Professional Documents
Culture Documents
ndice
Apresentao
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
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
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
85
85
85
86
88
91
93
93
95
96
103
106
107
107
108
110
110
110
112
113
117
119
122
125
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:
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)
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).
-1-
Captulo 1
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.
-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
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-
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
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)
(1.7)
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
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)
(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
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-
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 + )
a)
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)
-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 )
Observe que pela propriedade (a) a relao acima verdadeira se existir um nmero M, inteiro tal
que:
2f 0 N = 2M
f0 =
M
N
e j + e j
(1.16.a)
2
sen() =
e j e j
(1.16.b)
2j
e j = cos( ) + j sen( )
(1.17)
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
Ae
E=
n =0
A e
2
2 n
= A2
n =0
(e )
2 n
n =0
A2
1 e 2
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
Clculo de |x(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
1
N
(e
N 1
j ( w1 w2 ) n
+ e j ( w1 w2 ) n
n =0
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
(1.24)
(1.25)
x e (n ) =
1
x(n ) + x * ( n )
2
x o (n ) =
1
x(n ) x * ( n )
2
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)
(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 =
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).
-
ku (k ) =
k =
k + y ( 1) =
k =0
k=
n(n 1)
k =0
n2 + 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)
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)
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 -
(1.31)
a)
[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 =
Seja y (n , nd ) a sada do sistema quando se aplicado em sua entrada uma sequncia x(n nd ) .
a)
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)
(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)
1)
y (n ) = x(n ) + 3x(n + 4 )
2)
y (n ) = x n 2
3)
y (n ) = x(2n )
4)
y (n ) = x( n )
( )
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 < ,
1)
y( (n ) = x(n nd )
2)
y (n ) = [x(n )]2
3)
y (n ) = x(Mn )
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)
x2(n)
b) Bloco multiplicador
x1(n)
y(n) = x1(n).x2(n)
x2(n)
c)
x(n)
y(n) = ax(n)
x(n)
z-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)
- 13 -
0.5
x(n)
z-1
x(n-1)
y(n)
y(n-1)
z-1
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 ) .\
(1.37)
- 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.
-
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)
(1.41)
k =
h1(n)
h2(n)
y(n)
h1(n)*h2(n)
x(n)
y(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)
a) Causalidade
Considere a sada de um sistema LID em um dado instante n0. Desse modo:
y (n0 ) =
h(k )x(n
k)
k =
- 16 -
y (n0 ) =
h(k )x(n0 k ) +
k =
h(k )x(n
k)
k =0
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
(1.44)
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 =
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.
a k y(n k ) +
k =1
b x(n k )
k
(1.47)
k =0
k =0
a k y (n k ) =
b x(n k )
k
(1.48)
k =0
x(k )
k =0
(1.49)
- 18 -
y (n ) =
n 1
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
(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
c r
i i
(1.52)
i =1
a r
i
nk
=0
(1.53)
i =0
(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
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
+ 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 )
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 )
1
3
+ (2 )n +
1
3
( 2)n
n0
1
2
(2)n + 1 ( 2)n
n0
: < 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 =
h(k )e
k =
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
) h(k )e
H e j (w+ 2 ) =
j (w+ 2 )k
k =
h(k )e
jwk j 2 k
k =
) 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
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
( ) = h(n)e
He
jw
jwn
n =
1 jwn
1
e
=
=
1 13 e jw
n =0 3
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.
( ) 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)
- 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).
E=
n =
x(n ) =
2
x(n)x (n)
*
n =
- 24 -
X (e )e
2
1
jw
jwn
dw
1
x(n )
X * e jw e jwn dw
2
n =
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)
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
= 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
( )
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
-
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)]
*
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)
( )
( )
6.
Conjugada simtrica: X e jw = X * e jw
7.
8.
9.
10.
( )
(1.77)
( )
( )
( )
( )
( )
( )
( )
(1.78)
(1.79)
(1.80)
(1.81)
1.
Linearidade
ax(n ) + by (n )
2.
( )
( )
aX e jw + bY e jw
(1.82)
( )
(1.83)
3.
e jw0n x(n ) = X e j (w w0 )
4.
(1.84)
Reverso do tempo
( )
x( n ) = X e jw
5.
(1.85)
( )
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.
X (e )Y (e ( ) )d
2
1
w(n )x(n ) =
j w
(1.90)
: 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
( )
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
( )
( )
( )
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 ) =
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)
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
- 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.
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.
2.
x(n)
y1(n) = x(n-2)
y2(n) = x(3-n)
y3(n) = x(2n-2)
x(n) = | n | +1
0, c.c.
(a)
(b)
(c)
(d)
3.
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
x(n ) =
3, n = 2
0 , c . c.
7.
- 31 -
(b) x(n) =
k =
8.
9.
c)
x ( n) = n u ( n) e
d)
x (n) = 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 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
(c) y (n) =
x (n k )
k = 1
1, 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 -
(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.
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 -
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
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
x(t)
x(n)
Ta
- 36 -
p(t ) =
(t nT )
2.2
n =
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.
- 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 =
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
- 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
X()
(a)
M
-M
Xa()
a> 2M
(b)
-a
-M
a/2
a
a- M
> 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 -
Xa()
x(nTA)
x(t)
H()
-a -M M a
-M
H()
-C
c = M ou c = a/2
- 40 -
A reduo da taxa de amostragem por um fator inteiro, M, feita tomando todas as amostras do
sinal mltiplas de M, isto ,
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
x(n)
FPBx
/M
xr(n)
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
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)
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
~
x i (n )
FPBx
/L
xi(n)
x(n)
~
x i (n )
FPBx
wc
~
x d (n )
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
ganho: L = 160
frequncia de corte: wc = min
,
=
160
147
160
- 44 -
Exerccios
1.
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.
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.
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)
) x(n)e
X z = e jw =
jwn
(3.3)
n =
- 46 -
Im[z]
z = ejw
w
1
-1
Re[z]
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)
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 =
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
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
Im
RH
Re
Im
Re
RL
RH
n0
n<0
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]
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]
- 50 -
X 1 (z ) =
1 z 1
RDC :
z >
RDC :
z <
1
1 z 1
1
1 z 1
1
1 z 1
RDC :
+ z z 1
< z <
Im[z]
x(n)
||
||
Re[z]
3.2.2
1.
(3.8)
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.
8.
3.3.1
2j
X ( z )z n 1dz
(3.9)
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 =
1
2 j
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 =
- 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)
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 ) =
(3.13)
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
1
1 z 1
: z >
z n 1
zn
=
1 z 1 z
(3.15)
- 53 -
zn
= zn
z
= n
z =
z =
+z
z 1
z
resduo em z = 0
= 1 1 = 0
z =0
3.3.2
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.
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
Transformada
1
1
1 z 1
1
1 z 1
z nd
1
1 z 1
RDC
todo plano z
z >1
z <1
- 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
1 2[cos w0 n]z 1 + z 2
[sen w0 n]z 1
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
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
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)
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)
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
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)
(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
nd nj u (n )
: z > dj
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
(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]
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
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
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
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
(3.26)
- 58 -
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
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 >
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 )
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
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)
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
X (z / a )
(3.30)
RDC : a R X
3.4.5
( )
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)
(3.34)
3.4.10
z 1
(3.35)
2j
C1
X 1 (v )X 2 (z / v )v 1dv =
2j
C2
X 1 (z / v )X 2 (z )v 1dv
(3.36)
( )
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 -
x (n)
x*2
(n ) =
n =
X (e )X (e )dw
2
1
jw
*
2
jw
(3.39)
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.
3.5.1
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)
(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
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
- 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 )
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.
-
( )
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
0.6senw
1 0.6 cos w
H (e
jw
1
0 .5
f
H (e
/4
jw
0
-/4
-
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 =
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
1
1
z 1
+
1
1
3
z 1
plos :
p1 = 1 / 2
p2 = 3 / 2
Im[z]
0.5
1.5
Re[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
1
3
h(n ) = u (n ) + u (n )
2
2
- 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
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)
( )
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
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 )
(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]
- 67 -
Exerccios
1.
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)
:0 < r <1
c(k ) =
x ( n) x ( n + k )
n =
z M X ( z)
X (a 1 z )
(c) nx(n) z
5.
dX ( z )
dz
6.
- 68 -
(a) x(n) = a n 3u (n 7)
(b) x(n) = a
7.
: a <1
(a) X ( z ) =
(b)
(c)
(d)
(e)
8.
1 2 z 1
1 2 z 1 + z 2
(a) X ( z ) =
0
1 z 1
02
1 2
1 + z 1
(1 0.5 z 1 )(1 + 0.25 z 1 )
- 69 -
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
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)
- 70 -
- 71 -
Captulo 4
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)
- 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
( ) x(n)e
X e jw =
jwn
(4.5)
n =
x(n ) =
X (e )e
2
jwd
jwd
dwd
(4.6)
( )
X e jw =
w
2
X
k
Ta k = T a
Ta
1
(4.7)
- 73 -
Ta
(4.8)
X(ejw)
Sinal na banda base
-2
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
- 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;
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
).
X (k ) =
1 e
1 e
j 2 k / 2
j 2 k / 10
10
n =0
n =0
2 nk
j k
e 2
j
j k
e 2
10
M = 5 tem-se que:
10
j k
e 2
10
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.
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).
- 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)
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)
N
de x(n), ento,
N / 2,
X (k ) =
0 ,
k = k0 e k = N k0
caso contrrio
0.5
10
20
30
-0.5
-1
10
15
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 -
10
0.5
6
0
10
20
30
40
-0.5
-1
10
15
20
25
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
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)
10
- 78 -
4.5.4
(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
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)
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
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)
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
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
- 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
N 1
W
n =0
kn
N
N ,
=
0 ,
k =0
c.c.
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)
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).
(4.20)
(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
0.5
0.4
0.3
0.2
0.1
0.0
-0.4
-0.2
0.0
0.2
0.4 0.5
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
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.
e
n =0
2
( (r k )n
N
N , r = k
=
0 , r k
2.
3.
X (k ) = 2, k = 3 e 7
0, caso contrrio
4.
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
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.
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
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
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 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)
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
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
1/2
1
Re
Plano z
Plano s
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 ) =
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
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
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)
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
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
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
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
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.
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)
(5.19)
(5.20)
t0
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
(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
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.
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)
- 94 -
H (0) = 1 , isto , ganho igual 1 na faixa de passagem. Para um ganho diferente basta multiplicar
frequncia.
3.
1
1 + ( n )
2N
1 2N 3 4N
n + n L
2
8
= 1
=0
: k = 1, 2,L , 2 N 1
n =0
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 )
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.
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 )
p0 p1
(s p0 )(s p1 )
1
2
s + 2s + 1
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
- 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 )
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.
1 2 k +1
j +
8
2
: k = 0 , 1, 2, 3
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)
(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.
- 98 -
1.
Para = 0 tem-se:
n mpar
1,
1
H (0 ) =
,
n par
2
1+
2.
( )
H p =
3.
(5.32)
1
1 + 2
qualquer n
(5.33)
= 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)
= 1 + 2 +
(5.37)
(5.38)
em que:
k =
2k + 1
+
: k = 0, 1, L , N 1
2
2N
(
5.39)
- 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
= 0.76478
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
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
4
3
+ jr1 sen
4
3
= 0.579510 3 j 2.910 3
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 -
(5.45)
ento:
'k =
k
2k + 2k
'k =
k2 + 2k
(5.46)
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.
)(
(5.52)
d2
1 d 22
20
= 10
20
20
0.1
= 0.1
= 0.100504
1 0.12
1
d 22
1 =
1
0.12
1 = 9.95
9.95
cosh 1
0.100504
N
= 4.015
1 4000
cosh
2000
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 =
'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
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
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.
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
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
1
1 k sen 2 ( x )
2
(5.54)
dx
/ 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 -
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)
2
1 1
2
(5.58)
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.
2.
(5.59)
d =
3.
2p 1
2s
10
0.1 Ap
10
0.1 As
(5.60)
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 -
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
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
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)
- 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.
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
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.
210 3
10 log
2 N 1
2 103
c
1+
2N
10 0.1 1
(5.65)
610 3
1
10 log
2 N 10
3
c
1+ 6 10
2N
10 1 = 9
(5.66)
[
2 N log [
2 N log 2 10
6 10
c
c
] = log (0.2589)
] log (9)
c = 9.546810 3 rad / s ou
f c = 1.519 10 3 Hz
- 108 -
2 N log 2 10
9.5468103
] log(0.2589)
N 1.6
N =2
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.
7.758110 7
1
= 2
(s / p 0 1)(s / p1 1) s + 1.24564 10 4 s + 7.758110 7
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
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.
= 6.4983910 3 rad / s
tan
4
10
2
610 1
2
= 27.5276410 3 rad / s
's = 4 tan
10
2
' p =
(5.67)
- 109 -
2N
' p
1
10 log
= 0.2589
2 N 1
'
1+ p
c
(5.68)
2N
's
1
10 log
=9
2 N 10
'
1+ s
c
(5.69)
ou
f c = 2.52946 10 3 Hz
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
H( z ) =
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 -
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
b x(n k )
k
(5.70)
k =0
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 -
(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)
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
[ (
) (
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
M / 2 1
h (e
jw[( M 1) / 2 k ]
+ e jw[( M 1) / 2 k ]
(5.76)
k =0
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
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
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.
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)
(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)
- 114 -
H(ejw)
Hd(ej)
W(ej(w-))
-wc
w wc
-wc
wc
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
Atenuao
na banda de
parada (dB)
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 ,
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
( )
( )
H e jw 0.01, 0.35 w
( )
A = 20 log 10 p = 40dB
- 117 -
banda de transio:
w = 0.35 0.25 = 0.1
f = 0.05
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
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
sen(0.3(n 31))
(n 31)
n = 0, 1,L , 62
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.
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
= min[p, s ]
2.
3.
(5.89)
5.
(5.88)
O valor do parmetro (veja a tabela 5.4) determinado empiricamente pela seguinte expresso:
0, A 21 dB
4.
(5.87)
A 7.95
A 7.95
=
2.285w 14.357f
(5.90)
(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
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)
( M 1) / 21
: M mpar
(5.93)
k =0
M / 2 1
H r (e jw ) = 2
: M par
(5.94)
k =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
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
-0.01012334
0.01463976
0.01103875
-0.0453175
0.04397129
0.02334887
-0.142825
0.2582083
0.6941176
|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)
(a)
(b)
(c)
(d)
(a)
(b)
(c)
(d)
1
1 + 0.9 z 1
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
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
( )
( )
H e jw 0.01, 0.35 w
- 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
- 125 -
Captulo 6
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)
wp
ws
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
(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
( )
(6.5)
( )
( )
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)
T1 (cos(w)) = cos(w)
(6.9)
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)
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 ,
( )
(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:
( ) ( )[ ( )
( )]
(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
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.
( ) = 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
iv.
( 1)k +1
bk
L+2
(6.23)
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
- 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 =
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
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 -
b
= 2b
2
2
(6.28)
( )
H e jw = e
M
w
2
w
cos
2
(M 1) / 2
b (k )cos(kw)
~
(6.29)
k =1
= 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 ) .
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 -
(6.33)
(6.34)
(6.35)
k =1
a(k )h
b(n ), n = 0,1, L , Q
n = Q + 1, L, Q + P
0,
(n k ) =
k =1
(6.36)
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)
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
1/ 2
= 1 / 2
1
- 133 -
1
2=0
2
portanto,
H (z ) =
2
1 0.5 z 1
(6.39)
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
(6.43)
- 134 -
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)
a(k )h
(n k ),
k =1
n = 0 ,1,L ,Q
(6.46)
(6.47)
(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
=
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 ) =
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)
rhh (M ) rhh (M 1)
rhh (M ) b0 h(0 )
L rhh (M 1) b1 0
=
.
M M
L
M
rhh (0 ) bM 0
L
L
(6.56)
(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.
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
n =0
rhh (1) =
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
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
20
15
desejado projetado
10
05
0.1
0.2
0.3
0.4
f
0.5
- 138 -
- 139 -
Bibliografia
[1]
[2]
[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]
[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]
[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.
- 142 -
0
1
-20
0.8
0.6
-40
0.4
0.2
-80
-60
-100
0.5
Janela de Hamming
2n
),
0.54 0.46 cos(
w(n) =
N 1
0, c. c.
0 n < N 1
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
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.
0.5
- 143 -
2n
N 1 , 0 n (N 1) / 2
w(n) =
2 2 n , N / 2 < n < N 1
N 1
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.
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
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
- 146 -
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.
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
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
l =0
g (2l + 1)W
lk
N /4
(9)
lk
N /4
(10)
l =0
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)
- 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:
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
(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)
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.
= 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)
- 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
- 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.
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.
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 <
Janela
4.
x5
x >0
1 x 1
1 x 1
+
+
+L
2 x
3 x
x <1
Atenuao
Banda de
parada
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
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.
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