1

UCS

5. AMOSTRAGEM DE SINAIS CONTÍNUOS

5.1. Amostragem

x[n] = xc (nTs )

• Ts ⇒ período de amostragem

• f s = 1 Ts ⇒ frequência de amostragem (amostras por segundo)

• Ωs = 2π Ts = 2π f s ⇒ frequência (angular) de amostragem (radianos por segundo)

• O espectro de uma sequência discreta "sofre uma normalização" no eixo das

frequências...
 2
UCS

o Ex: x[n] = xc (nTs ) = cos(Ωt )

t =nTs
= cos(ΩnTs ) = cos(ω n) ω =ΩT
s

o Porrtanto... ω = ΩTs

em que Ω é a frequência absoluta (em rad/s) e ω é a frequência

normalizada/discreta

Exemplo: x(t ) = cos(300π t ) , Ts = 2,5 ms

 
x(nTs ) = cos(300π nTs ) = cos(300π n0,0025) = cos(0,75π n) = cos  3 π n 
4 
 3
UCS

5.2. Teorema da amostragem

• Conversor C/D ⇒ aproximação (idealização) de um conversor A/D

o Questão abordada no conversor C/D ⇒ amostragem

o Outros problemas a serem considerados no A/D ⇒ digitalização, linearidade,

eletrônica do S/H, etc.

o Representação do conversor C/D:

xc (t ) x[n] = xc (nTs )

Ts
Diagrama de um conversor C/D ideal.

Sendo
 4
UCS
+∞
s(t ) = ∑ δ (t − nT ) .
n=−∞

x[n] = xc (nTs )

Ts

Ts
 5
UCS

Sendo

xs (t ) = xc (t )s(t ) DTFT →
← X s (Ω) = 1 X c (Ω) ∗ S (Ω)
2π
+∞ +∞
2π
s(t ) = ∑ δ (t − nT )
n=−∞
DTFT →
← S (Ω) =
T k∑
δ (Ω − k Ωs )
=−∞

segue que

X s (Ω) = 1 X c (Ω) ∗ S (Ω)

2π
+∞
= 1 X c (Ω) ∗ ∑ δ (Ω − k Ωs )
T k =−∞
+∞
= 1 ∑ X c (Ω − k Ωs )
T k =−∞

que corresponde à DTFT de xc (t ) com réplicas repetidas periodicamente.

 6
UCS

Ts

Ts

• Se Ts ↑ , Ωs ↓ ⇒ Sobreposição de espectro (ver Applets)

• Ωc < Ωs −Ωc ⇒ Ωs > 2Ωc Taxa de Nyquist

 7
UCS

• Filtro antirrecobrimento ⇒ para evitar a sobreposição de espectro, antes da

amostragem de um sinal, é usual a aplicação de um filtro passa-baixas com ωc = ωs 2

(idealmente), de forma a garantir a taxa de Nyquist

5.3. Reconstrução de sinais amostrados

• Filtro de reconstrução ⇒ para recuperar um sinal contínuo xc (t ) a partir de um

sinal amostrado xs (t ) , (idealmente) basta que se aplique um filtro passa-baixas H (Ω)
com Ωc = Ωs 2
 8
UCS

• Características do filtro de reconstrução ideal

Ts

Ts

−4Ts −3Ts −Ts Ts 3Ts 4Ts

Ts Ts
 9
UCS

• Matematicamente:


+∞ Ta se Ω ≤ Ωa 2
X s (Ω) = 1 ∑ X c (Ω− k Ωs ) e H (Ω) = 
Ts k =−∞ 0 se Ω > Ωa 2



 1 +∞   X c (Ω) se Ω ≤ Ωa 2
X r (Ω) = X s (Ω)H (Ω) =  ∑ X c (Ω− k Ωs ) H (Ω) =  = X c (Ω)
Ts 
 k =−∞   0 se Ω > Ωa 2


• No domínio não transformado:

hc (t ) = ℑ−1 H (Ω) = Ts sin(Ωct ) = ΩcTs sin(Ωct ) = ωcTs sinc(Ωct )

{ } πt π Ωct π

o Não causal e não realizável

o Obs:
+∞ Ω Ω − +∞
= ∑ x(nTs ) ΩcTs sinc(Ωc (t − nTs ))
+∞
xr (t ) = ∫ xs (τ )h(t −τ )dτ = ∑ x(nTs ) cTs sin( c (t nTs ))
−∞ n=−∞ π Ωc (t − nTs ) n=−∞ π
 10
UCS

o Sendo xs (t ) (entrada do filtro) um trem de impulsos ponderados, xr (t ) (saída do

filtro) é uma soma de sincs deslocadas e ponderadas, que resultam em um
processo de interpolação dos impulsos de entrada:
 11
UCS

5.4. Subamostragem (downsampling)

y[n] = x[Mn] M ∈ℤ e M >1

• Realizada diretamente no domínio discreto: y[n] = x[Mn] = xc (MnTs )

• Corresponde ao descarte de amostras

o Sistema "compressor"

o Possível perda de informação

• Pode ocorrer recobrimento de espectro

o Compressão no tempo ⇒ expansão na frequência

 12
UCS

5.5. Superamostragem (upsampling)

y[n] = x[n L] se L > 1 , {L, n L}∈ℤ

y[n] = 0 se n L∉ℤ

• Realizada diretamente no domínio discreto: y[n] = x[n L] = xc (nTs L)

• Corresponde à adição de L−1 zeros (amostras nulas) entre cada amostra do sinal

o Sistema "expansor"

• Não ocorre recobrimento de espectro

o Expansão no tempo ⇒ Compressão na frequência (compressão do espectro

periódico)
 13
UCS

• É necessário um processo de filtragem • Se em vez de preenchermos com

passa-baixas (digital) zeros, replicarmos as amostras de
x[n] :
-3 -3
x 10 x 10
6 6

4 4
|F{x[n]}|

|F{x[n]}|
2 2

0 0
-1 -0.8 -0.6 -0.4 -0.2 0 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
w/ π w/ π
-3 -3
x 10 x 10
3 6

2 4

|F{x[n/2]}|
|F{x[n/2]}|

1 2

0 0
-1 -0.8 -0.6 -0.4 -0.2 0 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
w/ π w/ π
 14
UCS

o Sistema genérico para aumento da taxa de amostragem (interpolador)

o Exemplos de filtros de interpolação (simples e práticos)

Linear

1− | n | / L se | n |≤ L
hlin[n] = 
 0 se | n |> L

• Ex:
 15
UCS

Cúbica

• Ex:


 (a + 2)| n / L | −(a + 3)| n / L | +1 se 0 ≤ n ≤ L
3 2

hɶi[n] = a | n / L |3 −5| n / L |2 +8a | n / L | −4a se L ≤ n ≤ 2L


 0 se 2L < n

 16
UCS

5.6. Reamostragem por um fator racional

   
y[n] = x  M n = xc  M nTs 
 L   L 

• Corresponde a duas operações consecutivas:

o Superamostragem ⇒ w[n] = x[n L]

o Subamostragem ⇒ y[n] = w[Mn]

5.7. EXERCÍCIOS

1) Do livro do Nalon, fazer os seguintes exercícios do Capítulo 5:

1, 3.a, 3.b, 3.c, 4.a, 4.b, 5.a, 5.b, 5.c, 6.

 17
UCS

Soluções:

1: ω = π + 8kπ rad/s
4Ts
3.a: ω = 4π ≡ π rad/s
3 3
3.b: ω = 0,83π rad/s
3.c: ω = π rad/s
4.a: f = 1,875 +15r , r∈ℤ (KHz)
4.b: f = 1,6 +16r , r∈ℤ (KHz)
5.a: 2 f a
5.b: f a
5.c: f a
6. f s > 40 KHz. Se f s = 40 KHz ⇒ f = 7,5 KHz ⇒ ω = 3π rad/s
8
f =12,5 KHz ⇒ ω = 5π rad/s
4