Documente Academic
Documente Profesional
Documente Cultură
orelha
H. Magalhes de Oliveira
Copyright 2007
Editora Universitria, Universidade Federal de Pernambuco
(broch.)
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
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
10
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
13
REFERNCIAS BIBLIOGRFICAS........................................317
NDICE REMISSIVO ......................................................................... 331
NDICE ONOMSTICO .................................................................... 337
14
Anlise de Fourier
CAPTULO 1
1.1
RESUMO
15
16
Penses 199-72
http://www-users.cs.york.ac.uk/~susan/cyc/g/googol.htm
17
1.2
r
vetor V qualquer do espao pode ser escrito como uma combinao
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
18
r
r
V C1V1 .
V1
C1 V1
V1
19
r
r
r
C1 || V1 ||= ProjVr V =|| V || . cos
,
.
Janela
parede
t
parede
b
Janela
20
Definio:
Um conjunto de sinais definidos em a<t<b dito ser ortogonal,
m
{ g (t)}
i
a<t<b.
f e (t ) := f (t ) Cii (t ) .
i =1
:=|| f e (t ) || 2 .
3 O produto deve ser tambm Hermitiano, se sinais complexos so considerados.
21
Ci
i = 1,2,K m
m
i =1
i =1
m m
i =1
j =1
i =1 j =1
i =1
i =1
=
= ... =
= 0.
C1 C 2
C m
f (t ) Cii (t ) ,
i =1
(i).
4 As condies de segunda ordem (matriz Hessiana) podem ser verificadas pelo leitor
mais exigente.
22
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
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 <
f L2 (a,b)
a f
(t )dt < e
a | f (t ) |
dt <
a | f (t ) | dt
24
1/ 2
b
(b a ) | f 2 (t )dt
a
a i (t ). k (t )dt = k i i,k
(i,k).
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.
|| f e (t ) ||2 = f e2 (t )dt .
a
25
a f (t )i (t )dt = KiCi .
Assim,
f e2 :=
1 b 2
2
a f (t ) dt K iCi .
b a
i =1
ortogonal, e se f L
{ 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)|| .
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
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
KiCi2 = a f 2 (t )dt .
i =1
TEOREMA. Um sistema
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 =
n =
{i (t )}+
completos.
27
T /2
T / 2
T /2
T / 2 |
f (t ) |2 dt =0 , ento
Q.E.D.
Um dos resultados mais celebrados da teoria de Fourier o
seguinte teorema (devido a Frigyes Riesz):
| Cn |2 < + ,
n =
| Cn |2 =|| f ||2
n =
(n).
1.3
28
0
O produto interno < n (t ),m (t ) >= t
0
n (t )m (t )dt
n0, m0.
.
{i (t )}+
n =0
n =1
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
29
cn cos(nw0t + n ) ,
n =0
w0 =
2
T
em que c n = a n2 + bn2 e n = tg 1 bn ,
an
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)
2 +1
n t
, a n = cos
dt=
4 1
2
sen
2
n
2
e bn = 0 .
30
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.
-4
-3
-2
-1
31
32
-1
-1
janela
janela
janela
a n2 + bn2 =
n =1
2 t0 +T 2
f (t )dt .
T t0
33
1.4
UDIO, ENGENHARIA
INSTRUMENTOS
ACSTICA,
MSICA
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
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.
36
(teus)
(as)
Solve polluti
Labii reatum
Sancte Johannes
absorve-os
purifica-lhes os lbios
So Joo.
37
Figura 1.12 Dois sinais harmnicos: Observe que todos os zeros do sinal
mais lento esto tambm presentes no sinal mais rpido.
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
12
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
39
Figura 1.13 Curva de consonncia obtida a partir de dois tons contendo seis
harmnicos cada. Notar a relao com as notas musicais.
40
Baixo
Bartono
Tenor
Contralto
Meso-Soprano
Soprano
41
Tenor
Contralto
Tipo de voz
Meso-soprano
Soprano
0
0
200
400
600
800
1000
1200
f (Hz)
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
f0 =
1
T
.
2rL d
43
FAMILIA DO VIOLINO
Contrabaixo
(baixo)
Violoncelo
(tenor)
Viola
(contralto)
Violino
(soprano)
44
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...
4L
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
46
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).
47
tamanho
12 (34)
Faixa de
freqncias
20 100 Hz
Woofer
12 (18)
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.
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, ...>>
n
,
= 2
Sa
2
, n mpar
|cn |
...
0
2w 3w 4w 5w 6w ...
2w 3w 4w 5w 6w ...
w
sinais gns
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
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 ) .
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
n =1 p
1
< + .
2( p 1)( p + 1)
+ 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
t
2
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
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:
+
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
52
etc.
ncleo
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
o
+ o
cn =
o
b
an2 + bn2
e n = + tg 1 n .
2
4
an
53
1.5
A REPRESENTAO EXPONENCIAL
produto
interno
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
t0 +T
t0
T se n = m
e j (n m )w0 t dt =
0 se n m.
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 , ... .
54
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 )
< t < + .
n =
55
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.
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
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
t0
2 t 0 +T
f (t) dt < + .
T t0
ento
|an|,|bn|<+.
2. f, f L1
ento
| an |, | bn |<
3. f, f, f L1
ento
| an |, | bn |<
.
n2
K
.
n
K
cn e jnw t ,
0
n=N
t 0 < t < t0 + T ,
w0 = 2 / T .
Convergncia de funes:
1. Em mdia quadrtica
2. Convergncia pontual
3. Convergncia uniforme
59
EMQ
PONTUAL
UNIFORME
11 Fujo com horror desta pliade de funes contnuas no derivveis em nenhum ponto
60
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
61
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
sen ( N + ) x
2
x
sen
2
Assim,
f N (t ) =
T /2
T / 2
f (t ' ) D N
(t t ' ) dt ' .
T
62
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
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
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.
64
a n cos nw 0 t
n =1
+ bn sen nw 0 t.
PN ( x) :=
n =1
.
N+1
2
65
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
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|<
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
67
(*)
(**)
68
lim
N +
[ f (0+ )
t
2
f (0)] DN
d
0
T .
sen ( N + ) x
Sa ( N + ).x
2 2
1
2
= . N +
x
T
2
Sa( x / 2 )
2
1
1
.( N + ).Sa ( N + ) x .
2
2
T
sen( ) ,
1
d
= [ f (0+) f (0)]. 0 ( N )
2
1
em que ( N ) =
N + t .
T
2
Si( x) := Sa( ) d .
0
12 Assintoticamente Si(x)~
senx 1! 3! 5!
cos x
2! 4!
+ .....
1
+
..... .
x x x3 x5
x x2 x4
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
Si().
incluem t* :=
70
T /2
T /2
,t +
,
N + 1/ 2
N + 1/ 2
71
N+1
T /2
N+1
2
T /2
t
N+1
2
t+
t( t0,t0+T).
f N (t ) = f ( ) L N
(t ) d .
0
1
T
n jnx
Sa
e .
N + 1
n= N
2
72
ento
srie
trigonomtrica
n =0
an cos(nw0t ) + bn sen(nw0t )
n =0
73
CONVERGNCIA UNIFORME
n =1
|sn(t)| Mn
n =1
n =1
n =1
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 | .
| 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 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)
{ N +1 (t )}N =1 converge
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.
75
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
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
1 N
n jnx
Sa
e .
T n = N N + 1
2
n
n
l = Sa
.
N + 1
N
2
N
N
77
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
78
1 x < 0
Sgn( x) := 0 x = 0
+ 1 x > 0.
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
k '= 0
cos((2k '+1)mw0 t )
dt
2k '+1
14 Vide: Uma Ferramenta para Anlise de Sons Musicais [SOU et al. 2005].
79
2 + +
k = 0 k '= 0
T
0
k =0
2k + 1
k '= 0
2k '+1
Assim,
2 + +
k = 0 k '= 0
produto
interno
entre
sinais
do
conjunto
pode ser avaliado em termos da
( n, m ) =
k =0 (2k
+ 1) 2
T
2 , tem-se 4 2
. (n, m) .
.
8
2
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).
An Sgn(cos(nw0 t ) ) + Bn Sgn(sen(nw0 t )) ,
nP
t0 < t < t0 + T ,
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
81
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
1 T
f (t ) Sgn(cos(nw0 t ) )dt e
T 0
f (t )dt ; An
f (t ) Sgn(sen(nw0 t ) )dt .
{ n (t )}+
n = 0 como se fossem ortogonais e so praticamente idnticas s
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
(1) k
a n ( 2 k +1) ,
k =0 (2k + 1)
2
Bn =
1
bn ( 2 k +1) .
(
2
k
+ 1)
k =0
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
+ ( 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 +
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)
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].
{ }
~
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
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
86
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
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.
F ( w) :=
existe.
1
2
F (w)e
jwt
dw .
89
f(t) dt < +.
f(t) dt < +.
T
1
T >T
2 1
Figura 2.1 Sinais aperidicos vistos como peridicos com perodo crescente
ad infinitum.
90
Fn e jnw0t ,
n =
em que w0:=2/T e Fn =
1
T
T /2
T / 2 f (t )e
jnw0t
dt .
lim Fn = lim
T
T/ 2
-T/2
1 T/ 2
f(t) dt = 0 .
T T -T/2
91
Define-se
F ( w) :=
espectro do sinal
f (t )e jwt dt
T/ 2
-T/ 2
f(t) e - jwt dt
, de modo que
aperidico15.
T
w0 0
srie exponencial
n=-
e jnw 0t
f (t)
corresponde a:
+
lim
w 0
-
F (w) w jn wt
e .
2
1
2
F (w)e
jwt
dw .
92
c um complexo.
(a)
-1/2
Exerccio 6
1/2
(b)
-1
0 caso contrrio .
Soluo:
+
Usando a definio, F ( w) =
jw
e
jw
-jw
jw
e
w
2j
2
-jw
, donde
93
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
F ( w) =
f (t ) cos(wt )dt j
f (t ) sen(wt )dt
F ( w) = 20
F ( w) = 2 j.0
95
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 < +.
bem definido.
96
t2
t1
f (0)
f (t) (t) dt =
0
t1 < 0 < t2 ,
caso contrrio .
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.
97
(t)
t
t=0
1 t > 0
= u (t )
t<0
du (t )
.
dt
(t) dt = 1
f (t ) (t t0 )dt =
f (t 0 ) , se f contnua em t0.
[ (t)] =
98
t =0
= 1 , ou (t) 1.
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
(at ) e
1
(t ), a 0,
a
so
idnticas,
fato
denotado
1
(t ), a 0.
a
100
t2
(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 =
( )d = ( )u (t )d =
d
u (t ) = 0 = (t ) .
d
101
Assim,
(t ) f (t )dt = f (0) .
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.
102
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.
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 =
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
f (t ) (t ) dt =
ou seja,
f (t ) (t )dt = f (0) +
[ f (0+) f (0)] .
2
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
1
e - (a+jw) t
-(a+jw)
+
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
- 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
dt = 2 ( w) e A 2A. ( w) .
t
lim A
T
2T :
105
F ( w) =
T
T
F (A)
w=0
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
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.
106
d) Novamente,
| u(t ) | dt = + ,
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 .
Exerccio 9
Avaliar o espectro dos sinais e
absolutamente integrveis).
Soluo:
a)
jwt
, cos(wct) e sen(wct) (no so sinais
pelo
exerccio 8b.
b) Usando a relao cos(wc t ) =
e jwc t e jwc t
, aplicando a linearidade
2
cos(wc t ) [ ( w + wc ) + ( w wc )] .
107
w
-w
c
c
Figura 2.10 Espectro de um tom cossenoidal puro: apenas a
freqncia wc (pontualmente) refletida no espectro.
e jwct e jwct
2j
sen( wc t ) j [ ( w + wc ) ( w wc )] .
-w
c
w
0
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!
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
w0=2/T, - <t<+.
f (t ) Fn e jnw0t
n =
Fn (e jnw t ) .
0
n =
F ( w) = 2 Fn ( w nw0 ) .
n =
109
2.3
A INTEGRAL DE CONVOLUO
A integral de convoluo,
simplesmente
convoluo
produto de convoluo ou
definida
como
iii ) Associativa f 1 (t ) * [ f 2 (t ) * f 3 (t )] = [ f1 (t ) * f 2 (t )] * f 3 (t )
u(- )
1
u(t)
u(t- )
110
1 u(t- )
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
*
( t /)
1
/2
( t-t / )
/2
/2
1
tI
/2
t /2
t+ /2
( 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
f (t ) * (t ) =
origem.
112
f ( ) (t t 0 ) d = f (t t 0 ) .
f(t)
f(t)*g(t)
-t
-t
t
0
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
de freqncias
{a k }1n e
k =1 k '=1
transformada
f (t ) = e
n =0
calculada.
F ( w) = e
n!
de
n =0
de
uma
distribuio
de
Poisson
Usando
Fourier
n!
.e jnw =e
espectro
(e jw 1)
. Assim,
do
impulso
de
Dirac,
| F ( w) |= exp( (cos w 1) )
| ( w) |= senw .
113
f 2 (t )dt = | F ( f ) |2 df .
f (t ) g (t )dt = F ( f )G
( f )df .
114
1
w
F( )
a
a ,
1
F ( w)
jw
1
F ( w) * G ( w)
2
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
f (t t0 ).e jwt dt .
1 +
jwt
F ( w)e dw , portanto,
2
F ( w)e
jwt
dw .
n 1
d n 1 f
dt n 1
1 +
n 1
jwt
( jw) F ( w)e dw .
2
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) .
P6 - Similar ao item anterior.
116
P7 - Definindo-se a funo (t ) :=
Fourier
[ (t )] = ( w) .
Isto s possvel se
lim (t) = 0
t
, ou seja,
d d
=
dt dt
d
jw( w) .
dt
f (t ) F ( w) .
(w) =
F (w)
jw
, provido que
Assim,
F (w)
jw
(0) = lim
w 0
F(w)
jw
, de modo que
jw
t
F ( w)
+ F (0) ( w) .
jw
[ f1 (t ) * f 2 (t )] =
+ + jwt
f1 ( ) f 2 (t )ddt
117
+ +
f (x, y) dx dy < + , ,
+ +
Ento
+ +
+ +
f (x, y) dx dy =
f (x, y) dy dx < + , ,
f (x, y) dy dx .
.
f ( x, y ) := x 2 + y 2
0
+ +
0 < x, y 1
caso contrrio
+ +
[ f1(t)*f2(t)] =
[ 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).
f (t ) * u (t ) =
+ ( 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,
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 .
.
1
2
e- t
/2
e- w
/2
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.
1
2
+ wm
120
t
-t
F(w)
(t/2tm)
Sa(w t )
m
*
-w
k =
(kT ) =
1 +
(nw0 ) e em particular,
T n =
k =
(k ) =
(2n) .
n =
121
:=
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
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 f (t )dt e
+ 2
f (t )dt
:=
| F (w) | dw .
+
2
| F ( w) | dw
2 = T f 2 (t )dt e 2 =
1
2
| F (w) |
dw .
123
MAX
s.t.
+
2
| F (w) | dw = 2
+T
f 2 (t )dt
(t ) = T ( )Sa((t ) )d .
T
d 2u
dt
2t
du
+ c 2t 2 u = 0 , t [-1,1].
dt
o maior valor de , e para que sinal ele atingido? A soluo tambm dada pelas
funes prolate esferoidais.
124
2.6
Isto
1
pode
e t
2 jwt
ser
2 e w
prontamente
dt = F ( w ) .
Derivando
.
deduzido
esta
equao
(1)
escrevendo
e
usando
125
2 h( w) .
Prova:
Segue da definio de h(.) que
2h( t ) = 2 [ f ( t ) + f ( t )] + [F ( t ) + F ( t )] .
(2)
(3)
e a prova concluda.
1
1+ t
+ e |t| , h2 ( t ) = 2 | t |
2
t2
tm
126
127
(6)
(7)
128
(8)
Portanto,
[p( t ).e ] t
t 2 2
"
p( t ).e t
= p( t ).e t
(9)
(10)
(12)
(2){f(t)}=2.f(-w') e (4){f(t)}=42.f().
(13)
(14)
tem ordem 4.
n =0
so sinais formato-invariante
( j ) n 2 H n ( w ).e w
(15)
129
H n ( t ) = ( 1 ) n e t .
dn
dt
e t .
(16)
(17)
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
130
durao r.m.s.,
f := 2 ( f f ) 2
(18a)
(18b)
w := ( w w ) 2 .
(19)
22
Obviamente , t = t
2 , w = 2 .f .
1
.
2
(20)
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)
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
+
1
2
| F ' ( w) |
(23)
dw,
(24)
Conseqentemente,
+
| F' ( w ) | dw < + ,
=
| F ( w ) | dw
| f ' ( t ) | dt < + .
=
| f ( t ) | dt
2
(25)
(26)
sec h 2 ( )d =2 ,
tgh 2 ( ). sec h 2 ( )d =
2.
2
sec h 2 ( )d = .
3
132
2
,
3
(28)
t . f =
(27a)
t . w
(27b)
lim 1 + 2
f (t)dt
T T
+ 2
f (t)dt < + .
T
+ 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
lim 1
T T
+T / 2
T / 2
f (t ) f (t + )dt .
+T / 2
T / 2
f (t ) f (t + ) dt =
f T (t ) f T (t + )dt = f T ( ) * f T ( ) .
f ( ) = S f (w).
2.8
A DFT E A FFT
N k =0
N
k t
134
n/N f
k t.
N 1
F (n) exp
f (k ) =
n=0
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
e N
N
n =0
l =0
n
=
0
1 z N
, vlida para qualquer complexo z 1. [CHU
1 z
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
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
136
25 O esforo computacional para avaliar a DFT N2, enquanto que para o algoritmo FFT
N=1024,
compare
137
F(w) espectro
tenso
f(t)
Figura 2.19 O analisador de espectro. Ilustrao.
138
139
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
140
vi cas
i =0
N , k=0,1,2,...,N-1.
1
(V N k + Vk ) e m(Fk ) = 1 (V N k Vk ) .
2
2
141
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
142
h(t)
(a)
(b)
(c) =
(a).(b)
(d)
(g)=
(e)*(f)
(A)
(B)
(C) =
(A).(B)
(c) Discretizao
Sa(x)
(D)
(e)=
(c).(d)
(f)
(E)=
(C).(D)
(F)
(g) Periodicidade.
w
(G)=
(E)*(F)
Exerccio 12.
Calcular explicitamente a DFT do sinal em rampa f(k)=k, k=0,1,2,,N-1.
143
1 e jNt
k =0
1 e jt
e jkt =
N 1
k .e jkt =
1
N
N 1
k .e
2nk
N
k =0
) (
Ne jNt 1 e jt + 1 e jNt e jt
k =0
jt 2
(1 e )
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
se n = 0
( N 1)
2
F ( n) =
1
n para n = 1,2,..., N 1
1 + j cot g
N
2
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
f [k ]e
k =
2
k .n
N
n = 0,1,..., N 1
(DFT)
145
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
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
2 M
M 1
nk
M 1
n ( 2k )
M
M k =0
k =0
k =0
k =0
1
n
Feven (n) + Fodd ( n)W 2 M .
2
n+ 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 ) =
148
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
f ' (k ) =
n =0
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
151
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
ei
i
i =1
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))
152
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
DFT(N)
(DFT(N))
4
8
12
24
48
60
0
2
4
12
38
56
120
240
720
...
65520
...
120
274
986
...
108594
...
153
vi+vj
vi-vj
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
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
...
...
...
...
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
157
2.10 TRANSFORMADAS
BASEADAS
CONSTANTES POR PARTES
EM
SINAIS
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
W (t)
1
t
W (t)
2
t
W (t)
3
159
f (t )
N 1
iWi (t ) .
i =0
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).
161
+ +
F (u, v) =
+ +
162
2
Assim, F (u , v) = f (r ) exp( j 2qr cos d )rdr .
0
Mas J 0 ( ) =
1
2
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.
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.
164
P ()
/4
P ()
0
P ()
-/4
emissor
P ()
/2
y
emissor
165
I 0 ( )
x( , )d , em que I
P (w) =
+ +
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-
STFT( , w) =
f( t)J * (t ) e jwt dt .
167
168
1
a
f(t) (
t
)dt .
a
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.
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
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 < +.
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 , b ( x) =
171
(t) wavelet-me
(t) L2( ).
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!
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.
1
|a|
t b
C
a2
172
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
174
(a)
(b)
|a|
175
Comprimida, se s>1;
Expandida, se s<1.
Comprimida, se s<1;
Dilatada,
se s<1.
176
(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 .
1 t b
177
Demonstra-se que a condio para uma funo ser uma waveletme (Condio de admissibilidade), (t) (w),
C :=
| ( w ) |2
dw < +
|w|
(t )dt = 0 (a ondinha
1
C
t b dadb .
1
CWT (a, b) (
)
a a2
a
+ +
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,
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
178
em que M n =
1
c
CWT (a, b) a ,b (t )
dbda .
a2
179
(
2
w
)
(
2
w
)
=
1
mZ
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.
180
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
181
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
1/ 4 3
182
0.644
( fdG )
2te t
( t ) = gaus1 :=
/2
1/ 4
0.5
( x)
0.5
0.644
10
10
8
( Mor ) (t ) =
1/ 4
et
/ 2 jw0 t
183
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
2 2
uma wavelet classe C, mas decresce muito lentamente no infinito e
no tem suporte compacto [http://en.wikipedia.org/Shannon_wavelet].
184
wavelet
(a)
2x + 1
complexa,
pode-se
usar
(b)
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
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].
186
187
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
188
1
1
( w) =
cos
4
2
Note que
1
2
(| w | (1 ) )
0
0 | w |< (1 )
(1 ) | w |< (1 + )
| w |> (1 + )
(1+) (1)
(1) (1+)
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
w w0
= PCOS (w;0,0, w0 , B )
2B
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
rpc(t ) := e( pcos(t ; t 0 , 0 , w0 , B )) e
ipc(t ) := m( pcos (t ; t 0 , 0 , w0 , B )) .
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).
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
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 + )
192
(a)
(b)
Figura 3.18 Wavelet
( deO )
193
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
U
m
limites em L2( ).
194
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
nZ
195
Base
{ (t n)}nZ
{ 2 (2t n)}
V-1
nZ
(t ) = 2 hn (2t n) com
nZ
| h
nZ
|2 < + .
Vm 1 = Vm + Wm .
A operao
196
UW
mZ
Base
{ (t n)}nZ
{ 2 (2t n)}
V-1
nZ
nZ
nZ
197
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 =
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
199
200
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:
1 cas
2 2
, h1 =
1 + cas
2 2
, h2 =
1 + cas'
2 2
, h3 = 1 cas' .
2 2
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
E=
202
d da
2
a
f(t)CWT(,a) (transformada isomtrica)
+ +
| CWT ( , a)|
203
3.5
204
205
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
206
Smbolo do Amostrador
controle da amostragem
nos Naturais .
207
F(w)
t
w
208
(t nTs ).
n =
Ts
n =
f (nTs ) (t nTs ) .
n=
...
...
Ts
...
...
t
w
s
wm
?
w
209
1
F(w) * ws (w nws ) , ou seja, f s (t) Fs (w) .
2
n=
1
1
F(w)* ws (w nws ) =
F(w) * (w nws ) ,
2
T
s n=
n =
F(w nws ) .
Ts n=
...
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
w >2 w
s
m
F (w)
s
F(w)
H(w)
F (w)
s
F (w)
...
w
w
m
w
s
w
m
2 fm
211
wm
w
Sa( wm t )
2wm
w
forma da resposta impulsional-- f (t) = f s (t )* Ts m Sa(wm t);
Logo,
Ts wm +
f (t ) =
f (t) f (
212
n
)Sa(wm t n ) .
2fm
...
...
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).
1 + 2 n
f
2 f m n =
2 fm
213
n
)Sa(wm t n ) . Calculando
2fm
wm
n, m .
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).
n =
214
DIMENSIONALIDADE DE SINAIS
+
+B
B | F ( w) |
df > (1 ) E .
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.
n
F Sa(wT + n ) .
n =
215
1
) para representar o sinal
T
Representao vetorial em
1
1
F ( B), K , F ( ), F (0), F ( ), K , F ( B)
T
T
216
N
= 2 B dim/ seg .
T
Fundamentos da Anlise
Estocstica
CAPTULO 4
4.1
BREVE REVISO
PROBABILIDADES
SOBRE
TEORIA
DE
217
218
uma coleo de
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)
Exerccio 11.
ALGEBRA (-lgebra)
Conjuntos munidos com duas operaes sobre conjuntos (adio e
produto): e (.)c
i) A,B
ii) A
A classe
A B
Ac
(p.ex.: A, B
logo Ac Bc
( Ac Bc )c
ou seja, AB
PROBABILIDADE TOTAL.
n
220
Em uma partio,
P(AiB)=P(B).
i =1
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.
P(AB)=P(AB)/P(A).
221
CANAL
Fen. B
P(A)
a priori
P(B/A)
P(A/B)
a posteriori
222
VARIVEIS ALEATRIAS
X:
w
x
Corpo ordenado
(, ,P)
( , ,P)
X funo mensurvel
P(X x)=P{w: X(w) x}.
FUNO DISTRIBUIO DE PROBABILIDADE
FX(x)= P(X x).
FDP
fdp
B
223
n:=E{(X-m1)n}
DESIGUALDADE DE CHEBYSHEV
P(|X-mX |) X2 /2
Chebyshev
Momento Conjunto
mn,k:=E(XnYk)
m11=E(XY)=RXY
224
Correlao entre X e Y
n,k:=E{(X-mX)n (Y-mY)k}
11=E{(X-mX)(Y-mY)}=KXY
Covarincia entre X e Y
KXY = RXY - mX mY
Cov(X,Y)= R(X,Y) - mX mY
No correlao
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
225
10n + 5
floor
, n } (inclui
2
226
3n + 1
3n + 1
, n>1}, A8:= { ceil
, n>1},
2
2
etc.
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
n A B
(s)
1
s
1
s
n
n
= n A
+ nB
.
( s)
( s)
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
lim n A n s
A ( A) :=
, em que
s 1 + (s)
2 ( A) =
6
1
n2
=
2
2
( 2)
n A n
n A
229
1
lim H s ( A)
em que H ( A) :=
. log 2
.
s
s
s
1
n A ( s ) n
( s)n
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
Assim, ( M 2 ) =
1
1
, ( M 5 ) = , etc.
2
5
230
1
p
H 2 (N )
1
p
. log 2
1
p2
|| M N T ||
|| N T ||
lim Pr(M T )
n. casos favorveis
e (M ) =
.
T
n. total de casos
T
1
=
e no limite, Pr(M2)=1/2
2T 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
1
.
q
|| AT ||
1
1
1
+
+ ... +
n1 n2
n T
|| A ||
|| AT || / mdia( AT )
|| N T || / mdia( N T )
|| AT ||
|| N T ||
ou seja,
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
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)
(M q ) = ( M p ) m .
mi
q = pi
i =1
( M q ) = ( M p ) = ( M p ) mi =
i =1
i =1
m
i =1 pi i
1
.
q
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
P(s)
, em
( s)
que P( s) :=
all primes
+ ( k )
k =1
P( s)
lim
s 1 +
(s) = 0 .
P( t )
1
1
9 10 11 12 13 14 15 16 17
t
17
35
234
Os
elementos
deste
conjunto
podem
ser
descritos
via
[WEIS 2006].
F ( n)
n =1
1
= 3.359885K
n =1 F (n )
<
( F ) = lim
s 1
F (n)
n =1
( s)
< lim
s 1
3.359885K
= 0.
(s)
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
d
ln ( x) , em que (x) a funo fatorial
dx
1
= (T + 1) + C , em que C=0.5772156...
n =1T
n =1n
236
PrP ( T )
0.5
Pr( T )
0
1
2
10
1 .10
100
T
1 .10
10000
Pr ( T )
P( T )
0.5
1
2
10
100
T
1 .10
1000
237
4.3
X(w1,t)
Funo Amostral
w1
t
w2
X(w2,t)
t fixo
X(w1,t)
t
X(w2,t)
t
238
t1
t2
t3
239
, k,
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 .
tT
3. t1, t2T
RX(t1, t2)=RX(t2-t1)=RX().
4.4
240
y: R
w a y ( w)
b
a
:=
1 T
T x(t )dt , se o limite existe.
T 2T
lim
241
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
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
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 x n x *m =
242
rk m,k k ,n = rn n,m .
k =
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=
1 T
E | x(t ) | 2 dt = rn
T 0
n = .
S x ( ) = rx (k )e jk
k =
243
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
*
l.i.m. TE x n x m
=0
.
T
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 ) =
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
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)
( )
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 .
a R(t , s ) k (s)ds = | n |
n
a R(t , s) k (s)ds =| k |
n (t ) n* ( s) k ( s)ds
a
k (t ) .
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.
245
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 .
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
R x ( ) = R x (
n =
em que
246
n
)
R x (
2 fm
n
) Sa( wm t n )
2 fm
x(t ) x N (t ) := x(
n = N
n
) Sa( wm t n )
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
S x ( w) = 0 (w),
2
( ) 0
2
2
1
2
S x (w)dw = + .
0
( ) , de forma que qualquer que seja 0, duas amostras x(t)
2
247
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
estocsticos
so
da
variveis
srie
aleatrias
generalizada,
gaussianas
248
0
em |w|.
2
0
w
2
2
S x ( w) =
Como
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
0
Sa ( (t s ) ) ( s ) ds = 0 0 (t ) = (t ) .
2
2
2j (n 1)
2j (n 1)
+B j sen
, 0n N ,
N
N
A j cos
j =1
j := 2 .U
249
250
251
Figura 5.1 Filtro de Wiener com trs derivaes (equivale a FIR 3-taps).
de
H ( w) = (c 1e jw + c0 + c1e jw )e jw .
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
252
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}.
+ +
y( t ) = h0 + h1 ( )x( t )d +
h2 ( 1 , 2 )x( t 1 ) x( t 2 )d d 2 +
1
+
+ + +
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
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
h ( 0 ) = g 0 ; hi
(1 )
= g1hi ; hij
(2)
= g 2 hi h j ; ...
5.2
254
255
Proposio:
Os
elementos
p +1
2
2
2
| | a + b (mod p) .
=(a+jb)GL(p)
satisfazem
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].
256
1
1
-1
2
5+j3, 5+j8 j, -j
3
4
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
257
a, se a 2 1 (mod p )
| a |:=
p 1
a, se a 2 1 (mod p).
258
259
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]
n =
(1)
n +1
n =1
260
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 )
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
srie
converge,
1
= (1 + 4 + 6 + 5 + 2 + 0 ) 3 (mod 7 ) .
6
no
sentido
Cesro,
para
261
x[n]
n =
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
) .
i ( a ) i .
N = ( N i)(a ) i que igual a N =
a 1
N i =0
N i =0
262
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
A TFTDCF Inversa
Lema:
2 ( p +1) 1
= 0
Se
tem
ordem
multiplicativa
2(p+1),
ento
Caso contrrio,
k =
= 0
1 k 2 ( p +1)
e o resultado segue.
1 k
x[n] =
1
2 ( p +1)
X ( )
=0
x[k ]
k =
X ( ) n =
2 ( p +1) 1
=0
x[k ]
(
=0
)n .
k =
x[k ](
k =
=0
(nk )
para
k =n,
de
modo
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)
2 ( p +1) 1
n
=0
Vk := viW ik ,
i=0
264
Fk := f i
ki
i =0
265
266
Apndice
APNDICE A
UMA SINOPSE SOBRE A TEORIA DAS DISTRIBUIES
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 )
{ }
( 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 ( )
Distribuies Tf.
So distribuies geradas (associadas) a sinais fL1( ).
Se fL1( ), ento f define uma distribuio Tf dada por:
+
268
Apndice
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
t 0
lim (t ) (0) = ' (0)
+ L (t ) (0)
1
. Ento < , vp >=
dt .
t
L
t 0
t
t
269
(t ) f ' (t )dt .
+
' (t ) f
' (t ) f (t )dt .
Isso sugere definir, de um modo mais geral, < , T ' >=< ' , 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 ) .
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 ) ] +
270
L ( t ) f ' ( t ) dt
ou
Apndice
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)
f (t t 0 ) (t )dt = f (t ) (t + t 0 )dt .
Considere o funcional
t0 :
DD
a (. + t 0 )
, t0 D.
Homotetia. Seja Se f:
( -{0})
C localmente integrvel e D,
t
dt
f (t ) (t )dt = f (t ) ( ) | | .
1
< 1 / , T > .
| |
1
| |
para 0.
271
Exerccio. nula em
-{0}, <,>=0.
U i .
iI
272
Apndice
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
}.
tR
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
273
| f (t ) |
1+ | t | p
Assim,
+
< , T f *g >:=
+
g (v) < (v + .), T f
> dv .
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:
+
274
Apndice
1
t
( )dt .
|a| a
< , 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
(, , P )
( ,B,)
277
inf m( I ) := mo ( E ) ( E )
278
Apndice
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 )
Sup m( I ) := mi ( E ) = sup b (a + ) = b a
I:=[a+,b-]E e
ea
I
279
/2n centrado em rn
...
mo ( DQ ) m( I n ) =
n =1
23
+ ... = .
280
f (t )dt =
( 0 ,1)
f (t )dt e
+1
f (t )dt = f (t )dt .
Apndice
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 )
:= y k m(ek ) .
k =1
281
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
1/ 2
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
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 =
A
...
...
0 T/43T/4 T
284
cos
/4
+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
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)=
T (t ) := (t-nT )
...
...
T
t
+
T (t): = (
T/m
...
...
t
T
286
t nT
)
T/m
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
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) ,
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.
287
*33 Obtenha a srie exponencial para a funo peridica g(t)=e -1, representada
graficamente abaixo.
e-1
...
...
t
1 2 3
+1
...
-2 -1
...
2 3
1
-1
-at
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
b) t [u(t+1)-u(t-1)]*(t/2).
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
a,b>0.
1
*
-1
+1
t
-11 -10
10 11
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
A
f(t) =
0
t <1
1< t < 2
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
1
-2
a)
b) f(t) = A (t/ ) cos w0 t .
c)
f
3
3
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
2
-5
2
0
+5
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.
Acos20t
/5
292
/5
jw
-R
+1
-1
-1
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
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 .
C(x)=
S(x)=
2
d , Integral Cosseno de Fresnel,
2
cos
x
2
*73 Calcule a transformada de Fourier do pulso Gaussiano v(t)=Ae-(t/) .
294
0 e
pt
t dt =
(+1 ) ,
p +1
-1/2
, t0, empregando a
(1 / 2 ) = .
*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
diferenciao na freqncia.
*77 Avalie a transformada de Fourier do sinal: f(t) =
-1
i
-1
1
1
.
2
t 2t + 2
1
-i
1 1
?
1+ t 2
(Integral de
contorno).
*80 Determine a transformada de um sinal trapezoidal.
A
t
-b -a
a b
295
t
-4 -3 -2 -1
1 2 3 4
Cos 200 t
...
...
-5
-3
-1
+1
+3
+5
-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.
2
...
a)
-2
b)
...
degrau unitrio.
296
...
0
Sugesto: Expressar
...
10
1
1
2
*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),
Use
( x) = u
x 1
a
u
funo
Gama
de
Euler
(fatorial
generalizado):
du .
te t
/ 2 2
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
-2 1
w0 2w0 w
-2w0 -w0
w
-1 2
jw
w 20 w 2
G(w)
-2
1
2
b)
-1
-aw2
Sa(bw), a,b>0.
298
1
a) A
sen 2 wt 0
b)
( wt 0 ) 2
-4
-2
1
se
<h< +
,
<v< +
I(h,v)=
2
2
2
2
2
2
2
2
0, caso contrrio
299
0
V V
H
f(kTS ) = f S F(nf S ).
t/2
) , em particular.
2 fm
, em
n
300
F ( ) = F 2
= f ( x)e
sin
dx em que =2 (sin) /.
a/2
condies
C :=
possvel
+ | ( w) |
pegar
uma
onda?
(catch
the
wave!).
Se
C
a
301
*123 Aplicando
Sinc (t ) =
teorema
S-N-K,
demonstre
frmula
n =
Sinc(t ) =
.
+
Sinc(n).Sinc(2t n)
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
dt =
n=0
1
/ 2 n=1,2,3,...
1-t 2
3
4
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
n =1
n =1
a n2 + bn2 < + .
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
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
1 2 + n 2
+ Sa
t -<t<.
cos n
3 3 n =1 3 T
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 =
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
; 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
308
| a3 |
j w ,
F '
4 2
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
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
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
e |w| .
79
83
w=0
96
1
w0
a)
+
1
e jw0 (t t 0 )
A A
(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)
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
| 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
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
317
318
Referncias
319
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
323
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
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
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
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
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
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
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
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).
341
342
ndice Remissivo
INFORMAES GRFICAS
FORMATO
15,5 22 cm
TIPOLOGIA
PAPEL
343
orelha
344
ndice Remissivo
345