Académique Documents
Professionnel Documents
Culture Documents
(1)
n=1
onde:
0.0.1
C
alculo dos coeficientes da s
erie de Fourier
Z
an = 2/T0 .
(3)
(4)
Z
bn = 2/T0 .
T0
Aplicando estas expressoes podemos expandir sinais periodicos dados em suas series de Fourier.
Dependendo do sinal podemos ter um n
umero finito de termos ou infinito. Existem algumas propriedades que podem simplificar os calculos dos coeficientes, como:
Fato 0.1 Um sinal x sera chamado de par quando x(t) = x(t) e mpar quando x(t) = x(t).
Fato 0.2 Se x(t) e um sinal periodico par entao bk = 0 para todo o k, ou seja, a sua serie de Fourier
e composta apenas de cossenos.
Se x(t) e um sinal periodico mpar entao ak = 0 para todo o k, ou seja, a sua serie de Fourier e
composta apenas por senos.
30 de agosto de 2012
Processamento de Sinais
T0
Z
f (t).dt = 1/T0 .
T0 /2
sin(0 t).dt = 1/
0
A func
ao n
ao e par nem mpar, portanto deve-se calcular os coeficientes an e bn
T0
Z
an = 2/T0 .
T0 /2
= 2/T0 .
cos((n + 1)) cos((n 1))
1
= 2/T0
+
+
20 (n + 1)
20 (n 1)
0 (n + 1)(n 1)
1
(n 1)
(n + 1)
=
cos((n + 1)) +
cos((n 1)) 1
(n2 1)
2
2
Quando k = 1 deve-se integrar sin(o .t) cos(o .t) = sin(2o .t)/2, onde o seu resultado sera igual a
zero. Excluindo este valor pode-s analisa a express
ao acima de modo geral.
Para valores mpares de n tem-se
an = 0
Para valores pares de n tem-se
2
an =
(n2 1)
Para os coeficientes dos senos:
Z
bn = 2/T0 .
T0
AEDB
30 de agosto de 2012
Processamento de Sinais
3
Z
T0 /2
= 2/T0 .
= 2/T0
1
[(n + 1) sin((kn 1)) (n 1) sin((n + 1))]
2(n2 1)
Para valores pares de n os senos se anulam e bn = 0. Para valores mpares o mesmo raciocnio se
aplica, desde que k 6= 1.Para este caso deve-se resolver
Z T0
bn = 2/T0 .
f (t). sin(n.o .t).dt
=
Z
bn = 2/T0 .
T0 /2
= 1/2
20
Em resumo:
a0 = A/; an =
0
2
(n2 1)
n mpar
n par
bn =
1/2 n = 1
0 n>1
e a expans
ao e dada por:
x(t) = 1/ + 1/2 sin(o .t) 2/3 cos(2o .t) 2/15 cos(4o .t) . . .
Segue abaixo um programa para calculo dos coeficientes no MATLAB.
Programa Matlab 0.1
%Calcula os coeficientes da integral de Fourier
clc;
clear all;
syms t;
n=0;
T0=1;
omega0=2*pi/T0;
ft=sin(omega0*t)
while n~=10000,
n = input(Entre com o valor do numero do harmonico
desejado ou 10000 para sair: );
if n==0
a0=simple(1/T0*int(ft,0,T0/2))
else
an=simple(2/T0*int(ft*cos(n*omega0*t),0,T0/2))
bn=simple(2/T0*int(ft*sin(n*omega0*t),0,T0/2))
end
end;
Exemplo 0.2 Seja a onda triangular para a qual um dos perodos e dado por
4t/T0 + 1 T0 /2 t 0
x(t) =
4t/T0 + 1 0 t T0 /2
seu grafico e:
AEDB
30 de agosto de 2012
Processamento de Sinais
calcular a sua serie de Fourier: O termo DC e nulo; como o sinal e par bn = 0 e havera apenas
termos cossenoidais
Z
an = 2/T0 x(t)cos(n0 t)dt
"Z
= 2/T0
"Z
Z
tcos(n0 t)dt
T0 /2
4
n2 2
= 8/T02
=
T0 /2
[1 cos(n)] =
T0 /2
(tcos(n0 t)dt
0
8
n2 2
8
8
8
cos(0 t) + 2 cos(30 t) +
cos(50 t) + . . .
2
9
25 2
30 de agosto de 2012
Processamento de Sinais
5
"Z
T0 /2
T0
sin(n0 t)dt
= 2/T0
=
(sin(n0 t)dt
T0 /2
4
2
[1 cos(n)] =
quando n e mpar, e 0 quando n e par.
n
n
4
4
4
x(t) = sin(0 t) +
sin(30 t) +
sin(50 t) + . . .
3
5
0.0.2
S
erie de Fourier - Forma Cossenoidal
(5)
a2 + b2 e tan = b/a
(6)
(7)
Usando as relacoes acima descritas podemos reescrever esta serie em forma mais compacta:
x(t) = A0 +
Ak cos(k0 .t + k )
(8)
k=1
onde
A0 = a 0 ; Ak =
(9)
A ideia basica permanece a mesma, decompomos um dado sinal em uma soma de sinais elementares.
Este formato e considerado mais simples porque envolve apenas cossenos; em compensacao cada um
destes cossenos apresenta fase.
4
4
4
cos(0 t /2) +
cos(30 t /2) +
cos(50 t /2) + . . .
3
5
30 de agosto de 2012
Processamento de Sinais
0.0.3
Forma espectral da s
erie de Fourier
Seja a onda quadrada da exemplo 0.4, como exemplo, decomposta atraves de sua serie de Fourier
proposta anteriormente. Devemos mostrar como ficara seu espectro de frequencia.
Exemplo 0.7 Sua expressao decomposta em sua serie de Fourier, ficou da seguinte forma:
x(t) =
Harm
onico
n=0
n=1
n=3
n=5
n=7
4
4
4
cos(0 t /2) +
cos(30 t /2) +
cos(50 t /2) + . . .
3
5
4
30
/2
3
4
50
/2
5
4
70
/2
57
Observa
c
ao 0.1 : a tabela acima possuir
a termos que ir
ao ate o infinito, porem ele so mostra
termos ate o setimo harmonico.
Programa Matlab 0.2 Programa feito no MATLAB para o tracado do espectro da onda quadrada.
%Espectro de Fourier da onda quadrada
close all
clear all
x=[0
1
2
3
4
AEDB
8]
30 de agosto de 2012
Processamento de Sinais
y=[0
4/pi 0
4/(3*pi) 0
4/(5*pi) 0
4/(7*pi) 0]
subplot(1,2,1);stem(x,y);grid;
title(Esp. de amplitude da onda quad. para w0=1);
teta=[0 -pi/2 -pi/2 -pi/2
-pi/2 -pi/2 -pi/2 -pi/2 -pi/2]
subplot(1,2,2);stem(x,teta);grid;
title(Esp. de fase da onda quad.para w0=1);
Exerccio 0.3 Repita o que foi feito no exemplo 0.7 nos sinal do exemplo 0.5.
Exerccio 0.4 Repita o que foi feito no exemplo 0.7 nos sinal do exemplo 0.6.
0.1
S
erie de Fourier - Forma exponencial
+An cos(n0 t + n ) =
n=1
= A0 +
X
An
n=1
jn jn0 t
An jn jn0 t
+
e
e
2
A2 j2 j20 t A1 j1 j0 t
A1 j1 j0 t A2 j2 j20 t
e
e
+
e
e
+ A0 +
e e
+
e e
+ ...
2
2
2
2
Temos uma serie de exponenciais complexas, cada uma delas acompanha de um coeficiente complexo;
as exponenciais sao associadas `as frequencias 0, 0 , 20 , 30 , . . . e os coeficientes sao da forma
M ej onde M esta relacionado com as amplitudes e a fase, observe, com isso, que a serie pode ser
representada da seguinte forma
X
x(t) =
Dn ejn0 t
(10)
= ... +
n=
onde
|Dn | =
|D0 | =
|Dn | =
An
2
A0
An
2
Dn = n
n>0
D0 =
0
n=0
Dn = n n < 0
Observe que o preco a se pagar por se utilizar a serie de fourier na forma exponencial e o surgimento de
frequencias negativas o que se confunde com o mundo real onde nao existe este tipos de frequencias.
AEDB
30 de agosto de 2012
Processamento de Sinais
T0
jk0 t
x(t)e
T0
dt =
(
0
jn0 t
Dn e
jk0 t
)e
dt =
n=
Z
Dn
n=
T0
ej(nk)0 t dt
Observe que
Z
T0
ej(nk)0 t dt =
T,
h
k=n
1
ej(nk)0
j(nk)0
iT
, k 6= n
jk0 t
x(t)e
T0
Z
dt = Dn
dt
0
logo, finalmente,
1
Dn =
T0
T0
x(t)ejk0 t
x(t) =
4A
t
T0
4A
t
T0
para 0 t
+ 2A para
T0
2
T0
2
t T0
A solucao para este exerccio pode ser visto nas paginas 533 e 544 no livro Sinais e Sistemas Lineares Lathi Ed.
Bookman 2o ed.
AEDB
30 de agosto de 2012
Processamento de Sinais
30 de agosto de 2012
Processamento de Sinais
10
n=n+1;
end
plot(t,xt);
Exerccio 0.10 Determine a serie exponencial de Fourier e trace o espectro correspondente para o
trem de impulso T0 (t), mostrado na figura que segue
Resposta:
0 (t) =
1
[1 + 2(cos 0 t + cos 20 t + cos 30 t + . . .)]
T0
0 =
2
T0
na forma exponencial
0 (t) =
1
[1 + ej0 t + ej0 t + ej20 t + ej20 t + ej30 t + ej30 t ]
T0
Pode ser observado que quando a serie de Fourier e representada na forma exponencial, tem-se
freq
uencias negativas do sinal e sua amplitude reduzida pela metade. Isto e mostrado na figura que
segue para os graficos do sinal do exerccio 0.7(T0 )
AEDB
30 de agosto de 2012
Processamento de Sinais
0.2
11
Considere o sinal mostrado na figura 1a, o seu espectro e mostrado na figura 1b, com o seu esboco
na forma exponencial, isto e, possuindo frequencia positivas e negativas. Quando este sinal e multiplicado por um trem de pulso do tipo que apresentado na figura 1c obtem-se o grafico no tempo
semelhante ao mostrado na figura 1e que possui como expressao
X
x(t) = x(t)T (t) =
x(nT )(t nT )
n
Como a funcao T (t) e um sinal periodico T, ele pode ser decomposto em um serie de Fourier como
foi mostrado no exerccio 0.10, ou seja,
1
2
T (t) = [1 + 2(cos s t + cos 2s t + cos 3s t + . . .)]
s =
T
T
Logo,
1
2
x(t) = x(t)T (t) = [x(t) + 2(x(t) cos s t + x(t) cos 2s t + x(t) cos 3s t + . . .)]
s =
(11)
T
T
Para o calculo de X(), a transformada de Fourier de x(t) deve-se obter a transformada de cada
termo do lado direito da equacao 11. A transformada do 1o termo e X(). A transformada dos
demais termos que estao multiplicados por cossenoides, seguem uma propriedade da transformada
de Fourier de deslocamento na frequencia. Isto pode provado da seguinte forma, seja a definicao da
integral da transformada de Fourier, dada por
Z
1
x(t) =
X()ejt d
(12)
2
AEDB
30 de agosto de 2012
Processamento de Sinais
12
AEDB
30 de agosto de 2012
Processamento de Sinais
13
x(t)ejt dt
X() =
(13)
Esta relacao pode ser resumida atraves da figura Semelhante a transformada de Laplace existem
diversas tabelas de algumas transformadas de Fourier de algumas funcoes no tempo.
0.3
C
alculo Num
erico da Transformada de Fourier: Transformada de Fourier Discreta(TDF)
Para o calculo de Dn , apresentado na equacao 10, numericamente usando a TDF e necessario que se
possua amostras no tempo do sinal periodico x(t). O intervalo de amostragem e T segundos. Logo,
existirao N0 = T0 /T amostras em um perodo T0 . Para determinar a relacao entre Dn e as amostras
de x(t), considere a equacao 14
1
Dn =
T0
T0
N0 1
N0 1
1 X
1 X
x(kT )ejn0 kT T = lim
x(kT )ejn0 k
T 0 N0 T
T 0 N0
k=0
k=0
x(t)ejk0 t = lim
(14)
sendo
N0 =
T0
T
0 = 0 T =
2
N0
(15)
Fazer T 0 nao sera possvel, portanto o erro computacional para T muito pequeno podera ser
desprezvel. Portanto, pode-se ignorar o limite de T 0 e a equacao 14 torna-se
N0 1
1 X
Dn =
x(kT )ejn0 k
N0 k=0
(16)
(17)
PN0 1
A parcela X(n) = k=0
x(n)WNnk e denominada de TDF de um sinal.
O calculo do TDF envolve diversas multiplicacoes e somas, como por exemplo segue o caso de N=8
amostras, com amostras temporais dadas por x(0),x(1),. . . ,x(7), assim para
X(n) =
N
0 1
X
x(n)WNnk
(18)
k=0
30 de agosto de 2012
Processamento de Sinais
0.3.1
14
A FFT
Pode-se utilizar a eficiente FFT(Transformada Rapida de Fourier) para calcular o lado direito da
equacao 17. Os algoritmos de FFT procuram diminuir os n
umeros de multiplicacoes e adicoes para
o calculo de X(n). Isto se deve ao fato de que W possui periodicidade e simetria. Isto pode ser
compreendido observando nas figuras que seguem:
AEDB
30 de agosto de 2012
Processamento de Sinais
15
Devido a simetria
AEDB
30 de agosto de 2012
Processamento de Sinais
16
logo,
Obtem-se
AEDB
30 de agosto de 2012
Processamento de Sinais
17
Rearranjando tem-se
AEDB
30 de agosto de 2012
Processamento de Sinais
0.3.2
18
A FFT no MATLAB
possvel utilizar o MATLAB para calcular o DFT de amostrar de um sinal x(t) no tempo utilizando
E
o seu comando FFT. Veja alguns exemplos
%Programa para plotar graficos no MATLAB
%Elaborado por: Arlei 15/02/05
close all
clear all
clc
%######################
t = 0:.0001:.625;
y = sin(2*pi*30*t);
SUBPLOT(3,2,1),plot(t,y,-);
TITLE( y = sin(2*pi*30*t));
axis([0 .0625 -1.5 1.5]);grid
%######################
Y=fft(y,6250);
py=abs(Y)/6250;
f=10000*(-3125:3124)/6250
SUBPLOT(3,2,2),plot(f,fftshift(py(1:6250)));
axis([-100 100 -0.2 0.6]);
TITLE(Espectro de freq. y = sin(2*pi*30*t));grid
%######################
t = 0:.0001:.625;
y = SQUARE(2*pi*30*t);
SUBPLOT(3,2,3),plot(t,y,-);
TITLE(y = SQUARE(2*pi*30*t));
axis([0 .0625 -1.5 1.5]);grid
%######################
Y=fft(y,6250);
py=abs(Y)/6250;
f=10000*(-3125:3124)/6250
SUBPLOT(3,2,4),plot(f,fftshift(py(1:6250)));
axis([-100 100 -0.2 0.6]);
TITLE(Espectro de freq. y = SQUARE(2*pi*30*t));grid
%######################
t = 0:.0001:.625;
y = sawtooth(2*pi*30*t);
SUBPLOT(3,2,5),plot(t,y);
TITLE(y = sawtooth(2*pi*30*t));
axis([0 .0625 -1.5 1.5]);grid
%######################
Y=fft(y,6250);
py=abs(Y)/6250;
f=10000*(-3125:3124)/6250
SUBPLOT(3,2,6),plot(f,fftshift(py(1:6250)));
axis([-100 100 -0.2 0.6]);
TITLE(Espectro de freq. y = sawtooth(2*pi*30*t));grid
AEDB
30 de agosto de 2012
Processamento de Sinais
19
30 de agosto de 2012
Processamento de Sinais
20
clc
a=62.5;
ts=0.0005;
w=500
%######################
t = 0:ts:a-ts;
y = square(2*pi*w*t);
SUBPLOT(1,2,1),plot(t,y,-);
TITLE( y = sin(2*pi*30*t));
axis([0 a -1.5 1.5]);grid
%######################
Y=fft(y,a/ts); py=abs(Y)/(a/ts);
f=(1/ts)*(((-(a/ts)/2)):(((a/ts)/2)-1))/(a/ts);
SUBPLOT(1,2,2),plot(f,fftshift(py(1:(a/ts))));
axis([-10*w 10*w -0.2 0.9]);
TITLE(Espectro de freq. y=sin(2*pi*30*t));grid
%######################
AEDB
30 de agosto de 2012
Processamento de Sinais
AEDB
21
30 de agosto de 2012