nos axiomas!
Algumas conseqncias imediatas destes axiomas resultam em
propriedades bastante usuais, freqentemente admitidas intuitivamente
com verdadeiras, como ilustrado em seguida.
CONSEQENCIAS TRIVIAIS
1) P(Ac)=?
A Ac=. Por AX4, P(A Ac)=P(A)+P(Ac).
Logo P()=P(A)+P(Ac) e via AX3, P(Ac)=1-P(A).
219
2) P()=?
=. Por AX4, P()=P()+P(). De =, obtm-se
P()=P()+P(), donde P()=0.
3) P(A)1
P(Ac)=1-P(A). Por AX2, 1-P(A)0.
4) P(B-A)=P(B)-P(AB)
(AB) (B-A)= por AX4, P((AB) (B-A))=P(AB)+P(B-A).

Como (AB) (B-A)=B, segue o resultado.
5) Monotonicidade A B P(A) P(B)

Usando P(B-A)=P(B)-P(AB)=P(B)-P(A), tem-se P(A)=P(B)-P(B-A)
por AX2 P(B-A)0, donde P(A)P(B).
Exerccio 11.
6) prove que P(AB)=P(A) + P(B) - P(AB).

Na teoria axiomtica, a classe de eventos munida de uma
estrutura algbrica. Considere ento a seguinte definio:
ALGEBRA (-lgebra)
Conjuntos munidos com duas operaes sobre conjuntos (adio e
produto): e (.)c
i) A,B
ii) A
A classe
A B
Ac
fechada com todas as operaes sobre conjuntos, e.g. AB,
A-B, AB. (N.B.-na -lgebra, o nmero de operaes pode ser infinito).

Ac , Bc
(p.ex.: A, B
logo Ac Bc
( Ac Bc )c
ou seja, AB
PROBABILIDADE TOTAL.
n
i=1 {Ai}i=1 uma partio de i=1 Ai = e AiAj= i j.
220
Figura 4.1 Ilustrao da lei da probabilidade total em diagrama de

Venn.
Em uma partio,
P(AiB)=P(B).
i =1
Um outro conceito fundamental na teoria de probabilidades o

conceito de probabilidade condicional.
PROBABILIDADE CONDICIONAL.
Qual a probabilidade da ocorrncia do evento B, sabendo-se que um
outro evento A ocorreu? H aqui trs eventos a considerar: A, B, AB,
com probabilidades P(A), P(B), P(AB), respectivamente.
Figura 4.2 Ilustrao (Venn) para a definio de probabilidade

condicional.
Desde que A ocorreu, o espao amostral foi reduzido e a
distribuio precisa ser atualizada. A nova medida de probabilidade P
(induzida) tambm deve obedecer aos axiomas de Kolmogorov.
P(X A)= P(X)/P(A).
Com X= AB
P(AB)=P(AB)/P(A).
221
B s ocorre agora se h ocorrncia de AB. Define-se ento:

P(B/A):= P(AB)/P(A)
A probabilidade condicional uma medida de probabilidade
(obedecendo aos axiomas bsicos) induzida a partir da medida original. O
conhecimento da ocorrncia de um evento particular implica na reduo
do espao amostral, o qual passa a ser o evento que sabido ter ocorrido.
A normalizao A3 exigida ento realizada. Esta interpretao segue a
via freqentista.
P(AB)=P(A) P(B/A) e P(ABC)=P(A) P(B/A)P(C/ AB).
REGRA DE BAYES
Rev. Thomas Bayes (1702-1761).

Fen. A
CANAL
Fen. B
P(A)
a priori
P(B/A)
P(A/B)
a posteriori
Figura 4.3 Regra de Bayes: relao entre a priori e a posteriori.

O canal de comunicaes.
A probabilidade a posteriori de um evento A pode ser calculada
em termos da probabilidade a priori deste evento.
P(A/B)=P(AB)/P(B)= P(B/A). P(A) / P(B).
Os eventos A e B so independentes quando:
INDEPENDNCIA P(B/A)=P(B).
222
VARIVEIS ALEATRIAS
X:
w
x
Corpo ordenado
(, ,P)
( , ,P)
Figura 4.4 Varivel aleatria como mapeamento entre espaos de

probabilidade.
Os espaos de probabilidade so mapeados pela varivel aleatria.
lgebra de eventos
lgebra de intervalos (Borel)
X funo mensurvel
P(X x)=P{w: X(w) x}.
FUNO DISTRIBUIO DE PROBABILIDADE
FX(x)= P(X x).
FDP
FUNO DENSIDADE DE PROBABILIDADE

fX(x)=d P(X x)/dx = d FX(x)/dx.
fdp
B
P( B) = B f X (x)dx e f x ( x)dx = P() = 1.
A definio de funo densidade de probabilidade

adequadamente apresentada empregando a integral de Lebesgue (vide
Apndice B). Os conjuntos que constituem a -lgebra de eventos so
mensurveis e mapeados atravs de X resultam em conjuntos da lgebra
de Borel na reta. Assim, a medida induzida no espao ( , ,P)
exatamente a medida de Lebesgue sobre a lgebra de Borel (Apndice B).
223
MOMENTOS E MOMENTOS CENTRAIS

mn:=E(Xn)
entre os quais o mais importante m1=E(X) mdia
n:=E{(X-m1)n}
entre os quais o mais importante 2=2 varincia
DESIGUALDADE DE CHEBYSHEV
Pafnuti L. Chebyshev (1821-1894).

Suponha Y uma varivel aleatria com mdia nula e varincia
finita, my=0 e y2 <+, e funo densidade de probabilidade fY(y).
+
y2 =E(|y|2)= y 2 f ( y )dy y y 2 f ( y )dy , ou seja, y2 2 P(|y|).

Para uma varivel aleatria Y:=X-mX, tem-se
P(|X-mX |) X2 /2
Chebyshev
Entre os conceitos mais utilizados e mais bsicos de teoria

envolvendo comportamento estocstico, encontra-se a noo fundamental
de independncia (independncia estatstica).
CORRELAO E INDEPENDNCIA
Sejam X, Y variveis aleatrias. Dois tipos de momentos conjuntos so
definidos, a saber:
Momento Conjunto
mn,k:=E(XnYk)
m11=E(XY)=RXY
224
Correlao entre X e Y
Momento central conjunto
n,k:=E{(X-mX)n (Y-mY)k}
11=E{(X-mX)(Y-mY)}=KXY
Covarincia entre X e Y
Cov(X,Y)= KXY =E{(X-mX)(Y-mY)}= E(XY)- mX mY
KXY = RXY - mX mY
Cov(X,Y)= R(X,Y) - mX mY
As seguintes relaes podem ser estabelecidas:

Independncia
E(XnYk)= E(Xn) E(Yk) n,k
No correlao
E(XY)= E(X) E(Y).
Note que
X e Y independentes
X, Y no correlacionadas,
porm a inversa em geral no verdadeira.
4.2
ARITHMETICA PROBABILITAS
Extrato de artigo por H.M. de Oliveira, R.J. de Sobral Cintra, R.M. Campello
de Souza
A Teoria da medida constitui uma ferramenta com papel decisivo

em Matemtica e Estatstica. Em particular, a medida de Lebesgue
proporcionou um grande avano na teoria da integrao [BART 1966],
[WEI 2000] e caiu como uma luva na axiomatizao do conceito de
probabilidade por Kolmogorov [LOE 1963]. Embora a potncia da
anlise real seja incontestvel, h um incontvel nmero de situaes
(tericas e prticas) nas quais a teoria dos nmeros imprescindvel. O
domnio completo dos computadores digitais limitado ao anel de
racionais didicos. A observao direta do mundo fsico produz apenas
nmeros exatamente como os que os computadores digitais podem usar.
Este trabalho insere-se nas criticas centenrias de Leopold Kronecker
sobre o infinito completo, segundo quem a nada poderia ser atribuda
uma existncia matemtica, exceto se possvel constru-lo em termos de
um nmero finito de inteiros positivos. Ele propunha a aritmetizao da
225
matemtica, assegurando: E se eu no for capaz de faz-lo, ser

realizado pelos que me seguiro. Vale a citao mais conhecida de
Kronecker: God created the integers, all else is the work of man. Como
aproximar a teoria dos nmeros e probabilidade? Deshouilles categoriza
os tipos de elo entre estas teorias [DES 1997]. Diversos trabalhos indicam
a ligao profunda da funo zeta de Riemann com os nmeros primos,
teoria dos nmeros e interpretaes probabilsticas [GOLO 1992],
[ALEX et al. 1993], [GAD&PAD 2002]. Esta ligao foi objeto de
fascinao de matemticos com Hardy, Littlewood, Erds, Kac e Plya,
para citar alguns, ou modernamente, Golomb e Chaitin, por exemplo.
Considere os inteiros divisveis por ambos p e q (primos). Ser divisvel por p e q
equivale a ser divisvel por p.q e conseqentemente a densidade deste novo
conjunto 1/p.q. Ora, 1/p.q=(1/p).(1/q) e isto pode ser interpretado dizendo que
os eventos ser divisvel por p e ser divisvel por q so independentes. Isto se
verifica para todos os primos, da de forma burlesca e no rigorosa, os nmeros
primos esto envolvidos com probabilidades! Esta observao simplria,
beirando o trivial, o ponto de partida de um novo desenvolvimento que pode
ligar a teoria dos nmeros com a teoria da probabilidade [KAC 1959]
Os problemas de teoria dos nmeros constituem um desafio a

parte no captulo da matemtica [PL 1957], [RIE 1985]. Seguindo uma
analogia do sucesso da definio clssica da medida de Lebesgue, poderse-ia esperar algum valor em uma teoria da medida definida sobre os
inteiros. precisamente desta questo que trata a presente abordagem. O
propsito aqui apresentar preliminares sobre uma medida aritmtica,
ambos do ponto de vista terico e de engenharia. O espao de interesse e
a classe de conjuntos sobre a qual se define a medida so introduzidos a
seguir.
Seja := o conjunto dos nmeros naturais, um espao amostral,
munido de uma (pseudo)densidade de probabilidade uniforme sobre
todos os elementos de . O conjunto das partes A=P( ) forma uma
lgebra (-lgebra) com relao a unio e complementos entre conjuntos
[LOE 1963], [RUD 1971]. Conjuntos possveis da lgebra incluem, por
exemplo,
A0:=,
A1:={1,2,3,...},
A2:={1,3,5,7,...},
A3:={2,3}
A4:={1,1,2,3,5,8,13,...}
(conjunto
de
Fibonacci),
A5:={2,3,5,7,11,13,17,19,23,...} (conjunto dos nmeros primos),
A6:={5,7,10,12,15,17,20,...}= {5n ou
10n + 5
floor
, n } (inclui
2
todos os mltiplos de 5 e o piso da mdia de quaisquer mltiplos
226
3n + 1
3n + 1
, n>1}, A8:= { ceil
, n>1},
2
2
consecutivos), A7:={ floor
etc.
floor(.) e ceil(.) denotam as clssicas funes piso e teto. O smbolo :=

denota igual por definio.
A medida de probabilidade definida sobre esta estrutura permite
construir um espao de probabilidades ( ,P( ),). A probabilidade de
cada conjunto pode ser avaliada, i.e., qualquer subconjunto dos nmeros
naturais mensurvel.
A Aritmetizao de Medidas Fsicas

Medies sobre o conjunto dos reais requerem um nmero
infinito de bits para especificar sua expanso binria. O conjunto L de
valores medidos de uma dada varivel fsica tem sempre preciso
limitada. A menor discriminao possvel referida como um quantum.
Se o quantum Q um nmero racional, ento (k) inteiro positivo tal que
k.Q um inteiro e o conjunto k.L . Por exemplo, para tenses medidas
entre 0 e 5V com quantum de 0,5V, os possveis resultados de medidas
so L={0, 0,5, 1,0, 1,5,...,4,5,5,0}. Neste exemplo, 2L subconjunto de .
H duas facetas para encarar medies no mundo fsico:
Ou os nmeros reais ocorrem na natureza, mas no se consegue

obter medidas com exatido ilimitada (incerteza inerente).
Ou a escolha da preciso especifica tudo o que se precisa
conhecer, pois embora a medio possa no incorporar incerteza,
h limitao na complexidade da medio.
Qualquer dos enfoques conduz a uma aritmetizao dos valores
mensurveis e uma probabilidade aritmtica bem-vinda. Os nmeros
reais so, de algum modo, expurgados e um mundo digital emerge.
Medida sobre Conjunto de Inteiros.
Definio. A P( ), subconjunto enumervel dos naturais (finito ou
no), seja
lim
A ( A) :=
s ( A) , em que s ( A) :=
s 1 +
n A n
1
n =1n
n A n
(s)
, s>1.
227
(.) denota a funo zeta de Riemann [GRA&RYZ 1965]. Note que para
cada s>1, ambos o numerador e denominador so definidos e finitos. A
necessidade de incluir s>1 advm da no convergncia da srie
harmnica. Note ainda que para s=0, a medida poderia ser usada para
conjuntos enumerveis A{1,2,3,...,N}:= T de cardinalidade finita,
resultando na clssica interpretao
0 ( A) =
n A
T
|| A ||
|| N T ||
n1
Ver-se- que uma funo de conjunto no negativa e aditiva.

O espao definido pela tripla um espao de probabilidades de
Kolmogorov [LOE 1963]. Os axiomas A2 ( ( A) 0 ) e A3
( () =( )=1) so prontamente verificados. A medida aditiva (A4),
i.e., para conjuntos disjuntos A B = , tem-se ( A B ) = ( A) + ( B) ,
pois
1
n A B
(s)
1
s
1
s
n
n
= n A
+ nB
.
( s)
( s)
Algumas Conseqncias Triviais.

i) () = 0 , pois ( N ) = 1 .
ii) monotonicidade A B ( A) ( B) .
Veja que
s ( B) =
1
s
n
n
ns
= n A
+ nB A
s ( A) .
( s)
( s)
(s)
nB
iii) ( B A) = ( B) ( A B )
iv) ( Ac ) = ( N A) = ( N ) ( N A) = 1 ( A) .
Propriedade.
Todo subconjunto prprio A com nmero finito de elementos, ||A||<,
tem medida nula. (aqui ||.|| denota a cardinalidade do conjunto).
228
Prova.
Dado
1
1

= K < .
s
n
n A
n A n
s>1,
lim n A n s
lim
K
=0.
( A) =
s 1 + (s)
s 1 + (s)
Ento
Corolrio. A probabilidade de um nmero natural isolado Im:={m}

nula.
Os conjuntos de medida no nula A so apenas aqueles de
cardinalidade ||A||=|| ||=0. (Aleph zero). Extrapolando, e com um abuso
de notao, como se fosse utilizada uma medida concentrada nos
inteiros (pente de Dirac) com reas iguais a 1/0! claro que
numericamente, isso no tem absolutamente nenhum sentido! Esta
abordagem, entretanto, d sentido claro assertiva <<escolher um inteiro
positivo ao acaso de tal forma que os nmeros inteiros tenham todos uma
mesma chance de serem escolhidos >>.
Clculos envolvendo distribuies arbitrrias podem ser facilmente
conduzidos considerando:
Definio. A P( ), subconjunto enumervel dos naturais (finito ou

no), seja
p[n]
lim n A n s
A ( A) :=
, em que
s 1 + (s)
{p[n]}n =1 uma distribuio de
probabilidade, no sentido que p[n] = 1 , com p[n]0.

nN
claro que a medida (.) bem estabelecida, pois ( A) ( A) .

Para lidar eficientemente com conjuntos enumerveis, uma medida mais
fraca que (.) pode ser desejvel. Desde que a maior parte da anlise no
contnuo adota L2( ) ao invs de L( ), parece razovel propor o uso da
medida
2 ( A) =
6
1
n2
=
2
2
( 2)
n A n
n A
e todos os problemas de convergncia desaparecem.

Os conceitos de probabilidade e informao vm se influenciando
mutuamente desde o sculo XIX. A introduo desta medida possibilita
229
definir formalmente uma entropia de Shannon [SHAN 1993] associada a

um subconjunto de inteiros.
Definio. A entropia de um conjunto AP( ) a quantidade

H s ( A) :=
1
lim H s ( A)
em que H ( A) :=
. log 2
.
s
s
s
1
n A ( s ) n
( s)n
Em particular, como mostrado por Solomon Golomb [GOLO 1992],

s ' ( s )
tem-se H s ( N ) = log ( s)
para o conjunto . Uma entropia para
(s)
s=2 pode ser conveniente em muitas situaes, resultando em:
2
log(n) log( (2))
1
H 2 ( A) =
+
2.
2
(2) n A n
(2) n A n
Conjuntos especiais.
(q ), seja Mq o conjunto de todos os mltiplos de q. Por exemplo,
tem-se M2={2,4,6,8,...}; M5={5,10,15,20,...}. claro que ||Mq||=0 e tais
conjuntos so mensurveis.
A medida dos conjuntos do tipo Mq ( M q ) =
1
, o que pode ser
q
verificado trivialmente, pois

1
1
s
s
1
1
(
qn
)
nN
nN n
s (M q ) =
=
=
. s ( N ) . Obviamente ( M 1 ) = ( )=1.
s
(s)
q (s)
qs
Assim, ( M 2 ) =
1
1
, ( M 5 ) = , etc.
2
5
Tem-se 2( )=1, 2(Mp)=1/p2 etc. A entropia do conjunto dos inteiros

2 (2)
vale H 2 ( N ) = log 2 (2)
. Como (2) = 2 / 6 e
positivos
(2)
(2) = 2 / 6[C + ln(2 ) 12 ln( A)] (em que A a constante de GlaisherKinklein), encontra-se: H 2 ( N ) = 1,857952...
Tambm vale:
H 2 (M p ) =
230
1
p
H 2 (N )
1
p
. log 2
1
p2
Uma interpretao pouco rigorosa.

Interessante observar que esta medida segue a via freqentista.
Supondo uma densidade uniforme sobre os inteiros, como sugerido no
incio do texto, seja T um operador de truncamento. Dado , denote-se
T
:={1,2,3,...,T} e para um conjunto qualquer M, defina o conjunto
truncado MT como sendo M T. Estes conjuntos so enumerveis e
finitos e pode-se tomar
Pr( M T ) := 0 ( M T ) =
|| M N T ||
|| N T ||
lim Pr(M T )
n. casos favorveis
e (M ) =
.
T
n. total de casos
Por exemplo, truncando o conjunto M2 at o 2T-simo inteiro, denotado

M 22T ={2,4,6,...,2T}, tem-se Pr( M 22T ) =
T
1
=
e no limite, Pr(M2)=1/2
2T 2
(irrelevante se o ltimo elemento no par). As chances de recair sobre

um nmero par em toda a reta so 50% (By chance I mean the same as
probability, T. Bayes). Este a medida do conjunto M2. Identicamente,
o fato ocorre com M5 (mltiplos de 5), cuja medida vale 1/5 (no limite
T , h 20% de possibilidade de recair sobre um mltiplo de 5 na reta
inteira). Esta abordagem mais bem compreendida considerando sinais
eltricos M3(t) e M5(t) associados aos conjuntos M3 e M5.
2
M3 ( t )
10 11 12 13 14 15 16
16
M5 ( t )
0
0
10
t
15
20
20
Figura 4.5 Sinais eltricos M3(t) e M5(t) associados aos conjuntos M3 e M5,
definidos pela funo binria que atribui 1 para divisores de 2
(respectivamente 5), 0 caso contrrio.
231
Observe que o valor da medida de Mk corresponde ao valor dc da

forma de onda Mk(t). Na interpretao de sries de Fourier, isto
corresponde exatamente ao ciclo de trabalho da onda. Assim, para
qualquer inteiro, ( M q ) =
1
.
q
Interpretao 1. O nmero de termos dos somatrios na definio de

torna-se muito grande e o comportamento assinttico (mdio) emerge.
Tomando um conjunto truncado AT := n1, n2 , n3 ,..., n|| AT || , a mdia
harmnica dos elementos de AT dada por

mdia( AT ) =
|| AT ||
1
1
1
+
+ ... +
n1 n2
n T
. Para s arbitrariamente prximo da
|| A ||
unidade, para T muito grande (T), ambos o numerador e denominador

so grandes, porm a razo tende a 1(A),
( A)
|| AT || / mdia( AT )
|| N T || / mdia( N T )
|| AT ||
|| N T ||
ou seja,
a frao da reta preenchida pelo elementos de A. Como conseqncia,

tem-se a seguinte:
Interpretao 2. Se (A) denota a frao de elementos de A relativa ,
ento [ ( A)]1 = 1 1 representa a distncia mdia entre elementos de A.
( A)
A multiplicao de um conjunto por um escalar (inteiro)

corresponde a um conjunto cujos elementos so multiplicados pelo
escalar. Assim, 3.M2=M6={6,12,18,...}. De um modo geral,
k.Mp=p.Mk=Mkp.
Propriedade de escalonamento: k , (kA)=(A)/k.
OPERAES ENTRE CONJUNTOS: RELAO COM A

MEDIDA
Medida da interseco
Dados p e q inteiros, (p,q)=1, ento MpMq tem medida dada por
(M
232
M q ) = ( M p ). ( M q ) =
1
.
p .q
Por exemplo,
( M 2 M 3 ) = ( M 6 ) = ( M 2 ). ( M 3 ) =
1
1
= .
2.3 6
Nos casos em que p e q no so primos entre si, ento

( M p M q ) = ( M mmc ( p , q ) ) =
1
, em que mmc denota o mnimo
mmc( p, q )
mltiplo comum.
Medida da unio
Dados p e q inteiros distintos, ento MpMq tem medida dada por
(M p M q ) = (M p ) + (M q ) (M p M q ) .
Usando o resultado anterior,
(M p M q ) =
1 1
1
+
,
p q mmc( p, q)
com interpretao simples e interessante.

Se q uma potncia de um primo, i.e. q = p m , p primo, ento
(M q ) = ( M p ) m .
Pelo teorema fundamental da lgebra [HAR&WRI 1979], [RIE 1985],

qualquer inteiro q fatorvel na forma de potncias de primos,
r
mi
q = pi
de modo que se segue:
i =1
( M q ) = ( M p ) = ( M p ) mi =
i =1
i =1
m
i =1 pi i
1
.
q
Definio. Dois conjuntos so idnticos quase em toda parte (presque

partout) se e s se eles diferem por um conjunto de medida nula.
CONJUNTOS ESPARSOS
Conjuntos de Medida nula.
Qual a densidade de primos, i.e. qual a medida do conjunto
P:={2,3,5,7,11,13,17,19,23...}?
233
Aludindo a uma famosa assertiva de Einstein, Paul Erds35

(nico matemtico a bater Leonard Euler em publicaes) comentou:
"Deus pode no jogar dados com o universo, mas h algo estranho sobre
os nmeros primos (God may not play dice with the universe, but
something strange is going on with the prime numbers) [Mac 1997].
Proposio. O conjunto de nmeros primos tem medida nula, (P)=0.

Prova. Utilizando a definio de medida, chega-se a s ( P) =
P(s)
, em
( s)
p s a funo prime zeta-function, relacionada com a
que P( s) :=
all primes
+ ( k )
funo de Riemann por P( s) =
k =1
. ln (ks ) , e (.) com argumento
inteiro a clssica funo de Mbius [HAR&WRI 1979].

( P) =
P( s)
lim
s 1 +
(s) = 0 .
Isto corresponde ao valor dc da forma de onda da funo indicadora de

primos P(t), o qual nulo! O mesmo acontece com o conjunto de
primos gmeos [BRU 1919]. Entretanto, vale observar que
2 ( P) = P(2) / (2) .
Qual
a
medida
do
conjunto
de
Fibonacci,
F:={1,1,2,3,5,8,13,21,34...}? (Leonardo Fibonacci).
2
P( t )
1
1
9 10 11 12 13 14 15 16 17
t
17
Figura 4.6 Forma de onda binria P(t) correspondente ao conjunto dos

nmeros primos. A funo semi-infinita e aperidica.
35
O nmero de Erds do autor deste livro 4. (http://www.oakland.edu/enp).
234
Os
elementos
deste
conjunto
podem
ser
descritos
via
F (n + 1) = floor F (n) + , em que a razo urea (golden ratio)

2
[WEIS 2006].
Proposio. O conjunto de Fibonacci tem medida nula, (F)=0.

Prova. sabido [ANDR 1989] que a soma dos recprocos dos nmeros
de Fibonacci positivos converge para uma constante conhecida como
reciprocal Fibonacci constant. Conseqentemente, para s > 1 , vem que
F ( n)
n =1
1
= 3.359885K
n =1 F (n )
<
Assim, tem-se que:
( F ) = lim
s 1
F (n)
n =1
( s)
< lim
s 1
3.359885K
= 0.
(s)
Entretanto, a medida 2(F) no nula e vale 2(F)=0,867099...
MEDIDA DE CONJUNTOS TRUNCADOS DE TEORIA DOS NMEROS.
Uma avaliao da velocidade de convergncia para a medida de

um conjunto A pode ser feita considerando a medida de freqncia
relativa do conjunto truncado AT, aumentando gradativamente o valor de
T.
0.465
0.6
0.5
M ( 2 , T ) 0.4
M ( 3 , T ) 0.3
M ( 5 , T )
0.2
0.1
0
1
1
10
100
T
1 .10
4
1 .10
10000
Figura 4.7 Medida dos conjuntos truncados M2T, M3T e M5T para diversos
valores de T.
235
Para o caso de conjuntos de mdia nula, esta abordagem

particularmente proveitosa. Embora o conjunto dos primos seja
assintoticamente esparso (com medida nula), bastante til trabalhar em
termos de densidade de primos truncada. Para estimativas de usando este
mtodo, pode ser empregada a funo psi de Euler [ABRA&STE 1968],
definida por ( x) :=
d
ln ( x) , em que (x) a funo fatorial
dx
generalizado. A relao de psi com a srie harmnica truncada pode ser

T
1
= (T + 1) + C , em que C=0.5772156...
n =1T
usada para estabelecer que
a constante de Euler-Mascheroni. Neste caso, necessita-se medir um

conjunto PT=(n tal que n primo, n<T)=P T. Uma abordagem,
considera a frao de nmeros primos que se encontra presente na reta
inteira (positiva) at T.
|| P N T || (T )
,
Pr( PT ) = 0 ( PT ) =
=
T
|| N ||
lembrando que a funo (x) de teoria dos nmeros expressa o nmero de

primos menores ou iguais a x. Uma boa estimativa para a cardinalidade
de PT pode ser obtida via o Teorema de Nmeros Primos (Hadamard e
de Valle-Poussin) [RIE 1985]:
1
li (T ) Pr( PT ) ,
T
x dt
em que li(.) denota a integral logartmica 0
(tomada no sentido do
ln(t )
Pr P( PT ) :=
valor principal de Cauchy, vide Apndice A). A curva mostrada em

seguida corresponde aproximao usando a integral logartmica
[ABRA&STE 1968], e o critrio de medida com base na cardinalidade
dos conjuntos truncados at T.
A medida deste conjunto truncado vale
1
T n
( PT ) = 1 ( PT ) = nTP
.
1
n =1n
236
PrP ( T )
0.5
Pr( T )
0
1
2
10
1 .10
100
T
1 .10
10000
Figura 4.8 Velocidade de convergncia da medida do conjunto dos primos. So

mostradas as aproximaes com base no teorema de Hadamard e de VallePoussin (linha contnua) e a medida de freqncia relativa (linha tracejada).
Compara-se a seguir as estimativas de convergncia com base na medida

e na freqncia relativa, a medida que a cardinalidade do conjunto
truncado dos primos cresce.
1
Pr ( T )
P( T )
0.5
1
2
10
100
T
1 .10
1000
Figura 4.9 Comparao das velocidades de convergncia de duas estimativas da

medida do conjunto dos primos. A medida nula. Note que a medida , com
base na mdia harmnica, tende a ser mais lenta que a freqncia relativa.
Atualmente, investiga-se a ligao entre esta teoria de medida de

conjuntos e implementaes de processamento digital de sinais, o que
pode constituir um campo promissor para aplicaes e soluo de
diferentes problemas.
237
4.3
REVISANDO PROCESSOS ESTOCSTICOS
Um processo estocstico (P.E.) uma coleo indexada de

variveis aleatrias {Xt}, tT [LATHI 1968].
A varivel t pode ser discreta ou varivel contnua. A
cardinalidade do conjunto de ndices T indica se o processo um
processo discreto ou contnuo.
X(w1,t)
Funo Amostral
w1
t
w2
X(w2,t)
Figura 4.10 Um processo estocstico: coleo indexada de variveis

aleatrias.
Funo amostral ou Realizao de um P.E. (trajetria)
uma generalizao do conceito de varivel aleatria (verso
dinmica): a cada instante, tem-se uma varivel aleatria diferente!
t fixo
X(w1,t)
t
X(w2,t)
t
Figura 4.11 Fixado um instante arbitrrio de tempo, o processo aleatrio

torna-se uma simples varivel aleatria.
238
REPRESENTAO DE PROCESSOS ALEATRIOS

Um Processo Estocstico fica especificado se, para qualquer
coleo finita de instantes {t1,t2,...,tk}, a funo distribuio conjunta das
variveis aleatrias associadas conhecida, i.e.
F
xt1 xt2 ... xtk (x1,x2,...,xk)=P(xt1 xt2 ... xtk).
Estas distribuies so referidas com Distribuies Finito-dimensionais
e obedecem (Kolmogorov):
1.
Condio de simetria: permutao j1,j2,...,jk dos ndices 1,2,..,k,
F(xj1 xj2 ... xjk; tj1 tj2 ... tjk)=F(x1,x2,...;t1,t2...tk).
2.
Condio de compatibilidade m<k

F(x1,x2,..xm,+,...,+ ; t1,t2...tm,...,tk) = F(x1,x2,...xm;t1,t2...tm).
Figura 4.12 Relaes de incluso entre diferentes tipos de processo

estocstico: 1- P.E. 2- P.E.E. Amplo 3- P.E.E. Estrito.
PROCESSO ESTACIONRIO SENTIDO ESTRITO

Definio. Um processo aleatrio dito ser estacionrio no sentido
estrito se e somente se escolhidos quaisquer instantes finitos, as funes
de distribuio finito-dimensional so invariantes a um deslocamento na
origem dos tempos.
t1
t2
t3
Figura 4.13 Estacionaridade de funes de distribuio finito-dimensionais

(N=3). Adicionado-se o mesmo incremento aos instantes fixados t1, t2, t3, recai-se
sobre os instantes identificados por (). A distribuio conjunta permanece a
mesma.
239
, k,
xt1 xt2 ... xtk(x1,x2,...,xk)= Fxt1+ xt2+ ... xtk+ (x1,x2,...,xk).
CONSEQENCIA:
Fxt1 (x1)= Fxt1+ (x1), i.e., mesma distribuio mantm-se durante todo
o processo.
+
Em t1:
E(Xt1) = xdF X t1 ,
Em t2:
E(Xt2) = xdF X t 2 .
Logo E(Xt1)= E(Xt2)= ...= E(Xt)=constante.

O processo estocstico (P.E.) estacionrio tem mdia nica,
constante. De modo geral, todos os momentos so constantes, invariantes
origem dos tempos.
PROCESSO ESTACIONRIO SENTIDO AMPLO
Definio. Um P.E. dito ser estacionrio no sentido amplo se e somente

se
1. E{X(t)}= constante.
2. E{X2(t)}<+
tT
3. t1, t2T
RX(t1, t2)=RX(t2-t1)=RX().
A funo de autocorrelao do processo (ACF) independe da origem dos

tempos.
*Apenas a mdia e varincia permanecem constantes ao longo do tempo.
Estacionaridade: sentido estrito sentido amplo
4.4
PRELIMINARES SOBRE SRIES DE FOURIER

ESTOCSTICAS
Nesta seo procura-se introduzir (de modo resumido e

superficial), alguns rudimentos de sries estocsticas, apenas a ttulo de
ilustrar o paralelo entre as ferramentas usadas no caso de sinais
determinsticos. So abordados os processos estocsticos peridicos, as
sries de Fourier estocsticas para processos estocsticos estacionrios no
240
sentido amplo e as sries de Kahunen-Love. A gerao de fractais

aleatrios (como o movimento Browniano fracional) com base em sries
de Fourier tambm comentada.
Michel Love (1907-1979).

Integrais de Processos Aleatrios
Denotando um processo estocstico por x(w,t), em que w, t , ento
b
a
uma integral definida y ( w) := x( w, t )dt , a e b finitos ou no, uma

varivel aleatria. O mapeamento expresso por:
y: R
w a y ( w)
Sob condies apropriadas, se
a E x(w, t ) dt < + , ento todas as funes
amostrais so absolutamente integrveis (exceto por um conjunto de

medida nula) e
E x( w, t )dt = E ( x( w, t ) )dt .
b
a
b
a
Muitas vezes a integral de um processo ponderada por uma

b
a
funo de peso h(t), i.e. y ( w) := h(t ).x( w, t )dt ou mais resumidamente,

b
a
y := h(t ).x(t )dt .
Em particular, a mdia no tempo de um processo estocstico

uma varivel desse tipo:
< x(t ) >
:=
1 T
T x(t )dt , se o limite existe.
T 2T
lim
241
Sries para Processos Estocsticos Peridicos

Suponha que Xt=Xt+T p.s. (p.s. igualdade quase certa, com
probabilidade 1).
Definio. Um processo estocstico, estacionrio no sentido amplo, com

funes amostrais {x(t)}, dito ser peridico de perodo T se sua funo
de autocorrelao peridica de perodo T, RX()=RX(+T)
As variveis aleatrias xt e xt+T tm a mesma distribuio para
qualquer valor de t. Por convenincia e sem perda de generalidade,
suponha que E{x(t)}=0. As funes amostrais podem ser desenvolvidas
em srie de Fourier:
x (t ) =
x n e jnw0t ,
l.i.m.
N
n = N
w0 :=
2
1 T
, em que x n = x(t )e jnw0t dt
T
T 0
uma varivel aleatria.
Propriedade. Os coeficientes
correlacionados, i.e.
da
srie
de
Fourier
so
no
E x n x *m = 0 , nm.
Prova.
*
E xn xm
=
T T
1 T T
jnw ( s t )
.E x (t ) x * ( s )e jnw0t e jmw0 s dsdt =
dsdt
R (t s )e 0
0 0
T
T2 0 0
2
Como R() peridica, ela pode ser desenvolvida em srie de Fourier,

R( ) =
rn e jnw0
n =
Ento,
E xn xm* =
1 T T
r e j ( m k ) w0 s e j ( k n ) w0 t dsdt =
2 0 0 k
T
k =
T
T
1
r e jw0 ( m k ) s ds e jw0 ( k n ) t dt
2 k 0
0
T k =
e finalmente, em termos do smbolo de Kronecker,
E x n x *m =
242
rk m,k k ,n = rn n,m .
k =
A energia mdia do processo pode ser calculada num intervalo T.
T
E | x (t ) | 2 dt = E x n e jnw0t x *m e jmw0t dt = E | x n | 2 T = T rn
0
0 n
m
n =
n=
A mdia , portanto, calculada atravs da relao:

m x = lim
T
1 T
E | x(t ) | 2 dt = rn
T 0
n = .
Da mesma forma que se demonstrou, na anlise de sinais

determinsticos (seo 1.11), que a funo de autocorrelao (temporal)
de um sinal est relacionada com sua densidade espectral de potncia via
transformada de Fourier, i.e. x ( ) S x ( w) , uma verso equivalente
pode ser estabelecida para sinais estocsticos estacionrios.
Mostra-se [MOR 1979], [MOR 1997] que
RELAES DE WIENER-KINCHINE. Teorema de Wiener

Khinchin. Para um processo estocstico estacionrio, vale:
+
S x ( ) = rx (k )e jk
k =
e em que Sx() a densidade espectral de

em que rx ( k ) = E x n x
potncia do processo de tempo discreto {x[n]}. Esta densidade espectral
de uma seqncia aleatria discreta peridica no domnio freqencial.

*
n+ k
NB. Freqentemente, adota-se a notao rxx (k ) ao invs de rx (k ) , e

Sxx() para Sx(), no intuito de explicitar que se trata de uma
autocorrelao, contrapondo-se a notao rxy para correlao entre
variveis aleatrias x e y. Assim, rxx (k ) Sxx().
As mdias agora no so tomadas no tempo, mas sim como
mdias estatsticas (Valor esperado). Portanto, exigir estacionaridade no
sentido amplo para um processo estocstico garantir que o processo tem
um espectro e pode ser investigado usando o domnio freqencial.
243
Norbert Wiener (1894-1964) Aleksandr Y. Khinchin (1894-1959)

A Srie de Fourier Estocstica
Uma srie trigonomtrica de Fourier pode ser obtida para um
processo estocstico num intervalo arbitrrio a<t<b. Suponha um
processo estacionrio no sentido amplo, sem periodicidade.
x (t ) =
l.i.m.
N
x n e jnw0t ,
n = N
w0 :=
1 b
2
, em que x n =
x(t )e jnw0t dt
b a a
ba
uma varivel aleatria.

Entretanto, diferentemente do caso de processos aleatrios peridicos, os
coeficientes xn so correlacionados para T=b-a finito. Pode ser
demonstrado [DAVE&ROOT 1959] que
*
l.i.m. TE x n x m
=0
.
T
Numa representao trigonomtrica, com w0 :=
2
, tem-se que
ba
+
+
x
x(t ) c 0 + x cn cos nw0 t + x sn sennw0 t , em que os coeficientes
2
n =1
n =1
2 b
x(t ) cos nw0 tdt e
b a a
2 b
x sn = 2m( x n ) =
x(t ) sennw0 tdt
b a a
x cn = 2e( x n ) =
so variveis aleatrias. Tambm pode ser demonstrado [DAVE&ROOT

1959] que
l.i.m. TE x cn x sm = 0
l.i.m. TE x cn x cm = n,m
; l.i.m. TE x sn x sm = n,m e
.
T
T
244
4.5
AS EXPANSES DE KAHUNEN-LOVE
Sries (generalizadas) estocsticas ortogonais com coeficientes

descorrelacionados foram propostas por Kahunen e Love (tema
trabalhado por Kari Kahunen, sob orientao de Michel Love). Dado
um processo estocstico estacionrio no sentido amplo, o processo pode
ser decomposto em um intervalo arbitrrio (a,b) sob a forma:
x (t ) =
b
n x n n (t ) ,
l.i.m.
N n = N
a t b , com
a n (t ) m (t )dt = n,m
*
E xn xm
= n,m (coeficientes descorrelacionados)
(srie ortogonal)
A funo de autocorrelao R(t,s) do processo pode ser calculada via
( )
R(t , s ) = E x t x *s = E n x n n (t ). k* x k* k* ( s) = | n | 2 n (t ) n* ( s ) ,
k =
n =
n =
a t, s b .
Agora, a seguinte integral:

b
a R(t , s ) k (s)ds = | n |
n
a R(t , s) k (s)ds =| k |
a R(t , s) k (s)ds pode ser avaliada.

b
n (t ) n* ( s) k ( s)ds
a
k (t ) .
Na linguagem de operadores, | k | 2 so autovalores e k (s)

autovetores da transformao integral com ncleo R(t,s).
b
T ( k ) := R(t , s ) k ( s )ds e T ( k ) = k .
a
As funes { k }+
da decomposio ortogonal devem obedecer
equao integral
b
a R(t , s ) (s)ds = (t ) ,
at b.
Suponha que a equao integral obedecida. Mostra-se ento que os

coeficientes da srie estocstica so no correlacionados.
245
O coeficiente de Fourier dado por:

b
n x n = x(t ) n* (t )dt .
a
Ento,
b b
*
= E a x(t ) n* (t )dt a x* ( s ) m ( s )ds = a a R(t , s ) n* (t ) m ( s )dtds =
n m E xn xm
b *
2
2
a n (t ) | m | m (t )dt =| m | n, m .
O teorema da energia no intervalo a t b expresso por:
b
E | x(t ) | 2 dt = E n x n n (t ) k* x k* k* (t ) = E | n | 2 | x n | 2
0
a
k =0
n=0
k =0
ou seja, E b| x(t ) | 2 dt = | n | 2 .
a
k =0
Teorema da Amostragem para Processos Estocsticos

De forma similar descrio apresentada para sinais
determinsticos (Teorema de Shannon-Nyquist-Kotelnikov, seo 1.20),
h verses de teorema da amostragem para processos estocsticos.
Definio. Um processos estocstico x(t), estacionrio no sentido amplo e

com funo de autocorrelao R x ( ) S x ( w) , dito ser banda limitada
em fm Hz se e somente se sua densidade espectral de potncia verifica
S x ( w) = 0 , | w |> 2f m .
Para um processo deste tipo, a ACF pode ser representada sob a forma
+
R x ( ) = R x (
n =
em que
246
n
)
R x (
2 fm
n
) Sa( wm t n )
2 fm
so amostras da funo de autocorrelao.
Mostra-se que um processo estocstico banda limitada em fm Hz

pode ser descrito por amostras eqiespaadas, colhidas em uma taxa de
2fm amostras por segundo. Para N suficientemente grande
N
x(t ) x N (t ) := x(
n = N
n
) Sa( wm t n )
2 fm
em que x( n ) so amostras regulares do processo e a convergncia se

2 fm
d no sentido que
l.i.m. x N (t ) = x(t )
N
4.6
PROCESSO
BRANCO)
, ou seja,
l.i.m. E x N (t ) x(t ) 2 = 0
.
N
ESTOCSTICO
BRANCO
(RUDO
O processo estocstico (estacionrio pelo menos no sentido

amplo) com densidade espectral constante associado ao rudo branco,
em analogia cor branca (que contm todas as cores com igual
intensidade, em diversos comprimentos de onda). Assim, para um P.E.
branco, tem-se que sua densidade espectral :
S x ( w) = 0 (w),
2
expressa em Watts/Hz, valor usualmente denotado pela letra Aleph ().

Pelo teorema de Wiener-Kinchine, Rx ( ) S x ( w) de modo que
0
( ) 0
2
2
Este apenas um modelo terico (porm extremamente til para

aproximaes e clculos): a potncia Pn de um rudo branco infinita,
pois
Pn =
1
2
S x (w)dw = + .
A funo de autocorrelao (ACF) do processo branco impulsiva,

Rx ( ) =
0
( ) , de forma que qualquer que seja 0, duas amostras x(t)
2
e x(t+) desse processo so descorrelatas, no importando quo prximas

estejam. Isso s possvel (para 0) em um processo de energia
infinita, o qual pode variar abruptamente de um instante a outro.
247
Um processo estocstico (rudo) branco s diz respeito

densidade espectral de potncia e, portanto, o grau de correlao entre
amostras e no acerca de distribuies. possvel se ter um rudo
branco gaussiano, um rudo branco impulsivo etc. (no primeiro, alm de
um processo branco, as distribuies so gaussianas; no segundo, alm
de um processo branco, as distribuies so laplacianas etc.). Um caso
particular e aquele de maior interesse o processo gaussiano branco.
Como a no-correlao equivale independncia no processo gaussiano,
todas as amostras do processo so independentes! Todas as funes
finito-dimensionais so conjuntamente gaussianas, com matriz de
correlao diagonal (variveis independentes).
SRIES DE KAHUNEN-LOVE DE PROCESSO BRANCOS
A decomposio em sries estocsticas de um processo
estocstico branco deveras curiosa. Para um rudo branco,
Rx (t , s ) =
0
(t s) , de modo que a equao integral de Kahunen-Love
2
envolve
b
a R(t , s) (s)ds =
0
2
a (t s) ( s)ds = 2 (t ) .
Ento, em qualquer sistema ortogonal {k (t )} , os coeficientes da srie so
variveis aleatrias no correlacionadas e qualquer decomposio
ortogonal uma decomposio de Kahunen-Love, com autovalor
=
0
. Ademais, em um processo branco Gaussiano, todos os
2
coeficientes
(n) n xn =
de
b
Fourier
x(t )n* (t )dt

a
estocsticos
so
da
variveis
srie
aleatrias
generalizada,
gaussianas
independentes. Este modelo largamente usado em desenvolvimentos

tericos e como modelo de rudo na anlise do efeito de rudo
(processo aleatrio) em sistemas.
Um outro processo muito conveniente o processo aleatrio
branco com limitao em banda passante, o qual apresenta uma densidade
espectral constante apenas numa dada faixa espectral. Como exemplo,
seja o processo estacionrio cuja densidade espectral de potncia
expressa por:
S x ( w) =
248
0
em |w|.
2
0
w
2
2
S x ( w) =
Como
ento a autocorrelao deste
processo vale
Rx ( ) =
0
.Sa( ) .
2
Para determinar uma expanso ortogonal no correlacionada (KahunenLove), o conjunto ortogonal usado deve ser aquele das funes prolate
esferoidais. Desenvolvendo a srie no intervalo |t|<T, a equao integral
que deve ser satisfeita por { (t )}
T
T R(t , s) ( s)ds =
0 T
Sa((t s ) ) ( s )ds = (t ) em |t|<T.
2 T
Ora, as funes prolate-esferoidais obedecem (vide Seo 1.9),

T
Sa ( ( t ) ) ( ) d = 0 ( t ), de modo que
T
0

Sa ( (t s ) ) ( s ) ds = 0 0 (t ) = (t ) .
2
2
O autovalor pode ser calculado em termos do autovalor 0

(normalizado) das funes prolate-esferoidais. A srie obtida tem
coeficientes aleatrios xn no correlacionados.
Sries de Fourier como mecanismo de Gerao de Fractais Aleatrios

Apresenta-se com uma ilustrao adicional, um mtodo simples
para a gerao de uma aproximao de um espectro 1/f para o
Movimento Browniano Fracionrio com 1 = 1 + 2 H 3 . Para a
gerao de um sinal de comprimento N+1, seja o sinal discreto
x[n] :=
2j (n 1)
2j (n 1)
+B j sen
, 0n N ,
N
N
A j cos
j =1
no qual os coeficientes de Fourier so aleatrios, determinados via duas

variveis aleatrias auxiliares:
r j := j / 2 .G
j := 2 .U
249
As amplitudes so controladas por uma v.a. normalizada

gaussiana G e a fase com uma v.a. normalizada uniforme U.
A j := r j cos j
Impondo, 0 j N :
,
B j := r j sen j
ento x[n] corresponde a um processo de movimento Browniano

fracionrio amostrado.
250
Tpicos especiais na anlise de

sinais
CAPTULO 5
5.1
SISTEMA DISCRETOS DE VOLTERRA E SRIES DE

VOLTERRA
As Sries de Volterra constituem uma poderosa ferramenta,

proposta pelo Matemtico Italiano Vito Volterra em 1880, como uma
generalizao de sries de MacLaurin. Anos mais tarde, Nobert Wiener
props o uso destas sries para modelar sistemas no-lineares. Desde
ento, os sistemas de Volterra vm sendo extensivamente usados na
anlise e modelagem de sistemas no-lineares.
Vito Volterra (1860-1940).

Um modelo de filtro linear bastante usado o filtro transversal de
Wiener36, o qual constitui um dispositivo bastante flexvel. composto
por uma linha de retardo com derivaes, as quais sofrem ganhos
ajustveis para gerar a sada. A convenincia destes filtros que os
ganhos (dos taps) so alterados facilmente, modificando a funo de
transferncia implementada. Isto no acontece com filtros constitudos
por elementos localizados. Na verdade, estes foram os antepassados dos
filtros digitais introduzidos em Engenharia Eltrica (possuem topologia
idntica)! Eles constituem um dos modelos mais freqentes para filtros
36 O filtro transversal foi uma idia patenteada em 1931 por N. Wiener e Y.W. Lee do
MIT (Massachusetts Institute of Technology). Nobert Wiener (1894-1964) fantstico

cientista Norte-americano, criador, entre numerosas contribuies relevantes, da
Ciberntica Cincia dedicada ao estudo do controle e comunicao nos animais e
mquinas.
251
lineares variantes no tempo, simplesmente introduzindo coeficientes cis

dependentes do tempo. Esta possibilidade do ajuste dinmico dos
coeficientes foi introduzida por C.E. Shannon em 1950. Em 1964, foi
usada por R.W. Lucky no primeiro equalizador automtico para correo
da disperso de pulsos.
Um exemplo de um filtro transversal com trs derivaes
apresentado a seguir, em que c-1,c0,c1 so os ganhos ajustveis e o
atraso introduzido em cada estgio.
Figura 5.1 Filtro de Wiener com trs derivaes (equivale a FIR 3-taps).
de
Neste caso, a sada y(t) = c-1x(t)+c0x(t-)+c1x(t-2) e a funo

transferncia
implementada
pelo
filtro
H ( w) = (c 1e jw + c0 + c1e jw )e jw .
No caso geral, para um linha constituda de 2M retardos (e

H ( w) = (
c m e jwm ) e jw
m= M
portanto 2M+1 derivaes), tem-se
tem a forma de uma Srie de Fourier com fundamental em 1/.
que
Aps haver proposto o filtro transversal (linha de retardo com

derivaes), Wiener sugeriu modelar a no-linearidade de um sistema
como um modelo linear [GAB&ROB 1987], seguido de uma funo nolinear em cascata (vide figura a seguir).
Figura 5.2 Modelo de Sistema no linear Invariante: Proposta de Wiener.
252
Considere um sistema invariante e no linear, com memria L, de

que a sada yn para uma seqncia de entrada
{K xn3 xn2 xn1 xn } depende somente das L entradas precedentes, isto
, o sistema descrito por um mapeamento no linear S
forma
y n = S ( x n L x n L +1 x n1 x n ) .
Supondo que S suficientemente regular em torno da origem,
Volterra props a representao:
Srie de Volterra.
L
(3)
y n = h ( 0 ) + hi( 1 ) xn i + hij( 2 ) x n i x n j + hijk
x n i x n j x n k + K
i =0
i =0 j =0
i =0 j = 0 k =0

A srie caracterizada pelos "coeficientes" de Volterra:
(3)
h ( 0 ) hi( 1 ) hij( 2 ) hijk
K i,j,k,l,... {0,1,...,L}.
As sries de Volterra podem, portanto, ser interpretadas como um

tipo de "Srie de Taylor com memria". A convergncia em geral lenta
e problemtica e a complexidade no clculo dos coeficientes h(k) cresce
rapidamente com k.
Os sistema contnuos de Volterra so descritos de modo bastante
anlogo. Considerando a representao contnua, tem-se
+
+ +
y( t ) = h0 + h1 ( )x( t )d +
h2 ( 1 , 2 )x( t 1 ) x( t 2 )d d 2 +
1
+
+ + +
h3 ( 1 , 2 , 3 )x( t 1 )x( t 2 )x( t 3 )d 1 d 2 d 3 + K
Exemplo 1.
Considere o sistema no linear obtido pelo cascateamento de um filtro
invariante (LIT) {hn} com uma no-linearidade expressa pela relao de
entrada-sada yn=g(wn); g analtica. (wn corresponde sada do sistema
LIT, vide figura que segue).
253
Figura 5.3 Exemplo de um modelo de sistema no linear.
Em torno da origem, pode-se empregar uma expanso do tipo
g ( w) g l wl . Note que se g(.) um polinmio de grau gr[g(x)]k,

i =0
ento gl=0 l>k. A caracterstica do sistema no linear dada por

y n = g hi x n i , resultando em:
i =0
yn g 0 + g1 hi xn i + g 2 hi h j xn i xn j + K .
i =0
i =0 j =0
Deste modo, os coeficientes de Volterra para este sistema particular so

dados por:
h ( 0 ) = g 0 ; hi
(1 )
= g1hi ; hij
(2)
= g 2 hi h j ; ...
Mesmo sendo extremamente preliminar, este prembulo visa

ilustrar o potencial dos sistemas lineares e dos filtros transversais na
modelagem de sistemas.
5.2
TRANSFORMADAS DISCRETAS DE FOURIER EM

CORPOS FINITOS
Transformadas Digitais (termo cunhado por de Oliveira) tm

aplicaes em contextos tais como codificao de canal, criptografia e
processamento digital de sinais. Duas transformadas de Fourier bem
estabelecidas na literatura so consideradas, a saber, a transformada de
Fourier de tempo discreto (TFTD) e a transformada de Fourier de corpo
finito (TFCF). Novas verses de corpo finito para a TFTD e TFCF foram
254
introduzidas por R. Campello de Souza, H. de Oliveira, Mrcia

Mahon Campello [CAM et al. 1988].
Vide http://en.wikipedia.org/wiki/Trigonometry_in_Galois_fields
Nmeros Complexos em Corpos finitos

O conjunto Ga(p) dos inteiros gaussianos sobre GF(p), definido a
seguir, desempenha um papel importante nas idias abordadas aqui. O
smbolo := denota igual por definio; , e denotam os conjuntos
dos nmeros racionais, reais e complexos, respectivamente.
Definio: Ga(p):={a + jb, a, b GF(p)}, p um primo mpar tal que

j2-1 (mod p) no um resduo quadrtico em GF(p) (i.e., p 3 (mod
4)), o conjunto dos inteiros gaussianos sobre GF(p), doravante
denominados inteiros galoisianos.
Denotando por o produto cartesiano, pode ser mostrado que o conjunto
Ga(p), munido das operaes e , definidas a seguir, um corpo finito
[BLAH 1985], [BUR 1977]. Sejam
: Ga(p) Ga(p) Ga(p)
(a1+jb1, a2+jb2) (a1+jb1) (a2+jb2) =
=(a1+a2)+j(b1+b2),
e
: Ga(p) Ga(p) Ga(p)
(a1+jb1, a2+jb2) (a1+jb1) (a2+jb2) =
= (a1a2 -b1b2) + j(a1b2+a2b1).
Proposio: A estrutura GL(p):= <Ga(p), , > um corpo finito
isomrfico a GF(p2).
Por analogia com os nmeros complexos, os elementos de GF(p)
e de GL(p) so ditos ser reais e complexos, respectivamente.
variste Galois (1811-1832). Teoria dos corpos finitos.

Vide biografia em http://www2.ee.ufpe.br/codec/Galois.html
255
Proposio:
Os
elementos
p +1
2
2
2
| | a + b (mod p) .
=(a+jb)GL(p)
satisfazem
Prova: Tem-se p = ( a + jb) p a p + j pb p (mod p) , uma vez que GL(p)

isomrfico a GF(p2), um campo
de caracterstica p. Desde que p=4k+3,
p a jb (mod p ) = * (mod p)
p
j = j , de modo que
, em que *
denota
o
complexo
conjugado
de
.
Portanto,
2
p + 1 * = a 2 + b 2 (mod p )
.
Definio: O conjunto unimodular de GL(p), denotado por G1, o

conjunto dos elementos =(a+jb)GL(p), que satisfazem a2+b2 1 (mod
p).
Proposio: A estrutura <G1, > um grupo cclico de ordem (p+1).
Prova: G1 fechado com relao multiplicao. Por outro lado, sabe-se
que o conjunto dos elementos no nulos de GF(p2), juntamente com a
operao de multiplicao do corpo, um grupo cclico de ordem (p2-1)
(denotado aqui por G) [LIDL&NIE 1986]. Portanto, G1 um subgrupo
cclico de G e, da proposio 2, tem ordem p+1.
Para determinar os elementos do grupo unimodular, observa-se que, se
= a+jb um tal elemento, ento os elementos do conjunto ={b+ja,
(p-a)+jb, b+j(p-a), a+j(p-b), (p-b)+ja, (p-a)+j(p-b), (p-b)+j(p-a)}
tambm pertencem a G1.
Exemplo 2:
Grupo unimodular de GF(112). A Tabela I.5 lista os elementos do
subgrupo
G1
of
ordem
12,
e
suas
ordens
[http://www2.ee.ufpe.Br/codec/Fftools.html].
TABELA I.5 ELEMENTOS DE G1.

GL(11)
Ordem
256
1
1
-1
2
5+j3, 5+j8 j, -j
3
4
6+j8, 6+j3 8+j6, 8+j5, 3+j6, 3+j5

6
12
5+j8=-6+j8
6+j8
-8+j6=3+j6
8+j6
-1
8-j6=8+j5
3+j5=-8-j6
-6+j3=5+j3
6+j3
-j
Figura 5.4 Razes da unidade em GF(112) expressas como elementos de

GL(11).
A figura 5.4 ilustra as 12 razes da unidade em GF(112). G1

isomrfico a C12, o grupo das rotaes planares de um dodecaedro
regular. O elemento = 8+j6, correspondente a uma rotao anti-horria
de 2/12 =30o, um gerador. Na figura, smbolos de mesma cor indicam
elementos de mesma ordem, os quais ocorrem em pares complexos
conjugados
FORMA POLAR PARA INTEIROS GALOISIANOS
http://en.wikipedia.org/wiki/Trigonometry_in_Galois_fields
Na definio de GL(p), os elementos foram escritos na forma retangular
=(a+jb). Uma outra representao para os elementos do grupo
multiplicativo de GL(p) proposta a seguir, a qual possibilita escrev-los
na forma r. Por analogia ao continuum, essa forma denominada polar.
Proposio: Sejam GA e GB subgrupos, do grupo multiplicativo GC dos

elementos no nulos de GL(p), de ordens, respectivamente, NA=(p-1)/2 e
NB=2(p+1). Ento todos os elementos de GL(p) podem ser escritos na
forma = , em que AGA e BGB.
Prova: Como GC um grupo cclico e ambos, NA e NB, so divisores de
p2-1, ento os subgrupos GA e GB of GL(p) existem e so cclicos. O
produto direto (GAGB) [LIDL&NIE 1986] tem ordem |(GAGB)| =
NANB = p2-1. Portanto, (GAGB) o grupo multiplicativo de GL(p), e
todo elemento de GF(p) pode ser escrito na forma =, GA, GB.
257
Considerando que qualquer elemento de um grupo cclico pode

ser escrito como uma potncia inteira (aqui, sem perda de generalidade,
usa-se a terminologia adequada para grupos multiplicativos) de um
gerador do grupo, possvel fazer = r e = , em que um gerador
de GB. As potncias desse elemento desempenham um papel anlogo
ao de ej sobre o corpo dos complexos. Assim, a representao polar
assume a forma desejada, = r.
No texto apresentado at esse ponto, r representa o mdulo de .
Torna-se necessrio, portanto, definir o conceito de mdulo de um
elemento em um corpo finito. Considerando os elementos de GF(p),
sabe-se que metade deles de resduos quadrticos de p [BUR 1997]. Os
demais elementos, que no possuem raiz quadrada, so os resduos no
quadrticos. De maneira anloga, no corpo dos reais, os elementos so
divididos em positivos e negativos, os quais so, respectivamente,
aqueles que possuem e que no possuem raiz quadrada. A operao usual
de mdulo em sempre produz um resultado positivo. Por analogia, a
operao de mdulo em GF(p), definida a seguir, tal que sempre resulta
em um resduo quadrtico de p.
Definio: O mdulo de um elemento aGF(p), com p=4k+3, dado por

p 1
a, se a 2 1 (mod p )
| a |:=
p 1
a, se a 2 1 (mod p).
Proposio: O mdulo de um elemento de GF(p) um resduo

quadrtico de p (escreve-se |a|RQp).
Prova: Desde que p=4k+3, segue-se (p-1)/2=2k+1, de modo que
(1) ( p 1) / 2 1 (mod p) . Pelo critrio de Euler [BUR 1997], se
a ( p 1) / 2 1 (mod p) , ento a um resduo quadrtico de p; se
a ( p 1) / 2 1 (mod p ) , ento a um resduo no quadrtico de p. Portanto,
( a)( p 1) / 2 ( 1)(1) 1 (mod p) , e segue-se que a um resduo
quadrtico de p.
Definio: O mdulo de um elemento a+jb GL(p), em que p=4k+3,

2
2
dado por | a + jb |:= a + b .
258
Nesta definio, o sinal de mdulo interno necessrio para permitir o

clculo da raiz quadrada da norma quadrtica a2+b2. No continuum, tal
expresso reduz-se norma usual de um nmero complexo.
As definies a seguir introduzem os grupos cclicos dos mdulos e
das fases de GL(p), estabelecendo uma terminologia mais apropriada
para se lidar com a representao polar.
Definio: O grupo dos mdulos de GL(p), denotado por Gr, o

subgrupo de ordem (p-1)/2 de GL(p).
Definio: O grupo das fases de GL(p), denotado por G o subgrupo de
ordem 2(p+1) de GL(p).
Proposio: Se = a+jb = r, em que rGr e G, ento r=||.
Prova: Os elementos de Gr tem ordens que dividem (p-1)/2. Assim, se
rGr, ento r ( p 1) / 2 1 (mod p) , e |r|=r. Alm disso, os elementos do
grupo G tem ordens que dividem 2(p+1) e, portanto, da proposio 2,
so aqueles a+jb que satisfazem 2 ( p +1) ( a 2 + b 2 ) 2 1 (mod p ) , ou
seja, a2+b21 (mod p). Portanto, pela definio de unimodular, tais
elementos tem mdulo igual a 1, ou seja, ||=|r|=|r|||=r1=r.
Das definies anteriores pode ser observado que a representao
polar introduzida consistente com a forma polar usual empregada para
representar nmeros complexos. O mdulo pertence GF(p) (o mdulo
real) e um resduo quadrtico (um nmero positivo), e a componente
exponencial tem mdulo unitrio e pertence GL(p) (ej tem mdulo
unitrio e pertence ao corpo dos complexos).
SRIES INFINITAS SOBRE CORPOS FINITOS
Dada uma seqncia de inteiros {x[n]} , possvel gerar uma
seqncia sobre GF(p) simplesmente considerando {x[n] (mod p)} . Em
geral, x[n] pode ser uma seqncia de nmeros racionais, pois qualquer
elemento r/s pode ser mapeado sobre GF(p), assumindo valores [r
(mod p)].[s (mod p)]-1. Nesse trabalho so consideradas seqncias
finitas, e infinitas peridicas sobre um corpo finito.
Definio: Uma seqncia infinita de elementos de GF(p) dita ser

peridica de perodo P, se satisfaz x[n] = x[n(mod P)].
259
Definio: Uma seqncia x[n] infinita, de elementos de GF(p), que

nula para n<N1< (n>N2>-) e satisfaz a condio da definio
anterior, dita ser peridica direita (respectivamente, peridica
esquerda).
Sejam, por exemplo, as seguintes seqncias de elementos de GF(7):
Exemplo 3:
Seja {x[n]} , x[n]GF(p), e.g.,
i) {3 n }n =0 (em GF(7)) = {1 3 2 6 4 5 1 3 2 6 4 5 ...} (P=6).
ii) {1n }n=0 (em GF(5)) = {1 1 1 1 1 1 1 1 1 1 1 1 ...} (P=1).
iii) {x[n]} (em GF(3)) = {...0 0 0 1 1 1 2 2 2 0 0 0 ...}(P=9).
possvel definir uma Transformada de Fourier de Tempo Discreto para
essas seqncias, por X ( ) :=
x[n]
, GL(p)? Essa srie
n =
convergente? um fato bem conhecido que a srie infinita
(1)
n +1
=1-1+1 -1 +1 ... diverge no sentido clssico. Entretanto, Euler
n =1
e outros observaram que a mdia aritmtica das somas parciais converge

para 1/2. As somas parciais dessa srie so S1=1, S2=0, S3=1, S4=0 ... e a
n
mdia aritmtica n := 1 Sk forma uma seqncia (n) que converge
n k =1
para 1/2 . Quando uma srie converge no sentido de que a mdia

aritmtica das somas parciais converge, a mesma dita ser Cesrosomvel (Ernesto Cesro (1859-1906)) [FIGU 1977]. Toda srie
convergente no sentido usual Cesro-somvel e sua soma igual ao
limite da seqncia de mdias aritmticas das somas parciais. Isto
significa que o conceito de Cesro somabilidade til, uma vez que pode
tornar sries divergentes, somveis. Um novo critrio de convergncia,
adequado para sries sobre corpos finitos, derivado da somabilidde
Cesro, introduzido a seguir. Dado {x[n]}1 , as somas parciais S[n] so
n
definidas por : S[n] := x[k ] .

k =1
Definion : A soma Cesro sobre um corpo finito definida por

1
n :=
n
260
S[k ] , em que S[k]GF(p) so interpretados como inteiros.

k =1
Se { x[ n]}1 uma seqncia peridica sobre GF(p), ento a seqncia

{S[n]}1 tambm o . Denotando por P o perodo dessa ltima seqncia,
tem-se
lim
n
lim
S [ k ] =
n
k =1
1 n / P . P 1
+
S
[
k
]
S [k ]
n
n
k =1
k = n +1 n ( mod P )
O segundo termo, que existe apenas se P no divide n, nulo

lim n / P 1 , de modo que
e lim n = lim n / P P S[k ] . Mas
=
n
lim
n
k =1
1
S [k ] =
k =1
P
n
S [k ]
e assim
k =1
lim n
1
(mod p )
P (mod p )
n
S[k ] (mod p)
k =1
O ponto a observar aqui que primeiro toma-se o limite n , e ento

se avalia o resultado reduzindo-o mdulo p.
Definio: Uma srie sobre um corpo finito dita ser Cesro

convergente a , se e s se
lim n
(mod p) GF(p).
:=
n
Corolrio: Toda srie peridica sobre um corpo finito, com perodo P0

(mod p), Cesro convergente.
Exemplo 4:
Considerando a seqncia {3 n }n =0 do exemplo 2, tem-se {S[k]}= {1 4 6 5
2 0 1 4 6 5 2 0 1 4 ...}, P=6 (mod 7).
Portanto,
srie
converge,
1
= (1 + 4 + 6 + 5 + 2 + 0 ) 3 (mod 7 ) .
6
no
sentido
Cesro,
para
A Transformada de Fourier de Tempo Discreto de uma Seqncia

em GF(p)
As transformadas consideradas aqui lidam com seqncias x[n],-<n<,
definidas sobre o corpo finito GF(p), as quais so obtidas das seqncias
bsicas [n], u[n], Aan.:
i) O impulso de corpo finito em GF(p) (impulso de Galois), denotado por
[n], a seqncia x[n] definida por
1, n 0 (mod 2( p + 1)) .
x[ n] = [ n] :=
0, caso contrrio.
261
Analogamente ao que acontece com seqncias reais, uma seqncia x[n]

definida em um corpo finito pode ser expressa como uma soma de
impulsos de Galois deslocados e escalonados.
ii) O degrau unitrio de corpo finito dado por:
1 , se n 0
.
x[ n] = u[n] :=
0, caso contrrio.
iii) A seqncia exponencial de corpo finito x[n]=A(a)n, A e aGF(p).

Essa seqncia peridica com perodo P, o qual a ordem
multiplicativa de a (mod p).
Definio: A Transformada de Fourier de tempo discreto (TFTD) de

uma seqncia x[n] sobre GF(p) a funo, definida em GL(p), dada por
X ( ) :=
x[n]
n =
em que G tem ordem multiplicativa 2(p+1).

Na srie infinita da definio anterior, a convergncia
considerada no sentido Cesro.
Exemplo 5:
Seqncia exponencial direita sobre GF(p). Seja x[n]=anu[n], aGF(p).
Nesse caso, desde que x[n] no nulo apenas para n 0, ento
X ( ) :=
a u[n]
n =
( a
n=0
) .
Computando as somas parciais:

S1 = 1
S2 = 1 + a -
S3 = 1 + a - + (a -)2
...............................................................
SN-1 = 1 + a - + (a -)2+(a -)3+............+(a -)N-2
SN = 1 + a -+ (a -)2+(a -)+..........+(a -)N-2 +(a -)N-1.
Denotando por N a ordem multiplicativa de (a -), o perodo da
seqncia S[k] exatamente N. Portanto, possvel escrever
( a ) N 1 1 N 1
1 N 1
i ( a ) i .
N = ( N i)(a ) i que igual a N =
a 1
N i =0
N i =0
262
Desde que (a -) tem ordem multiplicativa N, N =
N 1
o mesmo que N =
N 1
N
i=0
d
d
(a i ( ) i ) , ou N =
N
ia
N 1
d
d
i ( i 1)
, que
i =0
(a
) ) . Uma
i =0
manipulao simples mostra que a ltima expresso igual

a N = 1 , que a TFTDCF X ( ) .
1 a
A TFTDCF Inversa
Lema:
2 ( p +1) 1
= 0
Se
tem
ordem
multiplicativa
2(p+1),
ento
2( p + 1), se k 0 (mod 2( p + 1)) .

k =
0, caso contrrio
Prova: Para k 0 (mod 2(p+1)), a soma claramente igual a 2(p+1).

2 ( p +1) 1
Caso contrrio,
k =
= 0
1 k 2 ( p +1)
e o resultado segue.
1 k
Teorema: (A frmula de inverso) A transformada de Fourier de tempo

discreto de corpo finito inversa dada por
2 ( p +1) 1
x[n] =
Prova: Por definio X ( ) :=
1
2 ( p +1)
X ( )
=0
x[k ]
. Multiplicando ambos os lados
k =
por n e somando em , obtm-se

2 ( p +1) 1
X ( ) n =
2 ( p +1) 1
=0
x[k ]
(
=0
)n .
k =
Mudando a ordem dos somatrios,

o lado direito (LD) da expresso
2 ( p +1) 1
acima se torna LD =
x[k ](
k =
=0
(nk )
) . Mas, do lema anterior, o
somatrio interno no nulo apenas

que LD = 2( p + 1) x[n] e o resultado segue.
para
k =n,
de
modo
interessante observar que, embora a TFTDCF direta envolva

um somatrio infinito, de modo a ser capaz de lidar com seqncias
263
infinitas, sua inversa requer apenas uma soma finita sobre o grupo das
fases G. A transformada de Fourier de tempo discreto de corpo finito
introduzida nesse trabalho satisfaz a maioria das propriedades da TFTD
usual definida sobre os nmeros complexos, tais como linearidade,
deslocamento no tempo, escalonamento e assim por diante.
Exemplo 6:
A TFTDCF inversa do espectro plano X ( ) = 1 x[n] =
1
2 ( p +1)
e, do lema anterior, segue-se x[n] = [n] , como esperado.
2 ( p +1) 1
n
=0
Redefinindo a Transformada de Fourier de Corpo Finito

Sendo de fundamental importncia em Processamento de Sinais,
bem como na anlise de Sistemas de Comunicaes, a transformada
discreta de Fourier (TDF) uma ferramenta constantemente utilizada em
Engenharia Eltrica. Suas aplicaes se destacam, por exemplo, no
clculo eficiente de convolues, na obteno da resposta em freqncia
de sistemas, na anlise espectral de sinais, entre diversas outras. De uma
maneira geral, a TDF de uma seqncia v = (vi) E, a seqncia V =
(Vk) F de elementos
N -1
Vk := viW ik ,
i=0
em que i,k = 0, 1, ..., N-1 e W uma raiz N-sima da unidade em F.

Se E o corpo dos reais (ou dos complexos ) e F= ento, W = e-j2/N
e tem-se a TDF usual (ou DFT Discrete Fourier Transform). Se
E=GF(p) e F=GF(pm), com m>1, ento W= um elemento de ordem N
de GF(pm). Neste caso, tem-se a transformada de Fourier de corpo finito
(TFCF). Se E=F=GF(p) (ou seja, m=1), a TFCF chamada de
transformada numrica (TN). Essas transformadas apresentam aspectos
atraentes, tais como baixa complexidade computacional e simplicidade de
implementao. Em qualquer caso, a definio da TFCF com um ncleo
W=GF(pm), a torna uma transformada real, no sentido da proposio
1. Portanto, uma definio da TFCF anloga TDF, deve usar um ncleo
complexo. Nesse caso tem-se no apenas uma definio mais apropriada
para a TFCF, mas tambm uma transformada com maior flexibilidade em
relao escolha de seu comprimento N, como mostrado a seguir.
264
Definio: Seja f=(f0 , f1 , ... , fN-1) um vetor de comprimento N e

componentes em GF(q), em que q=pr. O vetor F=(F0 , F1 , ... , FN-1), com
componentes em GL(qm) dadas por
N 1
Fk := f i
ki
i =0
em que um elemento de ordem N em GL(qm), a Transformada

Discreta de Fourier em um Corpo Finito (TDFCF) de f.
A TDFCF apresenta as mesmas propriedades que a TFCF introduzida
por J. Pollard [POLL 1971]. De fato essa ltima passa a ser um caso
particular quando = a + jb tal que b = 0.
Proposio: A transformada discreta de Fourier de corpo finito tem

comprimentos N que so divisores de q2m-1.
Prova: A transformada tem comprimento N, dado pela ordem do
elemento GL(qm). Como |GL(qm)| = q2m-1, o resultado segue.
Observe que, como q2m-1=(qm-1)(qm+1), alm dos comprimentos
divisores de qm-1, obtidos na transformada de Pollard, novos
comprimentos divisores de qm+1 so agora possveis. Esta nova
formulao para a transformada de Fourier de corpo finito pode ser
considerada mais adequada, por conter um ncleo complexo.
Adicionalmente, a nova definio permite uma maior flexibilidade na
escolha de comprimentos para a transformada. Definidas sobre um corpo
finito, as transformadas discretas passam a constituir verdadeiras
Transformadas Digitais. Em particular, estas transformadas tm
aplicao em sistemas de comunicaes com acesso mltiplo [deO et al.
1999].
Por Hlio Magalhes de Oliveira, Docteur
URL: http://www2.ufpe.br/codec/deOliveira.html
265
266
Apndice
APNDICE A
UMA SINOPSE SOBRE A TEORIA DAS DISTRIBUIES
Visando exclusivamente ilustrar o formalismo envolvido na

teoria de L. Schwarz, esse apndice delineia um brevssimo sumrio de
alguns conceitos e propriedades corriqueiras da teoria das distribuies.
Definio (Espao C). O espao de sinais complexos f: C

infinitamente diferenciveis denotado C, i.e. o espao vetorial tal que
f C (n ) f(n) C.
Definio (Suporte de um sinal). O suporte de um sinal complexo
f: C, supp f, o fecho do conjunto t | f(t)0. Formalmente,
supp f := {t R|f(t) 0} .
O conjunto de interesse para a definio das distribuies o
conjunto D.
Definio (Espao D). Seja D o espao vetorial de sinais complexos

: C infinitamente derivvel C de suporte limitado.
Corolrio. Todo sinal D admite srie de Taylor convergente em todo
o suporte, i.e.
+ ( n ) (t )
0
t0 Supp ,
(t t 0 ) n convergente.
n=0
n!
ESPAO VETORIAL D.
D um espao vetorial sobre os complexos, com dimenso infinita.
Convergncia no espao D.
Uma seqncia { n }+
n = 0 , nD, converge para um sinal D se e s se:
i)
, compacto| Supp n (n )
ii) A seqncia de k-simas derivadas

uniformemente para (k).
{ }
( k ) +
n k =0
converge
267
Proposio. Se 1D e 2 C, ento 1 .2 D.
Distribuies.
Uma distribuio um funcional linear contnuo sobre D, definido por
uma regra de atribuio
T :DC
.
a T ( )
Usualmente T ( ) =< , T > definido via um produto interno,

sendo portanto um operador linear.
Linearidade das distribuies.

c1, c2 ; 1, 2 , tem-se T(c1 1+ c2 2)= c1 T(1)+ c2 T(2).
Notao: Seja D o espao de todas as distribuies.
Propriedade.
+
Se { n }+
n = 0 , nD converge para D, ento {< n , T >}n =0 converge
para < , T > .
lim < n , T >=< , T >
D

.
Denota-se: Se n
n
Definio: Distribuio de Dirac.

+
D, < , >= (t ) (t ) dt := (0) .
A distribuio de Dirac deslocada a um ponto t0 definida por

+
D, < , (t0 ) >:= (t ) (t0 ) (t )dt := (t 0 ) .
Distribuies Tf.
So distribuies geradas (associadas) a sinais fL1( ).
Se fL1( ), ento f define uma distribuio Tf dada por:
+
D, < , T f >:= (t ) f * (t )dt .
Teorema. Dois sinais f e g definem a mesma distribuio se e s se

f = p. p g , isto , Tf = Tg f = p. p g .
268
Apndice
Outra distribuio extremamente importante :
Distribuio Valor principal de Cauchy (VPC).

1
lim
|t|> (t ) t dt = v. p. + (t ) dt .
t
0
1
t
D, < , vp >:=
1
t
Denota-se por vp .
Proposio.
A distribuio vpc est bem definida e o limite existe D.
Prova.
Dado D, seja supp [-L,L]. Ento
(t )
L (t )
1
dt +
dt .
(t ) dt =
|t |>
Da segue que
(0)
(t ) (0)
|t|> (t ) t dt = L
dt +
L (t ) (0)
dt , pois
L dt
dt '
dt
= (0)
= (0)
.
L t'
t
t
O intervalo de integrao suprimido na reta real corresponde a

(t ) (0)
dt , no qual, para 0, a integral tende a zero uma vez que
t 0
lim (t ) (0) = ' (0)
+ L (t ) (0)
1
. Ento < , vp >=
dt .
t
L
t 0
t
t
Caracterizao de Distribuies (Condies de necessidade e

suficincia).
Mostra-se que para T seja uma distribuio necessrio e suficiente que:
compacto, M (constante positiva) e um inteiro n tal que
D |<,T>| M. P,n().
(N.B. M e n podem depender de , mas no de ).
Derivadas de distribuies Tf podem ser definidas, levando a uma
maneira formal de calcular derivadas de distribuies.
Derivadas de Distribuies.
Se fC tal que Tf distribuio, a distribuio derivada (Tf) pode ser
calculada em termos de Tf pondo
D < , T f' >= < ' , T f > .
269
Digresso. Em guisa de definio.

Uma maneira natural de associar a noo de derivada a uma
distribuio pondo <,(Tf)> = <,(Tf)>. Segue-se da que D
< , T f' >=
(t ) f ' (t )dt .
Integrando por partes colocando u= e v=f(t)dt
+
' (t ) f
< , T f' >= (t ) f (t )
(t )dt e portanto < , T f' >=
' (t ) f (t )dt .
Isso sugere definir, de um modo mais geral, < , T ' >=< ' , T > .
Derivadas de ordem mais alta (ordem n).

Aplicando recorrncia, a k-sima derivada (k>0) de TD, denotada T(k),
dada por:
D < , T ( k ) >= (1) k < ( k ) , T > .
Corolrio.
Toda distribuio infinitamente derivvel.
(Estude o Doublet e outras derivadas envolvendo a Distribuio de
Dirac).
Caso de sinais descontnuos.
Seja f:
C, classe C1 (derivvel) nos intervalos abertos (--,t0) e
(t0,+), com descontinuidade de primeira ordem em t0. Os limites a
direita e a esquerda existem e so distintos:
lim f (t )
f (t 0 + ) = t
t
0
t > t0
lim f (t )
f (t 0 ) = t
t
0
t < t0
A salto na descontinuidade (saltus) dado por ( f , t 0 ) := f (t 0 +) f (t 0 ) .
Dado D, seja supp [-L,L]. Calculando-se a derivada da

distribuio Tf:
t
t0
< , T f' >= < ' , T f >= 0 ' (t ) f (t )dt ' (t ) f (t )dt . Integrando-se por
partes, obtm-se
< ,T
'
f
>= ( t 0 ) [ f ( t 0 + ) f ( t 0 ) ] +
< , T f' >= ( t 0 ) ( f , t 0 ) + < , T f ' > .
270
L ( t ) f ' ( t ) dt
ou
Apndice
Portanto, (T f )' = T f ' + ( f , t 0 ). (t0 ) .
Multiplicao de distribuies.
Em geral, no se pode multiplicar duas distribuies. Mas se TD e
fC, ento o produto f.T est bem definido e D <,f.T>=<f.,T>.
Translao e homotetia.
Translao. Se f:
(t0)
C localmente integrvel e D, ento
f (t t 0 ) (t )dt = f (t ) (t + t 0 )dt .
Considere o funcional
t0 :
DD
a (. + t 0 )
, t0 D.
A translao de uma distribuio TD, t0 T , definida por

< , t0 T >=< t0 , T > .
Homotetia. Seja Se f:
( -{0})
C localmente integrvel e D,
t
dt
f (t ) (t )dt = f (t ) ( ) | | .
Sendo a homotetia f(t):=f(t), ento a distribuio T para cada TD

definida por < , T >=
1
< 1 / , T > .
| |
Exerccio. Mostre que a distribuio =

Sendo f:
1
| |
para 0.
C, a homotetia f-1 define f-1(t)=f(-t).
Definio (Paridade de Distribuies). Distribuies pares e mpares.

i) Uma distribuio TD dita ser par se
D T-1=T.
ii) Uma distribuio TD dita ser mpar se
D T-1=-T.
Definio. Seja um conjunto aberto. Diz-se que a distribuio T
nula em
se e s se D < ,T>=0.
271
Exerccio. nula em
-{0}, pois se supp()
-{0}, <,>=0.
Se uma distribuio T nula em conjuntos abertos i de uma
famlia de conjuntos abertos { i }iI em que I um conjunto de ndices,

ento ela tambm nula na unio desses abertos, i.e., T nula em
U i .
iI
Como a unio arbitrria de abertos um conjunto aberto, ento o

complementar desse conjunto um conjunto fechado.
Definio (Suporte de uma Distribuio). O suporte de uma

distribuio T, denotado supp T, o menor conjunto fechado no qual T
no nula.
1
t
Exemplos. Supp (t0 ) ={t0}; Supp v. p. = .

Distribuies de suporte compacto.
Seja T uma distribuio cujo suporte limitado, portanto compacto.
Pode-se mostrar que T pode ser prolongada ao espao D:=C( ). O
conjunto das distribuies de suporte compacto denotado por D.
Topologia em D. Uma seqncia de sinais { n }+
n =1 , nD converge para
D se
, compacto; k>0, inteiro, tem-se n( k ) ( k ) uniformemente
sobre .
Teorema. O conjunto D das distribuies de suporte compacto
idntico ao conjunto das formas lineares sobre D.
Espao C.
Um sinal f: C pertence ao espao C se e somente se:
i) C.
ii) k>0, h0 inteiros, (t) t k ( h) (t ) < + .
Se C ento k>0, h0 inteiros, uma constante Mk,h >0 tal que
t , tem-se t k ( h) (t ) M k ,h .
272
Apndice
Assim, em C, a funo e todas suas derivadas decrescem,

uma vez que so dominadas por 1/t.
C chamado de espao vetorial das funes infinitamente

derivveis e de decrescimento rpido.
As seguintes relaes de incluso so vlidas: D C D.
Espao vetorial C
i) Se 1, 2 C, c1,c2 c11+ c22 C.
ii) Seja C, P um polinmio e Q uma funo racional sem plos
sobre , ento PC e QC.
Normas em C
|| || n :=
Se C ento n0 define-se
Por exemplo:
|| || 0 := {Sup (t ) }
t
Max
{Sup t
k
(h)
(t )
k + h n t
}.
|| ||1 := Max {|| || 0 , Sup ' (t ) , Sup | t (t )}

tR
tR
As aplicaes ||.||n:DD, a|| || n so normas e a topologia

sobre C definida por esse conjunto de normas.
Espao mtrico C
Definindo a seguinte mtrica d: CC
1,2 C d (1 , 2 ) :=
n=0 2
n (1 2 ) , em que ( ) :=
|| || n
.
1+ || || n
A srie convergente e a mtrica acima invariante translao.

Pode ser mostrado ento que:
Teorema (espao mtrico).

O espao vetorial C munido da distncia d constitui um espao mtrico
completo.
Definio (Distribuies Suaves).
Uma distribuio T suave uma forma linear contnua sobre C.
273
O conjunto das distribuies suaves denotado por C.

As distribuies de Dirac, doublet e valor principal so suaves:
1
t
(t0 ) C; ' (t0 ) C ; v. p. C.
Distribuies suaves Tf. (suficincia).

Se f: C localmente integrvel e existe um inteiro p0 tal que
+
| f (t ) |
1+ | t | p
dt < + , ento a distribuio TfC.
Distribuies suaves (necessidade e suficincia).

Uma forma linear T definida em C uma distribuio suave (TC) se e
somente se
A>0, A , p0, p | (D) |<,T>| A||||p.
Convoluo entre Distribuies.
Define-se a convoluo entre duas distribuies a partir de distribuies
Tf de modo que a definio seja compatvel com a definio clssica, i.e.
impondo
Tf * Tg:= Tf*g.
Sendo f,g L1( ), segue-se pelo teorema de Fubini que
< , T f *g >= 2 f (u ) g (v) (u + v)dudv.
Assim,
+
< , T f *g >:=
+
g (v) < (v + .), T f
f (u ) < (u + .), T g > du =
> dv .
Isto conduz seguinte definio:
Definio (convoluo).
Sejam S,T D. O produto de convoluo S*T, quando existe, a
distribuio dada por
<, S*T> := <<(u+v),Tv>,Su>.
N.B. Esta definio muitas vezes no tem sentido (vide detalhes
nas referncias).
Segundo esse formalismo, a Transformada de Fourier pode ser
encarada como uma distribuio:
+
D, < , >= (t )e jwt dt ,
274
Apndice
da porque os resultados de espectros podem ser generalizados para

incluir distribuies tais como deltas de Dirac, doublets, etc.
As transformadas contnuas de wavelets tambm podem ser
interpretadas com distribuies. Sendo (t) uma wavelet-me, ento:
+
D, < , CWT >= (t ) (t )dt .
As relaes de homotetia e translao da distribuio

correspondem ao escalonamento e deslocamento usuais em wavelets.
+
i) < , b >= (t ) (t b)dt .

+
ii) a0 < , a >= (t )
1
t
( )dt .
|a| a
Portanto, no caso geral, a transformada de wavelet corresponde

distribuio:
+
< , b a >= (t )
1
t b
(
)dt .
a
|a|
REFERNCIAS.
[BAY&MAR 1988] Bayen, F., Margaria, C., Problmes de
Mathmatiques Apliques, Distributions, Analyse de Fourier,
Transformation de Laplace, Edition Marketing, 1988.
[ANT et al. 1973] Antosik, P., Mikusinski, J., Sikorski, R., Theory of
Distributions: The Sequential Approach, Polish Scientific Pub., 1973.
[GAS&WIT 2000] G. Gasquet, P. Witomski, Analyse de Fourier et
applications, Paris: Dunod, 2000.
275
276
Apndice
APNDICE B
UMA CONVERSA SOBRE TEORIA DA INTEGRAO
Com o objetivo de incentivar abordagens usando uma teoria mais

potente (como foi feito no estudo de sries ortogonais generalizadas,
distribuies de L. Schwarz, ou na teoria de wavelets), comenta-se a idia
bsica da integrao de Lebesgue, que contm a integral de Riemann
como um caso particular. Muitos dos resultados clssicos envolvendo
integrao podem ser estendidos atravs de uma ferramenta mais potente
do que a integral clssica de Riemann.
Henri Lebesgue (1875-1941).
(, , P )
( ,B,)
Como o extraordinrio conceito de integrao de Lebesgue

(1902) generaliza a integrao clssica, modernamente, a maioria das
abordagens tericas envolvendo integrao tende a adotar este conceito,
aumentando as possibilidades e a riqueza de resultados. A integral de
Lebesgue de funes integrveis Riemann fornece o mesmo resultado.
H, porm, uma enorme variedade de sinais integrveis Lebesgue cuja
integral de Riemann no existe. Uma excelente referncia sobre o assunto
[BART 1966].
A integrao de Lebesgue possibilita integrar sinais numa regio bem
mais sofisticada que um simples intervalo. A noo baseada na Teoria
de Conjuntos.
MEDIDA DE UM CONJUNTO
1. lgebra de Intervalos abertos
Todos os intervalos ou conjuntos gerados a partir de unies e
complementos finitos de intervalos na reta real constituem uma lgebra
de intervalos. Ela adotada na integrao de Riemann.
277
A medida de um intervalo, aberto ou fechado, pode ser definida

pelo seu comprimento (medida no sentido compatvel com uma medida
euclidiana com uma rgua).
Se E:=(a,b) um intervalo, ento sua medida vale m(E):=b-a.
Como a medida de um ponto isolado nula, a medida correspondente a
um intervalo fechado E:=[a,b] tambm corresponde m(E):=b-a.
2. -lgebra de intervalos abertos: A -lgebra de Borel.
Todos os intervalos ou conjuntos gerados a partir de unies e
complementos (finitos ou no) de intervalos na reta real constituem uma
-lgebra de intervalos, a -lgebra de Borel. Ela adotada na integrao
de Lebesgue.
Vide o Conjunto de Cantor (a poeira de Cantor)
H mais conjuntos que no contm nenhum intervalo dentro da
-lgebra de Borel que conjuntos clssicos (Teoria da Categoria de
Baire). Em uma analogia simples, como se os conjuntos derivados da
lgebra de intervalos correspondessem aos nmeros racionais, enquanto
que a -lgebra de Borel inclui numerosos conjuntos estranhos, tal
como o conjunto de Cantor, que podem ser vistos como nmeros
irracionais...
Dado um conjunto E da -lgebra de Borel, de medida (E), definem-se
duas medidas:
a) medida externa
Seja I um conjunto aberto, I E . Ento m( I ) ( E ) .
Define-se a medida mo(E) como a medida externa de E
inf m( I ) := mo ( E ) ( E )
278
Apndice
Figura. Topologia numa medida externa.
b) medida interna
Seja I um conjunto fechado, I E . Ento m( I ) ( E ) .
Define-se a medida mi(E) como a medida interna de E
sup m( I ) := mi ( E ) ( E )
Figura. Topologia numa medida interna.
Se mo(E)=mi(E)=(E) ento o conjunto E dito ser mensurvel e sua

medida vale (E). Pode ser mostrado [RUD 1971] que a medida de
Lebesgue aditiva, i.e., a medida da unio (finita ou no) de conjuntos
disjuntos a soma das medidas de cada um deles.
uma generalizao da medida m de intervalos. Se E=(a,b) , ento
inf m( I ) := mo ( E ) = inf b + (a ) = b a
I:=(a-,b+)E e
;
I
Sup m( I ) := mi ( E ) = sup b (a + ) = b a
I:=[a+,b-]E e
ea
I
medida coincide com a medida clssica para intervalos.
279
Considere a partio do intervalo [0,1] em dois conjuntos

disjuntos (partio de Dirichlet em racionais e irracionais):
DQ := {x | 0 x 1, x }e DI := {x | 0 x 1, x }.
Claro que [0,1] = DQ DI . A medida de Lebesgue de conjunto [0,1]
1, e portanto [0,1] = ( DQ ) + ( DI ) = 1 .
Calculando-se a medida de Lebesgue do conjunto RQ, Racionais no
intervalo (0,1), usa-se o arranjo de Cantor para mostrar que os racionais
so enumerveis.
Fraes p/q com denominador q=1 (1 linha)
Fraes p/q com denominador q=2 (2 linha)
...
Os racionais podem ser arranjados em uma seqncia r1 r2 r3 ...

(postos em correspondncia biunvoca com ).
Assim, dado >0 arbitrrio, considera-se a seqncia de intervalos abertos
{In}DQ
/2 centrado em r1
/22 centrado em r2
...
/2n centrado em rn
...
A medida externa de DQ cotada por
mo ( DQ ) m( I n ) =
n =1
23
+ ... = .
Desde que 0 mi ( DQ) mo ( DQ ) = 0 , segue-se que (DQ)=0.

Como (0,1) = DQ DI (0,1) = (DQ)+(DI)=1, tem-se que
(DI)=1.
Integral de Riemann e medida de Intervalos (lgebra de Intervalos)
f (t )dt em que I = (,+) um intervalo da lgebra acima.
Assim, por exemplo,
280
f (t )dt =
( 0 ,1)
f (t )dt e
+1
f (t )dt = f (t )dt .
Apndice
A integral de Riemann pode ser definida utilizando a medida de um

intervalo. O intervalo [a,b] particionado como { ( xk 1 , xk ) }, em que
a := x0 < x1 < x2 < ... < xn := b .
Para um intervalo aberto ( xk 1 , xk ) , a medida vale:
m( xk 1 , xk ) = xk xk 1 := x .
Interessa o limite n e m( xk 1 , xk ) 0 (partio arbitrariamente
refinada).
Com yk := f ( k ) , o somatrio
s :=
k =1
k =1
yk m( xk 1, xk ) = yk ( xk xk 1 )
representa certa rea que presumivelmente aproxima-se da rea sob a

curva y=f(x). Se s tem um nico limite, independente da partio do
intervalo [a,b], ento este limite chamado de integral de Riemann.
Integral de Lebesgue e medida de Lebesgue (-lgebra de Borel)

Para definir a integral de Lebesgue de f(x), particione o eixo da ordenadas
em { y0 , y1 , y2 ..., yn } , com y0 < y1 < y2 < ... < yn e construa o somatrio
n
:= y k m(ek ) .
k =1
Quando f mensurvel e limitada, a soma admite um nico limite

independente da partio, provido que ela seja substancialmente refinada.
Este limite chamado de integral de Lebesgue.
281
Diferenas entre as duas integrais.

i) o eixo das abscissas particionado na Integral de Riemann.
ii) o eixo das ordenadas particionado na Integral de Lebesgue.
iii) A integral de Riemann s pode ser feita sobre elementos da
lgebra de intervalos abertos. (noo chave: comprimento do
intervalo)
iv) A integral de Lebesgue pode ser calculada sobre qualquer
conjunto da -lgebra de Borel. (noo chave: medida do
conjunto).
v) Os conjuntos {ek} desempenham o papel dos intervalos (xk-1,xk).
vi) A integral de Riemann falha quando f no permanece prximo a
yk na maioria dos intervalos (xk-1,xk) enquanto que a integral de
Lebesgue garante que f(x) automaticamente prximo de yk
dentro dos intervalos ek.
Pode ser mostrado que se a integral de Riemann existe, ento a
integral de Lebesgue tambm existe e assume o mesmo valor. Mas, por
outro lado, h uma enormidade de funes que no so integrves
Riemann, mas que o so Lebesgue.
REFERNCIAS
[BART 1966] R. G. Bartle, Elements of Integration. Wiley, 1966.
[RUD 1971] W. Rudin, Princpios de Anlise Matemtica, Rio de
Janeiro: Ao Livro Tcnico, 1971.
[WEI 2000] A.B. Weinholtz, Integral de Riemann e de Lebesgue em RN,
3 Ed., 2000, Universidade de Lisboa, DM.
282
Anlise de Sinais e Wavelets
UMA CENTENA DE PROBLEMAS PROPOSTOS.

*1 Revise as definies de espao vetorial, produto escalar, produto Hermitiano
e norma.
b
*2 Verificar que <f(t),g(t)> := p(t)f(t)g(t) dt , com p(t)>0 em atb, constitui

a
um produto interno de funes reais. Admitir apenas a classe de funes para as

quais
o
produto
existe.
Mostre
como
conseqncia
que
b
f(t) = p(t) f 2 (t)dt
a
1/ 2
define uma norma.
*3 Que condies devem ser impostas sobre a funo de ponderao p(t) de

modo que
<f(t),g(t)> := p(t)f(t)g * (t) dt

a
defina
um
produto
Hermitiano?
*4 Os polinmios de Tchebyshev de primeira espcie so definidos pelas
relaes:
2
Tn(t)=cos(n arccos t) em |t|1. Assim, T0(t)=1, T1(t)=t, T2(t)=2t -1, T3(t)=4t -3t
etc. Mostrar que {Tn(t)} so ortogonais no intervalo [0,1] com relao funo
de peso p(t) dada por
1
p ( t) =
. Sugesto: Calcular a integral fazendo a mudana de varivel
1- t 2
arccost=.
*5 Utilizando os resultados da questo anterior, demonstre que um sinal f(t)
definido em |t|<1, pode ser desenvolvido em srie ortogonal:
f( t)
c0
T (t) + c1T1(t) + c2T2(t) + .....
2 0
Qual deve ser a escolha dos coeficientes cn? Justifique. Assuma {Tn(t)}completo.
*6 Os polinmios de Hermite, Laguerre e Legendre so encontrados pela
frmula de Rodrigues, respectivamente
2
d n -t 2
H0(t)=1
H n( t ) = ( 1 ) n e t
e
dt n
L0(t)=1
L n( t ) = e t
P0(t)=1
P n( t ) =
dn
dt n
1
t n e -t
dn
2 n n! dt n
(t 2 1 ) n
283
Encontre os trs primeiros polinmios de cada famlia de polinmios.

*7 As propriedades de ortogonalidade so expressas pelas relaes seguintes:
+
e -t H n (t) H m (t) dt = 2 n n! n,m
e -t L n (t) L m (t) dt = (n!) 2 n,m
2
n,m
2n + 1
a) Encontre a expanso em srie de polinmios de Hermite para uma
funo genrica f(t). Quais os coeficientes do desenvolvimento?
+1
Pn (t) Pm (t) dt =
b) Repita o item anterior para polinmios de Laguerre e de Legendre,

especificando os intervalos de validade.
*8 Explique porque a srie de Fourier mais importante que os outros
desenvolvimentos em sries de funes ortogonais.
*9 a) Avalie o erro mdio quadrtico resultante da aproximao da onda
quadrada f(t), por a0 + a1cosw0t + a3cos3w0t, ou seja, at o 3O harmnico.
Desenhe a aproximao.
A
...
...
0 T/43T/4 T
b) possvel, alterando o diagrama do item anterior, obter harmnicos

pares e mpares no desenvolvimento em srie de Fourier de f(t)? Justifique.
*10 Seja f(t) um sinal peridico, t0t<t0+T, derivvel e com derivada
absolutamente
integrvel.
Demonstrar
que
M ( n N ) a n M/n e bn M/n.
Qual o significado deste resultado? Sugesto: Aplique integrao por partes.
*11 A obteno dos coeficientes de Fourier na srie pode ser simplificada se a
funo peridica satisfaz certas condies de simetria. Demonstre a validade das
proposies:
a) Se f(t) par, ento todos os termos em seno da srie so nulos,
b) Se f(t) mpar, ento todos os termos em cosseno da srie so nulos,
c) Se f(t)=-f(tT/2), chamada simetria de meia onda, ento todos os harmnicos
pares anulam-se.
284
d) Qual a condio para a existncia de apenas harmnicos pares? O que se

conclui desta condio?
*12 Obtenha uma srie trigonomtrica que represente f(t) abaixo em [0,/4], de
modo a conter:
a) Termos em seno e cosseno com freqncias w=4,8,12,16,...
b) Somente termos em seno w= 2,6,10,14...
cos
/4
*13 Uma forma de onda peridica exibida apenas em um quarto do perodo, e

deve ser completada de modo que:
a) A funo seja mpar, contendo apenas harmnicos pares,
b) A funo seja par, contendo harmnicos pares e mpares.
+1
2
t
-1
T/4
*14 Desenvolver em srie de Fourier a funo f(t)=t, definida em 0<t<1,
contendo apenas:
a) Harmnicos mpares b) Harmnicos pares
c) Mostre que a srie converge em t=1 tanto no item a como no b.
*15 Desenvolver f(t)=t em 0<t<1 mseg em srie de cossenos contendo apenas
harmnicos mpares com fundamental 500 Hz. (No necessrio obter a srie,
apenas exibir a forma de onda peridica completa).
Sugesto: Observar que o nvel dc no influi no contedo harmnico.
*16 Para o sinal f(t) mostrado abaixo, encontre uma srie de Fourier que o
represente no intervalo (0,1/12), contendo:
a) Termos em seno e cosseno, com freqncias 6,12,18,24,...
b) Apenas termos em seno, com freqncias 3,9,15,21,...
c) idem, com freqncias 3,6,9,12,...
d) Apenas termos em cosseno, com freqncias 1,3,5,7,...
285
f(t)
1
0
1/12 t
*17 Desenvolver em srie trigonomtrica de Fourier f(t)=A sgn(senw0t).

*18 Desenvolver em srie trigonomtrica de Fourier os sinais peridicos f e g
abaixo esboados:
g(t)
f(t)
...
...
t
...
2
Sugesto: retire o nvel dc.
sen 2t , e
2
encontre a respectiva representao em srie trigonomtrica de Fourier.
*19 Esboce o grfico da senoide retificada onda completa f(t)=
*20 Desenvolva em srie trigonomtrica uma senoide retificada em meia onda.

Compare com o resultado da questo anterior.
*21 Determine a expanso em srie trigonomtrica associada s funes "trens":
a) Um trem de impulsos (pente de Dirac)
T (t ) := (t-nT )
...
...
T
t
+
T (t): = (
b) Um trem de pulsos (pente)
T/m
...
...
t
T
286
t nT
)
T/m
*22 Desenvolva na representao trigonomtrica da srie de Fourier, a funo

peridica f(t) = cosh t |t|, com fracionrio.
Sugesto: Obtenha inicialmente a srie na representao exponencial e use a
relao entre os coeficientes Fn, an e bn.
*23 Qual a expanso em srie de Fourier para a funo peridica esboada
abaixo?
3
cos2 10 t
...
...
-10
-6
-2
+2
10
*24 Mostre que a funo peridica f(t)=exp(x coswct) pode ser desenvolvida em
srie trigonomtrica de Fourier. Sugesto: Refira-se s funes de Bessel
modificadas de primeira espcie.
*25 Desenvolver em srie trigonomtrica a funo g(t) cuja definio em um
2
perodo g(t) = t , 0<t<2. Aplicando este resultado, mostre que

2
a) = 1 1 + 1 1 + 1 .....
12
2 2 32 4 2 52
2
b) = 1 + 1 + 1 + 1 + 1 +.....
6
2 2 32 4 2 52
e -t
0 t <1
*26 A funo p(t)=
utilizada para gerar um sinal peridico
0 caso contrrio
expresso por v(t) =
p(t n) u(t n) ,
em que u(t) o degrau unitrio
(Heaviside). Qual a expanso de v(t) em srie trigonomtrica?

e at ( a senbt b cosbt )
Sugestes: Use e at senbt dt =
a 2 + b2
at
cos bt dt =
e at ( a cosbt + b senbt )
.
a 2 + b2
t
, 0<t<T desenvolvida em srie
2T
trigonomtrica. Esboce o espectro discreto associado a esta forma de onda.
*27 A funo peridica f(t)= - ln sen
287
*28 (Outras formas para expandir em sries de Fourier) Encontre o

desenvolvimento em srie trigonomtrica para os seguintes sinais: cos(sent)ecost
e jsen(sent) ecost.
Sugesto: Considere o desenvolvimento em srie de MacLaurin (!) para a
funo complexa ez, com z=ejt. Obtenha as partes real e imaginria do sinal
exp(ejt).
*29 Determine o contedo harmnico da extenso peridica do sinal
e t 0 < t < 1
-|t|
h(t) = sgn(t) e em t<1, i.e., h(t) = t
.
e 1 < t < 0
*30 Desenvolver em srie de Fourier a seguinte funo: f(t)=A sen |t|.
*31 Demonstrar que sempre se pode expressar uma funo f(t) qualquer como a
soma de duas funes componentes, sendo a primeira par e a segunda mpar,
i.e.,f(t) = fe(t) + fo(t).
Encontre as componentes par e mpar para u(t) e e-at u(t).
2
*32 Representar o sinal A sgn( 3 sen(2t/T0)) mediante uma srie de Fourier.

t
*33 Obtenha a srie exponencial para a funo peridica g(t)=e -1, representada
graficamente abaixo.
e-1
...
...
t
1 2 3
*34 Qual a representao da funo peridica abaixo, em srie exponencial?
+1
...
-2 -1
...
2 3
1
-1
-at
*35 O sinal f(t)=e

0t<T, com a>0, encontra-se esboado a seguir,
considerando-o peridico. Determine a srie de Fourier associada a tal sinal.
288
*36 Considere a funo real do tempo, definida por f(t)= sgn(t) e-t, -1<t<1,
peridica com perodo T=2. Esboce f(t) e determine o respectivo
desenvolvimento em srie exponencial de Fourier.
*37 Desenvolva em srie complexa de Fourier o trem de pulsos abaixo, e
empregue o resultado para expandir em srie a funo peridica em escada.
A
...
...
...
...
t
t0
3
2
1
...
...
t
T/32T/3T
*38 Calcular as seguintes convolues:

-a(t-t0)
a) e
u(t)*[(t)-(t-t0)]
b) t [u(t+1)-u(t-1)]*(t/2).
*39 Mostre que (t ) * a n (t nT ), T2, constitui um polgono que passa

-
atravs dos pontos (nT,an). Esboe o resultado para T=2.

*40 Avaliar as expresses abaixo, envolvendo o delta de Dirac:
+
t 2 (t 3 ) dt
a)
e)
( 3t) sen t dt
b) t 2*(t 2 ) c)
f)
(2t-1 ) e t dt
t (t 7 ) d)
g)
ln t * ( t )
( t ) (t 2)dt .
289
*41 Efetuar as convolues abaixo relacionadas, utilizando o mtodo grfico.

a) u(t)*e-t u(t)
b) e-t u(t)*e-3t u(t) c) u(t)*t.u(t)*u(t) d) e-at u(t)*e-bt
a,b>0.
*42 Calcule e esboce o resultado dos produtos de convoluo envolvendo

impulsos:
t-4
a) (t - 3) (
) * [ (t + 5) + (t - 5)]
2
b) ( w w 0 ) * ( w w 1 )
c)
1
*
-1
+1
t
-11 -10
10 11
*43 Avaliar graficamente os seguintes produtos de convoluo, esboando as

respectivas solues:
-2t
t / 2
a) (t/2)*(t/)
b) (
) * e-t c) e u(t)*(t-2)
d) (t/)*(t/)*(t/)
*44 Mostre que a convoluo de duas "portas" de larguras diferentes, (t/1)*
(t/2),
12, resulta num trapzio com base maior 1+2 e base menor 1-2.
1
1
*
. Sugesto: Use o domnio da freqncia.
t
t
*45 Avalie a convoluo
*46 Calcular o produto convolucional f(t)*g(t) quando f e g so peridicas

definidas em um perodo pelas relaes:
A
f(t) =
0
t <1
1< t < 2
*47 a) Avalie a integral

(n)
g(t) = 1-|t|, |t|1.
(g(t)) f(t) dt , sabendo que os zeros de g(t) so t1, t2,
t ...tn e que g (t) existe para cada n. Admita ainda g'(ti)0, i=1,2,3,...n.
3
b) Demonstre que se f tem descontinuidade de primeira ordem na
origem, ento vale o seguinte resultado: + f( ) (t-) d f(t+0 )+f(t- 0 ) .
-
2
290
*48 Um sinal real f(t) de perodo T, tem freqncia mxima fMax=N/T. A energia
mdia de um sinal peridico dada por Eav=
=
n= N
Fn
1
T
T/ 2
T/ 2
f 2 (t) dt. Mostre que Eav
, em que Fn o ensimo coeficiente de Fourier da expanso.
*49 O que possvel concluir com relao a um sinal f cujo espectro de

freqncias :
a) Discreto b) Contnuo c) Contm uma parte discreta e outra contnua.
*50 Aplique a propriedade da transformada da derivada para encontrar a
transformada de Fourier do degrau unitrio. A resposta obtida correta? Por
qu?
*51 Calcular, empregando dois mtodos diferentes em cada item, a transformada
dos sinais porta e tringulo.
*52 Calcule a transformada de Fourier das seguintes funes:
1
-2
a)
b) f(t) = A (t/ ) cos w0 t .
*53 Determine o espectro dos seguintes sinais:

b) Sa(w0(t-t0)).
a) 1/t, t 0.
c)
f
3
3
d) t f(at) u(t-2), se f(t) F(w).
e) (t/) cos w0t.
*54 Aplicando o princpio da superposio, encontrar a transformada do pulso:
2A
A
t
291
*55 Dois sinais fi(t), i=1,2 esto esboados abaixo. Encontre o espectro de
ambos.
10
3
-0,5
1
0,5
*56 Esboce o espectro do seguinte sinal:
Sugesto: Escreva-o em termos de uma funo porta.

*57
Empregando pelo menos dois processos diferentes, determinar a
transformada de Fourier do sinal abaixo:
2
-5
2
0
+5
*58 Calcule o espectro de o sinal triangular apresentado a seguir.
1
-3 -1
*59 Dado que f(t) F(w) , avaliar o espectro das seguintes combinaes de
sinais:
2
a) t f(at)
b) f(a-bt)
c) f(t)*(t-4)
d) f(t) e
jw0t.
*60 Repita a questo anterior para as seguintes composies:

a) t df/dt b) t f(-2t)
c) (t-k) f(t-k)
d) f(t) u(t-1).
*61 Calcule e desenhe o espectro de um tom defasado cos(at-0).
*62 Avaliar o espectro de freqncias de um pulso senoidal com durao 2/5:
Acos20t
/5
292
/5
*63 Esboce o sinal abaixo e mostre o espectro correspondente, t0>>0:

{Sa(t-t0) + Sa(t+t0)} cos w0 t.
Sa2(2t).
*64 Avalie e esboce o espectro de uma senoide iniciando na origem (nula para
valores negativos), i.e., sen wct . u(t). Repita para um tom cos wct . u(t).
*65 Aplicando a definio, calcule a transformada de Fourier de um pulso
.Gaussiano
Sugesto: Uma integral de contorno requerida. (1/2)=.
jw
-R
*66 Determine a transformada de Fourier dos sinais f e g dados por

1
f(t) = (t/2) e
g(t) = t (t/2) .
t
+1
-1
-1
*67 Calcular a transformada da funo f(t) = ln |t|.

Sugesto: Use o teorema da derivao. ln(t).u(t)+ln(-t).u(-t).
*68
Calcule o espectro de um pulso cossenoidal deslocado:

t
1
t
( 1 + cos
)
f(t) = 2
t .
0
Sugesto: Um meio determinar f '(t).
*69 Determine o espectro dos dois sinais descritos pelas expresses analticas:
1
f( t) =
a,b>0
e
g(t)=A Sa2(w0(t-)).
a + b(t - t 0 ) 2
*70 Calcular a anti-transformada de Fourier do sinal
Sugesto: exp(-a |t| )
2a
a 2 + w2
2 2
2
+w
Sa (
w
).
2
293
*71 Empregando a anlise de Fourier, avaliar o espectro dos seguintes sinais:

1 +
1
a)
f(t)= A cos (w0 x + )
dx
tx
V cos 2 ( 10 6 t ), t 0,5s
b)
f(t)=
t > 0,5s.
0
e jt 2
atb
*72 Considere o sinal f(t) =
0 fora deste intervalo.
Determine a transformada de Fourier em termos da integral de Fresnel:
K(x) =
e j / 2 d .
K(x) = C(x)+jS(x), com

x
C(x)=
S(x)=
2
d , Integral Cosseno de Fresnel,
2
sen 2 d , Integral Seno de Fresnel.

2
cos
x
Vide S(x) C(x) CORNU SPIRAL.
2
*73 Calcule a transformada de Fourier do pulso Gaussiano v(t)=Ae-(t/) .
294
*74 Calcular a transformada de Fourier da funo f(t)=|t|

funo fatorial generalizado de Euler (.).
0 e
pt
t dt =
(+1 ) ,
p +1
*75 Encontre o espectro do sinal x(t)=Ae
-1/2
, t0, empregando a
(1 / 2 ) = .
-a|t| Sa(w t).

0
*76 Mostrar que o espectro F(w) de um sinal f(t) genrico pode ser desenvolvido
em srie de Taylor como:
w2
w3
wn , em que mn representa o
F(w) = m0 jm1w m2
+ jm3
+ ... = ( j )n mn
2!
3!
n!
n =0
n-simo momento do sinal, i.e., m n = t n f(t) dt. Sugesto: Utilize a
diferenciao na freqncia.
*77 Avalie a transformada de Fourier do sinal: f(t) =
-1
i
-1
1
1
.
2
t 2t + 2
1
-i
Sugesto: Uma integral de contorno requerida. Use decomposio em fraes

parciais.
*78 Calcular a transformada de Fourier de um sinal Gaussiano modulado:
2
f(t) = A cos w0t e [(t t 0 )/ ] .
*79 Qual o espectro de um pulso de Cauchy z(t) =
1 1
?
1+ t 2
(Integral de
contorno).
*80 Determine a transformada de um sinal trapezoidal.
A
t
-b -a
Sugesto: Use derivada duas vezes.
a b
*81 Avaliar a transformada de Fourier do sinal f(t) abaixo, em termos da funo

1
1
de Bessel de 1a espcie. f(t) =
, t < a.
a2 t2
Sugesto: Faa a mudana de varivel =arccos(t/a).
295
*82 Calcule a transformada de Fourier do sinal trapezoidal abaixo:
t
-4 -3 -2 -1
1 2 3 4
*83 Um sinal corresponde a uma srie de pulsos cossenoidais, como indicado.
Cos 200 t
...
...
-5
-3
-1
+1
+3
+5
*84 Escreva g(t)=exp(-|t|) em termos de f(t)=exp(-t)u(t) e encontre G(w). Da

1
a,b>0.
obtenha tambm a transformada de Fourier
a + bt 2
-at
*85 Para a funo f(t) = Aae te u(t), a>0, determine |F(w)| e (w), e esboce as
curvas correspondentes ao sinal e sua transformada.
*86 O que se pode esperar da transformada do sinal f(t) = e
conta a simetria? Avalie o espectro e confirme o fato.
-|at| sgnt, levando em
*87 Encontre a transformada de um pulso parablico, v(t)=V[1-(t/)2], |t|<.

*88 Avaliar os espectros dos sinais peridicos representados abaixo:
2
...
a)
-2
b)
...
*89 Considere a funo Q(t) =
degrau unitrio.
296
...
0
Sugesto: Expressar
...
10
1
1
2
exp ( / 2 ) d . Calcular {Q(t)}.
f( )d em termos de uma convoluo do integrando e o
*90 A funo 2 (qui quadrado com n graus de liberdade) dada pela expresso:
f(t)=K.t
(n-2)/2 -t/2
e u(t),
n>2. Determine K de modo a normalizar f(t), i.e.,
f ( )d = 1 , e calcule a transformada do sinal normalizado.

Sugesto:
Use
( x) = u
x 1
a
u
funo
Gama
de
Euler
(fatorial
generalizado):
du .
*91 Calcule a Transformada de Fourier da funo cos(t2+ t), , >0 reais.

Sugesto: Complete o quadrado e use a Integral de Fresnel.
Dados: K( ) = (1 + j)/ 2 e C ( ) = S ( ) = 1/2.
*92 Avalie o espectro cos(w0t2). Compare com o resultado da questo anterior.
Sugesto: Use a Integral de Fresnel. K()=(1+j)/2.

*93 A expresso f(t) =
te t
/ 2 2
descreve a chamada curva de Rayleigh.
Esboce f(t) e determine sua transformada de Fourier.

*94 Obtenha a transformada inversa do espectro abaixo:
A
-w
0
w
0
2a
*95
Calcular a transformada inversa de Fourier do seguinte sinal, provido
que 2w1<w0:
F(w)
+1
...
...
w
1
w
0
*96 Avalie a TIF (Transformada Inversa de Fourier) para cada dos espectros:
-jwt0 b) F(w) = sgn(3w)
c) A cos 2 (wt )
a) F(w) = u(w-w ) e
0
d)
(w nw0 )
e) F(w) = A
0
w - w 0 < a/2,
w - w 0 > a/2
w 0 >> a/2.
297
*97 Calcular a transformada inversa de Fourier correspondente ao espectro F(w)

= sen |w|.
2 2 w2 / 2
e
. Use pares conhecidos de
*98 Determine a TIF do sinal
jw
transformadas.
1
*99 Obter o sinal cujo espectro descrito por F(w) = [(w)+
] (w/2w0).
jw
*100 Avaliar a transformada inversa de Fourier do sinal F(w) = Sa(w).cos(wt0).
*101 Encontre a transformada inversa de Fourier para os sinais:
-2 1
w0 2w0 w
-2w0 -w0
w
-1 2
*102 Considere trs espectros Fi(w)=|F(w)| expji(w) diferindo apenas em fase
das componentes. Assumindo magnitude |F(w)|=(w/2w0) e fases dadas
(w)=0, 2(w)=-wt0 e 3(w)=/2 sgn(w), esboce |F| e em cada caso e encontre

1
os respectivos sinais no domnio temporal, fi(t), i=1,2,3.
*103 Calcular a TIF (Transformada Inversa de Fourier) das seguintes funes:
a) [ ( w w 0 ) + ( w w 0 )] +
jw
w 20 w 2
G(w)
-2
1
2
b)
-1
*104 Encontre o sinal cujo espectro F(w) = e
-aw2
Sa(bw), a,b>0.
*105 Calcular as seguintes transformadas inversas de Fourier:
298
1
a) A
sen 2 wt 0
b)
( wt 0 ) 2
-4
-2
*106 Mostre um esquema para avaliar uma integral de convoluo por

computador digital, com o auxlio do algoritmo FFT.
*107 Demonstre a propriedade de linearidade da DFT, i.e.,
f(l) F(n) e g(l) G(n) ento f(l)+ g(l) F(n)+ G(n).
*108 Calcule a DFT para os seguintes sinais (N=2, N=4): {1,1} e {1,1,0,0}.
*109 Calcule a DFT do sinal f(l)=1, l=0,1,2,...m-1; f(l)=0, mlN-1, o
equivalente discreto de um pulso retangular. Faa um esboo do espectro F(n)
para n2N. Considere N=100 e m=10.
1 1 sen[(n + 1 / 2) ]
Sugesto: 1 + cos + cos 2 + ... + cos n = +
,
2 2
sen / 2
*110 Em alguns casos, tais como sinais de TV, necessrio o emprego da
transformada bidimensional de Fourier, obtida de acordo com as relaes:
F(u, v) f(x, y)e j2 ( ux + vy ) dx dy f(x, y) F(u, v)e j2 ( ux + vy ) du dv .
Deduza propriedades de Linearidade, escalonamento e deslocamento no

tempo para o caso bidimensional.
*111 (Espectro de Sinais bidimensionais).
Considere o padro de imagem apresentado na figura abaixo,
correspondente a um quadro de um sinal de vdeo, um sinal de vdeo esttico
para testes ou uma foto, por exemplo. Assuma a origem h=0, v=0 no canto
esquerdo superior. O sinal de luminncia associado expresso por:
H H
H H V V
V V
1
se
<h< +
,
<v< +
I(h,v)=
2
2
2
2
2
2
2
2
0, caso contrrio
299
0
V V
H
a) Determine o espectro do sinal, atravs do desenvolvimento em srie

bidimensional.
b) Considere os seguintes parmetros: =0,6 =0,4 e fh=20fv. Sendo
fnm=mfh+nfv, e esboce o espectro do sinal.
*112 Deduza a frmula de Poisson (S. Denis), relacionando amostras no tempo
e na freqncia: Se f(t) F(f), ento vale
f(kTS ) = f S F(nf S ).
*113 Um sinal f(t) banda limitada em fm Hz. Encontrar o espectro do sinal
amostrado, se a amostragem natural se realiza com um pulso de forma arbitrria

p(t)P(w). Suponha que a durao do pulso menor que o intervalo de
amostragem. Observe o espectro quando p(t)= (
t/2
) , em particular.
*114 Generalize o teorema da amostragem uniforme para sinais cujo espectro

vai de f'm a fm Hz. Mostre que a taxa de amostragem deve ser de f s
2 fm
, em
n
que n = f m /(f m f m' ) . Sugesto: Empregue um passa-faixa para recuperar o

sinal.
*115 Generalize o teorema da amostragem de Shannon para sinais

bidimensionais f(x,y) com limitao em banda passante diferente em cada
direo, fmx e fmy, respectivamente.
*116 Os sinais f1(t)=|t| e f2(t)=t.u(t) no so de energia finita. Usando a teoria das
distribuies, determine os espectros generalizados.
*117 Em fenmenos de difrao de Fraunhofer, mostra-se que existe uma
relao entre o padro de difrao e a caracterstica de absoro do anteparo.
Sendo o comprimento de onda da luz monocromtica incidente, e f(x) o
300
coeficiente de transmisso no ponto x, mostra-se que o padro de difrao

(amplitude complexa da onda resultante) na tela
j 2
+
sin
F ( ) = F 2
= f ( x)e

sin
dx em que =2 (sin) /.
Para avaliar a difrao em uma fenda de comprimento a, calcule a distribuio da

intensidade da luz difratada na direo , considerando o coeficiente de
transmisso abaixo (porta). Mostre que I = ( Aa ) 2 Sa 2 asin .

Opaco
Opaco
f( x )
1
-a/2
a/2
*118 Se fL2 e a ,b L2 (R {0} R ) , considere os pares de transformadas

abaixo: f (t ) F ( w) , (t ) ( w) , a ,b (t ) a ,b ( w) . A transformada
contnua de wavelet definida por: CWT (a, b) :=
condies
C :=
possvel
+ | ( w) |
pegar
uma
onda?
f (t ) a ,b (t )dt . Sob que
(catch
the
wave!).
Se
dw < + , ento mostre que a transformada inversa dada

| w|
1 + +
dbda
por: f (t ) =
CWT (a, b) a ,b (t ) 2 .
C
a
*119 Qual a CWT de f(t)=1? De que forma o resultado depende da wavelet

escolhida? possvel reconstruir o sinal? Comente.
*120 Dado CWT[f(t)]=C(a,b), determine: CWT {f(t-t0)} e CWT {f(kt)}, k0.
t
3t
*121 Determine o espectro da wavelet Sha (t ) = Sa . cos
. Verifique o
2
2
carter passa-faixa.
*122 A funo de escala de uma wavelet contnua pode ser
+ | ( w) |
determinada a partir da relao: | ( w) |2 = w
dw . Para uma wavelet

w
sombrero, calcule a constante de admissibilidade e a funo de escala da anlise
associada.
301
*123 Aplicando
Sinc (t ) =
teorema
S-N-K,
demonstre
frmula
Sinc (n).Sinc (2t n)
n =
*124 Use a relao
Sinc(t ) =
.
+
Sinc(n).Sinc(2t n)
para mostrar que
n =
constitui uma funo de escala para uma anlise por wavelets: a wavelet de
Shannon.
*125 Usando a caixa de ferramentas do wavelets do Matlab, (wavemenu), trace
os escalogramas para o sinal padro frequency breakdown, usando duas
wavelets distintas. Determine tambm as decomposies em 4 escalas.
*126 Aplicando a caixa de ferramentas do Matlab (wavemenu), empregue a
rotina de descontaminao de sinais via wavelets (tcnica waveshrink de
Donoho) para descontaminar o sinal padro electrical consumation=lelecum
(demo).
*127 Empregando
as
informaes
da
URL
http://www2.ee.ufpe.br/codec/WEBLET.html, insira a wavelet deO na caixa de
ferramentas da sua verso Matlab, use wavelet Display e proceda a anlise de um
sinal a sua escolha.
302
RESPOSTAS A PROBLEMAS SELECIONADOS

1
2
Vide [LANG 1971]

i) ||f||0 e ||f||=0 f=p.p. 0;
ii) ||f||= ||||f||, ;
iii) ||f+g|| ||f||+||g||.
p ( t) 0
nm
0
+1 Tn (t)T m (t)
dt =
n=0
1
/ 2 n=1,2,3,...
1-t 2
3
4
Cn=2<f(t),Tn(t)>/ para n=1,2,3...

H0(t)=1, H1(t)=2t, H2(t)=4t2-2, H3(t)=8t3-12t;
L0(t)=1, L1(t)=-t+1, L2(t)=t2-4t+2, L3(t)=-t3+9t2-18t+6;
P0(t)=1, P1(t)=t, P2(t)=(3t2-1)/2, P3(t)=(5t3-3t)/2 etc.
+
+ t 2
1
7
a) f (t ) En Hen (t ) , em que En = n
e f (t ) Hen (t )dt . b)
2 n!
n =0
0<t<+, |t|1.
8
Vide texto (completicidade, interpretao, critrio de erro, periodicidade
etc.)
2
9
a) A /36, b) sim.
1 T /2
10
M =
| f ' (t ) | dt . Os coeficientes de Fourier tendem a zero, a
5
6
T / 2
medida que a ordem do harmnico cresce. Alm disso,
n =1
n =1
a n2 + bn2 < + .
11 d) f(t)=f(tT/2). O perodo da funo T/2, mas a janela tomada o dobro.

13
a)
4
-4
303
b)
-4
14
t 1 < t < 0
a) f (t ) =
, perodo T=2.
0 < t <1
t
t + 1 1 < t < 0
b) f (t ) =
, perodo T=2.
0 < t <1
t
c) Use critrio de Dirichlet.
15
-1
t (mseg)
16
a) T0=1/6.
304
1/12
1/6
b) T0=1/3.
-1/6
-1/12
1/12
1/6
c) T0=1/3.
1/6
-1/6
d) T0=1.
-6/12
17
n =1
18
-1/12
1/12
6/12
2A
( 1 ( 1 ) n ) sen nw0 t, w0 = 2/T .
n
( 1 ) n +1
sen ( nt) .
n
n =1
+
+ 2
+
n =1 4n
cos(4nt ) .
1
20
Fn o dobro daquele da onda retificada meia-onda, exceto por F1 que
1 + 1
passa a ser nulo. Interprete. 2
cos(4nt ) + sen (2t ) .
2 n =1 4n 1
4
19 1 2
305
21
a)
1 2
+
T T
cas(nw0t ) ,
cas(x):=cos(x)+sen(x).
n =1
2 senh 1
cos t
cos 2t
cos 3t
2
+ 2
2
+ ... .
2
2
2
2
1 +
2 +
3 +
2
22
3 n
+ Sa 2 10
, n1.
8

24
a srie exponencial tem coeficientes Cn=In(x).
1 1 + 1
1 + 1
25
t 2 + 2 2 cos(2nt ) sen (2nt ) 0<t<1. Avalie ento a
n =1 n
3 n =1 n
srie para t=1 e t=1/2.
+
(1 e 1 )
26
f (t ) (1 e 1 ) + 2.
[cos(2nt ) + 2n.sen(2nt )] ,
2
n =1 1 + ( 2n)
a0 = 0 ; an =
23
1 3 n
Sa 2 10 +
8
8
a 0 = (1 e 1 ) ; f (0) = f (1) = (1 + e ) / 2 ;
n =1
f (t ) ln 2 +
27
1 + (2n)
(3 e) .
2(e 1)
nt
, 0<t<T.
T
n cos
n =1
cos 2t cos 3t cos 4t

+
+
+ ...
2!
3!
4!
sen 2t sen 3t sen 4t
sen t +
+
+
+ ...
2!
3!
4!
1 + cos t +
28
f (t ) + f (t )
f (t ) f ( t )
e f o (t ) =
.
2
2
+
2
n2t
f (t )
[1 cos(n )] sen
.
T
n =1 n
f e (t ) =
31
32
(e 1) j 2nt
.
.e
n 0 1 + 2jn
f (t ) (e 2) +
33
34
[1 e
jn / 2
] [1 - e
- jn
] jnt / 2
jn2
- < t < + .
n=
1-e -aT jnw t
35
e 0 , -<t<+, w0 = 2/T .
aT+jn
n =
37
306
Para t0=0, A=1 e =T/3, f (t )
1 2 + n 2
+ Sa
t -<t<.
cos n
3 3 n =1 3 T
A escada corresponde portanto a

T
T
5T
f escada (t ) = f (t ) + 2 f (t ) + 3 f (t ) .
6
2
6
1
+
a) e a (t t 0 ) u (t ) e at 0 u (t t0 ) ; b) = 3
1
3
38
0
t 2
(t + 1)3
2t 0
3
3
0t 2
(t 1)
3
t2
0
an (t nT ) .
39
n =
9, (t-2)2, 7.(t-7), ln|t|, 0, e1/2/2, 0.

a) (1-e-t).u(t); b) (1-e-2t).u(t)/2; c) t3/3 ! u(t); d) e-bt/(a-b), a>b.
40
41
42
a)
-2
10
(w-w0-w1)
b)
c)
-9
44
-12
12
= (1+2)/2 e = (1-2)/2.
- -
307
45
(t)
47
a)
f (t )
| g ' (ti ) | .
i =1
48
Eav =
49
50
51
n= N
Fn
a) peridico; b) aperidico; c) superposio de componente de a e b.

No, a derivada destri o contedo dc do sinal.
Porta: definio, derivao; triangulo: derivao, convoluo.
3w j 3 w / 2
Sa( w)e jw Sa
e
2
; b)
a) F ( w) =
jw
52
A ( w wc )
( w + wc )
+ Sa
Sa
2
2
2
1
a) j sgn( w) ;
t
53
b) Sa(w0 (t t 0 ) )
w
1

2 w0 2 w0
jwt 0
e
;
c)
w
3Sa e j 3,5 w ;
2
d)
1
d2
2 | a | dw 2
j 2w
w
w e
F + F *
; e)
a
a
jw

( w + w0 )
Sa
2
54
( w w0 )
+ Sa
2
2
Use + . ASa (w / 2 ) + 2 ASa (w ) .
w w
55 F2 ( w) = 3 jSa sen .
4 4
56 2A ( w) 2ASa(w ) .
57
12 Sa(6w)-8 Sa(4w), ou 4 Sa(w)cos(5w) e.g., Definio, derivada e
convoluo.
58
2 Sa2(w/2) cos2w.
w
1 jw b w
e
F , F ( w)e j 4 w , F ( w w0 ) .
,
a |b|
b
( 2)
59
60
jF ' (w) , F (w) + wF ' ( w) ,
308
| a3 |
j w ,
F '
4 2
jF ' ( w)e jwk .
61
(w a)e
62
A
5
63
Sa ( 5 (w 20) + Sa ( 5 ( w + 20) .
w w0
1 w
w + w0
.
cos(w + w0 )t0 ;
+
4 4
2
2
wc
64
wc2
jw
wc2
j
-j
0 + ( + a)e 0 .
65
2j
[ (w wc ) (w + wc )] ;
[ (w wc ) + (w + wc )] .
2
2
e t / 2 e w / 2 .
66
a) 2.Si(|w|); b) j
67
-|/w|.
Sa(wa
1 (ww/2
68
dSa( w)
.
dw
a
|w|
b
.e jwt0 ; b) A w .e jw .
2w
0
69
a)
70
t
t
2
e
2 j .e t e e + e t e
2 j 2
2 j 2
2 j .e |t| .Sa 2
71
72
73
ab
( )
a) A ( w w0 )e
| t | .
| t |
+ A ( w + w0 )e j . j sgn( w) .
2 b w 2 a w jw 2 / 4
K
e
-K
2 2 2

V(w) = A exp [-(w/2)2].
1/ 2
74
2
w
75
X(w) =
A
w + w0
w w0
sgn (a) arctg
arctg
,
w0
a
a
w < +.
309
( jt ) n f (t ) F ( n ) ( w) . Em particular, F ( n ) (0) = ( jt ) n f (t )
76
(n)
78 A
(0) = ( jt ) m n .
[exp(
81
2 A cos aw cos bw
.
ba
w2
J (aw).
82
4 Sa(w/2) Sa(w) Cos(5w/2).
80 F(w) =
0
A +
n
n
n
n
(w
200 ) + Sa
(w
+ 200 ) .
Sa
2
2
2
2
2
84
ab
a/b w
85
Aae/(a+jw)2.
86
sinal mpar, espectro imaginrio puro
87
4V
(w )2
( w) +
90
K=1/2
91
92
93
94
95
310
1 1
2|a|
*
.
j w a 2 + w 2
.(Sa ( w ) cos(w ) ) .
89
1 w2 / 2
.e
jw
n/2
-n/2
(n/2) e F(w)=(1+2jw)
.
2
2

w
1
+w

j + exp j
+ j .
exp j
2 2
4
4
2
/ 2
w0
w2
w 2
.
cos 4w + sen 4w
0
0
jw 2 e
w2 / 2
Sa (t t 0 ) . cos(w0 (t t 0 ) ) .
Aa
f (t ) =
Sa(w1t )1 + 2 cos(nw0 t ) .
n =1
w1
( w + w0 ) 2 / 2 e jw0t 0 + 2 ( w w0 ) 2 / 2 e jw0t 0 .e jwt0
e |w| .
79
83
w=0
96
1
w0
a)
+
1
e jw0 (t t 0 )
A A
; b) j/t; c) use + cos 2 w0t ; d)

(t t0 )
2
2j (t t0 )
2
2
(t
m =
2n
);
w0
aA
at
cos(w0t ).Sa .
2
2
Use sen( w)u ( w) + sen( w)u ( w) .
e)
97
2
2
1
1
t
1 2Q . (use
sgn(t ) *
e t / 2 ).
2

2
w0
u (t ) *
Sa( w0 t ) .
98
99
t + t0
1 t 1
1 t t0
* [ (t t 0 ) + (t + t 0 )] =
+
2 2 2
4 2
2
100
101
102
103
Aw0
2j
Sa 2 (w0 t/ 2 ) cos w0 t e
f(t) =
Sa(t) sen (t) .
w
w
1
f 1 (t ) = 0 .Sa( w0 t ) , f 2 (t ) = 0 .Sa(w0 (t t 0 ) ) , f 3 (t ) = * Sa( w0 t ) .
t
j
a) cos(w0 t )u (t ) b) Sa 2 (t / 2) sen(t ) .
f(t) =
1
e aw Sa(bw)
erfc( 2 a t b) erfc( 2 a t + b) .
4b
A
t
1 2
(1
) t 2t 0
,e
Sa (t/ 2 ). cos 3t.
2t 0
2t 0
seno.
104
105
106
f[k]
F[n]
FFT
X
g[k]
FFT
f*g
F.G
DFT-1
G[n]
311
107
108
109
110
trivial.
1 1+ j 1 j
a) {1, 0} b) ,
,0,
4
2 4
m
n m 1 sen (m/N)
F(n) = exp(2j
)
.
N
N 2
m sen ( n/N)
{ f1 ( x, y ) + f 2 ( x, y)} F1 (u, v) + F2 (u, v) ;

{ f ( x x 0 , y y 0 )} F (u, v) exp( j 2 (ux 0 + vy 0 )
1
u v
F , ;
| ab | a b
|Cmn|= |Sa(m) Sa(n )|.
a,b 0 { f (ax, by )}
111
112
f(kTS ) = f S F(nf S ).
115 f(x,y)
m = n =
116 | t |
312
2
w
f(
m
n
,
) Sa( 2f mx x m) Sa2f my y n), <x,y<+ .
2 f mx 2 f my
e tu( t ) j ' ( w )
1
w2
117 A transformada da porta F ( ) = AaSa asin . A distribuio de

intensidade da luz difratada I proporcional ao quadrado da amplitude do padro
de difrao, I=F2().
118 Roteiro:
a. Mostre que a ,b ( w) = | a | (aw)e jwb ;
b. Aplique o teorema da energia de Parseval e escreva CWT em
termos de F(w) e a ,b ( w) ;
c. Interpretando o domnio temporal como b, identifique o par
CWT (a, b) F ( w) | a | * (aw) ;

d. Aplique a definio de transformada de Fourier, multiplique
ambos os membros por
e. Use
| a | (aw) , a0;
item
estabelea
+
| (aw) |
db
= CWT (a, b)a ,b ( w) 2
e
deduza
o
|a|
a
resultado integrando com relao varivel de escala.
119 CWT=0 independente da wavelet usada. No possvel recuperar o sinal,
pois a anlise estuda apenas o comportamento passa-faixa (flutuante). A funo
de escala deveria ser usada.
120 a) C(a,b-t0); b) 1 .C (ka, kb) .
|k|
121 w 3 / 2 + w + 3 / 2 .
F ( w).
2
4 ,
( w) =
3
3
w2 .
w2 + 1 exp
2
123 f(t)=Sinc(.) banda limitada em rad/seg de modo que a formula de
+
n
reconstruo
f (t) f (
)Sa(wm t n )
2 fm
implica
em
+
Sinc (t ) =
f ( n).Sinc ( 2t n) .
122
1/ 4
n =
124 A equao de escala dupla estabelece que uma funo de escala de Mallat
verifica (t ) = 2 hn ( 2t n) . Assim, Sinc(.) pode ser usada como uma
nZ
funo de escala, associada wavelet de Shannon.
313
125
126
127
314
TABELA.
x
Si ( x) = Sa( )d .
0
Si(x)
Si(x+0,5)
0
1
2
3
4
5
6
7
8
9
10
0,0000
0,9461
1,6054
1,8487
1,7582
1,5499
1,4247
1,4546
1,5742
1,6650
1,6583
0,4931
1,3247
1,7785
1,8331
1,6541
1,4687
1,4218
1,5107
1,6296
1,6745
315
316
Referncias
Bibliografia Selecionada e Fontes de Referncia

Anlise de Sinais para Engenheiros: Uma Abordagem via Wavelets, H.M. de
Oliveira, Editora Brasport, Rio de Janeiro, 2007.
Fourier: Thorie analytique da la chaleur, J.B. Fourier, 1822, reprint 1988, Editions
Jacques Gabay, Paris.
[ABRA&STE, 1968] M.Abramowitz e I. Segun (Eds.), Handbook of

Mathematical Functions, Nova Iorque: Dover, 1968.
[AKAY, 1997] A. Akay, Time Frequency and Wavelet in Biomedical
Engineering, IEEE Press, 1997.
[ALD&UNS, 1996] A. Aldroubi e M. Unser (Ed.), Wavelets in Medicine and
Biology, Boca Raton: CRC Press Ed., 1996.
[ALEX et al., 1993] K.S. Alexander, K. Baclawski, G.C. Rota, A Stochastic
Interpretation of the Riemann zeta Function, Proc. Natl. Acad. Sci., USA,
vol.90, pp.697-699, 1993.
[ANDR, 1989] R. Andr-Jeannin, Irrationalit de la somme des inverses de
certaines suites rcurrentes, C. R. Acad. Sci., Ser. I, vol.308, pp.538-541,
1989.
[ARF, 1977] G. Arfken, Mathematical Methods for Physicists, Academic press,
Int. ed., 4.9 edio, 1977.
[ARGO et al. 1989] F. Argoul, A. Arneodo, J. Elezgaray, G. Grasseau, Wavelet
Transform of Fractal Aggregates, Physics Letters A, March, vol. 135,
pp.327-336. 1989.
[AVI, 1974] G.S.S. vila, Funes de uma varivel complexa, Rio de Janeiro:
Livros Tcnicos e Cientficos, 1974.
[BAL, 1998] R. Balan, An Uncertainty Inequality for Wavelet Sets, Applied
and Computational Harmonic Analysis, vol. 5, pp. 106108, 1998.
[BART, 1966] R. G. Bartle, Elements of Integration. Wiley, 1966.
[BATT, 1997] G. Battle, Heisenberg Inequalities for Wavelet States, Applied
and Computational Harmonic Analysis, vol. 4, pp. 119146, 1997.
317
[BAY&MAC, 1988] F. Bayen e C. Marcaria, Distributions, Analyse de

Fourier, Transformation de Laplace. 3eme tome, Col. Ellipses, Marketing,
1988.
[BEI, 1994] A. Beiser, Concepts of Modern Physics, McGraw-Hill Series in
Fundamental Physics, 1994.
[BENE et al., 1987] S. Benedetto, E. Bighieri, V. Castellani, Digital
Transmission Theory, Englewood Cliffs, NJ: Prentice-Hall, 1987.
[BOU, 1964] M. Bouix, Les Fonctions Gnralises ou Distributions, Paris:
Masson, 1964.
[BRA, 1978] R.N. Bracewell, The Fourier Transform and its Applications,
Nova Iorque: McGraw-Hill, 1978.
[BRA, 1983] R.N. Bracewell, The Discrete Hartley Transform, J. Opt. Soc.
Amer., vol.73, pp.1832-1835, Dec., 1983.
[BRA&BRI, 1994] J.N. Bradley e C.M. Brislawn, The Wavelet/Scalar
Quantization Compression Standard for Digital Fingerprinting Images,
IEEE Int. Symp. on Circuits and Systems, ISCAS'94, vol.3, pp. 205-208,
1994.
[BRI, 1988] E.O. Brigham, The Fast Fourier Transform and its Applications.
Englewood Cliffs, NJ: Prentice Hall, 1988.
[BRU, 1919] V. Brun, La srie o les dnominateurs sont nombres premiers
jumeaux est convergente ou finie, Bull. Sci. Math., vol.43, pp.124-128,
1919.
[BRU et al., 1996] A. Bruce, D. Donoho, M-Y. Gao, Wavelet Analysis, IEEE
Spectrum, October, pp. 26-35, 1996.
[BULT, 1995] A. Bultheel, Learning to Swim in a Sea of Wavelets, Bull. Belg.
Math. Soc. vol. 2, pp.1-46, 1995.
[BUR, 1997] D.M. Burton, Elementary Number Theory, McGraw-Hill, 1997.
[BURR, et al., 1997] C.S. Burrus, R.A. Gopinath e H. Guo, Introduction to
wavelets and wavelet transforms: A Primer, New Jersey: Prentice-Hall,
1997.
318
Referncias
[CAM et al., 1998] R.M. Campello de Souza, H.M. de Oliveira, A.N.

Kauffman, A.J.A. Paschoal, Trigonometry in Finite Fields and a New
Hartley Transform, Proceedings of the 1998 IEEE Intern. Symp. on Info.
Theory, p.293, Cambridge, MA, Aug., 1998.
[CER et al., 1969] G.A. Cerveira et alli, Algoritmo FFT para determinao da
Transformada de Fourier, Revista Tcnica - Instituto de Alta Cultura,
Lisboa, vol. 31, n.391, 1969.
[CHRIS et al., 2000] C. Christopouos, A. Skoras, T. Ebrahimi, The JPEG2000
Still Image Coding System: An Overview, IEEE Trans. on Consumer
Electronics, vol. 46, Nov., pp. 1103-1127, 2000.
[CHU, 1975] R.V. Churchill, Variveis Complexas e suas Aplicaes,
[Complex Variables and its Applications] So Paulo: McGraw-Hill,
1975.
[CHUI, 1992] C.K. Chui, An Introduction to Wavelets, San Diego: Academic
Press, 1992.
[CIN&deO, 2004] R.J.S. Cintra e H.M. de Oliveira, A Short Survey on
Arithmetic Transforms and the Arithmetic Hartley Transform, Journal of
the Brazilian Telecommnications Society, vol. 19, n. 2, August, pp.68-79,
2004.
[COH, 1992] A. Cohen, Ondelettes et Traitement Numrique du Signal, Paris:
Masson, 1992.
[COH, 1995] A. Cohen, Time-Frequency Analysis, Englewood Cliffs, NJ:
Prentice-Hall Signal Processing Series, 1995.
[COI&MEY, 1991] R.R. Coifman e Y. Meyer, Remarques sur lanalyse de
Fourier fentre, Compte rendus de lAcadmie des Sciences, serie I:
Mathmatique, vol. 312, pp. 259261, 1991.
[COI&WIK, 1995] R.R. Coifman e M.V. Wickerhauser, Adapted Waveform
"de-noising" for Medical Signals and Images, IEEE Eng. in Medicine and
Biology, vol. 14, n.5, Sept. pp. 578-586, 1995.
[COOL, 1987] J.W. Cooley, How FFT Gained Acceptance, ACM, pp. 97-100,
1987.
319
[DAU, 1988] I. Daubechies, Orthonormal Bases of Compactly Supported

Wavelets, Comm. Pure and Applied Math., vol. 41, pp.909-996, 1988.
[DAU, 1992] I. Daubechies, Ten lectures on wavelets, Philadelphia, PA: Soc.
for Ind. and Applied Math., 1992.
[DAVE&ROOT, 1959] W.B. Davenport Jr e W.L. Root, An introduction to the
Theory of Random Signals and Noise, Nova Iorque: McGraw-Hill, 1958.
[DELL, 1994] J.R. Deller Jr., Tom, Dick, and Mary Discover the DFT, IEEE
Signal Process Mag., April, pp. 36-50, 1994.
[deO, 2004] H.M. de Oliveira, Shannon and Renyi Entropy of Wavelets, Anais
do XXI Simpsio Brasileiro de Telecomunicaes, SBrT'04, Belm,
Par, 6-9 Setembro, 2004.
[deO et al., 1999] H.M. de Oliveira, R.M. Campello de Souza, A.N. Kauffman,
Efficient Multiplex for Band-limited Channels: Galois Division Multiple
Access, Proceedings of the 1999 Workshop on Coding and
Cryptography- WCC-99, pp. 235-241, Paris, Jan., 1999.
[deO et al., 2000] H.M. de Oliveira, R.J. Sobral Cintra, R.M.C. Souza,
Multilevel Hadamard Decomposition of Hartley Transforms, XVIII
Simpsio Bras. de Telecomunicaes, SBrT 2000, Gramado, RS,
Caucala: Nordeste digital line, 2000.
[deO et al., 2001] H.M. de Oliveira, R.J.S. Cintra, R.M.C. Souza, A
Factorization Scheme for Discrete Hartley Transform Matrices, Proc.
International Conference on System Engineering, Comm. and Inform.
Technologies, 2001, Punta Arenas, 2001.
[deO et al., 2002a] H.M. de Oliveira, T.H. Falk, R.G.F. Tvora, Decomposio
Wavelet sobre Corpos Finitos, Rev. da Soc. Bras. de Telecomunicaes,
Nmero especial, Campinas, SP, vol. 17, n.1, pp. 38 - 47, 2002.
[deO et al., 2002b] H.M. de Oliveira, L.R. Soares, T.H. Falk, A Family of
Wavelets and a New Orthogonal Multiresolutional Analysis Based on the
Nyquist Criterion, IEEE SBrT Int. Telecomm. Symposium, Natal, RN,
Sept., 2002.
[deO et al., 2003a] H.M. de Oliveira, H.A.N. Silva, E.A. Bouton, Wavelet
Shift-Keying: A New Digital Modulation, Anais do XX Simpsio Bras. de
Telecomunicaes, Rio de Janeiro, 5-8 Outubro, 2003.
320
Referncias
[deO et al., 2003b] H.M. de Oliveira, L.R. Soares, T.H. Falk, A Family of
Wavelets and a New Orthogonal Multiresolution Analysis Based on the
Nyquist Criterion, Revista da Sociedade Brasileira de Telecomunicaes.
Campinas, SP, vol. 18, n. 1, nmero especial, pp. 71-78, 2003.
[deO&BOU, 2006] H.M. de Oliveira e E.A. Bouton, Multiresolution Division
Multiplex (MRDM): A New Wavelet-based Multiplex System, VI
International Telecommunications Symposium (ITS2006), September 36, Fortaleza, Brazil. 2006.
[deO&RAM, 1995] H.M. de Oliveira e P.S.C. Ramos, Anlise Espectral de
Sinais: Uma Viso de Ensino Voltada Engenharia, In: XXIII Congresso
Brasileiro de Ensino de Engenharia, COBENGE, 1995, Recife. Anais
do COBENGE'95, vol. 1, pp.199-208, 1995.
[deO&SOU, 2001] H.M. de Oliveira e R.M.C. Souza, A Fast Algorithm for
Computing the Hartley/Fourier Spectrum, Anais da Academia Brasileira
de Cincias. Rio de Janeiro, vol. 73, pp. 468-468, 2001.
[deO&SOU, 2006] H.M. de Oliveira e D.F. Souza, Wavelet Analysis as an
Information Processing Technique, VI International Telecommunications
Symposium (ITS2006), September 3-6, Fortaleza, Brazil, 2006.
[DES, 1997] J-M. Deshouillers, Probability and Number Theory: some
examples of connections, 1997.
[DO&VETT, 2000] M.N. Do e M. Vetterli, Orthonormal Finite Ridgelet
Transform For Image Compression, IEEE International Conference on
Image Processing, vol. 2, pp. 367 -370, 2000.
[DONO, 1993] D.L. Donoho, Wavelet Shrinkage and WVD: A 10-minute
Tours, Progress in Wavelet Applications, Y. Meyer, S. Roques eds,
Editions Frontieres, 1993.
[DONO, 1995] D.L. Donoho, De-noising by Soft-Thresholding, IEEE Trans.
Info. Theory, vol. 41, Mar., pp. 613-627, 1995.
[FIGU, 1977] D.G. Figueiredo, Anlise de Fourier e Equaes Diferenciais
Parciais, Rio de Janeiro: Instituto de Matemtica Pura e Aplicada /
CNPq, 1977.
[FOU, 1995] Wavelets and their Applications in Computer Graphics, Alain
Fournier Ed., Siggraph94, Course Notes, 1995. Disponvel em
ftp.cs.ucb.ca/pub/local/bobl/wvlt
321
[GAB&ROB, 1987] R.A. Gabel e R.A. Roberts, Signal and Linear Systems,
3rd ed., Singapora: Wiley, 1987.
[GAB, 1946] D. Gabor, Theory of Communications, J. IEE (Londres), vol. 93,
pp. 429-457, 1946.
[GAB, 1953a] D. Gabor, Communication Theory, Past, Present and
Prospective, IEEE Trans. Info. Theory, vol. IT-1, pp. 2-4, February 1953.
[GAB, 1953b] D. Gabor, Communication Theory and Physics, IEEE Trans.
Info. Theory, vol. IT-1, pp. 48-59, February 1953.
[GAD&PAD, 2002], H.G. Gadiayr, R. Padma, Rota Meets Ramanujan:
probabilistic interpretation of Ramanujan-Fourier series, WSEAS
Conference MMACTEE-WAMUS-NOLASC, Vouliagmeni, Athens,
Greece, Dec. 29-31, 2002.
[GAR, 2000] A.G. Garcia, Orthogonal Sampling Formulas, A Unified
Approach, SIAM Review, vol. 42, n.3, pp. 499-512, 2000.
[GAS&WIT, 2000] G. Gasquet, P. Witomski, Analyse de Fourier et
applications, Paris: Dunod, 2000.
[GOLO, 1992] S.W. Golomb, Probability, Information Theory, and Prime
Number Theory, Discrete Mathematics,vol. 106-107, pp. 219-229, 1992.
[GOM et al., 1987] J. Gomes, L. Velho e S. Goldenstein, Wavelets: Teoria,
Software e Aplicaes, Rio de Janeiro: IMPA, 216p., 1987.
[GOU-GRO&MOR, 1984] P-L. Goupillaud, A. Grossman e J. Morlet, Cycleoctave Representation for Instantaneous Frequency Spectra, 53rd Int.
Meeting Soc. of Exploration Geophysicists, p.669, Las Vegas, Sept. 1115, 1984.
[GRA&RYZ, 1965] I.S. Gradshteyn e I.M. Ryzhik Table of Integrals, Series,
and Products, 4th Ed., Nova Iorque: Academic Press, 1965.
[GRA, 1995] A. Graps, An Introduction to Wavelets, IEEE Computer Soc.,
Summer 1995, vol. 2. pp. 50-61, 1995.
[GRA, 1999] A. Graps, An Introduction to Wavelets. Stanford University,
1999.
Disponvel em http://www.amara.com/IEEEwave/IEEEwavelet.html
322
Referncias
[GRO&MOR, 1984] A. Grossmann e J. Morlet, Decomposition of Hardy

Functions into Square Integrable Wavelets of Constant Shape, SIAM J.
Math. Anal., vol. 15, pp. 723-736, 1984.
[GRO&TORR, 2001] A. Grossmann e B. Torrsani, Les Ondelettes, Texto de
divulgao: http://www.cmi.univ-mrs.fr/~torresan/universalis/ondel.html
[HAMM, 1986] R.W. Hamming, Numerical Methods for Scientists and
Engineers, 2nd ed., Nova Iorque: Dover, 1986.
[HAR, 1942] R.V.L. Hartley, A More Symmetrical Fourier Analysis Applied to
Transmission Problems, Proc. IRE, vol. 30, pp. 144-150, Mar., 1942.
[HAR&WRI, 1979] G.H. Hardy, E.M. Wright, An Introduction to the Theory
of Numbers, 5th Ed., Oxford, 1979.
[HEA&WEA, 1992] D.H. Healy Jr. e J.B. Weaver, Two Applications of
Wavelet Transforms in Magnetic Ressonance Imaging, IEEE Trans. Info.
Theory, vol. IT 38, March, pp. 840-860, 1992.
[HEI, 1988] M.T. Heidman, Multiplicative Complexity, Convolution and the
DFT, Springer-Verlag, 1988.
[HER&WEI, 1996] E. Hernandez e G. Weiss, A First Course on Wavelets,
Boca Raton: CRC Press, 1996.
[HERS 1964] I.N. Herstein, Topics in Algebra, Mass.: Blaisdell Pub., 1964.
[HUBB, 1995] B.B. Hubbard, Ondes et ondelettes: La saga dun outil
mathmatique, Pour la Science, 1995.
[JERR, 1977] A. Jerri, The Shannon Sampling Theorem Its various
Extensions and Applications: A Tutorial Review, Proc. of the IEEE,
vol.65, N.11, Nov., pp.1565-1596, 1977.
[KAC, 1959] M. Kac, Statistical Independence in Probability, Analysis and
Number Theory. Nova Iorque: Wiley,1959.
[KAM&HEC, 1997] E.W. Kamen e B.S. Heck Fundamentals of Signals and
Systems Using Matlab, Englewood Cliffs, NJ: Prentice Hall, 1997.
[KELL, 1996] S. E. Kelly, Gibbs Phenomenon for Wavelets, Applied and
Computational Harmonic Analysis, vol. 3, pp. 72-81, 1996.
323
[KOL&FOM, 1970] A.N. Kolmogorov e S.V. Fomin, Introductory Real

Analysis, Mineola: Dover, 1970.
[KOVA&VETT, 2001] J. Kovaevi, M. Vetterli, Transfrom Coding: Past,
present, and Future, IEEE Signal Processing Maganize, p.6, Sept., 2001.
[KREY, 1983] E. Kreyszig, Matemtica Superior [Advanced Engineering
Mathematics], 2nd ed., Rio de Janeiro: Livros Tcnicos e Cientficos,
1983.
[KUM&FOU, 1997] P. Kumar e E. Foufoula-Georgiou, Wavelet Analysis in
Geophysics: An Introduction, Reviews of Geophysics, vol. 35, pp. 385412, 1997.
[LAN&POLL, 1961] H.J. Landau e H.O. Pollak, Prolate spheroidal wave
functions, Fourier analysis and uncertainty: Part I, Bell System Tech.
Journal, vol. 40, pp. 65-84, 1961.
[LANG, 1971] S. Lang, lgebra Linear [Linear Algebra], So Paulo: Edgard
Blcher, 1971.
[LATHI, 1968] B.P. Lathi, An introduction to Random Signals and
Communication Theory, Scraton, Pa.: Int. textbook, 1968.
[LATHI, 1979] B.P. Lathi, Sistema de Comunicao [Communication Systems]
Rio de Janeiro: Guanabara Dois, 1979.
[LIDL&NIE, 1986] R. Lidl e H. Niederreiter, Introduction to Finite Fields and
their Applications, Cambridge University press, 1986.
[LIN&QU, 2000] J. Lin e L. Qu, Feature Extraction Based on Morlet Wavelet
and its Application for Mechanical Fault Diagnosis, Journal of Sound
and Vibration vol. 234, No. 1, pp. 135-148, 2000.
[LIRA et al., 2003a] M.M.S. Lira, H.M. de Oliveira, M.A. Carvalho Jr, R.M.C.
Souza, Compactly Supported Wavelets Derived from Legendre
Polynomials: Spherical Harmonic Wavelets, WSEAS Int. Conf. on
Systems, Corfu, Greece, 2003.
[LIRA et al., 2003b] M.M.S. Lira, M.A. Carvalho Jr, H.M. de Oliveira,
Compactao de Sinais de Distrbios em Sistemas de Transmisso via
Wavelets, XVII Seminrio Nacional de Produo e Transmisso de
Energia Eltrica, SNPTEE,Uberlndia, 2003.
324
Referncias
[LIRA et al., 2004] M.M.S. Lira, H.M. de Oliveira, R.J.S. Cintra, EllipticCylindrical Wavelets: The Mathieu Wavelets, IEEE Signal Processing
Letters, vol. 11, n.1, January, pp. 52-55, 2004.
[LOE, 1963] M. Love, Probability Theory, Princeton: van Nostrand, 1963.
[MAC, 1997] D. Mackenzie, Homage to an Itinerant Master, Science vol. 275,
p.759, 1997.
[MALL, 1989] S. Mallat, A Theory for Multiresolution Signal Decomposition:
The Wavelet Representation, IEEE Trans. Pattern Analysis and Machine
Intellig.,vol. 11, July, pp. 674-693, 1989.
[MALL, 2000] S. Mallat, Une Exploration des Signaux en Ondelettes,
Palaiseau: Les Editions de l'cole Polytechnique, 2000.
[MALV, 1988] H.S. Malvar, The LOT: A link between block transform coding
and multirate filter banks, Proc. IEEE Int. Symp. on Circ. and Syst., pp.
835-838, Espoo, Finland, 1988.
[MAN, 1992] J.M. Manley, The Concept of Frequency in Linear Systems
Analysis, IEEE Comm. Mag., pp. 26-35, Jan., 1992.
[MAN, 1995] B. Mandelbrot, Les objects fractals, Paris: Flammarion, 1995.
[MAN et al., 2000] M.K. Mandal, S. Panchanathan e T. Aboulnasr, Allocation
adaptive des bits et techniques de selection de rsolution pour l'estimation
du mouvement dans un codeur video ondelettes, Canadian Journal of
Electrical and Computer Engineering, vol. 25, n.3, July, pp. 113-120,
2000.
[McC&PAR, 1072] J.H. McClellan e T.W. Parks, Eigenvalue and Eigenvactor
Decomposition of the Discrete Fourier Transform, IEEE Trans. On udio
and Electroacoustics, vol. 20, March, pp. 66-74, 1972.
[MEE&ADH, 2001] P. Meenen e R. Adhami, Fingerprinting for Security, IEEE
Potentials, Aug.-Sept., pp. 33-38, 2001.
[MEY et al., 1987] Y. Meyer, S. Jafar e O. Rioul, LAnalyse par Ondelettes,
Pour la Science, n.119, pp. 28-37, Sept., 1987.
[MEY, 1990] Y. Meyer, Ondelettes et oprateurs, Paris: Hermann, 1990.
325
[MOR, 1997] P.A. Morettin, Ondaletas e seus Usos em Estatstica. Mini-Curso

apresentado na 7a Escola de Econometria e Sries Temporais, Canela,
RS, Brasil, 6-8 Agosto de 1997.
Disponvel em http://www.ime.usp.br/~pam/papers.html
[MOR, 1999] P.A. Morettin, Ondas e Ondaletas: da Anlise de Fourier
Anlise de Ondaletas, So Paulo: Edusp, 1999.
[MOR, 1979] P. Morettin, Anlise Harmnica de Processos Estocsticos, 12o
Colquio Bras. de Matemtica, 1979.
[NYQ, 1924] H. Nyquist, Certain Factors Affecting Telegraph Speed, Bell Syst.
Tech. J., Apr., pp. 324-346, 1924.
[OKA, 1998] K. Okajima, The Gabor Function Extract the Maximum
Information from Input Local Signals, Neural Networks, vol. 11, pp. 435439, 1998.
[OLI&BAR 2000] P.M. Oliveira e V. Barroso, Uncertainty in the TimeFrequency Plane, Proc. of the Tenth IEEE Workshop on Statistical Signal
and Array Processing, Pocono Manor, PA, USA, pp. 607-611, 2000.
[OPP&SCH, 1975] A.V. Oppenheim e R.W. Schafer, Digital Signal
Processing, Englewood Cliffs, NJ: Prentice Hall, 1975.
[PAPO, 1977] A. Papoulis, The Fourier Integral and its Applications, Nova
Iorque: McGraw-Hill, 1962, tambm: Signal Analysis, McGraw-Hill,
1977.
[PEI&DIN 2002] S-C. Pei e J-J. Ding, Eigenfunctions of Linear Canonical
Transform, IEEE Trans. on Signal Processing, vol. 50, n.1, Jan., pp. 1126, 2002.
[PER&WAL, 2000] D.B. Percival e A.T. Walden, Wavelet Methods for Time
Series Analysis, Cambridge Press, (594p.), 2000.
[PL, 1957] G. Plya, Heuristic reasoning in the theory of numbers, American
Mathematical Monthly, vol. 66, pp. 375-384, 1957.
[POLI, 1998] R. Polikar, The Wavelet tutorial Fundamental Concepts & an
Overview of the Wavelet Theory. Iowa State University, 1998.
Disponvel em http://www.public.iastate.edu/~rpolikar/IEEEwavelet.html
326
Referncias
[POLL, 1971] J.M. Pollard, The Fast Fourier Transform in a Finite Field, Math.
Comput., vol. 25, No. 114, pp. 365-374, Apr. 1971.
[QIA&CHE 1999] S. Qian e D. Chen, Understanding Joint Time-Frequency
Analysis, IEEE Signal Proc. Mag., March, pp. 53-67, 1999.
[RICH, 1995] W.B. Richardson Jr., Applying Wavelets to Mammograms, IEEE
Engineering in Medicine and Biology, vol. 14, n.5, Sept./Oct., pp. 551560, 1995.
[RIE, 1985] H. Riesel, Prime Numbers and Computer Methods for
Factorization, Birkhuser, 1985.
[RIO&VET, 1991] O. Rioul e M. Vetterli, Wavelets and Signal Processing,
IEEE Signal Proc. Mag., Oct., pp.14-37, 1991.
[RUD, 1971] W. Rudin, Princpios de Anlise Matemtica, Rio de Janeiro:
Livros Tcnicos e Cientficos, 1971.
[RUZZ et al., 1997] M. Ruzzene, A. Fasana, L. Garibaldi e B. Piombo, Natural
Frequencies and Dampings Identification Using Wavelet Transform:
Application to Real Data, Mechanical Systems and Signal Processing
vol. 11, No. 2, pp. 207-218, 1997.
[SHAN, 1993] Claude Elwood SHANNON, collected papers, N.J.A. Sloane,
E.D. Wyner, Eds., IEEE press, 1993.
[SHANM 1985] K.S. Shanmugam, Digital and Analog Communication
Systems, Singapore: John Wiley, 1985.
[SHI&VOL, 1996] H.-T. Shim e H. Volkmer, On the Gibbs Phenomenon for
Wavelet Expansions, Journal of Approximation Theory, vol. 84, pp. 74
95, 1996.
[SKO et al., 2001] A. Skodras, C. Chistopoulos e T. Ebrahimi, The JPEG 2000
Still Image Compression Standard, IEEE Signal Proc. Mag., Sept., pp.
36-58, 2001.
[SLE, 1976] D. Slepian, On bandwidth, Proceedings of the IEEE, March, vol.
64, pp. 292- 300, 1976.
327
[SLE&POL, 1961] D. Slepian e H.O. Pollak, Prolate Spheroidal Wave

Functions, Fourier Analysis and Uncertainly-I, Bell Syst. Tech. J., vol.
15, n.1, Jan., pp. 43-63, 1961.
[SNE, 1976] I.N. Sneddon, Encyclopaedic Dictionary of Mathematics for
Engineers and Applied Scientists, Oxford: Pergamon press, 1976.
[SOA et al., 2003] L.R. Soares, H.M. de Oliveira, R.J. Sobral Cintra, R.M.C. de
Souza, Fourier Eigenfunctions, Uncertainty Gabor, Principle and
Isoresolution Wavelets, Simpsio Brasileiro de Telecomunicaes, Rio
de Janeiro, Outubro, 2003.
[SOKO&RED, 1966] I.S. Sokolnikoff e R.M. Redheffer, Mathematics of
Physics and Modern Engineering, 2nd ed., Tokio: Kogakusha, 1966.
[SOU et al., 2005] D.F. Souza, R.J.S. Cintra, H.M. de Oliveira, Uma
Ferramenta para Anlise de Sons Musicais: A Srie Quantizada de
Fourier, Anais do XXII Simpsio Brasileiro de Telecomunicaes,
SBrT'05, Campinas, SP, Setembro, 2005.
[SOU&deO, 2001] E.B. Souza Filho e H.M. de Oliveira, Estimao dos
Coeficientes de uma Srie de Fourier usando o Mtodo dos Mnimos
Quadrados Seqencial In: I Congresso de Informtica da Amaznia,
2001, Manaus. Anais do I Congresso de Informtica da Amaznia, vol. 1.
pp. 271-283, 2001.
[SPEN&WORS, 1993] R. Spencer e G. Worstell, A Spectrum Analyzer
Laboratory Project, IEEE Transactions on Education, Aug., vol. 36, pp.
301-306, 1993.
[SPI, 1979] M.R. Spiegel, Manual de Frmulas e Tabelas Matemticas
[Mathematical Handbook of Formulas and Tables], So Paulo: McGrawHill, 1979.
[STE, 2004] E.G. Steward, Fourier Optics, 2nd ed., Dover, 2004.
[STI, 1993] R.S. Strichartz, How to Make Wavelets, American Mathematical
Monthly, vol. 100, pp. 539-556, 1993.
[STOL et al., 1995] E.J. Stollnitz, T.D. DeRose, D.H. Salesin, Wavelets for
Computer Graphics: A Primer, Part 1. IEEE Computer Graphics and
Applications, May, 1995.
328
Referncias
[TASW, 2000] C. Taswell, The What, How, and Why of Wavelet Shrinkage
Denoising, Computing in Science & Engineering, May/June, pp. 12-19,
2000.
[TAV, 2001] R.G.F. Tvora, Algoritmos Rpidos para Transformadas em
Corpos Finitos, Dissertao de Mestrado, Universidade Federal de
Pernambuco, pp.97, 2001.
[TAV et al., 2001] R.G.F. Tvora, R.M. Campello de Souza e H.M. de
Oliveira, Um Algoritmo Rpido para a Transformada de Wavelet em
Corpos Finitos, XXI Simpsio Brasileiro de Telecomunicaes, SBrT, 0306 Set., Fortaleza, CE, 2001.
[TAY, 1992] P. Taylor, Principles of Signals and Systems, Nova Iorque:
McGraw-Hill, 1992.
[TOR&COM, 1998] C. Torrence e G.P. Compo, A Practical Guide to Wavelet
Analysis, Bulletin of the American Meteorological Society, vol. 79, n.1,
Jan., pp .61-78, 1998.
[TOR, 1999] B. Torrsani, An Overview of Wavelet Analysis and TimeFrequency Analysis, Proc. of the Int. Workshop in Self-similar Systems,
July-August, Dubna, Russia, JINR, E5-99-38, Dubna 1999, pp. 9-34.
Disponvel em: http://www.cmi.univ-mrs.fr/~torresan/lectures.html
[UNS&ALD, 1996] M. Unser e A. Aldroubi, A Review of Wavelets in
Biomedical Applications, Proc. of the IEEE, April, pp. 626-638, 1996.
[VAL, 1999] C. Valens, A Really Friendly Guide to Wavelets, 1999.
Disponvel em http://perso.wanadoo.fr/polyvalens/clemens/wavelet
[von BAE, 1999] H.C. von Baeyr, Catch the Wave (PHYSICA), The Sciences,
May/June, pp. 10-13, 1999.
[WEA, 1989] J. Weaver, Theory of Discrete and Continuous Fourier
Transform, Nova Iorque: John Wiley, 1989.
[WEI, 2000] A.B. Weinholtz, Integral de Riemann e de Lebesgue em RN, 3
Ed., Universidade de Lisboa, DM, 2000.
[WEIS, 2006] E.W. Weisstein. "Reciprocal Fibonacci Constant." From
MathWorld--A
Wolfram
Web
Resource.
http://mathworld.wolfram.com/ReciprocalFibonacciConstant.html
329
[WELLS, 1993] R.O. Wells Jr, Parametrizing Smooth Compactly Supported

Wavelets, 1993, Trans. Am. Math. Soc., vol. 338, n.2, pp. 919-931, 1993.
[WIE, 2001] A. Wieczorkowska, Musical Sound Classification based on
Wavelet Analysis, Fundamenta Informatic, vol. 47,n.1,2, July, pp. 175188, 2001.
[WIN, 1978] S. Winograd, On Computing the Discrete Fourier Transform,
Math. Comp., vol.32, pp.175-199, 1978.
[WOZ&JAC, 1967] J.M. Wozencraft e I.M. Jacobs, Principles
Communication Engineering, Nova Iorque: Wiley, 1967.
of
[WRI, 1997] G.A. Wright, Magnetic Ressonance Imaging, IEEE Signal Proc.
Mag., p. 56,Jan., 1997.
[YOU, 1993] R.K. Young, Wavelet Theory and its Applications, Norwell, MA:
Kluwer Ac. Press. 1993.
330
ndice Remissivo
NDICE REMISSIVO
-lgebra (Borel)........................................................................................220, 278, 281
Algoritmo
Cascata............................................................................................................198
Multicamada..................................................................................................153
Rpido............................................................................................................145
Alto-falantes (tipos)......................................................................................................48
Amostragem
Pontual.............................................................................................................98
Teorema da (vide teorema)
Anlise de multirresoluo....................................................................................18, 194
Anlise harmnica.........................................................................................................49
Analisador de espectro .........................................................................................89, 138
ngulo entre sinais .................................................................................................20, 23
rvores .................................................................................................................17, 200
udio ................................................................................................................34, 47, 86
Autocorrelao ............................................................................133, 240-243, 246-247
Autofunes ................................................................................................125-127, 245
Autovalores do operador Fourier ....................................................................129
Axiomas de Kolmogorov ...........................................................................................219
Banda passante efetiva (rms) .............................................................................123, 131
Codificao em sub-bandas .......................................................................................200
Combinao linear .................................................................................................16, 18
Complexidade
Espacial, temporal..........................................................................................145
medidas de complexidade algortmica...........................................................145
Condio de
Compatibilidade.............................................................................................239
Dirichlet.....................................................................................................62, 65
Simetria..................................................................................................115, 239
Conjuntos
(teoria de)......................................................................................219, 223, 225
Truncados......................................................................................................231
de medida nula..............................................................................................235
Consonncias................................................................................................................39
Constante de admissibilidade de wavelets...........................................................177-179
Convergncia
Cesro.........................................................................................................261
em mdia quadrtica EMQ.............................................................................27
de Lanczos ......................................................................................................72
pontual.......................................................................................................64-65
uniforme....................................................................................................74, 75
Conversor A/D............................................................................................................207
Convoluo...................................................................................................62, 110, 274
Critrios de Dirichlet....................................................................................................65
Degrau unitrio de Heaviside..................................................................68, 98, 107, 262
331

Densidade espectral de potncia.................................................................................133
Descontaminao de sinais ruidosos...........................................................................204
Descontinuidades....................................................................................65, 67, 139, 270
Desigualdade
de Bessel.........................................................................................................26
de Chebyshev ...............................................................................................224
DFT.....................................................................................................................134, 264
DHT.............................................................................................................................141
Dimensionalidade de sinais.........................................................................................215
Dissonncias..................................................................................................................39
Distribuies de Schwarz....................................................................................101, 267
Doublet.......................................................................................................................101
Durao efetiva (rms) de um sinal..............................................................................123
DWT....................................................................................................................198-201
Eigenfunes, vide autofunes
Entropia de conjuntos..................................................................................................230
Equao de dilatao (refinamento)....................................................................196-197
Erro mdio quadrtico (EMQ)......................................................................................26
Escala
Diatnica............................................................................................................37
fator de (em wavelets)..............................................................................169, 172
temperada......................................................................................................39
Escalogramas...............................................................................................................202
Escalonamento de wavelets........................................................................................172
Espao
de Hilbert............................................................................................................23
de probabilidades.............................................................................................219
L2 .......................................................................................................................24
Espectro de sinais
de Fourier...........................................................................................................89
de Haar.............................................................................................................161
de Walsh...........................................................................................................160
Espectrogramas...........................................................................................................202
Estacionaridade
idia.........................................................................................................167, 174
no sentido amplo.............................................................................................239
no sentido estrito ............................................................................................240
Expanso em sries ortogonais
Fourier (vide srie de Fourier)
Fourier .......................................................................................................28, 54
para processos estocsticos ...........................................................242, 244, 249
de Kahunen-Love ........................................................................................245
Famlia
do violino ......................................................................................................44
de wavelets ..................................................................................................180
Fenmeno de Gibbs ......................................................................................................67
FFT ................................................................................................................... 137, 145
Filtro
332
ndice Remissivo
de Wiener (transversal) ................................................................................251
de escala (passa-baixa) .................................................................................200
raiz cosseno elevado ....................................................................................188
wavelet (passa-alta) .....................................................................................200
Frmula de inverso de Mbius ...................................................................................84
Frmula de Poisson ....................................................................................................121
Forma polar de galoisianos ........................................................................................259
Fractal (comportamento) ..............................................................................61, 187, 249
Funo
densidade de probabilidade ........................................................................223
distribuio de probabilidade .....................................................................223
de escala .....................................................................................181, 187, 194
de Weiesrtrass ..............................................................................................60
Galoisianos, inteiros ...................................................................................................255
Gravao ......................................................................................................................47
estereofnica monofnica quadrifnica
Guido dArezzo ............................................................................................................36
Hadamard ...........................................................................................................153, 159
Hankel-Bessel ............................................................................................................163
Identidade de Parseval ....................................................................................27, 33, 114
Impulso .................................................................................................................97, 268
Instrumentos musicais
de corda..........................................................................................................42
de sopro..........................................................................................................45
de percusso ..................................................................................................46
Integral de convoluo ...............................................................................................110
Integral seno Si .............................................................................................................69
Integral logartmica li .................................................................................................236
Integral de Lebesgue ..................................................................................................277
Intervalo de Gibbs ........................................................................................................70
Intervalo musical ..........................................................................................................35
oitavas .......................................................................................................38
Janela de dados........................................................................................................20, 76
Lanczos ........................................................................................................................72
Lei da probabilidades totais........................................................................................220
Mdulo de galoisiano .................................................................................................258
Mallat, multirresoluo de .........................................................................................194
Medida
Interna e externa ..........................................................................................278
de conjuntos de inteiros ...............................................................227, 230, 277
Momentos ...........................................................................................................130, 224
Nulos............................................................................................................179
Movimento Browniano fracionrio ....................................................................241, 249
No linear, sistema......................................................................................................251
Norma ...........................................................................................................19, 258, 273
Ncleos
casoidal de Hartley ........................................................................................53
de Dirichlet ............................................................................................62
333

de Fejr ..........................................................................................................75
Oitavas ....................................................................................................................35-39
Ortogonalidade de sinais ........................................................................................20, 54
Oscilador harmnico ..................................................................................................130
Parametrizao de wavelets .......................................................................................202
Permutao espelho ...................................................................................................151
Pente de Dirac ........................................................................................62, 67, 209, 230
Poeira de Cantor .........................................................................................................278
Polinmios de Dirichlet.................................................................................................62
Portadoras de Walsh....................................................................................................159
Princpio da incerteza de Gabor..........................................................................122, 125
Probabilidade
aritmtica....................................................................................................225
medida .......................................................................................................219
condicional.................................................................................................221
Processos estocsticos
Definio....................................................................................................238
Trajetrias .................................................................................................238
Estacionaridade...................................................................................239-240
Produtos internos ....................................................................................................18, 24
Prolate esferoidais ..............................................................................................124, 249
Pulso
de Dirac...........................................................................................................97
gaussiano ......................................................................................................125
PCOS. ...........................................................................................................189
Senoidal ...............................................................................................107, 189
sinc.................................................................................................................30
retangular .......................................................................................................93
triangular .......................................................................................................93
Qui-frao ....................................................................................................................80
Raiz cosseno elevado..................................................................................................188
Reconstruo
de imagens mdica .....................................................................................165
via teorema da amostragem .......................................................................212
Regra de Bayes ...........................................................................................................222
Resoluo ...................................................................................................................175
Rudo branco (modelo de processo aleatrio) ............................................................247
Srie de Fourier
bidimensional ...........................................................................................57-58
de Legendre-Fourier ......................................................................................52
estocstica....................................................................................240, 244, 249
exponencial (complexa) ................................................................................54
quantizada .....................................................................................................78
trigonomtrica ...............................................................................................28
Srie trigonomtrica de Hartley ...................................................................................53
Sries de Kahunen-Love. .........................................................................................245
de Volterra ....................................................................................................251
infinita em corpos finitos. ............................................................................259
334
ndice Remissivo
Suporte de um sinal ....................................................................................................267
Tapers .....................................................................................................................76, 78
Taxa de Nyquist .........................................................................................................211
Teorema
2BT ............................................................................................................215
da amostragem
bidimensional.........................................................................300
de processos estocsticos ......................................................246
dual .......................................................................................214
uniforme ...............................................................................208
da convergncia uniforme ......................................................................74-75
da convoluo.......................................................................................11
da derivao de sries de Fourier ................................................................73
da integrao de sries de Fourier................................................................73
da localizao ...............................................................................................63
da projeo fatiada .....................................................................................166
da reconstruo ..........................................................................................166
de Bochner .................................................................................................113
de Fejr .........................................................................................................75
de Fourier .....................................................................................................65
de Fubini ....................................................................................................118
de Heidman ................................................................................................152
de Kolmogorv-Seliverstov-Plessner .............................................................73
de Landau-Pollack . . (vide teorema 2BT)
de Parseval .................................................................................................114
de Parseval-Placherel .................................................................................114
de Rayleigh .................................................................................................114
de Riesz-Fischer ...........................................................................................28
de Titchmarsh .............................................................................................113
de Wiener-Kinchine....................................................................................243
dos nmeros primos....................................................................................236
Teste M de Weierstrass ................................................................................................74
Transformada de Fourier
Bidimensional ....................................................................................162
DFT.............................................................................................................134
de corpo finito.....................................................................................262,264
de tempo curto ....................................................................................167
de tempo discreto ...............................................................................144,262
Existncia .....................................................................................................96
inversa.......................................................................................................89
Laguerre......................................................................................................214
Propriedades.........................................................................................256
TDFCF .......................................................................................................265
Transformada de Gabor
de tempo curto ....................................................................................167
Transformada de Haar ................................................................................................161
Transformada de Hadamard .......................................................................................164
Transformada de Hankel-Bessel ................................................................................163
335

Transformada de Hartley
Contnua ......................................................................................................94
DHT ..........................................................................................................141
Transformada de Walsh..............................................................................................159
Transformada de wavelets...........................................................................................171
Transformadas digitais........................................................................................254, 265
Unicidade
da srie de Fourier ..................................................................................23,33
da transformada de Fourier.........................................................................89
Unimodular (elemento, conjunto) ..............................................................................256
Variveis aleatrias ....................................................................................................223
Wavelets
contnuas ...................................................................................................180
discretas .....................................................................................................198
dual ............................................................................................................179
famlias de
Daubechies ..............................................................................186
de Oliveira ...............................................................................188
Gaussiana ................................................................................183
Haar .........................................................................................181
Malvar .....................................................................................193
Meyer.......................................................................................185
Morlet.......................................................................................183
Sombrero .................................................................................182
Shannon ...................................................................................184
Symmlet . ................................................................................187
transformada inversa ................................................................................179
Wiener
filtro de ......................................................................................251
generalizao de espectro de......................................................104
teorema de .................................................................................243
BREVE CRONOLOGIA
Fourier
Dirichlet
Parseval
Fejr
Weierstrass
1800-1850
336
Gibbs
Dini
Hilbert
Volterra
Helmoltz
Kotelnikov
Nyquist
Riesz
Haar
Lebesgue
Wiener
Gabor
Shannon
Lanczos
Kolmogorov
1850-1900
1900-1925
1925-1950
Tukey
Cooley
Winograd
Slepian
Pollard
Hartley
1950-1975
Heidman
Mallat
Morlet
Daubechies
Bracewell
Tufts
1975-2000
ndice Remissivo
NDICE ONOMSTICO
Al-Khwarizmi, Abu . . . . . . . . . . . . . .145
Bayes, Thomas . . . . . . . . . 222, 218, 231
Berlioz, Hctor . . . . . . . . . . . . . . . . . . 42
Bessel, Freidrich . . . . . . . . . . . . . 26, 163
Bochner, Salomon . . . . . . . . . . . . . . . 113
Borel, Emile . . . . . . . . . . . . .218,278,281
Bracewell, Ronald . . . . . . . . . . . . . . 141
Bragg, Lawrence . . . . . . . . . . . .165, 166
Campello de Souza, R. . . . 153, 225,255
Cantor, Georg . . . . . . . . . . 278, 204, 280
Cesro, Ernest . . . . . . . . . . . . . . . . . . 260
Chebyshev, Pafnuti . . . . . . . . . . . . . . 224
Cintra, Renato . . . . . . . . . . . 82, 153, 225
Coifman, Ronald . . . . . . . . . . . . . . . . 187
Comte, Auguste . . . . . . . . . . . . . . . . . .49
Cooley, James . . . . . . . . . . 137, 145, 151
DArezzo, Guido . . . . . . . . . . . . . . . . .36
Daubechies, Ingrid . . . . . . .170, 186, 187
de la Vall-Poussin, Baron (Charles Gustave Nicola) . . . . . . . 78, 236
de Oliveira, Hlio . . . . . . 66, 81, 125, 153, 188-193, 225, 255
Deshouilles, Jean-Marc . . . . . . . . . . .226
Dini, Ulisse . . . . . . . . . . . . . . . . . . . . . 64
Dirac, Paul . . . . . . . . . . . . . . . . . .97, 268
Dirichlet, Gustav . . . . . . . 65, 66, 78, 280
Du Bois-Reymond, Paul . . . . . . . . . . . 59
Erds, Paul . . . . . . . . . . . . . . . . . . . . .234
Euler, Leonard. . . . . . . . 62, 95, 152, 236, 258, 295
Fejr, Lipt . . . . . . . . . . . . . . . . . . .75,76
Fermat, Pierre de . . . . . . . . . . . . . . . .217
Fibonacci, Leonardo . . . . . . . . . 226, 234
Fourier, Jean Baptiste. . . . . . . . . . . 1-330
Fubini, Guido . . . . . . . . . . . . . . . .118, 274
Gabor, Dennis . . . . . . . . . . . . 122, 125, 131
337

Galois, Evariste . . . . . . . . . . . . . . . . . 255
Gibbs, Josiah . . . . . . . . . . . . . . . . . 67, 72
Golomb, Solomon . . . . . . . . . . . . . . . 230
Grossman, Alex . . . . . . . . . . . . . . . . .170
Haar, Alfred . . . . . . . . 161, 170, 181,195
Hadamard, Jacques . . 153, 159, 164, 236
Hamming, Richard . . . . . . . . . . . . 67, 78
Hankel, Hermann . . . . . . . . . . . . . . . .163
Hanning (Julius von Hann) . . . . . . . . .78
Hartley, Ralph . . . . . 53, 94, 95, 141, 153
Heaviside, Oliver . . . . . . . . . . . . . . . . 100
Heidman, Michael . . . . . . . . . . . . . . .152
Heisenberg, Werner . . .122, 131, 168, 174
Helmoltz, Hermann von . . . . . . . . . . . 40
Hermite, Charles . . . . . . . . . . . . . . .60, 129
Hilbert, David . . . . . . . . . . . . . . . . 23, 218
Kahunen, Kari . . . . . . . . . . . . . . .245, 248
Kelvin, Lord . . . . . . . . . . . . . . . . . . . . 89
Khinchin, Aleksandr . . . . . . . . .218, 244
Kolmogorov, Andrey..59, 64, 73, 218, 239
Kolmogorov-Seliverstov-Plessner . . . .73
Kotelnikov, Vladimir . . . . . . . . . . . .211
Kronecker, Leopold . . . . . . . . . . . . . 225
Laguerre, Edmond . . . . . . . . . . . . . . 214
Lanczos, Cornelius . . . . . . . . . . . . 72, 77
Laurent, Pierre . . . . . . . . . . . . . . . . . . .50
Lebesgue, Henri . . . . . . . . .223, 277, 281
Legendre, Adrien-Marie . . . . . . . . . . . 52
Love, Michel . . . . . . . . . . 218, 241, 245
Lucky, Robert . . . . . . . . . . . . . . . . . . 252
Mahon, Mrcia . . . . . . . . . . . . . . . . . 255
Mallat, Stphane . . . . . . . . . . . . 170, 194
Malvar, Henrique . . . . . . . . . . . . . . . .193
Mersenne, Marin . . . . . . . . . . . . . . . . .42
338
ndice Remissivo
Meyer, Yves . . . . 60, 170, 185, 193, 194
Morlet, Jean . . . . . . . . . . . .171, 178, 183
Newton, Isaac . . . . . . . . . . . . . . . . . . . 33
Nyquist, Harry . .188, 206, 208, 213, 246
Parseval, Marc-Antoine . .27, 33, 114, 136
Pascal, Blaise . . . . . . . . . . . . . . . . .17, 217
Plancherel, Michel . . . . . . . . . . . . . . . 114
Poisson, Simon . . . . . . . . . . . . 113, 121
Pollen, David . . . . . . . . . . . . . . . . . . .202
Pollard, John M. . . . . . . . . . . . . . . . . 265
Rampal, Jean . . . . . . . . . . . . . . . . . . . .35
Rayleigh, Lord (John Strutt) . . . . . . . .114
Riemman, Georg . . . . . . . . . . . . .57, 280
Riesz, Frigyes . . . . . . . . . . . . . . . . . . .28
Schafer, Murray . . . . . . . . . . . . . . . . .48
Schwarz, Laurent . . . . . 63, 97, 101, 267
Shannon, Claude . . . . 184, 206-208, 252
Slepian-Pollack (David, Henry) . . . . .124
Soares, Luciana . . . . . . . . . . . . . . . . . 125
Souza, Diego . . . . . . . . . . . . . . . . . . . . 81
Souza, Rafael . . . . . . . . . . . . . . . . . . . .78
Titchmarsh, Edward . . . . . . . . . . . . . .113
Tukey, John . . . . . . . . . . . . .76, 137, 145
Valensi, Georges . . . . . . . . . . . . . . . . . 58
Volterra, Vito . . . . . . . . . . . . . . .251, 253
Walsh, John . . . . . . . . . . . . . . . . . . . .159
Weierstrass, Karl . . . . . . . . . . .60, 74, 78
Wickerhauser, Victor . . . . . . . . . . . . .204
Wiener, Nobert . . . .96, 104, 244, 251-252
Woodward, P. . . . . . . . . . . . . . . . . . . . .41
339
340
ndice Remissivo
O Autor:
Hlio Magalhes de Oliveira (59), BEE (80), MEE (83), Docteur
(92).
H.M. de Oliveira nasceu em Arcoverde, Pernambuco, em Maio 1959. Ele

recebeu os graus de Engenheiro aos 21 anos e Mestre em Engenharia
Eltrica (MEE) da Universidade Federal de Pernambuco em 1983.
Ingressou no Departamento de Eletrnica e Sistemas DES-UFPE como
Docente em 1983, e em 1992 recebeu o grau de Docteur de lcole
Nationale Suprieure des Tlcommunications, Paris, especialidade em
Eletrnica e Telecomunicaes. Foi professor homenageado de cerca de
50 turmas de formandos em Engenharia Eltrica e Engenharia da
Computao, e escolhido paraninfo das turmas de Engenheirandos
2006.2; 2006.1; 2005.1; 2004.2; 2004.1; 2001.1. Coordenou o Mestrado
de Engenharia Eltrica da UFPE de 1992 a 1996. autor do livro texto
Anlise de Sinais para Engenheiros: wavelets, Editora Brasport, 2007,
srie da Soc. Bras. de Telecom. Interesses: Anlise de Sinais (incluindo
anlise de Fourier, wavelets, sinais em corpos finitos, sinais biomdicos,
sinais genmicos etc.), Teoria das Comunicaes, Teoria da Informao
aplicada (cdigos corretores de erros, modulao codificada, reticulados,
coberturas e empacotamentos), Processamento de Sinais, Fsico-qumica
de Interfaces, planejamento racional de frmacos (QSAR). Dr. de
Oliveira membro da Sociedade Brasileira de Telecomunicaes e
escolhido editor de rea do Journal of Communication and
Information Systems (JCIS) em 2005-2007.
341
342
ndice Remissivo
INFORMAES GRFICAS
FORMATO
15,5 22 cm
TIPOLOGIA
Times New Roman
PAPEL
MIOLO: off-set 90g/m2

CAPA: Triplex 250 g/m2
Montado e impresso na oficina grfica da
Rua Acadmico Hlio Ramos, 20 Vrzea

Recife | PE CEP: 50.740-530 Fax: (0xx81) 2126.8395
Fones: (0xx81) 2126.8397 | 2126.8930
www.ufpe.br/editora edufpe@nlink.com.br editora@ufpe.br
343
orelha
344
ndice Remissivo
345

Analise de Fourier e Wavelets PDF

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Analise de Fourier e Wavelets PDF

Încărcat de

Drepturi de autor:

Formate disponibile

Anlise de Fourier e Wavelets

Anlise de Fourier e Wavelets

Anlise de Fourier e Wavelets

Anlise de Fourier e Wavelets:

Hlio Magalhes de Oliveira

Anlise de Fourier e Wavelets

Anlise de Fourier e Wavelets:

Hlio Magalhes de Oliveira

Dados de Catalogao da Publicao

Oliveira, Hlio Magalhes de, 1959Anlise de Fourier e Wavelets : sinais

1. Matemtica para Engenheiros Anlise de Fourier.

Anlise de Fourier e Wavelets

adotada hoje. A apresentao de sries envolve igualmente o

fenmeno de Gibbs, os critrios para a convergncia de sries (condies

Hlio Magalhes de Oliveira

tambm tratados (os algoritmos rpidos, ditos transformadas rpidas). Os

Anlise de Fourier e Wavelets

Universo (radioastronomia, interferometria, estudo de fontes de

Hlio Magalhes de Oliveira

Anlise de Fourier e Wavelets

Hlio Magalhes de Oliveira

UFPE, Prof. Amaro Pessoa Lins, interferiu pessoalmente para viabilizar a

Anlise de Fourier e Wavelets

Dedicado ao Prof. Nilson Magalhes de Oliveira e a

Hlio Magalhes de Oliveira

Anlise de Fourier e Wavelets

CAPTULO 2 Espectro de Sinais

A Transformada de Fourier ........................................................ 89

CAPTULO 3 Anlise de Sinais no-estacionrios

Anlise Espectral para Sinais No-Estacionrios ...................... 167

Hlio Magalhes de Oliveira

CAPTULO 4 Fundamentos da Anlise Estocstica

Breve Reviso sobre a Teoria de Probabilidades ....................... 217

CAPTULO 5 Tpicos Especiais de Anlise de Sinais

Anlise no Linear: Sistema Discretos de Volterra e Sries de

APNDICE A UMA SINOPSE SOBRE A TEORIA DAS

Anlise de Fourier e Wavelets

Jean Fourier (1768-1830).

Neste texto so apresentadas as ferramentas bsicas para a

Hlio Magalhes de Oliveira

Tempo Curto (Transformada de Gabor) e Transformadas de Wavelets. A

rebanho = 6.cabras + 1.bode + 15.ovelhas .

Anlise de Fourier e Wavelets

Figura 1.1 Representaes para uma molcula qumica: Glicose.

O processo de decomposio via combinao linear facilita

Hlio Magalhes de Oliveira

claro que ao focalizar num nvel mais detalhado, perde-se a

A EXPANSO EM SRIE DE SINAIS ORTOGONAIS

Suponha o espao vetorial Euclidiano n munido com o produto

linear dos vetores da base [LANG 1971], ou seja,

em que <.,.> o produto interno usual entre vetores no espao

Anlise de Fourier e Wavelets

Entretanto, quando se deseja expressar um vetor V como

Figura 1.2 Aproximao vetorial: V deve ser aproximado por um vetor na

O erro cometido nesta aproximao corresponde ao vetor:

se considera a projeo do vetor V sobre o vetor V1 da base, como

Figura 1.3 Aproximao (na horizontal) de um vetor no plano.

2 e.g., imagine um ser bidimensional observando figuras tridimensionais (uma barata em

Hlio Magalhes de Oliveira

Pode ser verificado graficamente que qualquer outra escolha

Usando o fato conhecido da geometria analtica [LANG 1971]

Em geral, a melhor representao de um vetor V em termos de

Figura 1.4 Exemplo de Janela (unidimensional) usada no desenvolvimento