Sebenta Total

INSTITUTO SUPERIOR DE ENGENHARIA DE LISBOA
DEPARTAMENTO DE ENGENHARIA DE ELECTRÓNICA E

TELECOMUNICAÇÕES E DE COMPUTADORES
SECÇÃO DE COMUNICAÇÕES E PROCESSAMENTO DE SINAIS
Engenharia de Redes de Comunicação e Multimédia
Engenharia Electrónica de Telecomunicações e Computadores
MODULAÇÃO DE IMPULSOS
(Introdução à codificação de sinais)
CARLOS EDUARDO DE MENESES RIBEIRO
Outubro de 2007
Em muitos sistemas de transmissão de dados, os sinais
analógicos são primeiro convertidos na forma digital pelo
transmissor, transmitidos na forma digital e finalmente
reconstruídos no receptor em sinais analógicos. O sinal resultante
segue, normalmente, o sinal de entrada mas não é exactamente o
mesmo, uma vez que o quantificador, no transmissor, produz os
mesmos dígitos (código) para todos os valores que caem num
mesmo intervalo, de um número finito de intervalos.
O receptor deve fornecer, a cada combinação de dígitos, o

mesmo valor que será o valor do sinal reconstruído, para todas os
valores do sinal de entrada que caiam dentro de um mesmo
intervalo de quantificação.
A diferença entre o sinal de entrada e de saída, assumindo

que não existe erro na transmissão dos dígitos, é o erro de
quantificação. Uma vez que o débito de qualquer sistema de
transmissão digital é finito, deve-se utilizar um quantificador que
mapeia a entrada num número finito de intervalos.
Joel Max
Quantizing for Minimum Distortion, 1960

ÍNDICE:
1 INTRODUÇÃO. ........................................................................................1
2 CONVERSÃO ANALÓGICO-DIGITAL ..............................................2

2.1 AMOSTRAGEM .............................................................................................................3
2.2 MODULAÇÃO POR AMPLITUDE DE IMPULSOS ...............................................................6
2.3 QUANTIFICAÇÃO .........................................................................................................8
3 PCM - MODULAÇÃO POR CÓDIGO DE IMPULSOS....................10
3.1 QUANTIFICAÇÃO UNIFORME ......................................................................................10
3.2 QUANTIFICAÇÃO NÃO UNIFORME ..............................................................................14
3.3 PCM COMPANDING – NORMA G.711 ......................................................................17
3.4 QUANTIFICAÇÃO ÓPTIMA ..........................................................................................22
4 CODIFICAÇÃO PREDITIVA – MODULAÇÃO DIFERENCIAL ..26
4.1 MODULAÇÃO POR CÓDIGO DE IMPULSOS DIFERENCIAS .............................................27
4.2 MODULAÇÃO DELTA .................................................................................................39
5 SOBRE-AMOSTRAGEM ......................................................................43
5.1 GANHO DE FILTRAGEM ..............................................................................................43
5.2 SOBRE-AMOSTRAGEM EM PCM E DPCM..................................................................44
5.3 SOBRE-AMOSTRAGEM EM DM ..................................................................................44
6 MODULAÇÃO DELTA-SIGMA ..........................................................46
6.1 DA CODIFICAÇÃO DM À CODIFICAÇÃO ∆Σ................................................................46
6.2 FORMATAÇÃO DO RUÍDO ...........................................................................................47
6.3 CONVERSORES AD E DA POR MODULAÇÃO ∆Σ.........................................................50
7 SUMÁRIO................................................................................................51
PRINCIPAIS FORMULAS ..........................................................................55
APÊNDICES ..................................................................................................57
APÊNDICE 1 - FUNÇÃO DE AUTO-CORRELAÇÃO TEMPORAL DE UMA SINUSÓIDE DISCRETA....57
APÊNDICE 2 – SINUSÓIDE COM PREDITOR UNITÁRIO .............................................................58
APÊNDICE 3 - SNR PARA A MODULAÇÃO ∆Σ DE ORDEM N ..................................................59
EXERCÍCIOS RESOLVIDOS .....................................................................61
EXERCÍCIOS PROPOSTOS .......................................................................73
BIBLIOGRAFIA............................................................................................77
GLOSSÁRIO DE ACRÓNIMOS.................................................................79
Introdução. 1
1 Introdução.
Para além da tradicional rede de comunicação telefónica, o

desenvolvimento das tecnologias digitais nas últimas décadas criou novos tipos
de serviços, nomeadamente o telefone móvel e a Internet. Cada vez mais estes
serviços integram, de um modo natural, diversas fontes de informação, tais
como os sinais de fala e áudio, as imagens e vídeo, ou o texto, como é apenas
um exemplo o sistema UMTS.
Quando o sinal a transmitir é analógico, tipicamente variando

continuamente com o tempo, é necessário convertê-lo para digital, ou seja,
representa-lo com um número finito de bits. Por codificação digital de sinais
entende-se esta representação digital com vista à transmissão ou
armazenamento. Quando da transmissão, o débito binário (bit rate) de
codificação da fonte, medido em número de bits por segundo, é um factor
importante na definição da largura de banda requerida para o canal de
transmissão. No armazenamento para utilização posterior, o débito binário
determina o espaço requerido na unidade de armazenamento. O conjunto de bits
que representa o sinal pode ainda ser reduzido, aumentando a eficiência,
aplicando outro tipo de codificadores, que na maioria das vezes tiram partido da
correlação entre amostras.
A conversão para digital provoca sempre distorção por quantificação.

Uma medida de qualidade desta distorção é a relação entre a potência do sinal
original e a potência do ruído de quantificação (SNR – signal to noise ratio). O
problema básico da quantificação/codificação é o de obter um mínimo de
distorção para determinado débito binário, ou manter a distorção aceitável ao
menor débito binário possível.
Para além da integração de serviços, uma vantagem da representação

digital sobre a representação analógica é, embora introduzindo a priori ruído de
quantificação, a de uma maior imunidade ao ruído introduzido pelos canais de
2 Modulação de impulsos Carlos Meneses
transmissão. Repare-se que ao contrário da transmissão analógica em que o

efeito do ruído do canal de transmissão pode ser atenuado mas nunca
totalmente suprimido, numa transmissão digital não haverá erro na transmissão
desde que seja possível transmitir sem erro, apesar do ruído, os bits de
codificação. Havendo erros a medida de qualidade desta transmissão é a relação
entre os erros de bit e a totalidade dos bits transmitidos (BER – bit error rate).
Este texto discute a codificação digital de sinais, dando ênfase aos sinais
de fala. Existem diversos métodos de codificação de sinais de fala: codificação de
forma de onda; codificação paramétrica; e codificação híbrida. Serão
apresentados apenas os métodos de codificação de forma de onda, de débito
binário mais elevado, e serão apresentados os codificadores desta classe
normalizados pelo ITU-T1. Estes correspondem a um capítulo introdutório sobre
codificação de fonte.
2 Conversão analógico-digital
O problema da conversão analógico-digital é o de converter um sinal

2
analógico de variação contínua no domínio do tempo, representando por
exemplo variações de pressão produzidas por um som quando captado através
de um microfone, num conjunto finito de bits. A dificuldade encontrada
prende-se com o carácter contínuo, e portanto com infinitas possibilidades, do
sinal, quer no tempo quer em amplitude. A conversão analógico-digital envolve
três etapas (amostragem, quantificação e codificação PCM), que serão objecto
de análise no resto desta secção e no início da secção seguinte. A amostragem
tem como objectivo tornar o sinal discreto no domínio do tempo e não envolve
perda de informação desde que alguns pressupostos não sejam quebrados
(teorema da amostragem de Nyquist-Shannon). A quantificação torna o sinal
1
ITU-T, International Telecommunication Union - Telecommunication Standardization Sector.
Anteriormente a 1993 denominava-se CCITT (Comité Consultatif International Téléphonique et
Télégraphique).
2
Sinal eléctrico que tem uma variação análoga à variação da grandeza física que quer representar.
Conversão analógico-digital 3
discreto na amplitude, transformando um número infinito num número finito de

valores. Finalmente, a codificação atribui a cada amplitude discreta um código
finito, representado por um conjunto de bits.
2.1 Amostragem
A amostragem pode ser descrita como a “observação” do valor do sinal

analógico de entrada, m(t) (m – message), a intervalos regulares. O sinal
amostrado, m±(t) é então obtido pelo produto do sinal de entrada por um trem
de diracs δ Ts (t ) com período Ts (Sampling Period).
∞ ∞
mδ (t ) = m(t ) × δ Ts (t ) = m(t ) ∑ δ (t − nTs ) = ∑ m(nTs )δ (t − nTs ) . (2.1)
n = −∞ n = −∞
O espectro do sinal amostrado corresponde à convolução do espectro de

m(t), que se supõe de banda limitada W, pela Transformada de Fourier do trem
de diracs δ Ts (t ) , que é também um trem de diracs com período e área fs=1/Ts,
f s δ fs ( f ) . Para reconstruir o sinal amostrado é necessário, então, filtrá-lo
passa-baixo (filtro reconstrutor) à frequência de corte fs/2, com ganho Ts para

manter a amplitude final. Para evitar a sobreposição espectral e a
correspondente distorção a que se dá o nome de aliasing, a frequência de
amostragem deverá ser igual ou superior a duas vezes o valor W da frequência
máxima do sinal (teorema da amostragem de de Nyquist-Shannon):
f s ≥ 2W , (2.2)
em que a frequência mínima de amostragem denomina-se frequência de Nyquist.

Todo este processo é ilustrado no domínio da frequência, na figura 2.1. Quando
não há certeza de se evitar o aliasing, antes da amostragem o sinal deve ser
previamente limitado à frequência fs/2 com um filtro passa-baixo.
Figura 2.1
Interpretação da amostragem no domínio da frequência
Em a) representa-se o espectro de um sinal de entrada m(t), com banda limitada W. Em b)
representa-se o espectro do sinal amostrado. A reconstrução do sinal é possível sem distorção
por filtragem passa-baixo à frequência de corte fs/2, pois W<fs/2. Em c) representa-se o
sinal amostrado em que as repetições espectrais se sobrepõem (aliasing), pois W>fs/2.
Teorema da Amostragem de Nyquist-Shannon
É possível amostrar e reconstruir, sem erro, um sinal com banda limitada

W, desde que a frequência de amostragem fs seja superior a 2W. A reconstrução
sem distorção do sinal amostrado é obtida por filtragem passa-baixo à
frequência de corte fs/2. Se fs for inferior a 2W o sinal reconstruído sofrerá uma
distorção por sobreposição dos espectros, a que se dá o nome de aliasing.
Como os sinais resultantes da amostragem tem valores não nulos em

múltiplos do período de amostragem Ts, estes podem ser apresentados com
vantagens na sua representação discreta (utilizada em processamento digital de
sinais) m[n], em que o índice discreto n deve ser interpretado como
correspondente ao tempo nTs. Uma vez que o filtro reconstrutor é linear, a
reconstrução pode ser interpretada como a sobreposição de funções sinc(x)
(figura 2.2) devidas à resposta em frequência do filtro, pesadas pelo valor da

amostra correspondente e deslocadas para a respectiva posição no tempo:
∞
m(t ) = ∑ m(nTs )sinc( f s (t − nTs )) . (2.3)
n =−∞
Figura 2.2
Interpretação da reconstrução do sinal no domínio do tempo.
O sinal é reconstruído por sobreposição de funções sinc, correspondentes à resposta
impulsiva do filtro de reconstrução, pesadas pelos valores da amostra correspondente e
deslocadas para a sua posição. As funções tomam o valor zero na posição de todas as
outras amostras.
Na figura 2.3 é apresentada toda a cadeia de amostragem e reconstrução.
Figura 2.3
Cadeia de amostragem e reconstrução, com filtro anti-aliasing.
2.2 Modulação por amplitude de impulsos
A amostragem com um trem de diracs só pode ser concebido em termos

teóricos. Na prática, os impulsos têm uma duração que pode ser razoavelmente
pequena quando comparado com o período de amostragem, até uma duração
igual a esse valor. Este tipo de representação do sinal m(t) toma o nome de
modulação por amplitude de impulsos (PAM – Pulse amplitude modulation),
pois as amplitudes dos impulsos resultantes da amostragem tomam o valor do
sinal de entrada no momento de amostragem correspondente, ou seja, da área
dos diracs da amostragem ideal.
Figura 2.4
Esquema de blocos equivalente à amostragem e retenção de
duração T ou modulação por amplitude de impulsos (PAM).
Para calcular a largura de banda do sinal PAM, note-se que, como

mostrado na figura 2.4, este pode ser representado pela amostragem ideal
seguido de um filtro de retenção de ordem zero (zero order hold) de duração T,
cuja resposta impulsiva é “rectangular”, o qual tem uma resposta em frequência
H ( f ) = Tsinc( fT )e − jTπf , (2.4)
que tem o primeiro zero em f=1/T. Este filtro distorce o espectro, pelo que na
reconstrução esta distorção deve ser compensada. O filtro reconstrutor deixa de
ser um filtro ideal, para ter a resposta em frequência inversa da de H(f),

embora limitada à banda do sinal:
1 1
= , -fs/2 ≤ f ≤fs/2, (2.5)
H ( f ) Tsinc( fT )e − jTπf
cujo esboço é apresentado na figura 2.5.
Figura 2.5
Módulo da resposta em frequência do filtro de retenção de ordem
zero e respectiva compensação na reconstrução.
Se T<<Ts, podem-se colocar sinais de diversas fontes, cada uma nas zonas
de não existência de impulsos das outras fontes, conseguindo-se partilhar o
mesmo canal de transmissão por divisão no tempo (TDM – Time Division
Multiplexing). Quanto T =T s (amostragem e retenção até à próxima
amostragem), à sequência amostragem e retenção dá-se o nome de S&H (S&H –
Sampling and Hold).
Assumiremos neste texto uma frequência de amostragem de 8 kHz e uma

filtragem passa-banda na banda entre os 300 Hz e os 3400 Hz, denominada
banda telefónica, normalizada na codificação de sinais de fala. A utilização de
uma frequência de amostragem superior à mínima exigida pelo teorema da
amostragem é justificada pela necessidade de uma banda de guarda, devida à
característica não ideal dos filtros realizáveis.
2.3 Quantificação
Parâmetros quantificados é um termo usado por exemplo em mecânica

quântica, para designar o facto de muitos dos parâmetros que descrevem um
sistema só poderem assumir um conjunto discreto de valores, ao contrário da
dinâmica clássica onde há uma gama contínua de valores. Quantificação de um
sinal é o processo que converte um sinal amostrado (discreto no tempo), num
sinal com valores também discretos em amplitude.
Considerando a gama de um sinal o intervalo entre -mmax e mmax,
dividida em L intervalos de quantificação Φj(tj<m<=tj+1) de dimensão ∆j, a

quantificação dá-se pela aproximação do valor de uma amostra que pertença a
determinado intervalo pelo seu representante, denominado valor de
quantificação vj do intervalo.
Figura 2.6
Amostragem e quantificação de sinais.
O sinal analógico m(t) é amostrado dando origem ao sinal m±(t).
A quantificação torna o sinal discreto, reconhecendo-se na figura 8 valores de
quantificação. No gráfico, o sinal quantificado é representado em PAM com duração do
período de amostragem (amostragem e retenção).
Devido à aproximação que se dá na quantificação, esta, ao invés da

amostragem, introduz sempre distorção. A quantificação é um processo
irreversível, pois é impossível determinar, dentro do intervalo de quantificação,
qual o valor de entrada m[n] que produziu o valor quantificado mq[n]. É assim
sempre cometido um erro ou ruído de quantificação, definido como a diferença

entre o valor de entrada e o valor de quantificação:
q[n] = m[n] − mq [n] , (2.6)
Para a mesma gama do sinal de entrada, quanto maior for o número de

intervalos de quantificação menor é a gama do ruído. De modo a ser escolhido o
valor mais próximo do valor do sinal de entrada (menor erro de quantificação),
os valores de decisão tj que definem os intervalos de quantificação devem estar
equidistantes dos valores de quantificação vj:
v j + v j −1
tj = . (2.7)
2
Existem dois tipos de quantificadores cujas funções entrada-saída são

apresentadas na figura 2.7: midtread e midrise. Os quantificadores midtread
incluem o 0 como valor de quantificação, importante nas zonas de silêncio, em
que os quantificadores midrise oscilarão entre dois valores de quantificação
(ruído granular). Como é usual serem usados quantificadores com um número
par de valores de quantificação, estes tornam-se não simétricos pela inclusão
num dos extremos de mais um valor de quantificação (não apresentado).
Figura 2.7
Funções entrada-saída dos quantificadores
(a) midtread e (b) midrise.
3 PCM - Modulação por código de impulsos
A codificação é a representação, binária ou outra, da sequência de valores

de um sinal, após amostragem e quantificação. Normalmente os dispositivos que
efectuam a amostragem, quantificação e codificação amostra-a-amostra estão
integrados. Estes dispositivos necessitam de um circuito de retenção do sinal
amostrado durante o tempo de conversão (S&H - Sampling and Hold), como
mostrado na figura 2.6. No entanto, no que diz respeito à conversão
analógico-digital, esta é ideal pois apenas existe um número que representa a
área quantificada do impulso de dirac por amostra. A esta codificação
amostra-a-amostra dá-se o nome de modulação por código de impulsos (PCM –
Pulse Code Modulation).
3.1 Quantificação uniforme
Quando os intervalos de quantificação são uniformes ( ∆ j = ∆ q ∀j ) o
codificador PCM resultante denomina-se PCM uniforme. Para uma gama entre
–V e V e utilizando um número L de valores coincidente com uma potência de 2
de modo a optimizar o número R de bits de codificação por amostra, esta
dimensão3 é dada por:
2V 2V
∆q = = R. (3.1)
L 2
Uma medida usada para aferir a qualidade de codificadores é a relação

entre a potência do sinal a quantificar e a potência do ruído(SNR - Signal to
noise ratio) introduzido pela quantificação. Os valores do ruído devido à
quantificação podem ser considerados igualmente distribuídos no intervalo de
quantificação, sendo esta aproximação válida desde que se utilize um número
suficiente de valores, (digamos L≥32, embora no exemplo da figura 3.1 sejam
apenas apresentados 4 valores). A função densidade de probabilidade do ruído
3
Assume-se quantificação midrise, sendo os cálculos aproximados para quantificação midtread.
PCM - Modulação por código de impulsos 11
é, nestas condições, uniforme à volta de cada valor de quantificação, sendo o

valor máximo do ruído de ∆q /2, uma vez que o valor de quantificação está a
meio do respectivo intervalo. A potência do ruído de quantificação pode ser
estimada como a variância σ2q em torno do valor de quantificação:
2
∞
1
∆q / 2
∆q V2
σ = ∫ q f Q (q )dq =
2 2
∫ q dq =
2
= , (3.2)
∆q 3 × 22R
q
−∞ − ∆q / 2
12
pelo que a potência do ruído de quantificação aumenta com o aumento do

intervalo de quantificação, ou seja com o aumento da gama de quantificação V,
ou da diminuição de L ou R.
Figura 3.1
Função densidade de probabilidade (pdf) do ruído de quantificação em PCM
com quantificação uniforme.
A relação entre a potência P do sinal e a potência σ2q do ruído será então

estimada por:
P P
SNR = = 3 × 22R × , (3.3)
σ 2
q V2
ou em decibéis4:
⎛ 3P ⎞
SNRdB = 6,02 R + 10 log10 ⎜ 2 ⎟ . (3.4)
⎝V ⎠
A relação sinal ruído aumenta 6,02 dB por cada bit de codificação por
amostra, sendo também função da relação entre a potência do sinal de entrada e
o quadrado do valor máximo de quantificação V. Por exemplo, a uma
diminuição da amplitude para metade corresponde uma diminuição em potência
de 0,25 ou de 6,02 dB de SNR. Este resultado pode ser interpretado como a
utilização de menos 1 bit de codificação por amostra, já que nunca são
produzidas metade das possibilidades do código. Por outro lado, a amplitude do
sinal, mmax, não deve ser superior ao valor máximo de quantificação, V. Caso
contrário produz-se ruído de saturação de amplitude, deixando as equações 3.2 a
3.4 de ser válidas.
Assumindo o caso ideal, ou seja, que a gama do quantificador V

corresponde à amplitude mmax do sinal de entrada, evitando assim a saturação
de amplitude mas minimizando o ruído de quantificação, a equação 3.4 pode ser
reescrita como,
⎛ 3P ⎞
SNRdB = 6,02 R + 10 log10 ⎜⎜ 2 ⎟ = 6,02 R + 10 log10 (3Pn ) , (3.5)
⎟
⎝ mmax ⎠
ficando a SNR função da potência normalizada, definida em relação ao

quadrado da amplitude, ou seja,
P
Pn = 2
, (3.6)
mmax
O débito binário Rb, para uma frequência de amostragem fs virá:
Rb = R × f s . (3.7)
4
decibel (dB), 10 x a relação logarítmica entre duas potências (10 log10 (P2/P1). Cada 3 dB corresponde à duplicação da
relação de potências (10 log10 (2) = 3 dB). A potência sonora Ps é usualmente medida em decibéis, ao compara-la com uma
potência de referência P0=10-12, considerada o limite inferior de audibilidade, ou seja, Ps (dB) = 10 log10 (Ps/P0) =
10 log10((Ps)+120 (dB).
Na tabela 3.2 apresentam-se os valores da SNR para codificação a 8 bits

por amostra e diversas potências normalizadas do sinal de entrada. Se para -3
dB de potência normalizada, correspondente a um sinal sinusoidal
(10log10(1/2)), o valor da SNR de 50 dB é bastante bom, o valor de apenas 7,9
dB para uma potência normalizada de -45 dB, possível de ser encontrado em
alguns troços de sinais de fala, é inaceitável a um débito binário de 64 kbit/s,
correspondentes à codificação com 8 bits por amostra de um sinal amostrado a 8
kHz (banda telefónica).
Pn dB Entrada SNR dB
-45 7,9
-35 17,9
-25 27,9
-20 32,9
-15 37,9
-10 42,9
-4,77 Triangular ou distribuição uniforme 48,2
-3 sinusoidal 49,9
0 quadrada 52,9
Tabela 3.2
Valores da SNR de quantificação, com R=8 bits (64 kbit/s para sinais
amostrados a 8 kHz), função da potência normalizada do sinal de entrada.
Por cada bit adicional de codificação a SNR aumenta 6,02 dB.
Para garantir um valor mínimo da SNR de aproximadamente 32 dB

nesta situação, seria necessário aumentar 24 dB na SNR, ou seja utilizar mais 4
bits de codificação por amostra, resultando num débito binário de 96 kbit/s,
valor demasiado elevado na maioria das aplicações práticas para sinais de fala.
A melhoria da qualidade através do aumento do número de bits por

amostra tem dois limites. Um deles prende-se com a complexidade dos
conversores, que duplica o número de intervalos por cada bit de codificação.
(e.g., para R=16, existem 2^16=65536 intervalos). O outro prende-se com o valor
muito pequeno a descriminar, a que corresponde metade de ∆q (e.g., para R=16,
∆q/2=2-17=15 µV para V=1 Volt, que se pode confundir com o ruído térmico
nos sistemas electrónicos utilizados).
3.2 Quantificação não uniforme
Na secção anterior discutiu-se a utilização de PCM com quantificação

uniforme e o cálculo da respectiva relação sinal-ruído de quantificação,
concluindo-se da necessidade de manter uma elevada SNR mesmo para
potências baixas do sinal de entrada, mas não à custa do aumento do débito
binário. Preferencialmente a SNR deverá ser independente da potência do sinal
de entrada.
O histograma de um sinal de fala não é uniforme, tendendo a ter mais

ocorrências para valores menores. Esta constatação levou à utilização de
intervalos de quantificação menores nas zonas de maior ocorrência, à custa do
aumento do intervalo de quantificação das zonas de menor ocorrência, i.e.,
quantificação não uniforme. Alternativamente, pode-se aplicar previamente ao
sinal analógico de entrada uma não linearidade como a mostrada na figura 3.2,
seguido de um quantificador uniforme. No receptor, após descodificação,
aplica-se a característica inversa para regenerar o sinal.
Figura 3.2
Não linearidade seguida de quantificação uniforme,
equivalente à quantificação não uniforme.
Para se analisar o efeito da não linearidade g(m) e calcular a relação

sinal ruído de quantificação, verifique-se pela figura 3.2 que a relação entre a
entrada e a saída da não linearidade é dada aproximadamente por:
2 g (V )
∆j ≈ , (3.8)
Lg ′(v j )
em que g´(vj) é o valor da derivada da não linearidade à volta do j-ésimo valor

de quantificação vj.
Se o sinal de entrada for aleatório mas com função densidade de

probabilidade fM(m) conhecida, a potência do ruído de quantificação para o
j-ésimo intervalo é dada pela variância centrada no valor de quantificação vj:
t j +1
Nj = (m − v j ) 2 f M (m)dm , (3.9)
∫t
j
sendo tj a tj+1 o intervalo de quantificação correspondente ao valor vj.

Assumindo um número elevado de valores, fM(m) é aproximadamente constante
no intervalo de quantificação, ou seja todos os valores de m do j-ésimo intervalo
de quantificação têm aproximadamente a mesma probabilidade que fM(vj).
Também, se os intervalos de quantificação adjacentes não tiverem dimensões
muito diferentes, o valor de quantificação estará aproximadamente a meio do
intervalo e o ruído estará limitado a [-∆j/2, ∆j /2]. Nestas condições, a equação
3.9 poderá ser reescrita como:
∆3j
t j +1
N j ≈ f M (v j ) ∫ (m − v j ) dm ≈ f M (v j )
2
, (3.10)
tj
12
e incluindo nesta a aproximação dada pela equação 3.8,
g (V ) 2 f M (v j )
Nj = ∆j. (3.11)
3L2 g ′(v j ) 2
A potência total do ruído é a soma do ruído em cada j-ésimo intervalo de

quantificação, que se aproxima de uma função contínua desde que haja um
número elevado de valores, é dado por:
g (V ) 2
L L f M (v j ) g (V ) 2
mmax
f M ( m)
σ = ∑Nj =
2
∑ ∆j ≈ ∫ dm , (3.12)
3L2 j =1 g ′(v j ) g ′(m) 2
2
3L2
q
j =1 − mmax
e a relação sinal-ruído de quantificação virá:
P 3L2 P
SNRq = = , (3.13)
σ q2 mmax i
f M ( m)
∫
2
g (V ) dm
− mmax g ′(m) 2
sendo necessário, para calcular a SNR final, ser conhecida a derivada da não
linearidade e a distribuição do sinal de entrada. No caso particular da
quantificação uniforme, a derivada da função vale 1 e a equação 3.13 reduz-se à
equação 3.3. Esta conclusão é válida mesmo para linearidades em que
g(m)=Km, pois valendo a derivada K=g(V)/V e assumindo V= mmax, teremos
para o denominador da equação 3.13:
f M (m )
mmax m m
K 2 2 max max
g (V ) 2 ∫ dm = m max ∫ M f (m )dm = m max ∫ f M (m )dm = m max , (3.14)

2 2
g ′(m )
2 2
− mmax K − mmax − mmax
reduzindo-se a equação 3.13 à 3.3, concluindo-se que um factor de escala

(amplificação) aplicado ao sinal de entrada, ao alterar simultaneamente a
potência do sinal e a dimensão dos intervalos de quantificação, não altera a
relação sinal-ruído de quantificação.
3.3 PCM companding – Norma G.711
Se a não linearidade for do tipo logarítmica, i.e., g(m)=ln(|m|), cuja

derivada é 1/|m| e sabendo que o integral de m2fM(m)dm, calculado no
intervalo entre - mmax e mmax, é igual à potência, o valor da SNR deixa de ser
dependente da potência do sinal de entrada para ser dependente apenas do
número de valores de quantificação:
3L2 P 3L2
SNR q = = . (3.15)
mmax
g (mmax ) 2
2 g (V ) 2 ∫m
2
f M (m)dm
0
A função logarítmica não pode no entanto ser utilizada, pois converte o

intervalo entre 0 e 1 no intervalo entre -∞ e 0, sendo necessário um número
infinito de valores de quantificação. Estão no entanto normalizadas pelo ITU-T
duas funções pseudo logarítmicas, que convertem o intervalo entre 0 e 1 no
mesmo intervalo, como mostrado na figura 3.3, tendo a função uma
característica impar: A lei-A utilizada na Europa e a Lei-µ utilizada nos EUA e
Japão, descritas na recomendação ITU-T G.711, que data de 1972. Ambas
utilizam 8 bits de codificação por amostra e uma frequência de amostragem de 8
kHz, resultando num débito binário de 64 kbit/s.
Se os valores de entrada estiverem normalizados em relação ao valor

máximo de quantificação, ou seja V = 1, a Lei-A será descrita por:
1 + ln( A m ) 1
g (m ) = ± ≤ m ≤1
1 + ln( A) A . (3.16)
1
g (m ) = ±
Am
0≤ m ≤
1 + ln( A) A
O parâmetro A governa o grau de compressão, sendo o valor normalizado

na recomendação G.711 de 87,56, embora de facto os valores de quantificação e
decisão sejam uma aproximação da equação 3.16.
A=87,56
A=10
Uniforme
A=1
Figura 3.3
Lei-A
São ilustradas as funções não-lineares Lei-A, que dão origem a uma quantificação
não uniforme. O valor normalizado pela recomendação ITU-T G.711 é A=87,56.
Só são apresentados valores positivos, tendo as curvas características ímpares.
Para valores baixos (m<A) a Lei-A tem um comportamento linear

(g(m)=16m para A=87,56), enquanto que para valores médios e altos tem um
comportamento quase logarítmico. Esta não linearidade corresponde a
comprimir o sinal de entrada. No receptor após descodificação, obviamente, tem
que se incluir a não linearidade inversa a que corresponderá uma expansão. A
esta técnica dá-se o nome de companding (compressing-expanding). Como se
verá adiante, a utilização do companding produz uma relação sinal ruído de
quantificação quase constante para uma larga gama de potências do sinal de
entrada, não tendo a dependência com esta grandeza do PCM uniforme, muito
bom para potências elevadas, mas insuficiente para médias e baixas potências.
Para potências médias e altas, melhor, quando a potência normalizada do

sinal de entrada for razoavelmente superior a 1/A2, o termo superior da equação
3.16 é o termo dominante e a SNR virá, usando o valor normalizado para A de

87,56 e utilizando a equação 3.13 e a derivada da Lei-A dada por,
1 1
g ′(m ) = ≤ m ≤1
m(1 + ln( A)) A
, (3.17)
1
g ′(m ) =
A
0≤ m ≤
1 + ln( A) A
a SNR virá:
3L2 P 3L2
SNRq ≈ = = 0,1L2 , (3.18)
2(1 + ln( A) )
1
(1 + ln( A) ) 2
∫m
2 2
f M (m)dm
0
ou, em decibéis:
SNRdB = 6,02 R − 10 . (3.19)
Repare-se que a SNR só depende do número de bits de codificação por

amostra, deixando de depender da potência do sinal de entrada. Para o
codificador normalizado de 8 bits (64 kbit/s), este valor máximo da SNR é de
38,16 dB e mantém-se praticamente constante para uma variação apreciável de
potência do sinal de entrada. É esta característica quase constante do
companding que o faz ter um desempenho médio superior ao PCM uniforme. No
entanto, para um sinal de muito baixa potência, ou seja quando a potência
normalizada do sinal de entrada é inferior a 1/A2, o termo dominante é o
inferior da equação 3.16, com um comportamento linear, pelo que a SNR é dada
pela equação 3.3.
Alternativamente à introdução no receptor da compressão seguida de

quantificação uniforme e de no receptor, após descodificação, ser aplicada a
expansão, pode ser utilizada com vantagens computacionais directamente um
quantificador não uniforme. Os valores quer dos valores de decisão, necessários
no emissor, quer dos valores de quantificação, são obtidos por aplicação da

expansão dos respectivos valores do quantificador uniforme.
Para a Lei-µ:
ln(1 + µ m )
g (m ) = ± 0 ≤ m ≤1 , (3.20)
ln(1 + µ )
em que µ governa o grau de compressão, sendo o valor normalizado de 255.

Para valores baixos esta lei tem também um comportamento linear, dado que
ln(1+µ|m|) ≈ µ|m| e para valores elevados um comportamento logarítmico, uma
vez que para µ|m|>>1 virá ln(1+µ|m|) ≈ ln(µ|m|). A derivada desta função vale:
µ 1
g ′(m ) = , (3.21)
ln(1 + µ ) 1 + µ m
pelo que a SNR virá, com o valor normalizado µ=255, aplicando a equação 3.13:
3L2 µ 2P
SNRq =
ln(1 + µ )
2 1
2∫ (1 + µ m ) f (m)dm
2
0
3L2 µ 2P , (3.22)
=
(ln(1 + µ )) 2
1 + µ P + 2µE [ m ]
2
3L2
≈ ≈ 0,1L2
(ln(1 + µ )) 2
onde se assume que o termo dominante no denominador da segunda fracção da

equação 3.22 é µ2P e a SNR é igual à da Lei-A. Para baixas potências esta
aproximação não é válida, correspondendo como na Lei-A à entrada na zona
linear, fazendo diminuir a SNR, pelo que as duas leis têm desempenhos
similares. A SNR tem uma diminuição de apenas 2,5 dB, figura 3.4, para uma
variação da potência do sinal de entrada até aos -40 dB. Acima dos -14,77 dB,
valor contudo impossível de atingir pelos sinais de fala, o PCM uniforme tem
um melhor desempenho.
Nas centrais telefónicas que implementam a recomendação G.711, esta é

normalmente desligada quando são detectados na linha sinais sinusoidais típicos
da modulação digital (modems), cuja potência normalizada é de -3 dB (tabela
3.2) para um sinal com o máximo de amplitude. Repare-se que um sinal
sinusoidal apresenta uma função densidade de probabilidade com ocorrências
mais frequentes para valores maiores. Para este sinal a SNR correspondente
para 8 bits de quantificação por amostra em quantificação uniforme é de 50 dB,
contra os 38 dB obtidos pelo PCM com companding.
50,0
40,0
Companding Lei-µ
SNR (dB)
30,0
20,0
10,0 Uniforme
0,0
-60 -55 -50 -45 -40 -35 -30 -25 -20 -15 -10 -5 0
unif orme -7,1 -2,1 2,9 7,9 12,9 17,9 22,9 27,9 32,9 37,9 42,9 47,9 52,9
Lei-u 24,6 28,5 31,7 34,1 35,7 36,7 37,3 37,6 37,8 37,9 38,0 38,0 38,0
Potência Normalizada (dB)
Figura 3.4
Relação sinal ruído em PCM com companding Lei-µ(255) e sua
comparação com PCM com quantificação uniforme, função da potência
normalizada do sinal de entrada, para 8 bits por amostra. De realçar a
característica quase constante do companding e o seu melhor desempenho em
relação ao PCM com quantificação uniforme para potências abaixo dos -14,77 dB.
Um outro factor importante conseguido pelo PCM companding,

particularmente quando aplicado a sinais de fala, é o aumento da qualidade
perceptual em relação ao PCM uniforme. O aparelho auditivo, através de um
processo de mascaramento auditivo, é menos sensível ao ruído em zonas de
maior potência. Também por este facto se quantifica melhor valores menores em
detrimento de valores maiores. Conclui-se do melhor desempenho objectivo
(aumento da SNR) e subjectivo (melhoria da qualidade perceptual) para sinais
de fala do PCM companding em relação ao PCM uniforme.
3.4 Quantificação óptima
Quando existe maior probabilidade de ocorrência de alguns dos valores de

quantificação do que de outros, deve-se diminuir a dimensão dos intervalos de
quantificação mais prováveis, à custa do aumento da dimensão dos intervalos
menos prováveis. Por exemplo, os sinais de fala têm uma distribuição de
amplitudes com maiores ocorrências para valores mais baixos, pelo que o PCM
companding é, como já visto, uma melhor alternativa em relação ao PCM
uniforme. No entanto a principal vantagem do PCM companding é a de tornar
a SNR praticamente independente da potência do sinal de entrada. Para sinais
de potência razoável a utilização de PCM companding resulta mesmo numa
diminuição da SNR em relação à quantificação uniforme, pelo que outro tipo de
não linearidade deve ser utilizado.
Das equações 3.9 e 3.12, a potência do ruído de quantificação é dado por:
t j +1
∫ (m − v )
L L
σ = ∑Nj = ∑
2
q j
2
f M (m)dm , (3.23)
j =1 j =1
tj
sendo os valores óptimos dos valores de decisão tj e dos valores de quantificação
vj estimados por minimização da potência do ruído de quantificação σ2q, ou seja,

tomando as derivadas parciais de Nj em ordem a tj e a vj., embora a resolução
do conjunto de equações resultante não seja fácil [Max(60)][Linde(80)].
Descreve-se a seguir um algoritmo iterativo conhecido por Lloyd-Max

[Max(60)], para estimação dos valores óptimos de quantificação de um sinal, que
tem como entrada o histograma do sinal, estimando a respectiva função
densidade de probabilidade. O quantificador resultante só terá o mesmo
desempenho quando for utilizado com sinais que tenham a mesma função
densidade de probabilidade dos sinais que geraram o histograma de entrada ao
algoritmo, denominado de corpus5 de treino. É pois necessário ser muito

criterioso na escolha deste corpus, devendo incluir diversos oradores do género
masculino e feminino, dizendo frases balanceadas foneticamente, ou seja, cujas
ocorrências dos fonemas que as compõem sejam o mais aproximado possível da
respectiva ocorrência na linguagem falada. Note-se ainda que este algoritmo não
só funciona para quantificar amostras de um sinal de fala, mas para quantificar
qualquer parâmetro, e.g., áudio, pontos de uma imagem ou letras de um texto.
Como inicialização do algoritmo, assume-se qualquer quantificador (de L

valores, sendo L definido pelo utilizador). No exemplo ilustrado na figura 3.5-a)
assume-se um quantificador uniforme de 4 valores, marcado sobre o histograma
do sinal de fala de entrada, com um │ os intervalos de quantificação e com um
⁪ os valores de quantificação.
Para cada intervalo de quantificação o valor de quantificação é

substituído pela média dos valores pesados pelo respectivo histograma. Como
mostrado na figura 3.5-b), marcado a x, estes deslocam-se para as zonas de
maior probabilidade, diminuindo aí o erro de quantificação, à custa do aumento
do erro nas zonas de menor probabilidade. O processo anterior repete-se (figura
3.5-c) d)) com estes novos valores de quantificação e os correspondentes valores
de decisão dados pela equação 2.7, até não haver diferença entre duas iterações
ou esta ser menor que determinado critério de estabilidade. Na figura 3.5-e) são
mostrados os valores de quantificação iniciais (uniforme) e finais (óptimos). A
potência do ruído baixou 5,9 vezes, ou seja, foi produzido um aumento da SNR
de 7,7 dB. Estes valores foram obtidos após 9 iterações. Note-se que o aumento
da SNR após a primeira iteração foi de apenas 1,9 dB.
5
corpus: conjunto de sinais de fala. Termo utilizado na investigação e desenvolvimento de
aplicações com processamento de fala.
0.2 0.2
0.15 0.15
0.1 0.1
0.05 0.05
0 0
-1 -0.5 0 0.5 1 -1 -0.5 0 0.5 1
a) b)
0.2 0.2
0.15 0.15
0.1 0.1
0.05 0.05
0 0
-1 -0.5 0 0.5 1 -1 -0.5 0 0.5 1
c) d)
0.2
0.15
0.1
0.05
0
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
e)
Figura 3.5
Exemplo do algoritmos Lloyd-Max. Histograma de um sinal de fala.
Em a) é ilustrado o quantificador uniforme utilizado para inicializar o
algoritmo. Em b) são mostrados os novos valores de quantificação,
obtidos pela média dos valores de cada intervalo de quantificação,
pesados pelos respectivos valores do histograma. Em c) e d) é ilustrada a
segunda iteração, partindo dos valores obtidos na iteração anterior.
Em e) são apresentados os
O - Valores de quantificação uniforme (SNR= -0,2 dB) e os
⁪ - Valores óptimos (SNR= 7,5 dB), obtidos após 9 iterações.
Para um sinal com distribuição sinusoidal, cuja função de distribuição

tem maior ocorrências para amplitudes elevadas, os valores de quantificação,
como mostra a figura 3.6, tenderão a deslocar-se para estas amplitudes. Estes
valores foram obtidos após 6 iterações.
0.05
0.04
0.03
0.02
0.01
0
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
Figura 3.6
Histograma de um sinal com distribuição sinusoidal.
O - Valores de quantificação uniforme (SNR= 12,8 dB) ⁪ - Valores óptimos (SNR= 13,8
dB).
Na tabela 3.4 são mostrados os valores de quantificação para sinais de

entrada com funções densidade de probabilidade Gaussiana e “Sinusoidal”, para
2, 3 e 4 bits de codificação.
Distribuição Distribuição
Gaussiana “Sinusoidal”
R=2 R=3 R=4 R=2 R=3 R=4
0,4528 0,2451 0,1284 0,2971 0,1436 0.0697
1,510 0,7560 0,3831 0,8540 0,4267 0.2086
1,344 0,6568 0,6973 0.3470
2,152 0,9424 0,9384 0.4839
1,256 0.6176
1,618 0.7466
2,069 0.8673
2,733 0,9732
Tabela 3.4
Valores dos valores de quantificação para sinais com funções
densidade de probabilidade Gaussiana e Gamma.
Os valores de decisão deverão estar equidistantes dos valores de
quantificação do respectivo intervalo.
4 Codificação preditiva – modulação diferencial
Nas secções anteriores estudou-se o efeito da quantificação individual das

amostras do sinal de entrada. Para sinais de fala, esta é possível com qualidade
codificando acima dos 8 bits por amostra (64 kbit/s para sinais de fala
amostrados a 8 kHz). Abaixo deste débito é necessário tirar partido das
redundâncias do sinal, nomeadamente a grande semelhança entre amostras
adjacentes existente nos sinais de baixa frequência, dando origem à codificação
preditiva, que vai ser objecto de estudo no resto desta secção. Como exemplo, a
figura 4.1 apresenta um gráfico das amostras de um sinal de fala função da
respectiva amostra anterior. Estas exibem uma grande parecença, ou seja,
apresentam-se à volta de uma recta de declive unitário.
0.8
0.6
0.4
0.2
m[n]
-0.2
-0.4
-0.6
-0.8
-1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
m[n-1]
Figura 4.1
Semelhança entre amostras adjacentes em sinais de baixa frequência.
Amostras de um sinal de fala função das respectivas amostras anteriores. A
semelhança pode ser verificada pois esta função apresenta-se à volta de uma
recta de declive unitário.
Codificação preditiva – modulação diferencial 27
4.1 Modulação por código de impulsos diferencias
Tirando partido da semelhança entre amostras consecutivas,

característica dos sinais de baixa frequência, consegue-se representar uma
amostra como sendo o valor da amostra anterior, sendo transmitida em PCM,
entre o emissor e o receptor, a diferença para a amostra actual. Dada a
necessidade de coerência entre os sinais nestes dois sistemas, a comparação não
é realizada sobre o sinal original, mas como mostra a figura 4.2 sobre o sinal de
saída quantificado, o único existente no receptor. Para produzir este sinal existe
no emissor uma réplica do receptor. Este tipo de representação do sinal toma o
nome de modulação por código de impulsos diferenciais (DPCM – Differential
Pulse Code Modulation).
a) Emissor DPCM
b) Receptor DPCM
Figura 4.2
Modulação por codificação de impulsos diferenciais.
Em a) apresenta-se o esquema de blocos de um emissor por modulação de impulsos
diferenciais, e em b) o respectivo receptor, correspondendo a parte do emissor.
O valor da amostra anterior pode ser interpretado como uma predição

(mp[n]) do valor da amostra actual, e a sua diferença interpretada como o
resíduo ou erro de predição. É assim quantificada e codificada a diferença entre
a amostra que se quer sintetizar e a amostra de saída anterior (eventualmente
multiplicada por um coeficiente de predição a). O erro de predição deverá ter
uma menor variância (potência) que o sinal original, sendo susceptível de uma
melhor quantificação.
4.1.1 Relação sinal–ruído em DPCM
Da análise do esquema de blocos da figura 4.5 conclui-se que o ruído

causado por este tipo de codificação é dado por:
q[n] = m[n] − mq [n] = (m p [n] + e[n]) − (m p [n] + eq [n]) = e[n] − eq [n] , (4.1)
em que e[n] corresponde ao erro de predição, ou seja à diferença entre a amostra

actual e a sua predição m p [n] . O ruído na codificação preditiva resulta
unicamente da quantificação, correspondendo ao ruído de quantificação em

PCM do erro de predição, dependendo dos valores dos intervalos de
quantificação. Caso a quantificação seja uniforme ∆q depende apenas do valor
máximo de quantificação, que denominaremos de V1, e do número de intervalos
de quantificação L, através da equação 3.1, substituindo V por V1,
2V1
∆q = . (4.2)
2R
A SNR correspondente à relação entre a potência do sinal de entrada e

deste ruído:
P 12 P
SNRq = = , (4.3)
σ 2
q ∆q
2
A SNR virá, pela equação 3.4, com a mesma alteração de V por V1,
⎛ 3P ⎞
SNRdB = 6,02 R + 10 log10 ⎜⎜ 2 ⎟⎟ . (4.4)
⎝ V1 ⎠
O aumento da SNR da codificação DPCM em relação à codificação PCM

(equações 3.4 e 4.4) virá,
V2 V
10 log10 2 = 20 log10 . (4.5)
V1 V1
Repare-se ainda que,
⎛ 3P P ⎞ ⎛ 3P ⎞
SNRdB = 6,02 R + 10 log10 ⎜⎜ 2e ⎟⎟ = Gp dB + 6,02 R + 10 log10 ⎜⎜ 2e ⎟⎟
⎝ V1 Pe ⎠ ⎝ V1 ⎠ (4.6)
= Gp dB + SNR PCMdB (e[n]) ,
em que Pe representa a potência do sinal de erro de predição e Gp denomina-se

de ganho de predição, dando informação da redução de variância do sinal de
entrada em relação ao erro de predição:
P
Gp = . (4.7)
Pe
Para que a SNR aumente em relação a PCM, assumindo o mesmo

número de bits de codificação, V1 deverá ser menor que a amplitude do sinal de
entrada, ou seja, deverá resultar do preditor e do esquema diferencial uma
diminuição de amplitude do sinal (erro de predição) a ser efectivamente
quantificado. Se não houver diminuição de V1 não existe qualquer vantagem em
utilizar DPCM. Pelo contrário só haverá desvantagens, uma vez que a
codificação DPCM é mais complexa (mais cara) e como veremos adiante mais
sensível a erros no canal de transmissão que a codificação PCM. V1 torna-se
assim um parâmetro crítico que actua directamente no desempenho do
quantificador. Se este for demasiado baixo o erro de predição pode excedê-lo
(figura 4.3), provocando saturação de declive. Se for demasiado elevado o

desempenho diminui, pois aumenta a dimensão dos intervalos de quantificação e
consequentemente da potência do ruído.
Figura 4.3
Distorção de declive em codificação DPCM.
Em DPCM não existe distorção de amplitude mas pode existir distorção de
declive (slope overload), quando a variação do sinal de entrada no intervalo
entre amostras for superior à tensão máxima de quantificação V1.
Note-se que embora a codificação DPCM possa sofrer de saturação de

declive quando a variação do sinal de entrada no intervalo entre amostras for
superior à tensão máxima de quantificação V1 e evitada nas condições da
equação 4.8, não existe saturação de amplitude, como na codificação PCM
(quando o sinal de entrada for superior à tensão máxima de quantificação, ou
seja V< mmax.),
∂m(t ) m ' max (4.8)

V1 ≥ Ts = .
∂t max fs
Um método aproximado de estimar V1, apenas exacto para sinais

sinusoidais (Apêndice 2), consiste em assumir que a relação entre as potências
de pico de m[n] e e[n] é igual à relação das respectivas potências, reflectindo-se
esta na gama dos quantificadores, ou seja:
P V2
Gp = ≈ , (4.9)
Pe V12
e V1 virá, aproximadamente,
V2
V1 ≈ . (4.10)
Gp
Esta equação subestima o valor de V1 para sinais de fala, dando origem a

alguma saturação de declive que pode ser perceptualmente relevante. Contudo,
como a saturação não é frequente, a SNR de facto aumenta em relação à
utilização do valor máximo do erro de predição, ou seja, quando utilizado um
intervalo de quantificação maior com o consequente aumento da potência do
ruído de quantificação. A relação sinal ruído de quantificação do erro de
predição é, nestas condições, igual àquela que se obteria pela codificação directa
em PCM do sinal de entrada, resultando do esquema diferencial um aumento da
SNR introduzido pelo ganho de predição,
⎛ 3P ⎞
SNRdB ≈ Gp dB + 6,02 R + 10 log10 ⎜ 2 ⎟ = Gp dB + SNR PCMdB (m[n]) . (4.11)
⎝V ⎠
Para se calcular o ganho de predição repare-se que, desde que a

quantificação se faça com um número razoável de bits, a potência do ruído se
pode desprezar face à potência do sinal, ou seja6:
Pmq = P + σ q2 ≈ P , (4.12)
ficando a potência do sinal de saída aproximadamente igual à do sinal de

entrada. Do mesmo modo a correlação cruzada entre o sinal de entrada e o
6
A potência do sinal soma só é igual à soma das potências desde que os sinais sejam ortogonais. Para um
número suficiente de bits, pode-se considerar que o ruído de quantificação é ortogonal ao sinal de entrada.
sinal quantificado será aproximadamente igual à função de auto-correlação7 R[k]

do sinal de entrada. Nestas circunstâncias a potência do erro de predição virá:
∑ (m[n] − am q [n − 1])
1 N 2 1 N
Pe = lim ∑ e [n] = lim
N →∞ 2 N N →∞ 2 N
n=− N n=− N
1 N 2 1 N 2 2 1 N
= lim ∑ m [n] + lim ∑ a m q [n − 1] − lim ∑ 2am[n]m q [n − 1] , (4.13)
N →∞ 2 N N →∞ 2 N 2 N N →∞ n = − N
n=− N n=− N
(
≈ P + a P − 2aR[1] = P 1 + a − 2ar [1]
2 2
)
sendo r[k] a função de auto-correlação com atraso kTs, normalizada pela
potência P=R[0]. O ganho de predição (não em dB) virá:
P 1
Gp = = . (4.14)
Pe (
1 + a − 2ar [1]
2
)
Uma desvantagem da codificação DPCM em relação à codificação PCM
prende-se com a propagação de erros do canal de transmissão. Em PCM, um
erro no canal de transmissão afecta apenas a amostra correspondente, enquanto
que em DPCM este erro é propagado às amostras posteriores, pois o sinal de
saída é calculado através do sistema linear representado por:
mq [n] = m p [n] + eq [n] = amq [n − 1] + eq [n] . (4.15)
Se |a|< 1, então o erro é atenuado a cada iteração e tende para zero tão mais
rapidamente quanto menor for o valor de |a|. Se |a| = 1, então o erro nunca é
atenuado, enquanto que para a > 1 o erro é aumentado a cada iteração. A
mesma conclusão é retirada da função de transferência em Z correspondente à
equação às diferenças de 4.15, dada por:
7
Função de auto-correlação temporal, definida como o produto interno entre um sinal e a sua versão
1 N
deslocada de k amostras: R [k ] = lim ∑ m[n]m[n − k ] , ou para sinais contínuos, deslocado de um
N →∞ 2 N n = − N
T
1
tempo τ: R (τ ) = lim ∫ m(t )m(t − τ )dt .
T → ∞ 2T
−T
z
H ( z) = , (4.16)
z−a
que tem um pólo em z = a. Este sistema é estável desde que este pólo esteja
dentro do círculo unitário, ou seja |a|< 1, criticamente estável para |a| = 1 e
instável para |a|> 1.
Aplicando a equação 4.14 para o caso particular do coeficiente de

predição ser igual a 1 (preditor de 1ª ordem unitário), embora torne o filtro
criticamente estável, o ganho de predição virá, em decibéis:
⎛P ⎞ ⎛ 1 ⎞
Gp dB = 10 log10 ⎜⎜ ⎟⎟ = 10 log10 ⎜⎜ ⎟⎟ . (4.17)
⎝ Pe ⎠ ⎝ 2(1 − r [1]) ⎠
4 Sinal de fala
x 10
1
Amplitude
0
-1
-2
5 10 15 20
t [ms]
x 104 Resíduo de predição - preditor de primeira ordem unitário
1
Amplitude
-1
-2
2 4 6 8 10 12 14 16 18 20 22
t [ms]
Figura 4.4
Exemplo do desempenho de um preditor de 1ª ordem unitário.
Em cima representa-se 22,5 ms de um sinal de fala. Em baixo o respectivo erro
de predição. Estes dois sinais são apresentados na mesma escala, sendo visível a
redução na gama dinâmica.
Nesta situação Gp só é maior que a unidade para correlações superiores a

0,5. Para um valor de r[1] de 0,8 o ganho de predição é de 4 dB, podendo
chegar aos 12 dB ou mais para correlações acima dos 0,97. O esquema
diferencial com coeficiente de predição unitário (a=1) tem então no máximo um
ganho de 1 a 2 bits de codificação por amostra em relação a um codificador
PCM. Na figura 4.4 é exemplificada a redução de gama dinâmica do erro de
predição em relação ao sinal de entrada, correspondendo naturalmente a um
ganho de predição maior que a unidade.
O DPCM não terá nenhuma vantagem em relação ao PCM quando o

ganho de predição for igual a 0 dB, ou seja r[1]=0,5 (equação 4.17).
4.1.2 Adaptação do preditor – preditor linear de primeira ordem
Supondo o esquema de blocos da figura 4.2 que contêm um preditor

linear de primeira ordem, o sinal predito será dado por:
m p [n] = am [n − 1] , (4.18)
sendo a o coeficiente de predição. O coeficiente de predição óptimo, ou seja

aquele que minimiza a potência do erro de predição, será dado por:
⎛1
∂Pe m
∂⎜ ∑ m 2 [n] + a 2 1 ∑ m 2 [n − 1] − 2a 1 ∑ m[n] m[n − 1]⎞⎟
= ⎝ ⎠
N n N n N n
∂a ∂a , (4.19)
1 1
= 2a ∑ m 2 [n − 1] − 2 ∑ m [n] m [n − 1] = 0
N n N n
pelo que o valor de óptimo do coeficiente de predição virá:
∑ m[n] m[n − 1]
R [1]
a= n
= = r [1] . (4.20)
∑ m [n − 1]
2
R [0]
n
Das equações 4.14 e 4.20 o ganho de predição virá:
P 1
Gp = = , (4.21)
Pe 1 − r [1]2
que, como ilustrado na figura 4.5, é sempre maior ou igual 0 dB,
independentemente do valor da auto-correlação, o que não acontece para o
preditor unitário de primeira ordem, que pode ser negativo.
Gp (dB) 30
20
10
0
-1 -0,5 0 0,5 r (1) 1
-10
Figura 4.5
Ganho de predição função da auto-correlação normalizada de primeira
ordem para preditores de 1ª ordem unitário e adaptativo.
O mesmo resultado é obtido por projecção do sinal de entrada sobre a

sua versão deslocada de uma amostra, como ilustrado na figura 4.6, assumindo a
melhor representação do primeiro sobre este último. De facto, a auto-correlação
R[k] não é mais do que o produto interno entre um sinal e a sua versão
deslocada de k amostras, correspondendo r[k] à respectiva projecção. À esquerda
da figura exemplifica-se a predição com coeficiente unitário, para 3 situações
distintas. A predição coincide com a amostra (quantificada) anterior, sendo o
erro de predição a diferença entre este e o sinal de entrada. O ganho de predição
será de 0 dB quando a projecção do sinal de entrada sobre a predição for de 0,5.
A mesma conclusão é retirada da equação 4.17. O ganho de predição só é maior
positivo à direita deste ponto. À direita da figura exemplifica-se a predição
adaptada, para 4 situações distintas. A predição corresponde à projecção sobre a
amostra anterior, minimizando a energia (norma do vector) do erro de predição,
que lhe é ortogonal. O ganho de predição é sempre positiva (equação 4.21, com
excepção da situação em que o sinal de entrada e a sua projecção são ortogonais
(a = r[1] = 0), em que o erro de predição coincide com o sinal de entrada e o
codificador degenera num codificador PCM.
Figura 4.6
Interpretação vectorial da predição.
À esquerda, predição com coeficiente unitário. À direita, predição adaptada.
Repare-se que o aumento do ganho de predição, para determinado sinal

de entrada corresponde à diminuição da potência do erro de predição e
consequentemente do seu valor máximo. Se, contudo, não for diminuído em
conformidade o valor máximo de quantificação V1, por exemplo utilizando a
equação 4.10, não haverá de facto aumento da SNR.
Para o preditor de unitário, Gp=0 dB quando a amostra faz um ângulo
de π/3 em relação à predição. Para uma sinusóide como sinal de entrada em que
r[1]=cos(2πf/fs) (Apêndice 1), então 2πf/fs= π/3. Para um sinal genérico esta
situação dá-se para a frequência a que corresponde a máxima derivada, que
denominaremos f’, pelo que o ganho de predição será positivo desde que:
fs
f'< . (4.22)
6
Para sinais de fala esta situação é quase sempre verdade (f’<1333,3Hz)

quando este é amostrado, como em qualidade telefónica, a 8000 Hz.
Os codificadores de fala recentemente normalizados utilizam predição de

ordem mais elevada (tipicamente ordem 10), de modo a melhorar o ganho de
predição. A equação deste preditor é:
p
m p [n] = −∑ a k m[n − k ] , (4.23)
k =1
sendo os coeficientes ak denominados coeficientes de predição linear, calculados

minimizando a potência do erro de predição, dando origem a um sistema de p
equações a p incógnitas, válidos num máximo de 30 ms.
4.1.3 Adaptação do quantificador – memória de 1 amostra
Como mostrado anteriormente, o codificador DPCM têm um ganho de

apenas 1 a 2 bits por amostra em relação ao PCM. Quantificando o erro de
predição com um quantificador uniforme de 16 valores (4 bits por amostra)
obtém-se um máximo de 28,85 dB de SNR de quantificação, mas este valor é
extremamente dependente da potência do sinal de entrada (equação 3.4).
Utilizando um PCM companding obtém-se um desempenho praticamente
constante de apenas 14 dB (equação 3.19), embora a estes termos se tenha que
somar o ganho de predição. Em qualquer dos casos a SNR final dificilmente
ultrapassa em média 20 dB, o que não é satisfatório.
Através da equação 4.9 e conhecido o ganho de predição através da

equação 4.15, pode-se estimar o valor máximo de quantificação do sinal de erro.
A variância do sinal de entrada do quantificador é, no entanto, dependente da
potência localizada do sinal de entrada e portanto do tempo. A utilização de um
quantificador de valores fixos leva a que quando a variância do sinal de entrada
é grande se possa exceder o valor máximo de quantificação e, por outro lado,

para variâncias baixas o ruído de quantificação seja elevado. É possível no
entanto adaptar localmente a gama do quantificador tirando partido das zonas
quase estacionárias do sinal (nomeadamente sinais de fala), dando origem a um
modulador por codificação diferencial de impulsos adaptativo (ADPCM –
Adaptive Differential Pulse Code Modulation). Os parâmetros de adaptação
podem ser obtidos do sinal a quantificar, sendo esta informação enviada para o
receptor como informação lateral ocupando uma pequena percentagem do
número de total de bits (AQF: adaptive quantization with forward estimation)
ou obtida do índice de codificação, existindo esta informação também no
receptor (AQB: adaptive quantization with backward estimation).
Um outro método de adaptação proposto por Jayant [Jayant (74)] utiliza

apenas o índice de codificação da última amostra para adaptar o quantificador,
baseado no seguinte raciocínio: se o índice corresponde a um valor elevado (em
módulo), há risco de distorção de saturação de declive e deverá ser aumentado o
intervalo de quantificação ∆q de um quantificador uniforme; se por outro lado o
índice corresponde a um valor baixo, o risco de distorção de saturação de declive
é pequeno e o intervalo de quantificação ∆q é diminuído de modo a diminuir o
ruído de quantificação. O valor de ∆q no instante n depende então do seu valor
anterior e do índice de quantificação para o instante anterior n-1:
∆q[n]= ∆q[n-1]M(i[n-1]), (4.24)
em que M(i[n-1]) corresponde ao factor multiplicativo do índice i do

quantificador na amostra anterior. Na tabela 4.1 são apresentados os valores de
M(i[n-1]) propostos por Jayant para adaptar quantificadores midrise de 2, 3 e 4
bits, em ADPCM e APCM (PCM adaptado). Os factores multiplicativos de
subida são maiores que os de descida porque a distorção de saturação de declive
é perceptualmente mais nefasta que o ruído de quantificação.
APCM ADPCM
R=2 R=3 R=4 R=2 R=3 R=4
M(1) 0,6 0,85 0,8 0,8 0,9 0,9
M(2) 2,2 1,0 0,8 1,6 0,9 0,9
M(3) 1,0 0,8 1,25 0,9
M(4) 1,5 0,8 1,7 0,9
M(5) 1,2 1,2
M(6) 1,6 1,6
M(7) 2,0 2,0
M(8) 2,4 2,4
Tabela 4.1
Factores multiplicativos propostos por Jayant, para adaptar quantificadores
midrise em APCM e ADPCM utilizando memória de uma amostra. M(1)
corresponde ao valor de quantificação com o valor mais baixo (em módulo),
correspondendo o aumento do índice a um aumento (em módulo) do valor do
valor de quantificação.
4.2 Modulação Delta
A modulação Delta (DM – Delta Modulation) é um caso particular da

modulação DPCM utilizando um codificador de 1 bit por amostra. O esquema
de blocos deste codificador é apresentado na figura 4.7. O bit de codificação
apenas dá informação do sentido do sinal diferença (se positivo ou se negativo),
sendo o sinal de saída incrementado ou decrementado de um passo fixo
∆ (quantificador midrise de 1 bit por amostra).
Figura 4.7
Modulação Delta (DM)
Esquema de blocos de um emissor por Modulação Delta, representando o bit de
codificação se a diferença entre o sinal de entrada e a saída anterior é positiva ou
negativa. O receptor é igual ao do DPCM (Figura 4.2 b)), mas com um
descodificador de 1 bit (2 valores, ±∆).
4.2.1 Relação sinal–ruído em DM
Para se poder calcular a relação sinal-ruído e optimizar a qualidade do

DM é necessário perceber melhor os tipos de distorções introduzidas, ilustradas
na figura 4.8: a saturação de declive, já possível na codificação DPCM,
característica das zonas de transição brusca do sinal, em que o passo ∆ do
quantificador não é suficiente para o acompanhar; e o ruído granular típico das
zonas de silêncio ou de pequena variação do sinal de entrada, quando
comparado com o passo ∆ de quantificação. Em PCM e DPCM este ruído pode
ser evitado com recurso a um codificador midtread, o que não é possível em
DM, por apenas existir 1 bit de codificação. Existe um compromisso entre estes
dois tipos de ruído: aumentando o passo ∆ de quantificação para se evitar a
saturação de declive aumenta-se o ruído granular e vice-versa.
Figura 4.8
Tipos de distorção na Modulação Delta
Há dois tipos de distorção na modulação delta: a distorção de saturação de declive, típico
das zonas de variação brusca do sinal em que o passo ∆ do quantificador é insuficiente; o
ruído granular, típico das zonas de pequena variação do sinal de entrada em que o passo
∆ do quantificador é demasiado grande.
De modo a evitar completamente o ruído de saturação de declive o valor

de ∆ deverá ser pelo menos igual à variação máxima do sinal no intervalo entre
duas amostras Ts=1/fs:
∂m(t ) m ' max (4.25)

∆≥ Ts = ,
∂t max fs
sendo m ' max a derivada máxima do sinal de entrada. Quando o codificador DM

funciona sem saturação de declive pode-se assumir que a densidade de
probabilidade do ruído é uniforme entre -∆ e ∆, e:
∆
1 ∆2
2∆ −∫∆
σ n2 = e 2
de = . (4.26)
3
Repare-se que 2∆ = ∆q, pelo que a expressão 4.26 coincide com a

expressão 3.2. A SNR de quantificação virá, com o valor mínimo de ∆ imposto
pela equação 4.25:
2
P 3 ⎛ f ⎞
SNRq = = 2 P = 3⎜⎜ ' s ⎟ P.
⎟ (4.27)
σ n2 ∆ ⎝ mmax ⎠
Em geral a derivada máxima do sinal de entrada é dada pela frequência

máxima do sinal W, correspondendo a 2πW mmax . Para sinais de fala, contudo,
esta dá-se para uma frequência inferior, tipicamente f’<1333,3 Hz. De modo a
ter em consideração a relação (W/f’) a equação 4.27 pode ser alterada para,
2 2 2
⎛ fs ⎞ ⎛ 2W ⎞ 3 ⎛W ⎞
SNRq = 3⎜⎜ ⎟ P = 3⎜⎜
⎟ ⎟ Pn = 2 ⎜⎜ ' ⎟⎟ Pn
' ⎟
(4.28)
⎝ 2πf mmax ⎝ 2πf ⎠ π ⎝f ⎠
'
⎠
ou em decibéis:
⎛W ⎞ ⎛ 3P ⎞
SNRdB = 20 log10 ⎜⎜ ' ⎟⎟ + 10 log10 ⎜ 2n ⎟ . (4.29)
⎝f ⎠ ⎝π ⎠
4.2.2 ADM – Modulação Delta adaptada
O DM não é competitivo em relação ao PCM ou ao DPCM devido ao

forte compromisso entre o ruído granular e de saturação de declive. É no
entanto possível aumentar a qualidade adaptando o passo ∆ de quantificação
[Jayant (84)], dando origem à Modulação Delta adaptada (ADM – Adaptive
Delta Modulation).
Note-se que o ruído de saturação de declive na modulação delta pode ser

detectado através de uma sequência de bits de saída com o mesmo nível lógico.
Por outro lado, uma sequência alternada de níveis lógicos indicia um sinal com
frequência muito baixa e portanto a predominância de ruído granular. A
detecção de ambos os tipos de ruído pode ser aproveitada para adaptar o valor
do passo ∆ de quantificação. São conhecidos alguns métodos de adaptação,
utilizando algoritmos amostra-a-amostra, seguindo o princípio acima referido,
devendo este ser aumentado quando se detecta ruído de saturação de declive e
diminuído quando se detecta ruído granular. Um método simples, mas eficaz, de
adaptação amostra-a-amostra, tem a regra seguinte:
⎛ b[n − 1] ⎞
∆[n] = ∆[n − 1]⎜⎜1 + α ⎟, 0 <α <1 (4.30)
⎝ b[n] ⎟⎠
em que b[n] é o valor do nível lógico de saída do quantificador no instante n,

neste caso tomando os valores ±1 e α gere o grau de adaptação. Por exemplo
com α=0,5 o passo da amostra anterior é multiplicado por 1,5 caso se suspeite
de saturação de declive e dividido por 0,5 caso se suspeite de ruído granular.
Este método é exemplificado na figura 4.9.
Figura 4.9
Modulação Delta Adaptada
O passo ∆ do modulador é adaptado de modo a diminuir a distorção, segundo o
raciocínio seguinte: uma sequência de bits de saída com o mesmo nível lógico indicia
distorção de saturação de declive e o passo é aumentado; uma sequência de bits de
saída com níveis lógicos alternados indicia ruído granular e o passo é diminuído.
Sobre-amostragem 43
5 Sobre-amostragem
Todas as análises aos codificadores apresentadas até agora pressupuseram

que a frequência de amostragem é a frequência de Nyquist, fs=2W, a que
correspondia o menor débito binário (equação 3.7). Veremos nesta secção o

efeito da sobre-amostragem (utilização de uma frequência maior que a
frequência de Nyquist) nos diversos codificadores.
5.1 Ganho de filtragem
O ruído de quantificação tem normalmente, para sinais aleatórios, uma

densidade espectral plana (ruído branco) entre as frequências -fs/2 a fs/2. Por
este facto, como mostrado na figura 5.1, a potência do ruído pode ser diminuída
por filtragem passa-baixo à frequência máxima do sinal de entrada (W).
Figura 5.1
Função densidade espectral de potência do ruído de quantificação.
Estendendo-se o espectro de potências do ruído entre -fs/2 e fs/2 é possível diminui-lo
por filtragem passa-baixo à máxima frequência W do sinal de entrada.
O ganho de filtragem é a relação entre a área da função densidade

espectral de potência do ruído antes e depois da filtragem:
fs (5.1)
Gf = = OSR ,
2W
em que OSR (over-sampling ratio) é uma medida da sobre-amostragem e

corresponde ao número de vezes que a frequência de amostragem excede a
frequência de Nyquist. A duplicação da frequência (1 oitava) leva a um ganho
de 3 dB (10log10(2)).
5.2 Sobre-amostragem em PCM e DPCM
A sobre-amostragem pode ser utilizada quer em PCM quer em DPCM,

sendo válida a equação 5.1 do ganho de filtragem. A duplicação da frequência de
amostragem levaria a um aumento de 3 dB da SNR e duplicaria o débito
binário. Contudo, se o sinal após a filtragem for decimado para a frequência de
Nyquist o efeito da sobre-amostragem desaparecerá, mas o sinal poderá ser
codificado com mais 0,5 bits (6 dB por bit) por cada oitava de OSR. Esta
operação seria efectuada digitalmente, sendo a conversão analógica efectuada
com menos bits por amostra e portanto com menos resolução.
Em relação ao DPCM falta contabilizar o acréscimo no ganho de

predição devido à diminuição do tempo entre amostras, com a consequente
maior correlação. Por cada oitava de aumento na frequência de amostragem o
tempo entre amostras passa para metade, o que leva a metade da máxima
variação e, consequentemente, a metade do valor máximo de quantificação V1.
Como a SNR depende quadraticamente deste valor (equação 4.4) o aumento
correspondente é de mais 6 dB, sendo o aumento final de 9 dB por oitava.
Continua assim a ser preferível aumentar o número de bits por amostra com um
aumento de 6 dB por cada bit.
5.3 Sobre-amostragem em DM
A codificação DM é de facto um compromisso entre a fuga à saturação de

declive e a minimização do ruído granular. Para resolver este problema uma
alternativa à adaptação do passo de quantificação é a sobre-amostragem. Esta,
como em DPCM, faz aumentar a correlação (parecença) entre amostras
adjacentes (equações 4.25 e 4.27), diminuindo o valor do passo ∆ do
quantificador, embora à custa do aumento do débito binário. Repare-se que
desde que o codificador esteja a funcionar à volta do ponto óptimo (mínimo de
ruído granular sem saturação de declive), a função densidade espectral de
potência do ruído é plana, como pressuposto na equação 5.1. Se pelo contrário o
Sobre-amostragem 45
codificador estiver a funcionar numa zona de predominância de ruído granular a

função densidade espectral de potência do ruído tem um carácter passa-alto.
Numa zona de declive nulo do sinal, por exemplo, o ruído granular produz uma
onda quadrada cuja primeira harmónica se situa em fs/2, que é completamente
eliminada pela filtragem passa-baixo no receptor. Nestas condições a equação 5.1
constitui assim um limite inferior para o ganho de filtragem.
Figura 5.2
Receptor DM com filtragem final passa-baixo (W).
A equação completa da SNR em DM com pós-filtragem, na ausência de

saturação de declive, é dada multiplicando a equação 4.27 pela equação 5.1,
2
⎛ f ⎞ f s3
SNRq = 3⎜⎜ ' s ⎟ PG f = 3
⎟ 2
P, (5.2)
'
⎝ mmax ⎠ 2Wmmax
verificando-se a sua dependência com o cubo da frequência de amostragem. Por

cada oitava o ganho é de 10log10(23)=9 dB de relação sinal-ruído, como em
DPCM, mas o débito binário também duplica. A grande vantagem do DM é a
sua baixa complexidade e consequente preço, mesmo quando opera a frequências
de amostragem elevadas, pois pode ter directamente como entrada o sinal
analógico e utilizar componentes analógicos (conversor de 1 bit implementado
com comparador, integrador com operacional, atraso com S&H). Contudo a
diminuição de ∆ para valores perto dos do ruído térmico limitam esta opção.
Introduzindo, como em 4.28, a relação (W/f’) entre a frequência máxima

do sinal e a frequência da máxima derivada, a equação 5.2 virá, em decibéis:
⎛W ⎞ ⎛ 3 ⎞
SNRdB = 30 log10 (OSR ) + 20 log10 ⎜⎜ ' ⎟⎟ + 10 log10 ⎜ 2 Pn ⎟ . (5.3)
⎝f ⎠ ⎝π ⎠
6 Modulação delta-sigma
Melhorar a SNR implica nos codificadores estudados a diminuição do

intervalo de quantificação, aumentando o número de intervalos do quantificador
ou aumentando a correlação entre amostras. Cabe ao ganho de filtragem um
papel menor (3 dB por oitava). A diminuição do intervalo de quantificação tem
contudo um limite quando este valor se aproxima do ruído térmico nos
amplificadores operacionais. Evitar este limite, mantendo a complexidade baixa,
mas melhorando o ganho de filtragem, deu origem à modulação delta-sigma
(∆Σ), um dos paradigmas na conversão analógico-digital e digital-analógico.
6.1 Da codificação DM à codificação ∆Σ.
O codificadores DM têm dois integradores, um na codificação e outro na

descodificação, como mostrado na figura 6.1 a).
Figura 6.1
Da Modulação ∆ à modulação ∆Σ
Em cima. Modulação ∆: No meio: Configuração intermédia Em baixo: Modulação ∆Σ.
Modulação delta-sigma 47
Como a integração é uma operação linear, o integrador do descodificador

pode ser deslocado para antes do codificador, como mostrado na figura 6.1 b),
sem alterar a relação entrada-saída. Estes dois integradores podem ser
combinados linearmente em apenas um integrador, na posição mostrada na
figura 6.1 c), resultando na modelação ∆Σ. O nome ∆Σ vem do facto de se
colocar um integrador à frente de um derivador.
6.2 Formatação do ruído
Considere-se o esquema de blocos do codificador ∆Σ apresentado na figura

6.2, totalmente no domínio da frequência (transformada Z), obtido substituindo
o integrador pela sua função de transferência 1/(1-z-1) e modelando o
quantificador como a soma do sinal à sua entrada com o ruído de quantificação.
Figura 6.2
Esquema de blocos da modulação ∆Σ no domínio da frequência.
Da análise do esquema de blocos da figura 6.2 facilmente se verifica que,
M ( z ) − M q ( z ) z −1
M q ( z) = + Q( z ) ,
1 − z −1
M ( z ) − M q ( z ) z −1 + Q( z )(1 − z −1 )
M q ( z) = ,
1 − z −1
M q ( z )(1 − z −1 ) = M ( z ) − M q ( z ) z −1 + Q( z )(1 − z −1 ) ,
e obtém-se,
M q ( z ) = M ( z ) + Q( z )(1 − z −1 ) , (6.1)
ou seja, o sinal de saída corresponde ao sinal de entrada somado ao ruído de

quantificação, sendo este último filtrado pela primeira diferença (1-z-1). A
densidade espectral de potência do ruído corresponde ao produto entra a
potência do ruído como dado pela equação 3.2 e o módulo ao quadrado da
resposta da primeira diferença. Convertendo em análise de Fourier (f contínuo)
substituindo z–1 pelo atraso de uma amostra, ou seja, por e–j2πf/fs,
2 ∆2 2
N( f ) = 1 − e − j 2πf / f s
12 f s
2
∆2 ⎛ 2πf ⎞ ⎛ 2πf ⎞
= 1 − cos⎜⎜ ⎟⎟ − j sin ⎜⎜ ⎟⎟
12 f s ⎝ fs ⎠ ⎝ fs ⎠
⎛⎛ ⎞⎞
2
⎛ 2πf ⎞ ⎞⎟
=
∆2 ⎜ ⎜1 − cos⎛⎜ 2πf ⎟⎟ ⎟ + sin 2 ⎜⎜ ⎟⎟
12 f s ⎜⎜ ⎜ f ⎟ ⎟
⎝⎝ ⎝ s ⎠⎠ ⎝ fs ⎠⎠
⎛ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞⎞
=
∆2 ⎜1 + cos 2 ⎜ 2πf ⎟ − 2 cos⎜ 2πf ⎟ + sin 2 ⎜ 2πf ⎟⎟ ⎟
12 f s⎜ ⎜ f ⎟ ⎜ f ⎟ ⎜ f ⎟
⎝ ⎝ s ⎠ ⎝ s ⎠ ⎝ s ⎠⎠
∆ ⎛⎜
2
⎛ 2πf ⎞ ⎞ ∆ ⎛⎜
2
2 ⎛ πf ⎞
⎞ ,
= 2 − 2 cos ⎜⎜ ⎟⎟ ⎟ = 4 sin ⎜⎜ ⎟⎟ ⎟ (6.2)
12 f s ⎜⎝ ⎟ ⎜
⎝ f s ⎠ ⎠ 12 f s ⎝
⎟
⎝ fs ⎠⎠
esboçado na figura 6.3, em que se verifica que o ruído deixou de ser plano para
ser formatado (noise shaping) de modo a ter menos potência na banda do sinal.
Figura 6.3
Distribuição em frequência do ruído de quantificação.
Ao contrário da modulação diferencial que sofre da possibilidade de

saturação de declive ao quantificar a primeira diferença do sinal de entrada mas
mantendo o ruído de quantificação inalterado no receptor, na modelação
∆Σ nunca há saturação de declive e é o ruído que é afectado pela primeira
diferença. Outra vantagem é o aumento da robustez a erros de canal, pois o
valor da amostra actual deixa de depender do valor das amostras passadas.
A modulação ∆Σ quantifica o sinal de entrada e para que não haja

saturação de amplitude ∆=2mmax. Impondo esta condição na equação 6.2 e
integrando a densidade espectral do ruído na banda do sinal, a potência do
ruído virá:
N ( f ) df
W
=∫
2
σ n2
−W
4∆2
W
⎛ πf ⎞
= ∫ sin⎜⎜ ⎟⎟df f << f s
2
12 f s−W ⎝ fs ⎠
2
2
4mmax W
⎛ πf ⎞
3 f s −∫W ⎜⎝ f s ⎟⎠
= ⎜ ⎟ df α ≈ 0 ⇒ sin(α ) = α
4π 2 mmax
]
2
W
= 3
f 3 −W
9 fs
3
π 2 mmax
2
⎛ 2W ⎞ , (6.3)
= ⎜⎜ ⎟⎟
9 ⎝ s ⎠
f
e a relação sinal-ruído de quantificação,
9
SNRq = OSR 3 Pn , (6.4)
π2
ou em decibéis:
⎛ 9P ⎞
SNRdB = 30 log10 (OSR ) + 10 log10 ⎜ 2n ⎟ . (6.5)
⎝π ⎠
Esta equação é semelhante à equação 5.3 da SNR para DM (com W=f’),

com a diferença que para o mesmo OSR se obtém um acréscimo de desempenho
de 10log10(3)=4,77 dB. Contudo, se f ' < W / 3 , característica dos sinais de fala

mas não de sinais genéricos, então a codificação DM tem melhor desempenho.
A SNR na codificação ∆Σ pode ser melhorada recorrendo a dois tipos de

estratégia: utilizar quantificadores multi-bit (tipicamente até 5 bits de
codificação), melhorando 6 dB por cada bit de codificação; e utilizar um maior
número de derivadores–integradores, o que leva a uma modulação de ordem
mais elevada que diminui o ruído na banda. Obviamente estas opções levam ao
aumento da complexidade. A densidade espectral do ruído para um modulador
de ordem N virá (equação 6.2 elevada à potência N),
N
⎛ ⎛ ⎞⎞
2
N( f ) =
∆2 ⎜ 4 sin 2 ⎜ πf ⎟⎟ ⎟ , (6.6)
12 f s ⎜ ⎜ f ⎟
⎝ ⎝ s ⎠⎠
que tomando o ruído na banda virá (Apêndice 3):
3(2 N + 1)
SNRq = OSR (2 N +1) Pn , (6.7)
π 2n
ou em decibéis:
⎛ 3(2 N + 1)Pn ⎞
SNRdB = (2 N + 1)10 log10 (OSR ) + 10 log10 ⎜ ⎟. (6.8)
⎝ π 2N ⎠
Como se pode verificar a SNR aumenta 3(2 N + 1) decibéis por cada

oitava de aumento na sobre-amostragem, correspondendo a (N+1/2) bits.
6.3 Conversores AD e DA por modulação ∆Σ
Na conversão analógico-digital o sinal que se pretende obter é

tipicamente do tipo PCM uniforme. Como já visto, para uma qualidade razoável
(16 bits ou mais) a implementação directa em PCM é extremamente complexa
pelo número de intervalos de quantificação a distinguir e pela sua dimensão
reduzida. O mesmo se passa na conversão digital-analógico em que se pretende
uma versão o mais fiel possível da versão digital em PCM uniforme.
Uma das vantagens da modulação ∆Σ prende-se com o facto do valor do

passo de quantificação ∆ ser igual ao dobro do valor máximo do sinal de
entrada, não dependendo nem da derivada do sinal nem da relação de
sobre-amostragem, minimizando a complexidade para uma SNR elevada. Se

para melhorar a qualidade for utilizado um quantificador multi-bit, este não
ultrapassa tipicamente os 5 bits, mantendo a complexidade aceitável. Por esta
razão duas das principais aplicações da modulação ∆Σ são a conversão
analógico-digital e a digital-analógico, nomeadamente de sinais com largura de
banda tipicamente inferior a 200 kHz (fala e áudio), que mesmo com valores
razoáveis de sobre-amostragem não requer uma frequência de amostragem
demasiado elevada.
6.3.1 Conversão digital-analógico com modulação ∆Σ.
Na conversão digital-analógico o sinal de entrada é um sinal PCM

uniforme com R0 bits por amostra. Este é interpolado de OSR amostras de
modo a converte-lo num sinal sobre-amostrado OSR vezes (figura 6.4). Nesta
fase o sinal contém R1 bits por amostra, em que R1 é igual ou ligeiramente
inferior a R0. Este é a seguir colocado no modulador ∆Σ, convertendo-o num
sinal de 1 bit por amostra, mas em que a maior parte do ruído está fora da
banda do sinal. Este é primeiro convertido num sinal analógico com dois valores
(DAC de 1 bit), fácil de realizar, e depois filtrado na banda de modo a reduzir o
ruído.
Figura 6.4
Diagrama de blocos de um conversor digital-analógico ∆Σ.
LPF – Filtro passa-baixo; Interp-N – Interpolação de N amostras;
De modo a manter a qualidade do sinal PCM uniforme (equação 3.4) de

origem a relação de sobre-amostragem OSR tem que ser tal que a SNR em ∆Σ
(equação 6.5 ou 6.8 para N>1) seja pelo menos igual a esse valor:
(2 N + 1)10 log10 (OSR ) + 10 log10 ⎛⎜ (2 N2 +N 1) ⎞⎟

R0 ≤ ⎝ π ⎠. (6.9)
6,02
6.3.2 Conversão analógico-digital com modulação ∆Σ.
O resultado de qualquer conversão analógico-digital é tipicamente um

sinal em PCM uniforme. A conversão analógico-digital utilizando modulação ∆Σ
começa com a filtragem passa-baixo, de modo a limitar a frequência do sinal de
entrada a um valor máximo W. Este sinal é aplicado a um modulador
∆Σ (figura 6.4), que converte o sinal em 1 bit por amostra com uma relação de
sobre-amostragem de OSR vezes. Como grande parte do ruído de situa fora da
banda do sinal este é seguidamente filtrado digitalmente, convertendo-se o sinal
em PCM uniforme com R0 bits por amostra, a uma frequência de amostragem
de 2WN amostras por segundo. Finalmente este sinal é decimado de modo a que
a frequência de amostragem seja a frequência de Nyquist.
Figura 6. 5
Diagrama de blocos de um conversor analógico-digital ∆Σ.
LPF – Filtro passa-baixo; Decim-N – Decimação de N amostras.
Para uma dada SNR (equação 3.4) correspondente a R0 bits por

amostra pretendidos em PCM uniforme, a relação de sobre-amostragem OSR
deve que ser tal que a SNR em ∆Σ (equação 6.5 ou 6.8 para N>1) seja pelo
menos igual a esse valor, como já na equação 6.9.
Um método alternativo de converter o sinal para digital, por exemplo

utilizado em DVD para guardar sinais de áudio, não utiliza os blocos digitais de
Sumário 53
filtragem e decimação, guardando directamente os bits à saída do modulador ∆Σ

(DSD – Direct Stream Digital). Uma das vantagem deste formato é tornar a
re–conversão para digital extremamente simples, pois apenas necessita de um
DAC de 1 bit e uma filtragem passa-baixo (parte analógica na figura 6.4).
7 Sumário
Este texto descreveu os métodos principais de codificação de forma de

onda, com ênfase para a codificação de sinais de fala. Foram deduzidas as
expressões da relação sinal-ruído (SNR) de quantificação, medida objectiva da
qualidade, para os diversos métodos de codificação apresentados, tendo sido
realçado o compromisso com o débito binário produzido.
Em PCM uniforme o valor da SNR é excessivamente dependente da

potência do sinal de entrada, o que o torna pouco atractivo. Na quantificação
não uniforme utilizando uma não linearidade pseudo-logarítmica, a SNR
torna-se quase independente da potência do sinal de entrada ficando apenas
dependente do número de bits de codificação por amostra. Dada uma
distribuição de amplitudes é ainda possível construir codificadores que
maximizem a SNR, desde que os sinais de entrada exibam a mesma distribuição.
As modulações diferenciais, ao predizer o valor de uma amostra tirando

partido da correlação entre amostras consecutivas, têm ainda uma melhoria na
SNR devido à introdução do ganho de predição. Foram ainda apresentados os
princípios básicos da predição e da quantificação adaptada, que se ajustam às
características dos sinais a codificar. No entanto, ao depender das amostras
passadas, a modulação diferencial perde robustez na presença de erros no canal
de transmissão.
A sobre-amostragem impele o ruído de quantificação para fora da banda

do sinal, sendo este reduzido por filtragem. A modulação ∆Σ emprega
sobre-amostragem com a vantagem de formatar passa–alto o ruído de
quantificação, diminuindo ainda mais o ruído na banda. Não sendo uma

modulação diferencial tem ainda a vantagem de ser mais robusto a erros de
canal.
Nos critérios de escolha de um codificador para determinada aplicação

existem alguns atributos que são decisivos, enquanto que outros ou não têm
influência ou algum compromisso pode ser levado em consideração. Para além
do débito binário produzido e da qualidade do sinal de saída, os atributos mais
relevantes dos codificadores são a complexidade (preço), o atraso introduzido e a
robustez contra erros de canal. Existem claramente compromissos em relação a
estes atributos, já que por exemplo a diminuição do débito binário só é possível
tirando partido da correlação entre amostras, o que leva a um aumento da
complexidade e à diminuição da robustez a erros de canal.
Estes conceitos deverão ser aprofundados noutras disciplinas, que

abordarão outros métodos de codificação capazes de atingir débitos binários
mais baixos.
Formulário 55
Principais Fórmulas
P Potência do sinal de entrada

Pn Potência normalizada do sinal de entrada
σ q2 Potência do ruído de quantificação
V Máxima tensão de quantificação em PCM
∆q Intervalo de quantificação
mmax Máxima tensão do sinal de entrada
W Máxima frequência do sinal de entrada
fs Frequência de amostragem
R Número de bits de codificação por amostra
Rb Débito binário
SNRdB SNR de quantificação em dB
Pe Potência do erro de predição
V1 Máxima tensão de quantificação do erro de predição em DPCM
r[k] Auto-correlação normalizada do sinal de entrada
Gp Ganho de predição
OSR relação de sobre-amostragem
N Ordem em ∆Σ
f s ≥ 2W , (2.2)
Rb = R × f s (3.7)
P
Pn = 2
, (3.6)
mmax
PCM uniforme
2V 2V
∆q = = R . (3.1)
L 2
∆2q
σ =
2
q , (3.2)
12
⎛ 3P ⎞
SNRdB = 6,02 R + 10 log10 ⎜ 2 ⎟ (3.4)
⎝V ⎠
PCM não uniforme, Lei-A/Lei-µ, zona logarítmica:
SNRdB = 6,02 R − 10 (3.19)

DPCM
⎛ 3P ⎞ ⎛ 3P ⎞
SNRdB = 6,02 R + 10 log10 ⎜⎜ 2 ⎟⎟ = Gp dB + 6,02 R + 10 log10 ⎜⎜ 2e ⎟
⎟ (4.4/6)
⎝ V1 ⎠ ⎝ V1 ⎠
P V2
Gp = ≈ , (4.9)
Pe V12
⎛P ⎞ ⎡ 1 ⎤
G p dB = 10 log10 ⎜⎜ ⎟⎟ = 10 log10 ⎢ (4.14)
⎝ Pe ⎠ ( )⎥
⎣ 1 + a − 2ar [1] ⎦
2
Preditor adaptado de 1ª ordem:
a = r [1] (4.20)
⎛ 1 ⎞
G p dB = 10 log10 ⎜⎜ ⎟
⎟ (4.21)
⎝ 1 − r [1]
2
⎠
Sobre-amostragem PCM/DPCM/DM
fs (5.1)
G f = OSR = ,
2W
DM
∂m(t ) m ' max (4.25)

∆≥ Ts =
∂t max fs
⎛W ⎞ ⎛ 3 ⎞
SNRdB = 30 log10 (OSR ) + 20 log10 ⎜⎜ ' ⎟⎟ + 10 log10 ⎜ 2 Pn ⎟ (5.3)
⎝f ⎠ ⎝π ⎠
ADM
⎛ b[n − 1] ⎞
∆[n] = ∆[n − 1]⎜⎜1 + α ⎟ 0 <α <1 (4.30)
⎝ b[n] ⎟⎠
∆Σ
⎛ 9P ⎞
SNRdB = 30 log10 (OSR ) + 10 log10 ⎜ 2n ⎟ = 30 log10 (OSR ) + 10 log10 (0,912 Pn ) (6.5)
⎝π ⎠
⎛ 3(2 N + 1)Pn ⎞
Ordem N SNRdB = (2 N + 1)10 log10 (OSR ) + 10 log10 ⎜ ⎟ (6.8)
⎝ π 2N ⎠
Apêndices 57
Apêndices
Apêndice 1 - Função de auto-correlação temporal de uma

sinusóide discreta.
Solução:
i. A função de auto-correlação temporal (e não estatística) para sinais
1 N
discretos é definida por R[k ] = lim ∑ m[n]m[n − k ], correspondendo ao
N →∞ 2 N n = − N
produto interno do sinal e da sua versão deslocada de k amostras.

ii. Para calcular esta função para uma sinusóide discreta, opta-se por a
calcular em tempo contínuo e amostrar seguidamente.
iii. A função de auto-correlação para sinais contínuos corresponde ao produto
interno do sinal e da sua versão deslocada de um tempo τ:
T
1
R(τ ) = lim m(t )m(t − τ )dt .
T → ∞ 2T ∫
−T
iv. Para uma sinusóide A cos(2πf 0t + α ) , com período fundamental To

T0 / 2
1
R(τ ) = ∫ A cos(2πf t + α )A cos(2πf
0 0 (t + τ ) + α )dt
T0 −T0 / 2
A 2 cos(2πf 0τ ) T0 / 2
T0 / 2
A2
R(τ ) =
2T0 ∫ [cos(2πf 0τ ) + cos(4πf 0 t + 2πf 0τ + 2α )]dt =
−T0 / 2
2T0
t −T / 2
0
2
R(τ ) = cos(2πf 0τ )
A
2
v. Amostrando esta função com período Ts (τ=kTs) virá,
A2 ⎛ f ⎞
R[k ] = cos⎜⎜ 2π 0 k ⎟⎟
2 ⎝ fs ⎠
vi. A auto-correlação de ordem 0 corresponde à potência do sinal. A
auto-correlação normalizada virá:
R[k ] ⎛ f ⎞
r [k ] = = cos⎜⎜ 2π 0 k ⎟⎟ .
R[0] ⎝ fs ⎠
vii. A auto-correlação de uma sinusóide não depende da fase inicial e a
auto-correlação normalizada também não depende da amplitude. A
auto-correlação de uma sinusóide discreta depende da relação f0/fs e não
dos seus valores absolutos.
Apêndice 2 – Sinusóide com preditor unitário

Prova que equação 4.10, assumindo um preditor unitário, é exacta para
entrada sinusoidal.
Solução:
1
i. Pela equação 4.17, G p =
2(1 − r [1])
ii. Para uma sinusóide a auto-correlação normalizada para 1 amostra de
⎛ f ⎞
atraso vem (apêndice 1) r [1] = cos⎜⎜ 2π 0 ⎟⎟ , pelo que
⎝ fs ⎠
1
Gp = .
⎛ ⎛ f0 ⎞⎞
2⎜⎜1 − cos⎜⎜ 2π ⎟⎟ ⎟
⎟
⎝ ⎝ f s ⎠⎠
iii. Assumindo a aproximação da equação 4.10,
V2 ⎛ ⎛ f ⎞⎞ ⎛ f ⎞ ⎛ f ⎞
V1 = = V 2 2⎜⎜1 − cos⎜⎜ 2π 0 ⎟⎟ ⎟⎟ = V 2 4 sin 2 ⎜⎜ π 0 ⎟⎟ = 2V sin ⎜⎜ π 0 ⎟⎟ ,
Gp ⎝ ⎝ fs ⎠⎠ ⎝ fs ⎠ ⎝ fs ⎠
que corresponde de facto, para uma sinusóide, à máxima variação no tempo
Ts, que se dá na zona de maior declive, ou seja, à volta de 0, como se pode
verificar pela figura seguinte:
iv. Para DM e com a certeza que o sinal de entrada é uma sinusóide,

⎛ f ⎞
∆ = 2V sin ⎜⎜ π 0 ⎟⎟ é uma melhor (menor) estimativa de ∆ do que a
⎝ fs ⎠
f
produzida por 2Vπ 0 . Estas coincidem para f 0 << f s , pois nestas
fs
⎛ f ⎞ f
condições 2V sin ⎜⎜ π 0 ⎟⎟ ≈ 2Vπ 0 .
⎝ fs ⎠ fs
Apêndices 59
Apêndice 3 - SNR para a modulação ∆Σ de ordem N
(com base na equação 6.6 da densidade espectral do ruído formatado)
Solução:
i. Exemplo de um modulador ∆Σ de 2ª ordem
ii. A potência do ruído na banda W do sinal é igual ao integral da densidade

espectral do ruído nessa banda:
N
W
∆2
W
⎛ 2 ⎛ πf ⎞⎞
N q = ∫ N ( f ) df = ∫−W ⎜⎜ 4 sin ⎜⎜⎝ f s ⎟⎟ ⎟ df
2
12 f s ⎟
−W ⎝ ⎠⎠
2N
∆2 N ⎛⎜ ⎛ πf ⎞⎞
W
Nq = 4 ∫ ⎜ ⎜⎜ ⎟⎟ ⎟ df f << fs
12 f s −W ⎝ ⎝ f s ⎟
⎠⎠
2
mmaxπ 2N 4N W 2
mmax π 2N 4N 2
mmax π 2 N 22 N
∫
2 N +1 W
Nq = f 2 N df = f = 2W N +1
3(2 N + 1) f s 3(2 N + 1) f s
2 N +1 2 N +1 −W 2 N +1
3 fs −W
2 N +1
2
mmax π 2 N 22 N 2
mmax π 2 N ⎛ 2W ⎞
Nq = 2W n +1
= ⎜ ⎟⎟
3(2 N + 1) f s
2 N +1
3(2 N + 1) ⎜⎝ f s ⎠
iii. Pelo que a SNR virá
P 3(2 N + 1) ⎛ f s ⎞ 3(2 N + 1)
2 N +1
P
SNRq = = ⎜ ⎟ = OSR 2 N +1 Pn
Nq π 2 N ⎝ 2W ⎠ 2
mmax π 2N
iv. Em decibéis:
⎟ = (2 N + 1)10 log10 (OSR ) + 10 log10 ⎛⎜ 3(2 N + 1)Pn ⎞⎟

⎛ P ⎞
SNRdB = 10 log10 ⎜
⎜N ⎟ ⎝ π 2N ⎠
⎝ q⎠
Exercícios resolvidos 61
Exercícios resolvidos
1. Produza quantificadores midtread e midrise com 8 intervalos de

quantificação uniformes, para quantificar sinais até 1 Volt. Defina um
código numérico sequencial do valor mais baixo para o mais elevado.
Solução:
i. Utilizando a equação 3.1, o intervalo de quantificação ∆q =2/8=250 mV.
ii. Os valores de quantificação em midtread incluem o valor 0 Volts,
somando e subtraindo desde aí ∆q, não ultrapassando as tensões máximas
±1 Volt.
iii. Os valores de decisão encontram-se a meio dos valores de quantificação,
com excepção dos extremos cujos valores são ±∞.
iv. Os valores de decisão em midrise incluem o 0 Volts, somando e
subtraindo desde aí ∆q. nunca ultrapassando as tensões máximas ±1 Volt,
com excepção dos extremos cujos valores são ±∞.
v. Os valores de quantificação encontram-se a meio dos valores de
quantificação.
vi. Numera-se cada valor de quantificação, sequencialmente, do valor mais
baixo para o mais elevado.
Quantificação midtread Quantificação midrise Código
Valores de Valores de Valores de Valores de
dec/bin
decisão quantificação decisão quantificação
∞ ∞
1 0,875 7 (111)
0,875 0,75
0,75 0,625 6 (110)
0,625 0,5
0,5 0,375 5 (101)
0,375 0,25
0,25 0,125 4 (100)
0,125 0
0 -0,125 3 (011)
-0,125 -0,25
-0,25 -0,375 2 (010)
-0,375 -0,5
-0,5 -0,625 1 (001)
-0,625 -0,75
-0,75 -0,875 0 (000)
-∞ -∞
2. Utilize o quantificador midrise e consequente codificador PCM do

exercício nº 1 para quantificar um sinal sinusoidal de amplitude 1 Volt
e frequência de 1300 Hz (sin(2π1300t)), amostrado com 8000 amostras
por segundo (8 kHz). Represente as 8 primeiras amostras e a respectiva
sequência binária transmitida. Calcule a potência do ruído e a relação
sinal-ruído de quantificação. Calcule o débito binário.
Solução:
i. A amostra de ordem n corresponde a substituir no sinal t por nTs
⎛ 1300 ⎞
m[n] = sin(2π 1300t ) t = nT = sin⎜ 2π n⎟
s
⎝ 8000 ⎠
ii. Para cada amostra verifica-se em que intervalo do quantificador esta recai
(tabela do exercício 1) e o respectivo código.
Amostra Amostragem Quantificação Codificação
n m[n] mq[n] q[n] decimal binário
0 0,000 -0,125 0,125 3 011
1 0,853 0,875 -0,022 7 111
2 0,891 0,875 0,016 7 111
3 0,078 0,125 -0,047 4 100
4 -0,809 -0,875 0,066 0 000
5 -0,924 -0,875 -0,049 0 000
6 -0,156 -0,125 -0,031 3 011
7 0,760 0,875 -0,115 7 111
iii. A sequência binária a ser transmitida corresponde à concatenação por

ordem temporal dos códigos em binário: 011111111100000000011111
2
mmax
iv. A potência do sinal é dada por P = = 0,5 Watts. Utilizando a
2
∆2
equação 3.2 o ruído de quantificação vem N q = = 0,0052 Watts, pelo
12
⎛ P ⎞
que a SNRdB = 10 log10 ⎜ ⎟ = 19,82 dB.
⎜N ⎟
⎝ q⎠
v. O mesmo valor pode ser obtido através da equação 3.4
⎛ 3P ⎞ ⎛ 3 × 0,5 ⎞
SNRdB = 6,02 R + 10 log10 ⎜ 2 ⎟ = 6,02 × 3 + 10 log10 ⎜ 2 ⎟ = 19,82 dB.
⎝V ⎠ ⎝ 1 ⎠
vi. O Débito binário é de Rb = fsxR = 8000x3 = 24 kbit/s.

3. Suponha um sinal com uma distribuição uniforme entre –1 e +1 Volts.

A largura de banda do sinal é de 4 kHz e pretende-se um débito binário
máximo de 48 kbit/s.
a) Calcule a potência do sinal, bem como a sua variância.
b) Determine a SNR de um codificador PCM uniforme com este sinal.
c) Suponha agora que utiliza um codificador PCM com companding
usando lei-A, sendo A=87,56. Calcule as percentagens de tempo em que
o sinal está na zona linear e na zona logarítmica.
d) Calcule a SNR na situação correspondente à alínea anterior e compare
com o resultado obtido com PCM uniforme.
Solução:
i. a) Sendo a distribuição de amplitudes do sinal de entrada uniforme
(plana) entre –1 e +1 Volts, esta vale 0 fora do intervalo e ½ no intervalo
de modo a que a sua área seja 1.
ii. Sendo a distribuição simétrica à volta do valor 0 é óbvio que a média do
sinal é 0, pelo que a potência é igual à variância. A média também podia
∞
11
∫ f (m)mdm = 2 2 m
2 1
ser calculada como m = m = 0.
−1
−∞
iii. A variância (potência) vem

∞
11 31 1 1
P= ∫ f (m)m dm = = (1 + 1) = Watt.
2
m m
−∞
23 −1 6 3
iv. A fórmula genérica da potência de um sinal com distribuição uniforme e
amplitude mmax é dada por m2max/3.
v. Pelo teorema da amostragem a frequência mínima de amostragem (produz
o débito binário mínimo) é a frequência de Nyquist 2W=8kHz.
vi. b) O número de bits por amostra, dado pela equação 3.7, são
48/8=6 bits/amostra.
vii. A SNR em PCM uniforme é dada pela equação 3.4
⎛ 3P ⎞ ⎛ 3 1⎞
SNRdB = 6,02 R + 10 log10 ⎜ 2 ⎟ = 6,02 × 6 + 10 log10 ⎜ 2 ⎟ = 36,12 dB.
⎝V ⎠ ⎝1 3 ⎠
viii. c) A percentagem de tempo que o sinal se encontra na zona linear,

1
m< , corresponde à área da densidade de probabilidade nesta condição,
A
ou seja, à área do rectângulo de lados 1/2 e 2/A. Esta área vale 1/A.
Como A=87,56, a percentagem de tempo é de 1,14%.
ix. A percentagem de tempo na zona logarítmica é a restante, ou seja,

100-1,14=98,86%.
x. O sinal está praticamente sempre na zona logarítmica, pelo que a
aproximação correspondente à equação 3.19 é válida.
xi. d) A SNR é de SNRdB = 6,02 R − 10 = 6,02 × 6 − 10 = 26,12 dB.
xii. Este valor é menor que o obtido através de um PCM uniforme porque a
potência normalizada do sinal de entrada é bastante grande (-4,77 dB).
Como se verifica pela figura 3.4 a SNR em PCM uniforme é melhor que
em companding quando a potência normalizada está acima dos 14,77 dB.
xiii. O quantificador óptimo para um sinal com distribuição uniforme é de
facto um quantificador uniforme. 36,12 dB é assim a melhor SNR em
PCM.
4. Produza um quantificador companding Lei-A (A=87,56) com 8

intervalos de quantificação.
Solução:
i. Gera-se um quantificador uniforme midrise (exercício 1).
ii. Gera-se o quantificador companding utilizando os valores do quantificador
uniforme como entrada da não linearidade inversa da equação 3.6 (Lei-A).
Quantificação uniforme Companding Lei-A
Valores de Valores de Valores de Valores de
decisão quantificação decisão quantificação
∞
0,875 0,505
0,75 0,255
0,625 0,128
0,5 0,065
0,375 0,033
0,25 0,017
0,125 0,008
0 0
0,505
0,875
0,255
0,75
0,75
0,128
0,625
0,065
0,5
0,5
0,033
0,375
0,017
0,25
0,25
0,008
0,125
0
0
0
0,000 0,250 0,500 0,750 1,000
5. Suponha três quantificadores, cada um com 4 valores de quantificação,

cujos valores de quantificação são apresentados em cada linha da tabela
seguinte. A última linha corresponde ao código binário de codificação de
cada valor de quantificação.
Valores de quantificação
Quantificador 1 -0,8536 -0,2945 0,2983 0,8529
Quantificador 2 -0,7485 -0,2463 0,2535 0,7525
Quantificador 3 -0,3057 -0,0910 0,0948 0,3061
Código 00 01 10 11
Estes quantificadores são resultado do algoritmo de quantificação óptimo

Max-Lloyd, tendo como entrada as três funções de distribuição da figura
seguinte, referenciados por a, b, e c.
- Distribuiçao a -
0.015
0.01
0.005
0
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
-3
x 10 - Distribuiçao b -
6
1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
- Distribuiçao c -
0.05
0.04
0.03
0.02
0.01
0
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
a) Identifique qual das distribuições (a, b, c) corresponde a cada um dos

quantificadores (1, 2, 3). Porque?
b) Para o quantificador 1, calcule os valores de decisão.
c) Suponha amostras consecutivas com valores 0,5 -0,1 e 2. Qual a
sequência binária transmitida supondo o quantificador 1?
d) Indique qual os valores representados pela sequência 110100
Solução:
i. a) As 3 distribuições distinguem-se por a (a) estar mais concentrada na
origem, a (b) ser praticamente uniforme e a (c) estar mais concentrada
nos valores maiores em módulo. Assim, à distribuição (a) corresponderá
ao quantificador com valores menores, o quantificador (3) e à (c) ao com
valores maiores, o quantificador (1). À distribuição (b) corresponde o
quantificador que falta atribuir, o quantificador (2), mas este é de facto
aquele que se aproxima de um quantificador uniforme.
ii. b) Os valores de decisão estão a meio dos valores de quantificação
(equação 2.7). Assim:
Valores de
-0,8536 -0,2945 0,2983 0,8529
quantificação
Valores de
-0,5741 0,0019 0,5756
decisão
Código 00 01 10 11
iii. Para cada amostra verifica-se em que intervalo do quantificador esta recai
(quantificação) e o respectivo código (codificação).
0,5 recai no intervalo [0,0019 : 0,5756] a que corresponde o código 10;
-0,1 recai no intervalo [0,5741 : 0,0019] a que corresponde o código 01;
2 recai no intervalo [0,5756 : ∞] a que corresponde o código 11. Repare-se
que as distribuições têm o valor máximo de 1, pelo que o quantificador está
saturado;
iv. c) A sequência binária a ser transmitida corresponde à concatenação por
ordem temporal dos códigos em binário: 100111.
v. d) Divide-se a sequência em conjuntos de R=2 bits 11 01 00,
correspondendo cada para ao código de cada amostra (3 amostras).
vi. (Descodificação) Verifica-se para cada código o valor de quantificação
respectivo,
11 corresponde ao valor de quantificação 0,8529
01 corresponde ao valor de quantificação -0,2945
00 corresponde ao valor de quantificação -0,8536
6. Suponha um sinal sinusoidal de amplitude 1 Volt e frequência 500 Hz,

amostrado a 8000 Hz e codificado em DPCM unitário. O valor máximo
do quantificador midtread é de 0,4 Volts. O número de bits de
codificação por amostra é de 2. Qual a sequência binária a ser
transmitida para as 8 primeiras amostras?
Solução:
i. Segue-se a metodologia do problema 1 para calcular o quantificador:
Valores de Valores de
dec/bin
decisão quantificação
∞
0,3 3 (11)
0,2
0,1 2 (10)
0
-0,1 1 (01)
-0,2
-0,3 0 (00)
-∞
ii. As 6 primeiras amostras correspondem a substituir n por 0 até 6 na
⎛ 500 ⎞
expressão m[n] = sin(2π 500t ) t = nT = sin⎜ 2π n⎟
s
⎝ 8000 ⎠
iii. Assume-se um valor predito inicial de 0 Volts.
iv. Calcula-se o erro de predição como a diferença entre a amostra de entrada
e a sua predição.
v. Quantifica-se este valor com o quantificador calculado em i).
vi. Calcula-se a amostra quantificada como a soma do valor predito com o
erro de predição quantificado.
vii. Este valor corresponde ao valor predito da próxima amostra (unitário).
viii. Repete-se iv) a vii) até à última amostra.
n m[n] mp[n e[n] eq[n] mq[n] código Ruído
0 0,00 0 0,00 0,1 0,1 10 -0,1
1 0,38 0,1 0,28 0,3 0,4 11 -0,02
2 0,71 0,4 0,31 0,3 0,7 11 0,01
3 0,92 0,7 0,22 0,3 1 11 -0,08
4 1,00 1 0,00 0,1 1,1 10 -0,1
5 0,92 1,1 -0,18 -0,1 1 01 -0,08
6 0,71 1 -0,29 -0,3 0,7 00 0,01
7 0,38 0,7 -0,32 -0,3 0,4 00 -0,02
7. Suponha-se um sinal sinusoidal de amplitude 1 Volt e frequência 320 Hz,

amostrado a 8000 Hz. Calcule a SNR para os diversos codificadores
apresentados. Tome como referência 8 bits por amostra.
Solução:
i. Como a amplitude da sinusóide é de 1 V a sua potência é de 0,5 W, que
coincide com o seu valor normalizado.
ii. Um codificador PCM uniforme com 8 bits por amostra (64 kbit/s) produz
uma SNR de 50 dB (equação 3.5).
iii. Um codificador PCM companding produz uma SNR de 38 dB
(equação 3.19).
iv. Sabendo que a função de auto-correlação de um sinal sinusoidal é uma
função cosseno com a mesma frequência de amostragem (Apêndice 1),
r[k]=cos(2π320kTs), então r[1]=0,968, pelo que o ganho de predição de um
codificador DPCM virá Gp=15,88 (linear) ou Gp=12,09 dB (equação 4.21).
v. Note-se que para uma correlação normalizada tão elevada praticamente
não existe diferença de um preditor óptimo para um preditor unitário, que
produz 12,02 dB (equação 4.17).
vi. Um codificador DPCM com 8 bits por amostra produz 62 dB de SNR
(equação 4.11, SNR em PCM uniforme + Gp).
vii. A tensão de quantificação nestas condições é de 0,25 Volts (equação 4.10)
viii. De modo a manter a mesma SNR que em PCM uniforme seriam
necessários apenas 6 bits de codificação por amostra (48 kbit/s), que
correspondem à perda de 2x6 dB correspondentes ao ganho de predição.
ix. Se a frequência da onda sinusoidal subisse para 640 Hz a auto-correlação
desceria para r[1]=0,876 e o ganho de predição para Gp=6,34 dB, pelo que
a melhoria em relação ao PCM seria equivalente a apenas 1 bit por
amostra (56,26 dB) com a utilização de DPCM.
x. A mesma SNR em DPCM e PCM dá-se para a frequência fs/6=1333,3 Hz
(equação 4.17, r[1]=0,5 ou 4.22). Acima desta frequência DPCM será pior.
xi. Repare-se que a SNR em PCM não varia com a alteração da frequência
do sinal de entrada.
xii. Relembre-se o ponto ix), em DPCM, da perda de 6 dB quando se
aumentou a frequência do sinal de entrada de 320 Hz para 640 Hz. Estes 6
dB poderiam ser recuperados aumentando a fs de 1 oitava, para os 16
kHz, pois novamente r[1]=0,968 (ver ponto iv)).
xiii. A somar a estes 6 dB, estariam mais 3 dB devido à filtragem, num total
de 65 dB. Contudo o débito binário total é de 16000*8=128 kbit/s.
xiv. Obtêm-se melhores resultados mantendo a frequência de amostragem a 8
kHz e aumentando em 2 o número de bits de codificação por amostra para
8+2=10, ganhando 12 dB e não 9 dB, para um total de 68,3 dB.
xv. O débito binário é de apenas 80 kbit/s.
xvi. A derivada máxima do sinal, V2πW=2010 V/s.
xvii. Num codificador DM o valor mínimo de ∆ será de 251 mV (equação
4.25), o que conjuntamente com a equação 4.26 produz uma potência de
ruído de quantificação de 21 mW. Como a amplitude da sinusóide é de 1
V a sua potência é de 0,5 W e a SNR corresponderá a 13,76 dB
(correspondente à equação 4.27).
xviii. A SNR é mais baixa mas o débito binário também é de apenas 8 kbit/s.
xix. Para o mesmo débito binário do PCM (64 kbit/s), a sobre-amostragem é
de Rb/(2W)=8 vezes (Rb=fs e W=4kHz metade do fs original e f’=320Hz).
xx. A SNR virá então (equação 5.4) 40 dB.
xxi. Nestas condições o valor de ∆ é de 3,1 mV (equação 4.25).
xxii. Para manter a mesma SNR que em PCM uniforme (50 dB) são
necessários mais 9 dB, que corresponde a uma década e fs=128kHz.
xxiii. Para um modulador ∆Σ a sobre-amostragem é de 60 vezes (equação 6.3),
pelo que a frequência de amostragem virá 60*2*W=480kHz.
xxiv. Ao contrário do que acontece em DM, o valor de ∆ em ∆Σ é sempre
∆=2mmax= 2 Volt, qualquer que seja a frequência de amostragem.
8. Um CD de áudio contem sinais em estéreo com frequências entre os 20

Hz e os 20 kHz, amostrados a 44,1 kHz e codificados em PCM uniforme com
16 bits por amostra.
a) Quantos minutos de música podem ser gravados num CD de 800 Mbytes?
b) Calcule a SNR assumindo uma sinusóide como sinal de entrada.
c) Se implementar o conversor analógico-digital através de uma modulação
∆Σ de 1 bit a uma frequência de amostragem de 2,8224 MHz, qual a ordem
mínima para manter a qualidade requerida?
d) Se baixar a frequência de amostragem uma década mas compensar com
um quantificador multi-bit, quantos bits são necessários para manter a
mesma qualidade?
Solução:
i. a) O débito binário total em estéreo é de 2x16x44,1=1,4112 Mbit/s.
ii. Um CD com capacidade de 800 Mbytes (valor aproximado) poderá gravar
até 8*800/1,4112 = 4535 segundos ou 75,5 minutos.
iii. b) A qualidade dos sinais CD áudio é de ≈96 dB (equação 3.5).
iv. c) A sobre-amostragem é de 2822,4/44,1=64 vezes.
v. A SNR produzida por um modulador de 1ª ordem é de ≈51 dB (equação
6.5), claramente insuficiente para a qualidade CD áudio.
vi. Para produzir uma SNR equivalente a estes 50 dB em PCM uniforme são
necessários apenas 8 bits por amostra (equação 3.5).
vii. Para aumentar a qualidade utiliza-se um modulador de 2ª ordem, a que
correspondem ≈79 dB (equação 6.8 com n=2), ainda insuficiente.
viii. Para um modulador de 3ª ordem correspondem ≈106 dB, valor já superior
aos ≈96 dB requeridos, tendo mesmo mais de 1 bit de folga.
ix. d) Se baixar a frequência de amostragem uma década, a perda na SNR é
de 3(2 N + 1) dB. Para N=3 a perda é de 21 dB (N+1/2 bits). Para a
compensar são necessários mais 4 bits (4x6 = 24 dB), mas devido à folga
existente são precisos apenas 2 bits (12 dB), ficando um total de 3 bits.
73
Exercícios propostos
1. Suponha um sinal com largura de banda de 10 kHz e amplitude

máxima de 10 Volts.
a) Qual a frequência mínima para amostragem deste sinal sem erro?
b) Calcule os valores de quantificação e os valores de decisão para um
quantificador uniforme midtread que permita codificar o sinal em
PCM com um débito binário total de 40 kbit/s.
c) Calcule a SNR de quantificação nas condições da alínea anterior,
assumindo uma sinusóide como sinal de entrada.
2. Suponha um sinal com uma distribuição gaussiana de média 1 V e

variância 2,25 W, aplicado à entrada de um quantificador uniforme
cuja excursão varia entre -3,5 e 5,5 V e cujo passo é de 35,16 mV.
a) Calcule a potência do sinal.

b) Qual é a potência do ruído de quantificação?
c) Determine a relação sinal/ruído de quantificação com este sinal.
d) Qual o débito binário deste codificador, sabendo que a largura de
banda do sinal é de 2 kHz?
3. Suponha um sinal sinusoidal com amplitude 1 V, amostrado a 10

kHz e codificado com 8 bit/amostra.
a) Qual é a SNR quando este sinal é codificado com PCM uniforme?

b) Qual a frequência do sinal de entrada para que a SNR em DPCM
unitário seja igual à do PCM uniforme?
c) Suponha que aumenta a frequência de amostragem para o dobro.
Qual a variação da SNR usando PCM uniforme?
d) Repita a alínea anterior para DPCM unitário, mantendo a
frequência do sinal calculada na alínea b).
e) Nas condições da alínea b), qual o aumento da SNR assumindo um
preditor de 1ª ordem adaptado ao sinal?
f) Determine a tensão máxima do quantificador.
g) Repita as alíneas e) e f) usando um coeficiente de predição de 0.5.
h) Repita a alínea e) para uma tensão máxima do quantificador de 0.9
volts e um preditor unitário.
i) Assuma agora um preditor do tipo xp[n]/a y[n-2]. Calcule o valor
óptimo de a.
74 Codificação de Forma de Onda Carlos Meneses
4. Admita um sinal com potência normalizada de 0,2, excursão entre

-1,5 e +1,5 V, auto-correlação de 1ª ordem de 0,36 W e máxima
frequência 6 kHz. Suponha que tem de o transmitir com um débito
binário de 96 kbit/s.
a) Determine a SNR se usar um codificador PCM uniforme.

b) Calcule o valor do intervalo de quantificação.
c) Determine a SNR se usar um codificador DPCM unitário.
d) Calcule o valor do intervalo de quantificação.
e) Determine a SNR se usar um codificador DM.
f) Calcule o ganho de filtragem.
g) Calcule o valor de quantificação.
5. Suponha um sinal com uma distribuição uniforme entre –1 e +1 V.

A largura de banda do sinal é de 4 kHz e pretende-se um débito
binário máximo de 56 kbit/s. Admita que a auto-correlação
normalizada de 1ª ordem é de 0,9.
a) Calcule a potência do sinal, bem como a sua variância.

b) Determine a SNR de um codificador PCM uniforme com este sinal.
c) Determine a SNR usando um codificador DPCM, em que o preditor
é adaptado de 1ª ordem. Qual o coeficiente de predição?
d) Nas condições da alínea anterior, calcule tensão máxima do
quantificador.
e) Determine a SNR se a tensão máxima do quantificador for de 0.8
Volts.
6. Suponha um sinal sinusoidal com amplitude 0,5 V, amostrado a 6

kHz com 7 bit/amostra.
a) Qual é a SNR quando este sinal é codificado com PCM uniforme?

b) Qual a frequência do sinal de entrada para que a SNR, em DPCM,
seja igual à do PCM uniforme?
c) Suponha que aumenta a frequência de amostragem para o dobro.
Qual a variação da SNR.
d) Qual a característica do qual o DPCM tira partido, que permite a
variação da alínea anterior?
e) Qual o aumento do débito binário correspondente à alínea anterior?
f) Existiria um processo mais eficiente de melhorar a qualidade? Qual?
g) Qual o aumento do débito binário e da SNR correspondente à alínea
anterior?
75
7. Suponha um sinal com uma distribuição gaussiana, de média 0 V e

variância 2 W, tendo uma largura de banda de 5 kHz.
a) Determine o valor do passo de quantificação se este sinal for

codificado em PCM uniforme com um débito binário de 60 kbit/s,
com uma SNR de 29,92 dB. Está a fazer alguma aproximação?
b) Qual o valor da tensão máxima de quantificação? Haverá saturação
do quantificador?
c) Determine a tensão máxima de quantificação se este sinal for
codificado em DPCM unitário com o mesmo débito binário e a
mesma SNR.
d) Que tipo de preditor está a assumir na alínea anterior?
e) Se o valor máximo possível da SNR em DPCM for de 36 dB, qual o
valor da auto-correlação de 1ª ordem do sinal de entrada?
8. Suponha um sinal com uma distribuição de amplitudes uniforme

entre –1 e +1 V. A largura de banda do sinal é de 5 kHz.
a) Qual a frequência mínima para amostragem deste sinal sem erro?
b) Calcule os valores de quantificação e os valores de decisão para um
quantificador midrise que permita codificar o sinal em PCM
uniforme com um débito binário total de 20 kbit/s.
c) Calcule a SNR de quantificação nas condições da alínea anterior.
d) Qual a SNR se a quantificação fosse companding Lei-A?
e) Se a auto-correlação de primeira ordem normalizada for de 0,9, qual
o preditor óptimo de primeira ordem para um codificador DPCM?
f) Nas condições da alínea anterior, qual a SNR de quantificação para
um débito binário de 20 kbit/s?
g) E se o preditor tiver um coeficiente de 0,8?
9. Suponha um sinal de entrada com 15 kHz de largura de banda,

amplitude 1 Volt e potência de 1/500 Watt.
a) Quantos bits (aproximadamente) são necessários para quantificar
este sinal com 38,16 dB de relação sinal-ruído em PCM uniforme?
Qual o débito binário desta codificação?
b) Qual a SNR de quantificação se fosse utilizado PCM companding
Lei-A? Qual das duas codificações escolheria?
c) Calcule os valores de quantificação e os valores de decisão para um
quantificador uniforme, que permita codificar o sinal em DPCM
com um débito binário total de 60 kbit/s. Assuma uma amplitude
máxima de quantificação para o erro de predição de 0,5 Volt.
d) Se a auto-correlação de primeira ordem (não normalizada) for de
1/800, qual o ganho de predição e respectiva relação sinal-ruído de
quantificação final?
Pergunta teóricas
10. Diga se são verdadeiras ou falsas, explicando porquê, as seguintes

afirmações.
a) Em PCM companding, tira-se partido da correlação entre amostras
para aumentar a SNR.
b) Em DPCM, não é importante que tipo de preditor se está a usar
para se calcular a SNR. Basta ser conhecido o número de bits de
codificação por amostra e o intervalo de quantificação.
11. Em codificadores de sinais,

a) De que tipo de conceito se tira partido para diminuir o débito
binário?
b) Qual a medida de qualidade utilizada para aferir a qualidade?
c) Existe algum compromisso entre o débito binário, a qualidade e a
complexidade?
12. Compare, dizendo das vantagens e desvantagens, dos seguintes

métodos de codificação de sinais de fala: PCM uniforme; PCM
companding; DPCM; ADPCM
13. Explique o mecanismo de adaptação do passo em ADPCM.

77
_____________________________________
Bibliografia
_____________________________________
[Carlson (86)] - A. B. Carlson, “Communication Systems”,
McGrawHill, 1986.
[Haykin (01)] - S. Haykin, “Communication Systems”, Wiley, 2001.
[Jayant (74)] - N. S. Jayant, “Digital Coding of Waveforms: PCM,

DPCM, and DM Quantizers”, Proc. IEEE, pp. 611-632, 1974.
[Jayant (84)] - N. S. Jayant, P. Noll, “Digital Coding of Waveforms,

Principles and Applications to Speech and Video”, Prentice-Hall
Signal Processing Series, 1970.
[Lai (88)] - Y. Lai, “Implementation of Adaptive Differential

Pulse-Code Modulation (ADPCM) Transcoder with the DSP16
Digital Signal Processor”, AT&T Application Note, 1988.
[Linde (80)] - Y. Linde, A. Buzo, R.M. Gray, “An Algorithm for Vector
Quantizer Design”, Trans. on Communications, pp.84-95, 1980.
[Max (60)] - J. Max, “Quantizing for Minimum Distortion“, IRE
Trans. Inform. Theory, vol IT-6, pp. 7-12, Março de 1960.
[Norsworthy (97)] - Steven R. Norsworthy, R. Schreier, G. C. Temes,
Delta-Sigma data converters: theory, design, and simulation,
IEEE, 1997.
[Schwartz (90)] - M. Schwartz – “Information Transmission

Modulation and Noise”, 4˚ Edition - Mc Graw Hill, 1990.
79
_____________________________________
Glossário de Acrónimos
_____________________________________
ADM - Adaptive Delta Modulation (DM Adaptativa)

ADPCM - Adaptive Differential Pulse Code Modulation (DPCM
Adaptativa)
APCM - Adaptive Pulse Code Modulation (PCM Adaptativa)
AQB - adaptive quantization with backward estimation (quantificação
adaptativa com estimação sobre o sinal quantificado)
AQF - adaptive quantization with forward estimation (quantificação
adaptativa com estimação sobre o sinal original)
bit - binary digit (digito binário)
DM - Delta Modulation (Modulação Delta)
DPCM - Differential Pulse Code Modulation (Modulação por Código de
Impulsos Diferenciais)
∆Σ – Delta-Sigma
ITU-T - International Telecommunication Union-Telecommunication
(União Internacional de Telecomunicações - Telecomunicações)
PCM - Pulse Code Modulation (Modulação por Código de Impulsos)
pdf - probability density function (função densidade de probabilidade)
RDIS - Rede Digital Integrada de Serviços (ISDN - Integrated Services
Digital Network)
S&H - Sampling & Hold (Amostragem e Retenção)
SNR - Signal to Noise Ratio (Relação Sinal-Ruído)
UMTS - Universal Mobile Telecommunications System
INSTITUTO SUPERIOR DE ENGENHARIA DE LISBOA
DEPARTAMENTO DE ENGENHARIA DE ELECTRÓNICA E
TELECOMUNICAÇÕES E DE COMPUTADORES
SECÇÃO DE COMUNICAÇÕES E PROCESSAMENTO DE SINAIS
Engenharia de Redes de Comunicação e Multimédia
Engenharia Electrónica de Telecomunicações e Computadores
Comunicação de Dados
(Introdução)
CARLOS EDUARDO DE MENESES RIBEIRO
Janeiro de 2008
ÍNDICE:
1 INTRODUÇÃO. ........................................................................................1
2 MODELO DE REFERÊNCIA OSI.........................................................2

2.1 CAMADA FÍSICA ..........................................................................................................2
2.2 CAMADA DE LIGAÇÃO .................................................................................................3
2.3 CAMADA DE REDE .......................................................................................................3
2.4 CAMADA DE TRANSPORTE ...........................................................................................3
2.5 CAMADAS ORIENTADAS À APLICAÇÃO ........................................................................3
3 CÓDIGOS DE LINHA .............................................................................4
3.1 ATRIBUTOS DOS CÓDIGOS DE LINHA ............................................................................5
3.2 FORMATOS DOS CÓDIGOS DE LINHA ............................................................................7
4 MODO DE TRANSMISSÃO ASSÍNCRONO .....................................14
5 CANAL AWGN E DE BANDA LIMITADA .......................................16
6 LARGURA DE BANDA.........................................................................17
6.1 ISI - INTERFERÊNCIA INTER-SIMBÓLICA ....................................................................17
6.2 LARGURA DE BANDA DO PRIMEIRO ZERO ..................................................................18
6.3 CRITÉRIO DE NYQUIST PARA TRANSMISSÃO SEM ISI.................................................18
7 DETECÇÃO DE SÍMBOLOS ...............................................................23
7.1 FILTRAGEM NA BANDA ..............................................................................................23
7.2 DETECTOR DE MÁXIMO A POSTERIORI .......................................................................24
7.3 DETECTOR DE MÁXIMA VEROSIMILHANÇA ................................................................25
7.4 CÁLCULO DO BER ....................................................................................................26
7.5 PADRÃO DE OLHO ......................................................................................................27
8 RECEPTOR ÓPTIMO ...........................................................................31
8.1 FILTRO ADAPTADO ....................................................................................................31
8.2 FILTRO ADAPTADO NORMADO ...................................................................................34
9 BER EM CÓDIGOS DE LINHA..........................................................35
9.1 BER EM CÓDIGOS DE LINHA “POLARES” ...................................................................35
9.2 BER EM CÓDIGOS DE LINHA “UNIPOLARES”..............................................................36
9.3 BER NO CÓDIGO DE LINHA AMI ...............................................................................36
9.4 BER NO CÓDIGO DE LINHA NRZI..............................................................................38
9.5 COMPARAÇÃO DO BER EM CÓDIGOS DE LINHA .........................................................39
10 TRANSMISSÃO M-ÁREA EM BANDA DE BASE ........................40
10.1 DÉBITO DE SÍMBOLOS ................................................................................................40
10.2 ENERGIA MÉDIA POR SÍMBOLO ..................................................................................41
10.3 LARGURA DE BANDA .................................................................................................41
10.4 CAPACIDADE DE CANAL ............................................................................................41
10.5 PROBABILIDADE DE ERRO DE SÍMBOLO .....................................................................42
10.6 PROBABILIDADE DE ERRO DE BIT...............................................................................43
10.7 CÓDIGO 2B1Q...........................................................................................................45
11 MODULAÇÃO DIGITAL BINÁRIA................................................47
11.1 MODULAÇÕES B-PSK, OOK E B-ASK .....................................................................48
11.2 MODULAÇÃO DIFERENCIAL .......................................................................................51
11.3 MODULAÇÃO FSK ....................................................................................................52
11.4 RECEPÇÃO NÃO COERENTE........................................................................................56
12 MODULAÇÃO DIGITAL M-ÁREA.................................................58
12.1 MODULAÇÃO M-PSK................................................................................................58
12.2 MODULAÇÃO QAM ..................................................................................................62
13 CODIFICAÇÃO DE CANAL.............................................................64
13.1 PROBABILIDADE DE ERRO DE BLOCO SEM CODIFICAÇÃO ...........................................64
13.2 CÓDIGO DE PARIDADE ...............................................................................................65
13.3 CARÁCTER DE VERIFICAÇÃO DE BLOCO – BCC .........................................................66
13.4 DETECÇÃO DE MÁXIMA VEROSIMILHANÇA E DISTÂNCIA DE HAMMING.....................68
13.5 EFICIÊNCIA DO CÓDIGO .............................................................................................69
13.6 CÓDIGO DE REPETIÇÃO ..............................................................................................70
13.7 CÓDIGO DE HAMMING ...............................................................................................72
13.8 VERIFICAÇÃO CÍCLICA DE REDUNDÂNCIA – CRC......................................................76
14 SUMÁRIO ............................................................................................78
PRINCIPAIS FÓRMULAS ..........................................................................79
APÊNDICES ..................................................................................................85
APÊNDICE 1 – DENSIDADE ESPECTRAL DE POTÊNCIA EM CÓDIGOS DE LINHA ........................85
APÊNDICE 2 – RELAÇÕES DE DENSIDADE ESPECTRAL NUM SLIT ..........................................87
APÊNDICE 3 – FUNÇÃO COMPLEMENTAR DE ERRO - DEDUÇÃO ..............................................89
APÊNDICE 4 – FUNÇÃO COMPLEMENTAR DE ERRO - TABELA .................................................91
EXERCÍCIOS PROPOSTOS .......................................................................93
BIBLIOGRAFIA..........................................................................................101
GLOSSÁRIO DE ACRÓNIMOS...............................................................103
Introdução. 1
1 Introdução.
O problema da comunicação de dados prende-se com a transmissão de

informação digital entre dois equipamentos (computadores, telefones, etc.)
através de um canal de transmissão. São transmitidas formas de onda eléctricas
que correspondem a códigos que representam a informação digital. Entre o
emissor e o receptor, devido ao tipo de canal de transmissão e actividade
electromagnética ao seu redor, estes sinais eléctricos são atenuados devido à
resistência eléctrica, distorcidos devido à largura de banda e embebidos em
ruído devido ao ruído térmico ou a interferências electromagnéticas. Todos estes
efeitos do canal de transmissão levam o receptor a nem sempre conseguir
descriminar a informação recebida. Havendo erros a medida de qualidade desta
transmissão é a relação entre os erros de bit e a totalidade dos bits transmitidos
(BER – bit error rate) que deverá corresponder à probabilidade de erro de bit.
Poderão ser adicionados aos bits de informação bits de redundância de

modo a que erros de bit sejam detectados ou mesmo corrigidos. Naturalmente
quanto maior for a capacidade de correcção mais bits de redundância serão
necessários introduzir.
Não é possível encontrar um método de transmitir a informação digital

com total eficiência, ou seja, com alto débito binário, baixa largura de banda,
baixa probabilidade de erro, baixa energia e baixa complexidade de
implementação dos emissores e receptores. São no entanto discutidos os
compromissos entre estes atributos e terá que ser encontrado, função dos
recursos disponíveis, o método que melhor se enquadra a cada aplicação. Por
exemplo, são diferentes as soluções para ligar dois computadores numa mesma
sala distanciados de alguns metros, ou quando estes se encontram em qualquer
parte de um país ou mesmo do mundo. Chega-se ainda a soluções diferentes
quando os utilizadores geram pouco tráfego, como os utilizadores domésticos, ou
muito tráfego, como num banco com diversos balcões interligados.
2 Comunicação de Dados Carlos Meneses
2 Modelo de referência OSI
Para interligar diversos equipamentos de diferentes fabricantes, cada um

com a sua arquitectura, formato de dados, sistema operativo, etc., a ISO
(International Organization for Standardization) normalizou em 1979 um
modelo de referência denominado de OSI (Open System Interconnection). Este
é um modelo abstracto baseado em 7 camadas (física, ligação, rede, transporte,
sessão, apresentação e aplicação), esquematizado na figura 2.1. Cada camada
apenas comunica com as camadas imediatamente acima e abaixo através de
uma interface bem definida, tornando os protocolos que as implementam
independentes das outras camadas.
Figura 2.1
Modelo de referência OSI.
2.1 Camada física
A camada física define as especificações física e eléctrica dos

equipamentos, i.e., define a relação entre o equipamento e o meio físico. (e.g.
tipo de fichas, cabos, formas e tensões dos sinais eléctricos, quantidade de bits
transmitidos, sincronismo dos relógios).
Modelo de referência OSI 3
2.2 Camada de ligação
A camada de ligação de dados oferece, às camadas superiores, um

trânsito fiável de dados em cada uma das ligações físicas da rede, pelo que ao
detectar os erros nas suas unidades de envio (tramas), procede à sua correcção,
com códigos de correcção apropriados, ou utiliza protocolos que promovem a
retransmissão da trama em falha. Por forma a garantir um trânsito fiável,
estabelece procedimentos de sequencia de tramas e do controlo do seu fluxo.
2.3 Camada de rede
A camada de rede procede ao encaminhamento da informação pela rede,

organizando-a em pacotes, gerindo o endereçamento, levando em conta
nomeadamente os tráfegos na rede e as respectivas prioridades.
2.4 Camada de transporte
A camada de transporte é uma camada de interface entre a aplicação e a

rede, tornando as camadas orientadas à aplicação independentes da rede
utilizada. É suportada por um protocolo que se estabelece entre os utilizadores
finais da ligação, protocolo esse que disponibiliza os serviços de transferência de
dados com garantia, nomeadamente de controlo de fluxo e de sequencia correcta
dos segmentos formados nesta camada.
2.5 Camadas orientadas à aplicação
As camadas orientadas à aplicação (sessão, apresentação, aplicação) são

responsáveis pela comunicação entre aplicações a correr em dois equipamentos,
pela compatibilidade entre formatos e pela interface com os utilizadores.
Este texto focará especificamente a interface eléctrica da camada física e

os algoritmos de detecção e correcção de erros de bit da camada de ligação. Os
outros aspectos saem do contexto deste texto, devendo ser abordados em
unidades curriculares de redes de computadores.
3 Códigos de Linha
Os códigos de linha têm como objectivo transmitir informação digital

através de um canal de transmissão. Estes códigos estão em banda de base, não
utilizando modulação, ou seja, são constituídos por níveis de tensão (ou
corrente) que transitam de um modo descontínuo. A transmissão pode ser
binária, quando codificada em duas formas de onda (dois símbolos) diferentes,
ou M-área quando podem ser transmitidos M símbolos diferentes,
correspondentes a um conjunto bits.
Numa transmissão binária em série o débito binário Rb (número de bits

transmitidos por segundo) é o inverso do tempo de cada bit Tb (duração de cada
símbolo binário), ou seja:
1
Rb = . (3.1)
Tb
A energia é um recurso extremamente importante, do qual depende o

valor a pagar à empresa fornecedora. Esta torna-se ainda mais importante num
mundo cada vez mais móvel, em que os equipamentos (e.g. telefones móveis,
computadores portáteis) não estão ligados a tomadas mas são alimentados por
baterias. Um maior consumo de energia corresponde assim à utilização de
baterias de maior capacidade e a um menor tempo da sua duração.
A energia de cada símbolo binário é dada por:

Tb
Ek = ∫ sk2 (t )dt , k = 0 ou 1 , (3.2)

0
em que k representa o nível lógico “0” ou “1” e sk (t ) a respectiva forma de onda.
A energia média por bit corresponde à média ponderada pela probabilidade de

cada nível lógico, p0 ou p1 respectivamente para o nível lógico “0” e “1”:
Eb = p 0 E 0 + p1 E1 . (3.3)
Códigos de Linha 5
Durante este texto assumiremos que os nível lógicos são equiprováveis, ou

seja, p0=p1=0,5, a menos que seja explicitamente dito o contrário. Esta hipótese
é bastante realista e torna a análise dos sistemas de transmissão bastante mais
simples. Nesta situação,
E 0 + E1
Eb = . (3.4)
2
A potência transmitida é dada por,
Eb
P= . (3.5)
Tb
3.1 Atributos dos códigos de linha
Diferentes características do canal de transmissão, diferentes aplicações e

requisitos de qualidade, levaram a desenvolver diferentes códigos de linha, com
diferentes atributos. Quase sempre estes atributos constituem compromissos, no
sentido em que tentar melhorar um deles corresponde a piorar outro ou mesmo
outros. Os atributos mais importantes num código de linha são:
3.1.1 Capacidade de sincronismo de símbolo
De modo a que o receptor consiga extrair correctamente a informação,

este deverá conhecer o início e fim de cada símbolo. Existem dois modos de
transmissão: assíncrono e síncrono. O modo assíncrono de transmissão é
utilizado tipicamente quando a geração da informação é aleatória e em pequena
quantidade e será estudado com maior pormenor mais adiante neste texto. O
modo síncrono de transmissão é utilizado para transmitir grande quantidade de
informação (trama) e o relógio com informação de início e fim de cada símbolo
(ou bit no caso da transmissão binária) tem que ser extraído, no receptor, do
próprio código de linha, a partir das transições entre níveis. Esta capacidade
deverá ser imune nomeadamente à sequência de bits transmitidos. Idealmente,
deveria ser garantido sempre uma transição por símbolo.
3.1.2 Componente DC
Alguns canais de transmissão têm acoplamento AC, ou seja, contêm

bobines e condensadores que eliminam a componente DC. Um caso típico desta
situação é a linha telefónica. Para transmitir neste tipo de canais o código de
linha não deverá ter componente DC, pois corre-se o risco do código não ser
detectado. Também é de evitar componentes DC localizadas pois podem ser
desvanecidas num tempo curto.
3.1.3 Largura de Banda
O espectro do código de linha deverá estar contido na resposta em

frequência do canal de transmissão, para evitar distorção da forma de onda.
Como os códigos de linha têm transições bruscas entre níveis
(descontinuidades), a largura de banda é infinita. Este problema será abordado
mais adiante neste texto, mas a largura de banda dependerá do número máximo
de transições por segundo e deverá ser a menor possível, de modo a aumentar a
eficiência espectral, que corresponde ao número de bits transmitidos por Hz, ou
seja:
Rb
ρ= . (3.6)
BT
3.1.4 Probabilidade de erro
Um código de linha deverá ser o mais imune ao ruído possível, ou seja,

deverá ter o menor número de erros (enviar um nível lógico e o receptor
interpretar como o outro nível lógico). Deve-se então minimizar a probabilidade
de erro de bit (BER – bit error rate) para uma dada relação sinal-ruído entre
as energias Eb/No, em que No/2 é a potência por Hz do ruído no canal de
transmissão. O BER é definido como:
Número de bits errados
BER = , (3.7)
Número de bits transmitidos
Em que se deve tender o número de bits transmitidos para infinito.

Códigos de Linha 7
3.1.5 Complexidade
Um código de linha deverá ser fácil de realizar e de ser detectado, pois

esta facilidade leva a equipamentos menos complexos que por sua vez se
traduzem num custo menor dos equipamentos.
3.1.6 Capacidade de detecção de erros
Alguns códigos são capazes de detectar erros ao restringir por regra a

sequência de símbolos transmitidos. Se houver possibilidade de informar o
emissor destes erros estes poderão ser reenviados.
3.2 Formatos dos códigos de linha
Quanto à maneira como a informação é transmitida os códigos de linha

podem ser: (1) de nível, quando a informação se encontra no nível de tensão (2)
de transição, quando a informação se encontra na transição entre níveis. Esta
transição pode se dar entre símbolos ou a meio do símbolo. Note-se que na
presença de ruído é mais fácil detectar transições do que níveis de tensão.
Quanto à polaridade os códigos de linha podem ser: (1) Polares (P),

quando definidos por tensões simétricas; (2) Unipolares (U) quando definidos
por uma tensão e a tensão 0 volts; (3) Bipolares (B) quando definidos por duas
tensões simétricas e pela tensão 0 volts; Os códigos unipolares necessitam de
apenas uma fonte de alimentação, reduzindo a complexidade, mas contêm
sempre componente DC.
Os códigos de linha podem ser: (1) de retorno a zero (RZ – return to

zero), normalmente a meio do bit; (2) sem retorno a zero (NRZ – no return to
zero) e manterem a mesma tensão durante todo o tempo de bit. Haverá sempre
pelo menos uma transição por símbolo, facilitando o sincronismo.
Seguidamente descrevem-se em alguns dos códigos de linha mais comuns,

representados na figura 3.1, sendo os seus atributos sintetizados no Apêndice 5.
Alternativamente os níveis lógicos e a sua representação podem estar invertidos.
Figura 3.1
Formas de onda dos códigos de linha mais comuns.
Códigos de Linha 9
3.2.1 Polar sem retorno a zero (PNRZ)
Este é um código de nível em que o nível lógico “1” é representado pela

tensão +A Volts e o nível lógico “0” pela tensão –A Volts, durante todo o
tempo de símbolo. Este código está representado na figura 3.1-a).
O sincronismo de símbolo é conseguido através das transições que possam

ocorrem quando da troca de níveis lógicos, pelo que pode ser perdido quando de
uma sequência longa de bits aos mesmo nível lógico. O número máximo de
transições por segundo é de Rb, ou seja, no máximo uma transição por símbolo.
Esta situação dá-se quando se envia uma sequência alternada de níveis lógicos.
Se os nível lógicos forem equiprováveis a componente DC é nula.

Contudo, para uma sequência ao mesmo nível lógico suficientemente
prolongada, existirá desvanecimento do sinal se o canal tiver acoplamento AC.
A potência deste código é, independentemente da probabilidade de cada nível
lógico, dada por A2 Watts e a energia média por bit virá,
Eb = A 2Tb . (3.8)
Um exemplo da transmissão com código PNRZ é a interface de

computador RS-232, usada para conectar numa rede local dois computadores,
ou um computador e teclados, impressoras, modems, etc., sendo usuais débitos
binários até 115 kbit/s.
3.2.2 Polar com retorno a zero (PRZ)
Este código é semelhante ao PNRZ mas, como representado na figura

3.1-b), é produzido um retorno a 0 Volts a meio de cada bit. Pode ser
considerado um código de transição, já que ao símbolo “1” corresponde sempre
uma transição positiva no início do bit e negativa a meio do bit, tendo o
símbolo “0” as transições contrárias.
A vantagem deste código em relação ao PNRZ é serem produzidas

sempre duas transição por bit, uma no início e outra a meio do símbolo, nunca
se perdendo o sincronismo. O número de transições por segundo é assim de 2Rb,
independentemente da sequência de níveis lógicos. A potência deste código é,
independentemente da probabilidade de cada nível lógico, dada por A2/2 Watts
e a energia média por bit é dada por:
A2
Eb = Tb . (3.9)
2
Este código é utilizado por exemplo em comunicações por fibra óptica.
3.2.3 Unipolar sem retorno a zero (UNRZ)
Este código é análogo ao PNRZ mas, como representado na figura 3.1-c),

o nível lógico “0” é representado por 0 Volts. A principal vantagem é ser de fácil
implementação, necessitando apenas de uma fonte de alimentação. A grande
desvantagem é ter sempre uma componente DC. Todas as outras características
são idênticas ao código PNRZ. Aliás, este código pode ser interpretado como um
código PNRZ somado a uma componente DC, de modo que o nível lógico “0”
seja representado por 0 Volts. A energia do símbolo “1” é A2Tb e a do símbolo
“0” é 0 Joules. A energia por símbolo é, para símbolos equiprováveis, dada
também pela equação 3.9.
Este código é vulgarmente utilizado para interligar em paralelo (em bus

normalmente com dimensão múltipla de um byte) componentes de um
computador, tais como o microprocessador, a RAM e controladores. Outra
norma utilizando o código UNRZ é o “laço de corrente de 20 mA”. Esta utiliza
20 mA de corrente ou a ausência de corrente como símbolos. As vantagens da
utilização da corrente é um aumento da distância entre equipamentos e a
corrente poder ser utilizada no receptor para activar um díodo emissor de luz
(led) que fará acoplamento óptico com um fototransístor, isolando assim o
emissor do receptor.
Códigos de Linha 11
3.2.4 Código Manchester
Este código, também denominado de split-phase, é um código polar de

transição entre níveis. Como representado na figura 3.1-d), o nível lógico “1” é
representado pela transição a meio do tempo de bit da tensão –A para +A e o
nível lógico “0” pela transição contrária. Dito de outra forma, o símbolo lógico
“1” é representado pela amplitude –A na primeira metade do bit e por +A na
segunda metade e o símbolo “0” pelas amplitudes simétricas.
Como existe sempre uma transição a meio do bit nunca se perde o

sincronismo de bit. O número mínimo de transições por segundo é assim de Rb.
No máximo o número de transições é de 2Rb, quando se envia uma sequência do
mesmo nível lógico. Os símbolos não têm componente DC, pelo que o código
não tem componente DC, seja qual for a sequência a ser transmitida e a
probabilidade dos símbolos. A potência é, independentemente da probabilidade
dos símbolos, dada por A2 Watts e a energia média é dada pela equação 3.8.
Este código é utilizado por exemplo na norma IEEE 802.3 para a 10

Mbit/s, para interligar equipamentos de redes locais Ethernet.
3.2.5 AMI – Alternate Mark Inversion
Neste código de nível bipolar o nível lógico “1” é representados

alternativamente pelas tensões +A e –A, e o símbolo “0” por 0 Volts, como
ilustrado na figura 3.1-e), em que se assume que o último nível lógico “1” foi
representado por –A Volts. Note-se que mark representa o símbolo “1”. É
também conhecido por pseudo ternário porque tem 3 hipóteses como níveis de
tensão, embora a informação seja binária.
Uma das vantagens deste código é ter memória e ser possível detectar
erros quando da recepção dos níveis lógicos “1” que devem ocorrer no receptor
com tensões alternadas. Violações a esta regra correspondem a erros de bit.
Também devido a esta alternância o código não produz componente DC nem

sequer durações prolongadas à mesma tensão. O número máximo de transições é
de Rb, o que acontece quando se transmitem apenas níveis lógicos a “1”. A
energia do símbolo “1” é A2Tb e a do símbolo “0” é 0 Joules. A energia por
símbolo é, para símbolos equiprováveis, dada também pela equação 3.9.
Quando de um nível lógico “1” existe sempre uma transição que permite
o sincronismo de símbolo. Quando de uma sequência prolongada de níveis
lógicos “0” este sincronismo pode perder-se. Uma das maneiras de evitar esta
perda de sincronismo é produzir transições como se fossem transmitidos níveis
lógicos “1”, mas com violações que permitam ao receptor detectar esta situação
e substituir por níveis lógicos “0”. A esta técnica dá-se o nome de bipolar com
substituição de N zeros (BNZS – Bipolar with N Zero Substitution), em que N
é o número de níveis lógicos consecutivos a “0” a ser substituídos. Exemplos
comuns deste código são o B3ZS, B6ZS e B8Zs. O B6ZS tem a regra seguinte:
- Último símbolo transmitido positivo, transmite-se “0 +A –A 0 –A +A”
- Último símbolo transmitido negativo, transmite-se “0 –A +A 0 +A –A ”
Note-se que existem duas violações, no 2º e 5º símbolo. Se o número de

zeros for múltiplo de 6 a substituição é efectuada o mesmo número de vezes.
O código B6ZS é utilizado na América do Norte (DS-2 ou T2) na

interligação entre centrais telefónicas por cabo, com 96 conversas telefónicas
multiplexadas, transmitindo com um débito de 6,312 Mbit/s.
3.2.6 Sem retorno a zero invertido (NRZI)
Este código, representado na figura 3.1-f), parece ser idêntico ao PNRZ

mas é um código transição em que o nível lógico “1” corresponde a inverter o
símbolo em relação ao último símbolo transmitido e o nível lógico “0”
corresponde a manter o último símbolo transmitido.
Códigos de Linha 13
A grande vantagem deste código, que emerge do facto de a informação

fluir na transição, independentemente de esta ser positiva ou negativa, é ser
insensível à polaridade. Pode-se inverter a polaridade do cabo de ligação entre
os equipamentos emissor e receptor, que a informação continua a ser
descodificada correctamente.
A potência deste código é independente da probabilidade de cada símbolo

e dada por A2 Watts, sendo a energia média por bit dada pela equação 3.8.
Este código de linha pode ser encarado como um código PNRZ em que a
sequência binária b[n] é pré-codificada em a[n] = (a[n-1] xor b[n]). No receptor
esta pré-codificação é desfeita com a pós-descodificação c[n] = (a[n] xor a[n-1])
(figura 3.2), que facilmente se verifica ser igual a b[n]. Na tabela 3.1 é
apresentada a pré-codificação e a pós-descodificação do exemplo da figura 3.1-f).
Figura 3.2
O código de linha NRZI pode ser visto como um código PNRZ que transmite
um sinal pré-codificado (a[n] = a[n-1] xor b[n]). Após o receptor PNRZ a sequência
binária é pós-descodificada através de (c[n] = a[n] xor a[n-1] = b[n]).
b[n] 1 0 1 0 0 1 1 0
a[n] = a[n-1] xor b[n] 0 1 1 0 0 0 1 0 0
c[n] = a[n] xor a[n-1] = b[n] 1 0 1 0 0 1 1 0
Tabela 3.1
Exemplo de pré-codificação e pós-descodificação em NRZI
(correspondente à figura 3.1-f)
Um exemplo da transmissão com código NRZI é a interface de

computador USB, usado para conectar periféricos.
4 Modo de transmissão assíncrono
Como já referido, o modo assíncrono de transmissão é utilizado

principalmente quando a geração da informação é aleatória, em pequena
quantidade e para distâncias curtas. É exemplo a geração de informação num
teclado e transmitido para um computador, em que cada carácter é
representado por um código, por exemplo o código ASCII (American Standards
Committee for Information Interchange) de 7 bits, apresentado na tabela 4.1.
Este código inclui caracteres prensáveis (“c”, “%”)e de controlo (CR (Carriage
Return), DEL (Delete)).
7 0 0 0 0 1 1 1 1
posição 6 0 0 1 1 0 0 1 1
5 0 1 0 1 0 1 0 1
4 3 2 1
0 0 0 0 NUL DLE SP 0 @ P \ P
0 0 0 1 SOH DCI ! 1 A Q a Q
0 0 1 0 ST DC2 ” 2 B R b R
0 0 1 1 ETX DC3 # 3 C S c S
0 1 0 0 EOT DC4 $ 4 D T d T
0 1 0 1 ENQ NAK % 5 E U e U
0 1 1 0 AVK SYN & 6 F V f V
0 1 1 1 BEL ETB ’ 7 G W g W
1 0 0 0 BS CAN ( 8 H X h X
1 0 0 1 HT EM ) 9 I Y i Y
1 0 1 0 LF SUB * : J Z j Z
1 0 1 1 VT ESC + ; K [ k {
1 1 0 0 FF FS , < L \ l |
1 1 0 1 CR GS - = M ] m }
1 1 1 0 SO RS . > N ^ n ~
1 1 1 1 SI US / ? O _ o DEL
Tabela 4.1
Código ASCII
Entre o premir de duas teclas não há informação transmitida e a linha

fica inactiva (idle). Exemplificando com o código de linha PNRZ, a linha fica a
+A Volts. Quando uma tecla é premida é gerado um bit de início (start bit) a
–A volts. Esta transição da linha inactiva para o bit de início é suficiente para
iniciar o sincronismo de símbolo, que não é perdido se for transmitido apenas
Modo de transmissão assíncrono 15
um carácter (≈10 bits). Este sincronismo corresponde a iniciar um relógio a uma

frequência mais elevada (16 vezes ou mais) que o débito binário, sendo possível
a meio de cada bit verificar o nível de tensão e portanto o nível lógico.
A seguir ao bit de início são enviados os 7 bits correspondentes ao código

ASCII da tecla premida. Pode ainda ser transmitido um bit de paridade de
modo que o conjunto de 8 bits (byte) transmitidos contenha um número par de
bits ao nível lógico “1” (paridade par) ou ímpar (paridade ímpar). Como mais
adiante se verá, este bit serve para detectar erros de bit. Finalmente é enviado
um ou mais bits de fim de carácter (stop bits). Todo este processo é
exemplificado na figura 4.1 para a tecla “c” a que corresponde, como se pode
verificar na tabela 4.1, a sequência binária “1100011”.
Figura 4.1
Exemplo de transmissão assíncrona com código de linha
PNRZ para a tecla “c”, utilizando código ASCII.
Esta é também muito utilizado para transmitir informação de um

conjunto de caracteres, por exemplo para impressoras. Neste caso a informação
não é gerada aleatoriamente, mas a seguir aos bits de fim de carácter é enviado
o bit de início de novo carácter, sendo o relógio novamente sincronizado.
Numa transmissão assíncrona o número de bits de informação, a

existência de paridade e o número de bits de fim de carácter têm que estar
pré-determinados. Os bits de início e fim de carácter correspondem a cerca de
20% dos bits transmitidos, sendo esta a principal desvantagem da transmissão
síncrona, quando transmitidas grandes quantidades de informação.
5 Canal AWGN e de banda limitada
O canal de transmissão tem três características importantes que afectam

o desempenho do sistema de comunicação, afectando a capacidade do receptor
de descriminação dos símbolos: (1) A dimensão, que atenua os sinais
transmitidos e portanto os níveis de tensão que chegam ao receptor; (2) a
largura de banda, que deverá ser maior que a largura de banda do sinal
transmitido para que não haja distorções; (3) e o ruído, que altera os níveis de
tensão.
O modelo do canal é apresentado na figura 5.1. À sua entrada

encontra-se o sinal correspondente à concatenação em série dos símbolos a
transmitir. O filtro passa-baixo modela a largura de banda (filtrando acima da
frequência Bc) e a atenuação (ganho na zona passante), tornando o canal de
banda limitada. É ainda adicionado ruído AWGN (additive white Gaussian
noise), ou seja, ruído branco com distribuição de amplitudes gaussiana. O ruído
branco é caracterizado por ter uma densidade espectral de potência constante ao
longo da frequência (No/2 Watt/Hz).
Figura 5.1
Canal AWGN com filtragem passa-baixo à frequência Bc.
Nas próximas secções serão apresentadas soluções para minimizar os

efeitos do canal de transmissão (largura de banda, atenuação e ruído) no
desempenho do sistema de comunicação digital.
Largura de banda 17
6 Largura de banda
Embora a dedução da densidade espectral de potência dos códigos de

linha esteja fora do âmbito deste texto, estas são apresentadas no Apêndice 1 e
esboçadas na figura 6.1, assumindo que os níveis lógicos são equiprováveis e sua
geração independente. Assume-se que a potência (e não a amplitude) de todos
os códigos de linha é de 1 Watt. Não é apresentado o código NRZI que neste
contexto é idêntico ao código PNRZ.
PNRZ
1 PNRZ
PRZ
Densidade Espectral de Potência
AMI UNRZ
Manchester
0,75 AMI
Manchester
0,5 PRZ
UNRZ
0,25
0
0 0,5 1 1,5 2 2,5 3 3,5 f /R b
Figura 6.1
Densidade espectral de potência dos diversos códigos de linha.
Assume-se para todos os códigos uma potência de 1 Watt, os níveis lógicos equiprováveis
e a sua geração independente.
6.1 ISI - Interferência inter-simbólica
Teoricamente todos códigos de linha têm uma largura de banda infinita,

imposta por transições instantâneas entre variações de nível de tensão.
Utilizando um canal de banda limitada como já mostrado no modelo do canal
da figura 5.1, as transições instantâneas transformam-se em variações lentas que
interferem com o símbolo adjacente. A esta distorção dá-se o nome de
interferência inter-simbólica (ISI – Inter-symbolic Interference).
6.2 Largura de banda do primeiro zero
Como se pode verificar na figura 6.1, a densidade espectral de potência

vai tendendo para zero (segundo o quadrado de uma sinc) à medida que a
frequência aumenta, mais rapidamente quando o primeiro zero se situa em Rb
(PNRZ, UNRZ, AMI e NRZI) e mais lentamente quando este se situa em 2Rb
(PRZ, Manchester). Um critério, embora minimalista, é considerar que a maior
parte da potência do sinal está contida até à frequência do primeiro zero
espectral (First Null Bandwidth) assumindo ser esta a largura de banda.
Uma largura de banda superior à do primeiro zero torna a distorção

insignificante. É tipicamente esta a situação na transmissão assíncrona, de baixo
débito binário, em que facilmente o canal tem uma dimensão de apenas alguns
metros e a sua largura de banda é mesmo bastante superior ao débito binário.
6.3 Critério de Nyquist para transmissão sem ISI
Quando a largura de banda do canal não é suficientemente em relação ao

débito binário, a interferência inter-simbólica pode ser suficiente para tornar a
comunicação inútil devido ao número de erros.
Uma solução é assumir que em pelo menos um ponto por símbolo, por
exemplo a meio do símbolo no caso do código PNRZ, o sinal tem que passar sem
erro pela tensão desejada ( ± A conforme o nível lógico), criando um ponto de
zero de interferência inter-simbólica por símbolo. No emissor, ainda antes do
sinal ser colocado no canal de transmissão e sofrer interferências, deve-se limitar
a largura de banda, desde que se garanta que o sinal passe pelos pontos de zero
de ISI, sem ser muito importante a evolução entre estes. Se a largura de banda
do canal de transmissão for maior que a limitação de banda imposta pelo
emissor, o sinal não será distorcido significativamente.
Largura de banda 19
Este critério de evitar a inter-simbólica denomina-se critério de Nyquist e

provoca uma formatação do pulso (pulse shaping), já que estes deixam de
apresentar transições bruscas para exibirem transições suaves.
6.3.1 Filtro ideal
Existem uma infinidade de pulsos capazes de corresponder ao critério de

Nyquist. Para se obter o pulso a que corresponde a menor largura de banda,
relembre-se que pelo teorema de Nyquist-Shannon, um sinal deve ser amostrado
com uma frequência igual (ou superior) a duas vezes a sua largura de banda. O
sinal é recuperado sem erro por filtragem passa-baixo ideal com frequência de
corte igual a metade da frequência de amostragem. Assumindo um ponto de
zero de ISI por símbolo, é gerada aí uma amostra por símbolo e portanto são
geradas Rb amostras por segundo. Filtrando esta sequência de amostras à
frequência Rb/2 produz-se um sinal com esta largura de banda, pelo que,
Rb
BT = . (6.1)
2
Cada símbolo passa a ser definido por um pulso positivo ou negativo

(PNRZ) conforme o nível lógico, que terá a forma da resposta impulsiva do
filtro passa-baixo (Transformada de Fourier inversa de um rectângulo):
p(t ) = Asinc(Rb t ) . (6.2)
Este pulso toma, como se pretendia, o valor A para t=0 e zero nos
múltiplos de Tb, ou seja, para t= ± Tb, ± 2Tb,…, não interferindo nos pontos de
amostragem dos outros símbolos.
Na figura 6.2 é apresentada a cadeia transmissor-canal-receptor, em que à

saída do transmissor é colocado o filtro de formatação de pulsos. O canal de
transmissão deverá ter uma largura de banda Bc maior que a largura de banda
do sinal transmitido BT.. Consideramos o canal ideal até à largura de banda do
sinal. Caso contrário o efeito do canal deve ser compensado no transmissor logo
no filtro de formatação de pulsos ou no receptor (equalização).
Figura 6.2
Transmissão de código PNRZ com formatação de pulso por filtro ideal.
6.3.2 Filtro de co-seno elevado
É impossível realizar uma filtragem passa-baixo ideal, como a

representada pela equação 6.2. Esta pode no entanto ser alterada de modo a que
a resposta ao impulso mantenha o termo da equação 6.2 e portanto continue a
evitar a ISI, com um factor que torne a resposta em frequência mais suave e
portanto realizável. O pulso tomará então a forma:
cos(παRb t )
p(t ) = Asinc(Rb t ) , (6.3)
1 − (2αRb t )
2
em que α é denominado factor de rolloff, variando entre 0 e 1. Este pulso é

apresentado na figura 6.3-a e a respectiva resposta em frequência na figura
6.3-b, para diversos valores de α. A resposta em frequência tem a forma de um
co-seno elevado, dando o nome ao filtro respectivo (raised cosine filter) e que
corresponde a:
⎧1 Rb
⎪ f < (1 − α )
⎪ Rb 2
⎪⎪ 1 ⎛ π ⎛ R ⎞⎞ Rb R
P( f ) = ⎨ cos 2 ⎜⎜ ⎜ f + b (α − 1)⎟ ⎟⎟ (1 − α ) < f < b (1 + α ) . (6.4)
⎪ Rb ⎝ 2αRb ⎝ 2 ⎠⎠ 2 2
⎪ R
⎪0 f > b (1 + α )
⎩⎪ 2
A largura de banda resultante é dada por:
Rb
BT = W = (1 + α ) , (6.5)
2
Largura de banda 21
e é tanto maior quanto maior for o factor de rolloff, mas também maior a
facilidade de realizar a formatação do pulso. α=0 corresponde à filtragem ideal
e, no outro extremo, com α=1, duplica-se a largura de banda. Outra vantagem
quando se aumenta a largura de banda prende-se com a maior robustez em
relação a pequenas variações no sincronismo. Estas provocam uma maior
alteração da tensão amostrada à medida que se diminui o factor de rolloff.
p (t ) P (f )
1/Rb
1
α =0
α =0
α =0,5 α =0,5
α =1
α =1
t /Tb
-5 -4 -3 -2 -1 0 1 2 3 4 5
0
-0,3 0 0,25 0,5 0,75 1 f /Rb
(a) (b)
Figura 6.3
Filtro de co-seno elevado
(a) Pulsos de formatação para diversos valores de α.
(b)Resposta em frequência.
Para os códigos de linha PNRZ, UNRZ e AMI a largura de banda é dada

pela equação 6.5, pois sendo códigos em que a tensão se mantêm fixa durante
todo o tempo de bit, necessita apenas de um ponto de zero de ISI por bit
(abertura da sinc na origem de 2Rb).
No caso dos códigos de linha PRZ e Manchester, estes são definidos por
dois níveis de tensão por símbolo, necessitando para cada um deles de um ponto
de zero de ISI, pelo que o pulso terá uma abertura de apenas Rb e a largura de
banda virá o dobro da produzida pela equação 6.5:
BT = W = Rb (1 + α ) . (6.6)
Na figura 6.4 é apresentada a forma de onda do sinal para a sequência

binária “1011001” em PNRZ, com amplitude A=1 Volt. Pode-se verificar que
apesar das variações lentas o código toma o valor de ± A nos pontos de zero de
ISI (a meio do símbolo), independentemente do valor de α.
0 1 2 3 4 5 6
2,0
1,0
0,0
-1,0
t /T b
-2,0
(a) α = 0,5
0 1 2 3 4 5 6
2,0
1,0
0,0
-1,0
t /T b
-2,0
(b) α = 1
Figura 6.4
Resposta do filtro de formatação de pulsos para o código de linha PNRZ com
A=1 Volt, tendo como entrada a sequência “1011001” (a) α=0,5. (b) α=1.
Note-se que a largura de banda máxima (α=1) em qualquer dos códigos

de linha é dada pelo número máximo de transições por segundo e coincide com a
largura de banda com o critério de primeiro zero espectral.
Detecção de símbolos 23
7 Detecção de símbolos
Iremos nesta secção sobre detecção de símbolos basear-nos no código

PNRZ, mas espera-se que os leitores consigam generalizar facilmente para os
outros códigos de linha. No canal de transmissão, como mostrado no modelo da
figura 5.1, ao sinal recebido é adicionado ruído branco e gaussiano. Como
exemplo na figura 7.1 é mostrada a mesma sequência da figura 6.4(b), (PNRZ,
α=1), mas afectada de ruído gaussiano.
0 1 2 3 4 5 6
2,0
1,0
0,0
t /T b
-1,0
-2,0
α=1
Figura 7.1
Sequência “1011001” em PNRZ com A=1 Volt e factor de rolloff α=1, ao qual
foi adicionado ruído gaussiano.
7.1 Filtragem na banda
O ruído pode ser atenuado no receptor, filtrando-o fora da banda, com

um filtro passa-baixo de frequência de corte BT. A potência do ruído após esta
filtragem tem ainda uma distribuição gaussiana e virá (apêndice 2),
N0
σ n2 = (2 BT ) = N 0 BT . (7.1)
2
Denominando por y o valor observado do sinal após filtragem, nos ponto

de zero de interferência inter-simbólica, por y1 e y0 os valores correspondentes
sem ruído quando enviados o nível lógico “1” e “0” respectivamente e assumindo
que o filtro não afecta a amplitude do sinal (continuando o exemplo em PNRZ),
⎧ y1 = + A
⎨ , (7.2)
⎩ y0 = − A
pelo que a distribuição de amplitudes após o filtro e quando enviado o nível

lógico “1”, f y ( y |"1") = N ( y1 , σ n2 ) , corresponde a uma distribuição gaussiana
(Normal) com média y1 e variância σ n2 , e a distribuição f y ( y |"0") = N ( y 0 , σ n2 )
quando enviado o símbolo “0” tem a mesma variância mas média y0. Estas
distribuições são apresentadas na figura 7.2.
7.2
Análise do ruído em códigos de linha binários.
7.2 Detector de máximo a posteriori
A probabilidade a posteriori de ter sido enviado cada um dos símbolos

lógicos, dada a observação da tensão y após filtragem no instante de
amostragem, segue a Lei de Bayes,
⎧ fY ( y |"1") p1
⎪⎪ P("1"| y ) = P( y )
para o nível lógico "1"
⎨ , (7.3)
f ( y |"0") p0
⎪ P("0"| y ) = Y para o nível lógico "0"
⎪⎩ P( y )
em que p1 e p0 são as probabilidades a priori de cada um dos níveis lógicos. Um

critério de classificação de qual o nível lógico emitido, óptimo pois minimiza a
probabilidade de errar, corresponde a escolher o nível lógico para o qual a

probabilidade a posteriori é maior (MAP – Maximum a posteriori), ou seja,
⎧ P("1"| y ) > P("0"| y ) detecta - se o nível lógico "1"

⎨ . (7.4)
⎩ P("1"| y ) < P("0"| y ) detecta - se o nível lógico "0"
7.3 Detector de máxima verosimilhança
Assumindo que as probabilidades a priori são iguais (p1=p0=0,5), a

classificação MAP é equivalente à classificação com um critério de máxima
verosimilhança (ML – Maximum Likelihood) , dado por,
⎧ f Y ( y |"1") > f Y ( y |"0") detecta - se o nível lógico "1"

⎨ . (7.5)
⎩ f Y ( y |"1") < f Y ( y |"0") detecta - se o nível lógico "0"
No caso em análise da classificação em duas classes em que as

distribuições são ambas gaussianas com a mesma variância, esta regra
corresponde a assumir um limiar λ (ver figura 7.2) cujo valor óptimo
corresponde ao valor médio entre as tensões dos dois símbolos sem ruído,
y 0 + y1
λopt = . (7.6)
2
A figura 7.3 apresenta o diagrama de blocos do receptor, com o filtro

passa-baixo que atenua o ruído e o classificador implementado através do
comparador com λopt. A decisão é efectuada uma vez por símbolo, sincronizado
(sincronismo de símbolo) no ponto de zero de ISI, sendo este implementado pelo
circuito de amostragem e retenção (S&H – Sampling & Hold). A saída deste
bloco conterá a sequência binária com eventuais erros, em que cada nível lógico
é representado pelas correspondentes tensões de saturação do comparador.
Figura 7.3
Receptor binário com filtragem passa-baixo na banda.
7.4 Cálculo do BER
A probabilidade de erro, independentemente do critério utilizado (MAP,

ML ou outro, nomeadamente utilizando um valor de λ não óptimo), é dado pela
probabilidade de erro em cada nível lógico pesado pela respectiva probabilidade
a priori, ou seja,
BER = p1 p 01 + p 0 p10 , (7.7)
em que p01 é a probabilidade de errar o nível lógico “1” (enviar o nível lógico “1”
mas descodificar o nível lógico “0”) e p10 é a probabilidade de errar o nível lógico
“0”. Para o critério de máxima verosimilhança (figura 7.2) estas probabilidades
são dadas por,
⎧ p 01 = f Y ( y < λopt |"1")
, (7.8)
⎩ p10 = f Y ( y > λopt |"0")
⎨
que, uma vez que as densidades de probabilidade são gaussianas (Apêndice 3) e

tendo em conta a largura de banda em PNRZ dada pela equação 6.5 e a energia
média por símbolo dada pela equação 3.8,
⎧ λopt
1 ⎛ d2 ⎞ 1 ⎛ A 2 ⎞⎟ 1 ⎛ Eb ⎞
⎪ p 01 = ∫ f y ( y |"1")dy = erfc ⎜ ⎟ = erfc⎜ = erfc ⎜ ⎟
⎪ −∞
2 ⎜
⎝ 2σ 2 ⎟
n ⎠ 2 ⎜
⎝ 2 N B
0 T ⎠
⎟ 2 ⎜
⎝ N 0 (1 + α ) ⎟
⎠ (7.9)
⎨
⎪
+∞
1 ⎛ d ⎞ 1
2 ⎛ 2 ⎞ 1 ⎛ Eb ⎞
⎪ p10 = ∫λ f y ( y |"0")dy = erfc⎜ ⎟ = erfc⎜
⎜ 2σ n2 ⎟ 2
A ⎟ = erfc⎜
⎜ 2 N 0 BT ⎟ 2 ⎜ N (1 + α ) ⎟
⎟
2 ⎝ ⎠ ⎝ ⎠ ⎝ ⎠
⎩ opt 0
A probabilidade de erro de bit corresponderá à soma destas

probabilidades pesadas pelas probabilidades a priori, ou seja (com p0=p1=0,5):
1 ⎛ Eb ⎞
BER = p1 p 01 + p0 p10 = erfc⎜⎜ ⎟. (7.10)
2 ⎝ N 0 (1 + α ) ⎟
⎠
Note-se que o BER depende da diferença de tensão entre os símbolos e

não dos seus valores absolutos, uma vez que,
y1 − y 0
d= , (7.11)
2
Naturalmente que os códigos de linha “polares”, sem componente DC,

sendo aqueles que têm a menor energia para o máximo afastamento entre
símbolos, são os que obtêm o melhor desempenho, como adiante se verá.
Como já referido, o critério MAP é óptimo no sentido de minimizar o

BER, sendo o critério de máxima verosimilhança equivalente desde que as
probabilidades a priori dos níveis lógicos sejam iguais. Esta igualdade pode ser
assumida para a maioria das aplicações, até porque o valor de λopt deverá ser
conhecido antes de se começar a detecção. Nestas circunstâncias o BER virá,
independentemente do código (figura 7.2):
1 ⎛ d2 ⎞
BER = erfc⎜ ⎟. (7.12)
2 ⎜ 2σ n2 ⎟
⎝ ⎠
7.5 Padrão de olho
A qualidade de um sistema de comunicação pode ser aferida visualmente

através do padrão de olho (eyes pattern). O padrão de olho tem o aspecto
corresponde à figura apresentada por um osciloscópio, tendo como sinal de
entrada o sinal recebido s R (t ) e sincronizado no início do símbolo, mas em que a
luminosidade de cada varrimento não desaparece. Este tem a aparência de um
olho (ou dois caso o varrimento corresponda a dois bits), que está tanto mais
aberto quanto melhor for o desempenho do sistema. Existem dois factores no
canal de transmissão que levam ao aumento do BER: (1) a interferência
inter-simbólica, causada pela largura de banda insuficiente; (2) o ruído no canal.
Na figura 7.4 é apresentado um padrão de olho de um código de linha

PNRZ sem formatação de bit, em que o canal não tem ruído e a largura de
banda corresponde ao primeiro zero espectral ( BT = Rb ). Pode-se verificar a
interferência inter-simbólica correspondente à transição lenta entre símbolos,

mas o sinal a meio do bit, aonde se dará a amostragem no receptor, está muito
perto do nível correcto.
Padrão de Olho
0.8
0.6
0.4
0.2
-0.2
-0.4
-0.6
-0.8
-1
0 0.5 1 1.5 2
Canal passa-baixo Bc=Rb/2 Pn=0.00 Watt
Figura 7.4
Padrão de olho com 2 bits consecutivos e 100 varrimentos.
O código de linha é o PNRZ e o canal não tem ruído e é do tipo passa-baixo de 1ª
ordem, com Bc=Rb (First Null Bandwidth). O eixo das abcissas está normalizado em
múltiplos de Tb. Os pontos de amostragem correspondem a 0.5 e 1.5.
Na figura 7.5 é apresentado um padrão de olho para o mesmo código da

figura 7.4, mas agora o canal tem metade da largura de banda, de modo a se
verificar o efeito da ISI. O olho aparece mais fechado devido às transições mais
lentas entre símbolos, diminuindo a qualidade da transmissão.
Padrão de Olho
0.8
0.6
0.4
0.2
-0.2
-0.4
-0.6
-0.8
-1
0 0.5 1 1.5 2
Figura 7.5
Padrão de olho com 2 bits consecutivos, com código de linha PNRZ.
Canal passa-baixo de 1ª ordem, com Bc=Rb/2 e sem ruído.
De modo a verificar o efeito do ruído é apresentado na figura 7.6 um

padrão de olho para o mesmo código e o mesmo canal da figura 7.4 (Bc=Rb),
mas agora com ruído correspondente a uma SNR de 13 dB. Pode-se verificar
também o fecho do olho, mas agora devido ao ruído. Na figura 7.7 é apresentado
o efeito conjunto da ISI e do ruído.
Padrão de Olho
2
1.5
0.5
-0.5
-1
-1.5
-2
0 0.5 1 1.5 2
Figura 7.6
Canal passa-baixo de 1ª ordem, com Bc=Rb e 13 dB de SNR.
Padrão de Olho
1.5
0.5
-0.5
-1
-1.5
0 0.5 1 1.5 2
Figura 7.7
Canal passa-baixo de 1ª ordem, com Bc=Rb/2 e 13 dB de SNR.
Na figura 7.8 é apresentado o padrão de olho para um código PNRZ com

formatação de pulso (α=0). Pode-se verificar que a meio do bit não existe
interferência inter-simbólica. Contudo, com ruído, como apresentado na figura
7.9, o olho fecha-se deteriorando a qualidade da transmissão.
Padrão de Olho
1.5
0.5
-0.5
-1
-1.5
-2
0 0.5 1 1.5 2
rolloff=0 Pn=0.00 Watt
Figura 7.8
Padrão de olho com 2 bits consecutivos, com código de linha PNRZ com
formatação de pulso. O factor de rolloff α=0 e sem ruído
Padrão de Olho
2.5
1.5
0.5
-0.5
-1
-1.5
-2
-2.5
0 0.5 1 1.5 2
rolloff=0 Pn=0.05 Watt
Figura 7.9
Padrão de olho com 2 bits consecutivos, com código de linha PNRZ com
formatação de pulso. O factor de rolloff α=0 e é adicionado 13 dB de SNR.
Receptor óptimo 31
8 Receptor óptimo
O receptor estudado na secção anterior para o código PNRZ assume um

ponto de amostragem no receptor em que não exista interferência
inter-simbólica e filtragem passa-baixo ideal com frequência de corte igual à
largura de banda do sinal recebido, de modo a eliminar o ruído fora da banda.
Contudo, nem sempre é possível definir um ponto de zero de ISI e a filtragem
apenas tem em conta a largura de banda e não a forma do sinal transmitido.
8.1 Filtro adaptado
Assuma-se que o símbolo transmitido é s j (t ) , ao qual é somado ruído
w(t ) no canal de transmissão, sendo recebido o sinal s R (t ) = s j (t ) + w(t ) . Se for
efectuada uma projecção sobre um sinal ks j (t ) , como mostrado na figura 8.1, é
anulada a componente do ruído perpendicular ao símbolo, ficando apenas a

componente do ruído colinear ao símbolo.
8.1
Interpretação vectorial do filtro adaptado.
Esta projecção é realizada através da correlação entre o sinal recebido

com ruído e, por exemplo, o símbolo “1”. O símbolo “0” ou é nulo ou é simétrico
ao símbolo “1”. O esquema de blocos deste receptor, que é óptimo no sentido
que minimiza o BER, é apresentado na figura 8.2.
Como a correlação é feita com base num dos símbolos (símbolo j),
c(t ) = ks j (t ) , (8.1)
que corresponde a uma filtragem em que a resposta impulsiva é dada por:

h(t ) = c(Tb − t ) = ks j (Tb − t ) , (8.2)
pelo que se designa filtro adaptado (ao símbolo).
Figura 8.2
Diagrama de blocos do receptor óptimo com filtro adaptado.
O integrador é colocado a zero no início de cada símbolo, o que é

representado na figura 8.2 pela entrada Tb +, sendo tomada uma decisão no fim
do símbolo, amostrando y(t) nos instantes Tb –, imediatamente antes de o
integrador ser recolocado a zero e se iniciar o processo para o próximo símbolo.

A projecção é então da por,
Tb
y (Tb ) = ∫ c(t )s R (t )dt

0
Tb
= ∫ ks j (t )(s l (t ) + w(t ) )dt

0
Tb Tb l=0 ou 1 (8.3)
= ∫ ks j (t )sl (t )dt + ∫ ks j (t )w(t )dt
0 0
Tb
= y l + ∫ ks j (t )w(t )dt
0
Os símbolos ou são colineares e simétricos (polares, bipolares) ou um

deles é zero (unipolar, bipolar), pelo que os valores da projecção sem ruído
correspondem a,
yl = kEl ⇐ s j (t ) = s l (t )
yl = −kEl ⇐ s j (t ) = − sl (t ) (8.4)
yl =0 ⇐ s j (t ) = 0
A componente de ruído filtrada terá uma distribuição gaussiana

(Apêndice 2) com média nula e variância (potência):
Receptor óptimo 33
N0
σ n2 = Ec , (8.5)
2
em que Ec corresponde à energia de c(t).
Figura 8.3
Formas de onda no receptor óptimo com código PNRZ com ruído.
Note-se que o ruído é sempre ortogonal ao símbolo, pelo que o ruído

deveria ser todo eliminado. No entanto a integração não poderá ser efectuada,
como idealmente, em tempo infinito, mas apenas no tempo de símbolo, pelo que
esta projecção não é zero mas uma estimativa desse valor. A função de
verosimilhança para cada símbolo l tem então uma distribuição normal
N ( y l , σ n2 ) , sendo para a filtragem adaptada também válida a figura 7.2.
8.2 Filtro adaptado normado
Assumindo que o sinal com que se faz a projecção tem energia unitária
(filtro adaptado normado), então,
Tb
Ec = k ∫ s (t )dt = 1 ,
2 2
j (8.6)
0
pelo que
1
k= , (8.7)
Ej
e as tensões sem ruído no instante de amostragem virão (equações 8.4 e 8.7),
yl = El ⇐ s j (t ) = sl (t )
yl = − El ⇐ s j (t ) = − s l (t ) (8.8)
yl =0 ⇐ s j (t ) = 0
e a potência do ruído virá (equações 8.5 e 8.7),
N0
σ n2 = (8.9)
2
Nesta situação a equação 7.12 pode ser reescrita como:
1 ⎛ d2 ⎞
BER = erfc⎜ ⎟. (8.10)
2 ⎜ N0 ⎟
⎝ ⎠
Na próxima secção serão deduzidas as equações do BER para cada um

dos códigos de linha, mas como se verá estas não dependem do valor de k,
nomeadamente são independentes de o filtro estar ou não normalizado.
BER em códigos de linha 35
9 BER em códigos de linha
Esta secção irá calcular o valor de BER para os diversos códigos de linha
assumindo um filtro adaptado, em que c(t) é dado pela equação 8.1, na direcção
do símbolo s1 (t ) , e um classificador de máxima verosimilhança (p0=p1=0,5).
9.1 BER em códigos de linha “polares”
Para os casos dos códigos de linha polares (PNRZ, PRZ, Manchester),

em que os símbolos estão relacionados por :
s1 (t ) = − s 0 (t ) , (9.1)
As tensões de observação de cada símbolo são,
⎧ y1 = + kE1 = + kEb
⎨ . (9.2)
⎩ y0 = −kE1 = − kEb
Nesta situação o valor de comparação óptimo virá,
kEb − kEb
λopt = = 0. (9.3)
2
O valor de d será dado por:
d = y1 − λopt = kEb . (9.4)
Uma vez que a potência do ruído é dada pela equação 8.5, o BER virá
(equação 7.12)
1 ⎛ d2 ⎞ 1 ⎛ 2 2 ⎞ 1 ⎛ ⎞
BER = erfc⎜ ⎟ = erfc⎜ k Eb ⎟ = erfc⎜ Eb ⎟ (9.5)
2 ⎜ 2σ n2 ⎟ 2 ⎜ k 2 Eb N 0 ⎟ 2 ⎜ N ⎟
⎝ ⎠ ⎝ ⎠ ⎝ 0 ⎠
9.2 BER em códigos de linha “unipolares”
Para os casos dos códigos de linha unipolares (UNRZ), em que o símbolo

zero corresponde a 0 Volts, as tensões de observação de cada símbolo são,
⎧ y1 = + kE1 = +2kEb
⎨ . (9.6)
⎩ y0 = 0
Nesta situação o valor de comparação óptimo é dado por,
2kEb + 0
λopt = = kEb , (9.7)
2
e o valor de d será dado por:
d = y1 − λopt = 2kEb − kEb = kEb . (9.8)
Uma vez que a potência do ruído é dada pela equação 8.5, o BER virá
(equação 7.12):
1 ⎛ d2 ⎞ 1 ⎛ k 2 Eb2 ⎞ 1 ⎛ ⎞
BER = erfc⎜ ⎟ = erfc⎜ ⎟ = erfc⎜ Eb ⎟ (9.9)
2 ⎜ 2σ n2 ⎟ 2 ⎜ 2k 2 Eb N 0 ⎟ 2 ⎜ 2N ⎟
⎝ ⎠ ⎝ ⎠ ⎝ 0 ⎠
9.3 BER no código de linha AMI
Na situação do código de linha bipolar AMI existem duas possibilidades

quando se transmite o nível lógico “1”: quando se transmite o símbolo A e se
transmite o símbolo –A, que aparecem alternadamente e portanto com a mesma
probabilidade. As tensões no instante de amostragem do filtro adaptado,
denominadas respectivamente por y1+ e y1− , e y0 , serão dadas por:
⎧ y1+ = + kE1 = +2kEb

⎪
⎨ y1− = − kE1 = −2kEb . (9.10)
⎪y = 0
⎩ 0
O valor de d será dado por:
kE1 − 0 2kEb
d= = = kEb . (9.11)
2 2
Figura 9.1
Funções de probabilidade na recepção do código bipolar
O nível lógico “0” estará errado se o valor de y for maior que d ou menor
que –d (2 vezes a área debaixo da gaussiana). Cada um dos dois símbolos
representantes do nível lógico “1”, com polarização positiva ou negativa, têm
probabilidade a priori de metade da probabilidade a priori deste nível lógico.
Deste modo o BER virá,
1 ⎛ d2 ⎞ p1 1 ⎛ d2 ⎞ p1 1 ⎛ d2 ⎞
BER = 2 p 0 erfc⎜ ⎟+ erfc⎜ ⎟+ erfc⎜ ⎟ (9.12)
2 ⎜ 2σ n2 ⎟ 2 2 ⎜ 2σ n2 ⎟ 2 2 ⎜ 2σ n2 ⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
Assumindo os níveis lógicos equiprováveis ter-se-á:
3 ⎛ d2 ⎞
BER = erfc⎜ ⎟, (9.13)
4 ⎜ 2σ n2 ⎟
⎝ ⎠
pelo que, utilizando as equações 3.8 8.5 e 9.8 teremos,

3 ⎛ k 2 Eb2 ⎞ 3 ⎛ ⎞
BER = erfc⎜ ⎟ = erfc⎜ Eb ⎟. (9.14)
4 ⎜ 2k 2 E b N 0 ⎟ 4 ⎜ 2N ⎟
⎝ ⎠ ⎝ 0 ⎠
Este valor do BER não entra com a capacidade deste código detectar
erros por violação da regra de polaridade alternada quando do envio de níveis
lógicos “1”. Por exemplo para erros isolados estes conseguem sempre ser
detectados. São exemplos:
– O último nível lógico “1” foi codificado com determinada polaridade e

um nível lógico “0” consequente é incorrectamente descodificado para “1” com a
mesma polaridade.
– O último nível lógico “1” foi codificado com determinada polaridade e

um nível lógico “0” consequente é incorrectamente descodificado para a
polaridade contrária. No próximo nível lógico “1” haverá uma violação.
– Havendo erro num nível lógico “1” que foi entendido como “0”, haverá
uma violação no próximo nível lógico “1” transmitido.
Se houver a capacidade do receptor informar o emissor destes erros, a

informação poderá ser reenviada. O código de linha bipolar é, dos códigos
estudados, o único que possui este atributo extremamente importante.
9.4 BER no código de linha NRZI
Sem contar com a pré-codificação e pós-descodificação, o código NRZI é

equivalente ao PNRZ (figura 3.2). Com a pós-codificação os erros ocorrem aos
pares, uma vez que cada símbolo contêm informação sobre o nível lógico
presente e o imediatamente anterior. O BER virá então o dobro do BER em
PNRZ (equação 9.5):
⎛ Eb ⎞
BER = erfc⎜ ⎟ (9.15)
⎜ N ⎟
⎝ 0 ⎠
9.5 Comparação do BER em códigos de linha
Na figura 9.2 são comparados os valores do BER dos diversos códigos em

função da relação de energias Eb / N 0 em decibéis. Naturalmente que os códigos
de linha “polares”, sem componente DC, sendo aqueles que têm a menor energia
para o máximo afastamento entre símbolos, obtêm o melhor desempenho. Os
códigos “unipolares” estão distanciado destes 3 dB de relação Eb N 0 . O código
AMI é o que tem pior desempenho, mas tem boa capacidade de sincronismo,
nomeadamente em BNZS, não tem componente DC nem sofre de
desvanecimento. Nesta comparação também não se entra em consideração com
sua a capacidade de detecção de erros isolados, que aumenta o desempenho,
embora necessite de mecanismos de reenvio.
Figura 9.2
BER dos diversos códigos em função da relação Eb / N 0 em decibéis.
10 Transmissão M-área em banda de base
Como visto na secção 6, a largura de banda depende do número máximo

de transições por segundo produzido pelo código de linha. Uma maneira de
diminuir este número de transições e consequentemente a largura de banda é
fazer com que o símbolo contenha informação de mais do que 1 bit, diminuindo
o débito de símbolos Rs (baud rate) sem diminuir o débito binário. O símbolo
deixa de ser binário, ou seja, ter apenas 2 formas de onda, para ser M-áreo, ou
seja, com M formas de onda. Este código, denominado PAM (Pulse Amplitude
Modulation) M-áreo, é apresentado na figura 10.1.
Figura 10.1
Código PAM M-áreo
10.1 Débito de símbolos
O número de bits por símbolo, que denominaremos por K e o número de

símbolos M do código estão relacionados por:
M = 2K . (10.1)
O tempo de símbolo Ts e o tempo de bit estão relacionados por,
Ts = KTb , (10.2)
e o débito de símbolos está relacionado com o débito binário por,
Rb
Rs = . (10.3)
K
Transmissão M-área em banda de base 41
A energia média por bit virá,
Es
Eb = (10.4)
K
10.2 Energia média por símbolo
Considerando a a tensão entre símbolos adjacentes, a energia média por

símbolo assumindo que estes são equiprováveis é dada por,
2a 2 M /2 2
( M 2 − 1) ( M 2 − 1)
∑ (k − 0,5) =
a (10.5)
E min ,
2
E s = Ts Ts =
M k =1 4 3 3
em que Emin é a energia do símbolo de menor energia, com amplitude a/2.
10.3 Largura de banda
Assumindo o ponto de zero de ISI a meio dos símbolos, a abertura dos

pulsos de formatação é de 2 Rs e a largura de banda virá:
BT =
Rs
(1 + α ) = Rb (1 + α ) , (10.6)
2 2K
ou seja, como se pretendia, a largura de banda diminui com o aumento do

número de bits por símbolo. Repare-se que a equação 10.6 é um caso geral da
equação 6.5.
10.4 Capacidade de canal
Das equações 10.1, 10.5 e 10.6, assumindo a largura de banda mínima

dada pelo critério e Nyquist (α=0) para transmissão sem ISI e resolvendo em
ordem a Rb , virá para o máximo débito binário:
⎛ 12 E ⎞
⎟ = BT log 2 ⎛⎜1 + 2 ⎞⎟
12 P
Rb = BT log 2 ⎜⎜1 + 2 b ⎟ (10.7)
⎝ a Ts ⎠ ⎝ a ⎠
Shannon em 1949 demonstrou que existe um máximo débito binário para

transmissão sem erros, denominado capacidade de canal, num canal de banda
limitada BT e ruído gaussiano com potência N, sendo transmitido um sinal com

potência P. A fórmula da capacidade de canal é semelhante à equação 10.7,
fazendo a potência do ruído N proporcional a a 2 . A dedução da fórmula da
capacidade de canal sai fora do âmbito deste texto, sendo dada por:
⎛ P⎞
C = BT log 2 ⎜1 + ⎟ (10.8)
⎝ N⎠
Este é um limite teórico, conhecido por lei de Hartley-Shannon. Para

uma relação sinal-ruído P N inferior à capacidade de canal o número de erros
de bit sobe rapidamente e para uma SNR acima da capacidade de canal o
número de erros tende para zero.
10.5 Probabilidade de erro de símbolo
A probabilidade de erro de símbolo Ps será calculada assumido um filtro
adaptado normalizado, pelo que se tem, pela equação 8.6,
1
c(t ) = . (10.9)
Ts
As distribuições de cada símbolo à saída do filtro no momento de

amostragem para os diversos símbolos é apresentada na figura 10.2.
Figura 10.2
Tensões de amostragem sem ruído no código PAM M-áreo e respectivas
distribuição de probabilidades.
A distância entre símbolos consecutivos no instante de amostragem, vem:

2
⎛a⎞
d = Emin = ⎜ ⎟ Ts , (10.10)
⎝2⎠
Note-se que a probabilidade de erro de símbolo terá de contar com as

áreas acima de d à esquerda e à direita, a menos das duas distribuições das
pontas em que esta área só contará uma vez. A probabilidade de erro de
símbolo virá então:
2(M − 2) 1 ⎛ d2 ⎞ 2 1 ⎛ d2 ⎞
Ps = ercf ⎜ ⎟+ ercf ⎜ ⎟ (10.11)
M 2 ⎜ N0 ⎟ M 2 ⎜ N0 ⎟
⎝ ⎠ ⎝ ⎠
Através das equações 8.10, 10.4, 10.5, 10.10 e 10.11, chega-se a:
( M − 1) ⎛ E min ⎞ ( M − 1) ⎛ 3K Eb ⎞
Ps = ercf ⎜⎜ ⎟= ⎜ ⎟ (10.12)
M ⎝ N0
⎟
⎠ M
ercf ⎜
⎝ (M − 1) N 0
2 ⎟
⎠
10.6 Probabilidade de erro de bit
Um símbolo representa um conjunto de K bits. Para o cálculo da

probabilidade de erro de bit em função da probabilidade erro de símbolo irão
supor-se duas situações: Código aleatório: 1 erro de símbolo corresponde a errar
de 1 a K bits de um modo equiprovável; Código Gray: 1 erro de símbolo
corresponde na maior parte das vezes a apenas 1 erro de bit.
10.6.1 Código aleatório
Se não houver qualquer preocupação no modo em como se define o código

de K bits do símbolo, poderá assumir-se que quando se erra um símbolo poderão
estar errados quaisquer número de bits entre 1 e K. Em média estarão errados
(K+1)/2 bits, pelo que:
1 K K +1
símbolos ⇔ bits ↔ 1 símbolo errado = bits errados , (10.13)
Ps Ps 2
pelo que o BER virá:
BER =
(K + 1) 2 = K + 1 Ps (10.14)
K Ps K 2
10.6.2 Código Gray
A probabilidade de quando existe um erro de símbolo ser descodificado

um dos dois símbolos adjacente (tensões adjacentes) é muito maior do que ser
descodificado qualquer outro símbolo. Se houver o cuidado de modo a que a
símbolos adjacentes correspondam códigos apenas com 1 bit de diferença, como
num código Gray, então quando se errar 1 símbolo errar-se-á apenas 1 bit.
Nestas circunstâncias virá:
1 K
símbolos ⇔ bits ↔ 1 símbolo errado ≈ 1 bit errado , (10.15)
Ps Ps
pelo que,
Ps
BER ≈ . (10.16)
K
A tabela 10.1 ilustra o código Gray para 4 bits.
0 0000 4 0110 8 1100 12 1010

1 0001 5 0111 9 1101 13 1011
2 0011 6 0101 10 1111 14 1001
3 0010 7 0100 11 1110 15 1000
Tabela 10.1
Código Gray de 4 bits.
Sendo esta uma situação mais favorável que a utilização de um código

aleatório, assumiremos, desde que nada seja dito em contrário, a utilização de
um código Gray. Para uma transmissão PAM M-áreo o BER virá então, pela
equações 10.12 e 10.16:
( M − 1) ⎛ 3K Eb ⎞
BER = ercf ⎜⎜ ⎟ (10.17)
KM ⎝ (M − 1) N 0
2 ⎟
⎠
Na figura 10.3 é apresentada uma comparação entre os BER para

diversos números de bits por símbolo (M=2, 4, 8, 16). Pode-se verificar o
aumento do BER à medida que se aumenta M, mas relembre-se que se diminui
a largura de banda necessária (equação 10.6).
Figura 10.3
BER em função da relação E b N 0 em decibéis, para códigos de linha
PAM M-áreo utilizando código Gray (M=2:16).
10.7 Código 2B1Q
Um bom compromisso entre o desempenho e a complexidade corresponde

a utilizar um código PAM com 2 bits por símbolo (2B1Q – 2 binary 1
quaternary) e código Gray, apresentado na figura 10.4.
Figura 10.4
Código 2B1Q correspondente a PAM quaternário utilizando código Gray.
Aplicando a equação 10.17 com K=2 bits por símbolo, obtêm-se:
3 ⎛ 2 Eb ⎞
BER = ercf ⎜⎜ ⎟,
⎟ (10.18)
8 ⎝ 5N0 ⎠
e a largura de banda virá, pela equação 10.6:
Rb
BT = (1 + α ) . (10.19)
4
Na figura 10.3 é apresentado o padrão de olho do código 2B1Q com

factor de rolloff α=0 e a=2. Pode-se verificar o pontos sem ISI a meio dos
símbolos, com tensões ± 1 e ± 3 Volt.
Padrão de Olho
-1
-2
-3
-4
-5
0 0.5 1 1.5 2
rolloff=0 Pn=0.00 Watt/Hz
Figura 10.5
Padrão de olho no código 2B1Q com α=0 e a=2.
O código 2B1Q é utilizado por exemplo em RDIS (Rede Digital Integrada

de Serviços) entre a central telefónica e o equipamento de entrada que fará a
distribuição. Este sistema utiliza o sistema telefónico, permitindo dois canais a
64 kbit/s mais um canal de 16 kbit/s para sinalização e controlo.
Modulação digital binária. 47
11 Modulação digital binária.
Na transmissão através de códigos de linha apresentados nas secções

anteriores, o sinal é transmitido num canal passa-baixo. Em canais passa-banda
um código de canal é modulado por uma portador sinusoidal, produzindo uma
modulação digital passa-banda centrada na frequência da portadora. Estes sinais
são mais fáceis de propagar na atmosfera e podem ser multiplexados se forem
modulados com sinusóides de frequências diferentes e tiverem bandas que não se
sobreponham. Na figura 11.1 são apresentadas algumas das modulações binárias
mais usuais.
Figura 11.1
Modulações digitais binárias mais comuns.
B-PSK, OOK, B-ASK, DPSK, FSK
11.1 Modulações B-PSK, OOK e B-ASK
Este conjunto de modelações é conseguida através da modulação DSB

(Double Side Band). Como mostrado na figura 11.2, a modulação DSB é obtida
pela multiplicação de um código de linha por uma sinusóide.
Figura 11.1
Modulação DSB.
11.1.1 Modulação B-PSK
Os símbolos na modulação B-PSK (Binary Phase Shift Key)

correspondem a:
⎧ s1 (t ) = A cos(2πf c t ) para o nível lógico "1"

⎨ , (11.1)
⎩s 0 (t ) = − A cos(2πf c t ) para o nível lógico "0"
pelo que esta modulação corresponde à modulação DSB de um código de linha

PNRZ. A largura de banda em DSB é o dobro da largura de banda do sinal de
entrada, pelo que, pela equação 6.4, a largura de banda em PSK é dada por:
BT = 2W = Rb (1 + α ) . (11.2)
A potência e portanto a energia do sinal de saída em DSB são metade

dos respectivos valores do sinal de entrada, pelo que, pela equação 3.8, a energia
media por bit em PSK é dada por:
A2
Eb = Tb . (11.3)
2
Os símbolos em PSK correspondem ao de um código polar (equação 9.1 e

11.1), pelo que a probabilidade de erro de bit é dada pela equação 9.5.
11.1.2 Modulação OOK
Os símbolos na modulação OOK (On-Off Key) correspondem a:
⎧s1 (t ) = A cos(2πf c t ) para o nível lógico "1"

⎨ , (11.4)
⎩s 0 (t ) = 0 para o nível lógico "0"
pelo que esta modulação corresponde à modulação DSB de um código de linha

UNRZ. Tendo em consideração a largura de banda em UNRZ, a largura de
banda em OOK é também dada pela equação 11.2. Por seu lado, sendo a
energia média por bit em UNRZ dada pela equação 3.9, a energia media por bit
em OOK é dada por:
A2
Eb = Tb . (11.5)
4
Os símbolos em OOK correspondem ao de um código unipolar (equação

9.6 e 11.4), pelo que a probabilidade de erro de bit é dada pela equação 9.9.
11.1.3 Modulação B-ASK
Os símbolos na modulação B-ASK (Binary Amplitude Shift Key)

correspondem a:
⎧s1 (t ) = A1 cos(2πf c t ) para o nível lógico "1"

⎨ , (11.6)
⎩s 0 (t ) = A0 cos(2πf c t ) para o nível lógico "0"
ou seja, cada símbolo corresponde a uma amplitude diferente da portadora.
O código de linha de entrada corresponde a um código sem retorno a zero

mas em que cada símbolo é representado por uma tensão positiva. A largura de
banda deste código é portanto igual ao dos PNRZ e UNRZ, pelo que a largura
de banda em B-ASK é também dada pela equação 11.2.
A energia média por bit em ASK é a média das energias das sinusóides
de cada símbolo, dada por:
2 2
A1 + A0
Eb = Tb . (11.7)
4
Assumindo um filtro adaptado normalizado, a figura 7.2 da distribuição

da tensão para cada símbolo no momento de amostragem continua a ser válida
e teremos:
⎧ A1
⎪⎪ y1 = E1 = Tb
2 , (11.8)
⎨ A
⎪ y 0 = E 0 = 0 Tb
⎪⎩ 2
Sendo d dado pela equação 7.11,
y1 − y 0 E1 − E 0 A1 − A0
d= = = Tb . (11.9)
2 2 2 2
Pela equação 8.10 o BER virá:
1 ⎛ T ( A1 − A0)2 ⎞
BER = ercf ⎜ b ⎟ (11.10)
2 ⎜ 8N 0 ⎟
⎝ ⎠
Note-se que as equações 11.7 e 11.10, respectivamente da energia média

por bit e da probabilidade de erro em ASK, são válidas quer para PSK
( A1 = − A0 ) quer para OOK ( A0 = 0 ), tornando-se casos particulares daquele.
11.1.4 Filtro adaptado
Devido à modulação não existe um ponto de zero de interferência

inter-simbólica, como nos casos dos códigos de linha. A detecção dos símbolos
pode no entanto continuar a efectuar-se através do filtro adaptado (figura 8.2),
em que c(t) deverá ser proporcional aos símbolos (equação 8.1) e se o filtro
estiver normalizado deverá ainda ter energia unitária (equação 8.7), pelo que:
2
c(t ) = ks1 (t ) = cos(2πf c t ) (11.11)
Tb
Para que o valor de y1 , correspondente ao valor no instante de
amostragem da filtragem do símbolo s1 (t ) , corresponda ao da equação 8.8,

deverá haver um número de ciclos inteiro da sinusóide de modulação, ou seja,
L
Tb = LTc = , (11.12)
fc
ou seja, f c é múltiplo de Rb . Nestas circunstâncias,
Tb Tb
2
y1 = ∫ c(t )s1 (t )dt = ∫ A cos 2 (2πf c t )dt
Tb
0
Tb
0
(11.13)
A 2 A2 Tb A2Tb
= ∫0 [1 + cos (2π 2 f c t )]dt = t = = E1
2 Tb 2Tb 0 2
11.2 Modulação diferencial
Uma das grandes dificuldades na implementação do filtro adaptado com

sinais modulados é a realização do sinal c(t), que deverá estar sincronizado
(sincronismo de portadora), quer em frequência quer em fase, com a portadora.
Este sincronismo deve ser extraído do próprio sinal de entrada, que poderá estar
muito corrompido com ruído, tornando-se bastante complexo. Note-se ainda que
em PSK existe ambiguidade da fase, ou seja, devido a atrasos na propagação
dos sinais no canal de transmissão, pode não ser possível determinar a fase e os
bits serem descodificados com os níveis lógicos invertidos.
Evitar o sincronismo de portadora, nomeadamente quando o nível de

ruído é elevado, torna o receptor menos complexo. Uma solução é a utilização
da modulação diferencial em PSK (DPSK). Nesta, ao contrário do NRZI, os
níveis lógicos a “1” correspondem a manter a fase do símbolo anterior e os

símbolos lógicos a “0” correspondem a inverter a fase do símbolo anterior. Este
código corresponde a um código PSK com pré-codificação a[n] = not(a[n-1] xor
b[n]), como se mostra na tabela 11.1.
b[n] 1 0 1 0 0 1 1 0
a[n] = not(a[n-1] xor b[n]) 0 0 1 1 0 1 1 1 0
Tabela 11.1
Exemplo de pré-codificação em DPSK
(correspondente à figura 11.1-d)
O desmodulador DPSK é idêntico ao desmodulador PSK, excepto no que

respeita ao oscilador sincronizado que produz c(t), aqui substituído por uma
versão do próprio sinal de entrada, atrasado de Tb. O filtro passa-banda à
entrada (BPF – band-pass filter), que deverá ter uma largura de banda pelo
menos igual à do sinal de entrada (equação 11.2) atenua o ruído.
Figura 11.2
Desmodulação DPSK com filtro adaptado.
A largura de banda e a energia deste código são as mesmas que no código

B-PSK (equações 11.2 e 11.3 respectivamente). A dedução do BER sai fora do
contexto deste texto, sendo dada por:
Eb
1 −
BER = e N o (11.14)
2
11.3 Modulação FSK
Na modulação FSK (Frequency Shift Key) os símbolos correspondem,

como mostrado na figura 11.1-e, a sinusóides com a mesma amplitude mas com
frequências diferentes. Tendo os símbolos sempre a amplitude A, a energia
média por bit é a energia de uma sinusóide no tempo Tb ,
A2
Eb = Tb . (11.15)
2
Esta modulação corresponde à modulação FM estando a frequência da

portadora a meio das frequências que definem os símbolos, f1 para o símbolo
“1”, e f 0 para o símbolo “0”, ou seja:
f1 + f 0
fc = , (11.16)
2
e tendo como entrada um código PNRZ, sendo provocado um desvio máximo de

frequência em relação à portadora de:
∆ f = f1 − f c = f 0 − f c . (11.17)
A largura de banda vem portanto:
BT = 2∆ f + 2W = f1 − f 0 + Rb (1 + α ) (11.18)
Os códigos estudados até agora têm como característica estarem sempre

sobre a direcção do vector de base c(t). São exemplos: os códigos “polares”,
apresentados na figura 11.3-a, em que os símbolos são representados na direcção
do vector de base normado c(t), tendo norma igual à raiz quadrada da energia e
o sinal dá informação do sentido, sendo negativo se o símbolo for simétrico ao
vector de base; e os códigos “unipolares”, como apresentado na figura 11.3-b, em
que um dos símbolos é zero. Ao contrário, no caso da modulação FSK, os
símbolos são ortogonais, como mostrado na figura 11.3-c. De facto, considerando
que quer a frequência correspondente ao símbolo “1”, f1 , quer a frequência
correspondente ao símbolo “0”, f 0 , são múltiplas do débito binário, como já
imposto pela equação 11.12, o produto interno entre os dois símbolos virá,
Tb Tb
∫ s (t )s (t )dt = ∫ A cos(2πf 0t ) cos(2πf1t )dt

2
0 1
0
Tb
0
(11.19)
=A ∫ [cos(2π ( f − f 0 )t ) + cos(2π ( f1 + f 0 )t )]dt = 0
2
1
0
Figura 11.3
Representação vectorial dos códigos
(a) ”unipolares”, (b) “unipolares” (c) ortogonais.
Em qualquer destes casos a probabilidade de erro de bit é dada por

(equação 8.10):
1 ⎛ d2 ⎞ 1 ⎛ 2 ⎞
BER = erfc⎜ ⎟ = erfc⎜ d ⎟ . (7.20)
2 ⎜ 2σ n2 ⎟ 2 ⎜ N0 ⎟
⎝ ⎠ ⎝ ⎠
Se, como em B-FSK, os símbolos forem ortogonais e tiverem a mesma

energia, a distância d virá:
E1 + E 0 Eb
d= = , (11.20)
2 2
pelo que o BER virá:
1 ⎛ Eb ⎞
BER = erfc⎜⎜ ⎟.
⎟ (11.21)
2 ⎝ 2N 0 ⎠
O receptor que realiza a descodificação de símbolos ortogonais terá que

produzir não apenas uma correlação, como necessário em “polar” ou “unipolar”,
mas duas correlações normadas como mostrado na figura 11.4, na direcção de
cada um dos símbolos, ou seja:
⎧ 2
⎪c1 (t ) = cos(2πf1t )
⎪ Tb
⎨ . (11.22)
⎪c (t ) = 2
cos(2πf 0 t )
⎪⎩ 0 Tb
Figura 11.4
Receptor óptimo para detecção B-FSK.
O correlador na direcção do símbolo lógico “1” terá , no fim da integração:
⎧
⎪ Eb para o nível lógico "1"
⎪
⎨ 0 para o nível lógico "0" . (11.23)
⎪ N0
⎪ potência do ruído
⎩ 2
Para o correlador na direcção do símbolo lógico “0” virá,
⎧
⎪0 para o nível lógico "1"
⎪
⎨ Eb para o nível lógico "0" . (11.24)
⎪ N0
⎪ potência do ruído
⎩ 2
O sinal y(t) sobre o qual se tomará a decisão virá:
⎧ y1 = + Eb para o nível lógico "1"

⎪
⎨ y0 = − Eb para o nível lógico "0" . (11.25)
⎪N potência do ruído
⎩ 0
Note-se que continua a ser válida a figura 7.11 com os valores obtidos
pela equação 11.25 e continua a ser válida a equação 8.10, sendo a distância
d = Eb e a variância do ruído N 0 , pelo que se chega também à equação 11.21.
11.4 Recepção não coerente
Como já referido, uma das grandes dificuldades do filtro adaptado é a

implementação do sincronismo de portadora com sinais modulados, de modo a
produzir o sinal c(t), dificuldade agravada no caso do sinal ser corrompido com
bastante ruído.
Nesta secção apresentaremos a recepção não coerente de sinais OOK,

B-ASK e B-FSK. A modulação DPSK corresponde à modulação não coerente
em PSK, comparando a fase do sinal com a fase do sinal no bit anterior.
Nas modulações OOK e B-ASK a informação sobre o símbolo vai na

amplitude. O sinal OOK pode ser visto como um caso particular do B-ASK, em
que uma das amplitudes é 0 Volts. Após filtragem passa-banda à frequência da
portadora, como mostrado na figura 11.5, com largura de banda igual à largura
de banda transmitida BT, é colocado um detector de envolvente (rectificador de
meia onda ou onda completa).
Figura 11.5
Receptor não coerente para sinais OOK e B-ASK.
Sem ruído, a tensão após este detector corresponde à amplitude de cada

um dos símbolos. O comparador deverá ter uma tensão de referência
equidistante das amplitudes dos dois símbolos, ou seja:
A1 + A0
λopt = . (7.26)
2
No caso do B-FSK, o receptor não coerente é apresentado na figura 11.6.

Neste, são colocados dois filtros passa-banda em paralelo, à frequência de cada
um dos símbolos. Estes são seguidos do detector de envolvente. Quando o
símbolo de entrada corresponde à frequência f1, o detector de envolvente
respectivo apresenta a amplitude do sinal de entrada (mais ruído) e o detector
de envolvente correspondente à frequência f0 apresenta o valor zero (mais ruído)
e vice-versa.
Figura 11.6
Receptor não coerente para sinais B-FSK.
12 Modulação digital M-área.
Assim como nos códigos de linha, a utilização de código M-área com

modelação melhora a largura de banda dos sinais transmitidos. Nesta secção
apresentaremos dois códigos M-áreos com modulação: M-PSK e QAM
(Quadrature Amplitude Modulation).
12.1 Modulação M-PSK
Na modulação M-PSK (M-área Phase Shift Key), como em B-PSK, os

símbolos são constituídos por sinusóides com a mesma amplitude e frequência,
sendo a informação enviada através da fase. A figura 12.1 mostra um exemplo
de uma constelação 8-PSK. Denomina-se constelação porque os símbolos são
representados por estrelas num espaço bidimensional, definido por duas
dimensões correspondentes a:
2
c1 (t ) = cos(2πf ct )
Tb
. (12.1)
2
c2 (t ) = − sin (2πf ct )
Tb
As fases correspondentes a cada um dos símbolos k são dadas por:
2π
φk = k k = 0 : M −1, (12.2)
M
e o símbolo corresponde é dado por:
sk (t ) = A cos(2πf ct + φk ) = A cos(φk )cos(2πf ct ) − A sin (φk )sin (2πf ct ) (12.3)
12.1.1 Energia média por símbolo
As equações 10.1 a 10.4, que relacionam grandezas entre bits e símbolos,

continuam a ser válidas com modulação. Como todos os símbolos são compostos
por sinusóides com igual amplitude, a energia média por bit é dada por:
A2 , (12.4)
Eb = Tb
2
Modulação digital M-área. 59
Figura 12.1
Constelação M-PSK (Exemplo M=8).
12.1.2 Largura de banda
A modulação M-PSK pode ser vista como a sobreposição de duas

modelações DSB (equação 12.3), cada uma com um sinal M-PAM (embora de
distância entre símbolos variável). Deste modo a largura de banda é o dobro da
largura de banda correspondente à da equação 10.6:
BT = Rs (1 + α ) = (1 + α ) .
Rb
(12.5)
K
12.1.3 Probabilidade de erro de símbolo
A probabilidade de erro de símbolo Ps será calculada assumido um filtro
adaptado normalizado. Pela figura 12.1 tem-se:
⎛π ⎞
d = E s sin ⎜ ⎟ , (12.6)
⎝M ⎠
e haverá erro à direita e à esquerda de cada símbolo, pelo que, pela equação 8.10
virá:
⎛ ⎛π ⎞E ⎞
Ps = erfc⎜ sin 2 ⎜ ⎟ s ⎟ , (12.7)
⎜ ⎝ M ⎠ N ⎟
⎝ o ⎠
e assumindo o código Gray, aplica-se a equação 10.16 e o BER virá:
1 ⎛ ⎛π ⎞ Eb ⎞
BER = erfc⎜ K sin 2 ⎜ ⎟ ⎟. (12.8)
K ⎜ ⎝M ⎠ No ⎟
⎝ ⎠
12.1.4 Modulação Q-PSK
Um caso particular da modulação M-PSK é o 4-PSK ou Q-PSK, em que

cada bit corresponde à modulação B-PSK sobre cada um dos vectores de base,
como mostrado na figura 12.2.
Figura 12.2
Emissor Q-PSK.
Aplicando a equação 12.8 com M=4, o BER virá:
1 ⎛ Eb ⎞
BER = erfc⎜⎜ ⎟,
⎟ (12.9)
2 ⎝ N o ⎠
e a largura de banda virá (equação 12.5):
BT =
Rb
(1 + α ) , (12.10)
2
Figura 12.3
Constelação Q-PSK.
Note-se que o receptor corresponde a dois filtros adaptados em paralelo,

como mostrado na figura 12.4, mas ao contrário da modulação B-FSK cada
filtro dá directamente informação de cada um dos bits do símbolo.
Figura 12.4
Receptor Q-PSK.
A modulação QPSK aparece assim como um bom compromisso em

relação ao B-PSK, entre o aumento da complexidade do emissor e do receptor,
mas obtendo o mesmo BER e uma redução da largura de banda para metade.
12.2 Modulação QAM
A modulação QAM é idêntica à modulação M-PSK, mas deixa de se ter a

restrição de os símbolos terem todos a mesma energia. De facto correspondem a
duas modulações DSB ainda sobre uma base correspondente à equação 12.1,
tendo como sinal de entrada códigos de linha PAM com M símbolos cada um.
Figura 12.5
Constelação QAM (Exemplo M=16).
Esta constelação, com forma quadrada, só é válida para um número par

de bits. Quando o número de bits é ímpar é também possível produzir uma
constelação, sendo as fórmulas seguintes válidas como aproximações.
Definindo E0 como a energia correspondente à projecção numa das
direcções dos vectores de base do símbolo com menor energia, como referido na
figura 12.5, a energia média por símbolo corresponde a duas vezes a energia
dada pela equação 10.5 (substituindo M por M e Emin por E0 ),
correspondendo às duas direcções dos vectores de base, que são ortogonais:

2(M − 1)
Es = E0 (12.11)
3
A probabilidade de erro de símbolo corresponde também

(aproximadamente) a duas vezes a probabilidade de erro de símbolo em
M-PAM dada pela equação 10.12:
⎛ 1 ⎞ ⎛ E0 ⎞
Ps ≈ 2⎜1 − ⎟ercf ⎜⎜ ⎟
⎟ (12.12)
⎝ M ⎠ ⎝ N 0 ⎠
e assumindo o código Gray o BER virá:
2⎛ 1 ⎞ ⎛ E0 ⎞
BER = ⎜1 − ⎟ercf ⎜⎜ ⎟.
⎟ (12.13)
K⎝ M ⎠ ⎝ N 0 ⎠
Das equações 10.4, 12.11 e 12.13, virá:
2⎛ 1 ⎞ ⎛ 3K Eb ⎞
BER = ⎜1 − ⎟ercf ⎜⎜ ⎟ (12.14)
⎝ 2(M − 1) N 0
K⎝ M ⎠ ⎟
⎠
Na figura 12.5 é apresentado o receptor QAM, em que continuam a

figurar os dois filtros adaptados em paralelo e continuando válida a equação
12.1 na definição dos sinais c0 (t ) e c1 (t ) . Este é aliás um receptor genérico, uma
vez que todos as modulações digitais, binárias ou não, correspondem a um caso

particular da modulação QAM. Este receptor é também válido em códigos de
linha, sendo aqui necessário redefinir c0 (t ) e c1 (t ) .
Figura 12.6
Receptor QAM.
13 Codificação de canal
Num sistema de comunicação digital existem dois tipos de erros de bit: os

erros devido ao ruído “térmico”; e os erros devido a interferência
electromagnéticas esporádicas ou a variações rápidas das condições do próprio
canal. Os primeiros correspondem a erros aleatórios independentes. Os segundos
correspondem a erros em rajada. Dependendo do tipo de erros, existem
estratégias diferenciadas para, no receptor, os detectar ou corrigir. Caso se
consiga apenas detectar erros deverá haver um mecanismo para que o receptor
informe o transmissor da presença destes erros de modo a que a informação seja
retransmitida (ARQ – Automatic repeat request). Caso se consiga encontrar a
posição dos erros estes serão corrigidos (FEC- Forward error correction) por
inversão do valor lógico do respectivo bit.
13.1 Probabilidade de erro de bloco sem codificação
Assumindo bits aleatórios com probabilidade BER, haverá em média 1

erro de bit de 1/BER em 1/BER bits. O tempo médio entre erros será igual a
esse valor multiplicado pelo tempo de cada bit, ou seja:
1 1
Te = Tb = . (13.1)
BER Rb BER
Num bloco de n bits, a probabilidade de errar l bits, independentemente

da sua posição, é dada pela distribuição binomial:
f (l n, BER ) = Cln BER l (1 − BER )

n −l
, (13.2)
sendo a probabilidade de errar l bits ou mais a soma das respectivas

probabilidades:
f (errar l ou mais n, BER ) = ∑ C nj BER j (1 − BER )

n
n− j
. (13.3)
j =l
Codificação de canal 65
Para valores de BER pequenos, l ≠ 0 e nBER << 1 ( nBER corresponde

ao valor médio), a equação 13.3 simplifica-se para:
f (errar l ou mais n, BER ) ≈ f (l n, BER ) ≈ Cln BER l , (13.4)
A probabilidade de um bit estar errado, independentemente da sua

posição, virá:
f (1 n, BER ) = C1n BER(1 − BER) n −1 ≈ nBER . (13.5)
A probabilidade de um bloco de n bits não ter nenhum bit errado virá:
f (0 n, BER ) = (1 − BER ) (13.6)

n
13.2 Código de paridade
A paridade de um bloco de bits é considerado par se o número de bits

com valor lógico “1” for par e ímpar se este número for ímpar. Um código de
paridade é construído a partir de n-1 bits de informação, sendo colocado um bit
de modo a garantir a paridade desejada. Ao conjunto dos bits de informação e
bit de paridade denomina-se palavra de código.
Neste texto assumiremos sempre paridade par. Para n=3, as palavras de

código são 000, 011, 101 e 110, correspondendo o último bit ao bit de paridade
colocado pelo transmissor. No receptor, caso se receba um bloco com paridade
ímpar, como por exemplo 010, conclui-se que foi produzido entre o transmissor e
o receptor pelo menos 1 erro e o bloco deverá ser retransmitido.
Caso se produzam dois erros a paridade virá novamente correcta. Por

exemplo, caso se transmita 110 e se receba 011, são produzidos erros nos
primeiro e terceiro bits, mas o bloco corresponde a uma palavra de código. De
facto, como facilmente se verifica, só é possível detectar um número ímpar de
erros. Assumindo a aproximação da equação 13.4, a probabilidade de não
detectar erros corresponderá aproximadamente à probabilidade de errar 2 bits,
ou seja, a probabilidade de erro, sem ser detectado e portanto sem ser

retransmitido, no bloco de n bits virá:
n(n − 1)
Pb ≈ f (2 n, BER ) = C2n BER 2 = BER 2 . (13.7)
2
Nesta situação estarão errados apenas 2 bits em n bits, pelo que a

probabilidade de erro após retransmissão virá, aproximadamente:
2
BER' ≈ Pb = (n − 1)BER 2 , (13.8)
n
e o tempo médio entre erros corresponderá à aplicação da equação 13.1

substituindo BER por BER’. Note-se contudo que este é um tempo médio entre
erros, mas estes sucedem aos pares.
Esta melhoria é conseguida à custa da implementação de um sistema de

retransmissão e de um maior número de bits transmitidos (bits de paridade e
blocos retransmitidos). A probabilidade de retransmissão corresponde à
probabilidade de erro de um número ímpar de bits, que virá aproximadamente
igual à probabilidade de erro de 1 bit no bloco, ou seja:
Pr ≈ nBER . (13.9)
Este código tem um desempenho razoável para erros aleatórios de baixa

probabilidade, mas será pouco satisfatório para erros em rajada.
13.3 Carácter de verificação de bloco – BCC
Um bloco de bits pode ser subdividido em sub-blocos, em que cada

sub-bloco estará protegido através de um bit de paridade. Por exemplo, na
transmissão de caracteres ASCII (7 bits), cada carácter estará protegido por 1
bit de paridade ( p x ). Este procedimento está ilustrado na figura 13.1, em que
cada carácter é apresentado em cada linha. Por sua vez cada coluna,
correspondente ao bit com o mesmo peso de cada carácter, estará também
protegido por 1 bit de paridade, produzindo um carácter de verificação ( c x ). A
vantagem deste código, denominado de carácter de verificação de bloco (BCC –

Block check character), é a de que, embora 2 bits errados possam escapar à
detecção numa linha, não passarão na detecção de bloco (coluna). Dois erros,
desde que não na mesma linha ou na mesma coluna, serão também detectados,
mas não é possível corrigi-los porque a posição dos erros fica indefinida entre
duas hipóteses (duas diagonais).
m71 m61 m51 m41 m31 m21 m11 p1

m72 m62 m52 m42 m31 m22 m12 p2
m73 m63 m53 m43 m31 m23 m13 p3
m74 m64 m54 m44 m31 m24 m14 p4
m75 m65 m55 m45 m31 m25 m15 p5
m76 m66 m56 m46 m31 m26 m16 p6
m77 m67 m57 m47 m31 m27 m17 p7
c7 c6 c5 c4 c3 c2 c1 c0
Figura 13.1
Código de carácter de verificação de bloco.
No caso de número ímpar de erros na mesma linha (ou na mesma coluna)

é mesmo possível encontrar a posição dos bits errados e corrigi-los por inversão
do seu valor lógico. Uma situação de erros não detectados corresponde a quatro
erros nos cantos de um rectângulo.
Outra vantagem deste código é alguma robustez na presença de erros em

rajada. A dimensão de uma rajada define-se como o número de bits entre o
primeiro e o último erro, inclusive, tendo entre rajadas um número de bits
correctos superior à dimensão da rajada. Se os bits não forem transmitidos por
carácter (linha), mas por coluna (entrelaçamento – m71 , m72 , m73 , m74 … c7 , m61 ,
m62 … p7 , c0 ), uma rajada de erros de dimensão máxima igual ao número de
linhas produzirá apenas 1 bit errado por carácter e esta situação será verificada
através das paridades de linha.
13.4 Detecção de máxima verosimilhança e distância de Hamming
Dado um bloco recebido, r, a probabilidade a posteriori de cada palavra

de código, c j é dada por:
f r (r | c j ) pc j
p (c j | r ) = , (13.10)
p (r )
e utilizando um critério de máximo a posteriori é descodificada a palavra de

código c j com maior probabilidade a posteriori. Assumindo que todas as
palavras de código são equiprováveis, o critério de máximo a posteriori é

equivalente ao critério de máxima verosimilhança, pelo que é descodificada a
palavra c j que maximiza:
f r (r | c j ) (13.11)
Pela análise da distribuição binomial (equação 13.2 com BER muito

pequeno e nBER << 1 ) que a função de verosimilhança é tanto maior quanto
menor for o número de bits diferentes entre r e c j . Define-se distância de
Hamming entre dois blocos, d (r , c j ) , como o número de bits diferentes entre r e
c j , em igual posição. Por exemplo os blocos 001 e 010 terão uma distância de
Hamming de 2, porque o 2˚ e 3˚ bits são diferentes. Para correcção de erros, o

critério de máxima verosimilhança será então equivalente a corrigir um bloco
recebido substituindo-o pela palavra de código que lhe diste a menor distância
de Hamming.
Define-se distância mínima, d min , de um código, como a menor distância

de Hamming entre palavras de código. Se o número de erros for igual ou
superior a d min , a palavra de código recebida poderá corresponder a outra
palavra de código e mesmo utilizando o critério da minimização da distância de
Hamming não se obterá a palavra transmitida.
Dada a distância mínima do código a capacidade de detecção e correcção

será:
Detectar até l erros d min ≥ l + 1 (13.12-a)
Corrigir até t erros d min ≥ 2t + 1 (13.12-b)
13.5 Eficiência do código
Um código com n bits, dos quais k são bits de informação e n-k são bits
de paridade, é denominado código (n, k). A eficiência do código, no sentido do
número de bits de paridade (redundância) introduzidos, é dada por,
k
eficiência = , (13.13)
n
e a redundância introduzida pelo código é dada por:
k
redundância = 1 − . (13.14)
n
É fácil de verificar que um código de paridade tem uma eficiência de

(n − 1) n , a maior possível para o mesmo valor de n. Tem no entanto uma
distância mínima de apenas 2 bits, pelo que consegue detectar somente 1 bit
errado e não consegue corrigir nenhum bit, pois haverá sempre duas palavras de
código com a mesma distância de Hamming. Um código BCC terá uma
distância mínima de 3 bits, uma vez que consegue corrigir sempre 1 bit de erro
mas não consegue corrigir 2 bits de erro.
Um código de detecção necessita de introduzir menos redundância em

relação a um código de correcção e portanto será, nesse sentido, mais eficiente.
Com o aumento do número de bits devido aos bits de paridade

introduzidos, duas situações (ou uma situação intermédia) podem ocorrer em
relação a uma transmissão sem codificação:
1) Aumenta-se o débito binário de modo a transmitir a informação

desejada no mesmo tempo. O débito binário virá, nestas circunstâncias:
n
Rb' = Rb . (13.15)
k
Note-se que o aumento do débito binário diminui a energia por bit, que
por sua vez aumenta o BER inicial.
2) Mantêm-se o débito binário e demora-se mais tempo a transmitir a

mesma informação. O aumento de tempo corresponderá a:
n
o =
'
Ttransmissã Ttransmissão . (13.16)
k
13.6 Código de repetição
Um código de correcção corresponde a repetir um bit de informação n-1

vezes, produzindo um código (1, n) (ou R(n)), com n ímpar. Por exemplo para
n=3, as duas palavras de código (k=1) serão 000 e 111.
Na figura 13.2 apresentam-se todos os blocos possíveis de 3 bits num

espaço tridimensional, em que cada bloco diferente corresponde a um vértice de
um cubo. Os pontos a cheio nos vértices do cubo da figura (a) representam as
palavras de código de um código de repetição e em (b) de um código de
paridade. Blocos separados de uma aresta têm distância de Hamming de 1 e
errar 1 bit corresponde ao deslocamento numa aresta. Note-se que o código de
repetição tem uma maior separação entre palavras de código (3 arestas ou
distância de Hamming de 3) do que o código de paridade (2 arestas ou distância
de Hamming de 2). Quando se tem 1 erro de bit, enquanto que no código de
paridade se fica posicionado num vértice à distância de 1 aresta de 3 palavras de
código diferentes, no código de repetição fica-se a uma aresta do código original
e a duas do outro código.
(a) (b)
Figura 13.2
Palavras de código de 3 bits (a) Código de repetição (b) Código de paridade.
A eficiência do código de repetição, dada pela expressão 13.17, é a menor

possível para um determinado n, ao contrário do código de paridade que é a
melhor possível para o mesmo n, encontrando-se neste aspecto estes códigos nos
dois extremos de eficiência.
1
eficiência = . (13.17)
n
Naturalmente que a distância entre as palavras de código é de n, pelo

que se pode corrigir até (n − 1) 2 bits errados, correspondendo a uma regra por
maioria. Por exemplo se for recebido para n=3 o bloco 100 será descodificado o
nível lógico “0”, pois existem uma maioria de 0 recebidos. Para (n + 1) 2 ou mais
bits errados a descodificação produzirá um erro. A probabilidade destes erros
virá então:
n +1
n
BER' ≈C n +1 BER 2
. (13.18)
2
Embora com uma eficiência muito baixa, em termos de uma grande

redundância introduzida, este código é utilizado no armazenamento de dados
que necessitem de alta protecção, por exemplo dados de clientes num banco,
colocando n discos em paralelo. Quando da escrita a mesma informação é
gravada em todos os discos e quando lida é aplicada uma regra por maioria de
modo a garantir que não haja erros.
13.7 Código de Hamming
Um dos código com uma distância mínima entre palavras de código de 3

e portanto capaz de corrigir 1 bit errado é o código de Hamming. Para ilustrar
este código assuma-se uma mensagem de 4 bits, por exemplo 1001. Este código
requer 3 bits de paridade, num total de 7 bits, correspondendo a um código
H(7,4) (Hamming (7,4)). Coloque-se os bits de informação da esquerda para a
direita, respectivamente nas posições seguintes:
m7 m6 m5 p4 m3 p2 p1
1 0 0 x 1 x x
Os 3 bits marcados com x, que note-se estão nas posições correspondentes

a potências de 2, corresponderão aos bits de paridade. Coloque-se agora estes
bits nas posições correspondentes indicadas na figura 13.13-a, como ilustrado na
figura 13.13-b. Os bits de paridade corresponderão ao cálculo da paridade par
dentro do mesmo círculo.
(a) (b)
Figura 13.3
Cálculo do código Hamming (7,4) (a) Pictograma (b) Exemplo.
Os bits enviados, incluindo os bits de paridade, serão então:
m7 m6 m5 p4 m3 p2 p1
1 0 0 1 1 0 0
Caso haja um erro, por exemplo em m6, os bits recebidos serão:
m7 m6 m5 p4 m3 p2 p1
Bits recebidos 1 1 0 1 1 0 0
O procedimento de correcção a ser efectuado no receptor é o seguinte:
1) Recalcula-se os bits de paridade, não levando em conta os bits de

paridade recebidos.
Figura 13.4
Cálculo do código Hamming (7,4).
2) Soma-se em módulo-21 os bits de paridade recebidos e calculados (ou,

de um modo equivalente, calcula-se a paridade par), produzindo um
número denominado sindroma.
m7 m6 m5 p4 m3 p2 p1
Bits recebidos 1 1 0 1 1 0 0
Bits calculados 1 1 0 0 1 1 0
Sindroma 1 1 0
3) Lendo os bits do sindroma da esquerda para a direita, e

transformando-o em decimal 110 ↔ 6, então o bit errado será o bit m6.
4) Inverte-se o nível lógico do bit errado e retiram-se os bits de paridade,

entregando os bits m7, m6, m5, m3 = 1001, os bits correctos.
Note-se pelo pictograma da figura 13.13 (a), que o bit m3 influência as

paridades (p2, p1) exactamente as posições com nível lógico “1” da conversão
para binário do seu índice (3 ↔ 011), assumindo as posições pela ordem (p4, p2,
p1), acontecendo o mesmo para os outros bits de informação. Uma alternativa
1
Módulo-2 (0+0=0; 0+1=1; 1+0=1; 1+1=0; 0-0=0; 0-1=1; 1-0=1; 1-1=0)
ao cálculo dos bits de paridade no código de Hamming corresponde a somar em

módulo-2 (paridade par) as posições em binário dos bits a 1 da informação.
p4 p2 p1
7 111 1 1 1
3 011 0 1 1
Paridade 1 0 0
No receptor, repete-se o procedimento, incluindo os bits de paridade,

resultando no sindroma. Caso este seja 0, então não haverá erros.
p4 p2 p1
7 111 1 1 1
4 100 1 0 0
3 011 0 1 1
Sindroma 0 0 0
Assumindo agora novamente um erro na posição m6, o sindroma virá:
p4 p2 p1
7 111 1 1 1
6 110 1 1 0
4 100 1 0 0
3 011 0 1 1
Sindroma 6 1 1 0
O sindroma corresponde novamente à posição errada, bastando para o

corrigir inverter o bit correspondente.
Note-se que por cada palavra de código válida haverá mais n blocos
correspondentes a cada posição possível com bit errado, não válidos. O número
de bits do sindroma, ou de um modo equivalente o número de bits de paridade,
n-k, deverá ser suficiente para detectar estas possibilidades, ou seja:
2 n−k = n + 1 , (13.19)
estando as posições dos bits de paridade sempre nas potências de 2.
O código H(3,1) corresponde a um código de repetição de 3 bits:
m3 p2 p1
Com 4 bits de paridade o código corresponderá a um código H(15,11).
m15 m14 m13 m12 m11 m10 m9 p8 m7 m6 m5 p4 m3 p2 p1
Qualquer que seja o número de bits de paridade é possível apenas corrigir

1 bit e só haverá erro de bloco se estiverem errados 2 bits ou mais. Caso se erre
2 bits, o bit a ser corrigido é sempre um terceiro bit, o que corresponderá no
final a 3 erros de bit. Para calcular a probabilidade de erro de bit, aproxima-se
a equação 13.4 ao primeiro termo, ou seja,
n(n − 1)
Pb = f (2 n, BER ) = C2n BER 2 = BER 2 . (13.20)
2
Ao tentar corrigir o bloco, provocar-se-á um terceiro erro, pelo que:

3 3
BER' = Pb = (n − 1)BER 2 (13.21)
n 2
Como comparação entre os métodos de codificação de repetição e

Hamming e verificação do efeito da eficiência, apresenta-se o gráfico da figura
13.5, para BER=1e-5.
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9

1,E-04
1,E-08
1,E-12 R(3)=H(3,1) H(7,4) H(15,11) H(31,26)
1,E-16 R(5)
1,E-20
1,E-24
1,E-28
1,E-32
BER'
1,E-36
1,E-40
1,E-44
1,E-48
1,E-52
1,E-56
1,E-60
1,E-64
1,E-68
1,E-72
R(31)
Eficiência
Figura 13.5
Códigos de repetição versus Hamming função da eficiência, para BER=1e-5.
13.8 Verificação cíclica de redundância – CRC
Um código de detecção de erros, bastante robusto na presença de erros

em rajada, é o de verificação cíclica de redundância (CRC – Cyclic redundancy
check). Estes códigos são simples de implementar e têm uma estrutura algébrica
bem definida, sendo capazes de uma grande eficiência.
O princípio dos códigos CRC é o seguinte: Suponha-se um número a

enviar entre o transmissor e o receptor, por exemplo 327. Faça-se a divisão
inteira deste número por 100. O resultado dá 3 e o resto 27. Se for enviada quer
a informação, o número 327, quer o resto da divisão, o número 27, é possível no
receptor verificar se houve erro. Para tal, subtraia-se à informação o resto
(327-27=300) e divida-se novamente por 100. Se o resto for 0 então não houve
erro entre o transmissor e o receptor. Restos diferentes de 0 correspondem à
existência de erros. Contudo, um erro que resulte num dividendo múltiplo do
divisor, ou seja, múltiplo de 100, não será detectado.
Aplicando este princípio para transmissão binária, assumindo aritmética

de módulo-2, em que somar ou subtrair são equivalentes, e considerando,
M (x ) – um número de k bits (mensagem a enviar);
G ( x ) – um número de n − k + 1 bits (divisor ou polinómio gerador);
R( x ) – um número de n − k bits, (resto da divisão inteira);
tem-se que,
M (x )2n − k R(x )
= Q( x ) + (13.22)
G(x ) G(x )
e,
M ( x )2 n − k − R( x ) M ( x )2 n − k + R( x ) R( x ) R( x )
= = Q(x ) + − = Q(x ) (13.23)
G(x ) G (x ) G (x ) G (x )
Note-se que R( x ) tem como dimensão n − k bits. Se for transmitido
T ( x ) = M ( x )2n − k + R( x ) (equivalente a colocar R( x ) nos bits a zero de M ( x )2 n − k ),

não haverá erros se este polinómio for divisível por G ( x ) , ou seja se T ( x ) G ( x )

não produzir resto, como se pode ver na equação 13.23. Caso haja erro definido
por um padrão E ( x ) , em que:
⎧ 1 quando é produzido um erro na posição i

ei = ⎨ (13.24)
⎩0 quando não existe erro na posição i
então o que é recebido corresponde a T ( x ) + E ( x ) (módulo-2) e,
T (x ) + E (x ) T (x ) E (x )
= + . (13.25)
G (x ) G (x ) G(x )
T ( x ) G ( x ) não produz resto, pelo que os erros só não serão detectados se
E (x ) G ( x ) não produzir resto, ou seja, se o padrão de erro for múltiplo do

polinómio gerador. A escolha do polinómio sai fora do contexto deste texto, mas
é essencial no desempenho final do código. Contudo é possível garantir um
desempenho que consiga detectar:
– 2 erros;
– Número ímpar de erros;
– Erros em rajada com dimensão inferior à dimensão do polinómio;
– Alguns erros em rajada com dimensão igual ou superior à do polinómio;
Alguns dos polinómios geradores mais utilizados são:
– Paridade x1+1
– Hamming (7,4) x4+x1+1
– CRC-6 ITU-T G.704 x6+x1+1
– CRC16 ITU-T V.42 x16+x12+x5+1
– CRC32 ITU-T V.42

x32+x26+x23+x22+x16+x12+x11+x10+x8+x7+x5+x4+x2+x1+1
14 Sumário
Este texto focou a interface eléctrica da camada física e os algoritmos de

detecção e correcção de erros de bit da camada de ligação do modelo OSI.
Foram descritos os principais códigos de linha para transmissão em

canais passa-baixo, quer utilizando códigos binários quer M-áreos. Para
transmissão em canais passa-banda foram descritas as principais modulações
digitais, também nas versões binária e M-área.
Para todos os códigos de linha e modulações foram deduzidas as

expressões da energia por bit, da largura de banda segundo o critério de Nyquist
que evita a interferência inter-simbólica e da probabilidade de erro de bit em
receptores óptimos com detecção por máxima verosimilhança.
Constituem os atributos dos códigos e modulações digitais o débito

binário, a energia por bit, a largura de banda, a probabilidade de erro de bit, a
facilidade de sincronismo de símbolo e de portadora, a complexidade de
implementação dos transmissores e receptores e a presença de componente DC.
Existem claramente compromissos em relação a estes atributos, já que por
exemplo para diminuir a banda ocupada dificulta-se o sincronismo de símbolo
que por sua vez aumenta a complexidade do receptor, ou para melhorar a
probabilidade de erro de bit poderá ter que se aumentar a energia transmitida
por símbolo.
Havendo ruído é impossível evitar erros de bit entre o transmissor e o

receptor. Para atenuar este efeito, foram apresentados métodos básicos de
detecção e de correcção desses erros, quer estes sejam erros esporádicos quer em
rajada. Estes métodos introduzem bits de redundância, sendo necessário
introduzir maior número de bits quando se pretender maior robustez e
naturalmente é também necessário maior número de bits para correcção do que
para detecção.
Formulário 79
Principais Fórmulas
Tb Tempo de símbolo
Rb Débito binário
A Amplitude do código de linha/modulação
Ek Energia do símbolo k, k=0 ou 1
Eb Energia média por bit
ST Potência transmitida
ρ Eficiência espectral
α factor de rolloff
BT Largura de banda
σ n2 Potência do ruído após filtragem
No/2 Potência por Hz do ruído no canal de transmissão
yk Tensão após filtragem sem ruído para o símbolo k, k=0 ou 1
λopt Tensão óptima de comparação na detecção binária
BER probabilidade de erro de bit
C Capacidade de canal
1
Rb = (3.1)
Tb
Tb
Ek = ∫ sk2 (t )dt (3.2)

0
E 0 + E1
Eb = . (3.4)
2
Eb
P= . (3.5)
Tb
Rb
ρ= . (3.6)
BT
Potência de ruído após filtragem
N0
σ n2 = (2 BT ) = N 0 BT . (7.1)
2
Filtro adaptado
y 0 + y1
λopt = . (7.6)
2
BER = p1 p 01 + p 0 p10 , (7.7)
y1 − y 0
d= . (7.11)
2
1 ⎛ d2 ⎞ 1
Área = erfc⎜ ⎟ = erfc( x ) (7.12)
2 ⎜ 2σ n2 ⎟ 2
⎝ ⎠
c(t ) = ks j (t ) (8.1)
N0
σ n2 = Ec (8.5)
2
Filtro adaptado normado
Ec = 1 (8.6)
N0
σ n2 = (8.9)
2
1 ⎛ d2 ⎞
BER = erfc⎜ ⎟ (8.10)
2 ⎜ N0 ⎟
⎝ ⎠
Códigos de linha binários

Largura de Energia média
Código Fácil Banda por bit
DC BER
binário Sincronismo
BT Eb
Rb 1 ⎛ Eb ⎞
PNRZ Não(1) Não (1 + α ) A 2Tb ercf ⎜⎜ ⎟
⎟
2 2 ⎝ N 0 ⎠
A2 1 ⎛ Eb ⎞
PRZ Não(1) Sim Rb (1 + α ) Tb ercf ⎜⎜ ⎟
2 2 N ⎟
⎝ 0 ⎠
Rb A2 1 ⎛ Eb ⎞
UNRZ Sim Não (1 + α ) Tb (1) ercf ⎜⎜ ⎟
⎟
2 2 2 ⎝ 2 N 0 ⎠
Manchester 1 ⎛ Eb ⎞
(Split- Não Sim Rb (1 + α ) A 2Tb ercf ⎜⎜ ⎟
2 ⎟
Phase) ⎝ N0 ⎠
Não(2) Rb A2 3 ⎛ Eb ⎞
AMI Não
Sim(BNZS)
(1 + α ) Tb (1) ercf ⎜⎜ ⎟
⎟
2 2 4 ⎝ 2 N 0 ⎠
Rb A2 ⎛ Eb ⎞
NRZI Não(1) Não (1 + α ) Tb (1) ercf ⎜⎜ ⎟
⎟
2 2 ⎝ N 0 ⎠
Com critério de 1º zero a largura de banda é dada com α=1.
1 – Desde que com 50% de ocorrência de bits a cada nível lógico.
2 – Sim, mas apenas nas sequências de bits ao nível lógico “1”.
Formulário 81
Modulações digitais binárias

Largura de Energia média
Modelações Banda por bit BER
binárias
BT Eb
A2 1 ⎛ Eb ⎞
B-PSK Rb (1 + α ) Tb ercf ⎜⎜ ⎟
2 2 N ⎟
⎝ 0 ⎠
A 2 (1) 1 ⎛ Eb ⎞
OOK Rb (1 + α ) Tb ercf ⎜⎜ ⎟
4 2 2 N ⎟
⎝ 0 ⎠
A12 + A0 2 (1) 1 ⎛ T ( A1 − A0)2 ⎞

B-ASK Rb (1 + α ) Tb ercf ⎜ b ⎟
4 2 ⎜ 8N 0 ⎟
⎝ ⎠
A2 1 ⎛ E ⎞
DPSK Rb (1 + α ) Tb exp⎜⎜ − b ⎟⎟
2 2 ⎝ N0 ⎠
f1 − f 0 + Rb (1 + α ) A2 1 ⎛ Eb ⎞
ercf ⎜⎜ ⎟
B-FSK Tb
2 2 2 N ⎟
⎝ 0 ⎠
1 – Desde que com 50% de ocorrência de bits a cada nível lógico.

Transmissão M-área
K Número de bits por símbolo
M Número de níveis
Rs Débito de símbolos [símbolos/s]
Es Energia média por símbolo [J]
Ps Probabilidade de erro de símbolo
M = 2K . (10.1)
Ts = KTb , (10.2)
Rb
Rs = . (10.3)
K
Es
Eb = (10.4)
K
Ps
BER ≈ para código Gray (10.16)
K
Capacidade de canal
⎛ P⎞
C = BT log 2 ⎜1 + ⎟ (10.8)
⎝ N⎠
Códigos/Modulações M-áreas
Largura de Distância Energia por Energia média

Código/ Banda símbolo por bit BER
símbolos
Modelação (Código Gray)
BT d Es Eb
2 5 2 5 2 3 ⎛ 2 Eb ⎞
2B1Q
Rb
(1 + α ) A A Tb A Tb ercf ⎜⎜ ⎟
⎟
4 3 9 9 8 ⎝ 5N0 ⎠
2A d 2 ( M 2 − 1) d 2 ( M 2 − 1) ( M − 1) ⎛ 3K Eb ⎞⎟
Rb
(1 + α ) ercf ⎜⎜
M-PAM
2K M −1 12
Ts
12
Tb
KM ⎝ ( )
M 2 − 1 N 0 ⎟⎠
⎛π ⎞ ⎛ Eb ⎞
A2 A2 1
Q-PSK
Rb
(1 + α ) Es sin ⎜ k ⎟
⎝2 ⎠ Ts Tb ercf ⎜⎜ ⎟
⎟
2 2 2 2 ⎝ N 0 ⎠
⎛π ⎞ ⎛ ⎞
A2 A2 1 ⎛π ⎞ Eb
M-PSK
Rb
(1 + α ) Es sin ⎜ k ⎟
⎝2 ⎠ Ts Tb erfc⎜ K sin 2 ⎜
⎜ ⎟ ⎟
⎟
K 2 2 K ⎝ ⎝M ⎠ No ⎠
2(M − 1) 2(M − 1) E0 2⎛ 1 ⎞ ⎛ 3K ⎞
QAM
Rb
(1 + α ) E0 E0 ⎜1 − ⎟ercf ⎜⎜
Eb ⎟
⎝ 2(M − 1) N 0
K⎝ M ⎠ ⎟
K 3 3 K ⎠
Formulário 83
Detecção e correcção de erros
BER Probabilidade de erro de bit sem correcção

Te Tempo médio entre erros de bit
n Dimensão do bloco em número de bits após aplicação do código
k Dimensão do bloco em número de bits antes da aplicação do código
Rb' Débito binário após aplicação do código
Pr Probabilidade de detecção de erro e retransmissão do bloco
Pb Probabilidade de erro de bloco
BER ' Probabilidade de erro de bit após correcção ou retransmissão
m!
f (l m, p ) = Clm p l (1 − p )
m −l
Clm =
(m − l )!l!
1
Sem erro em n bits (1 − BER )
Rb k
Te = =
n
Eficiência =
Rb BER Rb' n
Código de Paridade Pr = nBER Aproximação a errar 1 bit (BER<<1 e n “pequeno”)
Rb
Código k Pb BER '
Rb'
n −1 n(n − 1) 2
BER 2 = Pb = (n − 1)BER 2
n
Paridade n-1 C 2
BER 2
n 2 n
n +1 n +1
Repetição de 1
Pb = C
n 2 n 2
1 C n +1 BER n +1 BER
n bits n 2 2
'
Valores de Pb e BER aproximados, assumindo BER<<1 e n “pequeno”
Código de Hamming
Distância mínima de 3 bits; Corrige 1 bit ou detecta até 2 bits errados;
Rb
n-k n k Pb BER '
Rb'
n(n − 1) 3 3
n-k 2n − k − 1 n-(n-k)
k
C
n
2
BER 2
= BER 2
Pb = (n − 1)BER 2
n 2 n 2
2 (1) 3 1 0,33 3BER 2
3BER 2
3 7 4 0,57 21BER 2 9 BER 2
4 15 11 0,73 105BER 2 21BER 2
5 31 26 0,84 465BER 2 45BER 2
6 63 57 0,91 1953BER 2 93BER 2
'
Valores de Pb e BER aproximados, assumindo BER<<1 e n “pequeno”
(1)Equivalente ao código de repetição de 3 bits
Formulário 85
Apêndices
Apêndice 1 – Densidade espectral de potência em códigos de

linha
PNRZ
A2 ⎛ f ⎞
G( f ) = sinc 2 ⎜⎜ ⎟⎟
Rb ⎝ Rb ⎠
PRZ
A2 ⎛ f ⎞
G( f ) = sinc 2 ⎜⎜ ⎟⎟
4 Rb ⎝ 2 Rb ⎠
UNRZ
A2 2⎛ f ⎞ A2
G( f ) = ⎜
sinc ⎜ ⎟ +⎟ δ(f )
4 Rb ⎝ Rb ⎠ 4
Bipolar
A2 ⎛ f ⎞ ⎛ πf ⎞
G( f ) = sinc 2 ⎜⎜ ⎟⎟ sin 2 ⎜⎜ ⎟⎟
Rb ⎝ Rb ⎠ ⎝ Rb ⎠
Manchester
A2 ⎛ f ⎞ 2 ⎛ πf ⎞
G( f ) = sinc 2 ⎜⎜ ⎟⎟ sin ⎜⎜ ⎟⎟
Rb ⎝ 2 Rb ⎠ ⎝ 2 Rb ⎠
NRZI
A2 ⎛ f ⎞
G( f ) = sinc 2 ⎜⎜ ⎟⎟
Rb ⎝ Rb ⎠
Apêndices 87
Apêndice 2 – Relações de densidade espectral num SLIT
Densidade espectral de potência do sinal de entrada: G x ( f )
Densidade espectral de potência do sinal de saída: G y ( f )
Resposta em frequência do SLIT: H ( f )
Potência do sinal de saída: Py
Energia da resposta impulsiva h(t): Eh
N0
Densidade espectral de potência do ruído branco:
2
Potência do ruído de saída: σ n2
G y ( f ) = Gx ( f ) H ( f )
2
∞
Py = ∫ G y ( f )df
−∞
∞ ∞
Eh = ∫ h(t ) 2 dt = ∫ H( f )
2
df
−∞ −∞
∞ ∞
N N0
σ = ∫ Gw ( f ) H ( f ) ∫ H(f )
2 2
2
n df = 0 df = Eh
−∞
2 −∞
2
Sendo a entrada gaussiana e o filtro um SLIT, a distribuição das amplitudes

do sinal (ruído ou não) de saída é também gaussiana.
Assumindo que o SLIT é um filtro passa-baixo de frequência de corte B,
B
N0
σ n2 =
2 ∫ df
−B
= N0 B
Apêndices 89
Apêndice 3 – Função complementar de erro - dedução
Sabendo que a função erfc( x ) está tabelada e é definida por:
∞
2
erfc( x ) =
−µ 2
π ∫e
x
dµ
e sabendo que a área a tracejado é dada por:

∞ −
( y − y )2
1 2σ y2
Área = ∫
y +d 2πσ y2
e dy
Fazendo a mudança de variável:
y− y y− y d
µ= dy = 2σ y2 dµ =
2σ y2 2σ y2 2σ y2
y= y +d
∞ 2σ y2 1
∞
∫ ∫
2 2
Área = e − µ dµ = e − µ dµ
d 2πσ y2 π d
2σ y2 2σ y2
1 ⎛ d2 ⎞ 1
Área = erfc⎜ ⎟ = erfc( x )
2 ⎜ 2σ y2 ⎟ 2
⎝ ⎠
d2
Com x =
2σ y2
Apêndices 91
Apêndice 4 – Função complementar de erro - tabela

∞
1 2
erfc( x ) =
−µ 2
2 π ∫e
x
dµ
x 1/2 erfc(x) x 1/2 erfc(x) x 1/2 erfc(x)

0 5,000E-01 2 2,339E-03 4 7,709E-09
0,05 4,718E-01 2,05 1,871E-03 4,05 5,094E-09
0,1 4,438E-01 2,1 1,490E-03 4,1 3,350E-09
0,15 4,160E-01 2,15 1,181E-03 4,15 2,192E-09
0,2 3,886E-01 2,2 9,314E-04 4,2 1,428E-09
0,25 3,618E-01 2,25 7,314E-04 4,25 9,253E-10
0,3 3,357E-01 2,3 5,716E-04 4,3 5,967E-10
0,35 3,103E-01 2,35 4,446E-04 4,35 3,830E-10
0,4 2,858E-01 2,4 3,443E-04 4,4 2,446E-10
0,45 2,623E-01 2,45 2,653E-04 4,45 1,554E-10
0,5 2,398E-01 2,5 2,035E-04 4,5 9,831E-11
0,55 2,183E-01 2,55 1,553E-04 4,55 6,187E-11
0,6 1,981E-01 2,6 1,180E-04 4,6 3,875E-11
0,65 1,790E-01 2,65 8,924E-05 4,65 2,415E-11
0,7 1,611E-01 2,7 6,717E-05 4,7 1,498E-11
0,75 1,444E-01 2,75 5,031E-05 4,75 9,243E-12
0,8 1,289E-01 2,8 3,751E-05 4,8 5,676E-12
0,85 1,147E-01 2,85 2,783E-05 4,85 3,469E-12
0,9 1,015E-01 2,9 2,055E-05 4,9 2,109E-12
0,95 8,955E-02 2,95 1,510E-05 4,95 1,277E-12
1 7,865E-02 3 1,105E-05 5 7,687E-13
1,05 6,878E-02 3,05 8,040E-06 5,05 4,606E-13
1,1 5,990E-02 3,1 5,824E-06 5,1 2,747E-13
1,15 5,194E-02 3,15 4,199E-06 5,15 1,630E-13
1,2 4,484E-02 3,2 3,013E-06 5,2 9,626E-14
1,25 3,855E-02 3,25 2,151E-06 5,25 5,657E-14
1,3 3,300E-02 3,3 1,529E-06 5,3 3,308E-14
1,35 2,812E-02 3,35 1,081E-06 5,35 1,926E-14
1,4 2,386E-02 3,4 7,610E-07 5,4 1,116E-14
1,45 2,015E-02 3,45 5,330E-07 5,45 6,439E-15
1,5 1,695E-02 3,5 3,715E-07 5,5 3,664E-15
1,55 1,419E-02 3,55 2,577E-07 5,55 2,109E-15
1,6 1,183E-02 3,6 1,779E-07 5,6 1,166E-15
1,65 9,812E-03 3,65 1,222E-07 5,65 6,661E-16
1,7 8,105E-03 3,7 8,358E-08 5,7 3,886E-16
1,75 6,664E-03 3,75 5,686E-08 5,75 2,220E-16
1,8 5,455E-03 3,8 3,850E-08 5,8 1,110E-16
1,85 4,444E-03 3,85 2,594E-08 5,85 5,551E-17
1,9 3,605E-03 3,9 1,740E-08 5,9 5,551E-17
1,95 2,910E-03 3,95 1,161E-08 5,95 0,000E+00
93
Exercícios propostos
1. Suponha uma transmissão binária em PNRZ com um débito binário de

2400 bit/s, em que o sinal transmitido no canal tem uma amplitude de 1
Volt.
a) Calcule o valor mínimo da largura de banda e a potência do sinal

transmitido.
b) Desenhe o receptor com filtro adaptado em que a correlação é
efectuada com um sinal com amplitude de 10 Volts.
c) Calcule as tensões sem ruído, à saída do filtro adaptado, no instante de
amostragem.
d) Suponha que o sinal é corrompido com ruído branco, gaussiano e
aditivo, com função densidade espectral de potência de 10 µW/Hz.
Calcule a potência do ruído após o filtro adaptado.
e) Calcule a probabilidade de erro de bit.
2. Suponha uma transmissão binária num canal com uma largura de banda de
3300 Hz (banda telefónica). O canal é AWGN com ruído de 1 mWatt/Hz.
O código de linha usado é o split-phase, mas as amplitudes transmitidas
são 2 volts para o símbolo “0” e 3 volts para o símbolo “1”.
a) Determine o máximo valor do débito binário se o filtro de formatagem

tiver um factor de rolloff de 0,5.
b) Desenhe o diagrama de blocos de um receptor óptimo ao símbolo “1”,

normalizado (Assuma Rb da alínea anterior).
c) Calcule as tensões correspondentes aos dois símbolos lógicos após o

filtro de correlação.
d) Calcule o BER desta transmissão.
e) De quanto em quanto tempo, em média, é cometido um erro de bit?

3. Suponha uma transmissão digital binária URZ, com débito binário de 24

kbit/s. A amplitude do símbolo lógico “1” é de 2 Volt. O canal é AWGN
com função densidade espectral de potência de 1µW/Hz.
a) Desenhe o esquema de blocos do receptor normalizado.

b) Calcule as tensões sem ruído, à saída do filtro adaptado,
correspondentes a cada símbolo lógico, bem como a potência do ruído.
c) Calcule o BER.
4. Suponha uma transmissão digital, com débito binário de 40 kbit/s. A

largura de banda do canal é de 10 kHz, e o filtro de formatagem tem um
factor de rolloff de 0,2. O sinal transmitido é polar, sendo a diferença entre
símbolos adjacentes de 1 V. O canal é do tipo AWGN, com função
densidade espectral de potência de 10-6 Watt/Hz.
a) Calcule o débito de símbolos.
b) Desenhe o receptor óptimo com filtro adaptado normalizado.
c) Calcule a potência do ruído à saída do filtro.
d) Calcule as tensões de referência para distinguir as diversas hipóteses.
5. Suponha uma modulação PSK binária com um débito binário de 2400

bit/s, em que a portadora tem uma amplitude de 1 Volt. Calcule:
a) O valor mínimo e máximo da largura de banda e a potência do sinal
transmitido.
b) Desenhe o receptor com filtro de correlação em que a correlação é
efectuada com um sinal com amplitude de 10 Volts (Assuma Rb
mínimo).
c) Calcule as tensões sem ruído, à saída do filtro adaptado, no instante de
amostragem.
d) Suponha que o sinal é corrompido com ruído branco, gaussiano e
aditivo, com função densidade espectral de potência de 10 µW/Hz.
Calcule a potência do ruído após o filtro de correlação.
f) Qual o débito binário que permite obter um BER de 7,709x10-9?
95
6. Suponha uma transmissão ASK, em que as amplitudes são

respectivamente de 3 V para o símbolo “0” e 5 V para o símbolo “1”. O
factor de rolloff é de 0,2. O canal de transmissão é AWGN com banda
entre os 10 kHz e os 20 kHz e com uma densidade espectral de potência do
ruído de 10-6 Watt/Hz.
a) Calcule a frequência da portadora e o débito binário máximo.
b) Calcule a potência transmitida.
c) Esboce o receptor óptimo normalizado para este sinal.
d) Calcule o BER.
7. Suponha uma transmissão binária com os símbolos:
E em que o canal tem uma função densidade espectral de potência

Gw(f)=N0/2 Watt/Hz.
a) Qual a energia de bit (função da amplitude e duração dos símbolos)?

b) Desenhe o receptor óptimo ao símbolo “1”.
c) Calcule as tensões y1 e y0, correspondentes respectivamente ao
símbolo “1” e “0” sem ruído, no momento de amostragem (função da
energia de bit).
d) Qual o valor do BER (função da energia de bit e da densidade espectral
de potência do ruído)?
e) Se o símbolo “0” fosse representado por S0(t)=0 Volts (unipolar), o
BER seria alterado? Ganharia alguma coisa com esta mudança?
8. Suponha uma transmissão digital em PSK, em que o sinal de entrada tem

uma amplitude de 2 Volts e um débito binário de 256 kbit/s.
a) Calcule a largura de banda e a potência do sinal transmitido.
b) Para um receptor óptimo normalizado, calcule as tensões
correspondentes aos dois símbolos, na ausência de ruído.
c) Desenhe o diagrama de blocos do receptor óptimo normalizado.
9. Suponha uma transmissão digital binária, com um débito binário de 300

bit/s, em que os símbolos são representados em FSK, pelas frequências
1200 Hz e 2400 Hz, respectivamente para o símbolo lógico “0” e “1”. O
factor de rolloff do filtro de formatagem é de 0,5, sendo a potência
transmitida de 12,5 Watt. O canal é do tipo AWGN, com função densidade
espectral de potência de 8x10-3 Watt/Hz.
a) Calcule a largura de banda do sinal transmitido. Qual a banda ocupada?

b) Desenhe o esquema de blocos do receptor, assumindo que as
correlações são efectuadas com um sinal de amplitude 1 volt.
c) Qual o valor das tensões sem ruído correspondentes a cada nível lógico,
à entrada do bloco de decisão?
d) Qual a potência do ruído à entrada do bloco de decisão?
10. Suponha uma modulação PSK binária com um débito binário de 2400
bit/s, em que a portadora tem uma amplitude de 1 Volt. Calcule:
a) O valor mínimo e máximo da largura de banda e a potência do sinal

transmitido.
b) Desenhe o receptor com filtro adaptado em que a correlação é
efectuada com um sinal de amplitude 10 Volts (Assuma Rb mínimo).
c) Calcule as tensões sem ruído à saída do filtro adaptado, no instante de
amostragem.
d) Suponha um canal AWGN com função densidade espectral de potência
de 10 µW/Hz. Qual a potência do ruído após o filtro adaptado?.
f) Qual o débito binário que permite obter um BER de 7,709x10-9?
97
11. Suponha uma transmissão digital, com débito binário de 40 kbit/s. A

largura de banda do canal é de 10 kHz, e o filtro de formatagem tem um
factor de rolloff de 0,2. O sinal transmitido é polar, sendo a diferença entre
símbolos adjacentes de 1 V. O canal é do tipo AWGN, com função
densidade espectral de potência de 10-6 Watt/Hz.
a) Calcule o débito de símbolos.

b) Desenhe o receptor óptimo normalizado.
c) Calcule a potência do ruído à saída do filtro adaptado.
12. Numa transmissão digital com um BER de 10-6.

a) Num código de repetição de 7, qual a probabilidade de errar 5 ou mais
bits da repetição?
b) Suponha a sequência de bits de dados 0-1-0-1 (m7-m6-m5-m3). Qual o
resultado da aplicação desta sequência a um código de correcção
H(7,4)?
c) Suponha que, durante a transmissão da alínea anterior, erra o bit m6 e
p4. Quais os bits descodificados?
13. Assuma uma transmissão com um débito binário de 40 kbit/s e com um

BER de 10-5.
a) Calcule, em média, de quanto em quanto tempo é cometido um erro.

b) Se esta transmissão passar a ser protegida com um código de canal
Hamming H(7,4), qual o débito binário necessário?
c) Nas condições da alínea anterior, de quanto em quanto tempo é
cometido um erro? Compare com o valor obtido em a).
d) Se for transmitida a sequência de bits (m7-m6-m5-m3) 1-0-1-0, qual a
sequência de bits transmitida após aplicação do código H(7,4)?
e) Se for recebida a sequência de bits (m7-m6-m5-p4-m3-p2-p1)
1-1-1-0-1-0-1, qual a sequência de bits de dados após correcção?
14. Uma transmissão digital em PRZ, protegida através de um código

Hamming H(7,4), tem em média 1 erro em cada 387 bit.
a) Calcule a probabilidade de erro após correcção.

b) Calcule a relação Eb/No.
c) Se receber a sequência 1-0-1-1-0-1-1 (m7-m6-m5-p4-m3-p2-p1), qual
a sequência após correcção?
15. Uma transmissão digital em PRZ com um débito de 24 kbit/s, protegida

através de um código de repetição de 3 bits, tem em média 1 erro em cada
1000 s.
a) Qual o débito binário se não fosse utilizada correcção?

b) Calcule a probabilidade de erro após correcção.
c) Calcule a relação Eb/No.
d) Se gerar a sequência de dados binária 1-0, qual a sequência a transmitir
após a aplicação do código de correcção?
e) Se receber a sequência 1-0-1-1-1-1, qual a sequência após correcção?
99
Pergunta teóricas
16. Que atributos deve ter em conta num código de linha?
17. Compare os atributos dos códigos PRZ e PNRZ.
18. Quais os efeitos do canal de transmissão que contribuem para os

erros de bit?
19. Que efeito se quer evitar com um filtro de formatagem? Como é

conseguido?
20. Explique o objectivo do filtro adaptado de recepção.
21. Explique o funcionamento do filtro adaptado de recepção.
22. Em que limites se situa a probabilidade de erro de bit?
23. Qual as vantagens e desvantagens de uma transmissão binária em

relação a uma transmissão M-área?
24. Qual a vantagem e desvantagens da introdução de códigos de canal

numa transmissão digital?
25. Diga se são verdadeiras ou falsas, justificando, as seguintes

afirmações:
a) O aumento do débito de símbolos faz diminuir o BER;
b) A medida de qualidade de um sistema de transmissão digital é a
SNR;
c) O filtro adaptado de recepção é implementado através de um
produto interno entre o sinal recebido e uma réplica (a menos de um
factor de escala) do sinal transmitido.
d) Um código de linha com componente DC tem sempre um pior
desempenho (maior BER) que o correspondente código sem
componente DC. (Estude duas situações distintas: 1) mantendo a
potência transmitida; 2) mantendo a “distância” entre símbolos)
101
_____________________________________
Bibliografia
_____________________________________
[Carlson (86)] - A. B. Carlson, “Communication Systems”,
McGrawHill, 1986.
[Haykin (01)] - S. Haykin, “Communication Systems”, Wiley, 2001.
[LoCicero (97)] – J. L. LoCicero, B. P. Patel, Chapter 6 of Mobile

Communication Handbook (J. D. Gibson) – “Line Coding”,
Chapman & Hall/CRCnetBASE, 1999.
[Halsall (90)] - F. Halsall – “Data Communication, Computer Networks

and Open Systems”, Addison-Wesley, 1992.
[Schwartz (90)] - M. Schwartz – “Information Transmission Modulation

and Noise”, 4˚ Edition - Mc Graw Hill, 1990.
103
________________________________________
Glossário de Acrónimos
________________________________________
2B1Q – 2 binary 1 quaternary

ARQ – Automatic repeat request
ASCII - American Standards Committee for Information Interchange
AWGN - additive white Gaussian noise
B-ASK - Binary Amplitude Shift Key
BCC – Block (sum) check character
BER - Bit error rate
bit - binary digit
BNZS – Bipolar with N Zero Substitution
BPF – band-pass filter
B-PSK - Binary Phase Shift Key
CRC – Cyclic redundancy check
DPSK - diferencial em PSK
FEC - Forward error correction
FSK - Frequency Shift Key
ISI – Inter-symbolic Interference
ISO - International Organization for Standardization
MAP – Maximum a posteriori
ML – Maximum Likelihood
NRZ – no return to zero
OOK - On-Off Key
OSI - Open System Interconnection
PAM - Pulse Amplitude Modulation
QAM - Quadrature Amplitude Modulation

RDIS - Rede Digital Integrada de Serviços
RZ – return to zero
S&H - Sampling & Hold
SNR - Signal to Noise Ratio

Sebenta Total

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Sebenta Total

Încărcat de

Drepturi de autor:

Formate disponibile

INSTITUTO SUPERIOR DE ENGENHARIA DE LISBOA

DEPARTAMENTO DE ENGENHARIA DE ELECTRÓNICA E

Engenharia de Redes de Comunicação e Multimédia

Engenharia Electrónica de Telecomunicações e Computadores

CARLOS EDUARDO DE MENESES RIBEIRO

O receptor deve fornecer, a cada combinação de dígitos, o

A diferença entre o sinal de entrada e de saída, assumindo

Quantizing for Minimum Distortion, 1960

2 CONVERSÃO ANALÓGICO-DIGITAL ..............................................2

PRINCIPAIS FORMULAS ..........................................................................55

EXERCÍCIOS PROPOSTOS .......................................................................73

Para além da tradicional rede de comunicação telefónica, o

Quando o sinal a transmitir é analógico, tipicamente variando

A conversão para digital provoca sempre distorção por quantificação.

Para além da integração de serviços, uma vantagem da representação

transmissão. Repare-se que ao contrário da transmissão analógica em que o

O problema da conversão analógico-digital é o de converter um sinal

discreto na amplitude, transformando um número infinito num número finito de

A amostragem pode ser descrita como a “observação” do valor do sinal

de diracs δ Ts (t ) com período Ts (Sampling Period).

O espectro do sinal amostrado corresponde à convolução do espectro de

f s δ fs ( f ) . Para reconstruir o sinal amostrado é necessário, então, filtrá-lo

passa-baixo (filtro reconstrutor) à frequência de corte fs/2, com ganho Ts para

em que a frequência mínima de amostragem denomina-se frequência de Nyquist.

Teorema da Amostragem de Nyquist-Shannon

É possível amostrar e reconstruir, sem erro, um sinal com banda limitada

Como os sinais resultantes da amostragem tem valores não nulos em

(figura 2.2) devidas à resposta em frequência do filtro, pesadas pelo valor da

Na figura 2.3 é apresentada toda a cadeia de amostragem e reconstrução.

2.2 Modulação por amplitude de impulsos

A amostragem com um trem de diracs só pode ser concebido em termos

Para calcular a largura de banda do sinal PAM, note-se que, como

H ( f ) = Tsinc( fT )e − jTπf , (2.4)

ser um filtro ideal, para ter a resposta em frequência inversa da de H(f),

cujo esboço é apresentado na figura 2.5.

Assumiremos neste texto uma frequência de amostragem de 8 kHz e uma

Parâmetros quantificados é um termo usado por exemplo em mecânica

Considerando a gama de um sinal o intervalo entre -mmax e mmax,

dividida em L intervalos de quantificação Φj(tj<m<=tj+1) de dimensão ∆j, a

Devido à aproximação que se dá na quantificação, esta, ao invés da

sempre cometido um erro ou ruído de quantificação, definido como a diferença

q[n] = m[n] − mq [n] , (2.6)

Para a mesma gama do sinal de entrada, quanto maior for o número de

Existem dois tipos de quantificadores cujas funções entrada-saída são

3 PCM - Modulação por código de impulsos

A codificação é a representação, binária ou outra, da sequência de valores

3.1 Quantificação uniforme

Quando os intervalos de quantificação são uniformes ( ∆ j = ∆ q ∀j ) o

Uma medida usada para aferir a qualidade de codificadores é a relação

é, nestas condições, uniforme à volta de cada valor de quantificação, sendo o

pelo que a potência do ruído de quantificação aumenta com o aumento do

A relação entre a potência P do sinal e a potência σ2q do ruído será então

Assumindo o caso ideal, ou seja, que a gama do quantificador V

ficando a SNR função da potência normalizada, definida em relação ao

O débito binário Rb, para uma frequência de amostragem fs virá:

Na tabela 3.2 apresentam-se os valores da SNR para codificação a 8 bits

Para garantir um valor mínimo da SNR de aproximadamente 32 dB

A melhoria da qualidade através do aumento do número de bits por

3.2 Quantificação não uniforme

Na secção anterior discutiu-se a utilização de PCM com quantificação

O histograma de um sinal de fala não é uniforme, tendendo a ter mais

Para se analisar o efeito da não linearidade g(m) e calcular a relação

em que g´(vj) é o valor da derivada da não linearidade à volta do j-ésimo valor