Processamento Digital de Sinais

Marcelo Baslio Joaquim

So Carlos - 2010

ndice

Apresentao

Captulo 1 Sinais e Sistemas de tempo discreto

1.1 Introduo
1.2 Sinais de Tempo Discreto
1.3 Sinais de tempo discreto bsicos
1.3.1 Sequncia amostra unitria
1.3.2 Sequncia degrau unitrio
1.3.3 Sequncia exponencial
1.3.4 Sequncia senoidal
1.4 Algumas definies sobre sinais de tempo discreto
1.4.1 Energia
1.4.2 Potncia
1.4.3 Sequncias simtricas e anti-simtricas
1.5 Sistemas de tempo discreto
1.5.1 Sistemas lineares de tempo discreto
1.5.2 Sistemas lineares invariantes ao deslocamento
1.5.3 Sistemas causais
1.5.4 Sistemas estveis
1.5.5 Representao em diagrama de blocos dos sistemas de tempo discreto
1.5.6 Sistemas lineares discretos e invariantes ao deslocamento
1.5.7 Soma de convoluo
1.5.7.1 Propriedades da convoluo e sistemas LID
1.5.8 Causalidade e estabilidade em sistemas lineares invariantes ao deslocamento
1.6 Equao linear de diferenas com coeficientes constantes
1.6.1 Soluo da equao de diferenas
1.6.2 Resposta ao impulso
1.7 Representao de sinais e sistemas discretos no domnio da frequncia
1.8 Transformada de Fourier para sequncias
1.8.1 Espectro densidade de energia
1.8.2 Propriedades da transformada de Fourier para sinais discretos
Exerccios

1
1
1
3
3
3
3
4
6
6
6
8
8
9
10
10
11
12
13
13
15
15
17
17
19
20
22
23
25
30

Captulo 2 Amostragem de sinais

2.1 Sinais de tempo discreto
2.2 Amostragem de sinais
2.3 Teorema da amostragem
2.4 Converso da taxa de amostragem
Exerccios

35
35
35
36
39
44

Captulo 3 A transformada z
3.1 Introduo
3.2. Definio de convergncia
3.2.1 Regio de convergncia
3.2.2 Propriedades da regio de convergncia
3.3 Transformada z inversa
3.3.1 Mtodo formal pela integral de contorno
3.3.2 Mtodo por inspeo
3.3.3 Mtodo por expanso em fraes parciais
3.3.4 Mtodo por expanso em srie de potncias
3.3.5 Mtodo pela diviso longa
3.4 Propriedades da transformada z
3.4.1. Linearidade

45
45
45
46
50
51
51
53
54
57
58
59
59

3.4.2 Deslocamento no tempo

3.4.3 Diferenciao de X(z)
3.4.4 Multiplicao por uma sequncia exponencial
3.4.5 Complexo conjugado de uma sequncia
3.4.6 Reverso no tempo
3.4.7 Convoluo de sequncias
3.4.8 Teorema do valor inicial
3.4.9 Teorema do valor final
3.4.10 Teorema da convoluo complexa
3.4.11 Teorema de Parseval
3.5 Aplicao em sistemas lineares
3.5.1 Representao de um sistema utilizando a transformada z
3.5.2 Funo do sistema a partir da equao de diferenas
3.5.3 Estabilidade e causalidade
3.5.4 Obteno da resposta em frequncia a partir do grfico de polos e zeros
Exerccios
Captulo 4 Transformada discreta de Fourier
4.1 Introduo
4.2 Transformada de Fourier para tempos discretos
4.3 Transformada Discreta de Fourier
4.4 Transformada Discreta de Fourier Inversa
4.5 Propriedades da TDF
4.5.1 Periodicidade
4.5.2 Linearidade
4.5.3 Deslocamento circular x(n)
4.5.4 Deslocamento circular em X(k)
4.5.5 TDF de sequncias reais
4.5.6 Convoluo circular
4.5.7 Convoluo linear
4.6 Uso da DFT em anlise espectral
Exerccios

59
59
60
60
60
60
60
60
60
60
61
61
61
63
65
67
71
71
72
73
75
75
76
77
77
78
78
78
80
81
84

Captulo 5 Filtros Digitais

5.1 Introduo
5.2 Projeto de filtros digitais com resposta ao impulso infinita - IIR
5.2.1 Mtodo por aproximao das derivadas
5.2.2 Mtodo por invarincia ao impulso
5.2.3.Mtodo por transformao bilinear
5.3 Famlia de filtros analgicos
5.3.1 Resposta de Butterworth
5.3.1.1 Especificaes para o projeto de filtros passa-baixas
5.3.2 Resposta de Chebyshev
5.3.3 Filtros Elpticos
5.3.4 Filtros de Bessel
5.4 Exemplo de projeto de um filtro IIR
5.4.1 Pelo mtodo por aproximao das derivadas
5.4.2 Mtodo por transformao bilinear
5.5 Projeto de filtros digitais com resposta ao impulso finita - FIR
5.5.1 Definio de um filtro FIR
5.5.2 Condio de fase linear
5.5.3 Localizao dos zeros de um filtro FIR com fase linear
5.6 Projeto de filtros FIR por janelas
5.7 Projeto de filtros FIR utilizando janela de Kaiser
5.8 Projeto de filtros FIR por amostragem em frequncia
Exerccios

85
85
85
86
88
91
93
93
95
96
103
106
107
107
108
110
110
110
112
113
117
119
122

Captulo 6 Projetos otimizados de filtros

125

6.1 Projeto de filtros FIR equiripple

6.2 Aproximao de Pad
6.3 Mtodo de Prony
6.4 Projeto de filtros FIR pelo mtodo dos mnimos quadrados

125
131
133
134

Bibliografia

139

Apndices
A1 Janelas
A2 FFT
A3 Frmulas e tabelas

141
145
153

Apresentao
Processamento digital de sinais (PDS) o tratamento que se aplica a um sinal de tempo discreto.
Este processamento executado por meios digitais: computadores ou processadores digitais.
Com o advento dos computadores no incio da dcada de 60, e com o desenvolvimento de
algoritmos como o da transformada rpida de Fourier - FFT (Coley and Tukey 1965), tem incio a uma
nova etapa no campo de tratamento de sinais e suas aplicaes. O desenvolvimento dos
microprocessadores (dcada de 1970) e dos processadores digitais (dcada de 1980): ampliaram as
aplicaes de PDS. Por volta de 1975 tem-se a publicao dos primeiros livros importantes no assunto:

Openheim, A. V. and Schafer, R. W., Digital Signal Processing.

Rabiner & Gold, Theory and Applications of Digital Signal Processing.

A maior parte dos sinais encontrados so contnuos no tempo, por exemplo, udio, vdeo,
temperatura. Assim, para o tratamento digital, tem-se necessidade de converter as informaes em sinais
eltricos de tempo contnuos por meio de transdutores e em seguida digitalizar estes sinais, isto :
converter do tempo contnuo para o tempo discreto (digital) utilizando conversores AD. Os principais
componentes de um sistema DSP tpico so mostrados na figura 1.

Filtro
x(t)

Filtro
AD

DSP

y(t)

DA

(I)

(II)
x(t)
x(n)

Filtro I: Filtro anti-aliasing

AD: Conversor analgico digital
DSP: Computador digital ou processador digital de sinais
DA: Conversor digital analgico
Filtro II: Filtro anti-imaging (filtro de reconstruo)
Figura 1: Componentes de um sistema para processamento digital de sianis.
Algumas vantagens DSP:

Programabilidade: Uma implementao em PDS mais flexvel, desde de que mais

fcil de se modificar (o software pode ser atualizado, refeito ou modificado).
Estabilidade e Repetibilidade: Apresenta melhor qualidade do sinal, estabilidade e
repetibilidade no desempenho do sistema, pois o sistema representado na forma digital e
a implementao atravs de algoritmos que no dependem de tolerncia de
componentes, envelhecimento, etc.
Aplicaes especiais: Alguns processamentos so realizados com mais eficincia na
forma digital: compresso, filtros com fase linear.
Agumas desvantagens de DSP:

No econmico em aplicaes simples: os conversores AD e DA, em geral encarecem

o sistema.
Limitao em frequncia, consumo alto de potncia.
Algumas aplicaes de DSP

Gravao digital de udio.

Compresso de sinais de voz e de udio para aplicaes em telefonia digital,

armazenamento em CD.
Implementao de modem.
Enriquecimento de imagem e compresso.
Sntese da fala e reconhecimento.
Predio de sinais ou sadas de sistemas.
Controle.
Bioengenharia.
Geofsica

Este texto tem como objetivo apresentar aos alunos iniciantes uma abordagem dos tpicos bsicos
da matria processamento digital de sinais. Alunos de Engenharia Eltrica tm a necessidade de entrar no
mercado de trabalho com algum conhecimento bsico de PDS. A inteno apresentar um texto
introdutrio para ser utilizado em cursos de graduao nas reas de Engenharia Eltrica, Engenharia de
Computao e reas afins, onde existe a necessidade de se trabalhar com sinais e sistemas de tempo
discreto.
No captulo 1 so introduzidos os conceitos de sinais e sistemas de tempo discreto e como trabalhar
com estes nos domnios do tempo e frequncia. So apresentados tambm os sistemas lineares de tempo
discretos e suas ferramentas matemticas de anlise. No captulo 2 so introduzidos o conceito de
amostragem peridica de sinais, o teorema da amostragem e seus efeitos. Os captulos 3 e 4 so
reservados, respectivamente, para a apresentao da transformada z e da transformada discreta de Fourier
(TDF) com exemplo de aplicao em anlise espectral. A transformada rpida de Fourier, atravs do
algoritmo de decimao no tempo, apresentada no apndice A-2, para os interessados em conhecer tal
algoritmo. E os captulos 5 e 6 so utilizados para o estudo de projetos de filtros digitas. No captulo 5 so
estudados os projetos clssicos de filtros seletivos em frequncia utilizando os filtros com resposta ao
impulso infinita (IIR) e os projetos de filtros com resposta ao impulso finita (FIR): projeto por janelas e
por amostragem em frequncia. No captulo 6 so apresentados alguns projetos otimizados de filtros,
incluindo o algoritmo de Parks-McClellan para filtros FIR e os mtodos de aproximao de Pad, de
Prony e mtodo dos mnimos quadrados para filtros IIR. Para auxiliar o estudo outros dois apndices so
includos: um para janelas (A-1) e um com formulas e tabelas utilizadas em PDS (A-3).

Marcelo Basilio Joaquim

-1-

Captulo 1

SINAIS E SISTEMAS DE TEMPO DISCRETO

1.1 Introduo
Um sinal pode ser definido como uma quantidade fsica, variante no tempo e que transporta
informao a respeito do comportamento de um sistema. Em geral, ele representado matematicamente
como uma funo de uma ou mais variveis independentes (tempo, espao, etc.), porm, neste estudo,
eles sero admitidas funes com somente uma varivel independente, o tempo.
O modo mais comum de se classificar um sinal dividi-lo em duas importantes classes. Os
determinsticos e os aleatrios. Os sinais determinsticos so aqueles utilizados para propsitos de testes,
modelagem e caracterizao de sistemas. Dentre eles pode-se destacar: os sinais senoidais, a onda
quadrada, a funo degrau unitrio, a funo impulso, etc. Eles so bem definidos e em geral
representados ou descritos por uma funo matemtica ou grfica, onde se conhece o seu valor em
qualquer instante de tempo, presente, passado ou futuro. Amplitude, frequncia e fase so os seus
principais parmetros. Na segunda categoria recaem os sinais de informao propriamente ditos e aqueles
provenientes da natureza, tais como: sinais de voz, udio, vdeo, temperatura, dados digitais e tambm o
rudo. Devido natureza aleatria, eles s podem ser descritos utilizando como fundamento a teoria de
probabilidades e algumas propriedades que apresentam, como por exemplo, estacionariedade e atravs de
algumas mdias tais como: valor mdio, valor quadrtico mdio, varincia e desvio padro, funo de
autocorrelao e espectro densidade de potncia.
A varivel independente tambm uma outra quantidade muito importante para classificar os sinais.
Os sinais de tempo contnuo so classificados por uma varivel independente que pode assumir qualquer
valor dentro de uma faixa contnua e que pode se estender at o infinito; estes sinais so chamados mais
raramente de analgicos. J os sinais de tempo discreto so definidos em instantes de tempos discretos,
tn, n Z. A varivel independente assume valores discretos, provavelmente no enumervel, e portanto
eles so representados por uma sequncia de nmeros.
A amplitude do sinal tambm pode ser discreta ou contnua. No caso discreto ela quantizada, isto
aproximada para um valor pertencente a um conjunto finito de amplitudes e em seguida codificada
digitalmente. Neste caso tm-se os sinais digitais, onde tanto a amplitude quanto o tempo so
quantidades discretas. Neste estudo, na maioria das vezes no se far nenhuma referncia com relao
amplitude, de forma tal que os sinais sero admitidos de tempo discreto, mas cuja amplitude pode assumir
qualquer valor dentro de uma faixa contnua pertencente aos nmeros reais.
Um sistema pode ser definido como um dispositivo que realiza uma operao matemtica em um
sinal. Como um exemplo de sistema pode se citar um filtro utilizado para reduzir rudo ou interferncias
em um sinal aplicado em sua entrada. Os sistemas podem ser classificados do mesmo modo que os sinais.
Sistemas contnuos ou analgicos so aqueles em que as entradas e sadas so sinais de tempo contnuo.
Os discretos so aqueles cujas entradas e sadas so sinais de tempo discreto e os digitais so aqueles
cujas entradas e sadas so sinais digitais. Quando se passa um sinal atravs de um sistema dizemos que
ele foi processado, da o nome processamento de sinais.
Neste captulo sero estudados os principais conceitos e propriedades para sinais e sistemas de tempo
discreto.

1.2 Sinais de tempo discreto

Os sinais de tempo discreto so em geral, originados atravs da amostragem do sinal contnuo, cujo
intervalo de amostragem constante e especificado pelo teorema de Nyquist, que ser estudado no

-2-

captulo 2. Como um exemplo de um sinal contnuo e um de tempo discreto, considere o seguinte sinal
exponencial,

x(t ) = e

(1.1)

Este sinal definido para qualquer instante de tempo no intervalo - < t < , como mostra a figura
1.1.a., sendo portanto um sinal de tempo contnuo. Admitindo agora, que este sinal definido somente
nos instantes tn: n = 0, 1, 2, ..., como mostra a figura 1.1.b, ento este novo sinal passa a ser de tempo
discreto. Neste caso tem-se que,
x(t n ) = e

tn

(1.2)

n = 0 , 1, 2 ,L

1
(b)

(a)
0.5

0
-5

0.5

0
-5

Figura 1.1: Representao grfica do sinal das equaes (1.1) e (1.2).

Na figura 1.1.b o sinal discreto representado por retas (raias) paralelas ao eixo de tempo discreto.
Observe que nada se especifica a respeito do sinal amostrado entre dois intervalos adjacentes tn e tn+1 pois
a varivel definida somente para valores discretos. Isto no implica que ele no apresente valores nestes
intervalos, mas somente que no definido. Os instantes de tempo so regularmente espaados tais que tn
= nTa (Ta chamado de intervalo ou perodo de amostragem). A notao comumente utilizada para
este tipo de sinal x(n) = x(nTa) e o sinal passa a ser representado por uma sequncia de nmeros {x(n)}.
Admitindo, por exemplo, na equao (1.2) Ta = 0,1 s, tem-se a seguinte sequncia,

x(n ) = e

0.1 n

n = 0, 1, 2 ,L

(1.3)

Como foi comentado acima, um sinal de tempo discreto associado a uma sequncia de nmeros
{x(n)} como aquelas convencionalmente utilizadas em matemtica. Assim interessante especificar as
operaes bsicas que se realizam com sequncias.
(a) Soma de sequncias
y (n ) = x1 (n ) + x 2 (n )

Soma-se amostra com amostra das sequncias individuais. Observe que estas sequncias devem
apresentar o mesmo tamanho. No caso de sequncias com tamanhos diferentes o problema pode ser
resolvido acrescentando-se zeros sequncia de menor tamanho.
(b) Produto de sequncias
y (n ) = x1 (n ).x 2 (n )

Multiplica-se amostra por amostra das sequncias individuais. Observe que, como anteriormente,
estas sequncias devem apresentar o mesmo tamanho.
(c) Multiplicao por um escalar
y (n ) = x(n )

-3-

Multiplica-se cada elemento da sequncia por .

(d) Atraso em uma sequncia
y (n ) = x(n n d )

Em que, nd um nmero inteiro positivo qualquer. Observe que no instante n = 0, y(0) = x(-nd),
assim, y(n) est atrasada por nd amostras em relao x(n). Se nd for um nmero negativo ento se diz
que y(n) est avanada por nd amostras em relao a x(n).
1.3 Sinais de tempo discreto bsicos

Existem alguns sinais discretos que so muito utilizados no desenvolvimento da teoria de

processamento digital de sinais e no estudo, modelagem e teste de sistemas. Alguns destes sinais so
definidos a seguir.
1.3.1 Sequncia amostra unitria

1, n = 0
(n ) =
0 , n 0

(1.4)

Este tipo de sinal ou sequncia desempenha o mesmo papel que a funo impulso unitrio (t)
desempenha nos sistemas contnuos no tempo. Ele tambm chamado, sem distino com os sistemas
contnuos, de funo impulso, impulso unitrio ou pulso unitrio.
Qualquer sequncia x(n) pode ser representada por uma sequncia ponderada de funes amostras
unitrias tais que:
x(n ) = L a 2 (n + 2 ) + a 1(n + 1) + a 0 (n ) + a1(n 1) L

(1.5)

a (n k )
k

k =

em que: ak = x(k).
1.3.2 Sequncia degrau unitrio
1, n 0
u (n ) =
0, n < 0

(1.6)

Esta sequncia muito til quando se pretende distinguir ndices positivos (tempo positivo) dos
negativos. Identificamos assim, os sinais causais, isto , sinais que so nulos para n < 0, ou seja, que
apresentam valores somente para ndices positivos. Para esta sequncia as seguintes relaes so vlidas:
u (n ) =

(k ) =

k =

(n k )

(n ) = u (n ) u (n 1)

1.3.3 Sequncia exponencial

(1.7)

k =0

(1.8)

-4-

x(n ) = n

(1.9)

Esta sequncia muito utilizada em processamento digital de sinais. Ela aparece com frequncia no
estudo de sistemas lineares de tempo discreto. Um sistema linear de primeira ordem apresenta como
resposta ao impulso uma funo exponencial, como ser visto mais adiante. Uma sequncia exponencial
causal representada como abaixo,
x(n ) = n u (n )

(1.10)

assim, ela apresenta todos os seus valores nulos para n < 0. No caso de < 1 ela toma a forma de uma
exponencial amortecida com mostra a figura 1.2.
1
0 .8
0 .6
0 .4
0 .2
0

10

Figura 1.2: Sinal exponencial.

1.3.4 Sequncia senoidal

Um sinal senoidal de tempo discreto uma oscilao harmnica que pode ser expressa por uma das
formas mostradas abaixo,
x(n ) = A cos(2f 0 n + ) = A cos(w0 n + )

(1.11)

x(n ) = Asen(2f 0 n + ) = Asen(w0 n + )

(1.12)

x(n ) = Ae j (2 f 0 n + ) = Ae j (w0 n + )

(1.13)

A equao (1.13) representa a forma complexa da senide e as outras duas anteriores representam as
formas reais. Este sinal possui trs parmetros que o caracterizam completamente: a amplitude A, a
frequncia w0 e o ngulo de fase .
1
0.5
n

0
-0.5
-1

10

15

20

25

Figura 1.3: Sinal senoidal de tempo discreto.

necessrio fazer uma observao importante com relao frequncia dos sinais contnuos e dos
discretos. As letras maisculas e F sero utilizadas para representar as frequncias analgicas e as
minsculas w e f sero utilizadas para representar as frequncias digitais. Neste caso w tem a unidade de
radianos por amostra e f a unidade de ciclos por amostra e esto relacionadas por:
w = 2f

(1.14)

-5-

As frequncias analgicas e digitais esto relacionadas pelo perodo ou pela frequncia de

amostragem do sinal como segue,
f = FTa =

F
Fa

(1.15)

em que, Ta o perodo de amostragem do sinal. Observe que quando for necessrio determinar a
frequncia de um sinal analgico que gerou o amostrado basta multiplicar a frequncia digital pela de
amostragem.
Para mostrar este resultado, considere o seguinte sinal senoidal de tempo contnuo,
x(t ) = A cos(2Ft + )

Admitindo que se colhe uma amostra deste sinal a cada Ta segundos ento o sinal amostrado ser
dado por:
x(nTa ) = A cos(2FnTa + )

Considerando f = FTa, como indicado pela equao (1.15), tem-se que:

x(n ) = A cos(2fn + )

Propriedades de um sinal senoidal de tempo discreto

Sinais senoidais cujas frequncias so separadas por mltiplos inteiros de 2 so idnticos.

a)

cos[(w0 + 2M )n + ] = cos[w0 n + 2Mn + ] = cos[w0 n + ]

b) A taxa mais alta de oscilao para sinais de tempo discreto obtida quando w = ou f = 0.5.
Para provar esta propriedade, considere uma sequncia x(n) tal que:
x(n ) = A cos(w0 n ),

em que :

0 < w0 <

Seja uma outra sequncia x1(n), com frequncia maior que , tal que:
x1 (n ) = A cos[(w0 + )n]

Assim, a princpio, a frequncia de x1(n) seria w0 + , mas esta afirmao no verdadeira pois:
x1 (n ) = A cos[(w0 + )n] = A cos[(w0 + 2 )n]

Pela propriedade anterior, propriedade (a) e ainda relembrando que a funo cosseno par tem-se
que:
x1 (n ) = A cos[(w0 )n] = A cos[( w0 )n]

Assim, a frequncia deste sinal ser - w0, logo ela pertence ao intervalo (0,). Portanto a frequncia
de oscilao mais alta obtida quando w = .
c)

Um sinal senoidal discreto peridico se e somente se a frequncia for um nmero racional.

-6-

Definio: Se uma sequncia x(n) peridica, com perodo N, ento x(n) ser igual a x(n+N), em que N
o menor inteiro que satisfaz a relao x(n) = x(n+N).

Seja:
x(n ) = A cos(2f 0 n )

Se x(n) peridica ento:

x(n ) = A cos(2f 0 n ) = A cos[2f 0 (n + N )] = A cos(2f 0 n + 2f 0 N )

Observe que pela propriedade (a) a relao acima verdadeira se existir um nmero M, inteiro tal
que:

2f 0 N = 2M

f0 =

M
N

Portanto f0 deve ser um nmero racional para a sequncia ser peridica.

d) Um sinal senoidal pode ser obtido pelas relaes de Euler:
cos() =

e j + e j

(1.16.a)

2
sen() =

e j e j

(1.16.b)

2j
e j = cos( ) + j sen( )

(1.17)

1.4 Algumas definies sobre sinais de tempo discreto

1.4.1 Energia

A energia de um sinal de tempo discreto definida pela seguinte equao:

E=

x(n)

(1.18)

n =

Se o sinal x(n) apresentar energia finita ele chamado de sinal de energia. Os sinais de durao
finita, isto , aqueles que apresentam somente N amostras no nulas, tm sempre energia finita. Os sinais
de durao infinita e que apresentam energia finita so caracterizados por valores de amostras que tendem
a zero conforme n tende a infinito.
E<

x(n ) 0 ,

conforme

(1.19)

1.4.2 Potncia

Em geral, os sinais peridicos e os processos aleatrios apresentam energia infinita. Para estes casos
apropriada a definio de potncia mdia que dada pela seguinte equao:

-7-

P = lim

x(n)
2N + 1

(1.20)

n= N

Se o sinal peridico, com perodo fundamental N, ento a potncia mdia definida por:
1

N 1

x(n)
N

P=

(1.21)

n =0

Exemplo 1: Determine a energia do seguinte sinal: x(n) = Ae n u (n), : < 1

Ae

E=

n =0

A e
2

2 n

= A2

n =0

(e )

2 n

n =0

A2
1 e 2

Exemplo 2: Determine a potncia da sequncia degrau unitrio u(n).

P = lim

u(n)
2N + 1

n =0

= lim

1 =
2N + 1
n =0

N +1

lim

2N + 1

= lim

1+1/ N
2 +1/ N

1
2

Exemplo 3: Determine a potncia de um sinal complexo, composto pela soma de duas componentes
senoidais, com frequncias w1 e w2 diferentes, tais que:
x(n) = A1e jw1n + A2 e jw2n

em que, A1 e A2 so constantes reais e positivas.

-

Clculo de |x(n)|

)(

x( n ) = x( n )x* ( n ) = A1e jw1n + A2e jw2 n A1e jw1n + A2e jw2 n

= A12 + A22 + A1 A2 e j ( w1 w2 ) n + e j ( w1 w2 ) n

Clculo da Potncia
1
N N

P = lim

[A
N 1

2
1

+ A22 + A1 A2 e j ( w1 w2 ) n + e j ( w1 w2 ) n

)]

n =0

= A12 + A22 + A1 A2 lim

1
N

(e
N 1

j ( w1 w2 ) n

+ e j ( w1 w2 ) n

n =0

Examinando o limite: L = lim

1
N

N 1

(e
n =0

j ( w1 w2 ) n

) = lim N1 11ee

j ( w1 w2 ) N

j ( w1 w2 )

=0

Portanto:
P = A12 + A22

Pode-se mostrar tambm que para M senides complexas distintas a potncia mdia ser:

-8-

P=

2
k

(1.22)

k =0

Neste exemplo foram considerados sinais senoidais complexos. Para a situao em que se tem M
sinais senoidais reais com frequncias distintas, a potncia mdia ser dada por:
P=

1
2

2
k

(1.23)

k =0

1.4.3. Sequncias simtricas e anti-simtricas

Seja x(n) uma sequncia complexa e x*(n) o seu conjugado.

Uma sequncia chamada de simtrica (par) se: x(n ) = x * ( n )
Uma sequncia denominada anti-simtrica (impar) se: x(n ) = x * ( n )
possvel tambm obter uma sequncia simtrica xe(n) ou uma anti-simtrica xo(n) a partir de uma
sequncia qualquer x(n) atravs das seguintes expresses:

(1.24)

(1.25)

x e (n ) =

1
x(n ) + x * ( n )
2

x o (n ) =

1
x(n ) x * ( n )
2

1.5 Sistemas de tempo discreto

Os sistemas de tempo discreto so definidos do mesmo modo que os sistemas contnuos. Eles so
definidos matematicamente como uma transformao que se opera em uma sequncia de entrada x(n)
produzindo uma sequncia de sada y(n) chamada de resposta do sistema excitao x(n). Esta
transformao representada pela seguinte relao:
y (n) = T [x(n)]

(1.26)

em que o operador T[.] representa a transformao e a sua representao grfica feita pelo diagrama de
blocos mostrado na figura abaixo.

x(n)

T[x(n)]

y(n)

Figura 1.4: Representao de um sistema de tempo discreto.

Exemplo 4: Segue a seguir alguns exemplos de sistemas de tempo discreto que so muito utilizados em
processamento digital de sinais:
a) Sistema de atraso
y (n ) = x(n nd )

(1.27)

-9-

Admitindo nd um nmero inteiro positivo, este sistema atrasa (desloca) o sinal de entrada por nd
amostras. No caso de nd ser negativo ele avana pela mesma quantidade de amostras.
b) Acumulador

O sistema acumulador calcula a soma de todos os valores passados da entrada at o instante presente
(atual). Ele definido pela seguinte equao:
y (n ) =

x(k )

(1.28)

k =

Isolando o termo de ordem n da expresso acima se tem que:

y (n ) = x(n ) +

n 1

x(k )

k =

Observe que o segundo termo da equao acima representa a sada atrasada de 1 amostra. Assim:
y (n ) = x(n ) + y (n 1)

(1.29)

A equao (1.29) justifica o termo acumulador, pois a sada depende do valor presente da entrada e
do valor anterior y(n-1) da sada. Alm disso, a sua resposta no unicamente determinada pela entrada,
mas depende das condies iniciais do sistema, isto , do estado do sistema antes de se aplicar a
excitao. Considerando, por exemplo, que no sistema que aplicado a funo nu(n), pode-se observar
que a sada depende de y(-1).
-

admitindo y(-1) = 0 tem-se:

y (n ) =

ku (k ) =

k =

k + y ( 1) =

k =0

k=

n(n 1)

k =0

n2 + n

admitindo y(-1) = 1 tem-se:

y (n ) =

ku(k ) = k + y( 1) = k + 1 =

k =

k =0

n(n 1)

k =0

n2 + n + 2
2

Observe que os resultados anteriores mostram que a sada depende de y(-1). Frequentemente, quando
as condies iniciais so nulas, isto , y(-1) = y(-2) = ... = 0, o sistema dito estar em repouso (ou
relaxado).
c)

Sistema sem memria

Um sistema sem memria aquele cuja sada depende somente da entrada no instante n. Por exemplo,
o sistema definido pela equao (1.30) no tem memria.
y (n ) = [x(n )]2

(1.30)

1.5.1 Sistemas lineares de tempo discreto

Um sistema linear de tempo discreto (que ser abreviado pela sigla (LTD) aquele que obedece ao
princpio da superposio, isto : Admitindo y1(n), y2(n), ..., yM(n) as respostas do sistema
correspondentes, respectivamente, s excitaes x1(n), x2(n), ..., xm(n), ento o sistema linear se e
somente se :

- 10 -

T [a1 x1 (n ) + a 2 x 2 (n ) + L a M x M (n )] = a1T [x1 (n )] + a 2T [x 2 (n )] + L + a M T [x M (n )]

T [a1 x1 (n ) + a 2 x 2 (n ) + L a M x M (n )] = a1 y1 (n ) + a 2 y 2 (n ) + L + a M y M (n )

(1.31)

em que, M um nmero inteiro qualquer e a1, a2, ..., aM so constantes.

Exemplo 5: Exemplos de dois sistemas lineares:

a)

O sistema y(n) = nx(n) linear pois:

T [a1 x1 (n ) + a 2 x 2 (n )] = n[a1 x1 (n ) + a 2 x 2 (n )] = na1 x1 (n ) + na 2 x 2 (n ) = a1 y1 (n ) + a 2 y 2 (n )

b) O acumulador definido pela equao (1.28) um sistema linear pois:

y (n ) =

[a x (k ) + a x (k )] = a x (k ) + a x (k ) = a y (n) + a
1 1

2 2

k =

k =

1 1

2 y2

(n )

k =

1.5.2 Sistemas lineares invariantes ao deslocamento

Um sistema LTD invariante ao deslocamento aquele cuja caracterstica no varia com o

deslocamento provocado na entrada. Assim, um sistema LTD invariante ao deslocamento se e somente
se:
T [x(n nd )] = y (n nd ) .

Exemplo 6: Exemplos de sistemas invariantes e variantes ao deslocamento:

Seja y (n , nd ) a sada do sistema quando se aplicado em sua entrada uma sequncia x(n nd ) .
a)

O diferenciador, y(n) = x(n) x(n-1) invariante ao deslocamento pois:

y (n , nd ) = x(n nd ) x(n nd 1) = y (n nd )

b) O sistema y(n) = nx(n) variante ao deslocamento pois quando aplicado x(n-nd) tem-se:
y (n , nd ) = nx(n nd ) y (n nd ) = (n nd )x(n nd )

c)

O sistema y(n) = x(-n) variante ao deslocamento pois:

Seja: x1 (n ) = x(n nd ), ento:
y (n ) = x1 ( n ) = x( n nd ) y (n nd )

d) O compressor y(n) = x(Mn) variante ao deslocamento a no ser que M =1.

Seja: x1 (n ) = x(n nd ), ento:
y (n ) = x1 (Mn ) = x(Mn nd ) y (n nd )

1.5.3 Sistemas causais

(1.32)

- 11 -

Um sistema chamado causal se o sinal presente na sua sada y(n), em qualquer instante n, depende
somente dos valores nos instantes passados da sada e nos instantes presente e passados da entrada {x(n),
x(n-1), x(n-2), ...}, e no depende dos valores futuros {x(n+1), x(n+2), ..., y(n+1), ...}.
Uma outra definio muito usual para os sistemas causais a que segue:
Um sistema chamado causal se para qualquer instante n0 a sua sada no instante n = n0 depende
dos valores da entrada para n n0.
Exemplo 7: Exemplos de sistemas causais:

1)

y (n ) = x(n ) x(n 1)

2)

y (n ) =

x(k )

k =

3)

y (n ) = ax(n ) + by (n 1)

Exemplo 8: Exemplos de sistemas no causais:

1)

y (n ) = x(n ) + 3x(n + 4 )

2)

y (n ) = x n 2

3)

y (n ) = x(2n )

4)

y (n ) = x( n )

( )

1.5.4 Sistemas estveis

Um sistema em repouso, estvel se e somente se para uma sequncia de entrada limitada tem-se
uma sada limitada, isto :
x ( n) B x <

y ( n) B y < ,

em que Bx e By so constantes finitas.

Exemplo 9: Exemplos de sistemas estveis

1)

y( (n ) = x(n nd )

2)

y (n ) = [x(n )]2

3)

y (n ) = x(Mn )

Exemplo 10: O acumulador um sistema instvel.

y (n ) =

x(k )

k =

Seja x(n) = u(n) que limitada, pois o valor mximo da funo degrau unitrio 1. Ento:

(1.33)

- 12 -

y (n ) =

0,

n<0

u(k ) = n + 1,

k =

n0

Observe que embora n seja finito, no existe um valor fixo para By , como na definio em (1.33), tal
que: (n + 1) By < .
1.5.5 Representao em diagrama de blocos dos sistemas de tempo discreto

Ser til nesta parte fazer uma pequena introduo representao por diagrama de blocos dos
sistemas LDT, pois ela facilita o estudo e a sua implementao. As principais operaes em sistemas de
tempo discreto so mostradas pelos blocos abaixo.
a) Bloco somador

x1(n)

y(n) = x1(n) + x2(n)

x2(n)
b) Bloco multiplicador

x1(n)

y(n) = x1(n).x2(n)

x2(n)
c)

Bloco multiplicador por constante (a)

x(n)

y(n) = ax(n)

d) Bloco deslocador de amostras

x(n)

z-nd

y(n) = x(n nd)

Em que z-nd um operador de atraso que desloca x(n) por nd amostras do sinal. Este resultado ficar
aparente no estudo da transformada z, no captulo 3.
Exemplo 11: Represente atravs de diagrama de blocos o seguinte sistema:
y (n ) = y (n 1) + 0.5 x(n ) + 0.5 x(n 1)

Rearranjando a equao acima de modo a se economizar um bloco multiplicador tem-se que:

y (n ) = y (n 1) + 0.5[x(n ) + x(n 1)]

- 13 -

0.5

x(n)
z-1

x(n-1)

y(n)

y(n-1)

z-1

Figura 1.5: Diagrama em blocos do sistema.

1.5.6 Sistemas lineares discretos e invariantes ao deslocamento
As definies dadas anteriormente classificam os sistemas quanto s sua propriedades e categorias
tais como: linearidade, invarincia ao deslocamento ou ao tempo, causalidade e estabilidade. Os sistemas
lineares discretos e invariantes ao deslocamento que sero abreviados por LID So os mais importantes
destes sistemas. Eles so caracterizados no domnio do tempo por sua resposta funo amostra (ou
impulso) unitria e como ser visto a seguir, a expresso geral que relaciona a entrada e sada de tais
sistemas dada pela soma de convoluo.
Para se determinar a resposta do sistema a uma excitao de entrada x(n) qualquer, ser admitido que
h(n) a resposta do sistema LID funo amostra unitria. Como foi visto anteriormente, veja equao
(1.5), uma sequncia x(n) pode ser escrita como uma soma ponderada de funes amostras unitrias, tal
que:
x(n ) =

x(k )(n k )

(1.34)

k =

Assim, por definio, a resposta de um sistema devido excitao de entrada x(n) ser dada por:

y (n ) = T [x(n )] = T
x(k )(n k )
k =

(1.35)

Como por hiptese, o sistema linear, ento, aplicando o princpio da superposio tem-se que:
y (n ) =

x(k )T [(n k )]

k =

Como, tambm por hiptese, o sistema admitido ser invariante ao deslocamento, ento a resposta
excitao (n-k) ser h(n-k), logo,
y (n ) =

x(k )h(n k )

(1.36)

k =

Observe que a entrada e a sada esto relacionadas atravs de h(n), como consequncia, um sistema
LID caracterizado completamente pela sua resposta funo amostra unitria, h(n). Assim, uma vez que
dada a funo h(n), pode-se determinar a sequncia de sada y(n) devido excitao de entrada x(n)
atravs da equao (1.36).
A equao (1.35) conhecida pelo nome de soma de convoluo ou simplesmente convoluo entre
x(n) e h(n), sendo representa pelo operador *, isto ,
y( (n ) = h(n ) x(n ) .\

1.5.7 A soma de convoluo

(1.37)

- 14 -

Suponha que se quer calcular a sada do sistema em um instante qualquer, n = n0. Utilizando a
equao (1.36) tem-se que:
y (n0 ) =

x(k )h(n

k)

(1.38)

k =

Observe nesta equao que a soma realizada nos ndices k e no nos ndices n, alm disso, este
ndice invertido na resposta ao impulso do sistema. Desse modo pode-se resumir como segue as
operaes envolvidas na soma de convoluo:
i. Rebate-se h(k) em torno de k = 0 para se obter h(-k),
ii. Desloca-se h(-k) por n0 amostras direita, se n0 for um nmero positivo (ou esquerda se n0 for
negativo),
iii. Multiplica-se cada elemento x(k) por h(n0 k) para se obter a sequncia x(k)h(n0 k),
iv. Somam-se todos os valores da sequncia produto para se obter y(n0),
v. Repetem-se os passos acima para todos os valores possveis de n de modo a obter-se y(n).
Exemplo 12: Determine a soma de convoluo entre as seguintes sequncias: h(n) ={1, 2, 1, -1} e x(n) =
{1, 2, 3, 1}. O nmero em negrito indica o valor da sequncia para o ndice n = 0.
-

Rebatimento de h(k): h(-k) = {-1, 1, 2, 1}

Clculo de y(0):
k=0
1 1 2 1 h( k )
1 2 3 1 x(k )
0

y(0 ) = 4

Clculo de y(1)

1 1
1
0

k =0
2 1 h(1 k )
2 3 1 x(k )
4

y (1) = 8

No final, calculando a convoluo para n = -1, 0, 1, ..., 5, obtemos y(n). Para os outros valores de n
os resultados so nulos.
y(n) = {1, 4, 8, 8, 3, -2, -1}

Note neste exemplo que o tamanho da sequncia x(n) M = 4, o tamanho de h(n) N = 4 e o de y(n)
L = 7. Como regra geral tem-se que para sequncia de tamanho finito a convoluo produz uma
sequncia finita de tamanho:
L = M + N 1 .

(1.39)

Uma outra observao importante que para os sistemas contnuos, lineares e invariantes no tempo,
a relao entre entrada e sada regida pela integral de convoluo, neste caso possvel somente estudar

- 15 -

o comportamento terico destes sistemas. J os sistemas LID so regidos pela soma de convoluo em
que possvel, no somente estudar o comportamento terico, mas tambm realiz-lo utilizando
processadores digitais atravs da implementao de um algoritmo que resolve a equao (1.36).
1.5.7.1 Propriedades da convoluo e sistemas LID
a) A soma de convoluo comutativa, isto ,

h(k )x(n k )

(1.40)

y (n ) = [x(n ) * h1 (n )]* h2 (n ) = x( n ) * [h1 (n ) * h2 (n )]

(1.41)

y (n ) = x(n ) * h(n ) = h(n ) * x(n ) =

k =

b) A convoluo associativa, isto ,

Esta propriedade interpretada do seguinte modo: Dois sistemas interconectados em cascata

correspondem a um sistema equivalente cuja resposta ao impulso a convoluo das respostas ao impulso
individuais dos dois sistemas.
x(n)

h1(n)

h2(n)

y(n)

h1(n)*h2(n)

x(n)

y(n)

Figura 1.6: Interpretao da lei associativa.

c)

A convoluo distributiva, isto ,

y (n ) = x(n ) * h1 (n ) + x(n ) * h2 (n ) = x(n ) * [h1 (n ) + h2 (n )]

(1.42)

Dois sistemas em paralelo correspondem a um sistema cuja resposta ao impulso a soma das
respostas individuais dos sistemas.
h1(n)
x(n)

x(n)

y(n)

h1(n)+h2(n)

y(n)

h2(n)

Figura 1.7: Interpretao da lei distributiva.

1.5.8 Causalidade e estabilidade em sistemas LID

Para os sistemas lineares discretos e invariantes ao deslocamento, as propriedades de causalidade e
estabilidade podem ser prontamente verificadas atravs da anlise da resposta ao impulso do sistema.

a) Causalidade
Considere a sada de um sistema LID em um dado instante n0. Desse modo:
y (n0 ) =

h(k )x(n

k)

k =

Desdobrando a equao acima em duas equaes tem-se que:

- 16 -

y (n0 ) =

h(k )x(n0 k ) +

k =

h(k )x(n

k)

k =0

y (n0 ) = [L h( 2 )x(n0 + 2 ) + h( 1)x(n0 + 1)] + [h(0)x(n0 ) + h(1)x(n0 1) + L]

O primeiro termo entre colchetes envolve os valores futuros de x(n): x(n0 +1), x(n0 +2), .... Como o
sistema causal a sua resposta no pode depender destes valores (futuros), assim, o primeiro termo deve
ser nulo. Para que eles sejam nulos deve-se ter portanto: h(-1) = h(-2) = ... = 0, ou seja a resposta ao
impulso deve satisfazer a seguinte condio:
h(n ) = 0 ,

n<0

(1.43)

Admitindo que se esteja trabalhando com um sistema causal, os limites na somatria de convoluo
podem ser modificados de modo a refletir a condio estabelecida pela equao (1.43).
y (n ) =

k =

k =0

x(k )h(n k ) = h(k )x(n k )

(1.44)

alm disso, se a sequncia de entrada x(n) tambm for causal, ento:

y (n ) =

x(k )h(n k ) =

k =0

h(k )x(n k )

(1.44)

k =0

b) Estabilidade
A estabilidade tambm uma propriedade muito importante a ser verificada na implementao de um
sistema. Como exposto anteriormente, um sistema estvel se para uma entrada limitada a sada tambm
ser limitada. Novamente, utilizando a equao de convoluo a admitindo que |x(n)| Bx < , ento
mdulo da sequncia de sada ,
y (n ) =

h(k )x(n k )

(1.45)

k =

y (n )

h(k ) x(n k )

k =

mas, por hiptese |x(n)| Bx, ento:

y(n ) B x

h(k ) .

k =

Assim, para que o sinal de sada seja limitado deve-se ter que:

h(k ) B

< .

(1.46)

k =

Portanto, para que um sistema LID seja estvel, a resposta ao impulso deve ser absolutamente
somvel. Esta uma condio necessria e suficiente, alm disso ela indica que h(n) deve ser amortecida,
isto , decair para zero conforme n se aproxima do infinito.

- 17 -

A resposta ao impulso de um sistema de tempo discreto serve tambm para classific-los em relao
sua durao:
-

Os sistemas FIR (abreviao do ingls finite impulse response) so aqueles cuja resposta ao
impulso finita, isto tm durao limitada.
Os sistemas IIR (abreviao do ingls infinite impulse response), isto , aqueles cuja resposta ao
impulso infinita. Esta nomenclatura ser muito utilizada em projeto de filtros digitais.

Observe que os sistemas FIR so sempre estveis, pois h(n) apresenta durao finita.

1.6 Equao linear de diferenas com coeficientes constantes

Uma das formas de se descrever um sistema LID atravs da sua resposta ao impulso e
consequentemente atravs da soma de convoluo, contudo, na maioria dos casos necessrio ou
desejvel expressar o comportamento do sistema em termos dos valores presente e passados do sinal de
entrada, e tambm dos valores passados do sinal de sada. Podemos representar os sistemas discretos
atravs da equao linear de diferenas. Neste caso o sistema prontamente implementado atravs de
blocos somadores, multiplicadores e de atraso. Alm disso, ela serve como base para a obteno da
resposta em frequncia do sistema, como ser visto mais adiante.
A forma geral para um sistema LID descrito atravs de uma equao linear de diferenas dada por:
y (n ) =

a k y(n k ) +

k =1

b x(n k )
k

(1.47)

k =0

em que os coeficientes ak e bk so parmetros constantes do sistema.

Uma forma equivalente de descrever este sistema atravs da equao abaixo:
N

k =0

a k y (n k ) =

b x(n k )
k

(1.48)

k =0

em que a0 admitido ser igual a 1, e o limite N da somatria chamado de ordem do sistema.

Observe que a equao (1.47) expressa a resposta do sistema LID como uma soma ponderada dos
valores passados de y(n), y(n-1), y(n-2), ..., y(n-N), e dos valores presente e passados, x(n), x(n-1), ...,
x(n-M), por isso esta equao tambm chamada de recursiva pois a sada depende de valores anteriores
da entrada e sada. Alm disso para se determinar y(n) necessrio o conhecimento das condies iniciais
do sistema, isto , de y(-1), y(-2), ..., y(-N).
A equao (1.47) a forma geral de uma equao linear de diferenas e representa um sistema cuja
resposta ao impulso infinita (sistema IIR). No caso de sistemas com resposta ao impulso finita (sistemas
FIR), a sada depende somente dos valores presentes e passados da entrada. Desse modo, ak = 0 : k = 1, 2,
..., N e fica fcil mostrar que a resposta ao impulso h(n) dada pelos prprios coeficientes bk, ou seja:
b , n = 0, 1,L , M
h(n ) = n
0 , caso contrrio

Exemplo 13: Determine a equao de diferenas para o sistema acumulador:

y (n ) =

x(k )
k =0

(1.49)

- 18 -

y (n ) =

n 1

x(k ) + x(n) = y(n 1) + x(n)

k =0

Assim, este sistema representado por uma equao linear de diferenas tal que comparando com a
equao (1.48) temos: N = 1, a0 = a1 =1, M = 0 e b0 = 1.

x(n)

y(n)

y(n-1)

z-1

Figura 1.8: Diagrama em blocos do acumulador.

1.6.1 Soluo da equao de diferenas

A soluo da equao de diferenas, equao (1.47), composta de duas partes: A resposta natural
(ou homognea), yn(n), que devida a uma entrada nula, x(n) = 0, e a resposta particular (ou forada)
yp(n), devida a uma entrada no nula. A resposta total do sistema o resultado das duas respostas
anteriores.
y (n ) = y n (n ) + y p (n )

(1.50)

Para se determinar y(n) necessrio o conhecimento das condies iniciais do sistema, isto , o
conhecimento de y(-1), y(-2), ..., y(-N). Se as condies iniciais so nulas o sistema est em repouso, pois
no h armazenamento de energia nas memrias do sistema.

A resposta natural
A resposta natural a soluo da equao homognea,
N

y (n k ) = 0

(1.51)

k =0

Ela apresenta a seguinte forma:

y n (n ) =

c r

i i

(1.52)

i =1

Em que ri so as razes do polinmio caracterstico do sistema:

N

a r
i

nk

=0

(1.53)

i =0

Resolvendo a equao acima calculamos ri e os coeficientes ci so determinados de modo a satisfazer

as condies iniciais. Para o caso em que uma raiz repetida M vezes, devem-se acrescentar os termos:
r jn , nr jn , L , n M 1r jn

A resposta particular (forada)

(1.54)

- 19 -

A resposta forada a soluo da equao de diferenas admitindo uma entrada diferente de zero.
Como estamos admitindo um sistema linear, a resposta obtida supondo que a sada tenha a mesma
forma da entrada, por exemplo, para uma entrada senoidal a sada tambm ser senoidal provavelmente
modificada em amplitude e fase pelo sistema. A tabela abaixo resume as solues para as entradas mais
comuns utilizadas nos sistemas.
Tabela 1: Soluo particular para algumas entradas.
Entrada
1 (constante)
an
cos(w0 n + )

Soluo particular
c (constante)
ca n
c1 cos(w0 n ) + c 2 sen(w0 n )

Exemplo 14: Determine a resposta total do sistema LID representado pela equao de diferenas:
y (n ) 4 y (n 2 ) = x(n ) quando aplicamos na entrada a funo degrau unitrio. Admita as seguintes
condies iniciais: y(-1)=1 e y(-2) = 0.
Observe que a0 = 1 a1 = 0 e a2 = -4
-

Resposta natural: r 2 4 = 0

r = 2

portanto: y n (n ) = c1 (2)n + c 2 ( 2)n

-

Resposta particular: observe que a entrada vale 1 para n 0, logo y p (n ) = c . Substituindo na

equao de diferenas tem-se:
c 4c = 1

c=

1
3

y p (n ) =

Resposta total: y (n ) = y n (n ) + y p (n ) =

n0

1
3

+ c1 (2 )n + c 2 ( 2)n

n0

As constantes c1 e c2 so determinadas utilizando as condies iniciais. Assim,

y ( 1) = 1 =

+ c1 (2 )1 + c 2 ( 2)1

c1

c2 =

3
2
2
3
1
1
1
1
y ( 2 ) = 0 = + c1 (2 )2 + c 2 ( 2)2
c1 + c 2 =
3
4
4
3

(I )
(II )

Combinando as equaes (i) e (II) tem-se que: c1 = 4 e c 2 = 8 / 3

Portanto a resposta total ser:
y (n ) =

1.6.2 Resposta ao impulso

1
3

+ 4(2 )n

8
3

( 2)n

n0

- 20 -

A resposta ao impulso de um sistema pode ser encontrada atravs da resposta ao degrau unitrio,
supondo que o sistema esteja em repouso, isto , com condies iniciais nulas. Admitindo s(n) como a
resposta em repouso funo degrau, ento, pela equao (1.8), a resposta ao impulso ser h(n) = s(n)
s(n-1).
Exemplo 15: Determine a resposta ao impulso do sistema dado no exemplo 14.
Para determinar a resposta ao impulso admitimos y(-1) = y(-2) = 0, logo,
y ( 1) = 0 =
y ( 2 ) = 0 =

1
3
1
3

+ c1 (2 )1 + c 2 ( 2 )1

c1

c2 =

2
1

2
3
1
1
c1 + c 2 =
4
4
3

+ c1 (2 )2 + c 2 ( 2)2

(I )
(II )

Combinando as equaes (i) e (II) tem-se que: c1 = 1 e c 2 = 1 / 3

Assim, a resposta total ser: s (n ) =

1
3

+ (2 )n +

1
3

( 2)n

n0

E a resposta ao impulso ser h(n) = s(n) s(n-1):

h(n ) =

1
2

(2)n + 1 ( 2)n

n0

1.7 Representao de sinais e sistemas discretos no domnio da frequncia

Devido ao fato de que quando o sinal de entrada senoidal a sada de um sistema linear tambm
um sinal senoidal com mesma frequncia da entrada, e a amplitude e fase determinadas pelo sistema, a
representao de sinais atravs de componentes senoidais ou ento de exponenciais complexas muito
usual na teoria e prtica de sistemas lineares.
Considere um sistema LDI, com resposta ao impulso h(n), e em cuja entrada aplicada uma
sequncia exponencial complexa da forma:
x(n ) = e jwn ,

: < n <

(1.55)

A sada do sistema ser dada pela soma de convoluo entre a entrada x(n) e a resposta ao impulso
do sistema h(n) tal que:
y (n ) =

h(k )e

jw(n k )

(1.56)

k =

Como o ndice n no entra na somatria,

y (n ) = e jwn

h(k )e

k =

Vamos definir a seguinte funo:

jwk

(1.57)

- 21 -

( ) h(k )e

H e jw =

jwk

(1.58)

k =

Esta funo chamada de Resposta em Frequncia do sistema. Observe que ela descreve a
alterao na amplitude da exponencial complexa, e jwn , em funo da sua frequncia. A equao (1.58)
nada mais que a transformada de Fourier da sequncia h(n). Assim, podemos escrever que a sada do
sistema ser:

( )

y (n ) = H e jw e jwn

(1.59)

A sada, y(n), uma exponencial complexa da mesma forma que a entrada, mas modificada pela
amplitude e fase de H(ejw). Fica assim aparente que H(ejw) caracteriza completamente um sistema linear.
Em geral, representa-se a resposta do sistema por uma resposta de amplitude (mdulo de H(ejw)) e
uma resposta de fase tal que:

( )

( )

H e jw = H e jw e jH (e

jw

(1.60)

O termo |H(ejw)| determina a amplificao (se |H(ejw)| > 1) ou atenuao (se |H(ejw)| < 1) que o
sistema impe no sinal de entrada e o termo H(ejw) determina a quantidade de deslocamento de fase
imposta no sinal senoidal da entrada. Assim o mdulo da resposta em frequncia, |H(ejw)| chamado de
resposta de amplitude do sistema e o termo H(ejw) chamado de resposta de fase
Exemplo 16: Considere o sistema de atraso: y(n) = x(n nd). Aplicando a sequncia exponencial
complexa x(n) = ejwn na entrada deste sistema tem-se que:
y (n ) = e jw(n nd ) = e jwn e jwnd

Comparando a equao acima com a (1.59), conclumos que a resposta em frequncia do sistema ser
dada por:

( )

H e jw = e jwnd

( )
( )

H e jw = 1

H e jw = wn d

O conceito de resposta em frequncia para os sistemas lineares e invariantes no tempo o mesmo,

tanto para os sistemas contnuos como para os discretos. Contudo, a resposta em frequncia para os
discretos tem uma diferena fundamental, ela sempre peridica, com perodo igual a 2. Para
observar esta caracterstica considere uma frequncia w = w + 2 na equao (1.60). Assim:

) h(k )e

H e j (w+ 2 ) =

j (w+ 2 )k

k =

h(k )e

jwk j 2 k

k =

como e-j2n = cos(2n) jsen(2n) = 1, ento:

) h(k )e

H e j (w+ 2 ) =

jwk

( )

= H e jw

(1.61)

k =

Portanto H(ejw) peridica, com perodo 2. Desse modo, por convenincia e simplicidade ela ser
sempre expressa em um dos intervalos abaixo:

- 22 -

0 w < 2

< w

0 f < 1

0.5 < f 0.5

ou

Exemplo 17: Determine a resposta em frequncia do sistema cuja resposta ao impulso dada abaixo, e
tambm a sequncia de sada, quando a sequncia de entrada dada por: x(n) = Aejn/2.
n

1
h(n ) = u (n )

3

Clculo da resposta em frequncia do sistema, equao (1.58):

( ) = h(n)e

He

jw

jwn

n =

1 jwn
1
e
=
=

1 13 e jw
n =0 3

Determinao da sequncia de sada, equao (1.59):

y (n ) = H e j / 2 Ae jn / 2 =

3
Ae jn / 2 = A
e j 0.32 e jn / 2 = A
e j (n / 20.32 )

10
10

1
1+ j

1
3

Este exemplo mostra que a sada continua sendo uma exponencial complexa com a mesma
frequncia da entrada, com um deslocamento de fase provocado pelo sistema igual a 0.32 radianos e
uma alterao na amplitude pelo fator 3 / 10 .
As mesmas concluses seriam validas se a entrada fosse uma sequncia senoidal real. Se a entrada do
sistema consistir de mais que um sinal senoidal aplica-se o princpio da superposio.

1.8 Transformada de Fourier para sequncias

O par de transformadas de Fourier para uma sequncia ou sinal discreto x(n) definido pelas
seguintes equaes:

( ) x(n)e

X e jw =

jwn

(1.62)

jwn

(1.63)

n =

x(n ) =

X (e )e
2
1

jw

dw .

A equao (1.62) a transformada de Fourier direta para sequncias ou sinais discretos, tambm
chamada de equao de anlise, e a equao (1.63) a transformada de Fourier inversa ou equao de
sntese pois reproduz x(n) a partir de seu espectro de frequncia. A transformada X(ejw) uma funo
complexa e portanto usual escrev-la na forma polar, isto ,

( )

( )

X e jw = X e jw e jX (e

jw

).

(1.64)

O mdulo da transformada conhecido como espectro de amplitude, e a fase como espectro de

fase. O espectro de fase no determinado unicamente, desde que qualquer inteiro mltiplo de 2 pode
ser somado fase sem afetar o resultado final. Em geral, determina-se o valor principal, identificado por

- 23 -

ARG[X(ejw)] e com valores entre . Como discutido na seo anterior, tanto o espectro de fase como o
de amplitude so peridicos com perodo 2.
Uma pergunta que se origina durante o clculo da transformada : Qual a classe de sinais de tempo
discreto que pode ser representada pela transformada de Fourier? Neste caso deve-se analisar a
convergncia da transformada. Para que a transformada exista, a equao (1.62) deve convergir, isto , a
condio abaixo deve ser satisfeita:

( )

X e jw <

: 0 w < 2

(1.65)

Observe que:

( ) x(n)e

X e jw =

jwn

x(n) e

n =

jwn

n =

( ) x(n) < .

X e jw

(1.66)

n =

Portanto, a condio suficiente para que a transformada de Fourier exista que x(n) seja
absolutamente somvel.
Exemplo 18: Determine a transformada de Fourier da sequncia x(n) = anu(n).

( ) a e

X e jw =

n jwn

n =0

(ae )

jw n

n =0

Observe que a srie acima uma progresso geomtrica com razo ae-jw. Admitindo que |ae-jw| < 1, o
que equivalente a admitir que |a| < 1, tem-se que:

( )

X e jw =

(1.67)

1 ae jw

A condio anterior |a| < 1 implica a sequncia x(n) absolutamente somvel, garantindo a
convergncia uniforme da srie
Uma observao importante a se fazer que existem algumas sequncias que no garantem a
condio da equao (1.66), mas mesmo assim possvel encontrar a sua transformada de Fourier. Em
particular, possvel relaxar esta condio e calcular a transformada de Fourier de sequncias cuja
energia infinita. Existem outros casos onde as sequncias no so nem absolutamente somveis, nem
tm energia finita, mas possvel calcular a transformada fazendo uso da funo impulso unitrio. (Veja
Openheim , 1989, exemplo pp 49).

1.8.1 Espectro densidade de energia

Foi definido na seo 1.3.1 que a energia de um sinal dada por:

E=

n =

x(n ) =
2

x(n)x (n)
*

n =

- 24 -

Utilizando a definio da transformada inversa de Fourier, equao (1.63), a transformada de Fourier

inversa do conjugado de uma sequncia ,
x (n ) =
*

X (e )e
2
1

jw

jwn

dw

substituindo na equao acima se tem que:

1
x(n )
X * e jw e jwn dw

2
n =

E=

( )

Trocando a ordem das operaes da somatria com a integral,

E=

X * e jw
x(n )e jwn dw
n =

2
1

( )

Observe que a quantidade entre parntesis a transformada de Fourier de x(n). Assim, a energia de
x(n) pode ser determinada utilizado a sua transformada de Fourier, ou seja,
E=

X (e )X (e )dw = 2 X (e )
2
1

jw

jw

jw

(1.68)

dw

A quantidade:

( )

( )

S x e jw = X e jw

(1.69)

representa a distribuio de energia da sequncia x(n) em funo da frequncia e por isso mesmo ela
chamada de Espectro Densidade de Energia de x(n)

Exemplo 19: Determine a transformada de Fourier e o espectro densidade de energia da sequncia,

0 n < M 1
c. c.

A,
x(n ) =
0,

Admitindo que M seja um nmero finito, x(n) absolutamente somvel e portanto apresenta
transformada de Fourier, pois,

x(n ) =

n =

M 1

A =MA <
n =0

Clculo de X(ejw):
M 1

( ) Ae

X e jw =

jwn

n =0

O mdulo e a fase do espectro so:

= A

1 e jwM
1 e

jw

= Ae jw(M 1) / 2

senwM / 2
senw / 2

- 25 -

( )

Xe

jw

senwM / 2
A
,
=
senw / 2

M A ,

w<

( )

X e jw = w( m 1 ) / 2

w=0

O espectro densidade de energia dado pelo quadrado do mdulo de X(ejw), assim:

( )

Se

jw

senwM / 2

= A

senw / 2

5
4
3
2
1
0
-

-4 /M

-2 /M

2 /M

4 /M

-4 /M

-2 /M

2 /M

4 /M

2
0
-2
-

Figura 1.9: Espectro de amplitude e de fase para o exemplo 17, admitindo A = 1 e M = 5.

1.8.2 Propriedades da transformada de Fourier para sinais discretos

No clculo da transformada de Fourier, o conhecimento e utilizao de certas propriedades facilitam
o uso e interpretao dos resultados.

a) Simetria
Quando o sinal satisfaz certas propriedades de simetria no domnio do tempo, estas impoem certas
propriedades na transformada. Antes de listar estas propriedades considere as seguintes definies:
Sequncia conjugada simtrica: xe (n ) = x*e ( n ) =

1
2

[x(n) + x ( n)]
*

Sequncia conjugada anti-simtrica: xo (n ) = x*o ( n ) =

1
2

[x(n) x ( n)]
*

(1.70)

(1.71)

Propriedades de simetria

( )

(1.72)

( )

(1.73)

1.

x* (n ) X * e jw

Re{( (n )} X e e jw

3.

j Im{x(n )} X o e jw

4.

xe (n ) X R e jw

( )

( )

(1.74)
(1.75)

- 26 -

( )

xo (n ) jX I e jw

5.

(1.76)

Admitindo x(n) uma sequncia real tem-se X(ejw) :

( )

( )

6.

Conjugada simtrica: X e jw = X * e jw

7.

A sua parte real par: X R e jw = X R ( e jw

8.

A sua parte imaginria mpar: X I e jw = X I e jw

9.

O seu mdulo par: X e jw = X e jw

10.

A sua fase mpar: X e jw = X e jw

( )

(1.77)

( )

( )

( )

( )

( )

( )

( )

(1.78)
(1.79)
(1.80)
(1.81)

b) Propriedades e teoremas gerais

Alm das propriedades de simetria, tm-se tambm outras propriedades muito importantes que
relacionam operaes com sequncias e facilitam o uso e obteno de resultados tericos com sinais e
sistemas. Estas propriedades so listadas abaixo sem a preocupao em prov-las. Desde que elas so
similares ao caso da transformada de Fourier para sinais contnuos recomenda-se como exerccio a prova
destas propriedades.

1.

Linearidade
ax(n ) + by (n )

2.

( )

( )

aX e jw + bY e jw

(1.82)

( )

(1.83)

Deslocamento no domnio do tempo

x(n nd ) = e jwnd X e jw

3.

Deslocamento no domnio da frequncia

e jw0n x(n ) = X e j (w w0 )

4.

(1.84)

Reverso do tempo

( )

x( n ) = X e jw

5.

(1.85)

Diferenciao no domnio da frequncia

nx(n ) = j

( )

X e jw

(1.86)

dw

6.

Teorema de Parseval

Este teorema relaciona o clculo da energia do sinal no domnio do tempo com o clculo no domnio
da frequncia (ver espectro densidade de energia seo 1.7.1)

E=

n =

x(n ) =
2

X (e )
2
1

jw

dw

(1.87)

- 27 -

x(n ) y* (n ) =

n =

7.

X (e )Y (e )dw
2

(1.88)

( )( )

(1.89)

jw

jw

Teorema da convoluo
x(n ) * y (n ) = X e jw Y e jw

8.

Teorema da modulao ou janelamento

X (e )Y (e ( ) )d

2
1

w(n )x(n ) =

j w

(1.90)

Exemplo 20: Determine a transformada de Fourier da seguinte sequncia,

x(n ) = a

: a <1

Para resolver este exemplo vamos expressar x(n) como a soma de duas sequncias, x1(n) e x2(n),
a n ,
x1 (n ) =
0,

n0
n<0

a n ,
x 2 (n ) =
0,

n<0
n0

A transformada de Fourier da sequncia x1(n) j foi calculada no exemplo 16 e vale:

( )

X 1 e jw =

( ) a

Clculo de X2(ejw): X 2 e jw =

n jwn

n =

1 ae jw

(ae )

jw n

n =1

ae jw
1 ae jw

Aplicando o teorema da linearidade tem-se que:

( )

( )

( )

X e jw = X 1 e jw + X 2 e jw =

1
1 ae jw

ae jw
1 ae jw

1 a2
1 2a cos w + a 2

Como |a| < 1, o espectro de fase nulo pois X(ejw) real e sempre positiva.
1
(a )
0 .5

0
-1 0

n
-8

-6

-4

-2

10
(b)

4
2
0

-2

-1

(c)

0
-2
-3

-2

-1

Figura 1.10: (a) sequncia x(n), (b) espectro de amplitude; (c) espectro fase para o exemplo 19.

- 28 -

Exemplo 21: Determine o mdulo e a fase da funo do sistema do filtro de mdia mvel, dado pela
equao de diferenas abaixo:
1

y (n ) =

{x(n + 1) + x(n ) + x(n 1)}

Observe que este um filtro FIR (resposta ao impulso finita), a sada depende somente de valores
presentes ou passados da entrada. Assim,
h(n ) =

1
3

(n + 1) +

1
3

(n ) +

1
3

(n 1)

Calculando a transformada de Fourier:

H (e jw ) =

1 jw
1 2
e + 1 + e jw = + cos w
3
3 3

Portanto:

( )

H e jw =

( )

1 + 2 cos w

0,
e jw =
,

0 w 2 / 3
2 / 3 < w <

1 .5
1
0 .5
0

-2 /3

- /3

/3

2 /3

-2 /3

- /3

/
3

2 /3

Figura 1.11: Espectro de amplitude e de fase para o exemplo 20.

Nos dois exemplos acima se pode observar que a resposta de amplitude uma funo par da
frequncia e a de fase uma funo mpar.
A representao de um sinal no domnio da frequncia importante para se observar e analisar o
contedo de frequncias de um sinal ou de um sistema. Em processamento de sinais esta informao
muito importante e usual. Por exemplo, na anlise de efeitos de filtragem, deve-se examinar e conhecer o
comportamento do sinal a ser filtrado no domnio da frequncia, e a qualidade e desempenho dos filtros
tambm estabelecida analisando a resposta em frequncia destes. Quando se deseja transmitir sinais em
um canal de telecomunicaes deve-se conhecer a sua resposta em frequncia para que, baseando-se nesta

- 29 -

informao, seja possvel decidir que faixa ou grupo de frequncias podem ser transmitidas atravs do
canal com pouca distoro.
A tabela 2, mostrada abaixo, relaciona algumas sequncias bsicas frequentemente utilizadas em
processamento de sinais, juntamente com suas respectivas transformadas de Fourier.

Tabela 2: Pares de transformadas de Fourier.

Sequncia

Transformada de Fourier

1.
2.

(n)

( n n d )

3.

a n u ( n) : a < 1

4.

u (n )

e jwnd
1
1 ae jw

1
+

( w + 2k )
1 e jw
k =

5.

r n sen w0 (n + 1)
u ( n) : r < 1
sen w0

1
1 r cos w0 e jw + r 2 e j 2 w

6.

sen w0 n
n

1, w < w0

0, w0 < w

7.

1, 0 n < M
x ( n) =
0, caso contrrio

sen wM / 2 jw( M 1) / 2
e
sen w / 2

8.

e jw0 n

( w w

k =

+ 2k )

- 30 -

Exerccios
1.

Considere a sequncia x(n) = (5-n)[u(n) u(n-5)]. Desenhe:

a)
b)
c)
d)

2.

x(n)
y1(n) = x(n-2)
y2(n) = x(3-n)
y3(n) = x(2n-2)

Um sinal discreto definido por:

1
, 3 n 3

x(n) = | n | +1
0, c.c.

(a)
(b)
(c)
(d)
3.

Determine a sequncia x(n) e desenhe o sinal.

Desenhe o sinal x(n-2).
Desenhe o sinal x(n+2).
Desenhe o sinal x(n).u(n).

Desenhe as seguintes sequncias:

(a)
(b)
(c)
(d)
(e)

x(n) = cos[(/2)n]
x(n) = cos[(/6)n]
x(n) = u(n) u(n-5)
x(n) = (0.5)nu(n)
x(n) = 2nu(n)

4.

Para os itens (a) e (b) do exerccio anterior, admitindo Ta = 0.001, determine os sinais contnuos no
tempo que geraram as sequncias.

5.

Expresse os sinais abaixo em termos de funes padres. (admitida que eles sejam senoidais).
(a)
x(n)
0.5
n
-1

0 1

5 6

10

(b) x(n)={1, 0, 1, 0, 1, 0, 1, ...}

6.

Expresse a sequncia abaixo em funo de funes degrau unitrio ponderadas.

1, n = 0
2 , n = 1

x(n ) =
3, n = 2
0 , c . c.

7.

Para cada um dos sinais abaixo, esboce x(n) e determine Ex ou Px e Mx.

- 31 -

(a) x(n) = e n / 2 u (n)

(b) x(n) =

cos[(n 6k ) / 6]{u(n 6k ) u(n 6k 3)}

k =

8.

9.

Determine a convoluo para os seguintes pares de sinais:

a)
b)

x(n) = {1, 2} e h(n) = {1, 2, 1}

c)

x ( n) = n u ( n) e

d)

x (n) = h( n) = n u ( n)

x(n) = (n) e h(n) = {1, 2, 3}

h( n ) = n u ( n )

Determine a resposta ao impulso dos sistemas dados abaixo. (considere condies iniciais nulas)
y (n) = 2 x(n) + 3 x(n 1) + 4 x(n 2) + x(n 4)

(a)
(b)
(c)
(d)
(e)

y (n) = x(n) + ay (n 1)

(f)

y (n) = x(n) + y (n 1)

y (n) = 0.5 x (n 2) + x(n 1) + 0.5 x(n) + 0.25 x(n 1)

y (n) = x(n) + ay (n 2)
y (n) = x(n) + x(n 1) + ay (n 1)
1
y ( n 2)
4

(g) y( n ) = x(n ) + x(n 2) + y (n 1)

y (n 2 )

10. Para cada sistema abaixo determine se eles so ou no: lineares, invariantes ao deslocamento,
causais, estveis, com ou sem memria. Prove as propriedades ou fornea um contra exemplo e
encontre a resposta ao impulso.
1
y (n 1)
2
x (n), n par
(b) y (n) =
x(n), n mpar

(a) y (n) = x(n) +

(c) y (n) =

x (n k )

k = 1

1, x(n) > 1

(d) y (n) = x (n), 1 x (n) 1

1, x(n) < 1

(e) y (n) = x(2n)

11. Para os sistemas abaixo encontre a resposta ao impulso, a resposta em frequncia (simplifique o
mximo possvel a equao), esboce o espectro de amplitude e descreva em termos gerais o efeito de
filtragem em um sinal.
(a) y (n) = x(n) y (n 2)
(b) y (n) = 2 x(n) + x(n 1) +

1
y (n 1)
2

1
{x(n) 2 x(n 1) + x(n 2)}
4
(d) y (n) = x(n) + 2 x(n 1) + 3x(n 2) + 2 x(n 3) + x(n 4)

(c) y (n) =

- 32 -

12. Considere o sistema LID descrito pela seguinte equao de diferenas:

y (n) = x(n) + x(n 1) + x(n 2)

(a) Determine h(n),

(b) Determine H(ejw),
(c) Encontre a resposta deste sistema entrada x = { 1, 0.5, 0.25 }
13. Considere o sistema SLI descrito pela seguinte equao de diferenas:
y (n) = x(n) + 2 x(n 1) + 0.5 y (n 1)

(a)
(b)
(c)
(d)

Determine h(n),
Determine H(ejw),
Encontre a resposta deste sistema entrada x(n) = u(n)
Diagrama em blocos do sistema.

14. Considere o sistema causal LID descrito pela seguinte equao de diferenas:
y (n) = ay (n 1) + x(n) bx(n 1)

Encontre o valor de a b para que a sua resposta em amplitude seja constante para qualquer
frequncia. Este tipo de filtro chamado de passa tudo.
15. Calcule a transformada de Fourier das seguintes sequncias:
(a) x(

) =

1,

0n5

0 , caso contrrio
(b) x(n) = (1) n {u (n) u (n 8)}

1, n = 2

(c) x(n) = 1, n = 2
0, c.c.

(d) x(n) = cos n +

10
5

(e) y (n) = j n x(n)

(f) y (n) = x (n) * x( n)
16. Determine a equao de diferenas que caracteriza o sistema cuja resposta em frequncia dada por:
(a) H (e

jw

)=

(b) H (e jw ) =
(c) H (e jw ) =

1 12 e jw + e j 3w
1 + 12 e jw + 34 e j 2 w
e jw + 12 e j 2 w
1 e jw + 12 e j 2 w

e jw 12
e j 2 w + e jw 12

- 33 -

17. Se a resposta ao degrau unitrio de um sistema linear invariante ao deslocamento :

n

1
s (n ) = n u (n ), a > 1 . Determine a resposta ao impulso h(n) deste sistema.
a
Note que: (n ) = u (n ) u (n 1) h(n ) = s(n ) s (n 1)

18. Considere o filtro digital abaixo. Admitindo uma frequncia de amostragem igual 8000 Hz,
determine as frequncias de corte inferior e superior e a largura de banda do filtro analgico
equivalente.

Exerccios no computador:
19. Utilizando o Matlab gere e desenhe os sinais abaixo:
(a)
(b)
(c)
(d)
(e)
(f)
(g)

x(n) = cos[(/N)n]u(n) : N = 2, 5 e 10
x(n) = u(n) u(n-5)
x(n) = (n)
x(n) = (0.5)nu(n)
x(n) = 2nu(n)
rudo branco gaussiano com valor mdio zero e desvio padro igual a 1.
Rudo branco com distribuio uniforme entre 0 e 1, e entre 0.5 e 0.5

20. Considere o seguinte sistema LID:

1
y (n) = {x(n) + x(n 1) + L + x(n N + 1)}
N
(a) Determine H(ejw) e tambm o mdulo e a fase,
(b) Utilize o Matlab para desenhar o mdulo e a fase (|w| ) admitindo N= 4, 5, 10 e 20.
(c) Comente os resultados.
21. Considere o seguinte sistema LID:
y ( n) =

1
{x(n) + x(n 1) + x(n 3)}
3

Utilize o Matlab para desenhar (utilize a funo grfica stem) a sada y(n) admitindo:
1, 0 n 20
(a) x(n) =
0, c.c.

(b) x(n) = 2 n sen n u (n)
4

- 34 -

- 35 -

Captulo 2

AMOSTRAGEM DE SINAIS

2.1. Sinais de tempo discreto

Os sinais de tempo discreto apresentam valores definidos somente em determinados instantes do
tempo. Geralmente eles provm de sinais (ou funes) no tempo contnuo que so medidos ou gravados
em intervalos de tempo regularmente espaados. Nas ltimas dcadas estes sinais assumiram grande
importncia devido ao desenvolvimento da eletrnica digital e dos computadores pessoais. Por ser
impossvel introduzir dados contnuos nos computadores digitais, qualquer sinal ou dado necessita ser
representado por um conjunto de nmeros para processamento posterior. Se pretendermos trabalhar com
sinais de tempo discreto, primeiramente devemos amostrar o seu equivalente de tempo contnuo. Na
prtica a operao de amostragem executada por um conversor AD (conversor analgico-digital) que
inclui tambm a quantizao das amplitudes das amostras e a digitalizao. Assim, a sada do conversor
AD uma srie de valores digitais. A operao reversa para a reconstruo de um sinal contnuo a partir
de suas amostras conhecida como converso digital analgica (DA). A teoria da amostragem tem um
papel muito importante no desempenho de qualquer sistema de processamento digital de sinais. Neste
captulo ser apresentada uma breve discusso sobre a teoria da amostragem de sinais, que estabelece as
condies bsicas para que um sinal de tempo contnuo seja representado unicamente por suas amostras
tomadas em instantes de tempo regularmente espaados.

2.2. A amostragem de sinais

A teoria da amostragem a base matemtica para se obter um sinal x(n) de tempo discreto a partir
de um sinal x(t) de tempo contnuo. A obteno de uma sequncia de amostras x(n) a partir de um sinal
x(t) contnuo no tempo pode ser representada pela seguinte relao:

x(n ) = x(t ) t = nT = x(nTa )

2.1

em que Ta chamado de perodo de amostragem, e n um nmero pertencente ao conjunto dos nmeros

inteiros. O inverso deste perodo, Fa = 1/Ta, chamado de frequncia de amostragem, com unidade em
amostras por segundo ou em Hz.
A sequncia de nmeros x(n) algumas vezes denotada por vetor x = {x(n)} , - < n < +, em que
x(n) o n-simo elemento da sequncia. Um exemplo de um sinal de tempo discreto mostrado na figura
2.1, em que as amostras so tomadas em intervalos regularmente espaados por Ta segundos e as raias
perpendiculares ao eixo do tempo representam o sinal de tempo discreto. Note que entre dois intervalos
de tempo sucessivos nada definido sobre o sinal.

x(t)
x(n)
Ta

Figura 2.1: Sinal amostrado.

Uma maneira de se visualizar o processo de amostragem ilustrado pelo diagrama de blocos da
figura 2.2. O sinal de tempo contnuo x(t) aplicado a um multiplicador. Este sinal multiplicado por
uma sequncia peridica de impulsos regularmente espaados por Ta segundos p(t), chamado de trem de
impulsos, tal que:

- 36 -

p(t ) =

(t nT )

2.2

n =

Na sada do multiplicador temos o seguinte sinal:

x a (t ) = x(t ) p(t ) =

x(nT ) (t nT ) = x(nT )
a

2.3

n =

x(t)

x(nTa)

p(t)

Ta
Figura 2.2: Representao do processo de amostragem.
A multiplicao do sinal pelos impulsos converte x(t) em um sinal de tempo discreto, e forma uma
sequncia de nmeros x(n) em que os valores das amostras so indexados pela varivel inteira n, ou seja,

x(n ) = x(nTa )

2.4

Assim, como visto no captulo 1, admitindo n 0, a sequncia x(n) pode ser escrita como uma soma
de impulsos unitrios ponderados tal que:
x(n ) = x(0 ) (n ) + x(1) (n 1) + x(2 ) (n 2) + L

2.5

ou seja, x(n) pode ser considerada uma sequncia de nmeros (um vetor), que em ltima anlise
representa o sinal original. Esta sequncia de nmeros pode ser transmitida ou ento armazenada em um
computador para o processamento (tratamento) digital do sinal.

Tabela 1: Valores tabelados ou armazenados relativos ao sinal real.

n
sinal no instante n
0
x(0)
1
x(1)
2
x(2)
3
x(3)
4
x(4)
M
M
Observe que o sinal, ou sequncia x(n), discreto no tempo, mas os seus valores ou amplitudes para
cada ndice de tempo pertencem ao campo dos nmeros reais.

2.3. O teorema da amostragem

O efeito da amostragem em um sinal melhor analisado no domnio da frequncia utilizando a
transformada de Fourier (Joaquim e Sartori, 2003). Sabe-se da teoria de Fourier que a transformada da
funo trem de impulsos em (2.2) dada por:

- 37 -

(t nT ) T ( k
a

n =

a k =

em que a = 2/Ta.
A transformada de Fourier do sinal da equao (2.3), que o produto de duas funes, ser dada
pela convoluo entre as transformadas de x(t) e p(t):, assim:
1
X a ( ) =
X ( ) * P( )
2.6
2
em que Xa() a transformada de Fourier do sinal amostrado. Assim,
X a ( ) =

1
2

X ( ) *

2
Ta

( k

),

k =

trocando a ordem da somatria com a convoluo tem-se,

X a ( ) =

1
Ta

X ()* ( k

),

k =

portanto,

X a ( ) =

Ta

X ( k

2.7

k =

Note que o espectro do sinal amostrado peridico, com perodo a, pois estamos no domnio da
frequncia. Ele consiste de um nmero infinito de cpias do espectro X(), do sinal de tempo contnuo.
Estas cpias so regularmente espaadas pela frequncia de amostragem a. A figura 2.3, mostra um
exemplo da amostragem de sinais considerando o domnio da frequncia.
Analisando a equao (2.7) e com o auxlio da figura 2.3.d, podemos observar que as cpias
repetidas do espectro de x(t) podem se sobrepor. Primeiramente devemos observar que para que estas
cpias no interfiram umas com as outras, o espectro de x(t) deve ser limitado em uma frequncia
mxima. Seja M a frequncia mxima do sinal a ser amostrado. Observando a figura 2.3.c nota-se
claramente que para no haver superposio espectral deve-se ter que:
M a M

2.8

Desse modo, para que no haja superposio, a frequncia de amostragem deve ser no mnimo o
dobro da frequncia mxima do sinal, isto ,
a 2 M

2.9

Se a condio acima no satisfeita, ou seja, a < 2 M , as cpias do espectro de x(t) se

superpem, causando a perda no formato do espectro original. Observe a ilustrao na figura 2.3.d. Este
fenmeno conhecido na literatura como aliasing (superposio espectral). Neste caso o espectro original
perdido e no pode mais ser recuperado a partir do sinal amostrado.

- 38 -

X()
(a)
M

-M

P()

-2a

(b)

-a

2a

Xa()
(c)

a> 2M
M

-M

-a

a
a-M

Xa()

(d)

a< 2M
a

-a

Figura 2.3: Efeito da amostragem no domnio da frequncia.

Neste caso X() o espectro do sinal contnuo no tempo,
e Xa() o espectro do sinal amostrado.
Por outro lado se a condio em (2.9) satisfeita o espectro original da banda bsica (em torno da
frequncia zero) mantido inalterado e pode ser recuperado atravs de uma filtragem por um filtro passabaixas ideal com frequncia de corte a/2.

X()
(a)
M

-M

Xa()
a> 2M

(b)
-a

-M
a/2

a
a- M

Figura 2.4: Espectro do sinal original e sinal amostrado sem aliasing.

Com as consideraes acima, podemos agora enunciar facilmente o teorema da amostragem como
segue:
Se x(t) um sinal estritamente de banda limitada, isto ,
X ( ) = 0,

> M ,

ento este sinal x(t) pode ser recuperado a partir de suas amostras x(nTa) se:
a =

2
Ta

2 M

2.10

- 39 -

A frequncia M chamada de frequncia de Nyquist, e a frequncia mnima de amostragem, 2M,

chamada de taxa de Nyquist.
Todos os sinais encontrados nos sistemas fsicos nunca so, estritamente falando, de banda limitada,
assim, antes do processo de amostragem comum filtrar o sinal (filtro anti-aliasing) a fim de se
minimizar a energia do sinal acima da frequncia de Nyquist (limitar o sinal em banda), para, desse
modo, minimizar o efeito do aliasing que ocorre durante a converso analgico-digital.
X()

Xa()
x(nTA)

x(t)
H()

-a -M M a

-M

H()

-C

c = M ou c = a/2

Figura 2.5: Reconstruo do sinal: filtragem do sinal amostrado

e recuperao do sinal original.

Algumas consideraes prticas

Na realidade impulsos com durao nula no existem. Na prtica a amostragem realizada atravs
de um circuito amostrador-segurador. O sinal amostrado aproximado por uma aproximao em degraus
entre dois instantes adjacentes de amostragem, e em seguida quantizado. Neste caso o filtro de
reconstruo deve ser levemente modificado para compensar a aproximao em degraus (oppenheim
1979, Joaquim, 2003).
Como dito anteriormente, para assegurar que no haja ocorrncia da superposio espectral
(aliasing), o sinal antes de ser amostrado filtrado a fim de limit-lo em banda, em uma frequncia
mxima, por exemplo, M. Este filtro chamado de filtro anti-aliasing, e serve tambm para limitar o
rudo presente no sinal de tempo contnuo, antes do processo de converso analgico-digital. Ele serve
tambm para facilitar o projeto prtico do filtro de reconstruo, que no apresenta uma transio abrupta
entre a banda de passagem e de atenuao, a taxa de amostragem feita levemente superior de Nyquist.
Na figura 2.5 H() representa um filtro de reconstruo ideal.
O ouvido humano capaz de identificar frequncias entre 20 Hz e 20 kHz. Para sinais de udio a
frequncia amostragem padronizada em 44.1 kHz em vez de 40 kHz. Em telefonia a 90% da energia do
sinal da fala est presente em frequncias at 3.4 kHz, que suficiente para preservar a qualidade das
conversaes, e a taxa de amostragem padronizada em 8 kHz em vez de 6.8 kHz, permitindo uma
banda de guarda de 1.2 kHz que facilita o projeto prtico do filtro de reconstruo. Em pesquisa a taxa de
amostragem muitas vezes elevada para 10 kHz.

2.4. Converso da taxa de amostragem

Em algumas aplicaes especiais, como por exemplo alguns tipos de codificao de banda, existe a
necessidade da modificao da taxa de amostragem de uma sequncia x(n). Podemos reduzir ou aumentar
a taxa de amostragem por um determinado fator inteiro, ou ento modific-la por um fator racional. Este
processo conhecido como converso da taxa de amostragem e pode ser realizado diretamente no sinal
de tempo discreto

Reduo na taxa de amostragem por um fator inteiro

- 40 -

A reduo da taxa de amostragem por um fator inteiro, M, feita tomando todas as amostras do
sinal mltiplas de M, isto ,

x d (n ) = x(t ) t =nMT = x(nMTa ) = x(nM )

2.11

Observe que, para o sinal re-amostrado, o novo perodo de amostragem MTa. Fica claro que esta
operao pode resultar em aliasing (superposio espectral).
Calculando a transformada do sinal re-amostrado x d (t ) = x(nMTa ) tem-se que:

X d ( ) =

MTa

X k

k =

2.12

Neste caso a nova frequncia de amostragem a/M, que menor do que a. Assim, para se
prevenir a superposio espectral o sinal x(n) deveria ser filtrado antes da converso da amostragem.
No domnio da frequncia digital a transformada de Fourier de x d (n ) = x(nM ) , admitindo que
= w / MTa ,aps alguma manipulao matemtica pode ser mostrada que:

( )

X d e jw =

M 1

X (e (

M
1

j w 2 k ) / M

2.13

k =0

No caso contnuo, para se evitar a superposio espectral, o sinal x(t) deveria ser filtrado por um
filtro passa-baixas com frequncia de corte igual metade da nova frequncia de amostragem, a/2M.
Como, em geral, j estamos trabalhando no tempo discreto, ento filtramos o sinal discreto x(n) por um
filtro digital passa-baixas com ganho unitrio e frequncia de corte digital, tal que,

wc =

a
2M

Ta =

2.14

O processo de filtragem digital seguido da reduo da amostragem chamado de um decimador e

ilustrado pelo diagrama de blocos na figura 2.6. Assim, no processo de reduo da taxa de amostragem
por um fator M, primeiramente a sequncia filtrada por um filtro digital com ganho unitrio e
frequncia de corte igual a /M e em seguida faz-se a operao descrita pela equao (2.11).

x(n)

FPBx
/M

xr(n)

Figura 2.6: Decimador.

Aumento na taxa de amostragem por um fator inteiro

Suponha que se quer aumentar a taxa de amostragem de uma sequncia x(n), amostrada com um
perodo de Ta segundos, por um fator de L, em que L um nmero inteiro. A nova sequncia, xi(n), pode
ser obtida a partir de x(n) atravs da seguinte transformao:

T
xi (n ) = x n a

= x n

2.15

- 41 -

por:

Observe que as amostras de xi(m), com ndices mltiplos inteiros tais que m = nL de x(m), so dadas

xi (nL ) = x(n )

2.16

Podemos concluir ento que a equao (2.16) expande x(n) acrescentando L - 1 zeros entre cada
xi (n ) tal que:
duas amostras adjacentes de x(n), ou seja, temos uma nova sequncia ~

x(n / L ), n = 0, L, 2 L, L
~
xi (n ) =
.
0, caso contrrio

2.17

A figura 2.7.a, mostrada abaixo, ilustra esta operao.

x(t)

(a)

~
x i (n )

Ta

(b)
x i (n )

Ta/L
Figura 2.7: Interpolao no domnio do tempo.
xi (n ) da equao (2.17) tem-se que,
Calculando a transformada de Fourier da sequncia ~

( ) ~x (n)e

~
X i e jw =

jnw

n =

x(n)e

jnLw

n =

portanto,

( ) ( )

~
X i e jw = X e jLw

( )

( )

2.18

~
Observe que X i e jw uma verso de X e jw , comprimida por um fator de escala L. Estas duas
transformadas esto ilustradas na figura 2.8b e 2.8c. Observando esta figura podemos concluir que para se
obter xi(n) basta criar uma sequncia como a da equao (2.17) e em seguida filtr-la com um filtro passabaixas digital com ganho L e corte em wc = /L. O uso do ganho L pode ser justificado notando que,
como estamos comprimindo o sinal no domnio da frequncia por um fator L e eliminando as
componentes de frequncia entre /L e 2 - /L, a energia do sinal diminuir por um fator igual a L2.
Assim, estabelecendo o ganho do filtro interpolador igual a L a energia do sinal interpolado mantida
igual do original. O sinal interpolado no domnio do tempo mostrado na figura 2.7.b.

- 42 -

X()
(a)
M

-M

X(ejw)
(b)

1/Ta

-2 -

1/Ta

( )

~
X i e jw

(c)

-2/L -/L /L 2/L

H(ejw)
(d)

L
-2 -2/L -/L /L 2/L 2

Xi(ejw)
(e)

L/Ta
-2 -2/L -/L /L 2/L 2

Figura 2.8: Processo aumento de aumento da taxa de amostragem.

(a) espectro do sinal origina; (b) espectro do sinal amostrado x(n);
(c) espectro de ~
xi (n ) ; (d) filtro de interpolao; (e) espectro de xi (n ) .
O processo de aumento na taxa de amostragem de uma sequncia chamado de interpolador, e
ilustrado pelo diagrama de blocos da figura 2.9.
x(n)

~
x i (n )

FPBx
/L

xi(n)

Figura 2.9: Interpolador.

Podemos ainda converter a taxa de amostragem por um fator racional de valor L/M, atravs da
interconexo em cascata de um interpolador em seguida de um decimador, como mostra a figura 2.10
(Hayes, [14]).

x(n)

~
x i (n )

FPBx
wc

~
x d (n )

Figura 2.10: Converso por um fator racional.

xd(n)

- 43 -

Neste caso o filtro passa-baixas, na figura 2.10, dever apresentar um ganho igual a L. Por causa de
que nos processos de decimao e interpolao tem-se dois filtros passa-baixas, estes dois so
substitudos por um nico filtro com frequncia de corte abaixo:

wc = min ,

L M

2.18

Na converso da taxa de amostragem por um fator racional devemos ressaltar que primeiramente de
ser executada a operao de interpolao e aps a filtragem executa-se a operao de decimao para se
preservar o espectro de frequncias da sequncia.

Exemplo 1: Desejamos converter um sinal de udio amostrado em 44.1 kHz (frequncia para CD)
em um sinal com frequncia de amostragem de 48 kHz (frequncia para DAT digital udio tape),
utilizando o esquema da figura 2.10. Determine os fatores de converso L e M e a frequncia de corte do
filtro passa-baixas.

L 48000 160
=
=
M 44100 147

L = 160 e M = 147

Portanto o filtro ter os seguintes parmetros:

ganho: L = 160

frequncia de corte: wc = min
,
=
160
147

160

- 44 -

Exerccios
1.

Enuncie e demonstre o teorema da amostragem.

2.

Seja a a taxa de Nyquist para um sinal x(t). Determine a taxa de Nyquist para os seguintes sinais
formados a partir de x(t). Utilize as propriedades da transformada de Fourier para sinais de tempo
contnuo.
a)
y (t ) = 4 x(t )
d
y (t ) =
x(t ) ,
b)
dt
y (t ) = x(4t ) ,
c)
d)

y (t ) = x 2 (t )

3.

Um sinal de eletrocardiograma (ECG) analgico contm frequncias teis at 100 Hz. Qual a taxa
de Nyquist para este sinal? Suponha que a taxa de amostragem seja de 250 Hz, qual a maior
frequncia que pode ser representada unicamente nesta taxa? Se o sinal acima fosse amostrado em
150 Hz, o que aconteceria?

4.

Um sinal contnuo no tempo x(t) pode ser recuperado a partir de suas amostras x(nTa) com Ta = 1
ms. Qual a maior frequncia do sinal x(t)?

5.

Seja x(t ) = cos(500t ) .

a) Determine a sequncia x(n) para uma frequncia de amostragem igual a 1000 Hz.
b) Determine a sequncia x(n) para uma frequncia de amostragem igual a 200 Hz (resp:
cos (0.5n ) .
c) A partir de x(n) do item b, determine o novo sinal no domnio do tempo contnuo utilizando
frequncia de amostragem de 200 Hz.
d) Explique o que ocorreu no item c.

6.

Suponha que desejamos converter um sinal de voz amostrado 8 kHz (frequncia para canais
telefnicos) em um sinal com frequncia de amostragem de 10 kHz, utilizando o esquema da figura
2.10. Determine os fatores de converso L e M e a frequncia de corte do filtro passa-baixas.

- 45 -

Captulo 3

TRANSFORMADA Z

3.1 Introduo
A transformada z uma ferramenta matemtica importante para ser aplicada na anlise e representao
de sistemas lineares de tempo discreto e invariantes ao deslocamento (SLDT). Ela pode ser considerada
como uma generalizao da transformada de Fourier para sinais de tempo discreto e desempenha o
mesmo papel que a transformada de Laplace tem na anlise dos sistemas lineares de tempo contnuo. Em
particular, a transformada z ser utilizada descrever um sistema SLDT atravs da sua funo de
transferncia (ou funo do sistema), H(z). A resposta em frequncia prontamente determinada
admitindo z = ejw e a estabilidade e causalidade do sistema verificada atravs do clculo dos polos e
zeros. A transformada z tambm utilizada como uma ferramenta para se determinar o espectro de sinais
discretos em conjunto com a transformada discreta de Fourier.

3.2 Definio e convergncia

Considere uma sequncia infinita x(n): n = 0, 1, 2, ... A transformada z desta sequncia definida
pela seguinte srie de potncias:
X (z ) =

x(n)z

(3.1)

n =

Neste captulo ser utilizado como notao, letras maisculas para representar a transformada z de
uma sequncia e minsculas para representar os sinais de tempo discreto.
O operador z uma varivel complexa que pode assumir qualquer valor no plano z, onde a srie dada
pela equao (3.1) converge. Formalmente, em muitas situaes, mais usual e conveniente descrever
esta varivel na sua forma polar, representada por um mdulo r e um ngulo de fase w, tal que:
z = re jw

(3.2)

Admitindo z na forma polar possvel interpretar a transformada z no plano complexo da varivel z,

como mostra a figura 1. Neste plano identificada uma regio de contorno em tal que |z| = 1, isto , um
crculo de raio unitrio onde se define, a estabilidade de sequncias causais. Observe tambm que quando
|z| = 1 ento r = 1 e portanto z = ejw. Substituindo z = ejw na equao (3.1) tem-se que:

) x(n)e

X z = e jw =

jwn

(3.3)

n =

Assim, no crculo de raio unitrio, a transformada z da sequncia x(n) a prpria transformada

discreta de Fourier.

- 46 -

Im[z]
z = ejw
w
1

-1

Re[z]

Figura 3.1: Plano z e crculo de raio unitrio.

Note que w o ngulo de fase do vetor z, medido entre o eixo real e o ponto z. Como no crculo de
raio unitrio z = ejw, calculando a transformada z neste crculo, partindo de z = 1 (w = 0) at z = -1 (w =
) obtm-se a transformada de Fourier de x(n), para 0 w < -. Continuando o caminho em torno do
crculo unitrio chega-se novamente a z = 1 (w = 2). A partir de 2, os clculos se repetem. Esta
reflexo mostra que a transformada de Fourier peridica, com perodo 2, pois uma mudana
equivalente a 2 no ngulo w corresponde a percorrer uma volta inteira no crculo e chegada novamente
ao ponto de partida.

3.2.1

Regio de convergncia

Desde que a transformada z uma srie infinita de potncias, ela existir somente para os valores de z
aos quais ela converge. Assim, a regio de convergncia (que ser abreviada por RDC) definida para os
valores de z para os quais X(z) finita. Portanto, para que X(z) exista a seguinte desigualdade deve ser
assegurada:
X (z ) =

x(n)z

<

(3.4)

n =

A regio de convergncia muito importante e deve ser sempre indicada juntamente com a
transformada z, como ser visto nos exemplos que seguem.
Exemplo 1: Determine a transformada z e a correspondente regio de convergncia para as sequncias
finitas dadas abaixo. Nestes exemplos, o termo em negrito indica o ndice de tempo zero (n = 0).
a)

x(n) = {1, 3, 5, 7, 0, 1}
X (z ) = 1 + 3 z 1 + 5 z 2 + 7 z 3 + z 5
RDC : todo plano z exceto z = 0

b) x(n) = {1, 2, 3, 4, 5, 6, 7}
X (z ) = z 2 + 2 z + 3 + 4 z 1 + 5 z 2 + 6 z 3 + 7 z 4
RDC : todo plano z exceto z = 0 e z =

c)

x(n) = (n + nd) : nd > 0

X (z ) = z nd
RDC : todo plano z exceto z = ,

pois n d > 0

Com o auxlio dos exemplos acima podemos observar que para sequncias finitas a transformada z
apresenta uma regio de convergncia que engloba todo o plano z, exceto, possivelmente z = 0 e/ou z =

- 47 -

. Observe tambm que cada expoente da varivel z contm informao a respeito da localizao
temporal das amostras. Assim, z-k interpretado como um operador de deslocamento, isto , um atraso de
kTa segundos (em que Ta o perodo de amostragem). Na transformada z, cada elemento da sequncia
equivalente multiplicao da amostra por z-k.

Para se determinar a regio de convergncia de uma sequncia com durao infinita vamos considerar
a varivel z na sua forma polar. Atravs da definio de convergncia dada pela equao (3.4) e
substituindo z por rejw tem-se que:

x(n)r

X (z ) =

n jwn

<

(3.5)

n =

Desenvolvendo a equao acima,

X (z ) =

x(n )r n e jwn

n =

x(n )r n e jwn =

n =

x(n)r

: pois e jwn = 1

n =

Desse modo, pode-se concluir que |X(z)| finita se a sequncia x(n)r-n for absolutamente somvel.
Separando na somatria acima os ndices positivos dos negativos, obtm-se:
X (z )

x(n)r

n =

x(n )r

n =0

Fazendo uma mudana de varivel tem-se:

X (z )

n =1

x( n )r n +

x(n)r

(3.6)

n =0

O primeiro termo da equao (3.6) representa uma sequncia lateral esquerda cuja regio de
convergncia consiste do interior de um crculo de raio RH, tal que RH < , por causa do termo rn. Do
mesmo modo, o segundo termo da equao acima representa uma sequncia lateral direita cuja regio de
convergncia o exterior de um crculo de raio RL > 0, em que RL o menor valor de r tal que x(n)r-n seja
absolutamente somvel.
Consequentemente, a regio de convergncia da transformada z para uma sequncia de tamanho
infinito ser uma regio anular (um anel) dada pela interseco das regies de convergncia das
sequncias lateral esquerda e direita, ou seja, ela ser tal que:
RL < z < RH

(3.7)

Observe que para a transformada z existir RH dever ser maior que RL. Caso RH < RL no existir uma
regio de convergncia comum s sequncias lateral esquerda e direita, e portanto a transformada z da
sequncia no poder ser definida. A figura 3.2, ilustra a regio de convergncia para sequncias de
durao infinita.

- 48 -

Im
Re

RL

seqncia lateral direita: {x(n0), x(n0+1 ), ...}

Im
RH

Re

seqncia lateral esquerda: {... x(n0-1), x(n0)}

Im

Re
RL

seqncia infinita: {... x(-2), x(-1), x(0), x(1), ...}

RH

Figura 3.2: Regio de convergncia para sequncias de durao infinita.

Exemplo 2: Determine a transformada z e a regio de convergncia da seguinte sequncia:
n ,
x(n ) = n u (n ) =
0 ,

n0
n<0

soluo: utilizando a definio da transformada tem-se:

X (z ) =

n z n =

n =0

(z )

1 n

n =0

Observe que a equao acima representa uma progresso geomtrica com razo z-1. Assim,
admitindo |z-1| < 1, a srie converge e, portanto a RDC ser |z| > ||;
X (z ) =

1
1 z 1

RDC :

z >

A figura 3.3. mostra uma sequncia do tipo nu(n) e a regio de convergncia da transformada z.
Observe que se || < 1, a RDC inclui o crculo unitrio, apresentando, desse modo, a mesma transformada
de Fourier do exemplo 16 do captulo 1, como seria de se esperar.

- 49 -

x(n)

Im[z]

||

Re[z]

Figura 3.3: Sequncia nu(n) e regio de convergncia.

Como ser visto mais adiante, dois parmetros importantes e muito utilizados na anlise e na inverso
das transformadas z so os seus zeros e os polos. Os zeros, como o prprio nome j diz, so os valores da
varivel z para os quais X(z) = 0, e os polos da transformada so os valores de z para os quais X(z) .
Portanto, pode-se concluir diretamente que a regio de convergncia para uma transformada z no pode
incluir os seus polos.
O exemplo 2 ilustra esta concluso. Observe que a transformada z apresenta um polo em z = e que a
regio de convergncia obtida no inclui este polo pois |z| > ||.

Exemplo 3: Determine a transformada z e a regio de convergncia da seguinte sequncia:

n0
0 ,
x(n ) = n u ( n 1) = n
, n < 0

soluo:
X (z ) =

n z n =

n =

( z )
1

n =1

= 1

( z )
1

n =0

A equao acima uma progresso geomtrica com razo -1z, assim, admitindo |-1z| < 1, no qual a
srie converge, tem-se que:
X (z ) =

1
1 z 1

x(n)

RDC :

z <

Im[z]

n
||

Re[z]

Figura 3.4: Sequncia -nu(-n-1) e regio de convergncia.

Observe que a transformada z deste exemplo a mesma do exemplo anterior, o que difere so as
regies de convergncia das duas sequncias, este fato mostra a importncia de sempre se indicar a RDC
junto com a transformada.

- 50 -

Exemplo 4: Determine a transformada z e a regio de convergncia da seguinte sequncia:

x(n ) = n u (n ) + n u ( n 1)

soluo: aproveitando o resultado dos dois exemplos anteriores tem-se que:

-

para o primeiro termo:

1

X 1 (z ) =

1 z 1

RDC :

z >

RDC :

z <

para o segundo termo:

X 2 (z ) =

1
1 z 1

Admitindo || < || tem-se:

X (z ) =

1
1 z 1

1
1 z 1

RDC :

+ z z 1

< z <

Im[z]

x(n)

||

||

Re[z]

Figura 3.5: Sequncia e regio de convergncia para o exemplo 4.

Observe que se || > || no existe a transformada z desta sequncia pois as duas regies de
convergncia, dos exemplos 2 e 3, no se superpem.

3.2.2
1.

Propriedades da regio de convergncia

A regio de convergncia um anel centrado na origem tal que:

0 RL < z < RH

(3.8)

em que RL e RH so os raios menor e maior que delimitam a RDC.

2. A transformada de Fourier da sequncia converge absolutamente se a regio de convergncia inclui o
crculo de raio unitrio, pois neste caso, z = ejw pertence RDC,
3.

A regio de convergncia no contm polos.

4.

Se a sequncia tem durao finita ento a RDC todo o plano z, exceto possivelmente os pontos z =
0 e/ou z = .

- 51 -

5.

Para sequncias lateral direita a RDC se estende a partir do polo mais exterior no plano z incluindo,
possivelmente, z = .

6.

Para sequncias lateral esquerda a RDC se estende desde o ponto zero at o polo mais interior no
plano z.

7.

Para sequncias bilaterais infinitas a RDC um anel que no contm polos.

8.

A regio de convergncia uma regio conectada.

3.3 Transformada z inversa

A anlise de sistemas lineares envolve em geral encontrar a funo de transferncia do sistema e o
clculo da sua transformada z inversa (resposta funo amostra unitria). Existem diversos
procedimentos para se encontrar a transformada z inversa, em particular, sero estudados neste captulo
os mtodos pelo clculo formal atravs do teorema da integral de Cauchy e teorema do resduo, mtodo
por inspeo, expanso em fraes parciais e expanso em srie de potncias.

3.3.1

Mtodo formal pela integral de contorno

A transformada z inversa calculada pela seguinte equao:

x(n ) =

2j

X ( z )z n 1dz

(3.9)

em que C uma regio de contorno no sentido anti-horrio e que engloba a origem.

A soluo da equao acima realizada pelo mtodo dos resduos, que fornece um modo simples de
calcular a transformada inversa. Vale a pena provar o resultado da equao acima antes de apresentar o
mtodo do resduo.
O teorema da integral de Cauchy estabelece que:
1

z
2j
C

1,
dz =
0 ,

k =1

(3.10)

k 1

Como visto no incio deste captulo, sabemos que a transformada z de uma sequncia x(n) ,
X (z ) =

x(n)z

n =

Multiplicando ambos os lados da equao acima por

1
2 j

z k 1 , e integrando o resultado em uma regio

de contorno que engloba a origem e que pertence regio de convergncia de X(z) tem-se que:
1
2j

X ( z ) z k 1 dz =

1
2j

x ( n) z
C

n + k 1

dz

n =

Trocando a ordem do somatrio com a integral, pois as duas operaes so lineares,

- 52 -

2j

x(n) 2j z

X (z )z k 1dz =

n + k 1

dz

n =

Pelo resultado da equao (3.10), a equao acima vlida somente quando k = n, ento,
1

2j

X (z )z k 1dz = x(k )

(3.11)

como queramos demonstrar.

Se a regio de convergncia inclui o crculo de raio unitrio, ento podemos tomar como regio de
contorno este crculo no qual |z| = 1. Neste caso, substituindo z por ejw na equao (3.9), a transformada z
se reduz transformada de Fourier da sequncia e a regio de contorno estar entre . Assim,
x(n ) =

X (e )e
2
1

jw

jwn

(3.12)

dw

A equao (3.9) raramente utilizada, pois no uma frmula prtica para inverso. Em engenharia
eltrica podemos notar que maioria dos sinais e sistemas apresenta uma transformada z racional, isto ,
uma razo dentre dois polinmios. Neste caso, os polos da transformada so facilmente determinados e a
integral em (3.9) calculada utilizando o teorema do resduo. Este teorema fornece a seguinte frmula
para a inverso da transformada z,
x(n ) =

{resduos de X (z )z n 1 para os plos em C}

(3.13)

O teorema do resduo de Cauchy estabelece que:

Seja G(z) uma funo da varivel complexa z e C uma regio de contorno. Se a derivada dG(z)/dz
existe na e dentro da regio de contorno, e se G(z) no contm polos em z = p0, ento,
1
2j

G ( p 0 ),
dz =
0,
z p0
G (z )

se p 0 est dentro de C
se p 0 est fora de C

(3.14)

Generalizando este teorema temos: se a existe a derivada de ordem k + 1 de G(z) e se G(z) no tem
polos em z = p0, ento:

1
2j

G( z )

( z p 0 )k

1 d k 1G (z )

, se p 0 est dentro de C
dz = (k 1)! dz k 1 z = p
0

0 ,
se p 0 est fora de C

Exemplo 5: Determine a transformada z inversa de:

X (z ) =

1
1 z 1

: z >

Multiplicando X(z) por zn-1 tem-se que:

X ( z ) z n 1 =

z n 1
zn
=
1 z 1 z

(3.15)

- 53 -

Se n 0, existe somente um polo de primeira ordem em z = . Assim calculando este resduo

determina-se x(n).
x(n ) = residuo de X ( z ) z n 1 em z =
= (z )

zn
= zn
z

= n
z =

Se n < 0 ento temos polos em z = 0. Calculando o resduo para n = -1 tem-se:

x(n = 1) = residuo de X (z )z n 1 em z =
= z 1

z =

+z

z 1
z

resduo em z = 0

= 1 1 = 0
z =0

Pode-se mostrar que x(n) = 0 para todo n < 0. Assim,

x(n ) = n u (n )

3.3.2

Mtodo por inspeo

Este o mtodo mais simples e direto para a obteno da transformada z inversa. Ele consiste em
reconhecer, por inspeo, um par (ou pares) conhecido de transformada z, ele envolve, em geral o uso de
tabelas como a tabela 1, mostrada apos o exemplo 6.

Exemplo 6: Determine o sinal causal cuja transformada z dada por:

X (z ) =

1
1 0.5 z

2
1 z 1

Como por hiptese o sinal causal, ento a RDC pertence regio |z| > rH = 1. Comparando as
transformadas da equao acima com a tabela 1 chega-se que:
n

1
1
x(n ) = u (n ) + 2(1)n u (n ) = u (n ) + 2u (n )


2
2

Tabela 1: Lista de transformadas z usuais.

Sequncia
1. (n)
2. u (n)
3. u (n 1)
4. (n n d )
5. n u (n)

Transformada
1
1
1 z 1
1
1 z 1

z nd
1
1 z 1

RDC
todo plano z
z >1
z <1

todo plano z exceto 0 (se

nd > 0) ou (se nd < 0)
z >

- 54 -

1
1 z 1
z 1
(1 z 1 ) 2

6. n u ( n 1)
7. n n u (n)

z >

1 [cos w0 n]z 1

8. [cos w0 n]u (n)

1 2[cos w0 n]z 1 + z 2
[sen w0 n]z 1

9. [sen w0 n]u (n)

1 2[cos w0 n]z 1 + z 2

n , 0 n N 1
10.
0, c. c.

3.3.3

z <

1 N zN
1 z 1

z >1
z >1
z >0

Mtodo por expanso em fraes parciais

Utiliza-se este mtodo quando a transformada z dada por uma razo de dois polinmios em z do tipo:
M

X (z ) =

N (z )
D (z )

b z

k =0
N

ak z

(3.16)

k =0

Neste mtodo o polinmio decomposto em uma soma de polinmios de ordens menores (em geral de
primeira ordem). Em seguida a sequncia temporal de cada parcela identificada por inspeo (Tabela 1)
e a soma de todas as sequncias obtidas a transformada inversa de X(z).
O procedimento para se obter uma expanso em fraes parciais primeiramente identificar os polos e
zeros da funo, e express-la como um produto de polinmios de primeira ordem, como abaixo:

(1 c z )
M

X (z ) =

b0
a0

k =1
N

(1 d

kz

(3.17)

k =1

em que ck so os zeros no nulos de X(z) e dk so os polos no nulos.

Na soluo por este mtodo existem trs possibilidades distintas que se deve considerar:

Primeiro caso: Admitindo M < N e todos os polos de primeira ordem. Neste caso X(z) pode ser expressa
como:
X (z ) =

1 d

Ak

k =1

kz

(3.18)

Os coeficientes Ak so determinados multiplicando ambos os lados da equao (3.18) por (1 dkz-1) e

calculando o resultado para z = dk. Assim,

Ak = 1 d k z 1 X (z )

z =d k

(3.19)

- 55 -

Segundo caso: Admitindo M N e todos os polos de primeira ordem. Neste caso um outro termo deve
ser adicionado equao (3.18). Neste caso X(z) expressa como:
X (z ) =

M N

B z
k

1 d

k =0

Ak

k =1

kz

(3.20)

Os coeficientes Ak so calculados como anteriormente pela equao (3.19) e os coeficientes Bk so

obtidos atravs da diviso longa do numerador pelo denominador, na qual o resto da diviso apresenta um
grau menor do que o denominador.

Terceiro caso: Admitindo M N e um polo (dj) de ordem mltipla L > 1. Neste caso, a equao (3.20)
modificada como abaixo:
X (z ) =

M N

Bk z k +

k =0

1 d
k =1
k j

Ak
kz

(1 d

Cl

l =1

jz

(3.21)

1 l

Os coeficientes Ak e os Bk so calculados como anteriormente, e os Cl so calculados pela equao

abaixo:
1

Cl =

(L l )! ( d j )L l

d L l
1 d j z 1

l
dz

X (z )
z = d

(3.22)
j

Os termos da expanso do tipo Bkz-k correspondem, no domnio do tempo, a impulsos deslocados para
o instante ou ndice k, isto ,
Bk (n k )

Os termos do tipo

Ak
1 d k z 1

(3.23)

correspondem s sequncias do tipo:

(d k )n u (n )

ou (d k )n u ( n 1)

(3.24)

A escolha do primeiro ou segundo termo na equao acima depende da regio de convergncia, como
visto nos exemplos anteriores.
Os termos do tipo

d j z 1

(1 d

z 1

correspondem seguinte sequncia

nd nj u (n )

: z > dj

Exemplo 7: Determine a transformada z inversa de:

X ( z) =

1 + 2 z 1 + z 2
1 + 2 z 1 + z 2
=
1
1
3
1
1 z 1 + z 2 (1 0.5 z )(1 z )
2
2

Como M = N = 2, tem-se que calcular B0 atravs da diviso longa de polinmios. Assim,

(3.25)

- 56 -

3 1 1 2 2
z + z
2
2
1 + 2 z 1 + z 2
2 3z 1 + z 2
1 + 5 z 1

X (z ) = 2 +

1 + 5 z 1

(1 0.5z )(1 z )
1

= 2+

resto
A1

A2

(1 0.5z ) (1 z )
1

Clculo dos Ak

A1 = 1 0.5 z 1 X (z )

z =0.5

1+ 4 + 4
1 2

= 9
X (z ) = 2

A1 = 1 z

)X (z )

z =1

1+ 2 +1
1 0.5

=8

(1 0.5z ) (1 z )
1

Im[z]

0.5 1

Re[z]

Figura 3.6: Localizao dos polos de X(z).

-

Clculo da transformada z inversa: Observe que X(z) composto de trs parcelas, cujas
transformadas inversas foram calculadas nos exemplos anteriores. Como nada foi especificado a
respeito da regio de convergncia, tm-se trs regies de convergncia distintas para analisar, como
mostra a figura 3.6. Para cada uma destas regies tem-se uma sequncia x(n), isto ,
se z > 1 seqncia lateral direita
n

1
x(n ) = 2(n) 9 u (n ) + 8u (n )
2
se z <

1
2

seqncia lateral esquerda

n

1
x(n ) = 2(n ) + 9 u ( n 1) = 8u ( n 1)
2
se

1
< z < 1 seqncia bilateral
2
n

1
x(n ) = 2(n ) 9 u (n ) = 8u ( n 1)
2

Exemplo 8: Determine a transformada z inversa da transformada abaixo. Admita x(n) uma sequncia
causal.

- 57 -

X (z ) =

1 z 1 + 0.5 z 2

clculo dos polos de X(z)

1
1
1 j / 4
+j =
e
2
2
2
1
1
1 j / 4
p2 = j =
e
2
2
2
p1 =

1 2
z =0
2

1 z 1 +

1 + z 1

Como M < N, tem-se somente os coeficientes Ak. Fazendo a expano em fraes parciais,
X (z ) =

A1

1 + z 1
1 p2 z

1 1
z= + j
2 2

10

1 + z 1
1 p1 z

+ j

1 1
z= j
2 2

e j1.25

10

A2 =

A2

(1 p z ) (1 p z )
1

A1 =

10

X (z ) =

e j1.25

e j1.25

10

e j1.25

2
2
+

1 1 e j / 4 z 1 1 1 e j / 4 z 1

2
2

Clculo da transformada z inversa: Como a sequncia x(n) especificada no exerccio como causal,
ento a regio de convergncia para |z| > |pj| = 1 / 2 . Assim,
x(n ) =

10
2

10 j1.25 1 j / 4
e j / 4 u (n ) +
e
e
u (n )

2
2

j1.25

n
j n 1.25
j n 1.25

10 1 4

+e 4
e
=

2 2

cos n 1.25 u (n )
x(n ) = 10

3.3.4

Mtodo por expanso em srie de potncias

Neste caso o clculo da transformada z inversa se resume em encontrar uma srie do tipo:
X (z ) = L x( 2 )z 2 + x( 1)z 1 + x(0 ) + x(1)z 1 + x(2)z 2 + L

em que os coeficientes das potncias de z representam a transformada inversa.

(3.26)

- 58 -

Exemplo 9: Determine a transformada z inversa de:

X (z ) = ln 1 + az 1

: z > a

calculando a srie de potncias de uma funo do tipo ln(1 + x), onde |x| < 1, tem-se:
X (z ) =

( 1)

n +1

(az )

1 n

n =1

x(n ) =

( 1)

n +1

n =1

3.3.5

assim ,

n
an
n

Mtodo pela diviso longa

Como anteriormente este mtodo aplicado quando a transformada z dada por uma razo de dois
polinmios, N(z) no numerador e Q(z) no denominador. O coeficiente encontrado na diviso para z-n o
valor de x(n) da sequncia. Deve-se ter uma ateno especial quando se aplica este mtodo de inverso,
pois o modo como se faz a diviso depende da regio de convergncia. Se a regio de convergncia o
exterior de um crculo, a sequncia temporal resultante lateral direita (causal) e os polinmios devem ser
arranjados em ordem decrescente de potncias negativas da varivel z. Se a regio de convergncia o
interior de um crculo, a sequncia correspondente lateral esquerda (no causal) e os polinmios devem
ser arranjados em ordem crescente de potncias positivas de z. Este mtodo muito simples e eficiente
para se obter a transformada z inversa, ele ser melhor compreendido atravs dos exemplos mostrados
abaixo. Como desvantagem que podemos citar que o resultado no obtido em uma forma compacta.
Exemplo 10: Determine a sequncia x(n) relativa transformada z dada abaixo:
X (z ) =

1
1 z 1

RDC :

z >

Como |z| > || tem-se uma sequncia causal, assim:

1 z 1

1 + z 1 + 2 z 2 + 3 z 3 + L
1 N ( z)
1 z 1

x(n ) = 1, , 2 , L

z o
z 1 2 z 2
2 z 2
x(n ) = n u (n )

Exemplo 11: Determine a sequncia x(n) relativa transformada z dada abaixo:

X (Z ) =

1
1 z 1

RDC : z <

- 59 -

Como |z| < || tem-se uma sequncia no causal, assim faz-se a diviso com os polinmios em
potncias positivas de z. Logo:
X (z ) =

+ z

z
z

1 z 2 z 2 3 z 3 + L
z

N (z )

z 1 z 2

x(n ) = L , 2 , 1

1 2

1 z 2 2 z 3
2 z3

Assim, podemos facilmente mostrar que:

x(n ) = n u ( n 1)

3.4 Propriedades da transformada z

As propriedades da transformada z so basicamente as mesmas da transformada de Fourier para
sequncias discretas, j estudadas no captulo 1. Estas propriedades so resumidas abaixo para referncia
futura do leitor sem a preocupao em prov-las. Para aqueles interessados sugerido fazer as provas
destas propriedades, como exerccio.
Nesta seo ser utilizada a notao RX para indicar a regio de convergncia da transformada, X(z),
da sequncia x(n).

3.4.1

Linearidade

Se x1(n) e x2(n) so duas sequncias distintas, com transformadas X1(z) e X2(z) respectivamente,
ento:
ax1 (n ) + bx 2 ( (n )

aX 1 (z ) + bX 2 ( (z )

RDC : R X 1 R X 2

(3.27)

em que a e b so constantes e RX1 e RX2 so as regies de convergncia de X1(z) e X2(z) respectivamente.

3.4.2

Deslocamento no tempo
x(n n d )
RDC : R X

3.4.3

z nd X ( z )

exceto z = 0 e / ou z =

(3.28)

Diferenciao de X(z)
nx(n )

RDC : R X

dX (z )

dz
exceto z = 0 e / ou z =

(3.29)

- 60 -

3.4.4

Multiplicao por uma sequncia exponencial

a n x(n )

X (z / a )

(3.30)

RDC : a R X

3.4.5

Complexo conjugado de uma sequncia

( )

x* (n )
RDC : R X

3.4.6

X * z*

(3.31)

Reverso no tempo
x( n ) X (1 / z )
RDC : 1 / R X

3.4.7

Convoluo de sequncias
x(n ) y (n )
RDC : R X RY

3.4.8

(3.32)

X (z )Y (z )

(3.33)

Teorema do valor inicial

x(0) = lim X (z )

(3.34)

neste caso, x(n) admitida ser uma sequncia causal.

3.4.9

Teorema do valor final

lim x(n ) = lim 1 z 1 X ( z )

3.4.10

z 1

(3.35)

Teorema da convoluo complexa

Se y(n) = x1(n).x2(n) ento:

Y (z ) =

2j

C1

X 1 (v )X 2 (z / v )v 1dv =

RDC : (R X 1 R X 2 )L < z < (R X 1 R X 2 )H

2j

C2

X 1 (z / v )X 2 (z )v 1dv

(3.36)

Se C1 englobar o crculo unitrio:

( )

Y e jw =

X (e )X (e ( ) )d

j w

(3.37)

3.4.11

Teorema de Parseval

x (n)x (n) = 2j
1

n =

*
2

X 1 (v )X 2* 1 / v* v 1dv

(3.38)

- 61 -

Se a regio de convergncia englobar o crculo unitrio, a transformada de Fourier existe. Assim,

x (n)

x*2

(n ) =

n =

X (e )X (e )dw
2
1

jw

*
2

jw

(3.39)

Em particular, quando x1(n) = x2(n) = x(n), ento:

x(n)

n =

X (e )
2
1

jw

dw

(3.40)

A equao (3.40) fornece a energia de x(n), que pode ser calculada tanto no domnio do tempo,
quanto no da frequncia.

3.5 Aplicao em sistemas lineares

A transformada z uma ferramenta matemtica muito importante na anlise dos sistemas lineares de
tempo discreto e invariantes ao deslocamento (SLDI). Em particular, ela utilizada para encontrar a
resposta em frequncia de um sistema e na determinao da causalidade e estabilidade.

3.5.1

Representao de um sistema utilizando a transformada z

Como estudado no captulo 1, sabe-se que para um sistema SLDI, o sinal de sada, y(n) dado pela
soma de convoluo entre a resposta funo amostra unitria, h(n) e a sequncia de entrada, x(n), isto ,
y (n ) = h(n )* x(n )

(3.41)

A partir da propriedade da convoluo, obtm-se a relao entre as sequncias de entrada e sada do

sistema tal que:
Y (z ) = H (z )X (z )

(3.42)

em que X(z), Y(z) e H(z) so, respectivamente, as transformadas z das entrada, sada e resposta funo
amostra unitria do sistema. H(z) chamada de funo do sistema ou funo de transferncia. Quando
se quer fazer a anlise do sistema no domnio da frequncia basta estabelecer z = ejw, e a resposta em
frequncia prontamente obtida.

3.5.2

Funo do sistema a partir da equao de diferenas

Considere um sistema SLDI que descrito por uma equao linear de diferenas com coeficientes
constantes tal que:
N

k =0

a k y (n k ) =

b x(n k )
k

(3.43)

k =0

em que ak e bk so coeficientes reais e constantes. Em muitos casos comum estabelecer a0 igual a 1.

Calculando a transformada z de ambos os lados da equao acima, e utilizando as propriedades de
linearidade e deslocamento no tempo tem-se que:

- 62 -

a k z k Y (z ) =

k =0

bk z k X (z )

Y (z )

k =0

b z

a k z k = X (z )

k =0

k =0

Desde que X(z) e Y(z) tenham uma regio de convergncia em comum (sobrepostas), ento:
M

H (z ) =

Y (z )
X (z )

b z

k =0
N

(3.44)
kz

k =0

Esta a equao geral de um sistema SLDI, quando representado por uma equao de diferenas. O
numerador contm os zeros e o denominador os polos da funo de transferncia. Como se est
considerando somente coeficientes reais ento, se alguma raiz do numerador ou denominador for
complexa, o complexo conjugado ser tambm uma raiz. Desse modo, os polos e zeros sempre iro
ocorrer na forma de complexos conjugados.
Uma prtica muito comum escrever a equao (3.44) em uma forma fatorada, em termos dos seus
polos e zeros. Assim,

(1 c
M

H (z ) =

(
)(1 c z )L = b
(1 d z )(1 d z )L a (1 d

b0 1 c1 z
a0

kz

k =1
N

kz

)
(3.45)

k =1

Cada fator (1 ckz-1) contribui com um zero em z = ck e um polo em z = 0, e cada fator (1 dkz-1)
contribui com um polo em z = dk e um zero na origem.
Exemplo 12: Dado o sistema causal cuja equao de diferenas dada por:
y (n ) = 0.6 y (n 1) + x(n ) ,

determine, H(z), os polos e zeros da funo e desenhe os grficos do mdulo e fase de H(z).
-

clculo de H(z):
Y (z ) = 0.6 z 1Y (z ) + X (z )

tem se : um plo em d1 = 0.6

H (z ) =

Y (z )
X (z )

1
1 0.6 z 1

: z > 0.6

e um zero na origem.

Observe que o polo est localizado dentro do crculo unitrio, portanto H(z) converge para z = ejw.
-

clculo da resposta em frequncia

admitindo z = e jw

Clculo do mdulo de H(ejw)

( )

H e jw =

1
1 0.6e jw

- 63 -

( )

( )

H e jw = H e jw H * ( e jw ) =

1 0.6e

jw

1
1 0.6e

=
jw

1
1.32 1.2 cos w

clculo da fase
H ( e jw ) =

1
1 0.6e jw

1 0.6e jw

1 0.6e jw 1 0.6e jw

[ ( )] = tan
[ ( )]

Im H e jw
H e jw = tan 1
Re H e jw

( )

2 .5

1.36 1.2 cos w

0.6senw

1 0.6 cos w

H (e

1 0.6 cos w j 0.6senw

jw

1
0 .5

f
H (e

/4

jw

0
-/4
-

Figura 3.7: Mdulo e fase de H(ejw)

A equao (3.44) no indica a regio de convergncia de H(z), pois a equao de diferenas no
especifica unicamente h(n). A estabilidade e causalidade do sistema dependero da escolha apropriada da
RDC, como ser visto a seguir.

3.5.3

Estabilidade e causalidade

Desde que a RDC inclua o crculo unitrio, ento para z = ejw, H(z) se reduz reposta em frequncia
do sistema. Para os sistemas SLDI, a condio necessria e suficiente para que um sistema seja estvel
que h(n) seja absolutamente somvel, ou seja,

h(n) <

(3.46)

n =

Esta condio implica que a RDC de H(z) inclua o crculo unitrio pois:
H (z )

h(n )z n =

n =

h(n) z

n =

Portanto, no crculo de raio unitrio, onde |z| = 1, tem-se:

H( z )

h(n)

(3.47)

n =

Assim, um sistema SLDI estvel se a regio de convergncia inclui o crculo unitrio. Este
resultado algumas vezes chamado de teorema da estabilidade no domnio da transformada z.

- 64 -

Um sistema SLDI denominado causal se a resposta funo amostra unitria satisfaz a seguinte
condio:
h(n ) = 0

:n<0

(3.48)

Neste caso, como j visto anteriormente, h(n) uma sequncia lateral direita, indicando que a RDC o
exterior de um crculo com raio definido pelo polo de H(z) mais afastado da origem.
Resumido, a estabilidade e causalidade de um sistema SLDI verificada atravs da obteno dos
polos de sua funo de transferncia e checando se todos eles tm mdulo menor do que 1.

Sistema estvel: A RDC um anel que inclui o crculo de raio unitrio e no contm polos.
Sistema causal: A RDC o exterior de um crculo cujo raio contm o polo de maior mdulo, sem inclulo.
Sistema estvel e causal: Todos os polos esto dentro do crculo de raio unitrio.
Exemplo 13: Considerando o sistema abaixo, identifique cada uma das regies onde ele ou no estvel
e/ou causal e as correspondentes ao impulso.
H (z ) =

1 z 1
3
1 2 z 1 + z 2
4

clculo dos polos de H(z)

H (z ) =
1

1
1

z 1

+
1

1
3

z 1

plos :

p1 = 1 / 2
p2 = 3 / 2

Im[z]

0.5

1.5

Re[z]

Figura 3.8: Localizao dos polos de H(z).

-

O sistema estvel se: 0.5 < |z| < 1.5. Assim, por inspeo,
n

1
3
h(n ) = u (n ) u ( n 1) .


2
2

O sistema causal se: |z| > 1.5. Assim,

n

1
3
h(n ) = u (n ) + u (n )


2
2

O sistema no causal (anti-causal) para |z| < 0.5. Assim,

- 65 -

1
3
h(n ) = u ( n 1) u ( n 1)


2
2

Observe que, como o polo de maior mdulo apresenta valor 3/2 > 1, o sistema no apresenta uma
RDC onde ele pode ser estvel e causal simultaneamente.
Exemplo 14: Considere o sistema causal LDI com funo de transferncia mostrada abaixo tal que a
um nmero real.
H (z ) =

a)

1 a 1 z 1
1 az 1

Para que faixa valores de a o sistema estvel?

Como o sistema causal, observando H(z) acima conclumos que o sistema estvel para |z| > a.
Alm disso, para que o sistema seja estvel a RDC deve incluir o crculo unitrio, assim: |a| < 1.
b) Encontre a resposta ao impulso do sistema.
Rescrevendo H(z) tem-se que:
H (z ) =

1
1 az 1

a 1 z 1

: z >a

1 az 1

h(n ) = a n u (n )

a n 1u (n 1)

c)

Mostre que o sistema um sistema (filtro) passa-tudo (ganho constante).

( )

H e jw =

1 a 1e jw
1 ae jw

( )

H e jw =

( )

( ) ( )

H e jw = H e jw H * e jw =

1 + a 2 2a 1 cos w
2

1 + a 2a cos w

1 a 1e jw 1 a 1e jw

1 ae jw
1 ae jw

1 1 + a 2 2a cos w
a

1 + a 2a cos w

1
a

O mdulo da resposta em frequncia do sistema constante e igual a 1/a, assim o sistema um sistema
passa-tudo.

3.5.4

Obteno da resposta em frequncia a partir do grfico de polos e zeros

Foi visto anteriormente que a funo do sistema em termos de seus polos e zeros pode ser escrita da
seguinte forma:
H (z ) =

(z c1 )(z c2 )L (z cM )
(z d1 )(z d 2 )L (z d N )

em que ci so os zeros de H(z) e di so os seus polos.

O mdulo da funo de transferncia dado por:

(3.49)

- 66 -

H (z ) =

z c1 z c2 L z cM

(3.50)

z d1 z d 2 L z d N

Cada fator (z ci) ou (z di) um vetor cujo mdulo dado pela distncia entre o ponto genrico z e
o ponto particular determinado por ci ou di.
Para calcular a resposta de amplitude do sistema estabelece-se z = ejw e varia-se w entre , que
corresponde s frequncias 0.5. Este procedimento corresponde a calcular H(z) no crculo unitrio.
O efeito de cada polo ou zero na resposta de amplitude depender das suas posies no plano z. Para
um polo, se ele est prximo do crculo de raio unitrio o seu efeito ser de uma resposta aguda ou bem
pronunciada (picos), nas frequncias prximas da frequncia do polo, pois |z di| um valor pequeno.
Por outro lado, se o polo est prximo de z = 0, ele acarretar pouco ou nenhum efeito na resposta em
frequncia, pois |z di| 1. O efeito dos zeros na resposta em amplitude analisado de modo similar.
Zeros prximos da origem apresentam pouco ou nenhum efeito na resposta de amplitude. No caso de eles
estiverem prximos do crculo unitrio, ento nas frequncias prximas do zero a resposta em frequncia
ser pequena (apresentar um vale). pois |z ci| ser um valor pequeno.
Im[z]
ci

di

Re[z]

Figura 3.9: Efeito dos polos e zeros na funo de transferncia.

- 67 -

Exerccios
1.

Determine a transformada z das seguintes sequncias:

(a) x(n) = {1, 2, 0, 0, 0, 5, 4, 3}
a n , 0 n 5
(b) x(n) =
0, caso contrrio
1 n
, n 5
(c) x(n) = 2

0, n < 5

2.

Determine a transformada z das sequncias abaixo. Desenhe os respectivos diagrama de polos e zeros
e indique a regio de convergncia.
(a) x(n) = (n 2)
n

1
(b) x(n) = u (n)
2
n

1
(c) x(n) = u (n 1)
2
n

1
(d) x(n) = u ( n)
2
n

1
(e) x(n) = [u (n) u (n 10)]
2
n

1
x ( n) = u ( n)
2
(g) x(n) = (n + 1)u (n)

(f)

(h) x(n) = Ar n cos(w0 n + )u (n)

3.

:0 < r <1

A sequncia de autocorrelao c(n) de uma sequncia x(n) real definida como:

c(k ) =

x ( n) x ( n + k )

n =

Determine a transformada z de c(n) em termos de X(z).

4.

Sendo X(z) a transformada z de x(n), mostre que:

(a) x(n + M )
(b) a n x(n)

z M X ( z)

X (a 1 z )

(c) nx(n) z
5.

dX ( z )
dz

Admitindo x(n) uma sequncia causal, mostre que:

lim X ( z ) = x(0)
z

6.

Determine a transformada z das seguintes sequncias:

- 68 -

(a) x(n) = a n 3u (n 7)
(b) x(n) = a
7.

: a <1

Determine a transformada inversa de cada uma das transformadas z indicadas abaixo.

1
1
z >
1 1
2
1+ z
2
1
1
X ( z) =
z <
1
2
1 + z 1
2
1
1 z 1
1
2
X ( z) =
z >
3
1
2
1 + z 1 + z 2
4
8
1
1 z 1
1
2
X ( z) =
z >
1 2
2
1 z
4
1 a 1 z 1
X ( z) =
z > a
1 az 1

(a) X ( z ) =

(b)

(c)

(d)

(e)
8.

Utilize o mtodo da diviso longa para encontrar a transformada z inversa de:

X ( z) =

1 2 z 1
1 2 z 1 + z 2

Admita x(n) causal e depois anti-causal.

9.

Determine a sequncia causal cuja transformada z dada por:

1
1 1.5 z + 0.5 z 2
1
(b) X ( z ) =
1
1 0.5 z + 0.25 z 2

(a) X ( z ) =

10. Sendo x(n) um sinal autoregressivo AR(1) tal que:

X ( z) =

0
1 z 1

Mostre que a funo de autocorrelao de x(n) dada por: c(k ) =

02
1 2

11. Um sistema LDI causal apresenta a seguinte funo de transferncia:

H ( z) =

1 + z 1
(1 0.5 z 1 )(1 + 0.25 z 1 )

(a) Qual a regio de convergncia de H(z)?

- 69 -

(b) O sistema estvel? Explique.

(c) Encontre a resposta ao impulso do sistema.
12. Para o sistema mostrado na figura abaixo encontre: A equao de diferenas que rege os sinais de
entrada e sada, a funo de transferncia e a resposta ao impulso. Este sistema estvel? Explique.
x(n)

y(n)
z-1

z-1
0.5

13. Considere um sistema LDI causal descrito pela seguinte equao de diferenas:
y ( n) +

1
y (n 1) = x(n)
2

(a) Determine a resposta ao impulso do sistema.

(b) Encontre a resposta funo degrau unitrio.
Em ambos os casos admita condies iniciais nulas.
14. Um sistema LDI descrito pela seguinte equao de diferenas:
y ( n) =

1
1
y (n 1) y (n 2) + x(n)
2
4

(a) Encontre a funo do sistema. Desenhe o diagrama de polos e zeros e indique a regio de
convergncia.
(b) Determine a resposta ao impulso do sistema.
(c) Desenhe o mdulo da funo de transferncia.
15. Um sistema LDI descrito pela seguinte equao de diferenas:
y (n) = y (n 1) y (n 2) + x(n 1)

(a) Encontre a funo do sistema. Desenhe o diagrama de polos e zeros.

(b) Determine a resposta ao impulso do sistema.
16. Sendo dados o par de transformada z abaixo. Pede-se:
1 cos( w0 ) z 1
z >1
cos( w0 n)u (n)
1 2 cos( w0 ) z 1 + z 2
a) Desenhe o diagrama de polos e zeros,
b) Determine a equao de diferenas do sistema,
c) Faa um programa, com sada grfica, para gerar o sinal a partir da equao acima.
considere um sinal senoidal com frequncia de 1 kHz e frequncia de amostragem
adequada
(utilize, por exemplo o matlab ou um outro software qualquer).
17. Sobre-amostragem (interpolao) uma operao que alonga no tempo uma sequncia pela insero
de zeros entre os seus valores, assim:
x(n / L ) n = 0 , L , 2 L ,L
y (n ) =
caso contrrio
0
Sabendo que X(z) converge para < |z| < , expresse Y(z) em termos de X(z) e determine a regio
de convergncia de Y(z) em termos da regio de X(z).

- 70 -

- 71 -

Captulo 4

Transformada Discreta de Fourier

4.1 Introduo
Os mtodos de anlise de Fourier so muito utilizados em engenharia eltrica para converter sinais
no domnio do tempo para o da frequncia. No domnio da frequncia, termos tais como, espectro de
amplitude e espectro de fase so muito comuns de se encontrar, os seus clculos facilitam a obteno de
informaes, sobre os sinais, que no so aparentes no domnio do tempo.
Sabemos que quando trabalhamos com sinais contnuos no domnio do tempo utiliza-se a srie ou a
transformada de Fourier para a anlise dos sinais. Elas so definidas como:
A Srie de Fourier
Um sinal x(t) peridico, com perodo T, pode ser representado pela seguinte srie de Fourier na
forma exponencial,

c e (

x(t ) =

j 2 kf ot )

(4.1)

k =

em que: c k =

x(t )e
T

j (2 kf ot )

dt

fo =

(4.2)

A Transformada de Fourier
A transformada de Fourier representa sinais no peridicos no domnio da frequncia. Neste caso ela
definida como:

X(f )=

x(t )e

j 2 ft

dt

(4.3)

em que, o mdulo de X(f) chamado de espectro de amplitude do sinal x(t), e a fase chamada de
espectro de fase de x(t).
A relao inversa, que relaciona o sinal no domnio da frequncia com o do tempo chamada de
transformada de Fourier inversa, e definida pela seguinte relao:
x(t ) =

X ( f )e

j 2 ft

df

(4.4)

Com o avano da tecnologia de circuitos integrados e o consequente avano do desempenho e uso

intensivo dos computadores pessoais, tanto em pesquisa quanto em desenvolvimento, tornou-se prtico e
eficiente utiliz-los na anlise de Fourier. A transformada discreta de Fourier particularmente aplicada
em processamento digital de sinais, pois ela estende os conceitos do tempo contnuo para o tempo
discreto, conduzindo a muitos algoritmos eficientes que podem ser implementados em computadores ou
em processadores digitais.

- 72 -

Neste contexto, mtodos de Fourier foram recentemente desenvolvidos para aplicao em sinais
discretos no tempo. Eles incluem a transformada de Fourier para tempos discretos (TFTD) e a
transformada discreta de Fourier (TDF). Elas nada mais so do que uma extenso dos conceitos da anlise
de Fourier para sinais contnuos no tempo.
Recordando, uma propriedade importante de um sinal discreto no tempo, x(n), que ele definido
somente para valores inteiros de n, na faixa - < n < . A relao entre os tempos contnuos e discretos
estabelecida pela amostragem uniforme nos sinais.
Sendo x(t) o sinal contnuo no tempo, ento o sinal amostrado se transforma em uma sequncia de
nmeros reais, definidos pelos valores de x(t) nos instantes de amostragem t = nTa, isto ,
x(n ) = x(t ) t = nT

em que Ta o intervalo de amostragem.

Observe que x(t) e x(n) so modelos equivalentes do mesmo sinal nos domnios dos tempos
contnuos e discretos, respectivamente. Para sinais contnuos no tempo utiliza-se a transformada de
Fourier e para sinais discretos utiliza-se a transformada de Fourier para tempos discretos (TFTD),
estudada no captulo 1. Para sinais discretos e com durao finita, utilizamos a transformada discreta de
Fourier que iremos estudar neste captulo.

4.2 Transformada de Fourier para tempos discretos

Recordando o captulo 1, e a teoria da amostragem (captulo 2), o par de transformadas de Fourier
para tempo discreto (TFTD) pode ser definido pelas seguintes equaes:

( ) x(n)e

X e jw =

jwn

(4.5)

n =

x(n ) =

X (e )e
2

jwd

jwd

dwd

(4.6)

em que w = Ta referida com frequncia digital normalizada, e Ta o perodo de amostragem.

O espectro X(ejw) peridico, com perodo 2. Por causa desta propriedade a faixa usual de
frequncia para a representao dos sistemas discretos < w ou ento 0 < w 2 . Como os
sinais de discreto so usualmente originados dos sinais de tempo contnuo importante relembrar que a
relao entre os seus espectros dada por:

( )

X e jw =

w
2
X
k

Ta k = T a
Ta
1

(4.7)

em que 2/Ta = a a frequncia de amostragem em radianos por segundo.

Note que o espectro do sinal amostrado consiste de um nmero infinito de rplicas do espectro do
sinal contnuo, centradas nos mltiplos inteiros de a. Estas rplicas so fiis somente se o sinal contnuo
for de banda limitada e que a tenha valor suficientemente grande para elas no se superponham. Veja a
figura 4.1. Se M a mxima componente de frequncia do sinal, ento, pelo teorema da amostragem, a
seguinte relao deve ser satisfeita:

- 73 -

Ta

(4.8)

X(ejw)
Sinal na banda base

-2

Figura 4.1: Amostragem de sinais.

4.3 Transformada Discreta de Fourier

A transformada discreta de Fourier considera que a sequncia apresenta durao finita e a

transformada calculada no domnio da frequncia discreta. Admitindo um sinal discreto no tempo x(n),
com durao finita igual a N, a TDF definida como,
X (k ) =

N 1

x(n )W

nk
N

(4.9)

n =0

em que: WN = e

2
N

(4.10)

Assim, a TDF uma forma de mapeamento da sequncia x(n) em uma outra sequncia X(k) em que
k = 1, 2, ..., N-1, e que representa um conjunto de frequncias discretas wk no intervalo 0 a 2.
TDF
x(n )
X (k )

representa
k
wk =

A quantidade W Nk peridica, com perodo N, e mdulo igual a 1. Ela define pontos, regularmente
espaados no crculo de raio unitrio do plano z, cujo valor de cada arco vale 2/N radianos, como mostra
a figura 4.2. Observando esta figura, e sabendo que z = exp(jw), pode-se concluir tambm que a TDF
igual transformada z calculada nos pontos discretos w = wk, igualmente espaados no crculo de raio
unitrio do plano z.
X (k ) = X (z ) z =e 2 k / N
Im
Plano z

2/N
Re

Figura 4.2: Relao da TDF com o plano z.

- 74 -

Estes pontos correspondem a incrementos de frequncia digital de valor 1/N (ou 2/N). Assim o
espectro X(k) determinado nas frequncias digitais::
2
k
N

wk =

1
k,
N

fk =

ou

k = 0,1, L, N 1

(4.11)

No caso da frequncia analgica, estes pontos correspondem a incrementos de valor Fa/N, sendo Fa a
frequncia de amostragem do sinal x(t) que gerou a sequncia {x(n)}. Assim, o espectro X(k),
determinado em pontos de frequncias discretas dadas por:
Fa
2Fa
k [Hz ] ou k =
k [rad / s ],
N
N

Fk =

k = 0,1, L , N 1 ,

(4.12)

Uma observao importante sobre a TDF que ela permite o clculo do espectro a partir de dados
discretos de durao finita, sem a necessidade de se utilizar uma expresso analtica para o sinal. Assim,
ela muito til em aplicaes prticas nas quais se tem um sinal proveniente de algum fenmeno fsico
ou biolgico como sinais de voz, vdeo, sinais geofsicos. Tais sinais so convertidos em discretos por um
conversor analgico digital, armazenados em um computador e em seguidas atravs de algoritmos de
transformada rpida (FFT) calculamos o espectro do sinal.
A dificuldade que podemos encontrar como o sinal deve ter tamanho finito, devemos escolher um
trecho representativo daquele sinal. Outra dificuldade que como trabalhamos com frequncia discretas a
resoluo em frequncia pode ser alta quando utilizamos baixa quantidade de amostras do sinal.
Exemplo 1: Um sinal de tempo discreto dado pela seguinte sequncia:
x(0 ) = 2; x(1) = 1; x(2 ) = 1; x(3) = 2;

Se x(n) = 0 para todos os outros valores de n, determine a TDF X(k).

Como N = 4 ento aplicando a equao (4.9) tem-se:
X (k ) =

x(n)

W4nk =

n =0

j nk
e 2

x(n)
n =0

X (0 ) = 2e j 0 + 1e j 0 + 1e j 0 + 2e j 0 = 6

X (1) = 2e

j0

j 1.1
+ 1e 2

X (2 ) = 2e j 0 + 1e
X (3) = 2e

j0

j 2.1
+ 1e 2

j 1.2
2

j 1.3
+ 1e 2

j 3.1
2e 2

+ 1e

j 2.2
2

+ 2e

j 2.3
+ 1e 2

= 2 j 1 + j 2 = 1 + j = 2e

j 3.2
2

= 2 1+11 = 1

j 3.3
2e 2

= 2 + j 1 j 2 = 1 j = 2e

Assim, X(k) a transformada discreta de Fourier da sequncia x(n) calculada nas frequncias digitais
wk = (/2)k, k = 0,1, 2 e 3. Observe que a partir de k = 4 a transformada se repete, isto , X(4) = X(0),
X(5) = X(1), e assim por diante.
Exemplo 2: Determine a TDF da seguinte sequncia: {1, 1, 1, 1, 1, 0, 0, 0, 0, 0}

O tamanho da sequncia N = 10. Aplicando a definio dada pela equao (4.9) tem-se que:

- 75 -

X (k ) =

x( )

n W10nk

M 1

ar

a1 rM

n =0

1 r

).

Ento, por inspeo, estabelecendo a = 1; r = e 2 k / 10

X (k ) =

1 e
1 e

j 2 k / 2

j 2 k / 10

10

n =0

n =0

Conhecendo o resultado da srie:

2 nk

j k
e 2
j

j k
e 2

10

M = 5 tem-se que:

10

j k
e 2

10

Utilizando as relaes de Euler e desenvolvendo a equao acima se obtm,

X (k ) = e

2k
5

sen(k / 2)
,
sen(k / 10 )

k = 0, 1, L, 9

Observe que os valores da TDF so complexos e apresentam simetria em torno do ponto N/2 = 5. O
mdulo apresenta simetria par e a fase apresenta simetria mpar em torno desse ponto, veja figura 4.3.
Cada ndice k representa uma frequncia digital de valor wk = (2/10)k ou fk = k/10. Multiplicando estas
frequncias pela frequncia de amostragem teremos as frequncias correspondentes ao tempo contnuo.
5

2
(b)

(a)
4

-1

-2

10

-3

10

Figura 4.3: TDF de x(n), (a) Espectro de amplitude (mdulo), (b) Espectro de fase.

4.4 Transformada Discreta de Fourier Inversa

Dada a TDF X(k) de uma sequncia {x(n)}, podemos calcular esta sequncia calculando a
transformada discreta de Fourier inversa (TDFI) atravs da seguinte equao:
x(n ) =

1
N

N 1

X (k )W
k =0

nk
N

n = 0, 1, L, N 1

(4.13)

Note que, a no ser pelo sinal negativo do expoente e pela diviso por N, a equao acima idntica
equao (4.9).

4.5 Propriedades da TDF

Algumas propriedades so muito usuais e importantes quando da aplicao da TDF em problemas

reais. O conhecimento e a compreenso destas propriedades de grande importncia durante a anlise dos
resultados.

- 76 -

4.5.1

Periodicidade

Tanto a TDF, quanto a TDFI, produzem resultados peridicos, com perodo N. Este resultado
devido ao fato de que o termo WN peridico com perodo N.
x(n ) = x(n + N )

X (k ) = X (k + N ) .

(4.14)

Exemplo 3: Determine a TDF do sinal

x(n ) = cos n ,
8

0 n N 1

A TDF de N pontos do sinal x(n ) = cos(w0 n ) depende da frequncia digital w0 = 2f0. Dependendo
de f0 ser uma funo racional ou no e x(n) apresentar um ou mais perodos completos da funo o
espectro de frequncia ir apresentar outras raias diferentes daquelas posicionadas nas frequncias /8 e
2N - /8.
-

k0
, em que k0 um nmero inteiro positivo, teremos um nmero fracionado de
8
N
perodos de x(n). Assim:

Se w0 =

X (k ) =

N 1 2
k w0
j

e 2 N

Se w0 = 2

k0

sen(k Nw0 / 2 )
sen(k / N w0 / 2)

N 1 2
k + w0
j

e 2 N

sen(k + Nw0 / 2)
sen(k / + w0 / 2)

, em que k0 um nmero inteiro positivo, termos um nmero inteiro de perodos

N
de x(n), ento,
N / 2,
X (k ) =
0 ,

k = k0 e k = N k0
caso contrrio

Primeiro caso: Seja N = 16 tem-se exatamente um perodo da funo x(n).

1

0.5

10

20

30

-0.5

-1

10

15

Figura 4.4.a: TDF de x(n), N = 16.

Observe que neste caso, a TDF calculada em exatamente um perodo do sinal senoidal, assim o
espectro de amplitude apresenta somente duas raias, uma na frequncia k = 1 e outra na frequncia
simtrica k 15 (16 1), reproduzindo exatamente o espectro da funo cosseno, isto , raias espectrais
somente na frequncia do sinal.

- 77 -

Segundo caso: seja N = 24 tem-se um perodo e meio da funo x(n).

10

0.5

6
0

10

20

30

40

-0.5

-1

10

15

20

25

Figura 4.4.b: TDF de x(n), N = 24.

Observe, neste segundo caso, que a TDF admite que um perodo e meio do sinal senoidal se repete, e,
portanto ela no nula para todos os valores de k, enquanto que no primeiro caso ela no nula somente
para os valores de k que representam a localizao da frequncia do sinal.
Ambas as TDF acima so espectros de uma funo cossenoidal, mas no segundo caso no dispomos
de um nmero exato de perodos de x(n) e o espectro apresenta componentes no nulas nas frequncias
diferentes de /8 e 2N-/8. Portanto deve-se tomar cuidado na interpretao dos resultados.

4.5.2

Linearidade
TDF [a{x(n )} + b{y (n )}] = aX (k ) + bY (k ) .

(4.15)

em que: X(k) e Y(k) so calculadas a partir de N amostras das sequncias {x(n)} e {y(n)},
respectivamente.
importante notar que x(n) e y(n) devem apresentar o mesmo comprimento N. Se elas apresentarem
tamanhos diferentes, ento se deve acrescentar zeros na sequncia mais curta para que elas fiquem com o
mesmo comprimento.

4.5.3

Deslocamento circular em x(n)

Um deslocamento circular em uma sequncia ilustrado na figura 4.5. Ele representa uma rotao de
M pontos na sequncia dentro de um mesmo perodo. Neste caso a TDF apresenta uma componente de
fase correspondente ao deslocamento. Sendo M o valor do deslocamento, ento:
TDF [x(n + M )c ] = X (k )W N Mk .

0.8

0.8

0.6

0.6

0.4

0.4

0.2

0.2

10

(4.16)

Figura 4.5: Deslocamento circular de uma sequncia (M=6).

10

- 78 -

4.5.4

Deslocamento circular em X(k)

X (k + M ) = TDF x(n )W NMn .

(4.17)

Esta propriedade define uma modulao do sinal, isto a sequncia do tempo discreto multiplicada
por uma exponencial complexa de frequncia fo = (Fo/N)M.
4.5.5

TDF de Sequncias Reais

A TDF de sequncias reais produz uma sequncia complexa cuja parte real simtrica (par) e uma
parte imaginria antissimtrica (impar) em torno da frequncia N/2 da TDF. De uma maneira mais
simples, o mdulo par e a fase mpar em torno de N/2.
X (k ) = X * (N k ),

k = 0, 1 , ..., N 1

(4.18)

Exemplo 4: Determine a TDF de x( n ) = sen(2fnT ) , em que Ta=1/Fa.

x(n ) = sen(2fn / Fa ) =

X (k ) =

1
2j

N 1

e j 2fn / Fa e j 2fn / F a
2j

e j 2fn / Fa W Nkn

n =0

N 1

1
2j

N 1

j 2fn / Fa

W Nkn

n =0

considerando f = mFa/N, em que m < N/2 (inteiro), ento:

X (k ) =

N 1

j2

e j 2 n( m k ) / N

e
j2

j 2 n( m + k ) / N

0
0
14n=4
424443 14n=4
424443
N ,k = N m

N ,k = m

Portanto:
N / 2 j,

X (k ) = N / 2 j ,
0 ,

k=m
k = N m
c. c.

Observe que: |X(m)| = |X(-m)| = N/2, e (m) = -(-m) = , isto , o mdulo de X(k) uma funo par
e a fase impar.
4.5.6

Convoluo Circular

Quando se trabalha com TDF os sinais, tanto no domnio do tempo como no da frequncia, so
admitidos peridicos, neste caso definida a convoluo circular.
A convoluo circular entre duas sequncias de mesmo comprimento (N), definida como,
y (n ) =

N 1

N 1

m =0

m =0

x(m)h(n m) = h(m)x(n m) .

(4.19)

em que, a quantidade entre parntesis (n-m) calculada via mdulo N (deslocamento circular), desse
modo y(n) tambm ser peridica, com perodo N.

- 79 -

Neste caso, domnio da frequncia, a TDF de y(n) ser o produto das transformadas individuais de
x(n) e h(n), isto ,
Y (k ) = X (k )H (k ) .

(4.19)

Exemplo 5: Considere duas sequncias x(n) e h(n), mostradas na tabela abaixo.

n
x(n)
h(n)

0
0.1
0.3

1
0.2
0.1

2
0.3
0.5

3
0.4
0.9

4
0.5
0.8

5
0.6
0.6

6
0.7
0.4

7
0.8
0.7

A convoluo circular pode ser melhor compreendida com o auxlio da figura 4.6. No crculo interno
so colocadas, no sentido horrio, as amostras de um dos sinais, por exemplo h(n-m), e no crculo externo
so colocadas as amostras, no sentido anti-horrio, do outro sinal (x(m)). As amostras correspondentes ao
mesmo raio so multiplicadas e os produtos resultantes so somados. Os outros valores da convoluo so
obtidos rotacionando o crculo interno no sentido horrio. O processo repetido at que a primeira
amostra do crculo interno chegue a sua posio original.
0.3
0.4

0.2
0.6

0.5

0.4

0.9

0.1

0.3

0.8

h(n-m)

0.2

0.1

x(m)

0.5

0.6

0.8
0.7

Figura 4.6: Ilustrao da convoluo circular (n = 0).

Para n = 0 tem-se que:

y (0 ) = 0.3 0.1 + 0.1 0.8 + 0.5 0.7 + 0.9 0.6 + 0.8 0.5 + 0.6 0.4 + 0.4 0.3 + 0.2 0.2
y (0 ) = 1.8
0.3
0.4

0.2
0.8

0.5

0.6

0.5

0.1

0.2

0.9

h(n-m)

0.4

0.3

x(m)

0.1

0.6

0.8
0.7

Figura 4.7: Ilustrao da convoluo circular (n = 1).

Para n = 1 (figura 4.7) tem-se que:

- 80 -

y (1) = 0.2 0.1 + 0.3 0.8 + 0.1 0.7 + 0.5 0.6 + 0.9 0.5 + 0.8 0.4 + 0.6 0.3 + 0.4 0.2
y (8) = 2.18

Exemplo 6: Determine a convoluo circular entre x(n) e y(n) dadas abaixo:

1, 0 n < L 1
x(n ) = y (n ) =
0 , c.c.

Vamos resolver o problema, utilizando o domnio da frequncia.

-

Estabelecendo N = L, apos alguma manipulao algbrica pode-se mostrar que as transformadas

discreta de Fourier das sequncias acima sero dadas por:
X (k ) = Y (k ) =

N 1

W
n =0

kn
N

N ,
=
0 ,

k =0
c.c.

Multiplicando X(k) por Y(k) tem-se:

N 2 , k = 0
Z (k ) = X (k )Y (k ) =
0 ,
c.c .

A transformada discreta de Fourier inversa da equao acima resultar na convoluo circular

x(n)*y(n). Assim,
z (n ) =

1
N

N 1

Z (k )W
k =0

nk
N

1
Z (0 ) = N ,
N

n = 0,1, L, N 1

Fica claro que a sequncia x(n-m) rotacionada com relao a y(m), mas a soma dos produtos ser
sempre igual a N, como mostra o resultado obtido acima. Fica tambm claro que o resultado acima no
a convoluo linear entre x(n) e y(n), mas sim, o que chamado de convoluo circular.
4.5.7

Convoluo Linear

Para se fazer a convoluo linear entre duas sequncias de comprimento diferentes, por exemplo N e
M, cujo resultado uma sequncia de comprimento N+M-1, primeiramente se forma duas novas
sequncias de comprimento N+M-1 acrescentando zeros nas anteriores e aps esta operao se faz a
convoluo circular a partir destas novas sequncias.
Assim, neste exemplo, mostrado acima, como os sinais tm o mesmo tamanho, devemos acrescentar
L zeros nas duas sequncias, de modo que ambas fiquem com comprimento 2L. Em seguida,
determinando a convoluo circular tem-se como resultado a convoluo linear entre as duas sequncias
originais. Este resultado exemplificado na figura 4.8, mostrada abaixo.

- 81 -

x(m) = y(m)

x(-m)

x(1-m)

x(m)*y(m)

Figura 4.8: Convoluo Linear.

Em vez de se utilizar a equao (4.19), podemos utilizar a transformada discreta de Fourier para se
obter a convoluo linear entre duas sequncias x(n) e y(n) de tamanhos N e M, respectivamente, como
segue:
-

Acrescente zeros nas duas sequncias para que elas apresentem o mesmo tamanho L = N+M-1,
Calcule as TDFs das duas novas sequncias,
Multiplique as TDFs para formar o produto X(k).Y(k),
Calcule a TDF inversa do produto acima para se obter a convoluo linear entre x(n) e y(n).

4.6 Uso da DFT em anlise espectral

Sabemos que a transformada de Fourier fornece o contedo de frequncias de um sinal. Durante o

clculo, ela utiliza todo o intervalo de durao do sinal; se a durao infinita, a integral ou ento a soma
de Fourier se estende at o infinito. Em contrapartida, para o clculo da transformada discreta de Fourier
necessitamos de um conjunto finito de dados. Assim, a TDF permite a representao no domnio da
frequncia de sinais do mundo real. Porm, justamente porque o conjunto de dados deve ser finito, a TDF
faz somente uma aproximao do espectro do sinal.
Admitindo x(n) a sequncia a ser analisada, o calculo da DFT de N pontos equivalente ao clculo
transformada de Fourier de x(n) multiplicada por uma funo w(n) que vale um dentro do intervalo de
anlise e zero fora deste intervalo, isto , calculamos a DFT da seguinte sequncia:
~
x (n ) = x(n )w(n )

(4.20)

Na qual a funo w(n) chamada de janela retangular tal que:

1, n = 0, 1, 2, L , N 1
w(n ) =
0, caso contrrio

(4.21)

Desse modo, como se tem um produto de funes, o espectro observado da TDF ser dado pela
convoluo circular entre o sinal real x(n) e a janela w(n), assim,

( ) ( ) ( )

~
X e jw = X e jw W e jw

(4.22)

- 82 -

( )

em que: W e jw =

sen(wN / 2) jw
e
sen(w / 2 )

N 1
2

Assim, por causa da convoluo, a janela apresenta o efeito de espalhar o espectro do sinal sobre toda
a faixa de frequncias observvel, entre zero e a metade da frequncia de amostragem, distorcendo o
espectro real. Este resultado melhor compreendido atravs de um exemplo, como mostraremos a seguir.
Para ilustrar este efeito considere o espectro de amplitude do sinal x(n) = cos(20.25n), mostrado na
figura 4.9. Este espectro foi obtido em um computador, utilizando 32 valores da sequncia x(n) e
acrescentado de 224 zeros, totalizando um total de 256 pontos. Os zeros foram acrescentados para
melhorar a resoluo grfica da figura. Como o sinal cossenoidal, seria esperado que o espectro
estivesse concentrado em torno das frequncias digitais de 0.25, porm, por causa dos lbulos laterais
relativamente grandes da janela retangular (veja apndice A1), o espectro est espalhado por toda a faixa
de frequncias entre 0.5. Este fenmeno conhecido como leakage. Para sinais com mais componentes
de frequncias este efeito pode mascarar algumas frequncias do espectro.

0.5
0.4
0.3
0.2
0.1
0.0

-0.4

-0.2

0.0

0.2

0.4 0.5

Figura 4.9: Espectro de amplitude para o sinal x(n) = cos(20.25n).

Na figura 4.10 ilustrado o espectro de amplitude de um sinal com duas componentes

cossenoidais, isto , x(n) = cos(20.25n) + 0.25cos(20.35n). Observe que por causa do efeito de
espalhamento (spectral leakage), a componente de frequncia digital igual a 0.35 e de menor amplitude
praticamente no aparece no espectro. Se o sinal fosse desconhecido, seria muito difcil, ou praticamente
impossvel de identificar esta componente. Consequentemente, neste caso, a DFT no uma boa
aproximao do espectro do sinal.

0.5
0.4
0.3
0.2
0.1
0.0

-0.4

-0.2

0.0

0.2

0.4 0.5

Figura 4.10: Espectro de amplitude para o sinal x(n) = cos(20.25n) + 0.25cos(20.35n).

Uma explicao para esse efeito a que segue: A janela retangular apresenta uma transio abrupta,
este transiente causa no seu espectro de frequncias grandes lbulos laterais. A soluo que dispomos
para o problema forar a forma de onda da sequncia tender a zero de maneira suave, sem transientes.
Isto pode ser realizado utilizando uma funo de janela diferente da retangular, como por exemplo, as

- 83 -

janelas de hamming ou de hanning (veja apndice A1) para multiplicar o sinal. Janelas com transies
mais suaves tendem a apresentar, no espectro de amplitude, lbulos laterais bem menores do que os da
retangular e lbulo principal um pouco mais largo. Evidentemente que o uso de uma janela diferente da
retangular modifica o sinal, porm, no domnio da frequncia o sinal melhor visualizado possibilitando
uma melhor identificao das componentes de frequncias do sinal. A figura 4.11 mostra o espectro de
amplitude do sinal com duas componentes senoidais do exemplo anterior, multiplicado por uma janela de
hamming, cuja equao dada por:
0.54 0.46 cos(2n / N ),
w(n) =
0, caso contrrio

0n< N

(4.23)

0.35
0.30
0.25
0.20
0.15
0.10
0.05
0.0

-0.4

-0.2

0.0

0.2

0.4 0.5

Figura 4.11: Espectro de amplitude para o sinal x(n) = cos(20.25n) + 0.25cos(20.35n),

utilizando janela de hamming.

Como janela de hamming apresenta uma transio suave para o valor zero e, portanto lbulos laterais
pequenos, as duas componentes cossenoidais podem ser observadas, como mostra a figura 4.11.
Consequentemente, utilizando janelas adequadas, a DFT pode se tornar uma boa aproximao do espectro
do sinal. Uma dificuldade adicional que encontramos, quando do uso de janelas, que a janela altera a
potncia total do sinal, modificando a amplitude dos espectros, como podemos observar tambm na figura
4.11. Uma soluo para minimizar este efeito seria multiplicar a transformada do sinal pela soma dos
valores w(n) da janela utilizada.

- 84 -

Exerccios

N 1

1.

Prove a seguinte relao:

e
n =0

2
( (r k )n
N

N , r = k
=
0 , r k

2.

Calcule a TDF da sequncia: x(0) = 2; x(1) = 2; x(2) = -2 e x(3) = -2.

3.

Calcule a TDF inversa, de N pontos (N = 10) de:

1, k = 0

X (k ) = 2, k = 3 e 7
0, caso contrrio

4.

Um sinal analgico amostrado em 10kHz e a TDF de 128 amostras calculada. Determine o

espaamento de frequncia entre as amostras espectrais.

5.

Mostre que a resoluo espectral de uma TDF de N amostras de um sinal melhorada acrescentando
zeros (por exemplo, M) sequncia original, e em seguida calculando a TDF de N+M pontos.
Exemplifique.

6.

Encontre a TDF das seguintes sequncias. (Considere 0 n N-1 e k um valor inteiro de ndice de
frequncia):
a) x(n) = (n)
b) x(n) = (n - no), onde 0 < no < N-1
c) x(n) = an, onde a < 1
d)
x(n) = ej(2/N)n
e) x(n) = cos[(2/N)n]
1, n = 0, 1, L, N 1
OBS: faa N = 4, 8 e 16. Observe as diferenas
f) x(n ) =
0, n N

7.

Exemplo no computador: Obter a TDF de x(n) = cos(2/N)n, onde N= 128 e = 1; 1.5 e 2. Utilize
um software tal como o MatLab para fazer este exerccio.

- 85 -

Captulo 5

Projeto de Filtros Digitais

5.1 Introduo

Os filtros pertencem a uma classe muito importante de sistemas lineares invariantes no tempo, cuja
funo primria selecionar, com pouca ou nenhuma atenuao, determinadas componentes de
frequncia e rejeitar ou remover todas as outras componentes de um sinal aplicado em sua entrada. Tais
filtros so chamados de filtros seletivos em frequncia. Eles so utilizados em aplicaes tais como:
reduo de rudo, enriquecimento de sinais, equalizadores grficos em sistemas de udio, e em muitas
outras aplicaes de engenharia eltrica. Em um contexto mais amplo define-se um filtro como um
dispositivo que modifica as componentes de frequncia de um sinal aplicado em sua entrada.
Existem duas classes principais de filtros, os analgicos e os digitais. Os filtros analgicos utilizam
componentes eletrnicos tais como resistores, capacitores, indutores e amplificadores operacionais para se
constru-lo. Os filtros digitais utilizam um processador digital para realizar clculos numricos relativos
filtragem em um sinal amostrado. Sendo assim, alm de incorporarem as vantagens do processamento
digital, eles so facilmente projetados e implementados.
Neste captulo sero descritas diversas tcnicas de projeto dos filtros digitais, tanto para os filtros IIR
(filtros com resposta ao impulso infinita) bem como para os FIR (filtros com resposta ao impulso finita).
As tcnicas, aqui apresentadas, so baseadas nos projetos clssicos de filtros analgicos, ou ento na
aproximao das suas caractersticas ideais. As caractersticas desejadas so especificadas pelas respostas
de amplitude e de fase ou ento, pela funo de transferncia e o projeto propriamente dito consiste em
encontrar os coeficientes de um filtro IIR ou FIR que melhor aproximam as especificaes desejadas.
Na prtica os filtros FIR so empregados quando as especificaes de projeto requerem um filtro
com fase linear. Quando este requerimento no necessrio podem-se utilizar os filtros IIR. Os filtros IIR
so preferidos em relao aos FIR, pois apresentam menores lbulos laterais na banda de atenuao, e as
caractersticas desejadas so obtidas com um nmero menor de parmetros, reduzindo a complexidade
computacional. Os filtros FIR, ao contrrio, apresentam caractersticas completamente opostas aos IIR.
Neste captulo, para facilidade de notao, representaremos a frequncia angular analgica, dada em
radianos por segundo, pela letra grega omega maiscula () e a frequncia em ciclos por segundo ou
Hertz por (F). As frequncias digitais sero representadas pelas letras minsculas romanas w e f,
respectivamente.

5.2 Projeto de filtros digitais com resposta ao impulso infinita - IIR

Os filtros IIR so filtros recursivos, cuja sada no instante atual depende dos valores presente e
passados da entrada e tambm dos valores passados da prpria sada. Eles apresentam uma resposta ao
impulso com durao infinita, e como consequncia eles podem ser adaptados aos filtros analgicos que
tambm, geralmente, apresentam resposta ao impulso com durao infinita. Assim, as tcnicas principais
de projeto dos filtros IIR consistem na obteno de um filtro analgico, com determinadas especificaes
de projeto, em seguida, na transformao deste filtro em um digital. A transformao tenta preservar
alguma caracterstica ou representao do filtro analgico.
Existem trs tcnicas bsicas para o projeto de filtros digitais com resposta ao impulso infinita:
aproximao das derivadas da equao diferencial, invarincia na resposta ao impulso e transformao
bilinear, que a mais popular. Estas tcnicas so baseadas na transformao de um filtro de tempo
contnuo em um filtro de tempo discreto, atravs de um mapeamento do plano s da transformada de
Laplace para o plano z. A razo para este procedimento que os projetos clssicos dos filtros analgicos

- 86 -

so bem conhecidos, padronizados e tabelados, alm disso, famlias de filtros padres, como por exemplo,
os filtros de Butterworth, de Chebyshev e elpticos conduzem a projetos eficientes. Uma outra razo que
estes projetos conduzem a frmulas muito simples de transformao do domnio do tempo contnuo para
o discreto.
Um filtro analgico contnuo no tempo pode ser representado, no domnio da frequncia, pela
seguinte funo do sistema:
M

H a (s ) =

ks

ks

k =0
N

(5.1)

k =0

em que: k e k so os coeficientes constantes do filtro, N ordem do filtro, que corresponde ao

maior grau do denominador, e s o operador de Laplace. O subscrito a indica que o filtro analgico.
A transformada de Laplace inversa da funo do sistema fornece uma outra forma de representao
de um filtro, isto , a representao atravs da sua resposta ao impulso.
ha (t ) =

1
2j

+ j

(s )e st ds

(5.2)

Uma outra forma alternativa para representar um filtro analgico descrev-lo atravs de uma
equao linear diferencial com coeficientes constantes como mostrado abaixo:
N

k =0

dk
dt k

y (t ) =

k =0

dk
k

dt k

x(t )

(5.3)

As trs representaes mostradas acima conduzem a trs mtodos diferentes de projeto de filtros
digitais IIR, como ser estudado em detalhes a seguir.
5.2.1

Mtodo por aproximao das derivadas

Este procedimento consiste em aproximar a representao por equao diferencial linear dada pela
equao (5.3), por uma equao de diferenas linear. Admitindo Ta o intervalo de amostragem, uma
aproximao numrica para a derivada de primeira ordem dada pela seguinte equao:
d
1
y (t )
=
[ y(n ) y (n 1)]
dt
T
a
t = nTa

(5.4)

A derivada de primeira ordem apresenta como funo do sistema a seguinte transformada:

H (s ) = s

A equao de diferenas da equao (5.4) tem como funo do sistema a seguinte transformada z:
H (z ) =

1
1 z 1
Ta

Ento, o seguinte mapeamento do plano complexo s para o plano complexo z realizado quando se
faz a seguinte aproximao numrica:

- 87 -

s=

1
1 z 1
Ta

(5.5)

Para a derivada de segunda ordem pode-se fazer a seguinte aproximao:

d2
dt

y (t )

=
t = nTa

1 y (n ) y (n 1) y (n 1) y (n 2 ) 1

= 2 {y (n ) 2 y (n 1) + y (n 2 )}
Ta
Ta
Ta
Ta

e a equivalncia no domnio da frequncia ser dada por:

1 z 1
s2 =

Ta

(5.6)

Seguindo o procedimento acima, segue que a substituio para a derivada de k-sima ordem ser:
1 z 1
sk =

Ta

(5.7)

Portanto, a funo de transferncia para um filtro digital IIR que aproxima a funo de transferncia
do filtro analgico atravs da aproximao numrica das derivadas realizada atravs da seguinte
transformao:
H (z ) = H a (s ) s = 1 (1 z 1 )

(5.8)

Ta

As consequncias desta transformao podem ser verificadas reescrevendo a equao (5.5) como
segue:
z=

1
1
=
1 sTa 1 jTa

z =

(5.9)

1 + (Ta )2

Conforme varia de - a no plano s, a varivel z mapeada em um crculo de raio , centrado

no eixo real, em z = . Qualquer ponto no semiplano esquerdo do plano s, onde o filtro analgico
estvel, mapeado, no plano z, dentro do crculo de raio , como mostra a figura 5.1.
Im

1/2

1
Re

Plano z

Plano s

Figura 5.1: Mapeamento de s no plano z.

Consequentemente, se H(s) for estvel, esta transformao conduz a um filtro digital estvel, pois
todos os polos de H(z) estaro dentro do crculo de raio unitrio, mais precisamente, dentro da
circunferncia hachurada na figura 5.1. Observe tambm que a localizao dos polos de H(z) est
confinada em uma rea de frequncias digitais baixas, de 0 a /2. Este fato, limita a utilizao destes
filtros para as caractersticas passa-baixas e passa-banda, com frequncia de corte ou de ressonncia baixa
quando comparada com a frequncia de amostragem. No possvel projetar filtros passa-altas com esta
tcnica.

- 88 -

Exemplo 1: Converta o filtro passa-baixas com frequncia de corte igual a 1 rad/s e com funo de
transferncia mostrada abaixo, em um filtro digital IIR utilizando o mtodo de aproximao das
derivadas.
H a (s ) =

Para a determinao de H(z) substitui-se, na equao acima, s por (1 z-1)Fa. Assim:

H (z ) =

1
s 2 + 2s + 1

1/ K

em que : K = Fa2 + 2 Fa + 1

F 2 Fa + . 2 1 Fa2 2
1 a
z
z +
k
K

Assim, os coeficientes do filtro digital em funo de Ta, sero dados por:

b0 = 1 / K

a0 = 1

a1 =

Fa 2 Fa + 2
K

a2 =

Fa2
k

Na figura 5.2 so mostrados espectros de amplitude dos filtros para frequncias de amostragem de 2
Hz e 10 Hz. Observe que uma melhor aproximao para o filtro analgico ocorre para a frequncia de
amostragem maior (Fa = 10Hz) . Para frequncias de amostragem grandes, os intervalos de amostragem
so pequenos e as frequncias digitais de interesse ficam concentradas em torno do eixo real, onde os
crculos de raio e unitrio se tocam, assim neste intervalo melhor ser a aproximao.
0

(a)

(b) Fa = 2Hz

-10

-10

-10

-20

-20

-20

-30

-30

-30

-40

0.1

10

-40

0.1

1
rad/s

10

-40

(c) Fa = 10Hz

0.1

10

Figura 5.2: Projeto de filtros por aproximao das derivadas: (a) analgico; (b) digital; (c) digital.
5.2.2

Mtodo por invarincia da resposta ao impulso

Este mtodo tem como objetivo a obteno de um filtro IIR cuja resposta amostra unitria, h(n),
seja uma verso amostrada da resposta ao impulso do filtro analgico que se quer aproximar. Para
preservar a resposta ao impulso, ha(t) amostrada em intervalos regulares Ta de modo a se obter a
resposta h(n) do filtro digital tal que:
h(n ) = ha (nTa ) = ha (t ) t = nT

(5.10)

Lembrando que a equao no domnio da frequncia, que relaciona o espectro de frequncias de um

sinal amostrado a uma taxa Fa com o espectro do sinal analgico dada por:
H ( f ) = Fa

H [( f k )F ] ,
a

k =

(5.11)

- 89 -

fica claro, pelo critrio de Nyquist, que a resposta em frequncia do filtro digital se aproxima do
analgico, desde que a frequncia de amostragem seja estabelecida suficientemente grande, de modo a
minimizar o efeito da superposio espectral (aliasing). Consequentemente, este mtodo tambm
limitado para os filtros passa-baixas e passa-banda, nos quais no existem oscilaes na banda de
atenuao. Ele inadequado para o projeto de filtros passa-altas e rejeita banda a no ser que um filtro
antialiasing seja utilizado.
Para mostrar o desenvolvimento do projeto de filtros por invarincia da resposta ao impulso,
considere um filtro analgico de ordem N, com N polos simples e distintos. Assim, a funo de
transferncia na forma de fraes parciais dada por:
H a (s ) =

s p
Ak

k =1

(5.12)
k

em que: pk so os polos do filtro analgico e Ak so os coeficientes da expanso em fraes parciais.

A resposta ao impulso determinada pela transformada de Laplace inversa da equao (5.12):
ha (t ) =

A e
k

pk t

u (t )

(5.13)

k =1

Para preservar o formato da resposta ao impulso, h(t) amostrada nos instantes t = nTa. Assim,
N

A e

h(n ) = ha (nTa ) =

p k nTa

u (n )

(5.14)

k =1

Calculando a transformada z de h(n) tem-se:

H (z ) =

h(n )z n =

n =0

Ak e pk nTa z n =

n = 0 k =1

(e

Ak

k =1

pk Ta

z 1

n =0

portanto:
H (z ) =

1 e
k =1

Ak
p k Ta

z 1

(5.15)

A funo de transferncia acima corresponde a um filtro digital que apresenta h(n) = ha(nTa) desde
que no ocorra superposio espectral. Note na equao (5.15) que os polos, dk, deste filtro so dados por:
d k = e pk Ta

: k = 1, 2, L , N

(5.16)

As equaes (5.15) e (5.16) fornecem um meio para se projetar filtros digitais pelo mtodo de
invarincia ao impulso. Note que no necessria a determinao de ha(t) para o projeto, como se poderia
pensar a princpio. Na realidade so necessrios o conhecimento dos polos do prottipo analgico e a
frequncia de amostragem do sinal.
Com relao estabilidade do filtro pode-se notar diretamente que se o filtro analgico de referncia
estvel, ento os seus polos pk = k +jk apresentam k < 0. Neste caso, como:
d k = e k < 1

(5.17)

- 90 -

Assim, este mtodo conduz a um filtro causal, estvel, pois desde que os polos de Ha(s) esto
localizados no semiplano esquerdo do plano s, ento os polos de H(z) estaro localizados dentro do
crculo de raio unitrio.
Exemplo 2: Converta o filtro do exemplo 1, em um filtro digital pelo mtodo de invarincia ao
impulso.
H a (s ) =

1
2

s + 2s + 1

Calculando os polos de Ha(s) e expandindo em fraes parciais tem-se que:

2
2
j
j
2
2
H a (s ) =
+
2
(1 j ) s + 2 (1 + j )
s+
2
2

Polos de Ha(s) e de H(z):

p1, 2

2
=
( 1 j )
2

1 e

2
j
2

2
(1+ j )Ta
2

2e
H (z ) =
1 2e

2
Ta
2

2
j
2

+
z

2
Ta
2

1 e

2
(1 j )Ta
2

z 1

2 1
T z
sin
2 a

2 1
T z + e
cos
2 a

2Ta

z 2

Assim, os coeficientes do filtro digital em funo de Fa sero:

b0 = 0

d1, 2 = e

Clculo de H(z):

H (z ) =

2
(1 j )Ta
2

b1 = 2e

2
/ Fa
2

sin
/ Fa
2

a0 = 1

a1 = 2e

2
/ Fa
2

cos
/ Fa
2

a2 = e

2 / Fa

Para manter o ganho compatvel com o analgico multiplicamos H(z) por Ta, ou seja, multiplicam-se
todos os coeficientes bk acima pelo perodo de amostragem.

- 91 -

(a)

(b) Fa = 2Hz

-10

-10

-10

-20

-20

-20

-30

-30

-30

-40

0.1

10

-40

0.1

1
rad/s

10

-40

(c) Fa = 10Hz

0.1

10

Figura 5.3: Fitro digital por invarincia ao impulso: (a) analgico; (b) digital; (c) digital.

Uma vantagem na utilizao deste mtodo que as frequncias e w so relacionadas linearmente,

mas como o espectro de H(z) o mesmo de H(s) s que se repete em mltiplos da frequncia de
amostragem alguma superposio de espectros esperada e em alguns casos pode-se tornar intolervel.
5.2.3

Mtodo por transformao bilinear

Este mtodo o melhor procedimento para se projetar filtros digitais a partir de um prottipo
analgico. Ele supera as limitaes dos anteriores, que so restritos aos filtros passa-baixas e passa-banda.
Ele evita o problema da superposio espectral, enquanto mantm as principais caractersticas da funo
de transferncia do filtro analgico. A transformao bilinear faz o mapeamento de todo o eixo - < <
no crculo unitrio - < w < , atravs da utilizao da regra de integrao numrica (regra do trapzio).
O uso desta tcnica restrito s situaes onde aceitvel distoro no eixo das frequncias por causa da
compresso de entre para w entre .
Considere um sistema de primeira ordem com funo de transferncia:
H a (s ) =

Y (s )
b
=
X (s ) s + a

(5.18)

A equao diferencial associada a este sistema dada por:

d
y (t ) + ay (t ) = bx(t )
dt

(5.19)

Sabe-se que a integral da derivada de y(t) fornece:

y (t ) =

y' (t )dt + y(t

(5.20)

t0

em que y(t) a derivada de y(t).

Admitindo t = nTa e t0 = (n-1)Ta a integral realizada em um intervalo correspondente a duas
amostras consecutivas. Assim, aplicando a regra do trapzio na equao (5.20) tem-se que:
y( n ) =

Ta
[ y' (n ) + y' (n 1)] + y(n 1)
2

Admitindo t = nTa na equao (5.19) e substituindo na equao (5.21), acima, segue que:

(5.21)

- 92 -

aTa
aTa
1 + 2 y (n ) 1 2

bTa

y (n 1) = 2 [x(n ) + x(n 1)]

(5.22)

A equao acima uma aproximao numrica do sistema de primeira ordem mostrado em (5.18) e
em (5.19). Assim, a transformada z da equao (5.22) fornece a funo do sistema digital equivalente:
H (z ) =

2 1 z 1

+a
Ta 1 + z 1

(5.23)

Comparando as equaes 5.18) e (5.23) pode-se concluir que o mapeamento do plano s para o plano
z pode ser feito pela seguinte relao:
s=

2 1 z 1

Ta 1 + z 1

(5.24)

Assim, substituindo s pela relao acima em H(s) obtm-se o filtro digital equivalente pelo mtodo
da transformao bilinear.
Para verificar as consequncias desta transformao, seja s = j e z = ejw. Aps alguma manipulao
algbrica na equao (5.24) tem-se que:
=

2
w
tan
Ta
2

T
w = 2 tan 1 a
2

ou

(5.25)
=2arctg( T/2)

Im

1
Re
Plano z

Plano s

Figura 5.4: Mapeamento para a transformao bilinear.

Observe que a faixa de frequncias entre 0 e , mapeada entre 0 e , no plano z, e a faixa - < <
0 mapeada no crculo unitrio tal que - < w < 0.
A transformao bilinear evita o problema da superposio espectral encontrado nos outros dois
mtodos, pois o eixo j mapeado inteiramente no crculo unitrio do plano z, desse modo no h
superposio espectral no domnio da frequncia. Todo o semiplano esquerdo do plano s mapeado
dentro do crculo unitrio o que indica que a transformao estvel. Contudo, este mapeamento
altamente no linear, devido funo tangente que relaciona com w na equao (5.25). Esta relao
comprime o eixo j. Este tipo de compresso chamado na literatura de frequency warping e deve, a
princpio, ser tolerado quando da utilizao deste mtodo.
Exemplo 3: Converta o filtro do exemplo 1, em um filtro digital utilizando o mtodo de
transformao bilinear.
H a (s ) =

1
2

s + 2s + 1

- 93 -

1 z 1
substituindo s por 2 Fa
tem-se que:
1
1 + z

(1 + 2 z

H (z ) =
1

+ z 2 / k1

em que : k1 = 1 + 2 2 Fa + 4 Fa2

8 Fa2

2 1 1 2 2 Fa + 4 Fa2 2
z +
z
k1
k1

Na figura 5.4 so mostrados espectros de amplitude dos filtros para frequncias de amostragem de 2
Hz e 10 Hz. Observe que h pouca diferena na aproximao do filtro analgico tanto para a frequncia
de amostragem de 2 Hz quanto para a de 10Hz, a no ser pela distoro no eixo de frequncia. Existe uma
compresso na resposta de amplitude do filtro digital. Uma das grandes vantagens na utilizao deste
mtodo no h restrio no tipo de filtro que ser projetado, portanto este mtodo o mais utilizado na
obteno de filtros digitais IIR.
0

(a)

(b) Fa = 2Hz

-10

-10

-10

-20

-20

-20

-30

-30

-30

-40
0.1

10

-40
0.1

1
rad/s

10

-40
0.1

(c) Fa = 10Hz

10

Figura 5.4: Filtro digital utilizando transformao bilinear: (a) analgico; (b) digital; (c) digital.

5.3 Famlia de respostas de filtros analgicos

A tcnica mais comum de projeto de filtros IIR a que transforma um prottipo analgico,
previamente projetado, em um digital, utilizando um dos trs mtodos mostrados na seo anterior. Nesta
seo sero estudados alguns procedimentos de projeto dos filtros analgicos, bem como algumas
famlias de respostas de filtros analgicos muito empregadas na prtica e que sero utilizadas como base
nos projetos dos filtros digitais IIR. As famlias, aqui discutidas, so apresentadas para os prottipos
passa-baixas, os outros tipos de filtros podem ser facilmente obtidos por transformao de frequncias.
5.3.1

Resposta de Butterworth

Sabendo-se que a caracterstica de amplitude de um filtro ideal plana na faixa de passagem, o filtro
de Butterworth tenta aproximar esta caracterstica atravs de uma funo polinomial no domnio da
frequncia. Ele caracterizado por uma resposta de amplitude que maximamente plana na faixa de
passagem (figura 5.5.a) e por uma resposta decrescente na banda de parada. O mdulo ao quadrado da sua
funo de transferncia definido como:
H ( j ) =
2

1

1 +
c

2N

1
s2
1+ 2

c

(5.26)

em que: c a frequncia de corte do filtro (queda de 3 dB na banda de passagem) e N a ordem do

filtro.

- 94 -

Admitindo n = /c na equao (5.26), as seguintes propriedades podem ser observadas:

1.

H (0) = 1 , isto , ganho igual 1 na faixa de passagem. Para um ganho diferente basta multiplicar

(5.26) pelo ganho desejado.

2.

H (1) = 0.707 , frequncia de corte igual a 1 rad/s, como consequncia da normalizao em

frequncia.
3.

Expandindo |H(n)| em srie de Taylor tem-se que:

H ( j ) =

1
1 + ( n )

2N

1 2N 3 4N
n + n L
2
8

= 1

Desse modo, as derivadas de |H(n)| para n = 0 sero:

dk
H ( j n )
d kn

=0

: k = 1, 2,L , 2 N 1

n =0

Todas as derivadas de ordem n = 1, 2, ..., 2N-1 so nulas em n = 0, indicando que em torno

deste valor a funo plana. Devido a esta propriedade o filtro de Butterworth conhecido como
filtro com resposta em amplitude maximamente plana.
4.

Conforme a ordem do filtro aumenta, a resposta de amplitude torna-se mais plana na faixa de
passagem e a taxa de atenuao na banda de transio torna-se mais acentuada, como pode ser
observado na figura 5.5.a. Acima da frequncia de corte, isto , para n >>1 ou >> c, a funo de
transferncia exibe uma taxa de atenuao correspondente a 20N dB por dcada (cada vez que se
aumenta por 10 a frequncia) ou 6N dB por oitava (cada vez que se dobra a frequncia). Nesta
situao a resposta assinttica ser:
H ( j )

Os polos da funo de transferncia so aqueles anulam o denominador da equao (5.26). Assim:

s2
c2

= ( 1)1 / N = e j (2 k +1) / N

k = 0 , 1,L , 2 N 1

Consequentemente, os polos que permitem que a equao (5.26) seja estvel sero:
pk = ce j / 2e j (2 k +1) / 2 N

k = 0 , 1,L , N 1

(5.27)

A equao acima indica que estes polos esto localizados no semiplano esquerdo do plano s em
pontos regularmente espaados em um crculo de raio c e so simtricos em relao ao eixo real, como
mostra a figura 5.5b.

- 95 -

j
pk

N=2

0.5

N=3
0

2c

(b)

(a)

Figura 5.5: (a) Espectro de amplitude, (b) localizao dos polos do filtro de Butterworth.
Exemplo 4: Determine a funo de transferncia de um filtro de Butterworth de ordem 2 e
frequncia de corte c = 1 rad/s.

O clculo dos polos feito utilizando a equao (5.27), assim:

p 0 = e j / 2 e j / 4 = cos(3 / 4 ) + j sen(3 / 4 ) =
p1 = e j / 2 e j 3 / 4 = cos(5 / 4 ) + j sen(5 / 4 ) =

1
2
1
2

+j
j

1
2
1
2

O clculo de H(s), para um filtro de ordem N e ganho unitrio, feito pela seguinte expresso:
H (s ) =

p 0 p1 L p N 1
(s p0 )(s p1 )L (s p N 1 )

Admitindo N = 2 tem-se que:

H (s ) =

p0 p1

(s p0 )(s p1 )

1
2

s + 2s + 1

5.3.1.1 Especificaes para o projeto de filtros passa-baixas

As especificaes mais comuns encontradas para o projeto de um filtro so ilustradas na figura 5.6.
Nesta figura a resposta de amplitude de um filtro passa-baixas linearizada por partes, onde se
identificam trs regies: Uma banda de passagem (0 a p), uma banda de transio (p a s) e uma banda
de atenuao ou de parada (acima de s). Em que, p a frequncia da banda de passagem, s a
frequncia da banda de atenuao, MAX e MIN so as atenuaes mxima da banda de passagem e
mnima da banda de parada.
|H()
1/MAX

1/MIN
p

Figura 5.6: Especificaes para o projeto de filtros passa-baixas.

Na faixa de passagem (0 a p) a atenuao no pode exceder a MAX e na banda de atenuao (acima

de s) a atenuao no dever ser menor que MIN. Lembre que a atenuao o inverso do ganho. Para se

- 96 -

obter a melhor aproximao possvel de um filtro ideal, a banda de transio BT = s - p deve ser a
menor possvel. Com estas informaes determina-se facilmente a ordem N e a frequncia de corte da
caracterstica de Butterworth. De posse destes resultados determina-se os polos atravs da equao (5.26).
Exemplo 5: Determine a funo de transferncia H(s) de um filtro de Butterworth que satisfaa as
seguintes condies de projeto: p = 1000 rad/s (Fp = 500 Hz), MAX = 2 dB, s = 4000 rad/s (Fs =
2000 Hz), Mmin = 40 dB.

Utilizando a equao (5.26), na banda de passagem tem uma atenuao de 1 dB ou um ganho de 10:

2/20

H j p

1
1000

1 +

= 10

= 10

40 / 10

1000

2N

= 0.5849

(I )

= 9999

(II )

Na banda de atenuao tem-se:

H ( j s ) =

2N

2 / 10

4000

1 +

2N

4000

2N

A determinao da ordem do filtro pode ser feita dividindo (II) por (I):
4000 / c

1000 /
c

2N

9999
0.5849

(4 )2 N

= 1.7095 104

N = 3.51

A ordem do filtro aproximada para o menor inteiro maior que 3.51. Assim: N = 4

O clculo da frequncia de corte pode ser feito utilizando ou a equao (I) ou ento a (II) em que N =
4. Utilizando (I) tem-se:
8

1000

= 0.5849
c

c = 1069 rad / s

Observe que esta soluo no nica. Utilizando a equao (II) o resultado seria outro (1265 rad/s),
porm qualquer que seja a frequncia utilizada, o filtro estar dentro das especificaes do problema.

Clculo dos polos, utilizando a equao (5.27):

p k = 1069e

1 2 k +1
j +

8
2

: k = 0 , 1, 2, 3

Clculo de H(s). Aps alguma manipulao algbrica tem-se:

H( s ) =

5.3.2

p0 p1 p2 p3
1.3059 1012
= 4
3 3
( s p0 )( s p1 )( s p2 )( s p3 ) s + 2.7934 10 s + 3.9016 106 s 2 + 3.1922 109 s + 1.3059 1012

Resposta de Chebyshev

- 97 -

A famlia de Chebshev apresenta como uma de suas principais caractersticas uma maior taxa de
atenuao na banda de transio do que a dos outros filtros polinomiais, e ondulaes na banda de
passagem ou ento na de atenuao. Existem dois tipos de filtros de Chebyshev: tipo I e tipo II. O
primeiro tipo apresenta um comportamento oscilatrio na faixa de passagem (equiripple) e um
comportamento monotnico para frequncias acima desta banda, como mostra a figura 5.7. O tipo II
apresenta um comportamento exatamente oposto ao tipo I, isto , um comportamento monotnico na
faixa de passagem e oscilatrio na banda de atenuao.
Para o filtro tipo I o mdulo ao quadrado da sua resposta em frequncia dado por:
H ( j ) =

1+

C N2

( / p )

(5.28)

1 + C N2 ( n )
2

em que: um parmetro que controla a amplitude das ondulaes da banda de passagem e CN(n)
o polinmio de Chebyshev de ordem N.
Embora CN(n) seja um polinmio, ele melhor definido em termos de funes trigonomtricas
como abaixo:

cos N cos 1 n ,
C N ( n ) =
1
cosh N cosh n ,

n 1

(5.29)

n > 1

Algumas caractersticas so muito importantes para estes polinmios. Para |n| 1, eles apresentam
um comportamento oscilatrio, com amplitude constante variando entre 1 e por esta razo so
chamadas tambm de funes equiripple. Para |n| > 1, tem-se um cosseno hiperblico e, portanto CN(n)
cresce com maior rapidez do que qualquer outro polinmio de mesma ordem, produzindo um filtro cujas
caractersticas so mostradas na figura 5.7.
Na realidade no h necessidade de se utilizar a equao (5.29), pois estes polinmios so facilmente
gerados atravs da seguinte frmula de recurso:
C N +1 ( n ) = 2 n C N 1 ( n ) C N 1 ( n )

(5.30)

em que: C0(n) = 1 e C1(n) = n e portanto segue que:

C 2 = 2 2n 1
C3 = 4 3n 3 n

(5.31)

C 4 = 8 4n 8 2n + 1
M
1
1/ 1+

pk

0.5

2c

(a)

(b)

Figura 5.7: Filtros de Chebyshev tipo I; (a) Espectro de amplitude; (b) localizao dos polos.

Considerando as equaes (5.28) e (5.29), as seguintes propriedades podem ser observadas:

- 98 -

1.

Para = 0 tem-se:
n mpar
1,
1
H (0 ) =
,
n par

2
1+

2.

Para = p, o ganho mnimo na banda de passagem ou mxima atenuao nesta banda:

( )

H p =

3.

(5.32)

1
1 + 2

qualquer n

(5.33)

A ondulao (em dB) na banda de passagem definida como:

H
r = 10 log MAX
H MIN

= 10 log 1 + 2

2 = 10r / 10 1

(5.34)

4.

O nmero total de mximos e mnimos na banda de passagem determinado pela ordem do filtro.

5.

A banda passante definida como a faixa de frequncias em que ondulao oscila na amplitude
mnima.

Os polos pk desta famlia de filtros so aqueles anulam o denominador da equao (5.28). Assim, eles
esto localizados em uma elipse cujos raios maior (r1) e menor (r2) so dados por:
r1 =

p
1
+
2

(5.35)

r2 =

p
1

(5.36)

em que, p a frequncia mxima da banda de passagem e o parmetro , depende de e da ordem

N, sendo dado por:
1/ N

= 1 + 2 +

(5.37)

Desse modo, eles so dados por:

pk = k + j k = r2 cos k + jr1 sen k

(5.38)

em que:
k =

2k + 1
+
: k = 0, 1, L , N 1
2
2N

(
5.39)

As especificaes para o filtro de Chebyshev so praticamente as mesmas do projeto de um filtro de

Butterworth a no ser pela ondulao na banda de passagem. Desse modo, no projeto destes filtros
comum a especificao dos seguintes parmetros: ondulao mxima na banda de passagem (r),
frequncia da banda de passagem (p), atenuao mnima na banda de atenuao (s) e frequncia de

- 99 -

incio desta banda (s). Com estes dados, o valor de determinado atravs da equao (5.34) e a ordem
N determinada por uma das seguintes equaes dadas abaixo:
2 1 + 2 + 2 +1
2

2
log

N=
2

log s + s 1

p
p

(5.40)

10 r / 10 1
cosh 1

/ 10
1
10 s
N=
cosh 1 s

(5.41)

em que: 2 = 10 s / 20

Aps os clculos de N e , os polos do filtro so determinados utilizando as equaes (5.37), (5.35),

5.36), (5.39) e 5(38). O exemplo a seguir ilustra o procedimento de projeto de um filtro de Chebyshev.
Exemplo 6: Determine a funo de transferncia de um filtro de Chebyshev que satisfaa as
seguintes especificaes: ondulao na banda de passagem r = 2 dB, p = 1000 rad/s (Fp = 500 Hz), s
= 4000 rad/s (Fs = 2000 Hz), Mmin = 40 dB.

Clculo de equao (5.35):

2 = 10 r / 10 1 = 10 0.2 1 = 0.58489

= 0.76478

Clculo da ordem do filtro, equao (5.40):

2 = 10 40 / 20 = 10 2

10 4 1 + 10 4 + 0.58489 + 1
log

2 0.76478
log {130.758}

=
= 2.36
N=
log {7.87298}
log 4 + 16 1

N =3

Clculo dos polos, equaes (5.35), (5.36), (5.37) e (5.38):

1
1

= 1+
+

0
.
58489
0
.
76478

r1 =

p
1
1.4348 +
= 1.0659 p
2
1.4348

r2 =

1/ 3

= 1.4348

p
1
1.4348
= 0.3689 p
2
1.4348

- 100 -

p0 = r2 cos

2
3

+ jr1 sen

2
3

= 0.579510 3 + j 2.910 3

p1 = r2 cos + jr1 sen = 1.15810 3

p 2 = r2 cos

4
3

+ jr1 sen

4
3

= 0.579510 3 j 2.910 3

Clculo de H(s). Aps alguma manipulao algbrica tem-se:

H( s ) =

p0 p1 p2
5.0682 109
= 3
( s p0 )( s p1 )( s p2 ) s + 1.7385 103 s 2 + 9.4174 106 s + 5.0682 109

Observe que, apesar dos dados deste exemplo serem praticamente os mesmos do exemplo 5, o filtro
de Chebyshev apresenta uma ordem menor (N = 3) do que o de Butterworth (N = 4). Assim, comparando
os filtros de Chebyshev e de Butterworth com ordens iguais, a aproximao de Chebyshev apresenta uma
resposta em frequncia que mais abrupta na regio de transio, mas em contrapartida ela apresenta uma
ondulao na banda de passagem, e, alm disso, na primeira oitava a taxa de atenuao maior do que 6N
dB/oitava.
Uma segunda forma da aproximao o filtro de Chebyshev tipo II, tambm chamado de filtro
inverso de Chebyshev. Para se obter a resposta em frequncia deste filtro, a varivel n da equao (5.28)
recolocada por 1/n, o que transforma a resposta em passa-altas. Subtraindo esta caracterstica da
unidade obtm o filtro passa-baixas de Chebyshev tipo II, como mostra a figura 5.8. Neste caso, o
quadrado do mdulo da resposta em frequncia ser dado por:
H ( j ) =
2

2 C N2 (1 / n )

1 + 2 C N2 (1 / n )

(5.42)

0.5

d2
0
2s
p s
Figura 5.8: Espectro de amplitude do filtro de Chebyshev tipo II.
Observe que a funo de transferncia apresenta zeros e polos. Os zeros so prontamente calculados
estabelecendo o numerador da equao (5.42) igual a zero, isto , CN(1/n) = 0. Assim, eles esto
localizados no eixo imaginrio tal que:
zk = j

1
cos k

(5.43)

em que:
k =

(2k + 1)
2N

k = 0, 1, L , N 1

(5.44)

Analisando as equaes (5.28) e (5.42) observa-se que os polos so os recprocos daqueles do filtro
convencional de Chebyshev tipo I. Denotando os polos do filtro inverso de Chebyshev por:

- 101 -

p 'k = 'k + j 'k

(5.45)

ento:
'k =

k
2k + 2k

'k =

k2 + 2k

(5.46)

em que: k e k so as partes real e imaginria do filtro regular de Chebyshev calculados pela

equao (5.38).
A desnormalizao realizada multiplicando as equaes (5.43) e (5.46) pela frequncia da banda de
atenuao (s).
As localizaes destes polos no pertencem a uma curva geomtrica como aquelas dos filtros de
Butterworth e de Chebyshev tipo I, alm disso, o filtro de Chebyshev tipo I apresenta uma banda de
transio mais abrupta. Em contrapartida, o filtro de Chebyshev tipo II apresenta uma resposta de fase
mais regular e uma banda passante sem ondulaes.
Novamente, a forma mais comum de se especificar o filtro de Chebyshev tipo II em termos da
frequncia da banda de passagem (p), da atenuao mxima permitida nesta banda, da frequncia da
banda de atenuao (s) e da atenuao mnima permitida nesta banda ou ondulao (2).
Admitindo G o ganho mnimo na banda de passagem tal que G = |H(j)| < 1 para 0 < < p, ento a
ordem do filtro pode ser encontrada como o menor inteiro que satisfaz a seguinte relao:

G
cosh 1

2
1 G
N

cosh 1 s
p

(5.47)

Uma outra forma de se calcular esta ordem utiliza a atenuao mnima na banda de atenuao e a
amplitude da ondulao tal que:

2
2
2
1 d 2 + 1 d 2 1 +
log

d 22

log s + s
p

d
cosh 1

=

cosh 1 s
p

(5.48)

em que:
=

d2
1 d 22

d 2 = 10

10

20

10

(5.49)

(5.50)

- 102 -

d=

d 22

(5.51)

A partir das especificaes o filtro pode ser determinado atravs do seguinte procedimento:
1.
2.
3.
4.
5.

Determina-se atravs da equao (5.49)

A ordem do filtro determinada a partir da equao (5.47) ou (5.48),
Determina-se os zeros atravs das equaes (5.43) multiplicada por s e (5.44),
Calcula-se os polos do filtro de Chebyshev tipo I. Os recprocos dados pelas equaes (5.45) e (5.46),
multiplicados por s so os polos do filtro inverso tipo II,
A funo de transferncia com ganho na banda passante igual a 1 determinada por:
H (s ) =

p '0 p1' L (s z 0 )(s z1 )L

z 0 z1 L s p '0 s p1' L

)(

(5.52)

Exemplo 7: Determine a funo de transferncia de um filtro de Chebyshev tipo II que satisfaa as

seguintes especificaes: atenuao mxima banda de passagem 2 dB, p = 2000 rad/s (Fp = 1000 Hz),
s = 4000 rad/s (Fs = 2000 Hz), atenuao mnima na banda de atenuao 2 = 20 dB.

Clculo de , equaes (5.49) e (5.50):

d 2 = 10
=

d2
1 d 22

20

= 10

20

20

0.1

= 0.1

= 0.100504

1 0.12

Clculo da ordem do filtro, equaes (5.48) e (5.51)

d=

1
d 22

1 =

1
0.12

1 = 9.95

9.95
cosh 1

0.100504
N
= 4.015
1 4000
cosh

2000

Clculo dos zeros, equaes (5.43) e (5.44), utilizando N = 4 tem-se:

zk = j

s
2k + 1
cos

k = 0, 1, 2, 3 z 0,3 = j1.36 10 4

z1, 2 = j 3.284 10 4

Clculo dos polos do filtro de Chebyshev tipo I, equaes (5.35), (5.36), (5.37) e (5.38):
1 d 2 + 1
2

d2

r1 =

p 2 +1
= 8.12 10 3

1/ 4

r2 =

= 2.11

p 2 1
= 5.14 10 3
2

- 103 -

k = r2 cos k

k = jr1 sen k

0 = 1.97 10 3

0 = 7.50 10 3

1 = 4.75 10 3

1 = 3.1110 3

2 = 4.74 10 3

2 = 3.1110 3

3 = 1.97 10 3

3 = 7.50 10 3

2k + 1
+

2
8
5
0 =
8
7
1 =
8
9
2 =
8
11
3 =
8

k =

Clculo dos polos do filtro de Chebyshev tipo II, equao (5.46):

'0 = 3.19 10 3

'0 = 12.15 10 3

'1 = 10.5110 3

'1 = 6.88 10 3

'2 = 10.5110 3

'2 = 6.88 10 3

'3 = 3.19 10 3

'3 = 12.15 10 3

Funo de Transferncia, equao (5.52):

H ( s) =

1.58 10 8 s 2 + 2.49 10 16
s 4 + 2.74 10 4 s 3 + 4.50 10 8 s 2 4.32 1012 s + 2.49 1016

0.5

103

104 Hz

Figura 5.9: Espectro de amplitude do filtro do exemplo 7.

5.3.3

Filtros Elpticos

Os filtros elpticos (ou de Cauer) possuem uma resposta em frequncia cujo mdulo apresenta
ondulaes (equiripple), tanto na banda de passagem quanto na de atenuao, como mostra a figura 5.10.
Esta resposta especificada em termos de quatro parmetros, do mesmo modo que foi feito para os filtros
anteriores.
i.
ii.
iii.
iv.

Ondulao ou variao mxima (1) na banda de passagem,

Banda de transio (s - p),
Ondulao ou resposta (2) na banda de atenuao,
Ordem (N) do filtro.

O resultado final do projeto destes filtros que, sendo especificados os trs primeiros parmetros
acima o quarto, a ordem, apresentar um valor mnimo. Assim, especificando as ondulaes e frequncias
da banda de transio este projeto conduzir a um filtro com ordem mnima em comparao com os
outros tipos de filtros descritos acima.

- 104 -

1
1+ 2

2
p s

Figura 5.10: Filtro Elptico.

A resposta em frequncia dos filtros elpticos apresenta zeros e polos, sendo esta, uma generalizao
dos filtros de Chebyshev tal que:
H ( j ) =
2

1
1 + G 2 ( )

(5.53)

em que G() uma funo racional, que uma generalizao do polinmio de Chebyshev, sendo
gerado atravs da funo elptica Jacobiana, e um parmetro relacionado com a ondulao na banda de
passagem.
Funes elpticas

Define-se a integral elptica de primeira classe como:

u (, k ) =

1
1 k sen 2 ( x )
2

(5.54)

dx

em que k chamado de modulus tal que 0< k <1.

Admitindo = /2, a equao (5.54) chamada de integral elptica completa de primeira classe,
tal que:
K (k ) =

/ 2

1
1 k sen 2 ( x )
2

(5.55)

dx

A funo seno do inverso da equao (5.55) definida como o seno elptico Jacobiano de u com
modulus k e denotada por:
sn(u , k ) = sen( (u, k ))

(5.56)

Esta funo utilizada para se obter o comportamento ondulatrio da resposta de frequncia dos
filtros elpticos. Na figura 5.11 mostrado o grfico desta funo em funo de u e de alguns valores para
o parmetro k. Observe que esta funo peridica, com perodo 4k. Para k = 0, sn(u,0) = sen(u) e
conforme k se aproxima de 1 ela se assemelha a uma senide saturada.
1
0 .5
0
-0 .5
-1

k = 0 .9 9 9
k = 0 .5

k = 0 .9
5

10

- 105 -

Figura 5.11: Seno elptico Jacobiano em funo de u e com modulus k.

O filtro elptico

Para se obter a funo de transferncia do filtro elptico, a funo racional de Chebyshev G()
definida em termos de duas funes elpticas Jacobianas com modulus k e k1 tal que:
G ( ) = sn(n, k1 )

em que: = sn 1 ( , k ) ; k =

(5.57)

; e k1 um parmetro relacionado com a ondulao na banda de

atenuao, tal que:

k12 =

2
1 1
2

(5.58)

A ordem do filtro elptico

Observe pelas equaes acima que a obteno da funo de transferncia do filtro elptico muito
complexa, neste texto s iremos tratar de um procedimento para o clculo da ordem do filtro atravs das
especificaes das ondulaes e frequncias da banda de transio. Um procedimento para o clculo da
ordem do filtro mostrado abaixo:
1.

Calcule o fator de seletividade k,

k=

2.

(5.59)

Calcule o fator de discriminao d, que um parmetro relacionado com a ondulao na banda de

atenuao,
2

d =

3.

2p 1
2s

10

0.1 Ap

10

0.1 As

(5.60)

A ordem do filtro determinada pelo menor inteiro que satisfaz,

log 16 2
d
N
log 1
q

em que: q = q 0 +

2q 05

+ 15q 09

+ 150q13
0

(
(

1 1 1 k 2
e q0 =
2 1+ 1 k 2

(5.61)

)
)

1/ 4
1/ 4

Deve-se salientar que mostrar todos os detalhes do procedimento de projeto dos filtros elpticos at se
chegar ao clculo dos zeros e polos da funo de transferncia uma tarefa muito difcil e cansativa, pois
envolve o desenvolvimento de muitas equaes. Alm disso, os clculos das equaes acima envolvem
procedimentos numricos, desse modo, foi apresentado somente um esboo do projeto e das principais
equaes envolvidas. Para maiores detalhes sugere-se que se consulte Zverev (1967), Parks & Burrus
(1987), Antoniou (1993) ou Poularikas (1999), que tratam com detalhes do projeto destes filtros. Basta
salientar aqui que existem disponveis programas de computador e softwares aplicativos, tais como o
Matlab, que possibilitam projetar com muita facilidade estes filtros a partir das especificaes
estabelecidas anteriormente.

- 106 -

Exemplo 8: Determine a ordem de um filtro elptico que satisfaa as seguintes especificaes:

atenuao mxima (ou ondulao) na banda de passagem 0.1 dB, p = 900 rad/s, s = 1000 rad/s e
atenuao mnima na banda de atenuao As = 50 dB.

clculo do fator de discriminao:

d 2 ==

10

0.1 Ap

10

0.1 As

1
1

10 0.1.0.1 1
10 0.1.50 1

0.023293
= 0.23.10 6
99999

clculo do fator de seletividade

k=

p
s

900
= 0.9
1000

clculo de q

(
(

1 1 1 k 2
q0 =
2 1+ 1 k 2

)
)

1/ 4
1/ 4

(
(

1 1 1 0.9 2
=
2 1 + 1 0.9 2

)
)

1/ 4
1/ 4

= 0.10233

q = 0.10233 + 2.0.10233 2 + L 0.102354

clculo da ordem
log 16 2
d = 7.8369 = 7.9168 N = 8
N
0.9899
log 1
q

5.3.4

Filtros de Bessel

Os filtros de Bessel so uma classe de filtros somente com polos, caracterizados por apresentarem
fase linear na banda de passagem. Eles so caracterizados pela seguinte funo de transferncia:
H (s ) =

1
B N (s )

(5.62)

em que: BN(s) representa o polinmio de Bessel de ordem N, que pode ser expresso pela seguinte
equao:
B N (s ) =

a s
k

e ak =

k =0

(2 N k )!
k!(n k )!

N k

(5.63)

Alternativamente, este polinmio pode ser gerado facilmente atravs da seguinte frmula de
recurso:
B N (s ) = (2 N 1)B N 1 (s ) + s 2 B N 2 (s )

(5.64)

com condies iniciais: B0(s) = 1 e B1(s) = s + 1.

O filtro de Bessel tem sido empregado no projeto de filtros analgicos quando se necessita de um
filtro com caracterstica de fase linear, contudo este tipo de famlia no pode ser empregado no projeto de

- 107 -

filtros digitais, pois o processo de converso para o domnio digital acaba com a caracterstica de fase
linear. Felizmente, esta caracterstica pode ser obtida empregando filtros com resposta ao impulso finita
(FIR), como ser visto adiante.

5.4 Exemplo de projeto de um filtro IIR

Sabendo-se como se obtm a funo de transferncia H(s) de um filtro analgico podemos facilmente
chegar ao filtro digital, utilizando um dos procedimentos estudados na seo 5.2. Nesta seo vamos
desenvolver um projeto completo de um filtro digital IIR utilizando dois mtodos, o de aproximao das
derivadas e o da transformao bilinear.
Projete um filtro digital passa-baixas com caracterstica de Butterworth, pelo mtodo de aproximao
das derivadas e por transformao bilinear, que satisfaa as seguintes especificaes:
(a) Banda de passagem: 0 1 kHz, com ganho 0 dB e atenuao mxima igual a 1 dB.
(b) Banda de atenuao: A partir de 3 kHz, com atenuao mnima igual a 10 dB.
(c) Frequncia de amostragem: 10 kHz.
5.4.1

Pelo mtodo por aproximao das derivadas

O primeiro passo de projeto determinar o filtro de Butterworth analgico auxiliar, cujo mdulo da
funo de transferncia, equao (5.26) mostrado abaixo:
H ( j ) =

1 +
c

2N

Observe que no especificada a frequncia de corte do filtro, mas sim a banda de transio. Assim o
primeiro procedimento calcular a frequncia de corte.

Determinao da frequncia de corte e da ordem do filtro analgico.

Na banda de passagem: p = 2103 rad/s e 1 = 1dB. Assim:

210 3

10 log
2 N 1

2 103
c
1+

2N

10 0.1 1

(5.65)

Na banda de atenuao: a = 6103 rad/s e 2 = 10dB. Assim:

610 3
1

10 log
2 N 10
3

c
1+ 6 10

2N

10 1 = 9

(5.66)

Combinando as equaes (5.65) e (5.66) tem-se:

[
2 N log [

2 N log 2 10

6 10

c
c

] = log (0.2589)
] log (9)

c = 9.546810 3 rad / s ou

Substituindo c na equao (5.65) determina-se a ordem N

f c = 1.519 10 3 Hz

- 108 -

2 N log 2 10

9.5468103

] log(0.2589)

N 1.6

N =2

Adotando N =2 e utilizando a equao (5.65) obtm-se a nova frequncia de corte:

c = 8.8080 10 3 rad / s

ou

f c = 1.4018 10 3 Hz

Observe que se fosse utilizada a equao (5.66) em vez (5.65) seria obtida uma frequncia de corte
diferente da obtida acima e consequentemente um filtro diferente, porm ambas conduziro a filtros que
satisfazem as condies de projeto dadas acima.

Determinao da funo do sistema.

Utilizando a equao (5.27) os polos do filtro so dados por:
p 0 = 8.808 10 3 e j 3 / 4 = 6.2282 10 3 + j 6.2282 10 3
p1 = 8.808 10 3 e j 5 / 4 = 6.2282 10 3 j 6.2282 10 3
H( s ) =

7.758110 7
1
= 2
(s / p 0 1)(s / p1 1) s + 1.24564 10 4 s + 7.758110 7

Determinao do filtro digital

Para o mtodo de aproximao das derivadas a varivel s substituda por (1 z-1)/T =(1 z)10 . Assim:
4

H( z ) =

5.4.2

0.2568
1 1.0742 z 1 + 0.3309 z 2

Mtodo por transformao bilinear

Como visto na seo 5.2.3 o mtodo da transformao bilinear comprime o eixo de frequncias.
Assim, Neste projeto recomenda-se fazer uma pr-distoro neste eixo (prewarping) antes do projeto do
filtro analgico para compensar a distoro produzida pela funo tangente inversa, equao (5.25)
durante o mapeamento. Esta pr-distoro realizada pelas seguintes equaes:
'p =

wp
2
2
w
e 's = tan s
tan

T
T
2
2

em que: wp = pT e ws = sT.

Pr-distoro nas frequncias

210 1

= 6.4983910 3 rad / s
tan
4

10
2
610 1
2
= 27.5276410 3 rad / s
's = 4 tan

10
2

' p =

Determinao da frequncia de corte e da ordem do filtro analgico

Na banda de passagem: p = 6.498103 rad/s e 1 = 1dB. Assim:

(5.67)

- 109 -

2N

' p
1

10 log

= 0.2589
2 N 1
'

1+ p
c

(5.68)

Na banda de atenuao: s = 27.527103 rad/s e 2 = 10dB. Assim:

2N

's
1

10 log

=9
2 N 10
'

1+ s
c

(5.69)

Combinando as equaes (5.68) e (5.69) tem-se que: N = 1.22902

Escolhendo N = 2 e utilizando a equao (5.69) determina-se a frequncia de corte do filtro:
c = 15.89309 10 3 rad / s

ou

f c = 2.52946 10 3 Hz

Determinao da funo do sistema.

Em vez de utilizar a equao (5.27) vamos utilizar diretamente a funo do sistema para o filtro de
Butterworth que dada por::
H (s ) =

H (s ) =

(s / c )

(s / 15.89310 )

H (s ) =

1
2

3 2

+ 1.1442 s / c + 1

1
+ 1.1442s / 15.89310 3 + 1

2.525874 10 8
s 2 + 2.24759 10 4 s + 2.525874 10 8

Determinao do filtro digital

Para o mtodo da transformao bilinear a varivel s substituda por s =

H( z ) =
1

0.22918 + 0.45837 z 1 + 0.22918 z 2

1 0.26751z 1 + 0.18426 z 2
1

(a)

(b)

(c)

0.8

0.8

0.8

0.6

0.6

0.6

0.4

0.4

0.4

0.2

0.2

0.2

0.0

10

102

103

2 1 z 1

. Assim:
Ta 1 + z 1

104

0.0

10

102
103
Hz

104

0.0

10

102

103

104

Figura 5.12: Projeto de Filtro IIR; (a) analgico, (b) mtodo de aproximao das derivadas,
(c) transformao bilinear.

- 110 -

5.5 Projeto de filtros digitais com resposta ao impulso finita - FIR

Nesta seo sero estudadas as tcnicas de projeto dos filtros digitais cuja resposta ao impulso
finita, isto , os filtros FIR (finite impulse response). A funo de transferncia destes filtros um
polinmio em z, somente com o numerador e a resposta a uma excitao qualquer depende somente dos
valores presentes e passados da entrada, no dependendo de valores presentes e passados da sada. Outros
nomes para estes filtros so: filtros no recursivos, de mdias mveis ou transversais.
Os filtros FIR apresentam vantagens que os tornam muito favorveis em algumas aplicaes: so
sempre estveis e apresentam a propriedade de fase linear, conduzindo a uma resposta sem distoro na
banda de passagem. A grande desvantagem que para uma determinada resposta em frequncia a ordem
destes filtros sempre muito alta, quando comparada com os filtros IIR.
Duas tcnicas de projeto mais comuns sero estudadas: o projeto de filtros por janelas e o projeto por
amostragem da frequncia. Estas tcnicas envolvem sempre aproximao de um filtro seletivo em
frequncia ideal tipo passa baixas, altas ou passa banda, como ser visto a seguir.
5.5.1 Definio de um filtro FIR

Um filtro FIR, de ordem M-1 descrito pela seguinte equao de diferenas:

M 1

y (n) = b0 x(n) + b1 x(n 1) + L + bM 1 x(n M + 1) =

b x(n k )
k

(5.70)

k =0

em que os bk so os coeficientes; x(n) e y(n) so, respectivamente, as entrada e sada do filtro.

Expressando a sequncia de sada do sistema como a soma de convoluo da resposta ao impulso
com o sinal de entrada tem-se que:
M 1

y ( n) =

h( k ) x ( n k )

(5.71)

k =0

Comparando as equaes (5.70) e (5.71) observa-se que h(k) = bk, isto , a resposta ao impulso do
filtro corresponde aos seus prprios coeficientes. Assim, o projeto destes filtros se resume em encontrar
os coeficientes h(k) da resposta ao impulso, que satisfaam um determinado conjunto de especificaes
da resposta em frequncia. O limite inferior da somatria reflete a causalidade do filtro, e o superior a
durao finita da resposta ao impulso, alm disso, desde que estes coeficientes sejam limitados, o filtro
ser sempre estvel.
A funo de transferncia dada pela transformada z da equao (5.71). Assim:
H ( z) =

Y ( z)
=
X ( z)

M 1

h( k ) z

(5.72)

k =0

As razes do polinmio acima fornecem os zeros do filtro. Observe tambm que todos os M-1 polos
esto localizados na origem, comprovando a estabilidade do filtro.
5.5.2 Condio de fase linear

Em geral, estes filtros so projetados de modo a apresentarem uma resposta de fase linear. Um filtro
apresenta resposta de fase linear se uma das seguintes condies forem satisfeitas:
( w) = w ou

( w) = w

(5.73)

- 111 -

em que, um atraso de fase constante, chamado de atraso de grupo e = .

Pode ser mostrado que se a condio acima for satisfeita, ento a resposta ao impulso do filtro
apresentar simetria positiva em torno do ponto (M-1)/2, isto ,
h(n) = h( M 1 n) : n = 0, 1, L , M 1

(5.74)

em que, = (M-1)/2.
Para mostrar a validade da condio acima seja M um nmero inteiro e par. Ento:
H ( z ) = h0 + h1 z 1 + L + h M 1 z ( M 1)

Colocando em evidncia z-(M-1)/2 tem-se que:

H ( z ) = z ( M 1) / 2 h0 z ( M 1) / 2 + h1 z ( M 1) / 2 1 + L + h M 1 z ( M 1) / 2

Como por hiptese h0 = hM-1; h1 = hM-2; ... ,ento:

[ (

) (

H ( z ) = z ( M 1) / 2 h0 z ( M 1) / 2 + z ( M 1) / 2 + h1 z ( M 1) / 2 1 z ( M 1) / 2 +1 + L + h M / 21 z 1 / 2 + z 1 / 2
H ( z ) = z ( M 1) / 2

M / 2 1

h (z

[( M 1) / 2 k ]

+ z [( M 1) / 2 k ]

)]

(5.75)

k =0

Substituindo z por ejw tem-se:

H (e jw ) = e jw( M 1) / 2

M / 2 1

h (e

jw[( M 1) / 2 k ]

+ e jw[( M 1) / 2 k ]

(5.76)

k =0

Portanto, utilizando a frmula de Euler,

H (e jw ) = e jw( M 1) / 2

M / 2 1

2h

cos w(( M 1) / 2 k )

(5.77)

k =0

Observe que a equao acima apresenta um termo real que corresponde somatria e portanto a fase
linear refletida pela exponencial, isto :
( w) = w( M 1) / 2

(5.78)

Acima da frequncia em que o termo real se torna negativo deve-se somar equao acima.
O mesmo procedimento acima poderia ser repetido admitindo M um nmero inteiro mpar. Neste
caso:
H (e jw ) = e jw( M 1) / 2

( M 1) / 2

2h [1 + cos w((M 1) / 2 k )]
k

(5.79)

k =0

Exemplo 9: Determine o mdulo e a fase da funo de transferncia de um filtro FIR de mdia, cuja
resposta ao impulso dada por:

- 112 -

h ( n) =

1
1
1
(n) + (n 1) + (n 2)
3
3
3

Observe que neste caso M-1 = 2 e a resposta ao impulso simtrica em torno do ponto (M-1)/2=1.
Calculando a transformada de Fourier de h(n) tem-se que:

( )

H e jw =

1
3

{1 + e

jw

+ e j 2 w = e jw

1
3

{e

1 2
+ 1 + e jw = e jw + cos w

3 3

jw

Portanto, o mdulo e a fase desse filtro sero:

H (e jw ) =

1
1 + 2 cos w
3

w, 0 w 2 / 3
(e jw ) =
w, 2 / 3 < w <

Observe na figura 5.13, mostrada abaixo, que a resposta de fase deste filtro linear com a frequncia.
|H(ejw)|

1
0.5
0

-2/3

/3

2/3

/3

2/3

-/3

(ejw)

-
-

-2/3

-/3

Figura 5. 13: Mdulo e fase da funo de transferncia do filtro FIR do exemplo 9.

5.5.3 Localizao dos zeros de um filtro FIR com fase linear

Para um filtro FIR com fase linear, os zeros apresentam algumas simetrias devido simetria imposta
na resposta ao impulso h(n). Analisando melhor a equao (5.75), pode-se verificar que no domnio da
frequncia a condio de fase linear refletida pela seguinte relao:
H ( z ) = z ( M 1) H (1 / z )

(5.80)

Este resultado mostra que as razes de H(z) so as mesmas de H(1/z), isto , os zeros ocorrem em
pares recprocos. Para valores reais z i e 1 / z i so razes de H(z) e desde que os coeficientes do filtro so
reais, ento, para valores complexos z i , 1 / z i* , z i* e 1 / z i so razes de H(z). A figura 5.14 ilustra este
fato.
Im
1/z*1
1/z2

z2

z1
z*1

Re
1/z1

Figura 5.14: Localizao dos zeros de um filtro FIR com fase linear

- 113 -

Estas simetrias podem ser utilizadas para implementar formas em cascata com sees com fase
linear.

5.6 Projeto de filtros FIR por janelas

Este tipo de projeto baseado diretamente na aproximao de uma resposta em frequncia desejada,
com a condio de fase linear. Em geral, esta resposta escolhida baseando-se nos filtros seletivos em
frequncia ideais. Estes, sempre so no causais e com resposta ao impulso com durao infinita. A
escolha de uma janela adequada no domnio do tempo trunca a resposta ao impulso para se obter um filtro
FIR causal e com fase linear.
Este mtodo se inicia, portanto, com a especificao de uma resposta em frequncia desejada,
admitindo fase linear e a consequente determinao da resposta ao impulso unitrio. Assim:
h d ( n) =

1
2

(e jw )e jwn dw

(5.81)

Como hd(n) tem durao infinita, ela deve ser truncada de acordo com a ordem (M-1) que se deseja
obter. Se o truncamento for direto, este procedimento equivalente a multiplicar hd(n) por uma janela
retangular, w(n), tal que:
1, n = 0, 1, L , M 1
w(n) =
0, | n | M

(5.82)

Assim, a resposta ao impulso do filtro FIR ser dada por:

h (n), n = 0, 1, L , M 1
h(n) = hd (n) w(n) = d
0, | n | M

(5.83)

Com a determinao de h(n) tem-se determinado o filtro FIR pois elas so os seus prprios
coeficientes.
O efeito da multiplicao de hd(n) pela janela w(n) melhor compreendido, lembrando que a resposta
em frequncia do filtro dada pela convoluo entre a resposta em frequncia desejada e a transformada
de Fourier da janela. Assim:
H (e jw ) = H d (e jw ) *W (e jw ) =

1
2

H (e

) H (e j ( w) )d

(5.84)

Desse modo, a resposta em frequncia do filtro obtido uma verso manchada da resposta em
frequncia desejada pela resposta em frequncia da janela (neste caso a retangular).
No caso de se utilizar a janela retangular da equao (5.82) a transformada de Fourier dada por:
W (e jw ) = e jw( M 1) / 2

sen( wM / 2)
sen w / 2

(5.85)

A figura 5.15 mostra a resposta em frequncia da janela retangular e a resposta em frequncia de um

filtro FIR obtido a partir de um filtro ideal passa baixas. Observe que a convoluo de Hd(ejw) por W(ejw)
resulta em um filtro com ondulaes tanto na banda de passagem, quanto na banda de atenuao. Este
efeito devido aos lbulos laterais relativamente grandes da resposta em frequncia da janela retangular.

- 114 -

H(ejw)

Hd(ej)
W(ej(w-))

-wc

w wc

-wc

wc

Figura 5.15: Convoluo no projeto de filtros FIR por janelas.

Com o auxlio da figura 5.15 as seguintes observaes podem ser feitas:

1.

A janela w(n) apresenta tamanho finito M, a sua resposta em frequncia apresenta um lbulo
principal cuja largura proporcional a 1/M e lbulos laterais de menores amplitudes que causam
ondulaes na resposta em frequncia do filtro.

2.

O lbulo principal o responsvel pela largura da banda de transio em H(ejw). Quanto maior a
largura deste lbulo maior ser a banda de transio do filtro. A janela retangular apresenta a menor
largura, mas em compensao os maiores lbulos laterais, quando comparados com outras janelas
(tabela 5.1).

3.

A figura 5.13 sugere ainda que se W(ejw) escolhida de modo a ter uma banda bem estreita ento
H(ejw) se aproximar melhor de Hd(ejw). Contudo, esta considerao conduzir a uma janela com
durao muito longa. Isto um requerimento conflitante, pois a escolha da janela deveria ser
governada pelo desejo de se ter a durao mais curta possvel e a menor banda de transio.

4.

O efeito dos lbulos laterais pode ser reduzido pelo uso de outras janelas que apresentam uma
transio mais suave antes do truncamento como o caso da transio abrupta da janela retangular.
Esta transio abrupta que produz lbulos laterais grandes no espectro de frequncias.

5.

Diversas janelas tm sido propostas para o projeto de filtros FIR. Algumas das mais utilizadas, tais
como a de Hanning, Hamming e de Blackman que so definidas na tabela 5.1.
Tabela 5.1: Algumas janelas para o projeto de filtros FIR

Janela

Banda de Pico relativo do

transio
lbulo lateral
(dB)
(f)

Atenuao
na banda de
parada (dB)

Equao da janela [w(n)]

n = 0, 1, ... , M-1

Retangular

0.9/M

-13

21

Hanning

3.1/(M-1)

-31

44

2n
0.5 0.5 cos

M 1

Hamming

3.3/(M-1)

-41

53

2n
0.54 0.46 cos

M 1

Blackman

5.5/(M-1)

-57

74

2n
4n
0.42 0.5 cos
+ 0.08 cos

M 1

Para maiores detalhes a respeito das janelas consulte o apndice A1. Observe que, quando
comparadas com a janela retangular, as outras janelas apresentam uma banda de transio maior, porm, a
atenuao na banda de parada muito maior do que a janela retangular e as ondulaes so praticamente
nulas. No projeto dos filtros FIR por janelas, a segunda coluna, largura da banda de transio, pode ser
utilizada para se determinar a ordem do filtro, a partir das frequncias da banda de passagem e de

- 115 -

atenuao. A coluna com a atenuao na banda de parada auxilia na escolha da janela. Determinada a
janela a ser utilizada e a ordem do filtro, o projeto e finalizado multiplicando-se w(n) por hd(n), conforme
a equao 5.83. As respostas ao impulso unitrio dos filtros ideais podem ser obtidas na tabela 5.2
mostrada abaixo.
Tabela 5.2: Resposta ao impulso dos filtros ideais.
Filtro de ordem M-1

hd(n)

[ (
)]
(n
)
sen(n M21 ) sen[wc (n M21 )]

(n M21 )
(n M21 )
sen[wc 2 (n M21 )] sen[wc1 (n M21 )]

(n M21 )
(n M21 )
sen[wc1 (n M21 )] sen[wc 2 (n M21 )]

(n M21 )
(n M21 )
M 1
2
M 1
2

sen wc n

Passa-baixas
Passa-altas
Passa-banda
Rejeita-banda

Exemplo 10: Projete um filtro FIR passa baixas com frequncia de corte wc e com fase linear.

Neste caso a resposta em frequncia do filtro ideal desejado ser dada por:
e jw( M 1 ) / 2 , | w |< wc
H d ( e jw ) =
wc < w
0 ,

Calculando a correspondente resposta ao impulso tem-se que:

h d ( n) =

1
2

wc

e jw( M 1) / 2 e jwn dw =

wc

1
2

wc

jw( n M21 )

dw =

[ (
)]
(n M21 )

sen wc n M21

wc

Observe que hd(n) = hd(n-(M-1)/2). Utilizando uma das janelas mostradas anteriormente tem-se que:
h ( n) =

[ (
)]
w(n)
M 1
(n 2 )

sen wc n M21

Admitido wc = 0.8 (fc = 0.4) e M = 9 (ordem 8) os seguintes coeficientes so obtidos para as janelas
de Hamming e retangular.
Tabela 5.3: Coeficientes dos filtros FIR para as janelas retangular e de Hamming com M = 9.

h(n)
h(0)
h(1)
h(2)
h(3)
h(4)
h(5)
h(6)
h(7)
h(8)

retangular
-0.0468
0.1009
-0.1514
0.1871
0.8
0.1871
-0.1514
0.1009
-0.00468

Hamming
-0.0037
0.0217
-0.0817
0.1619
0.8
0.1619
-0.0817
0.0217
-0.0037

- 116 -

Observe a simetria da resposta ao impulso em torno do ndice n = (M-1)/2 = 4, obtida por causa
da condio de fase linear. As figuras 5.16 e 15.17 mostram o espectro de amplitudes e a resposta ao
impulso para os dois filtros com ordens 8 e 50, respectivamente. Observe que em ambos os casos a janela
retangular conduz a um filtro com ondulaes acentuadas tanto na banda de passagem, quanto na de
atenuao. Enquanto que a janela de Hamming conduz a um filtro com uma resposta sem ondulaes na
banda de passagem, mas com uma banda de transio maior. Observe tambm com o auxlio da figura
5.17 que para uma melhor aproximao na caracterstica de frequncia, devem-se utilizar filtros FIR com
ordens elevadas.
Filtro FIR com Janela Retangular
1

1.5
1

0.5

0.5

0.2

0.4

1.5

-0.5
0.6
0.8
0
Filtro FIR com Janela de Hamming
1

0.5

0.5

0.2

0.4

0.6

0.8

-0.5
0

10

10

Figura 5.16: Espectro de amplitude e resposta ao impulso para o filtro do exemplo 10, com M = 9.
Filtro FIR com Janela Retangular
1

1.5
1

0.5

0.5

0.2

0.4

1.5

-0.5
0.6
0.8
0
20
Filtro FIR com Janela de Hamming
1

0.5

0.5

0.2

0.4

0.6

0.8

-0.5
0

20

40

60

40

60

Figura 5.17: Espectro de amplitude e resposta ao impulso com M = 51.

Exemplo 11: Projete um filtro FIR passa-baixas, com fase linear que apresente as seguintes
caractersticas:

( )
( )

0.99 H e jw 1.01, 0 w 0.25

H e jw 0.01, 0.35 w

atenuao na banda de parada:

p = 0.01

( )

A = 20 log 10 p = 40dB

- 117 -

banda de transio:
w = 0.35 0.25 = 0.1

f = 0.05

determinao da janela e da ordem do filtro:

Utilizando a tabela 5.1 notamos que podemos escolher a janela de Hanning que apresenta uma
atenuao na banda de parada igual a 44 dB, que suficiente para se alcanar a especificao desejada.
Alm disso ela apresenta uma menor banda de transio do que as janelas de Hamming e Blackman.
Assim:
M 1 =

3.1
n
= 62 w( n ) = 0.5 0.5 cos n = 0 , 1,L , 62
f
31

filtro desejado (ideal):

Vamos admitir que a frequncia de corte para o filtro ideal seja o ponto mdio da banda de transio,
ou seja:
wc =

0.35 + 0.25
= 0.3
2

Assim, utilizando a tabela 5.2, a resposta em frequncia desejada ser:

hd (n ) =

sen(0.3(n 31))
(n 31)

n = 0, 1,L , 62

e a resposta ao impulso do filtro ser:

n sen(0.3(n 31))
h(n ) = w(n )hd (n ) = 0.5 0.5 cos
(n 31)
31

n = 0, 1,L , 62

Verifique neste exemplo que se utilizssemos a janela de Hamming a ordem do filtro seria igual a 66
e no caso da janela de Blackman seria de 110, muito maior do que a janela de Hanning utilizada.

5.7 Projeto de filtros FIR utilizando janela de Kaiser

A janela de Kaiser conduz a um projeto otimizado de filtros FIR. No projeto de filtros por janelas, o
ideal seria utilizar uma janela tal que no domnio da frequncia ela fosse maximamente concentrada em
torno de w = 0. A janela que mais se aproxima desta condio ideal a de Kaiser, que definida como:

2 1/ 2
0 1 [(n ) / ]

, 0 n M 1
wk (n) =
0 ( )

0, c.c.

(5.86)

em que: = (M-1)/2, um parmetro que depende da atenuao do filtro e 0[.] representa a funo de
Bessel modificada de ordem zero.
Esta funo pode ser escrita pela seguinte srie:

- 118 -

1 x k
0 [ x] = 1 +

k =1
k! 2

(5.87)

Esta srie converge de maneira tal que ao redor de 25 termos so necessrios para uma boa
aproximao, de Fatta (1988), para a maioria das aplicaes.
O projeto utilizando janela de Kaiser utiliza especificaes semelhantes quelas dos projetos de
filtros analgicos. Ele comea com a especificao das ondulaes nas bandas de passagem e de
atenuao, como mostra a figura 5.18 e a definio de um erro que dado pelo valor mnimo entre as
ondulaes na banda de passagem (p) e de parada (s). A regio de transio definida como a diferena
entre as frequncias das bandas de passagem, wp, e de atenuao ou parada, ws. A frequncia da banda de
passagem definida como a frequncia mxima tal que |H(ejw)| 1 - p e a da banda de atenuao a
frequncia mnima tal que |H(ejw)| s. Nestas condies o seguinte procedimento feito para o projeto
de filtros FIR utilizando janelas de Kaiser:
|H(ejw)|
1+p
1
1-p
s
0

wp

ws

Figura 5.18: Especificao de projeto para janelas de Kaiser

Sendo dados wp, ws, p e s faa o seguinte procedimento:

1.

Defina o erro mnimo tal que:

= min[p, s ]
2.

Determine a constante de erro

A = 20 log( )

3.

(5.89)

A ordem do filtro tambm determinada empiricamente utilizando a banda de transio. Sendo w =

ws wp ou f = fs fp, ento:
M 1

5.

(5.88)

O valor do parmetro (veja a tabela 5.4) determinado empiricamente pela seguinte expresso:
0, A 21 dB

= 0.5842( A 21)0.4 + 0.07886( A 21), 21 dB < A 50 dB

0.1102(( A 8.72 ), A > 50 dB

4.

(5.87)

A 7.95
A 7.95
=
2.285w 14.357f

(5.90)

A resposta ao impulso do filtro ser dada por:

h( n) = h d ( n) w k ( n)

(5.91)

- 119 -

em que hd(n) pode ser a resposta ao impulso de um dos filtros ideais mostradas na tabela 5.2.
Tabela 5.4: Parmetros da janela de Kaiser em funo de .

Parmetro

Largura da
banda de
transio (f)

Pico relativo
do lbulo
lateral (dB)

Atenuao
na banda de
parada (dB)

2
4
6
8
10

1.5/M
2.6/M
3.8/M
5.1/M
6.4/M

-19
-30
-44
-59
-74

29
45
63
81
99

5.8 Projeto de filtros FIR por amostragem em frequncia

O mtodo de amostragem em frequncia permite o projeto de filtros FIR tanto para os filtros ideais
quanto para filtros com resposta em frequncia arbitrrias. Generalizando as equaes (5.77), (5.78) e
(5.79), a resposta em frequncia de um filtro FIR com fase linear ter a seguinte forma:
H (e jw ) = e jw( M 1) / 2 H r (e jw )

(5.92)

sendo que, Hr(ejw) a parte real da resposta em frequncia tal que:

H r (e jw ) = h(( M 1) / 2 ) + 2

( M 1) / 21

h(n) cos w((M 1) / 2 n)

: M mpar

(5.93)

k =0

M / 2 1

H r (e jw ) = 2

h(n) cos w((M 1) / 2 n )

: M par

(5.94)

k =0

A caracterstica de fase ser dada por:

w( M 1 ) / 2,
H r ( e jw ) > 0
( w ) =
w( M 1 ) / 2 + , H r ( e jw ) < 0

(5.95)

O mesmo procedimento acima poderia ser repetido admitindo h(n) antissimtrica, isto , h(n) = -h(M1-n), porm esse procedimento no muito comum.
O mtodo por amostragem em frequncia tambm realizado atravs da especificao de uma
resposta em frequncia desejada Hd(ejw). Esta resposta especificada em frequncias discretas
regularmente espaadas, tais que:
wk =

M 1
2
M mpar
(k + ), k = 0,1, L ,
M
2
M
k = 0,1, L ,
M par
2

(5.96)

O parmetro estabelecido como sendo 0 ou 1/2, Proakis (1992). Aqui, neste trabalho, ser
utilizado o caso mais comum com = 0. Nas frequncias especificadas por wk, a resposta em frequncia,
H(k), do filtro digital filtro digital deve ser a mesma do filtro desejado tal que:

- 120 -

H (k ) = H d ( wk ) = H (

2
k) =
M

M 1

h ( n )e

2
kn
M

(5.97)

n =0

Para se determinar h(n) basta calcular a transformada inversa da equao acima. Assim:
1
h( n) =
M

M 1

H ( k )e

2
kn
M

(5.98)

k =0

Esta equao pode ser calculada utilizando algoritmos de transformada rpida de Fourier, ou ento
simplificada devido condio de simetria de h(n) em torno do ponto (M-1)/2. Como h(n) real ento
H(k) apresenta mdulo par e fase mpar satisfazendo a seguinte condio de simetria:
H (k ) = H * ( M k )

(5.99)

Explorando esta propriedade e as equaes (5.93), (5.94) e (5.95) chega-se a uma soluo
simplificada para o clculo de h(n).
h( n) =

1
M

2
1
G (0) + 2 G (k ) cos k n +
2

M
k =1

(5.100)

tal que:
P=

M 1
, M mpar
2

ou

M
1, M par
2

(5.101)

2
k
M G (k )

(5.102)

G (k ) = (1) k H r (k ) ou H (k ) = e

Observe que este tipo de projeto otimizado, pois nas frequncias estabelecidas pelo projeto o erro
de aproximao nulo. Infelizmente no existe um mtodo para se estabelecer a ordem do filtro, como no
caso do filtro utilizando janela de Kaiser.
Exemplo 12: Determine, pelo mtodo de amostragem em frequncia, os coeficientes de um filtro FIR
com fase linear e M = 17 que satisfaz a seguinte condio:
k = 0,1, 2, 3, 4
1,

H r (k ) = T1 , k = 5
0, k = 6, 7, 8

T1 = 0.4 o valor do termo na banda de transio. A resposta em frequncia do filtro acima

mostrada na figura (5.19).
Utilizando a equao (5.100) tem-se que:
h( n) =

em que: G (k ) = (1) k H r (k )

8
2
1
+
G
G (k ) cos
(
0
)
2

17
17
k =1

k n +
2

- 121 -

Hr(k)
1
T1
k
1

7 8

Figura 5.19: Exemplo projeto de filtros FIR por amostragem de frequncia.

Resolvendo a equao anterior se chega aos seguintes coeficientes:

Coeficientes do filtro
h(0) = h(16)
h(1) = h(15)
h(2) = h(14)
h(3) = h(13)
h(4)= h(12)
h(5) = h(11)
h(6) = h(10)
h(7) = h(9)
h(8)

-0.01012334
0.01463976
0.01103875
-0.0453175
0.04397129
0.02334887
-0.142825
0.2582083
0.6941176

A resposta em frequncia deste filtro mostrada na figura 5.20.a. O valor T1 na banda de

transio muito importante neste mtodo de projeto pois a sua escolha influencia diretamente no valor
da atenuao da banda de atenuao. No exemplo anterior se fosse escolhido T1 = 0, a banda de transio
seria mais abrupta, mas em contrapartida a banda de atenuao iria apresentar uma atenuao menor,
como mostra a figura 5.20.b. Portanto, existe um compromisso no projeto destes filtros para a escolha do
valor de T1. Este valor determinado tal que o mdulo da funo de transferncia apresente atenuao
mxima dos lbulos laterais. Proakis (1993) e Rabiner (1970) apresentam extensivas tabelas com
especificao das atenuaes e valores timos para o termo da banda de transio.
|H(ejw)|

|H(ejw)|

20

20
T 1 = 0.4

T1 = 0

-20

-20

-40

-40

-60

-60

-80
-100
0

0.1

0.2
0.3
Freqncia (Hertz)

0.4

0.5

-80
0

0.1

0.2
0.3
Freqncia (Hertz)

0.4

0.5

Figura 5.20: Resposta em frequncia para o filtro do exemplo12, (a) T1 = 0.4 e (b) T1 = 0.

- 122 -

Exerccios

22. Para cada um dos seguintes filtros estabelea a ordem e identifique os seus coeficientes:
(e)
(f)
(g)
(h)
(i)
(j)

y (n) = 2 x(n) x(n 1) + y (n 1)

y (n) = x(n 1) x(n 2) y (n 1)
y (n) = x(n) + x(n 1) y (n 1) 0.5 y (n 3)
y (n) = 2 x(n) x(n 1)
y (n) = 0.5 x(n 3)
y (n) = x(n) x(n 1) + x(n 2) + x(n 3)

23. Determine as funes de transferncia de cada um dos filtros do exerccio 1.

24. Um filtro digital descrito pela seguinte equao de diferenas:
y (n) = x(n) x(n 1) + 0.4 y (n 1)

(a)
(b)
(c)
(d)

O filtro recursivo ou no recursivo. Justifique a resposta.

Qual a ordem do filtro?
Determine a resposta em frequncia e desenhe o espectro de amplitudes.
Sendo {1 4 6 2 1 0} a sequncia aplicada na entrada do filtro, determine a sequncia de sada
desde y(0) at y(6).

25. Um filtro digital apresenta a seguinte funo de transferncia:

H ( z) =

(a)
(b)
(c)
(d)

1
1 + 0.9 z 1

Desenhe o diagrama de polos e zeros.

Desenhe o mdulo da funo de transferncia
Determine a frmula de recurso que relaciona os valores das amostras de sada e de entrada.
Determine e esboce a resposta ao impulso do filtro

26. Um filtro analgico apresenta a seguinte funo de transferncia:

H ( s) =

2
( s + 1)( s + 2)

(a) Utilize transformao bilinear para converter o filtro no seu equivalente digital (admita T = 0.5).
(b) Encontre a equao de recurso do filtro.
(c) Desenhe o mdulo da resposta em frequncia para ambos os filtros e compare os resultados.
27. A figura abaixo um sistema utilizado para obter um filtro passa-altas a partir de um filtro passa
baixas.

x(t)

H()

y(t)

Demonstre graficamente que se H() um passa baixas ideal com frequncia de corte lp ento
o sistema todo ser um passa altas ideal; e se H() um passa altas ideal com frequncia de
corte hp ento o sistema todo ser um passa baixas ideal e determine sua frequncia de corte.

- 123 -

28. Projete um filtro digital IIR de primeira ordem, com caracterstica de Butterworth e frequncia de
corte wc = 0.3.
29. Projete um filtro digital passa-baixas com caracterstica de Butterworth que satisfaa as seguintes
especificaes:
(a) Banda de passagem: 0 1 kHz e atenuao mxima de 1 dB.
(b) Banda de atenuao: a partir de 3 kHz com atenuao mnima de 20 dB.
(c) Frequncia de amostragem: 10 kHz.
30. Repita o exerccio anterior utilizando caracterstica de Chebyshev.
31. Projete um filtro FIR passa-baixas utilizando o mtodo por janelas que satisfaa as seguintes
especificaes:
Frequncia da banda de passagem: 1.5 kHz
Largura da banda de transio: 0.5 kHz
Atenuao na banda de atenuao: > 50 dB
Frequncia de amostragem: 10 kHz
32. Projete um filtro FIR passa-baixas, com fc = 0.4 (wc = 0.8) utilizando janela de Hamming e M = 9.
sen x
=1 x 0
OBS:
x
33. Determine a resposta de amplitude e de fase de um filtro FIR causal cuja funo de transferncia
dada por:
3

H ( z) =

h ( m) z

em que: h(m)=h(M-m) M=3

m =0

34. Projete um filtro FIR passa-baixas, com fase linear e ordem 14, pelo mtodo de amostragem em
frequncia, que aproxima a caracterstica de frequncia dada abaixo. Desenhe o mdulo da funo de
transferncia.

Hr(k)
1, k = 0,1, 2, 3

H r (k ) = T1 = 0.4 k = 4
0, k = 5, 6

1
T1
k
1

35. Considere as seguintes especificaes para um filtro digital passa-baixas:

( )
( )

0.99 H e jw 1.01, 0 w 0.25

H e jw 0.01, 0.35 w

a) Projete um filtro FIR com fase linear utilizando o mtodo de janelas.

b) Repita o projeto utilizando a janela de Kaiser.
36. Considere as seguintes especificaes para um filtro FIR passa-banda:

- 124 -

( )
( )
( )

H e jw 0.005, 0. w 0.2

jw
1.05, 0.3 w 0.6
0.95 H e

H e jw 0.01, 0.7 w

Projete o filtro utilizando o mtodo por janelas.

37. Um filtro digital FIR, passa-baixas, foi projetado utilizando janela de Kaiser com as seguintes
especificaes:
Ordem M = 50
Frequncia da banda de passagem: wp = 0.4
Frequncia da banda de atenuao: ws = 0.5
Determine a atenuao mnima na banda de atenuao para este filtro.
38. Suponha que se tenha um sinal discreto no tempo, que apresenta uma interferncia senoidal com
frequncia angular w0. Projete um filtro FIR, com coeficientes reais, que elimine completamente esta
componente de frequncia. OBS: Lembre que para filtros FIR com coeficientes reais os zeros
complexos devem aparecer na forma de complexos conjugados.

- 125 -

Captulo 6

Projetos Otimizados de Filtros

6.1 Projeto de filtros FIR equiripple

Nesta seo vamos considerar o problema da aproximao de Chebyshev para o projeto de filtros
FIR com fase linear. Neste tipo de projeto definida uma funo de erro entre as respostas em frequncia
desejada e a aproximada. Este erro multiplicado por uma funo de ponderao W(ejw) e o seu valor
absoluto mximo ento minimizado. Este procedimento visualizado como um projeto timo desde que
para uma dada ordem M, o erro mximo minimizado nas bandas de interesse. Uma propriedade
importante que o filtro resultante apresenta ondulaes de amplitudes iguais (equiripple) nas bandas
passante e de parada (atenuao).
Para descrever o procedimento de projeto vamos considerar o projeto de um filtro FIR passa baixas
ideal, no-causal, com fase nula e resposta em frequncia Hd(ejw). Este filtro e a sua correspondente
aproximao, H0(ejw), so mostrados na figura 6.1. A funo desejada estabelecida com ganho igual a 1
na banda de passagem e ganho zero na banda de atenuao e nenhuma especificao feita para a banda
de transio.
1, 0 w w p
H d e jw =
0 , w s w <

( )

(6.1)

em que wp e ws so, respectivamente, as frequncias das bandas de passagem e de atenuao.

|Hd(ejw)|
1+1
1
1-1
Resposta aproximada H0(ejw)
2
-2 0

wp

ws

Figura 6.1: Limites de erro para o projeto de um filtro passa-baixas.

A figura 6.1 ilustra os limites de erro para o projeto de um filtro passa-baixas, 1 e 2 so,
respectivamente, os erros absolutos mximos nas bandas de passagem (0 a wp) e de atenuao (ws a ).
Para uma dada ordem estes erros devem ser mnimos. O ganho do filtro ideal estabelecido igual
unidade.
Considerando um filtro tipo I com fase nula, a seguinte propriedade vlida:
h0 (n ) = h0 ( n ) : n = 0,1,L , L = M / 2

em que M um nmero par e corresponde ordem do filtro.

A sua correspondente resposta em frequncia dada por:

(6.2)

- 126 -

( ) h (n)e
L

H 0 e jw =

jwn

(6.3)

k = L

em que L = M/2.
Por causa da simetria par na equao (6.2), a resposta em frequncia pode ser reescrita como:

( )

H 0 e jw = h0 (0 ) +

2h (n) cos(wn)
0

(6.4)

n =1

( )

em que H 0 e jw uma funo real, par e peridica em w.

O filtro acima no causal. Um filtro causal, com fase linear obtido obtido facilmente do filtro
no-causal atrasando h0(n) por L = M/2 amostras. Assim,
h(n ) = h0 (n M / 2) = h(M n ) n = 0,1,L , M

(6.5)

com resposta em frequncia,

( )

( )

H e jw = H 0 e jwn e jwM / 2

(6.6)

Considerando a equao (6.4), podemos verificar que os termos cos(wn) podem ser expressos como
uma soma de potncias de cos(w), utilizando os polinmios de Chebyshev de ordem n, tal que:
cos(wn ) = Tn (cos(w))

(6.7)

em que:

Tn (x ) = cos cos 1 (x )

(6.8)

Assim, desenvolvendo a equao acima para n = 0, 1, 2, ...

T0 (cos(w)) = 1

T1 (cos(w)) = cos(w)

T2 (cos(w)) = 2 cos 2 (w) 1

(6.9)

T3 (cos(w)) = 4 cos 3 (w) 3 cos(w)

M

Consequentemente a equao (6.4) pode ser reescrita como um polinmio de ordem L em cos(w),

( ) (k )cos
L

H 0 e jw =

(w)

(6.10)

k =0

assim, H0(ejw) um polinmio de ordem L em cos(w), desse modo, podemos considerar o problema de
sua aproximao funo de cos(w) e da ordem do filtro.
Pode ser mostrado (Parks and McClellan 1972 a e b) que fixando L ou M, wp e ws, o projeto dos
filtros FIR recai no problema de aproximao de Chebyshev sobre conjuntos disjuntos. Este problema
formalizado, definindo uma funo de erro ponderada tal que:

- 127 -

( ) ( )[ ( )

( )]

E e jw = W e jw H d e jw H 0 e jw

(6.11)

em que W(ejw) uma funo de ponderao que incorpora os parmetros do erro de aproximao no
procedimento de projeto. A funo de erro definida em subintervalos do intervalo 0 w < .
Por exemplo, para o filtro passa-baixas ideal, definido pela equao (6.1) os subintervalos onde o
erro definido so: 0 w < wp e ws w < . Permitindo um erro absoluto mximo 2, a funo de
ponderao dada por:

( )

We

jw

k = , 0 w w p banda de passagem
=
1
1,
ws w < banda de atenuao

(6.12)

O critrio de Projeto Teorema das Alternncias

Sendo definida a funo de erro ponderado E(ejw), o problema determinar os coeficientes do filtro
que minimizam o valor mximo absoluto deste erro nos intervalos em que a aproximao considerada.
Em termos matemticos tem-se que:

max E e jw
h0 (n ) ou a (n )
wF

0 n L

( )

min

(6.13)

em que F o subconjunto (unio disjunta) das bandas de frequncia onde a minimizao realizada.
Seja F um subconjunto fechado consistindo da unio disjunta de outros subconjuntos fechados no
intervalo [0,]. Seja P(ejw) um polinmio de ordem L,

( ) a(k )cos(wk )
L

P e jw =

(6.14)

k =0

Sejam Hd(ejw) uma funo contnua em F, W(ejw) uma funo positiva e contnua em F e seja
tambm E(ejw) uma funo de erro ponderada tal que:

( ) ( )[ ( ) ( )]

E e jw = W e jw H d e jw P e jw

(6.15)

O teorema das alternncias estabelece que a condio necessria e suficiente para que P(ejw) seja
nico e minimize o valor absoluto do erro que E(ejw) exiba pelo menos L + 2 alternncias, isto ,

( )

para w1 < w2 < L < wL + 2 F E e jwi = E e jwi +1 = , i = 1, 2, L , L + 1

(6.16)

( )

em que = max E e jw , w F .
Para o filtro FIR tipo I, nas frequncias discretas wi, admitindo P(ejw) = H0(ejw), a equao (6.11)
torna-se idntica equao (6.15), assim:

( ) ( )[ ( )

( )]

E e jwi = W e jwi H d e jwi H 0 e jwi = ( 1)i +1 , i = 1, 2,L , L + 2

e os coeficientes an esto relacionados com os coeficientes do filtro atravs da seguinte frmula:

(6.17)

- 128 -

M
a(0) = h0 (0 ) = h
2

(6.18)
M
M

a(n ) = 2h
n = 2h0 (n ) = n = 1, 2 ,L ,
2
2

A figura 6.2. mostra a resposta em frequncia de um filtro obtido atravs do teorema das alternncias
para L = 8 (M = 16). Os crculos na figura indicam os pontos onde ocorrem as alternncias. Algumas
propriedades importantes que se deve ressaltar so:
-

O filtro apresenta pelo menos L+2 alternncias, mas pode ocorrer um mximo de L+3
alternncias.
Os valores da resposta em frequncia nas frequncias wp e ws so considerados sempre pontos
onde ocorrem estas alternncias.
O filtro equiripple, ondulao com amplitude mxima constante, exceto, possivelmente, nas
frequncias w = 0 e w = .
Este filtro apresenta o menor erro de aproximao ponderado, , para uma determinada banda de
transio ws wp.
Para a funo de ponderao W(ejw), definida pela equao (6.12), o erro mximo na banda de
atenuao ser 2 = e o erro mximo na banda de passagem ser 1 = k.
1 e 2 no precisam ser necessariamente iguais.
H(ejw)
1+1
1
1-1

2
0

H0(ejw)

w1 w2 w3 w4 w5 w6 w7 w8 w9
wp ws

Figura 6.2: Filtro obtido utilizando o teorema das alternncias para L = 8.

Algoritmo de Parks-McClellan

As equaes (6.17) podem ser escritas na forma matricial em termos dos coeficientes de P(ejw), a(n),
n = 0, 1, ..., L, como segue::
1 cos(w1 )

1 cos(w2 )
M
M

1 cos(wL +1 )
1 cos(w )
L+2

cos(Lw1 )
L cos(Lw2 )
M
M
L cos(LwL +1 )
L cos(Lw L + 2 )
L

( )
( )

1 W e jw1
1 W e jw2
M
L +1
( 1) W e jwL +1
( 1)L+ 2 W e jwL + 2

(
(

( )
( )

a(0) H d e jw1

jw2
a(1) H d e
M =
M

jw
a(L ) H d e L +1
H e jwL + 2
d

)
)

(
(

)
)

(6.19)

No h necessidade de se utilizar inverso matricial para a soluo da equao (6.19). Ela pode ser
resolvida utilizando frmulas de interpolao de lagrange (Oppenheim, 1989), como segue:
i.
ii.

Fornea um conjunto inicial de frequncias wi, i = 1, 2, ...., L+2, que incluem as frequncias das
bandas de passagem e de atenuao, wp e ws.
Encontre resolvendo as seguintes equaes:

- 129 -

b H (e )
L+ 2

jwk

k =1

L+2

e bk =

( )

L+2

( 1)k +1 bk

cos(w ) cos(w )
i =1
k

W e jwk

(6.20)

k =1

iii.

Frmulas da interpolao de Lagrange para o clculo de H0(ejw) ou P(ejw).

L +1

( ) = P(e ) =

H0 e

jw

jw

C d
k

k =1
L +1

[cos(w) cos(wk )]
(6.21)

[cos(w) cos(wk )]

k =1

( )

C k = H d e jwk
L +1

dk =

( )

(6.22)

W e jwk

cos(w ) cos(w ) = cos(w ) cos(w

i =1
k

iv.

( 1)k +1

bk

L+2

(6.23)

Se |E(ejw)| em F ento a aproximao foi encontrada, caso contrrio um novo conjunto de

frequncias deve ser fornecido e volte ao passo 2.

O novo conjunto de frequncias a ser adotado aquele no qual as frequncias correspondem aos
maiores picos positivos e negativos, como mostra a figura 6.3 nos pontos marcados com um x, contudo,
as frequncias das bandas de passagem e de atenuao devem permanecer neste conjunto. A pesquisa
para se obter as frequncias dos novos picos realizada em um conjunto mais denso para evitar erros
maiores de aproximao. Se houver erros mximos em w = 0 e w = , ento a frequncia do pico de
maior valor a escolhida.
No final os coeficientes h0(n), de H0(ejw) = P(ejw), so os coeficientes do filtro digital otimizado,
substituindo na equao (6.5) temos o filtro otimizado.
|H(w)|
1+1
1
1-1

2
0
-2

w1

w2

w3 wp

ws

w6

w7

Figura 6.3: Atualizao das frequncias para o algoritmo de Pars-McClellan.

Herrmann (1973), desenvolveu uma frmula de projeto em funo de 1, 2, wp e ws para se estimar

a ordem para o projeto de filtros passa-baixas,

- 130 -

M =

10 log (1 2 ) 13
2.324 ws w p

(6.24)

Esta frmula fornece uma boa aproximao da ordem a ser utilizada. Se o filtro for projetado com a
ordem determinada acima, apresentar um erro maior que o especificado, a ordem do filtro pode ser
aumentada at que as condies de projeto sejam alcanadas.
Exemplo 1: A figura 6.4 mostra o mdulo da resposta em frequncia de um filtro projetado pelo
algoritmo de Parks-McClellan com as seguintes especificaes: 1 = 2 = 0.01, fp = 0.2 e fs = 0.3. A ordem
do filtro calculada pela equao (6.24),
M =

10 log (0.01 0.01) 13

= 18.49
2.324 2 (0.3 0.2 )

Para o filtro tipo I utilizamos M = 18, e com o auxlio de um computador, obtemos os seguintes
coeficientes:
h0 = h18 = 1.2498 10-2
h1 = h17 = 0
h2 = h16 = -2.3095 10-2
h3 = h15 = 00
h4 = h14 = 4.5809 10-2
h5 = h13 = 0
h6 = h12 = -9.455710-2
h7 = h11 = 0
h8 = h10 = 3.1433 10-1
h9 = 5.0000 10-1

1
0.8
0.6
0.4
0.2
0

0.1

0.2

0.3

0.4

0.5

Figura 6.4: Exemplo de projeto utilizando o algoritmo de Parks-McClellan.

Filtro passa-baixas tipo II

Para o filtro passa-baixas tipo II com fase linear, em que M um nmero mpar, so vlidas as
seguintes frmulas:
h(n ) = h(M n ), n = 0 ,1,L , M

( )

H e jw = e

M ( M +1) / 2
w
2
b

k =1

(6.25)

(k )cos k 1 w

M +1

k , k = 0,1,L ,( M + 1) / 2
b(k ) = 2h
2

(6.26)

(6.27)

- 131 -

Neste caso, admitindo:

~
1
b (1) = b(2)
2
~
~
M 3
b (k ) = 2b(k ) b (k 1), k = 2 ,3,L ,
2
~ M 1
+
1
M

b
= 2b

2
2

(6.28)

ento a resposta em frequncia ser dada por:

( )

H e jw = e

M
w
2

w
cos
2

(M 1) / 2

b (k )cos(kw)
~

(6.29)

k =1

e as funes desejadas e a de ponderao do erro sero dadas por:

1
w , 0 w w p banda de passagem

= cos
2

0,
ws w < banda de atenuao

(6.30)

2
w
cos , 0 w w p banda de passagem
2

= 1
cos w ,
ws w < banda de atenuao
2

(6.31)

( )

H d e jw

( )

W e jw

~
e a equao (19) resolvida em termos dos coeficientes b (k ) .

Existem implementados programas de computador para a obteno dos coeficientes do filtro

utilizando o mtodo acima, veja, por exemplo, referncias 17 e 19 da bibliografia e tambm softwares
avanados, como por exemplo o MatLab, que facilitam o projetista na obteno dos filtros equiripple.

6.2 Aproximao de Pad

A aproximao de Pad utilizada para filtros IIR. As tcnicas de projeto para filtros IIR so
baseadas na transformao da funo de transferncia, H(s), de um filtro analgico para uma funo H(z)
do filtro digital, atravs de uma funo de mapeamento s = f(z), como foi estudado no captulo 5. A
tcnica de Pad uma tcnica de projeto baseada nos mnimos quadrados, que aproxima diretamente um
filtro baseando-se diretamente na resposta ao impulso desejada hd(n) do sistema.
Seja H(z) a funo racional de um sistema causal, isto ,
Q

B(z )
H (z ) =
=
A(z )

b z

k =0
P

1+

a z
k

k =1

=
k

h(n)z
n =0

(6.32)

- 132 -

Esta funo de transferncia apresenta N = P + Q + 1 parmetros livres, os coeficientes ak e bk, que

podem ser selecionados para minimizar um erro segundo algum critrio. O procedimento para encontrar
estes coeficientes estabelecer que a resposta ao impulso do filtro seja igual resposta ao impulso do
filtro desejado para n = 0, 1, 2, ..., N-1= P+Q, isto ,
h(n ) = hd (n ), n = 0 ,1,L , P + Q

(6.33)

Note que a equao (6.32) pode ser escrita como segue,

H (z )A(z ) = B(z )

(6.34)

Transformando a equao acima para o domnio do tempo, atravs da propriedade da soma de

convoluo segue que,
a(n )* h(n ) = h(n ) +

a(k )h(n k ) = b(n)

(6.35)

k =1

A equao (6.35) um conjunto de P + Q + 1 equaes lineares distintas, assim, estabelecendo

h(n ) = hd (n ), n = 0,1,L , P + Q ., tem-se que:
hd (n ) +

a(k )h

b(n ), n = 0,1, L , Q
n = Q + 1, L, Q + P
0,

(n k ) =

k =1

(6.36)

pois, pela equao (6.32) b(n) = 0 para n > Q.

Para a soluo do filtro, o primeiro passo determinar os coeficientes a(k). Admitindo, na equao
(6.36), que n = Q + 1, ..., P + Q e que as equaes sejam linearmente independentes, ento,
hd (Q 1)
hd (Q )
h (Q + 1)
hd (Q )
d

M
M

hd (Q + P 1) hd (Q + P 2)

L hd (Q P + 1) a(1)
hd (Q + 1)
h (Q + 2)

(
)
L hd Q P + 2 a(2)

= d
.

M
L
M
M

L
hd (Q ) aP
hd (Q + P )

(6.37)

Determinado os coeficientes ak atravs da equao acima, os coeficientes bk so determinados

admitindo n = 0, 1, ..., Q na equao (6.36) ou seja,
b(n ) = hd (n ) +

a(k )h

(n k ),

k =1

n = 0 ,1,LQ

(6.38)

1
Exemplo 2: Seja hd (n ) = 2 u (n ) , determine, por aproximao de Pad, um filtro H(z) que aproxima
2
Hd(z) tal que:

H (z ) =

b0 + b1 z 1
1 + a1 z 1

Observe que P = Q = 1, assim pela equao (6.37),

hd (1)a1 = hd (2 ) a1 =

1/ 2
= 1 / 2
1

- 133 -

Pela equao (6.38),

b0 = hd (0 ) = 2
b1 = hd (1) + a1hd (0 ) = 1

1
2=0
2

portanto,
H (z ) =

2
1 0.5 z 1

6.3 Mtodo de Prony

O mtodo de Prony utilizado tambm no projeto de filtros IIR e uma extenso do mtodo de
Pad. Ele utiliza a abordagem dos mnimos quadrados para determinar os coeficientes do filtro. O mtodo
consiste em encontrar os coeficientes ak e bk, equao (6.32), que minimizam o erro quadrtico mdio
entre a resposta ao impulso desejada e a resposta ao impulso do filtro encontrado.
Como as respostas ao impulso so reais e admitindo um filtro causal, este erro pode ser escrito
como:

= E (hd (n ) h(n ))2

n=0

(6.39)

Considerando a equao (6.36), admitindo n Q + 1, podemos escrever que:

hd (n ) =

a(k )h

(n k ),

n Q +1

(6.40)

k =1

Admitindo hd(n) = h(n) e substituindo a equao (6.40) em (6.39) o erro quadrtico mdio pode ser
escrito como:

hd (n ) +
= E

n=Q +1

a(k )hd (n k )

k =1

(6.41)

Os coeficientes ak, que minimizam , podem ser encontrados estabelecendo as derivadas parciais de
em relao aos coeficientes ak iguais a zero, assim, aps alguma manipulao matemtica tem-se que:

= E
hd (n )hd (n l ) +
al
n=Q +1

a(k )E h
n=Q +1

k =1

(n k )hd (n l ) = 0,

l = 1, 2,L , P

(6.42)

Admitindo:

rh (k ,l ) = E
hd (n k )hd (n l )
n=Q +1

ou seja, rh(k,l) similar funo de autocorrelao da resposta ao impulso desejada.

(6.43)

- 134 -

Portanto, a equao (6.42) pode ser reescrita como:

rh (k ,l ) +

a(k )r (k ,0) = 0,
h

k =1

l = 1, 2,L , P

(6.44)

Para uma facilidade maior de observao, podemos tambm escrever a equao (6.44) na forma
matricial,
rh (1,1) rh (1,2 )
r (2 ,1) r (2 ,2 )
h
h
M
M

rh (P ,1) rh (P , P )

rh (1, P ) a(1)
rh (1,0 )
r (2,0)
L rh (2 , P ) a(2 )

.
= h
M
L
M M

L rh (P , P ) a(P )
rh (P ,0 )
L

(6.45)

Uma vez determinados os coeficientes ak, os coeficientes bk so encontrados utilizando a equao

(6.38), ou seja:
b(n ) = hd (n ) +

a(k )h

(n k ),

k =1

n = 0 ,1,L ,Q

(6.46)

6.4 Projeto de filtros FIR pelo mtodo dos mnimos quadrados

Sabemos que um sistema inverso de um sistema linear invariante no tempo, com resposta ao
impulso h(n), aquele que satisfaz as seguintes condies:
h(n )* hI (n ) = (n )

(6.47)

No domnio da frequncia a transformada z da equao acima dada por

H (z ) * H I (z ) = 1

(6.48)

em que hi(n) e HI(z) so, respectivamente a resposta ao impulso e a funo do sistema linear invariante no
tempo inverso.
Se H(z) um sistema somente com polos, ento HI(z) ser um sistema FIR, caso contrrio ele ser
um sistema IIR, assim, restringindo h(n) = hi(n) como a resposta ao impulso de um filtro FIR de ordem M
e truncando h(n) tal que:
hI (n ) = h(n ) i = 0 ,1,L , M

(6.49)

Admitindo n > M hi(n) o erro de aproximao, assim, este procedimento conduz a um erro
quadrtico de aproximao igual a:

t =

2
i

(n )

(6.50)

n = M +1

Um mtodo alternativo para o projeto utilizar o critrio do erro quadrtico mnimo para otimizar os
coeficientes bk do filtro FIR. Este procedimento descrito abaixo.
Seja d(n) a sequncia de sada desejada do filtro FIR e seja h(n) a sequncia de entrada do filtro a ser
aproximado, como mostra a figura 6.5.

- 135 -

d(n) = (n)
FIR
bk

h(n)

y(n)

e(n)

Algoritmo de
Minimizao do
erro
Figura 6.6: Filtro inverso FIR pelo mtodo dos mnimos quadrados.
O erro entre a sada do filtro e a resposta desejada ser:
e(n ) = d (n ) y (n ) = d (n )

b h(n k )
k

(6.51)

k =0

em que bk so os coeficientes do filtro.

Assim, o erro quadrtico mdio ser:
M

=
bk h(n k )
d (n )

n =0
k =0

(6.52)

Este erro pode ser minimizado derivando a equao acima em relao aos coeficientes bk e
igualando o resultado a zero. Aps alguma manipulao algbrica chega-se que:
M

b r

k hh

(k l ) = rdh (l )

k =0

l = 0, 1,L , M

(6.53)

em que:
rhh (l ) =

h(n )h(n l ) e rdh (l ) =

n =0

d (n)h(n l )

(6.54)

n =0

O filtro que satisfaz a equao (6.53) chamado de filtro de Wiener. Admitindo que o filtro vai
aproximar o filtro inverso, isto , d(n) = (n), ento:
h(0 ), l = 0
rdh (l ) =
caso contrrio
0,

(6.55)

O conjunto de equaes em (6.53) podem ser expressos na forma matricial como:

rhh (1)
rhh (0 )
r (1)
rhh (0 )
hh
M
M

rhh (M ) rhh (M 1)

E o erro mnimo ser:

rhh (M ) b0 h(0 )
L rhh (M 1) b1 0
=
.
M M
L
M

rhh (0 ) bM 0
L
L

(6.56)

- 136 min = 1 h(0 )b0

(6.57)

Observe que a matriz da equao (6.56) simtrica, com todos os elementos iguais ao longo da
diagonal principal. Esta matriz conhecida como matriz de Toeplitz. Utilizando as propriedades deste
tipo de matriz foi desenvolvido o algoritmo eficiente (de Levinson-Durbin), que resolve rapidamente a
equao (6.56) sem utilizar mtodos de inverso de matrizes.

Exemplo 3: Seja h(n) a resposta ao impulso de um sistema tal que:

4,
2,

h(n ) =
1,
0,

n=0
n =1
n=2
n=3

Encontre o filtro FIR inverso, com M = 3 e o erro mnimo que aproxima o sistema acima pelo
mtodo dos mnimos quadrados.

Para encontrar o filtro FIR inverso devemos resolver a equao (6.53) mostrada abaixo:
M

b r

k hh

h(0 ), k = 0
0, l = 1, L , M = 3

(k l ) =

k =0

Clculo de rhh (l ) =

M 1

h(n)h(n l )
n =0

rhh (0) =

h(n)h(n 0) = h

(0) + h 2 (1) + h 2 (2) = 21

n =0

rhh (1) =

h(n)h(n 1) = h(1)h(0) + h(2)h(1) = 10

n =0

rhh (2 ) =

h(n)h(n 2) = h(2)h(0) = 4
n =0

Para o clculo dos coeficientes do filtro FIR, utilizamos as equaes (6.53) ou (6.56), assim:
b0 = 0.2469
b1 = 0.1231
b2 = 0.0116

21 10 4 b0 4
10 21 10 . b = 0

1
4 10 21 b2 0

O erro mnimo dado pela equao (6.57):

min = 1 h(0 )b0 = 1 4.0.2469 = 0.0124

Portanto a transformada z do filtro FIR inverso ser:

H (z ) =

1
0.2469 0.1231z

+ 0.0116 z

4.0506
1 0.4985 z 1 + 0.0469 z 2

As figuras 6.7 e 6.8 mostram as respostas de amplitude do filtro desejado (linha contnua) e o do
projetado (linha tracejada) pelo mtodo dos mnimos quadrados. Na figura 6.7 foi utilizado M = 3, como
desenvolvido no exemplo acima, e na figura 6.8 foi utilizado M = 5. Observe a boa aproximao do filtro

- 137 -

projetado com o filtro desejado. Observe tambm que conforme aumentamos a ordem, melhor a
aproximao, pois o erro diminui.

20
15
10
05

desejado

0.1

0.2

projetado

0.3

0.4

f
0.5

Figura 6.7: Respostas de amplitude do filtro desejado e o do projetado pelo

mtodo dos mnimos quadrados M = 3.

20
15
desejado projetado

10
05

0.1

0.2

0.3

0.4

f
0.5

Figura 6.8: Respostas de amplitude do filtro desejado e o do projetado pelo

mtodo dos mnimos quadrados M = 5.

- 138 -

- 139 -

Bibliografia

[1]

Openheim, A. V. and Schafer, R. W., Discrete-Time Signal Processing, Prentice-Hall, 1989.

[2]

Openheim, A. V. and Schafer, R. W., Digital Signal Processing, Prentice-Hall, 1975.

[3]

Proakis, J. G. and Manolakis, D. G., Digital Signal Processing: Principles, Algorithms and
Applications, MacMIllan, 1992.

[4]

De Fatta, D. J., Lucas, J. G. and Hodgkiss, W. S., Digital Signal Processing: A System Approach,
John Wiley & Sons, 1988.

[5]

Diniz, Paulo S. R., Barros da Silva, E. A. e Lima Netto, S., Processamento Digital de Sinais,
Bookman Editora, 2004.

[6]

Shenoi, K., Digital Signal Processing in Telecommunications, Prentice-Hall, 1995.

[7]

Baher, H., Analog and Digital Signal Processing, John Wiley & Sons, 1990.

[8]

Burrus, C. S., McClellan, J. H., Oppenheim, A. V., Parks, T. W., Schafer, R. W. and Schuessler,
H. W., Computer-Based Exercices for Signal Processing Using Matlab, Prentice-Hall, 1994.

[9]

Parks, T. W. and Burrus, C. S., Digital Filter Design, John Wiley & Sons, 1987.

[10]

Zverev, A. I., Handbook of Filter Synthesis, John Wiley & Sons, 1967.

[11]

Joaquim, M. B., e Sartori, J. C., Anlise de Fourier, CD-ROM EESC-USP, 2003.

[12]

Ramirez, R. W., The FFT: Fundamentls and Concepts, Prentice-Hall, Inc. 1985.

[13]

Rabiner, L. R., Gold, B., and McGonegal, C. A., An Approach to the Approximation Problem for
Nonrecursive Digital Filters, IEEE Trans. Audio and Electroacoustics, vol. AU-18, pp.83-106,
June, 1970.

[14]

Hayes, M. H., Digital Signal Processing, Schauns Outline Series, McGraw-Hill, 1999.

[15]

Poularikas, A. D., The Handbook Formulas and Tables for Signal Processing, CRC Press LLC,
1999.

[16]

Parks, T. W., and McClellan J. H., Chebyshev Approximation for Nonrecursive Digital Filters with
Linear Phase, IEEE Trans. Circuit Theory, Vol. CT-19, pp. 189-194, mar., 1972.

[17]

Parks, T. W., and McClellan J. H., A Program for the Design of Linear Phase FIR Filters, IEEE
Trans. Audio Electroacoustics, Vol. AU-20, No. 3, pp. 195-199, mar., 1972 b.

[18]

Herrmann, O., Rabiner, L. R. And Chun, D. S. K., Practical Design Rulesfor Optimum FIR
Lowpass Digital Filters, Bell System Technical Journal, Vol 52, No. 6, pp. 769-799, july-aug.
1973.

[19]

Edited Digital Processing Committee of the IEEE, Programs for Digital signal processing, IEEE
Press, 1979.

- 140 -

- 141 -

Apndice A-1
Funes de Janelas

Quando trabalhamos com a FFT, para o estudo de espectro de sinais, deparamos com alguns
problemas bsicos:

O sinal analisado em intervalos de tempo limitados, isto , a sequncia que representa o sinal
tem durao finita, por exemplo, N e a FFT assume que o sinal dentro deste intervalo se repete,
como se fosse peridico.
A FFT fornece resultados para frequncias discretas separadas por 1/N.

No segundo caso tm-se imposto limites na resoluo espectral impostos pela durao do intervalo
de anlise. No primeiro caso, ocorre um efeito que chamado de espalhamento espectral (spectral
leakage) que resulta em uma distoro no espectro original do sinal. Espalhamento espectral significa que
a energia do sinal que deveria estar concentrada em uma nica frequncia (como no caso de sinais
senoidais), se espalha por toda a faixa de frequncias. Ele est relacionado com descontinuidades que
aparecem nos extremos do intervalo de medida. Este efeito mais pronunciado em sinais repetitivos ou
em sinais quase-peridicos, pois quando interrompemos o sinal podem aparecem grandes
descontinuidades. Por exemplo, para uma sequncia senoidal apresentar uma nica raia espectral, seria
necessrio um nmero exato de perodos, caso contrrio termos o espalhamento espectral no espectro de
amplitude. O espalhamento espectral pode tambm mascarar outras componentes do sinal. Veja o
exemplo na seo 4.6 do captulo 4.
Quando se analisa um sinal, na maior parte das situaes, este segmentado em intervalos de tempo
curtos, isto , a sequncia divida e sequncias menores de tamanho N. Em seguida cada uma destas
partes analisada separadamente. Este procedimento equivalente a multiplicar o sinal por uma funo
retangular de amplitude unitria dentro do intervalo de anlise e amplitude nula fora deste. Em
processamento de sinais chamamos esta funo de janela retangular. A janela retangular apresenta
descontinuidades, assim, como resultado tem-se o aparecimento de frequncias indesejveis no espectro
do sinal. O espectro resultante do sinal janelado a convoluo do espectro da janela com o do sinal e,
como as amplitudes dos lbulos laterais do espectro da janela retangular so muito grandes este pode ficar
distorcido ou esconder sinais de frequncias muito prximas. Este fenmeno conhecido como
espelhamento espectral (leakage).
Sinais que decrescem com o tempo, cuja forma de onda est plenamente contida na janela de anlise
so pouco afetados pelo leakage. Como dissemos, este efeito geralmente ocorre em sinais peridicos e os
quase-peridicos. Para reduzir este efeito, procura-se evitar o corte abrupto da janela retangular
multiplicando o sinal por outros tipos de funes ou janelas, cuja forma no tempo discreto decai
suavemente a zero. Este processo chamado em ingls de windowing (janelamento).
Neste apndice so apresentadas as funes das principais janelas utilizadas em processamento
digital de sinais; so tambm fornecidas a largura de faixa do lbulo principal para cada janela, bem como
a atenuao mnima do maior lbulo lateral de cada uma delas.

1.

Janela Retangular
1, 0 n < N 1
w(n) =
0, c. c.

Largura de faixa da janela: 0.86/N

Atenuao do maior lbulo lateral: 13.2 dB

- 142 -

0
1

-20

0.8
0.6

-40

0.4
0.2

-80

-60

-100

0.5

Figura A-1.1: Janela retangular no domnio do tempo e da frequncia.

2.

Janela de Hamming
2n

),
0.54 0.46 cos(
w(n) =
N 1
0, c. c.

0 n < N 1

Largura de faixa da janela: 3.3/N

Atenuao do maior lbulo lateral: 41

0
1

-20

0.8
0.6

-40

0.4
0.2

-80

-60

-100
0
0
0.5
N
Figura A-1.2: Janela de hamming no domnio do tempo e da frequncia.
3.

Janela de Hanning
2n

),
0.5 0.5 cos(
w(n) =
N 1
0, c. c.

0 n < N 1

Largura de faixa da janela: 3.1/N

Atenuao do maior lbulo lateral: 41 dB

0
1

-20

0.8
0.6

-40

0.4
0.2

-80

-60

-100
0
0
N
Figura A-1.3: Janela de hanning no domnio do tempo e da frequncia.
4.

Janela de Bartlett ou Triangular

0.5

- 143 -

2n
N 1 , 0 n (N 1) / 2
w(n) =
2 2 n , N / 2 < n < N 1

N 1

Largura de faixa da janela: 1.27/N

Atenuao do maior lbulo lateral: 26.7 dB

0
1

-20

0.8
0.6

-40

0.4
0.2

-80

-60

-100
0
N
0.5
Figura A-1.4: Janela triangular no domnio do tempo e da frequncia.

5.

Janela de Blackman

2n
4n
+ 0.08 cos
, 0 n N 1
0.42 0.5 cos
w(n ) =
N 1
N 1
0, c. c.

Largura de faixa da janela: 5.5/N

Atenuao do maior lbulo lateral: 57 dB

0
1

-20

0.8
0.6

-40

0.4
0.2

-80

-60

-100
0
0
N
0.5
Figura A-1.5: Janela de Blackman no domnio do tempo e da frequncia.

- 144 -

- 145 -

Apndice A-2

Transformada Rpida de Fourier

1.

Introduo

A transformada discreta de Fourier (TDF) uma operao importante em muitas aplicaes prticas
em sistemas de tempo discreto e em anlise de sinais no domnio da frequncia. Assim, o seu cmputo de
maneira eficiente torna-se necessrio em praticamente todas as aplicaes de Processamento Digital de
Sinais.
Para calcular a TDF existem algoritmos eficientes chamados de Transformada Rpida de Fourier
(acrnimo do ingls FFT - Fast Fourier Transform). Estes algoritmos diminuem drasticamente o nmero
de multiplicaes do clculo da DFT, aproveitando-se da periodicidade de WN, conseguindo-se desta
maneira uma eficincia muito alta no clculo da DFT.
A TDF igual s amostras da TF de uma sequncia de N pontos tomadas em frequncias igualmente
espaadas (wk = 2k/N) no crculo de raio unitrio do plano z.
Como definida anteriormente, o par de transformadas discretas de Fourier de uma sequncia finita, de
comprimento N dado por:
N 1

X (k ) =

x(n)W

nk
N

(1)

n=0

x( n) =

1
N

N 1

X (k )W

nk
N

(2)

k =0

em que: n, k = 0,1..., N-1 e WN = e-j2/N.

Nas equaes acima, tanto X(k), como x(n) podem ser variveis complexas. Portanto para calcular
diretamente cada valor da TDF ou da sua inversa so necessrias N multiplicaes complexas e N-1
adies complexas. Assim, para todos os N valores da transformada so requeridas no total N2
multiplicaes complexas e N(N-1) adies complexas. Como cada multiplicao complexa requer 4
multiplicaes reais e cada adio requer 2 adies reais, ento, para cada valor da transformada so
necessrias 4N multiplicaes e 4N-2 adies reais. Finalizando, no total so requeridas 4N2
multiplicaes e N(4N-2) adies reais.
Assim, o esforo computacional para a obteno da TDF ou da TDFI muito grande, alm disso,
tambm existe o requerimento de memria para armazenar os dados e os coeficientes das multiplicaes
por (WN)nk. Em geral considera-se que o tempo de computao da TDF proporcional a N2 e se torna
muito grande conforme N cresce, por isso interessante encontrar algum procedimento computacional
para se reduzir, principalmente o nmero multiplicaes envolvidas no clculo da TDF ou da TDFI.
Os coeficientes WN apresentam duas propriedades muito importantes:
1. Periodicidade: WNkn = WNk ( n+ N ) = WN( k + N ) n
2. Simetria complexa: WNk ( N n ) = WN kn = (WNkn )*
Considere as seguintes somas:

- 146 -

Re{x(n)} Re{WNkn } + Re{x( N n)} Re{WNk ( N n) } = [Re{x(n)} + Re{x( N n)}] Re{WNkn }

Im{x(n)} Im{WNkn } Im{x( N n)} Im{WNk ( N n) } = [Im{x(n)} + Im{x( N n)}]Im{WNkn}

Observe que com este tipo de agrupamento divide-se o nmero de multiplicaes por 2, isto passase de duas para uma multiplicao real.
Observe tambm que certos valores do produto kn podem conduzir os coeficientes (WN)kn ao valor -1
ou 1, eliminando assim a necessidade de multiplicao.
Os algoritmos de FFT utilizam as propriedades de WN mostradas e exemplificadas acima. Eles so
baseados na decomposio do clculo da DFT de N pontos em sucessivas transformadas com menores
nmeros de pontos para se conseguir aproveitar das propriedades de WN e assim, diminuir o nmero de
multiplicaes. Desse modo possvel reduzir drasticamente os clculos para um nmero proporcional a
Nlog(N), como ser visto a seguir.

2.

Algoritmo de Decimao no Tempo

Existem muitos algoritmos que reduzem drasticamente o tempo de clculo da TDF. Estes algoritmos
se baseiam na decomposio das TDFs em tamanhos cada vez menores e tambm nas propriedades de
WN citadas anteriormente. Nesta seo ser apresentado, como exemplo, o algoritmo de decimao no
tempo que utiliza uma sequncia de comprimento N par tal que N=2v.
No desenvolvimento deste algoritmo o primeiro passo pegar a expresso da TDF de x(n) e divid-la
em duas novas TDFs de comprimento N/2, compostas das amostras de ndices pares e mpares de x(n),
como mostra a equao (4).
N 1

X (k ) =

x(n)W

nk
N

(3)

n =0

X (k ) =

X (k ) =

( N / 2 ) 1

( N / 2 ) 1

m =0

m =0

( N / 2 ) 1

x(2m)W N2 mk +

( )

x(2m) W N2

mk

x(2m + 1)W
( N / 2 ) 1

+W Nk

m =0

como: WN

( 2 m +1) k
N

(4)

( )

x(2m + 1) W N2

mk

(5)

m =0

= e 2 j 2 / N = e j 2 /( N / 2 ) = WN / 2 , ento a TDF de x(n) ser dada por:

( N / 2 ) 1

X (k ) =

m =0

x(2m)WNmk/ 2 + WNk

( N / 2 ) 1

x(2m + 1)W

mk
N /2

(6)

m=0

X (k ) = G (k ) + W Nk H (k )

(7)

Observe que cada termo da equao (6 ou 7) uma TDF de N/2 pontos das sequncias pares e
mpares de x(n). Embora k = 0,1,..., N-1, cada termo da soma em (6) necessita ser calculado somente para
k = 0,1,..., (N/2)-1, pois G(k) e H(k) so peridicas e com perodo N/2. Aps as TDFs, G(k) e H(k), terem
sido calculadas a TDF, X(k), de x(n) calculada de acordo com a equao (7). Este procedimento pode
ser melhor visualizado com o auxlio do diagrama de fluxo mostrado na figura A-2.1, que mostra estes
clculos para uma TDF de 8 pontos.

- 147 -

x(0)

X(0)

x(2)

X(1)

TDF
N/2 PTOS.

x(4)

X(2)

x(6)

X(3)

x(1)

X(4)

x(1)

X(5)

TDF
N/2 PTOS.

x(5)

X(6)

x(7)

X(7)

Figura A-2.1: Grfico de fluxo para uma TDF de 8 pontos dividida em duas TDFs de 4 pontos.
Anteriormente j foi observado que para uma TDF de N pontos o nmero necessrio de
multiplicaes e adies complexas era de aproximadamente N2. Como a equao (6) requer a
computao de duas TDFs de N/2 pontos, ento elas necessitam de 2(N/2)2 multiplicaes complexas e
aproximadamente 2(N/2)2 adies complexas, e como ainda, estas duas TDFs so somadas (veja equao
(6)) e requerem N multiplicaes complexas por (WN)k e N adies complexas, consequentemente tem-se
um total de N + 2(N/2)2 multiplicaes e adies complexas. fcil verificar que N + N2/2 < N2. Portanto
esta decomposio em duas TDFs reduz o nmero de operaes envolvidas; e assim pode-se esperar que
se as duas TDFs de N/2 pontos forem decompostas novamente pode-se reduzir ainda mais o nmero de
operaes envolvidas, como ser visto a seguir.
Como N/2 par, pois N = 2v, pode-se ento decompor novamente G(k) e H(k) na equao (7) em
duas novas TDFs de N/4 pontos cada uma. Assim:
( N / 2 ) 1

G (k ) =

g (m)W

( N / 4 ) 1
mk
N /2

m=0

g (2l )W

( N / 4 ) 1
2lk
N /2

l =0

( N / 4 ) 1

G (k ) =

g (2l + 1)W

( 2l +1) k
N /2

(8)

l =0

( N / 4 ) 1

g (2l )WNlk/ 4 + WNk / 2

l =0

g (2l + 1)W

lk
N /4

(9)

lk
N /4

(10)

l =0

Do mesmo modo para H(k) tem-se:

( N / 4) 1

H (k ) =

h(2l )W
l =0

( N / 4 ) 1
lk
N /4

+ WNk / 2

h(2l + 1)W
l =0

Estes clculos so executados como ilustrado pelo diagrama da figura A-2.2 para N = 8. Neste caso
a TDF com 8 pontos decompostas em quatro sequncias de N/4 = 2 pontos. Note que WN/4 = (WN/2)2 =
(WN)4.

- 148 -

x(0)
x(4)
x(2)
x(6)

x(1)
x(3)
x(5)
x(7)

TDF
N/4 PTOS

X(0)

TDF
N/4 PTOS

X(2)

TDF
N/4 PTOS

X(4)

TDF
N/4 PTOS

X(6)

X(1)
X(3)

X(5)
X(7)

Figura A-2.2: Grfico de fluxo da decomposio das TDFs de N/2 pontos em TDFs de N/4 pontos.
Para o exemplo de uma TDF de 8 pontos, o prximo passo decompor as TDFs de N/4 pontos em
TDFs de 2 pontos. A figura A-2.3 ilustra este clculo para x(0) e x(4). Esta operao bsica deste
algoritmo, pois no se pode decomp-la em valores menores. Ela chamada de computao in place, e
por causa da forma do grfico ela conhecida como butterfly.

x(0)
(WN)0=1
x(4)

W2= (WN)N/2 = -1

Figura A-2.3: Grfico de fluxo para uma TDF de 2 pontos (Computao in place).
Assim o esquema completo para o calculo de uma TDF de 8 pontos mostrado na figura A-2.4,
abaixo.
x(0)

X(0)

x(1)

X(1)

x(2)

X(2)

X(3)

X(3)

x(4)

X(4)

x(5)

X(5)

x(6)

X(6)

x(7)

X(7)

Figura A-2.4: Grfico de fluxo completo para uma TDF de 8 pontos.

Para o caso mais geral, onde N = 2v tal que v>3, proceder-se-ia do mesmo modo que o exemplo
acima, decompondo as TDFs de N/4 em N/8 pontos e assim por diante at se chegar em transformadas de
2 pontos.
Observe que este procedimento requer v = log2(N) estgios de computao. Quando os estgios de
transformadas de N/2 pontos so decompostos em transformadas de N/4 pontos, o fator (N/2)2
decomposto em N/2 + 2(N/4)2, ento a decomposio total requerer N + N + 4(N/4)2 multiplicaes e

- 149 -

adies complexas. Como N = 2v ento o nmero total de multiplicaes e adies complexas ser
reduzido para Nlog2(N).
A reduo no nmero de clculos pode ser melhor verificada atravs de um exemplo. Admita que se
tem uma TDF com 1024 pontos, isto , v = 10. Neste caso os nmeros de operaes para o clculo da
TDF convencional e para a FFT sero:

Clculo convencional da TDF: N2 = 220 = 1.048.576 106

Para o algoritmo acima: Nlog2(N) = 1024log2(1024) = 10.240 104

Portanto, comparando os dois processos de clculo verifica-se que ocorre uma reduo no nmero de
operaes em aproximadamente 100 vezes; o que mostra a eficincia deste algoritmo.

Computao in place.
O nmero de operaes pode ser reduzido ainda mais, se forem exploradas as propriedades de
simetria e periodicidade dos coeficientes WN.
Observe que a figura A-2.4 constituda de ramos que representam o mesmo clculo. E cada estgio de
computao transforma N nmeros complexos em outro conjunto de N nmeros complexos e este
processo repetido v = log2(N) vezes.
Seja Xm(l), onde l = 0,1,...,N-1 e m = 0,1,...,v. A sequncia resultante no estgio m, tal que para m =
0, isto , para a sequncia de entrada tem-se:
X0(0)
X0(1)
X0(2)
X0(3)
X0(4)
X0(5)
X0(6)
X0(7)

=
=
=
=
=
=
=
=

x(0)
x(4)
x(2)
x(6)
x(1)
x(5)
x(3)
x(7)

(11)

Utilizando esta notao pode-se ver que a computao bsica da figura A-2.4 :
X ( p) = X ( p)+ WNr X (q)
m +1

(12)
X (q) =
m +1

X ( p)+ WNr + N / 2
m

X (q)
m

como: WNN / 2 = e j = 1 , ento:

X ( p) = X ( p )+ WNr X (q)
m +1

(13)
X (q) =
m +1

X ( p ) WNr
m

X (q)
m

Portanto, o clculo da equao (12) ainda mais simplificado pela equao (13). A figura A-2.5,
abaixo, mostra que agora a butterfly requer somente uma multiplicao complexa por (WN)r em vez de
duas.

- 150 -

Xm(p)

Xm(q)

Xm+1(p)

(WN)r

-1

Xm+1(q)

Figura A-2.5: Grfico de fluxo de uma butterfly otimizada.

A equao (13) e a figura A-2.5 acima, mostra a otimizao no nmero de operaes de uma
butterfly. Como existem no total N/2 butterflies por estgio de clculos e log2(N) estgios, ento o
nmero total de multiplicaes complexas requeridas por este algoritmo ser igual a (N/2)log2(N).
O grfico de fluxo que descreve este algoritmo mostrado na figura A-2.6.

x(0)

X(0)

x(1)

X(1)

x(2)

X(2)

x(3)

X(3)

x(4)

X(4)

x(5)

X(5)

x(6)

X(6)

x(7)

X(7)

Figura A-2.6. Grfico de fluxo final do algoritmo de decimao no tempo para uma TDF de 8 pontos.

Reverso dos Bits

Como visto anteriormente os dados de entrada devem ser colocados ou armazenados em uma ordem
no sequencial. fcil de se observar que eles so armazenados na ordem de bits revertidos. Esta
propriedade melhor observada na equao abaixo.
X0(0) = X0(000)
X0(1) = X0(001)
X0(2) = X0(010)
X0(3) = X0(011)
X0(4) = X0(100)
X0(5) = X0(101)
X0(6) = X0(110)
X0(7) = X0(111)

= x(0) = x(000)
= x(4) = x(100)
= x(2) = x(010)
= x(6) = x(110)
= x(1) = x(001)
= x(5) = x(101)
= x(3) = x(011)
= x(7) = x(111)
X0(pqr) = x(rqp)

(15)

Assim, se (rqp) a representao binria do ndice n de x(n), ento a posio de armazenamento de

x(n) para iniciar o clculo da TDF ser (pqr), isto , na ordem reversa dos bits. Esta observao facilita a
construo de um algoritmo para armazenamento de x(n) no inicio.

- 151 -

Finalizando, uma comparao entre as equaes (1) e (2) revelam que elas diferem somente por um
fator multiplicativo (1/N) e pelo sinal dos expoentes dos coeficientes WN. Assim, este algoritmo serve
tambm para se calcular a TDF inversa de x(n).

3.

Programa em Linguagem C

Funo desenvolvida em linguagem C (2.0) para o algoritmo de transformada rpida de Fourier de

decimao no tempo, desenvolvido acima.
/**************************************************************
*
Transformada Rpida de Fourier
*
* SN -> -1: dft direta
*
*
1: dft inversa
*
* N -> Nro de pontos da dft (potencia de 2)
*
* sgn -> Sinal de entrada
*
* fft -> Retorna a dft: 0...N-1 -> parte real
*
*
N...2N-1 -> parte imaginaria
*
*
*
* Marcelo Baslio Joaquim
*
**************************************************************/
float *fft(int SN,int N, float *sgn)
{
int NI, nd2, i, i1, i2, ip, it, j, k;
float *dft, re, im, tr, ti, ur, ui, wr, wi, arg;
dft = (float *) malloc((N+N)*sizeof(float));
NI = log(N)/0.693147;
nd2 = N/2;
/* Reversao dos bits */
j = 0;
for(i=1;i<N;i++)
{
if(i<=j) {
dft[j] = *(sgn+i);
dft[j+N] = *(sgn+i+N);
dft[i] = *(sgn+j);
dft[i+N] = *(sgn+j+N);
}
k = nd2;
while((k<=j)&&(k>0)) {
j = j - k;
k = k/2;
}
j = j + k;
} /* final da reversao dos bits */
/* Algoritmo decimacao no tempo */
i1 = 1;
for(it=1;it<=NI;it++)
{
i2 = i1;
i1 = 2*i1;

- 152 -

ur = 1.0;
ui = 0.0;
arg = 3.141592654/i2;
wr = cos(arg);
wi = SN*sin(arg);
for(j=0;j<i2;j++)
{ i = j;
do { ip = i + i2;
re = dft[ip]*ur - dft[ip+N]*ui;
im = dft[ip+N]*ur + dft[ip]*ui;
dft[ip] = dft[i] - re;
dft[ip+N] = dft[i+N] - im;
dft[i] = dft[i] + re;
dft[i+N] = dft[i+N] + im;
i = i + i1;
} while(i<N);
tr = ur;
ti = ui;
ur = tr*wr - ti*wi;
ui = ti*wr + tr*wi;
}
}
/* Divide a ifft por N */
if(SN == 1) for(i=0;i<N+N;i++) dft[i] /= N;
return (dft);
} /* final da funcao fft */

- 153 -

Apndice A-3

Frmulas e Tabelas

1.

Expresses para algumas sries de potncias

1 a N

a = 1 a
N
n =0

N 1

k2

se a 1

a k1 a k 2 +1

an =

1 a

n = k1

1
1 a

se a < 1

ak
1 a

se a < 1

n=k

N 1

na

n =0

(N 1)a N +1 Na N + a
(1 a )2

na
n =0

se a 1

n=0

se a = 1

n a

2 n

(1 a )2

n =0
N

a(a + 1)

(1 a )3

se a < 1

se a < 1

n = 2 N (N + 1)
n =0
N

n =0

1 N (N + 1)
6 2N + 1

(2n 1) = N

n =0

2.

Expanso em sries de potncias

ex =

xk

k!
k =0

< x <

se a 1

- 154 -

a x = e x ln (a ) = 1 + x ln(a ) +

(x ln(a ))2

(x ln(a ))3

2!
ln(1 + x ) = x

23

+L < x <

1 2 1 3 1 4
(1)k +1 k
x + x x +L+
x +L
2
3
4
k

3
5

1 x 1
x 1 1 x 1

ln(x ) = 2
+
+
+ L

x + 1 3 x + 1

5 x + 1

ln(x ) =

x 1
x

sen(x ) = x

x3

3!
cos(x ) = 1

x2
2!

3.

5!
+

x4
4!

x7
7!

x6
6!

1
2

+L

< x <

+L

< x <

Algumas janelas utilizadas em projetos de filtros FIR

Janela

4.

x5

x >0

1 x 1
1 x 1
+
+
+L

2 x
3 x

x <1

Largura Pico relativo

da
do Lbulo
transio lateral (dB)

Atenuao
Banda de
parada

Equao da janela [w(n)]

n = 0, 1, ... , N-1

Retangular

0.9/N

-13

21

Hanning

3.1/N

-31

44

2n
0.5 0.5 cos

N 1

Hamming

3.3/N

-41

53

2n
0.54 0.46 cos

N 1

Blackman

5.5/N

-57

74

4n
2n
0.42 0.5 cos

+ 0.08 cos
N 1
N 1

Tabela de pares de transformadas de Fourier para sequncias

x(n ) =

X (e )e
2
1

jw

jwn

dw

( ) x( (n)e

X e jw =

n =

jwn

- 155 -

Sequncia

1.
2.

(n )
(n n d )

3.

a n u (n )

4.

u (n )

1
e jwnd
1
1 ae jw

: a <1

r n senw0 (n + 1)

5.

Transformada de Fourier

1 e jw
u (n )

: r <1

senw0

(w + 2k )

k =

1
1 r cos w0 e jw + r 2 e j 2 w

6.

sen w0 n
n

7.

1, 0 n < M
x(n ) =
0 , caso contrrio

1, w < w0

0, w0 < w
senwM / 2 jw(M 1) / 2
e
senw / 2

8.

e jw0 n

(w w

k =

+ 2k )

- 156 -

5.

Tabela de pares de transformada z

x(n)z

X (z ) =

n =

x(n)
(n )
u (n )
a n u (n )
na n u (n )
nu (n )
n 2 u (n )
e an u (n )

cos(w0 n )u (n )
sen(w0 n )u (n )
a cos(w0 n )u (n )
n

a sen(w0 n )u (n )
n

1
n

u (n 1)

X(z)
1
1

Regio de convergncia
zC

1 z 1
1
1 az 1
az 1

(1 az )

1 2

z 1

(1 z )
z (1 + z )
(1 z )
1 2

z >1

z > a
z > a
z >1

1 3

1
1 e a z 1

1 cos(w0 )z 1
1 2 cos(w0 )z 1 + z 2
sen(w0 )z 1

1 2 cos(w0 )z 1 + z 2
1 e a cos(w0 )z 1

1 2e a cos(w0 )z 1 + e 2 a z 2
e a cos(w0 )z 1

1 2e a cos(w0 )z 1 + e 2 a z 2
1

ln

1 z 1

z >1
z > ea
z >1
z >1
z > a
z > a
z >1