Sunteți pe pagina 1din 49

ESCOLA DE ENGENHARIA DE SO CARLOS

DEPARTAMENTO DE ENGENHARIA ELTRICA E DE


COMPUTAO

SEL 0343 Processamento Digital de Sinais

Notas de Aula
Prof. Dr. Emiliano R. Martins

1
1 Introduo
O curso SEL0343 - Processamento Digital de Sinais continuao do curso de Sinais
e Sistemas. O principal objetivo do curso familiarizar o aluno com as relaes entre
sinais e sistemas contnuos (analgicos) e sinais e sistemas discretos (digitais). A
motivao do curso bvia: qualquer sinal que queira ser estudado ou processado em um
computador tem quer ser digitalizado. Nesse curso, voc ir aprender os fundamentos
matemticos que estabelecem a relao entre o sinal contnuo (sinal fsico) e o sinal
digitalizado. Portanto, qualquer situao prtica que necessite o uso de computadores (ou
seja, qualquer situao prtica e ponto final) exige o conhecimento que ser tratado nesse
curso.
Como o curso de PDS depende desesperadamente do curso de Sinais e Sistemas,
essas notas de aula vo comear com uma breve reviso dos tpicos mais importantes de
Sinais e Sistemas. O aluno que se sentir inseguro em relao a esses tpicos pode utilizar
a reviso como guia. Se voc no sabe nada de Sinais e Sistemas, ento bom estudar
esse assunto urgentemente (no mnimo os tpicos abordados na reviso dessas notas de
aula).
2 Reviso de Sinais e Sistemas
2.1 Sinais
Um sinal , a priori, qualquer coisa que contm informao. Existem dois aspectos
relevantes a sinais: o cdigo contendo a informao e o meio onde ela propaga. Exemplos
de cdigos bvios so: 1- linguagem, 2 - Morse, 3 - acendeu a fogueira no topo da
montanha porque Mordor est atacando. Exemplos de meios: 1 - fala, 2 - escrita, 3 -
fibra tica, 4 - ondas de rdio, 5 fogueira e ar.
Neste curso no estamos preocupados nem com o cdigo em si e nem com o meio.
Estamos preocupados, por outro lado, com o sinal como um todo, ou seja, com o padro
(seja ele fsico ou no) que contm a informao j codificada.
Um sinal fsico um padro de alguma coisa fsica que varia em relao alguma
grandeza fsica. Por exemplo, um sinal de rdio composto por variaes de campo
eletromagntico no tempo. Mas sinais podem ser variaes no espao tambm. Essas
notas de aula so um sinal composto por variaes de tinta (se for impresso) no espao.
Tradicionalmente, entretanto, supe-se que o sinal seja uma funo do tempo e estuda-se
a teoria quase sempre supondo dependncia temporal; afinal de contas, a teoria para sinais
temporais a mesma para sinais espaciais. Assim, vamos representar o sinal como sendo
uma funo do tempo f(t), onde o valor de f no tempo t corresponde ao valor da grandeza

2
que carrega o sinal (por exemplo, o campo eletromagntico) nesse determinado instante
de tempo t. Portanto o sinal f(t) contm o padro que contm o cdigo, que por sua vez
contm a informao, que transmitido pelo meio.
Exemplos so sempre bem elucidativos: suponha que tenhamos o seguinte cdigo:
valor alto representa nvel alto de felicidade e valor baixo representa nvel baixo de
felicidade. Utilizando esse cdigo, uma pessoa feliz ir enviar um sinal alto (seja l o que
for a grandeza fsica, mas podemos supor que seja um campo eletromagntico). Uma
pessoa triste, ir enviar um sinal baixo. Ento a informao que transmitida o estado
de felicidade da pessoa. A Figura 1 mostra trs sinais diferentes que foram gerados por
trs tipos de pessoas, cada uma com a sua prpria percepo da existncia, utilizando esse
cdigo. Lembre-se que o sinal f(t) depende tanto do cdigo quanto da informao, mas
no depende do meio (apenas a unidade de f(t) depende da grandeza fsica).

Figura 1 Trs sinais diferentes utilizando o mesmo cdigo (sinal alto = feliz, sinal baixo = triste).

Note que todos os sinais da Figura 1 so contnuos, ou seja, existe um valor de f para
qualquer valor de t. Note tambm que os sinais da Figura 1 so binrios, ou seja, o sinal
admite apenas 2 valores (nesse caso alto ou baixo, ou seja, feliz ou triste). Neste exemplo,
o sinal binrio porque o cdigo binrio, mas no necessariamente porque a informao
binria (a pessoa muito feliz e a pessoa pouco feliz seriam representadas pelo mesmo
sinal). Por outro lado, poderamos ter um cdigo mais elaborado onde a intensidade do
sinal proporcional ao grau de felicidade da pessoa, como na Figura 2. Note que apenas

3
o bipolar envia um sinal binrio, mas neste caso o sinal do bipolar binrio porque a
informao que ele envia binria e no porque o cdigo binrio.

Figura 2

importante enfatizar desde j que PDS no lida especificamente com sinais


binrios. Essa confuso (no muito rara) advm do fato de que computadores armazenam
dados utilizando cdigos binrios. Mas a disciplina de PDS no trata de cdigos binrios
em computadores. O que realmente o assunto principal dessa disciplina a relao entre
um sinal contnuo e um sinal discreto. E o que um sinal discreto? Um sinal discreto nada
mais que uma sequncia de nmeros. Portanto, PDS lida com sequncias de nmeros.
E isso relevante para anlise computacional porque computadores no podem
armazenar sinais contnuos, mas somente sinais discretos, ou seja, sequencias de
nmeros. Repetindo: nessa disciplina iremos tratar das propriedades matemticas de
sequncias de nmeros (mas a disciplina muito mais interessante que essa ltima frase
possa levar a crer). E, claro, estaremos particularmente interessados em sequencias de
nmeros que foram geradas a partir de sinais contnuos pelo processo de amostragem.
Um dos exemplos mais comum msica: em PDS, voc vai estudar o que a sequncia de
nmeros armazenada em um CD ou em um computador tem a ver com msica em si.
J que vamos tratar especificamente de sequncias de nmeros, razovel
estabelecermos uma notao que faa distino entre um sinal contnuo (que para ns ser
uma funo do tempo) e um sinal discreto. Um sinal discreto f (ou seja, uma sequncia
de nmeros) ser representada com a notao f [n], onde n um nmero inteiro. Note que
o argumento da funo que um nmero inteiro, mas a funo f pode admitir qualquer

4
valor. Portanto, se o argumento estiver entre colchetes, o sinal ser discreto; se o
argumento estiver entre parnteses, o sinal ser contnuo.
Como dissemos anteriormente, um sinal discreto pode ser gerado a partir de amostras
de um sinal contnuo. A Figura 3 mostra alguns exemplos de sinais discretos gerados de
sinais contnuos. Apesar de nesse exemplo tanto t como n serem positivos, em geral tanto
t como n podem adquirir valores negativos tambm.
Se o espaamento entre amostras for Ts, ento teremos a seguinte relao entre os
sinais contnuos e discretos:
Equao 1

f n f nTs

Figura 3 Exemplos de sinais discretos gerados de sinais contnuos

Vamos supor que voc seja um mdico monitorando o grau de felicidade dos seus
pacientes e que voc receba o sinal enviado por eles no seu computador. Dessa forma,
voc vai visualizar uma sequncia de nmeros que representa o sinal contnuo original.
Vamos supor que uma intensidade do sinal em torno de 10 corresponda a uma pessoa
feliz, em torno de 5 um pessoa triste e abaixo de 5 j caracterize depresso. No exemplo

5
da Figura 3, O sinal que voc receber da pessoa feliz corresponde realmente uma pessoa
feliz. De fato, o sinal seria algo do tipo f[1] = 9.5, f[2] = 9.8, f[3] = 9.5, f[4] = 9, ... e por
a vai. Voc como mdico vai ficar tranquilo, pois o sinal do seu paciente feliz expressa
que ele continua feliz. De maneira anloga, o seu paciente excessivamente feliz (Figura
3 direita e acima) continuar enviando um sinal que expressa a sua real condio
emocional, que seria um sinal do tipo f[1] = 10, f[2] = 10, f[3] = 10, f[4] = 10, ... e por a
vai. Ento estaria tudo certo com o bobo alegre tambm. Agora, a encrenca aparece
quando comparamos os sinais enviados pelo dependente de drogas e pelo bipolar. Se o
mdico analisasse os sinais contnuos, ele poderia facilmente distinguir qual paciente o
drogado e qual o bipolar. S que com os sinais discretos ele no consegue mais, pois os
sinais so praticamente idnticos. O que muda somente a amplitude (o do drogado um
pouco mais alto) e a fase (o drogado envia primeiro um nmero baixo e depois um nmero
alto, enquanto o bipolar envia primeiro um nmero alto e depois um nmero baixo). Fora
isso, o sinal praticamente o mesmo: um nmero alto o suficiente para caracterizar
felicidade alta, seguido por zero (caracterizando depresso), seguido por nmero alto de
novo e por a vai. Como a fase no tem significado (j que ela depende do tempo exato
que o paciente comeou a enviar o sinal), a nica chance de o mdico diferenciar os dois
seria pela amplitude. Se, por outro lado, a amplitude for parecida para os dois, ento no
tem como o mdico saber qual qual, pois o padro da informao o mesmo para ambos
(esse padro ser expresso pelo contedo espectral dos sinais, como veremos mais
adiante). Esse um exemplo de perda de informao por amostragem: o intervalo de
amostragem Ts no pequeno o suficiente para que o sinal discreto reproduza o contnuo.
Uma das coisas mais importantes que um engenheiro (ou cientista em geral) tem que
saber no contexto de sinais como lidar com o problema da amostragem, ao qual
voltaremos em breve.
Antes de passarmos para sistemas, uma palavra rpida sobre a forma de f[n]. De
modo geral, f[n] representa uma sequncia de nmeros qualquer. Assim, f[n] pode ou no
ter forma analtica. Isso fica claro no exemplo da Figura 3: enquanto o sinal da pessoa
feliz no admite forma analtica, todos os outros 3 sinais poderiam ser representados
analiticamente. Por exemplo, o bobo alegre teria a seguinte forma analtica:
Equao 2

f n 10 para qualquer n
Enquanto os sinais do drogado e bobo alegre seriam, respectivamente:

6
Equao 3

f n 0 para n mpar
f n 13 para n par
e
f n 11 para n mpar
f n 0 para n par

Um outro exemplo bastante comum e muito importante na anlise de sinais o sinal


senoidal, que tem a forma geral:
Equao 4

f n cosn

Onde e so a frequncia e fase do sinal, respectivamente (lembre-se que apenas


n tem que ser um nmero inteiro: tanto e podem ser nmeros reais). Falaremos mais
de sinais senoidais no prximo captulo.
2.2 Sistemas
Um sistema qualquer coisa que faz qualquer coisa em um sinal. Apesar de horrvel,
essa definio expressa bem o que um sistema. Sistemas podem ser artificiais ou
naturais, e podem destruir ou melhorar um sinal. Um filtro um sistema artificial que
melhora o sinal (na maior parte dos casos). O ar um sistema natural que tende a piorar
o sinal. Uma fibra tica um sistema artificial necessrio para transmisso, mas cujo
efeito no sinal , em geral, malfico.
Um sistema representado matematicamente por um operador. Um operador,
pasmem, um objeto matemtico que realiza uma operao. Por exemplo, poderamos
definir o operador A{} como sendo:

Equao 5


A
x
Dessa forma, se tivermos uma funo f(x), o resultado da operao de A em f(x) seria
um sinal y correspondendo derivada de f em relao x:
Equao 6

f
y A f x
x

7
Em engenharia eltrica, sistemas (ou, equivalentemente, operadores) costumam ser
representados por caixinhas, explicitando a entrada e a sada do sistema. Se o sistema for
representado por um operador T{}, podemos utilizar a seguinte representao:

Figura 4 Representao de um sistema T operando sobre um sinal de entrada x e resultando em um sinal de


sada y.

Sistemas podem ser classificados de acordo com algumas propriedades gerais. Como
essas propriedades podem ser facilmente encontradas em qualquer livro de Sinais e
Sistemas, eu vou revisar aqui apenas as trs mais importantes.
Uma das propriedades mais importantes a linearidade. Suponha que um sistema
possua sada g1(t) e g2(t) para as entradas f1(t) e f2(t), respectivamente, ou seja:
Equao 7

g1 t T f1 t
g 2 t T f 2 t

Nessas condies, dizemos que esse sistema linear se, e somente se, a seguinte
relao for obedecida:
Equao 8

T a f1 x b f 2 t a g1 t b g 2 t

Onde a e b so constantes (ou seja, nmeros). Sistemas lineares so importantes por


duas razes. A primeira razo que vrios sistemas tanto naturais como artificiais so
lineares. A segunda razo que eles so fceis de manipular porque basta saber a resposta
do sistema para determinadas funes base para que possamos prever o seu
comportamento para uma funo qualquer. Voltaremos a esse assunto mais adiante,
quando tratarmos de sistemas lineares invariantes no tempo. A propsito, invarincia
temporal outra propriedade de suma importncia na anlise de sistemas.
Para elucidar o conceito de invarincia temporal, suponha novamente que um sistema
T{} possua sada g(t) para uma entrada f(t). Neste caso, se o sistema for invariante no
tempo, ento uma entrada f(t t0) resultar na sada g(t t0). Essa propriedade expressa

8
o fato da sada no depender do tempo absoluto da entrada. Como exemplo, suponha que
o sinal de entrada seja a ordem We shall fight on the beaches, we shall fight on the
landing grounds. Vamos supor tambm que o sistema seja um filtro que corte a ltima
frase. Ento a sada do sistema seria somente a frase We shall fight on the beaches. Se
o sistema for invariante no tempo, no importa a hora exata que voc aplica o sinal no
sistema, a sada ser sempre o sinal We shall fight on the beaches. Simples assim.
Apesar do conceito ser muitssimo simples, alguns alunos se confundem com a
representao matemtica do conceito de invarincia temporal. Por isso vou explicar a
notao um pouco mais. Para visualizar como essa propriedade expressa
matematicamente, suponha que o tempo t = 0 corresponda s 0 horas do dia 4 de
Novembro de 1940 e que o sinal de entrada f(t) contenha ao alerta We shall fight on the
beaches, we shall fight on the landing grounds enunciado s 0 horas do dia 4 de
Novembro de 1940, ou seja, no tempo t = 0. Se eu plotar esse sinal de entrada f(t) e o sinal
de sada g(t), teria algo com energia em torno de t = 0, como representado na Figura 5.

Figura 5

Mas vamos supor que eu precise do sinal de sada We shall fight on the beaches s
0 horas do dia 6 de Junho de 1944. O meu sinal de entrada continua sendo o alerta We
shall fight on the beaches, we shall fight on the landing grounds e eu continuo querendo
que o meu sinal de sada seja o alerta We shall fight on the beaches. Vamos chamar as
0 horas do dia 6 de Junho de 1944 de tempo t0 e vamos chamar o sinal de entrada dado

9
no tempo t0 de f2(t). Qual a relao entre f2(t) e f(t)? Como o mesmo sinal de alerta,
apenas dado em tempos diferentes, obviamente que o sinal f2(t) simplesmente uma
verso atrasada de f(t), ou seja:
Equao 9

f 2 t f t t0

Qual ser a sada do sistema para a entrada f2(t)? Depende: se o sistema for invariante
no tempo, ento a sada ser a mesma que a do sinal original, apenas atrasada de t0, ou
seja, se o sistema for invariante no tempo, ento:
g 2 t T f 2 t T f t t0 g t t0
onde
g t T f t
No nosso exemplo, o sinal g2(t) vai ser, obviamente, o comando We shall fight on
the beaches comeando no tempo t0. O sinais f2(t) e g2(t) esto representados na Figura
1Figura 6.

Figura 6

Voc deve estar pensando que esse conceito muito bvio e que todo sistema deve
ser invariante no tempo. Mas isso no verdade. Por exemplo, voc sabe que os
parmetros de transistores mudam quando eles aquecem, o que altera a resposta do

10
sistema: a priori, o sistema em um dia quente tem uma resposta e em um dia frio outra
resposta. Talvez voc esteja pensando que mesmo assim esse conceito de dependncia
temporal redundante, j que voc poderia, por exemplo, tratar o circuito quente como
um determinado sistema e o circuito frio como outro sistema, sem ter que apelar para um
conceito que envolve o sistema alterando no tempo. Isso apenas parcialmente verdade.
Seria verdade se o sistema for fixo durante a operao no sinal; por exemplo, se a
temperatura no alterar durante a passagem do sinal. Mas se o sistema mudar durante a
passagem do sinal, torna-se necessrio descreve-lo como um sistema variante no tempo.
Uma fibra tica, por exemplo, submetida a um pulso de luz muito forte, um sistema
variante no tempo porque o prprio pulso altera as propriedades ticas da fibra, que por
sua vez alteram o pulso. Esse um dos efeitos que limitam a velocidade de transmisso
em fibras ticas e atrasa o download do seu Breaking Bad do fim de semana. Em todo
caso, neste curso iremos focar em sistemas invariantes no tempo, ou seja, o sistema no
muda enquanto o sinal est passando.
A ltima propriedade que quero revisar a causalidade. A resposta de um sistema,
em geral, depende do sinal como um todo. Para entender esse conceito, suponha
novamente que temos uma entrada f(t) e uma sada g(t). Escolha um determinado tempo
to. Em geral, a sada nesse tempo, ou seja, g(t0), depende de f(t) como um todo, ou seja,
de f(t) para todos os valores de t, e no somente de f(t0). O caso particular em que g(t0)
depende s de f(t0) chamado de sistema instantneo, mas esse um caso especial. Agora
um caso que bem comum quando g(t0) depende somente de f(t) para t t0. Neste caso,
o sinal g(t0) depende somente do sinal que j foi aplicado ao sistema (ou seja, do passado),
mas no do sinal que ainda no foi aplicado (futuro). Esse tipo de sistema chamado de
causal e a razo pela qual essa uma classe importante de sistemas que todo sistema
fsico causal. No tem como a sada de um sistema fsico depender do futuro. Esse
uma das noes mais bsicas de fsica, e tambm bastante intuitiva.
Agora, voc deve estar se perguntando, qual sistema seria ento no causal? Se o
sistema for fsico, a resposta nenhum. Mas um sistema no necessariamente fsico. E
isso especialmente verdade em sistemas discretos. Afinal de contas, o que um sistema
discreto? alguma coisa que opera em uma sequncia de nmeros. E o que significa
operar uma sequncia de nmeros? Nada mais que alterar a sequncia. Ento, obviamente,
um sistema discreto nada mais que uma operao matemtica arbitrria. Ento um
sistema discreto nada mais que alguma coisa que voc faz (provavelmente no
computador) com uma sequncia de nmeros. E essa operao pode ou no representar

11
uma operao fsica. Se no representa uma operao fsica, ento no tem nada que te
impea de utilizar toda a sequncia f[n] para calcular um valor especfico de g[n0]. Em
outras palavras, nada te impede de processar o sinal f[n] utilizando um sistema no causal.
Falaremos mais de causalidade para sistemas discretos mais adiante.
Ento existem 3 propriedades que so especialmente importantes para ns:
linearidade, invarincia no tempo e causalidade. Antes de prosseguirmos com a reviso
de Sinais e Sistemas, vlido resolver alguns exemplos para determinar se os sistemas
possuem essas trs propriedades. Eu j vou colocar a resposta para voc conferir se
acertou, mas tente sozinho(a):
Exemplos 1,2 e 3: Determine se os sistemas representados pelas operaes abaixo
so lineares, invariantes no tempo e causais:
1-
yt T xt x 2 t
Resposta: o sistema no-linear, causal e invariante no tempo.
2-
yt T xt xt x(t t0 ), com t0 0
Resposta: o sistema linear, causal e invariante no tempo.

3
yt T xt xt x(t t0 ), com t0 0
Resposta: o sistema linear, no - causal e invariante no tempo.

4
yt T xt xt t
Resposta: o sistema no - linear, causal e variante no tempo.

2.3 Sistema Lineares Invariantes no Tempo (LTI)


Por definio, sistemas LTI so, simultaneamente, lineares e invariantes no tempo.
Essa classe de sistemas, alm de ser bastante comum na prtica, de especial interesse
por permitir concluses bem gerais sobre o comportamento do sistema. Na verdade,
cursos de graduao em anlise de sinais, na maioria das vezes, tratam apenas de sistemas
LTI. Nessa seo vamos revisar os principais conceitos relacionados anlise de sistemas
LTI. Esses conceitos so uma das ferramentas mais poderosas e teis para engenheiros
em geral (no somente engenheiros eletricistas).
12
Antes de comearmos a reviso envolvendo o tratamento matemtico de sistemas
LTI, instrutivo entendermos qualitativamente o porqu da anlise de sistemas LTI ser
to poderosa. A descrio do comportamento de sistemas LTI est intimamente conectada
com a noo de base, que voc estudou em lgebra. Se voc ainda no entendeu o que
e para que serve o conceito de base em lgebra, ento eu sugiro que voc tente suprir essa
lacuna conceitual, porque ela de extrema importncia em cincias exatas. Um cientista
ou engenheiro que no sabe o que base equivalente a um msico que no sabe para
que serve o d r mi f.
Para entender o que o conceito de base tem a ver com sistemas LTI, vamos utilizar o
exemplo mais simples que voc aprendeu em lgebra: um sistema euclidiano em 2
dimenses. Imagine que voc tenha um vetor qualquer no sistema euclidiano em 2

dimenses. Vamos chamar esse vetor de a . Como voc viu em lgebra, podemos
descrever um vetor qualquer como uma soma de vetores unitrios ortogonais. Ento

poderamos escrever a a x x a y y , onde a x e a y so as coordenadas e x e y so os

vetores unitrios. Como qualquer vetor no espao 2D pode ser expresso como uma soma
entre os vetores unitrios x e y , dizemos que esses dois vetores unitrios formam uma

base para o espao 2D. E por que se dar o trabalho de expressar o vetor a como uma
soma de elementos da base? Por que isso to til assim? Porque pense o seguinte:
imagine que voc esteja estudando uma transformao vetorial linear. Vamos chamar essa
transformao linear de T{}. Essa transformao nada mais que uma operao
matemtica que transforma um vetor em outro vetor. Em outras palavras, a transformao
T{} um operador vetorial linear. Vamos dizer que voc est tratando de um problema
de eletrosttica em 2 dimenses. Isso significa que voc est estudando um campo eltrico
2D. O campo eltrico um campo vetorial, ou seja, a cada ponto do espao associado
um vetor. E agora voc precisa saber o que vai ocorrer com esse campo eltrico quando
voc fizer a transformao T{}. Se voc tivesse somente um vetor, voc poderia
simplesmente calcular qual vetor sairia da transformao T{}. Isso seria fcil e resolveria
o seu problema. Mas voc no tem um vetor: voc tem um campo vetorial. Voc tem
muitos, muitos vetores (na verdade, infinitos vetores). No d para calcular o resultado
da operao em cada um dos vetores. Ento o que voc faz? Voc expressa o campo
vetorial em uma determinada base e simplesmente calcula o resultado da transformao
nos dois vetores base. Como o operador linear, ento a transformao em um vetor

13
qualquer depende somente da transformao dos vetores base. Por exemplo, se sabemos

T x u e T y v , ento j sabemos tambm qual o resultado de T a. De fato:
Equao 10

T a T a x x a y y a x T x a y T y a x u a y v

Ento, ao invs de calcular o resultado da transformao para todo o campo vetorial,


tudo o que voc que fazer calcular a transformao para a base. Ao invs de fazer
infinitas contas, voc tem que fazer s duas: T x e T y . Da a imensa utilidade do
conceito de base. Mas note que essa utilidade est intimamente ligada com operaes
lineares. De fato, se T{} no for um operador linear, a Equao 10 estaria errada. Por
isso que o nome do curso onde voc aprende isso lgebra Linear, e no s lgebra.
E o que essa histria tem a ver com o nosso sistema LTI? Tudo a ver. O fato que
sinais so funes e funes so objetos algbricos, assim como vetores (se forem bem
comportadas, ou seja, sem nada muito bizarro como descontinuidades). O que eu quero
dizer com isso que funes podem ser expressas como um somatrio (ou integral) de
funes base, assim como vetores podem ser expressos como uma soma de vetores base.
O espao algbrico onde vivem as funes tem at um nome especfico. Enquanto o
espao de vetores chamado de espao euclidiano, o espao de funes chamado de
espao de Hilbert, em homenagem ao matemtico alemo David Hilbert.
E quais so as funes base? Existem inmeras, mas duas so de especial importncia
para ns. A primeira a base formada por exponenciais complexas. Voc j sabe que uma
funo f(t) pode ser expressa como a soma de infinitas exponenciais complexas, da forma:
Equao 11

f (t ) F exp it d

Onde F() a Transformada de Fourier (TF) de f(t). Portanto, a TF de uma funo


nada mais que uma decomposio vetorial: voc est expressando f(t) como uma soma
de infinitas funes base da forma exp it (cada valor de determina uma nica funo
base, como temos infinitos valores de , temos infinitas funes base). Note que F()
nada mais que a coordenada da expanso, ou seja, a transformada F() desempenha no
espao de Hilbert exatamente o mesmo papel que as coordenadas desempenham no
espao euclidiano. Note tambm que como existem infinitas funes base exp it , o
espao de Hilbert possui dimenso infinita.

14
E por que TFs so to teis na anlise de sinais? Simples: pela mesma razo que
bases so teis no espao euclidiano. Em outras palavras: porque se o sistema for linear,
ento tudo o que voc precisa saber a resposta do sistema para entradas da forma
exp it . Se voc sabe a resposta do sistema para esse tipo de entrada, voc sabe a
resposta para qualquer entrada. No exemplo do campo vetorial 2D, precisei fazer apenas
2 transformaes para determinar a transformao de qualquer vetor no espao 2D; aqui,
preciso determinar a resposta do sistema (ou seja, o resultado de uma transformao, ou
operao) apenas para funes exponenciais. Isso basta para eu saber a resposta para uma
funo qualquer. Em termos matemticos, se T{} linear e se
Equao 12

u(, t ) T exp it

Ento
Equao 13

T f (t ) T F exp it d F T exp it d F u, t d

A Equao 13 a verso da Equao 10 no espao de Hilbert.


possvel, entretanto, deixar a Equao 13 em uma forma ainda mais simples e til.
Para isso, precisamos de uma segunda base de funes, to importante como a base de
Fourier. Essa a base formada pela funo impulso (t) (o nome mais utilizado para a
funo impulso , na verdade, delta de Dirac, em homenagem ao fsico ingls Paul Dirac
que foi quem uniu a teoria da relatividade mecnica quntica). Voc com certeza est
familiarizado com fato de que uma sinal f(t) pode ser expresso como uma integral de
funes impulso:
Equao 14

f t f t 0 t t 0 dt0

Nessa forma, a funo f(t) est expressa como uma soma (integral) de infinitas
funes base (t - t0), onde cada t0 define uma nica funo base (note que a integral
sobre t0, ou seja, estamos somando infinitas funes base, cada uma determinada por um
valor diferente de t0). Note tambm que agora as coordenadas vm da prpria funo f(t):
cada base (t - t0) possui coordenada f(t0).
15
Comparando a Equao 13 com a Equao 14, vemos que um sinal no domnio do
tempo, f(t), pode ser interpretado como sendo as coordenadas da funo na base (t - t0),
enquanto um sinal no domnio da frequncia, F() pode ser interpretado como sendo as
coordenadas da funo na base exp it . Portanto a Transformada de Fourier nada
mais que uma mudana de base.
Vamos supor novamente que temos um sistema LTI T{} cuja entrada seja f(t) e sada
seja g(t):
Equao 15

g (t ) T f t

Como o sistema linear, vou expandir ele em uma base e estudar a operao do
sistema em termos da operao na funo base. Por enquanto, vou escolher a funo
impulso como base. Substituindo a Equao 14 na Equao 15, temos:
Equao 16

g (t ) T f t T f t t t dt
0 0 0

Por enquanto no fiz nada demais, apenas expressei f(t) na base da funo impulso,
o que pode ser feito independentemente do sistema; portanto, a Equao 16 vale para
qualquer sistema. Por outro lado, se o sistema for linear, ento a Equao 16 pode ser
reescrita como:
Equao 17

g (t ) T f t f t0 T t t0 dt 0

muito importante voc notar que a passagem da Equao 16 para a Equao 17


s vlida se T{} for um sistema linear.
Talvez voc no esteja muito confortvel com a Equao 17. Talvez voc esteja
pensando que o certo seria eu ter escrito g (t ) T f t T f t0 t t0 dt 0 . Afinal

de contas, que justificativa eu tenho de tirar o f(t0) para fora do operador, como eu fiz na
Equao 17? A resposta muito simples: lembre-se que o operador opera em funes do
tempo t. Por exemplo, se eu tenho uma funo do tipo f(t) = af2(t), onde a uma constante,
ento obviamente T{ f(t)} = T{ af2(t)} = aT{ f2(t)} (desde que T{} seja linear, claro).
Acontece que quando fizemos a expanso da Equao 14, f(t0) passou a ser simplesmente

16
a coordenada da funo (t - t0). As nicas coisas que dependem do tempo t no lado direito
da Equao 14 so as funes (t - t0). Cada f(t0) passa ento a ser uma constante (ou
seja, no depende de t) e a varivel t0 deve ser interpretada como sendo um ndice, que
diferencia as coordenadas das diversas funes (t - t0) (do mesmo jeito que os subscritos
x e y atuam como ndices nas coordenadas ax e ay no espao euclidiano,). A varivel tempo
t, e no t0. Portanto, para cada funo base (t - t0), temos uma coordenada fixa (ou seja,
um nmero) f(t0), que desempenha o mesmo papel da constante a no exemplo f(t) = af2(t).
Por isso que posso tirar as coordenadas f(t0) do operador na Equao 17.
Ento vamos voltar pra Equao 17. Agora, claro, seria til eu saber qual o
resultado da operao do sistema na base funo impulso, ou seja, qual resultado da
operao T{(t - t0)}, j que isso me permitiria saber qual o resultado de T{f(t)} para
qualquer f(t). Vamos supor que a gente conhea o resultado da operao na funo
impulso centrada na origem. Vamos chamar esse resultado de u(t). Em termos
matemticos, temos ento, por definio, que:

Equao 18

u(t ) T t

Agora, vamos supor que alm de linear, o sistema tambm seja invariante no tempo
(ou seja, vamos supor que o sistema seja LTI). Se o sistema invariante no tempo ento
temos da Equao 18 que:
Equao 19

T t t 0 u(t t 0 )
importante enfatizar novamente que a passagem da Equao 18 para a Equao
19 s vlida para sistemas invariantes no tempo. Combinando a Equao 19 com a
Equao 17, temos finalmente que, para um sistema LTI:
Equao 20

g (t ) T f t f t0 u t t0 dt0

O resultado da Equao 20 estrondoso. Ela diz que tudo o que voc precisa saber
de um sistema LTI a sua resposta ao impulso u(t). Se voc souber u(t), voc saber qual
a resposta g(t) para uma entrada f(t) qualquer. Basta fazer a integral da Equao 20 para
obter a sua resposta. Esse resultado anlogo ao problema da operao euclidiana
expresso na Equao 10. A nica diferena que na Equao 10 precisamos fazer duas

17
operaes, uma em cada base. Por outro lado, no caso de sistemas LTI tudo o que
precisamos fazer uma nica operao (a da Equao 18). Mas como pudemos nos reter
apenas uma nica transformao no caso de sistemas LTI, se temos um espao de
dimenso infinita (ou seja, se temos infinitas funes base (t - t0) )? No precisaramos
de infinitas operaes, uma para cada base? De acordo com a Equao 17 a resposta
sim, a priori precisaramos de infinitas operaes, uma para cada base (t - t0). Mas o
truque que se o sistema tambm for invariante no tempo, ento basta saber a
transformao para (t - t0) com t0 = 0 que j teremos automaticamente a resposta para
todas as outras infinitas funes base com seus respectivos t0 (e este fato expresso
matematicamente na Equao 19). Portanto, a invarincia no tempo permitiu reduzir o
trabalho de infinitas operaes para apenas uma!!
Voc j deve ter notado que a integral da Equao 20 uma convoluo. Para
facilitar a notao, vamos utilizar o smbolo * para denotar convoluo. Assim:
Equao 21

g (t ) T f t f t * u(t )

Chegamos ento no nosso primeiro resultado de fundamental importncia: um


sistema LTI completamente caracterizado pela sua resposta ao impulso (e aqui estamos
chamando a resposta ao impulso de u(t) ). Agora podemos re-expressar esse resultado,
mas no domnio da frequncia. Para isso, basta aplicar a Transformada de Fourier em
ambos os lados da Equao 21. Para facilitar a notao, vamos denotar a TF pelo
operador TF []. A razo pela qual o argumento do operador da TF diferente do
argumento do operador do sistema (na TF colchetes e no sistema chaves), que o
sistema altera o sinal em si, enquanto a TF apenas uma transformao na base
matemtica na qual estamos expressando o sinal (o sinal em si o mesmo). Por isso
bom manter essa diferena de notao. Assim, se G() a TF de g(t), ento por definio
temos que:
Equao 22

TF [ g (t )] G ( )
Lembrando que a convoluo no domnio do tempo corresponde multiplicao no
domnio da frequncia, temos que:
Equao 23

G ( ) TF [ f (t ) * u (t )] F ( ) H ( )

18
Onde F() a TF de f(t) e H() a TF de u(t). A Equao 23 chamada de resposta
em frequncia do sistema.
Podemos deduzir vrias coisas bem teis da Equao 23. Primeiro note que, se para
uma determinada frequncia 0, tivermos que F(0) = 0, ento necessariamente G(0) =
0 tambm. Isso significa que um sistema LTI no cria frequncias: o espectro do sinal de
sada no pode conter frequncias que j estejam no espectro de entrada.
Consequentemente, isso tambm significa que se o sinal de entrada possuir apenas uma
nica frequncia, ento o sinal de sada s poder ou ser zero, ou ser um sinal com a
mesma nica frequncia (podendo mudar apenas a amplitude e a fase). Por isso que se
voc colocar uma senide na entrada de um sistema LTI, a sada necessariamente uma
senide com a mesma frequncia.
Apesar de j termos deduzido que a sada de uma entrada com frequncia pura tem
que ser necessariamente uma sinal com a mesma frequncia pura, instrutivo provar esse
fato formalmente, porque durante a prova vamos ter uma expresso que nos d o
significado fsico de H(). A prova muito simples. Vamos supor que a entrada seja um
sinal com uma nica frequncia 0, ou seja:
Equao 24

f (t ) exp i0t
Neste caso, temos ento que:
Equao 25

F TF f (t ) TF exp i0t 0

Portanto, a TF da sada do sinal exponencial ser:


Equao 26

G F H H 0

Para sabermos qual a forma desse sinal no tempo, basta calcularmos a TF inversa:
Equao 27

g t G exp it d 0 H exp it d H 0 exp i0t

Expressando H() em notao fasorial ( H() = | H()|exp(i) ), temos finalmente


que:

19
Equao 28

g (t ) T exp i0t H 0 exp i0t 0


A Equao 28 fornece o significado fsico de H(): o mdulo de H() a atenuao
(ou ganho, dependendo se for maior ou menor que um) do sistema na frequncia e a
fase de H() a defasagem que o sistema impe nessa mesma frequncia . Portanto, se
voc quiser medir o H() de um determinado sistema, voc pode fazer dois experimentos
equivalentes. Voc pode colocar uma funo impulso no sistema, medir a sada e tirar a
Transformada de Fourier da sada. Ou voc pode colocar senides na entrada e medir a
atenuao e defasagem entre entrada e sada (neste ltimo caso, voc estaria determinando
H() frequncia por frequncia).
Esse o fim da reviso de Sinais e Sistemas. Pelo menos a priori, todo o contedo
coberto at aqui j deveria ter sido visto antes. De agora em diante vamos focar na anlise
de sinais discretos. O tratamento de sistemas discretos LTI muito anlogo ao de sistemas
contnuos LTI e ser tratado na parte final do curso.
3 Sinais Discretos
3.1 Introduo
Comeamos agora o curso de PDS propriamente dito, focando primeiro na anlise de
sinais discretos. J falamos um pouco sobre sinais discretos no captulo anterior, mas
vamos repetir as definies aqui, caso o aluno que brilhou no curso de Sinais e Sistemas
tenha optado por pular o captulo 2.
O nosso foco a anlise espectral de sinais discretos. No caminho, iremos tropear
no teorema da amostragem, mas estou partindo do princpio que voc j tenha visto esse
teorema anteriormente, portanto vou tratar s do essencial aqui.
Como definido no captulo 2, sinais discretos so sequncias de nmeros. Iremos
utilizar o argumento do sinal entre colchetes para denotar que o sinal discreto. Assim, a
funo f[n], onde n um nmero inteiro (podendo ser negativo) representa um sinal
discreto.
Um sinal discreto pode ser definido analiticamente atravs de uma funo explicita.
Por exemplo, poderamos definir um sinal f[n] como:

Equao 29

f n cos0.1n n2

20
Um sinal discreto pode tambm ser obtido de um sinal contnuo atravs da Equao
1. Por exemplo, considere o seguinte sinal contnuo e peridico f(t):
Equao 30

f t cost
Podemos extrair um sinal discreto desse sinal contnuo tomando amostras a cada
intervalo Ts. Assim:
Equao 31

f [n] f nTs cosnTs cosn


Onde
Equao 32

TS
Note que adimensional.
Todo sinal amostrado um sinal discreto, mas nem todo sinal discreto um sinal
amostrado: um sinal discreto pode ser uma sequncia de nmeros qualquer, obtida ou no
de um sinal contnuo. Alm disso, um sinal amostrado de um sinal peridico no ,
necessariamente, peridico. Por exemplo, o sinal da Equao 30 peridico
independentemente do valor de . De fato, sempre existe um perodo T = 2/ tal que:
Equao 33

f t f t T
Por outro lado, isso no necessariamente verdade para o sinal amostrado. De fato,
para que o sinal amostrado possua perodo N (onde N , claro, um nmero inteiro),
necessrio que a seguinte condio seja satisfeita para todo n:
Equao 34

f n f n N
Portanto, da Equao 31, temos que ter que:
Equao 35

cosn cosn N
Mas
Equao 36

cosn N cosncosN sin nsin N

Portanto, para que a Equao 35 seja satisfeita, necessrio que as duas condies
abaixo sejam satisfeitas simultaneamente:
21
Equao 37

cosN 1 e sin N 0
Obviamente, as condies da Equao 37 s sero satisfeitas quando o argumento
N for um mltiplo de 2. Assim, f[n] s ser peridico se existir um nmero inteiro m
tal que:
Equao 38

N m2
Assim, temos que a condio de periodicidade se reduz condio:
Equao 39

m

2 N
Como m e N so nmeros inteiros, a Equao 39 nos diz que o sinal amostrado s
ser peridico se a razo /2 for um nmero racional. Isso no sempre verdade e
depende da relao entre a frequncia do sinal contnuo e o perodo de amostragem. De
fato, expressando o sinal contnuo em termos da frequncia em Hertz (f = 2), a
substituio da Equao 32 na Equao 39 leva :
Equao 40

m
f Ts
N
Portanto se o produto f Ts no for um nmero racional, o sinal amostrado no ser
peridico.

3.2 Representao de Fourier de Sinais Discretos


Vamos comear a tratar agora mais especificamente da anlise espectral de sinais
discretos. Como dissemos anteriormente, sinais discretos nada mais so que sequncias
de nmeros. Por exemplo, a sequncia 10.2, 3.9, 2.5 e 11.4 um sinal discreto. Qualquer
vetor que voc defina no computador contm, em ltima anlise, uma sequncia de
nmeros e , portanto, um sinal discreto. Assim, a prpria definio do que um sinal
discreto j nos leva ao primeiro problema: como definir um espectro de frequncias para
uma sequncia de nmeros? Afinal de contas, a prpria noo de frequncia perde o
sentido se no temos alguma coisa variando no tempo. Um sinal de frequncia alta um
sinal que varia rpido e o conceito de rpido s faz sentido se estamos lidando com tempo.
Mas um sinal discreto no tem tempo, s uma sequncia de nmeros. Ento o nosso

22
primeiro problema achar um jeito de estender o conceito de frequncia para uma
sequncia de nmeros.
Existem mais de uma maneira de abordar esse problema. O mtodo que eu escolhi
foi o que eu julgo ser mais intuitivo e mais conectado com os problemas prticos que
engenheiros eletricistas tm que lidar. Esse mtodo consiste em tratar primeiro
especificamente de sinais amostrados e depois estender o resultado para uma sequncia
de nmeros qualquer. Assim, a passagem de sinais contnuos para sinais discretos poder
ser feita de maneira mais suave.
Para elucidar as passagens que levam do sinal contnuo ao sinal amostrado,
utilizaremos como exemplo a digitalizao de um sinal de udio. Suponha que voc tenha
um sinal eltrico que contenha um certo udio. Vamos chamar esse sinal de f(t). O sinal
f(t) representa uma grandeza fsica: no nosso exemplo f(t) o potencial eltrico (em Volts)
no tempo t. Agora vamos supor que queremos gravar o udio em um CD ou em um
computador. Precisamos primeiro passar o sinal f(t) por um conversor Analgico/Digital
(A/D). O conversor um circuito que capta amostras de f(t). Vamos supor que o conversor
A/D seja ultra rpido, de maneira que possamos tratar a amostragem como instantnea.
Vamos tambm supor que o intervalo de amostragem seja Ts e vamos chamar o sinal na
sada do conversor de fd(t). O que fd(t)? Ou, mais especificamente, fd(t) um sinal
discreto? muito importante entender que, formalmente, fd(t) no um sinal discreto
ainda. De fato, fd(t) ainda representa algo fsico, que varia no tempo. Tanto f(t) como fd(t)
so sinais contnuos e representam volts variando no tempo. A diferena entre os dois
sinais que fd(t) zero para todo t nTs, onde n um nmero inteiro. Agora vamos supor
que o sinal fd(t) entre em um computador, onde o valor de cada amostra (tomada no tempo
t = nTs) seja registrada em um vetor. Agora, nesse passo, ns perdemos a informao
temporal. Tudo o que temos agora uma sequncia de nmeros, que chamaremos de f[n].
Voc que fez a digitalizao sabe muito bem que f[n] est relacionado ao sinal de udio
original atravs do perodo de amostragem (ou seja, voc sabe que f[n] = f(nTs) ). Mas
essa uma informao que no est no sinal discreto f[n]. Se voc enviar f[n] por email
para um amigo seu, tudo o que ele ir receber uma sequncia de nmeros e, a no ser
que voc diga para ele qual valor de Ts voc usou, ele nunca ir conseguir transformar
essa sequncia de nmeros em msica novamente. O processo como um todo est
ilustrado na Figura 7. Note que os sinais contnuos so representados na cor vermelha e
o sinal discreto na cor preta. Note tambm que o eixo horizontal do sinal discreto no

23
mais t: o eixo horizontal agora n e admite apenas nmeros inteiros; de fato, o ltimo
grfico da Figura 7 s uma representao grfica de uma sequncia de nmeros.

Figura 7

Apesar de fd(t) ainda ser um sinal contnuo, ele pode servir como transio entre o
sinal f(t) e a sequncia f[n]. De fato, o sinal fd(t) o sinal contnuo mais parecido com
o sinal discreto: enquanto o sinal discreto s existe para valores inteiros de n, o sinal fd(t)
s diferente de zero para tempos t = nTs. Esse fato motiva a nossa ttica para definir
uma representao de Fourier para f[n]. A ttica muito simples: vamos calcular a
Transformada de Fourier (TF) para fd(t) e adaptar o resultado para uma sequncia f[n].
Na Figura 7 eu representei a funo fd(t) como sendo formada por pulso rpidos.
Matematicamente, os pulsos rpidos so descritos pela funo trem de impulsos TI, que
definida como:
Equao 41

n
TI t t nT s
n

A funo impulso (t) costuma ser representada graficamente por uma flecha.
Adotando essa representao, a funo TI(t) ser representada graficamente por uma
sequncia de flechas espaadas por intervalos Ts. Como a funo fd(t) composta de uma
sequncia de funes impulsos moduladas pelo sinal f(t), temos ento que:
Equao 42

n
f d t f t TI t f t t nT
s
n

A relao entre fd(t), f(t) e TI(t) est representada na Figura 8.

24
Figura 8

A Equao 42 nos permite encontrar a TF de fd(t) (que o que queremos agora) em


termos do espectro de f(t) (que a informao do sinal original, antes de ser amostrado)
e do espectro de TI(t). Antes de calcularmos a TF, til deixar registrado qual par TF
vamos utilizar ao longo do curso. Isso mais ou menos uma questo de gosto. Como eu
acho mais didtico trabalhar sempre em Hertz, vamos utilizar as seguintes transformadas
direta e inversa:

Equao 43

PAR TF
TF Direta

Xf xt exp i 2ft dt

TF Inversa

xt X f exp i 2ft df

Em alguns casos, vamos utilizar a notao TF[x(t)] para indicar a operao TF direta
e a notao TFI[X(f)] para indicar a TF inversa . Cuidado para no confundir o f do
argumento de X(f) com o f da funo f(t); eles so coisas completamente diferentes: f em
X(f) simboliza frequncia e f em f(t) o sinal temporal.

25
Assim, temos que:
Equao 44

Fd f TF f d t TF f t TI t TF f t TF TI t
Onde utilizamos a propriedade da TF que relaciona multiplicao no domnio do
tempo com convoluo no domnio da frequncia (lembrando que * simboliza
convoluo).
A TF de f(t) carrega a informao espectral do sinal original. Seguindo a notao que
estamos utilizando, vamos chama-la de F(f), ou seja:
Equao 45

F f TF f t
A TF do trem de impulsos, por outro lado, pode ser calculada analiticamente
utilizando a TF da funo impulso. Se voc no souber calcul-la sozinho, bom que
voc procure o clculo na internet ( muito fcil de achar). Como esse curso parte do
princpio que voc j tenha estudado TFs copiosamente, vou s colocar o resultado aqui:
Equao 46


TF TI t f s f kf s
k

Onde k um nmero inteiro e fs a frequncia de amostragem, relacionada ao


perodo de amostragem por:
Equao 47

1
fs
Ts
Portanto, a TF do trem de impulsos um trem de impulsos no domnio da frequncia.
Substituindo a Equao 46 e Equao 45 na Equao 44:

Equao 48

k

Fd f F f f s f kfs
k
A Equao 48 nos diz que a TF de fd(t) formada por infinitas convolues (ou seja,
F(f) convoludo com cada uma das funes impulsos que constituem a soma entre
colchetes). Lembre-se que, se tivermos duas funes X(f) e Y(f), ento a convoluo Z(f)
:

26
Equao 49

Z f X f Y f X Y f d

Expressando a convoluo na Equao 48 explicitamente, temos:


Equao 50


k k
Fd f F
s k
f f kfs d f s F f kfs d
k

Como a integral envolve a funo impulso, temos finalmente que:

Equao 51

k
Fd f f s F f kf s
k

Esquea viagens msticas em busca do seu eu interior: a Equao 51 uma das coisas
mais importantes que voc vai aprender na vida. Ento, observe bem o que essa equao
est te contando. Ela te d a relao entre o espectro do sinal amostrado Fd(f) e o espectro
do sinal original, F(f). Mais precisamente, a Equao 51 te diz que o espectro Fd(f)
constitudo de cpias do espectro de F(f) espaadas de fs.
A Figura 9 ilustra a relao entre Fd(f) e F(f). Na Figura 9a temos um esboo do
espectro do sinal original e estamos supondo que o sinal original possui amplitude
mxima A e tambm que a sua mxima frequncia seja f0. Podemos vislumbrar duas
situaes diferentes para Fd(f). Na Figura 9b estamos considerando uma situao onde a
frequncia de amostragem fs maior que o dobro de f0. Neste caso, as cpias de F(f) esto
separadas, o que significa que a informao do espectro original foi mantida. De fato, a
nica diferena entre a cpia centrada em f = 0 da Figura 9b e o espectro original de F(f)
na Figura 9a o fator fs na amplitude do espectro. Portanto, se fs 2f0, ento possvel
recuperar o espectro F(f) de Fd(f). Esse o famigerado teorema da amostragem.
Se voc no est pasmo(a), assustado(a) e maravilhado(a) com a frase em negrito do
pargrafo anterior, ento porque voc no entendeu a frase. Tente perceber o tanto que
essa concluso contra-intuitiva. O que a frase em negrito est te dizendo muito
simples: se eu te der Fd(f), voc consegue deduzir o que F(f); mas como Fd(f) e F(f) so
as Transformadas de Fourier de fd(t) e f(t), isso significa que recuperar F(f) de Fd(f)
equivalente recuperar f(t) de fd(t). Portanto, o que a frase em negrito do pargrafo
anterior est te dizendo que possvel recuperar f(t) de fd(t). Mas f(t) um sinal contnuo,
enquanto fd(t), embora rigorosamente falando tambm seja um sinal contnuo, ele s

27
diferente de zero em intervalos bem definidos. Em outras palavras, f(t) possui infinitas
informaes a mais que fd(t), j que fd(t) jogou fora toda a informao de f(t) que estava
entre os perodos de amostragem. Ento como pode ser possvel recuperar f(t) de fd(t)?
Isso maluquice. Como que o processo sabe que valores de f(t) devem ser colocados nos
intervalos entre as amostras? Como que podemos deduzir uma informao infinita (j que
um sinal contnuo contm infinitos tempos t) de uma informao finita (j que um sinal
discreto contm finitos tempos t diferentes de zero). Mas acabamos de mostrar que isso
sim possvel. E, de passagem, j at ensinamos como fazer isso fisicamente: basta passar
o sinal fd(t) por um filtro passa baixas para cortar as cpias no espectro de frequncia.
claro que recuperar f(t) de fd(t) consiste em fazer uma converso Digital para Analgico.
Portanto, um conversor D/A nada mais que um filtro passa baixa.

Figura 9

Obviamente nem sempre possvel executar a mgica de recuperar F(f) de Fd(f).


Como ilustrado na Figura 9c, se fs < 2f0, os espectros vo se sobrepor e as cpias originais
(representadas pelas linhas pontilhadas) estaro perdidas para sempre. De fato, se eu te

28
der o espectro resultante (linha slida na Figura 9c) no tem como voc recuperar as
cpias (linhas pontilhadas na Figura 9c), pela mesma razo que se eu te contar que a
soma entre dois nmeros d 5, no tem como voc saber quais so esses dois nmeros.
Esse efeito de sobreposio espectral chamado de aliasing.
Um ltimo comentrio sobre a forma de Fd(f): como Fd(f) consiste em infinitas cpias
de F(f), o espectro de Fd(f) contm infinitas frequncias. Mas esse um resultado j
esperado, uma vez que Fd(f) o espectro de um sinal formado por impulsos, e impulsos
contm infinitas frequncias.
Agora que j sabemos qual a relao entre Fd(f) e F(f), eu fao a seguinte pergunta:
qual a relao entre Fd(f) e as amostras no tempo (ou seja, qual a relao entre Fd(f) e
as amostras de f(t)). Essa pergunta particularmente til para ns porque no fim das
contas ns vamos trabalhar com as amostras de f(t), ento til encontrarmos uma
expresso que nos permita calcular Fd(f) diretamente de amostras de f(t), sem ter que
calcular F(f) primeiro. Para encontrarmos uma relao entre Fd(f) e amostras de f(t), basta
calcularmos Fd(f) diretamente. Assim, temos que:
Equao 52


n
n

Fd f TF f d t TF f t t nTs f t t nTs exp i 2ft dt
n n
Re-arranjando:
Equao 53


n
n
Fd f f t t nTs exp i 2ft dt f t t nTs exp i 2ft dt
n n

Da temos finalmente que:


Equao 54

n
Fd f f nT exp i 2 f n T
s s
n

Essa expresso particularmente interessante. Primeiro, lembre-se que ela


equivalente Equao 51: a Equao 51 e a Equao 54 so maneiras diferentes de
calcular a mesma coisa. Mas enquanto a Equao 51 nos ensina qual a relao entre
Fd(f) e F(f), a Equao 54 nos ensina a calcular Fd(f) diretamente de amostras de f(t),
tomadas em intervalos Ts. E por que eu estou to interessado assim nessa soma? Porque,
no fim das contas, eu vou querer trabalhar com uma sequncia de nmeros. Lembre-se
no exemplo do sinal de udio (Figura 7) que quando eu gravar o sinal temporal fd(t), eu

29
vou estar efetivamente criando uma sequncia de nmeros f[n], que vo conter as
amostras f(nTs) (ou seja, f[n] = f(nTs) ). Ento, vamos supor novamente que eu te envie a
sequncia de nmeros f[n] por email. E vamos supor que voc queira plotar o espectro de
f(t). O que voc faz? Primeiro, voc tem que ter feito o curso de PDS para saber que
possvel deduzir qual o espectro de f(t) do espectro de fd(t) (Equao 51). Na prtica,
voc quase sempre est interessado no espectro de f(t), s que os dados do computador
vo te permitir calcular somente o espectro de fd(t). Assim, voc tem que ter feito o curso
de PDS para saber a priori a Equao 51 e assim conseguir deduzir F(f) de Fd(f). Sabendo
a Equao 51, o seu problema se reduz encontrar Fd(f). E como encontrar Fd(f)?
Simples, voc me manda uma mensagem perguntando qual o perodo de amostragem
Ts e, uma vez que voc sabe Ts, voc escreve um cdigo no Matlab para executar a soma
da Equao 54. O que exatamente o cdigo do Matlab tem que fazer? Primeiro voc tem
que definir um vetor de frequncias f cobrindo uma certa regio. A priori, voc precisaria
de um vetor infinito, j que Fd(f) infinito. Mas como voc no pode definir um vetor
infinito, voc define um vetor que seja grande o suficiente para conter alguns dos perodos
de Fd(f). Por exemplo, voc poderia definir o vetor de frequncias f comeando em f = -
3fS e terminando em f = 3fS. Da, para cada ponto do vetor f (ou seja, para cada valor de
f) voc teria que fazer um loop para calcular a soma da Equao 54, e o resultado da
soma voc armazenaria em um segundo vetor, que podemos chamar de Fd. claro que
Fd ter o mesmo tamanho do vetor f e claro que quando voc plotar um pelo outro voc
ter um grfico contendo o espectro do sinal fd(t). Pronto, voc conseguiu calcular e plotar
Fd(f) no computador de maneira exata, e isso s foi possvel porque a Equao 54 uma
soma, e no uma integral.
Mas agora vamos supor que eu seja meio lerdo (isso , na verdade, mais uma
descrio da realidade emprica do que uma suposio). A voc est l com o seu sinal
f[n], mas eu estou demorando uma eternidade para te contar qual o valor de Ts. O que
voc faz? Voc supe Ts = 1 e faz o clculo da Equao 54 e plota o espectro. claro
que o espectro que voc tem no exatamente o espectro de fd(t), mas quase: a nica
diferena o eixo de frequncias, que est escalonado. Quando eu te enviar o valor de Ts
real, tudo o que voc precisa fazer multiplicar o vetor de frequncias no Matlab por fs
para corrigir o espectro e pronto!! Voc nem precisa recalcular Fd. Explicitamente, tudo
o que voc precisa fazer executar o comando f = f*fs e pronto, est resolvido.
Vamos ento lembrar o nosso problema original. Queremos encontrar um jeito de
definir um espectro de frequncias para uma sequncia de nmeros. Isso quer dizer que

30
queremos encontrar uma operao que seja o equivalente TF, s que aplicada uma
sequncia de nmeros. Podemos ser prticos e pensar o seguinte: apesar de uma sequncia
de nmeros no ter o eixo do tempo e, portanto, no ter como definir um espectro de
frequncias, eu posso supor que a minha sequncia de nmeros tenha sido gerada de um
certo sinal temporal amostrado fd(t) e usar a soma da Equao 54 como sendo a definio
da minha TF para sequencias de sinais. uma boa ideia, j que a Equao 54 envolve
apenas uma sequncia de nmeros e nos fornece uma interpretao fsica do resultado.
Mas a minha ideia bastante limitada pelo fato de que a Equao 54 envolve Ts
explicitamente, mas Ts no um valor que eu possa deduzir s da sequncia de nmeros.
Ento eu tomo uma atitude prtica: eu DEFINO uma operao que corresponda soma
da Equao 54, mas com Ts = 1. Afinal de contas, como vimos no pargrafo anterior, o
clculo de Fd(f) facilmente corrigido quando eu estiver de posse do valor real de Ts:
basta re-escalonar o eixo de frequncias. Assim, vou definir a Transformada de Fourier
para sinais discretos como sendo a seguinte operao:
Equao 55

n
F f nexp i 2 n
n

Essa operao chamada de DTFT, do ingls Discrete Time Fourier Transform, que
poderia ser traduzido simplesmente como Transformada de Fourier para sinais discretos.
A Equao 55 passa a ser idntica Equao 54 se voc fizer a substituio
Equao 56

fTs
Note que a DTFT simplesmente um nome para uma operao definida por algum.
Por isso, no existe uma deduo para a DTFT do mesmo jeito que no existe uma
prova matemtica para o fato de uma ma chamar ma. Por isso, eu poderia muito bem
ter comeado esse captulo com a Equao 55. Entretanto, o sujeito que definiu a DTFT
fez isso por uma razo, e tudo o que eu fiz at aqui foi mostrar essa razo. Portanto, em
momento nenhum eu deduzi a DTFT: eu apenas motivei a definio da DTFT e, no
processo, mostrei a relao que existe entre ela e a TF (relao esta que est intimamente
ligada com a motivao).
Provavelmente voc deve ter ficado irritado(a) de eu trocado a notao de f para v.
Afinal de contas, f e v so frequncias e, alm disso, no so iguais se Ts for 1? Na

31
verdade, no: mesmo se Ts for igual 1, v no ser exatamente igual f. Mais
precisamente, para o caso de Ts = 1, v e f sero numericamente iguais, mas tero unidades
diferentes: v adimensional, enquanto f tem (sempre) unidades de Hertz (ou seja, 1/s).
Essa diferena reflete a diferena formal entre a Equao 55 e a Equao 54:
formalmente, a Equao 54 envolve a funo temporal f(t), enquanto a Equao 55
envolve somente uma sequncia de nmeros f[n]. Estritamente falando, a nica operao
possvel de ser feita em um computador a da Equao 55, exatamente porque ela que
envolve puramente uma sequncia de nmeros. Em outras palavras, estritamente falando,
impossvel calcular uma Transformada de Fourier no computador diretamente, j que a
TF envolve uma integral e no computador podemos apenas fazer somas. Estritamente
falando novamente, toda e qualquer tentativa de calcular a TF em um computador ter
que aproximar a integral pela soma; essa necessidade faz com que toda e qualquer clculo
da TF em um computador se reduza ao clculo da DTFT. Como um dos principais
objetivos desse curso passar conceitos que permitam que o aluno relacione a DTFT com
a TF de um sinal, poderamos dizer que esse curso ensina a utilizar computadores para
determinar o espectro de frequncias de um sinal. E como essa uma tarefa extremamente
comum em cincias e engenharia, esse curso, apesar de ser em ltima instncia um curso
de matemtica, um curso extremamente prtico, com aplicabilidade direta em
praticamente todas as reas de engenharia.
Tudo o que foi aprendido at aqui est resumido na Figura 10. Analise essa figura
com cuidado. Imprima essa figura, faa um pster, rasgue o do Freddy Mercury com
colante e coloque essa figura no lugar. Voc deve ser capaz de entender todas as relaes
envolvidas nessa figura: por que a TF de fd(t) uma verso peridica da TF de f(t), s que
com amplitude multiplicada por fs; e por que a DTFT de f[n] uma cpia da TF de fd(t),
mas com o eixo de frequncias dividido por fs. Voc tem que ser capaz de provar
sozinho(a), matematicamente e qualitativamente, essas relaes. Ento no avance no
texto enquanto voc no conseguir deduzir tudo o que est implcito na Figura 10
sozinho(a).

32
Figura 10

O aluno(a) atento deve ter notado que est faltando uma parte da histria. Gastamos
um tempo motivando a DTFT, mas ainda no dissemos nada sobre a DTFT inversa. De
nada vale uma transformada se no soubermos a inversa!
Para encontrarmos a DTFT inversa, primeiro note o seguinte aspecto: a DTFT
relaciona uma sequncia de nmeros com um espectro de frequncias (entre aspas
porque a frequncia , na verdade, normalizada, ou seja, deixa de ter unidade de
frequncias e passa a ser adimensional). Apesar da sequncia de nmeros ser apenas uma
sequncia de nmeros, o seu espectro de frequncias uma funo contnua (note que
a notao F(v), com o argumento em parnteses, enfatizando que F(v) uma funo
contnua) e, alm disso, peridica. Em que outro lugar voc encontrou essa relao, onde

33
um domnio uma funo discreta e o outro domnio uma funo contnua peridica?
Esse exatamente o caso da Srie de Fourier (SF): a SF relaciona um sinal contnuo e
peridico no tempo com um sinal discreto no domnio da frequncia. Para facilitar a vida,
vou colocar aqui o par Srie de Fourier:

Equao 57

PAR SF
SF Direta
T

n
2
X n xt exp i 2 T t dt
1
T T

2

SF Inversa
n
n
xt X nexp i 2 T t
n

Onde T o perodo do sinal. Formalmente, a DTFT um caso particular da SF


Inversa com os papis de tempo e frequncia trocados. Compare a SF inversa com a
definio da DTFT: se na SF inversa voc trocar t por v e escolher o perodo T = 1, voc
ter obtido uma expresso idntica DTFT (com exceo do sinal da exponencial, que
mera conveno). Isso quer dizer que, formalmente, a DTFT equivale SF Inversa de um
sinal com perodo T = 1.
Ento, formalmente, se conhecemos o par SF, conhecemos tambm o par DTFT, a
nica diferena que para a DTFT o perodo sempre 1 e o domnio contnuo v,
enquanto para a SF o perodo arbitrrio e o domnio contnuo t. Portanto podemos
simplesmente utilizar o par SF para encontrar a inversa da DTFT: de fato, se a DTFT
formalmente igual SF inversa com T = 1 e t trocado por v, ento necessariamente a
DTFT inversa tem que ser formalmente igual SF direta, com T = 1 e t trocado por v.
Assim, o par DTFT fica:

34
Equao 58

PAR DTFT
DTFT Direta
n
X v xnexp i 2nv
n

DTFT Inversa
1
2
xn X v exp i 2nv dv
1

2

Compare a Equao 58 com a Equao 57 e verifique de fato que o par da Equao


58 nada mais que um caso particular (com T = 1) do par da Equao 57. Nessa
comparao, lembre-se que o fato de eu representar o espectro por letra maiscula e o
sinal por letra minscula s uma conveno. O que importa diferenciar quais funes
so contnuas e quais so discretas. Alm disso, voc deve ter notado que no par SF o
sinal da exponencial positivo para a soma (SF inversa) e negativo para a integral (SF
direta), enquanto no par DTFT o sinal positivo para a integral (DTFT inversa) e negativo
para a soma (DTFT direta). Qual sinal da exponencial positivo e qual negativo tambm
conveno. O que importa que um seja positivo e o outro negativo, mas no importa
qual qual.
Note que, apesar de no ter como provar a expresso para a DTFT direta, uma vez
que essa expresso foi definida, ento a DTFT inversa tem que ser encontrada por
deduo matemtica formal. Eu no fiz isso aqui porque essa deduo absolutamente
idntica deduo da Srie de Fourier, de novo pelo fato da DTFT ser um caso particular
(com T = 1) da SF. Eu estou, com isso, claro, supondo que voc j tenha visto essa prova
nos cursos que tratam especificamente da SF e da TF. No h porque repetir a prova aqui.
Finalmente, note que toda vez que um domnio for discreto, o outro domnio ser
necessariamente peridico. Essa propriedade vem do fato de que um domnio discreto
pode ser interpretado como sendo um domnio contnuo multiplicado por um trem de
impulsos. Mas multiplicar um trem de impulsos em um domnio corresponde convoluir
o outro domnio com um trem de impulsos. E essa convoluo resulta na periodicizao
do domnio. Foi exatamente esse processo de discretizao em um domnio resultando na

35
periodicizao do outro, via trem de impulso, que mostramos explicitamente nesse
captulo.

3.2 Propriedades da DTFT


Passemos agora a analisar algumas propriedades um tanto quanto teis e importantes
da DTFT. bvio que voc tem que saber provar todas as propriedades na mo e na raa.

3.2.1 A DTFT uma funo peridica com perodo 1


Essa uma das propriedades mais importantes da DTFT e, na verdade, j mostramos
que isso tem que ser verdade quando comparamos a definio da DTFT com a TF de fd(t)
(ou seja, quando comparamos a Equao 55 com a Equao 54) e, inclusive, utilizamos
essa propriedade para justificar a definio da DTFT inversa. Alm disso, essa
propriedade est explicitamente ilustrada na Figura 10. Mas como essa uma
propriedade que voc no pode nunca mais esquecer na vida, eu vou mostrar outra prova,
muito fcil por sinal, partindo diretamente da definio. Por definio, a DTFT de um
sinal f[n] :
n
F f nexp i 2n
n

Dizer que F(v) tem perodo igual 1, equivalente dizer que F(v) = F(v+1) para
qualquer valor de v. Alm disso, essa relao no pode ser satisfeita para nenhum valor
menor que 1. Para testar se isso verdade, basta fazer uma substituio direta:
n n
F 1 f nexp i 2 1n f nexp i 2 n exp i 2 n
n n

Mas como n um nmero inteiro, temos que exp i 2n 1 para qualquer valor de
n. Portanto:
Equao 59

n
F 1 f nexp i 2n F 1
n

Por substituio direta voc pode provar facilmente que isso s verdade para
mltiplos de 1. Portanto est provado que a DTFT uma funo peridica com perodo
igual 1. No esquea disso nunca mais.

36
3.2.2 A DTFT linear
Como a DTFT pode ser interpretada como um caso particular da TF de fd(t), e como
a TF linear, ento obviamente a DTFT tambm linear. Se voc desse tipo de gente
que tem por hobby provar que as coisas so lineares, segue a prova formal (mas to
besta que nem merece um nmero para a equao):

n n n
F af1n bf 2 nexp i 2n a f1nexp i 2n b f 2 nexp i 2n aF1 bF2
n n n

3.2.3 Propriedade de Simetria para sinais reais


Essa uma propriedade bem til e tambm tem a sua contraparte na TF. Ela diz que,
se f[n] for um sinal real (ou seja, se nenhum nmero da sequncia for complexo), ento
necessariamente F(v) = F*(-v). A prova direta: partindo de F(v):
n
F f nexp i2 n
n

Temos que:
n
F * f nexp i 2 n
n
*

Mas como f[n] real, temos que f*[n] = f[n]. Portanto:


n
F * f nexp i 2 n
n

E da que:
Equao 60

n
F * f nexp i 2 n F
n

Note que essa propriedade implica que as funes ReF (parte real de F(v) ) e

F (mdulo de F(v) ) so pares e que a tanto a funo ImF (parte imaginria de


F(v) ) de como a funo ngulo de F(v) so impares.
Essa propriedade meio que esperada pela seguinte razo: se f[n] for uma funo
real, ento temos 1 grau de liberdade para cada valor de n. Entretanto, temos 2 graus de
liberdade para F(v), j que F(v) uma funo complexa, e cada nmero complexo carrega
2 graus de liberdade (a parte real e a parte imaginria). Isso significaria que existira

37
excesso de informao em F(v). E esse excesso de informao no faria sentido, j que
f[n] e F(v) so apenas duas representaes diferentes do mesmo sinal. O que a propriedade
de simetria te diz que, na verdade, o grau de liberdade extra advindo da natureza
complexa de F(v) compensado por um grau de liberdade a menos advindo da
propriedade de simetria, que trava o valor de F(-v) uma vez que F(v) determinado.
Essa propriedade bastante utilizada em algoritmos para otimizar o custo computacional
da DTFT.
3.2.4 Deslocamento no tempo
A propriedade de deslocamento no tempo (entre aspas porque no temos tempo
mais, apenas o ndice n) tambm bem til na anlise de sinais. Suponha que tenhamos
um sinal f[n] cuja DTFT F[v]. Agora suponha que tenhamos um segundo sinal, f2[n],
que uma verso atrasada (ou adiantada, tanto faz), de f[n], ou seja:
Equao 61

f 2 n f n n0
Onde n0 , obviamente, um nmero inteiro. Vamos chamar a DTFT de f2[n] de F2[v].
Pergunta: qual a relao entre F2[v] e F[v]? Essa pergunta pode ser respondida
calculando F2[v] diretamente:
Equao 62

n n
F2 f 2 nexp i 2 n f n n exp i 2 n
0
n n

Para achar a relao entre F2[v] e F[v], defina o ndice m como:

Equao 63

m n n0
Queremos re-expressar o somatrio da Equao 63 em termos de m. Como o
somatrio em n vai de a , o somatrio em m tambm vai de a . Assim
temos que:
m m
F2 f mexp i 2 m n0 f mexp i 2 mexp i 2 n
0
m m

Como n0 um nmero fixo, que no depende de m, podemos isolar os termos que s


dependem de n0 na soma. Assim temos:

38
Equao 64

m
F2 exp i 2 n0 f mexp i 2 m
m

A soma em m na Equao 64 exatamente a DTFT de f[n] (no faz absolutamente


nenhuma diferena fazer a soma chamando o ndice de m ou de n, ou de p ou seja l o que
for). Da temos finalmente que:
Equao 65

F2 exp i 2 n0 F v
quando
f 2 n f n n0

Note que
Equao 66

F2 exp i 2 n0 F v F v

A Equao 65 te diz que se voc adiantar ou atrasar um sinal, voc vai estar
simplesmente alterando a fase do espectro, mas a amplitude inalterada (lembre-se que
o mdulo da exponencial com argumento imaginrio sempre igual 1). Isso faz sentido,
j que a amplitude do espectro de frequncias de um sinal s pode depender de como o
sinal varia, mas no pode depender de quando o sinal comea em absoluto. O mesmo
sinal emitido hoje ou amanh vai ter a mesma amplitude no espectro de frequncias: a
nica coisa que pode mudar a fase dessas frequncias. Finalmente, compare a
propriedade de deslocamento no domnio discreto (Equao 65) com a propriedade de
deslocamento no domnio contnuo (ou seja, a propriedade de deslocamento da TF se
voc esqueceu faa um google) e voc vai ver que elas so anlogas.

3.2.4 Diferena
Suponha novamente que tenhamos um sinal f[n] com DTFT F(v). Agora defina o
sinal f2[n] como a diferena do sinal f[n]:
Equao 67

f 2 n f n f n 1

39
Pergunta: qual a relao entre F2(v) e F(v)? A resposta pode ser facilmente
encontrada de maneira direta novamente:
n n
F2 f nexp i 2n f n f n 1 exp i 2n
n
2
n

Ento
n n n
F2 f 2 nexp i 2n f nexp i 2n f n 1exp i 2n
n n n

A soma envolvendo f[n] (primeiro termo direita da equao acima) a prpria


DTFT de f[n]. Alm disso, a soma envolvendo f[n-1] pode ser relacionada DTFT de f[n]
atravs da propriedade de deslocamento no tempo (Equao 65 com n0 = 1). Assim,
temos que:

F2 F v exp i 21F v 1 exp i2 F v

Portanto:

Equao 68

F2 1 exp i 2 F v
quando
f 2 n f n f n 1

Embora a deduo da propriedade de diferenas seja bem direta e bvia, a relao


entre essa propriedade e a sua contraparte contnua no to bvia assim. Para apreciar
essa aparente estranheza, lembre-se que executar uma operao de diferenas no domnio
discreto a contraparte da derivada no domnio contnuo. Portanto a propriedade de
diferenas deve ser anloga propriedade da derivada. Mas se voc lembrar bem, a
propriedade de derivao no tem nada a ver com a expresso da Equao 68. De fato, a
propriedade da derivada da TF diz que:

Equao 69

X 2 f i 2fX f
quando

x2 t
dx
dt

40
Ento tem algo estranho. Embora a operao de diferenas seja a contraparte da
derivada, a Equao 68 bem diferente da Equao 69. Enquanto uma envolve
multiplicar o espectro por uma expresso envolvendo uma exponencial, a outra envolve
simplesmente multiplicar o espectro por i2f. Como relacionar as duas propriedades?
Para entender melhor a importncia dessa pergunta, suponha que voc tenha um sinal
contnuo x(t) e sua derivada x2(t) = dx/dt. Voc j sabe que os espectros X(f) e X2(f) esto
relacionados pela Equao 69. Agora vamos supor que voc gere um sinal f[n] a partir
da amostragem de x(t) com perodo de amostragem Ts. Alm disso, voc amostra tambm
o sinal x2(t) = dx/dt, gerando assim o sinal f2[n].
Ento temos dois sinais contnuos e as suas contrapartes discretas. Da Figura 10 j
sabemos que F(v) (lembre-se que F(v) a DTFT de f[n]) formado por cpias
escalonadas de X(f) (onde X(f) o espectro de x(t)). Analogamente, F2(v) formado por
cpias escalonadas de X2(f). Estas relaes so representadas novamente na Figura 11
(Note que a parte a da Figura 11 corresponde ao primeiro e terceiro grficos da Figura
10, enquanto a parte b repete essas relaes, mas para o espectro de X2(f) ).

Figura 11

Para facilitar, considere somente o primeiro perodo de F(v) e F2(v). Vamos chamar
o primeiro perodo de F(v) de FPP(v) e o primeiro perodo de F2(v) de FPP2(v). Como
FPP(v) e FPP2(v) correspondem verses escalonadas de X(f) e X2(f), e como X(f) e X2(f)
obedecem relao X2(f) = i2fX(f), ento, necessariamente, FPP(v) e FPP2(v) tm que
obedecer relao:

41
Equao 70

FPP2 v i 2 f FPPv

Agora, vamos supor que voc no possa amostrar x2(t) = dx/dt. Vamos supor que
tudo o que voc tem x(t). Mas voc precisa do espectro da derivada de x(t). O que voc
faz? Obviamente, sua nica opo amostrar x(t) (gerando assim a sequncia f[n]) e
depois calcular numericamente a derivada de x(t). Mais especificamente, voc vai gerar
o sinal diferenas f3[n], tal que:

Equao 71

f 3 n f n f n 1
1
Ts

O sinal f3[n] corresponde ao sinal diferena de f[n] dividido por Ts. Tivemos que
dividir por Ts porque estamos interessados em plotar algo que corresponda ao espectro da
derivada do sinal temporal e a Equao 71 nada mais que o clculo numrico da
derivada de x(t). Mas se isso verdade, ento a DTFT de f3[n] tem que corresponder
DTFT de f2[n] (lembre-se que f2[n] o sinal gerado a partir da amostragem de x2(t) =
dx/dt). Mas a propriedade da Equao 68 nos diz que:

F3
1
1 exp i 2 F v
Ts
quando

f 3 n f n f n 1
1
Ts

Focando somente no primeiro perodo do espectro, temos ento que:

Equao 72

FPP3
1
1 exp i 2 FPPv
Ts

42
A est a encrenca: como f2[n] o sinal gerado a partir da derivada de x(t), e f3[n] a
derivada de x(t) calculada numericamente, se houver justia no mundo a gente espera que
ambos sinais sejam equivalentes e que a DTFT de f2[n] e f3[n] sejam iguais. Mas se
compararmos a Equao 70 com a Equao 72, vemos que elas no so iguais.
Na verdade, h justia no mundo sim (de vez em quando s). O que ocorre aqui que
temos que lembrar que f3[n] s precisamente a derivada de x(t) no limite que Ts vai para
zero. Isso quer dizer que, o que temos que provar que quanto menor for Ts, mais prximo
f3[n] ser de f2[n] e, consequentemente, mais prximo F3(v) ser de F2(v) (e, claro,
FPP3(v) de FPP2(v) ).
Para provar que isso verdade, primeiro lembre-se que quanto menor for Ts, maior
ser fs. Portanto, quanto menor for Ts, menor ser a razo f0/fs (veja a Figura 11 e lembre-
se que f0 a maior frequncia do sinal x(t) ). Mas o ponto v0 = f0/fs define o maior valor
de v0 para o qual FPP(v) diferente de zero (veja novamente a Figura 11): FPP(v)
zero para qualquer frequncia acima de v0 = f0/fs. Isso significa que podemos expandir a
exponencial da Equao 72 em uma srie de Taylor e reter somente os dois primeiros
termos (de ordem 0 e ordem 1), j que os termos de mais alta ordem s desempenham um
papel relevante para frequncias altas, quando o lado direito inteiro da Equao 72 ser
zero porque FPP(v) ser zero. Em outras palavras, quando os termos mais altos da srie
forme relevantes (ou seja, para frequncias altas), tudo ir para zero porque FPP(v) ser
zero; por isso, os termos de mais alta ordem podem ser ignorados. Ento expandindo a
exponencial em srie de Taylor em torno de v = 0 e retendo apenas os dois primeiros
termos temos:

FPP3
1
1 1 i 2v FPPv
Ts

Ou seja:

FPP3 i 2 v FPPv
1
Ts

Mas como 1/Ts = fs, temos:


FPP3 i 2 f s v FPPv
Mas como v = f/fs (Equao 56), temos que f = vfs, ou seja:

43
Equao 73

FPP3 i 2 f FPPv

Quanto menor for Ts, melhor ser a aproximao da Equao 73 (e a aproximao


vira uma igualdade no limite de Ts indo para zero). Comparando a Equao 73 com a
Equao 70, deduzimos que quanto menor for o perodo de amostragem Ts mas prximo
f3[n] ser de f2[n], ou seja, mais preciso ser o clculo numrico da derivada, o que faz
sentido e restaura a justia no mundo.
Mas quo pequeno Ts deve ser? claro que a resposta depende do sinal. E esse
fato est matematicamente expresso pelo termo v0 = f0/fs. No fim das contas, s esse
termo que define quo boa aproximao da expanso em srie de Taylor. Portanto, quem
decide quo pequeno deve ser Ts (ou, equivalentemente, quo grande deve ser fs) f0. Em
portugus: quanto maior for a frequncia mais alta do sinal (f0), maior ter que ser a
frequncia de amostragem (fs).
3.2.5 Soma
A ltima propriedade que vou tratar a soma. A soma, naturalmente, o anlogo da
integral no domnio contnuo. A deduo muito trivial, a no ser pela incluso de um
termo DC. Para explicar a origem desse termo DC, eu vou primeiro revisar a propriedade
da integral no domnio contnuo e ento explicar a origem do termo DC no domnio
contnuo, o que basta para entender a origem no domnio discreto.
Ento vamos comear por uma reviso da integral no domnio contnuo. Suponha
que temos um sinal y(t) que corresponda integral de um sinal x(t):
Equao 74

t
y t x d

Queremos saber qual a relao entre a TF de y(t) e a TF de x(t). Como x(t) pode ser
obtido derivando de y(t), portanto tem que ser verdade que:
Equao 75

xt ento i 2fY f X f
dy
Se
dt

Da poderamos concluir que Y(f) = X(f)/i2f. Mas essa concluso s quase verdade.
Na verdade, ela est incompleta: note que como x(t) a derivada de y(t), ento x(t) retm
apenas a parte AC do sinal y(t) (a derivada da parte DC de y(t) zero). Ento a relao
44
Y(f) = X(f)/i2f s pode estar certa no que corresponde parte AC de y(t). Esse fato
ainda mais bvio se voc lembrar que a parte DC de um sinal corresponde ao ponto f = 0
no espectro de frequncias, mas a relao Y(f) = X(f)/i2f daria Y(f) infinito no ponto f =
0. Portanto a relao Y(f) = X(f)/i2f s pode estar correta para f 0. Assim, a relao Y(f)
= X(f)/i2f est correta desde que fique entendido que ela s vlida para f 0. Mas como
encontrar Y(f = 0)? Em outras palavras, como encontrar a parte DC do sinal y(t)?
Para responder essa pergunta, primeiro note o seguinte: se x(t) for um sinal, ento
x(t) limitado no tempo, porque qualquer sinal tem comeo e fim (apenas funes base
para sinais, como seno e cosseno, so ilimitadas no tempo, mas no o sinal em si). Ento
podemos supor razoavelmente que x(t) seja limitado no tempo. Vamos supor que x(t)
comece em t1 e acabe em t2, como representado na Figura 12. Dessa forma, claro que
o sinal y(t) tambm vai comear em t1. Alm disso, o sinal y(t) passa a ser constante para
tempos maiores que t2, como representado na Figura 12. Se voc no entendeu por que
o sinal y(t) constante para t > t2, considere um tempo t3 que seja maior que t2. Temos
que:
t3

y t3 x d

Mas se t3 maior que t2, podemos dividir a integral em duas partes, a primeira
comeando em - e terminando em t2 e a segunda comeando em t2 e terminando em t3:
t3 t2 t3

y t3 x d x d x d
t2

Mas como x(t) = 0 para t > t2, a segunda integral ser zero, ou seja:
Equao 76

t3 t2 t3 t2

y t3 x d x d 0d x d yt 2
t2

Como a Equao 76 vlida para qualquer t3 que seja maior t2, ento y(t) contnuo
para t > t2.
Agora vamos separar graficamente o sinal y(t) da Figura 12 em sua parte AC e DC.
Para facilitar a notao, vamos chamar a amplitude y(t2) de B, como representado na
Figura 12. A parte AC de y(t) tem que ser um sinal cuja integral de - a + seja 0. Isso
significa que o sinal AC tem que ter uma parte negativa que cancele a parte positiva. Mas
como y(t) no limitado no tempo (j que y(t) = B para t > t2, estendendo at o infinito),

45
ento a parte AC de y(t) vai ter que ter uma parte negativa infinita para compensar a parte
positiva infinita. Vamos dividir y(t) ento em uma parte AC e uma parte DC
explicitamente:
yt y AC t DC

J sabemos que Y(f) = X(f)/i2f corresponde Transformada de Fourier da parte AC


de y(t). Formalmente, temos ento que:
Equao 77

Xf
TF y AC t YAC f
i 2f
Onde TF[] a Transformada de Fourier. Tudo o que precisamos agora da TF da
parte DC. Mas a parte DC uma constante, ou seja, um nmero. Como a TF de 1 a
funo impulso centrada em zero (como de se esperar), ento a TF de DC o nvel DC
vezes a funo impulso centrada em zero. Tudo o que precisamos ento achar qual o
nvel DC.
mais fcil visualizar graficamente o nvel DC do que deduzir rigorosamente. Como
representado na Figura 12, se y(t = t2) = y(t = ) = B, ento a parte DC tem que ser um
sinal com amplitude B/2, ou seja:
y t
y t y AC t DC y AC t
2

Mas y no tempo infinito a integral de x(t) de - a +:


Equao 78


y x d

Mas a integral de - a + corresponde X(0). De fato, se X(f) :


Equao 79


Xf xt exp i 2f dt

ento

X 0 xt exp i 2 0dt xt dt

46
Portanto:
Equao 80

y X 0
De onde conclumos que:
Equao 81

X 0
y t y AC t DC y AC t
2

Ento pronto, j identificamos que o nvel DC X(0)/2 o que significa que j


identificamos quem Y(0), j que a TF de X(0)/2 simplesmente X(0)/2 vezes a funo
impulso (j que X(0)/2 uma constante, ou seja, um nmero). Juntando essa informao
com a TF da parte AC temos finalmente que:

Equao 82

X f X 0 f
Y f
i 2f 2

47
Figura 12

No domnio discreto a mesma coisa. Supomos que temos um sinal soma definido
como:
Equao 83

n
g n f m
m

Ento f[n] dado pela diferena de g[n]:


Equao 84

n n 1
g n g n 1 f m f m f n
m m

Analogamente ao que fizemos no domnio contnuo, vamos dividir o sinal g[n] em uma
parte AC e uma parte DC:

48
Equao 85

g n g AC n DC

Usando a propriedade de diferenas da DTFT (Equao 68), temos direto que a DTFT
da parte AC de g[n] :
F v
G AC v
1 exp i 2v

Analogamente ao caso contnuo, a DTFT da parte DC ser a funo impulso vezes


F(0)/2. A nica diferena que temos que ter um trem de funes impulsos, j que a
DTFT do sinal peridica (ou seja, temos que ter uma funo impulso para cada
perodo). Assim temos finalmente que:
Equao 86

F v F 0
Gv v k
1 exp i 2v 2 k

49

S-ar putea să vă placă și