INSTITUTO TECNOLGICO DO SUDOESTE PAULISTA SYLVESTRE FERRAZ EGREJA FACULDADE INTESP - ENGENHARIA ELTRICA

Processamento Digital de Sinais

SISTEMAS LINEARES Sinais esto presentes em diversas situaes do dia-a-dia do ser humano. Um sinal pode ser definido como uma funo que carrega uma informao. A forma mais comum para ns a comunicao por sinal de voz. Nesse exemplo, temos o sinal gerado pelo trato vocal e o sinal recebido pelo sistema auditivo. Apesar de ser o mesmo sinal transmitido a forma como ele processado inerente ao receptor. O processamento de sinais lida com a representao, transformao e manipulao dos sinais e da informao que eles contm. At a dcada de 60, a tecnologia para processamento de sinais era basicamente analgica. A evoluo de computadores e microprocessadores juntamente com diversos desenvolvimentos tericos causou um grande crescimento na tecnologia digital, surgindo o processamento digital de sinais (PDS). Um aspecto fundamental do processamento digital de sinais que ele baseado no processamento de seqncias de amostras. Para tanto, o sinal contnuo no tempo convertido nessa seqncia de amostras, i.e., convertido em um sinal discreto no tempo. Aps o processamento digital, a seqncia de sada pode ser convertida de volta a um sinal contnuo no tempo. A maior parte do processamento de sinais envolve processar um sinal para obter outro sinal. Normalmente, isso conseguido por um processo conhecido como filtragem. Sinais podem ser classificados em quatro diferentes categorias dependendo de carcatersticas de tempo e dos tipos de valores que eles podem assumir. Sinais contnuos no tempo (ou analgicos) so definidos para qualquer valor de tempo e eles assumem valores no intervalo contnuo (a, b), onde a pode ser - e b pode ser +. Podem ser representados por uma funo de variveis contnuas. Sinais discretos no tempo so definidos apenas para certos valores especficos de tempo. Podem ser representados matematicamente por uma sequncia de nmeros reais ou complexos, x. O n-simo nmero dessa seqncia denotado por x[n]. Assim, x formalmente escrito como: Processamento Digital de Sinais - Prof. Carlos Alexandre Mello Pgina 5 x = {x[n]}, - <n < onde n um inteiro. Tais seqncias so geradas a partir de um processo de amostragem peridica de um sinal analgico. Assim, o valor numrico do nsimo nmero da seqncia igual ao valor do sinal analgico xa(t) no tempo nT, i.e.: x[n] = xa(nT), - <n < Danilo Cassanho 9 Termo

INSTITUTO TECNOLGICO DO SUDOESTE PAULISTA SYLVESTRE FERRAZ EGREJA FACULDADE INTESP - ENGENHARIA ELTRICA

Os valores de amplitude de sinais contnuos ou discretos no tempo podem ser contnuos ou discretos. Se um sinal pode assumir qualquer valor dentro de um espao finito ou infinito, ele dito um sinal contnuo em valores. Sinais digitais so aqueles para os quais tanto o tempo quanto a amplitude so discretos. Ou seja, ele discreto no tempo e s pode assumir valores dentro de um conjunto finito de possveis valores ( discreto em valores). Sinais tambm podem ser classificados em determinsticos ou aleatrios. Qualquer sinal que podem ser unicamente descrito por uma expresso matemtica, uma tabela de dados ou uma regra bem definida chamado determinstico. Esse termo usado para destacar que quaisquer valores passados, presentes e futuros do sinal so conhecidos precisamente, sem incerteza. No entanto, em aplicaes prticas, os sinais no podem ser representados precisamente por equaes matemticas ou suas descries so muito complexas para uso. Isso indica que tais sinais tm comportamentos imprevisveis sendo chamados de sinais aleatrios. 1.1 Principais Tipos de Sinais Em um estudo sobre processamento digital de sinais, alguns sinais so de mais importncia. Dentre eles, temos o impulso unitrio, d[n], definido como: T{a.x1[n] + b.x2[n]} = a.T{x1[n]} + b.T{x2[n]} Um dos mais importantes aspectos do impulso que uma seqncia arbitrria pode ser representada como uma soma de impulsos escalonados e deslocados. Por exemplo, a seqncia p[n] abaixo: p[n] = 3.d[n+3] + 2.d[n + 1] + 4.d[n - 2] 1.d[n 3] De forma mais geral, qualquer seqncia x[n] pode ser representada como: = = k x[n] x[k]d [n k] Outra seqncia importante o degrau unitrio, u[n]: T{a.x1[n] + b.x2[n]} = a.T{x1[n]} + b.T{x2[n]} O degrau relaciona-se com o impulso como: == n k u[n] d [k] Uma forma alternativa de representar o degrau em termos de impulso obtida interpretando o degrau em termos de uma soma de impulsos deslocados. Isso pode ser expresso como: = = 0 [ ] [ ]k u n d n k Por outro lado, o impulso relaciona-se com o degrau unitrio como: d[n] = u[n] u[n 1] Danilo Cassanho 9 Termo

INSTITUTO TECNOLGICO DO SUDOESTE PAULISTA SYLVESTRE FERRAZ EGREJA FACULDADE INTESP - ENGENHARIA ELTRICA

Uma seqncia exponencial importante na anlise de sistemas discretos e invariantes no tempo. A forma geral de uma seqncia exponencial dada por: x[n] = A.an 1.2 Sistemas Discretos no Tempo Um sistema discreto no tempo definido matematicamente como uma transformao que mapeia uma seqncia de entrada x[n] em uma seqncia de sada y[n]. Isso pode ser denotado por: y[n]=T{x[n]} Alguns exemplos ilustram sistemas simples: 1) Sistema de atraso ideal: y[n] = x[n nd], - <n < 2) Mdia mvel: =11+2 +2[ ]111 2Mk Mx n kM M A seguir, destacamos algumas importantes propriedades dos sistemas. 1) Um sistema dito sem memria (memoryless systems) se a sada y[n] a cada valor de n depende apenas da entrada x[n] no mesmo valor de n. Ex: y[n] = {x[n]}2 2) Um sistema linear se obedece ao princpio da superposio. Ou seja: Processamento T{a.x1[n] + b.x2[n]} = a.T{x1[n]} + b.T{x2[n]} Ex: Acumulador: ==nky[n] x[k]. 3)Um sistema invariante no tempo um sistema no qual um deslocamento no tempo (ou atraso) da seqncia de entrada gera um deslocamento correspondente na seqncia de sada. Ou seja, suponha um sistema que transforma uma seqncia de entrada x[n] na seqncia de sada y[n]. Se a seqncia de entrada sofre um deslocamento de n0, x[n] = x[n n0], ento a seqncia de sada torna-se y[n] = y[n n0]. Ex: Um sistema de atraso ideal um sistema invariante no tempo. Ex: O seguinte exemplo mostra um sistema que no invariante no tempo: y[n] = x[M.n], - <n < . 4) Um sistema dito causal se ele no depende de valores futuros da seqncia. Ou seja, o valor de y[n1] pode ser calculado apenas com valores de x[n] para n n1. Ex: Um sistema no causal: y[n] = x[n + 1] x[n] 5) Um sistema dito estvel se toda entrada limitada provoca uma sada limitada. Assim, se, para todo n, |x[n]| B < , para algum valor finito B, ento |y[n]| C < , para algum valor finito C. 1.3 Sistemas Lineares e Invariantes no Tempo Uma classe importante de sistemas consiste naqueles que so lineares e Danilo Cassanho 9 Termo

INSTITUTO TECNOLGICO DO SUDOESTE PAULISTA SYLVESTRE FERRAZ EGREJA FACULDADE INTESP - ENGENHARIA ELTRICA

invariantes no tempo. Como dito acima, os sistemas lineares so aqueles que obedecem ao princpio da superposio. Se a propriedade da linearidade Processamento Digital combinada com a representao de uma seqncia geral como uma combinao de impulsos, ento um sistema linear pode ser completamente caracterizado pela sua resposta ao impulso. Seja hk[n] a resposta do sistema a d[n k]. Assim, como: == kx[n] x[k]d [n k] ento == ky n T x k d n k Pelo princpio da superposio, podemos escrever: = = = 1=2 1 =k.k=k y[n] x[k]T{d [n k]} x[k]h [n] De acordo com essa equao, a resposta do sistema a qualquer entrada pode ser expressa em termos da resposta a d[n k]. A propriedade da invarincia no tempo implica que, se h[n] a resposta a d[n], ento a resposta a d[n - k] h[n k]. Com isso, podemos dizer que: = = l k y[n] x[k]h[n k] (Eq. 1.1) Como conseqncia, um sistema linear invariante no tempo completamente descrito por sua resposta ao impulso. Essa equao conhecida como soma de convoluo (convolution sum) que pode ser representada pela notao: y[n] = x[n]*h[n] (Eq. 1.2) Apesar da semelhana na notao, deve-se salientar que a soma de convoluo para sinais discretos no uma aproximao da integral de convoluo. Propriedades da soma de convoluo: 1) Comutatividade:x[n]*h[n] = h[n]*x[n] Isso pode ser facilmente justificvel com uma mudana de varivel na Eq. 1.1. Especificamente, podemos fazer m = n k. 2) Distributividade: x[n]*(h1[n] + h2[n]) = x[n]*h1[n] + x[n]*h2[n] 3) Conexo em Cascata 4) Conexo em Paralelo 5) Causalidade Como definido anteriormente, um sistema dito causal se sua resposta no depende de eventos futuros. Ou seja, para calcular a sada de y[n0], precisamos apenas de x[n], n n0. Isso implica na condio:h[n] = 0, n < 0 Assim, para testar a causalidade basta testar se h[n] = 0 para n<0. 6) Estabilidade A estabilidade garantida se: < = , n= S | h[n] | Para qualquer que seja a entrada x[n] de um sistema: x[n]* d[n] = x[n] Assim, em geral, se um sistema linear invariante no tempo tem uma resposta ao Danilo Cassanho 9 Termo

INSTITUTO TECNOLGICO DO SUDOESTE PAULISTA SYLVESTRE FERRAZ EGREJA FACULDADE INTESP - ENGENHARIA ELTRICA

impulso h[n], ento seu sistema inverso, se existir, tem resposta ao impulso hi[n] definida pela relao: h[n]*hi[n] = hi[n]*h[n] = d[n] Uma classe importante de sistemas lineares invariantes no tempo consiste daqueles para os quais x[n] e y[n] se relacionam atravs de uma equao de diferenas de coeficientes constantes lineares de n-sima ordem da forma: = N1 =2 NkxM k (k k a y n k b x n k) 0 0 (Eq. 1.3) Um exemplo de um tal sistema um acumulador definido pela seqncia cujo diagrama de blocos pode ser visto na figura abaixo: Tal sistema representado pela equao de diferenas: y[n] = y[n 1] + x[n] ou y[n] - y[n 1] = x[n] Pela Eq. 1.3, temos: N = 1, a0 = 1, a1 = -1, M = 0 e b0 = 1. Assim, para cada valor de n a sada dada pela entrada x[n] somada com o valor anterior do acumulador, y[n 1].

Danilo Cassanho 9 Termo

INSTITUTO TECNOLGICO DO SUDOESTE PAULISTA SYLVESTRE FERRAZ EGREJA FACULDADE INTESP - ENGENHARIA ELTRICA

Sistemas Lineares

Danilo Cassanho 9 Termo