Académique Documents
Professionnel Documents
Culture Documents
Pomilio
A anlise, agora, trata de sinais contnuos, porm amostrados no tempo. Os mtodos das
transformadas de Fourier e Laplace so muito teis para tratar funes temporais contnuas mas
no para tratar sinais amostrados usando processamento digital.
( t ) = para t = 0
( t ) = 0 para t 0
( t ). dt = 1
para t = 0
= 0 para t 0
V-se que a integral do impulso a funo degrau. Ou ainda,
( t t a ) = para t = t a
( t t a ) = 0 para t t a
( t t a ). dt = 1 para t = t a
=0 para t ta
(0) (ta)
0 t 0 ta t
Pela definio de TF tem-se: ( ) = ( t ). e j t . dt
Atravs da funo pode-se discretizar uma funo contnua f(t) em um instante t=ta
qualquer, uma vez que a integral define o valor da funo apenas para o instante t=ta , sendo zero
para qualquer outro instante:
( t t a ). f ( t ). dt = f ( t a )
o que quer dizer que o impulso na origem contm todas as freqncias com igual amplitude e
deslocamento nulo de fase. Essa a razo pela qual, idealmente, basta aplicar um impulso para se
determinar a resposta em freqncia de um sistema.
G( ) = 1
1
(0)
0 t G( ) = 0
G( ) = 1
1
(0)
1 0
G( ) = T
0 T cresc. t
T
-
T cresc.
f ( kT ) = x o . ( t ) + x1 . ( t T ) + x 2 . ( t 2T )+ .... k = 0 ,1,2...
( ) = x 0 + x 1 .e j T + x 2 .e j 2 T + ... = x
k = 0 ,1 , 2 ...
k .e jk T < <
Essa a chamada Transformada Discreta de Fourier (TDF). Apesar de ser fcil escrever a
TDF para uma srie de amostras de um sinal, a visualizao da forma resultante para () no
simples. Isso se deve a:
F()
/T 2/T
-2/T -/T 0
Coeficientes da TF:
T1
2
1
a0 =
T1 A.cos( t ).dt = 0
T
1
1
2
T1 T1
2 2
1 1
A. cos( t ). e A. cos t. (cos t j sen t ). dt
j 1 t
a1 = 1 . dt = 1 1 1
T1 T T1 T1
1
2 2
T1
2
A 1 A A
=
T1 T1 2
.(1 sen 21t ). dt =
2T1
.T1 =
2
2
T1
2
1
A. cos(k. t ). e
j 1 t
ak = 1 . dt = 0 k 1
T1 T
1
2
1 2
a0 =
T1 A . dt = T
1
A
2
sen k
2A sen( k 1 ) 2A T
ak = . = .
1
k0
T1 k 1 T1 2
k
T1
Se essa onda quadrada for amostrada com intervalo de amostragem T, tem-se a repetio
desse espectro em torno de /T.
2
Obs: Se na amostragem T0, ento , ou seja, a repetitividade do espectro tende a sumir e
T
volta-se ao sinal contnuo.
Como se v, o espectro que interessa encontra-se na faixa < . Como o espectro
T T
simtrico em torno da origem, basta obter o espectro na faixa 0 .
T
Se T aumenta (taxa de amostragem diminui), a distncia entre as funes SINC diminui,
criando superposio dos espectros, o que pode comprometer a filtragem para se isolar apenas o
lbulo central do espectro.
Na prtica, o processo de amostragem do sinal tem comeo e fim, resultando uma seqncia
finita de amostras. interessante verificar o efeito que essa limitao impe sobre o espectro
estimado. Para ilustrar, tome-se uma seqncia de nove amostras:
0 T 9T t
Suponha-se que esse sinal volta a se repetir, repetindo-se a cada intervalo T1= 9T.
0 T T1 2T1 t
1 =
2 2
=
T1 9T
[rd s ].
8 10
A 4 harmnica ser 4 = 4 1 = e a 5 harmnica 5 = . Portanto, se a informao do
9T 9T
espectro est contida em s possvel obter o espectro at a 4 harmnica. O restante uma
T
repetio espelhada desse espectro a partir de = .
T
Isso no surpresa pois, pelo teorema de amostragem, necessita-se de pelo menos duas
amostras por perodo para ter a informao de freqncia e, com 9 amostras, s se pode obter o
nvel CC e mais 4 harmnicas.
Uma outra forma de sintetizar isso dizer que com N amostras pode-se obter N/2 freqncias
harmnicas. Notar que ao diminuir o intervalo de amostragem, T, aumenta a resoluo em
freqncia.
A TDF uma transformao que se aplica para sinais amostrados e que leva ao algoritmo de
clculo da Transformada Rpida de Fourier (em ingls FFT). O algoritmo da FFT permite calcular
N componentes do espectro contidos no intervalo 0 , a partir do processamento de N
2 T
amostras temporais do sinal, igualmente espaadas de T. O espaamento ou resoluo em
freqncia () dado por:
max
= onde max = T = intervalo de amostragem
N T
2
2
Logo: = N = n o de amostras do sinal
N .T
2k
A freqncia da k-sima harmnica , portanto: k = k = 0,1,2....N-1
NT
( ) = x o + x1 . e jT + x 2 . e j 2T + x 3 . e j 3T ...+ x N 1 . e j( N 1 )T
2 k 2 k 2 k 2 k
j j2 j3 j ( N 1 )
( ) = X ( k ) = x0 + x1 . e N
+ x 2 .e N
+ x 3 .e N
= ...x N 1 . e N
N 1 kn
j2
= xn . e N
k=0,1,2...N-1
n =0
Assim, para obter a TDF do sinal amostrado tem-se que variar os valores de n e k. Para
simplificar a notao, define-se o operador complexo de rotao que aparece em todas as N
amostras como sendo:
j .2 2 2
WN = e N
= cos j . sen
N N
Notar que quanto maior o valor de N, menor o deslocamento angular dado por WN.
Usando a notao compacta, a TDF das N amostras fica sendo:
N 1
X ( k ) = x N .W Nn k k = 0 ,1,2...N 1 ordem harmnica
n =0
N = 128 = 2 7
N 2 = 2 14 = 16384 reduo de 9:1 operaes
2 N log 2 N = 256 .7 = 1792
N = 1024 = 2 10
N 2 = 2 20 = 1048576 reduo de 51:1 operaes
2 N log 2 N = 2048 .10 = 20480
N N
1 1
2 2
X (k ) = x
r =0
2r .WN2 r k + x2 r +1.WN( 2 r +1) k
r =0
W = e
j 2 j 4 N
=e =e = WN
2 N N 2
N
2
Levando em conta essa redundncia conclui-se que cada somatrio torna-se uma TDF de
N amostras:
2
N N
1 1
2 2
X( k ) = x
r =0
.W Nrk2 + W Nk . x 2 r +1 .W Nr k
2r
r =0 2
k = 0 ,1,2...N 1
1 4243 1 44244 3
TDF par TDF mpar
Como N continua sendo nmero par, pode-se repetir essa quebra, resultando 4 TDF de N
2 4
amostras. Continuando, chega-se a N TDF de apenas 2 amostras. Esse processo de quebra das
2
amostras temporais em subconjuntos chamado dizimao temporal. A cada etapa tem-se uma
relao entre as TDF de um estgio m para o seguinte, do tipo:
X k k (p) + W k . X k (q)
(p) = X m (I)
m +1 N m
k
onde X m ( p , q ) = valores das TDF pares (p) e mpares(q) no estgio m para harmnica k;
m = estgio da dizimao m=1,2,3...
p, q = ndices par e mpar p,q=0,1,2...( N 1 )
2
k = ordem harmnica k=0,1,2...N-1
A expresso (I) anterior d os termos pares de X mk +1 . Faltam os termos mpares. Notar que o
ndice k varia at N-1, enquanto r varia at (
N
1). Para os demais termos, k = r + N , os
2 2
coeficientes da TDF iro se repetir, pois como:
(r + N )
j . 2 2
}1
r+N N j 2r j 2r
W N
2
=e
=e N
. e j = e N
= WNr
N
basta calcular os operadores W Nr para r = 0 ,1,2...( 1 ) , e usar o seguinte par de equaes para
2
N
k = r = 0 ,1,2...( 1).
2
X mk +1 ( p ) = X mk ( p) + WNk . X mk (q) p conjunto par
X mk +1 (q ) = X mk ( p) WNk . X mk (q ) q conjunto mpar
EXEMPLO:
Supondo N=23=8 amostras, o clculo da FFT pode ser representado pelo seguinte diagrama
que ter =3 estgios. A decomposio (dizimao) comea de trs para frente para se chegar
operao inicial entre duas amostras.
Primeira dizimao:
m=1 m=2 DFT (N=8) m=3
k
X2 (0)
x0 X3 (0) 0
W0
x2 X3 (1) 1
par DFT 1
(N=4) W
x4 X3 (2) 2
2
W
x6 X3 (3) 3
3
W
x1 W4 X3 (4) 4
x3 W5 X3 (5) 5
DFT
mpar (N=4)
x5 W6 X3 (6) 6
x7 W7 X3 (7) 7
X2 (7)
N
r+
Devido simetria do tipo WN 2
= WNr pode-se escrever:
W 4 = W 0
W 5 = W 1
W 6 = W 2
W 7 = W 3
X1 (4)
x1 W4 X3 (4) 4
par DFT W
0
(N=2) X3 (5) 5
x5 2 W5
W
x3 X3 (6) 6
DFT W
4
W6
mpar
(N=2) X3 (7) 7
x7 6
W W7
X1 (7) X2 (7)
X1 (4)
x1 0
W4 X3 (4) 4
W 0
W
4
x5 W 2 W
5 X3 (5) 5
W
x3 X3 (6) 6
W
4
W6
0
W
x7 W
4
W
6 7
W
X3 (7) 7
X1 (7) X2 (7)
Figura 4.14 Terceiro estgio de dizimao
Portanto, o algoritmo para N=8 amostras pode ser reduzido s seguintes operaes:
x0 X (0)
0
x4 W -1 X (1)
x2 0 X (2)
W -1
x6 0 -1 W
2
X (3)
W -1
x1 W0 -1 X (4)
0 -1 1
x5 W W -1 X (5)
x3 W
0
-1 X (6)
-1 W2
x7 W
0 -1 W
2
-1 W3 -1
X (7)
N=4
AMOSTRA ORDEM BITS REVERTE ORDEM
INICIAL FINAL
X(1) 0 00 00 0
X(2) 1 01 10 2
X(3) 2 10 01 1
X(4) 3 11 11 3
N=8
AMOSTRA ORDEM BITS REVERTE ORDEM
INICIAL FINAL
X(1) 0 000 000 0
X(2) 1 001 100 4
X(3) 2 010 010 2
X(4) 3 011 110 6
X(5) 4 100 001 1
X(6) 5 101 101 5
X(7) 6 110 011 3
X(8) 7 111 111 7
X m +1 ( p ) = X m ( p ) + W r X m (q )
borboleta bsica
X m +1 (q ) = X m ( p ) W r X m (q )
Para fazer as trocas de posio que permitem o clculo da FFT in loco e economizar memria
do computador, utiliza-se um algoritmo clssico que faz essa reverso.
Seja o vetor de amostras temporais designado por: X(I) = [1,2,3...N]
O algoritmo seguinte faz a troca de posies Xi de acordo com a regra da reverso de bits.
Incio: escolha
N= potncia de 2
X(I)=[1,2,3...N]
Imprimir vetor
de entrada X(I)
L=1
Imprimir vetor
I=1, N-1 Fim
de sada X(I)
I:L
<
XL=X(L)
X(L)=X(I)
K=N/2
L=L+K K:L
<
L=L-K
K=K/2
Figura 4.16 Algoritmo para troca de posio de dados, baseado na reverso de bits.
Seja N=4
Amostras X(1) X(2) X(3) X(4)
L=1
I=1 Y(1)=X(1) (no muda)
I=L
K=N/2=2
K>L
L=L+K=1+2=3
I=2
I<L
XL=X(3)
X(3)=X(2) Y(3)=X(2) [antigo X(2)]
X(2)=XL Y(2)=X(3) [antigo X(3)]
K=N/2=2
K<L
L=L-K=3-2=1
K=K/2=1
K=L
L=L+K=1+1=2
I=3
I>L
K=N/2=2
K=L
L=L+K=2+2=4
I=4 Y(4)=X(4) (no muda)
Fim do programa
Supondo que o vetor de entrada j tenha sido revertido, pode-se operar os termos Yi segundo
a regra da borboleta, varrendo os diversos estgios da dizimao ordenadamente. O algoritmo
apresentado a seguir realiza essas operaes para um vetor [Y], definido como complexo, de
tamanho N=2M. Nesse algoritmo o vetor Y(I) deve ser definido como varivel complexa, assim
como U e W.
Entrada: vetorY(I)
[X(I) revertido]
M=log2N
L=1, M
LE=2^L
U=1+j0
W=cos(2/LE)-jsen(2/LE)
K=1, LE/2
IP=K, N step LE
IQ=IP+LE/2
T=Y(IQ)*U
Z(IQ)=Y(IP) -T
Z(IP)=Y(IP) +T
U=U*W
Imprimir vetor
de saida Z(I)
Fim
Figura 4.17 Algoritmo das operaes "borboleta" da FFT.
Para testar todo o processo da FFT precisa-se inicialmente gerar a seqncia de amostras do
sinal de entrada e no final converter o vetor de sada em espectro de amplitude e fase das
harmnicas.
Duas situaes devem ser consideradas: quando se conhece a frequncia fundamental do
sinal a ser analisado (que , normalmente, o caso de aplicaes no sistema eltrico) e quando se
desconhece o sinal a ser analisado.
Essa informao til para se converter o vetor de sada para a escala de freqncias
correspondentes, pois permite saber a qual frequncia corresponde cada posio do vetor de sada
da FFT, o qual comea em zero (nvel mdio) e segue com os mltiplos inteiros de f, at (n-1)f.
Exemplo:
Sinal conhecido: f1=60 Hz; 16 amostras por ciclo, 4 ciclos amostrados.
Tempo total de amostragem: 4/60 s.
Total de amostras: 16*4=64 amostras
Frequncia de amostragem: 16*60=960 Hz
Intervalo de amostragem: T=1,04166 ms
Resoluo espectral: 60/4 = 15 Hz
Im( Z I )
I = tg 1 dependendo do quadrante e de Re(.) 0 e I>1
Re( Z I )
OBS: para obter preciso da fase preciso sobre-amostrar o sinal. Para N=512 pontos por
ciclo, o erro no ngulo (em graus) aproximadamente igual ordem harmnica, ou seja:
I=2 (Componente fundamental) 10
I=6 (quinta harmnica) 50
Exemplo
Seja uma onda quadrada com 4 amostras por perodo (N=4):
O valor A0 corresponde ao valor mdio. Devido ao uso da srie na forma complexa bilateral,
as amplitudes das harmnicas so metade do valor real. A1 corresponde componente na
frequncia fundamental, A2 corresponde segunda harmnica e assim sucessivamente.
No entanto, sabe-se que com 4 amostras possvel identificar at a segunda componente
harmnica, ou seja, aps esta frequncia os resultados no tm significado. Neste exemplo, o valor
da componente A3, que corresponderia terceira harmnica, deve ser descartado.
Quando se analisa o valor da componente fundamental, observa-se que o mesmo est errado,
pois sabido que a fundamental desta onda quadrada tem amplitude 4/. Ou seja, a amostragem
muito reduzida, embora permita identificar corretamente a frequncia, no capaz de calcular
corretamente a amplitude.
Na verdade, o valor identificado corresponde ao de uma senide de mesma frequncia e com
amplitude 2, amostrada nos ngulos de 45, 135, 225 e 315, ou seja, com os mesmo valores
das amostras da onda quadrada original.
A figura a seguir mostra o resultado do algoritmo da FFT, sempre tomando apenas 4
amostras por ciclo, mas analisando um nico ciclo (resoluo de 60Hz) e analisando quatro ciclos
(resoluo de 15 Hz). Os resultados devem ser considerados at a componente A2, e coincidem nas
freqncias detectadas e na amplitude (ambas erradas). O termo A3 pode ser analisado como a
reflexo do espectro em frequncia em torno da frequncia de Nyquist, ou seja a mxima
frequncia observvel (120 Hz, neste caso).
0.8 0.8
0.7 0.7
X: 60
Y: 0.7071
0.6 0.6
0.5 0.5
0.4 0.4
0.3 0.3
0.2 0.2
0.1 0.1
0 0
0 20 40 60 80 100 120 140 160 180 0 50 100 150 200 250
a) b)
Figura 4.19 FFT de onda quadrada em 60 Hz, amplitude unitria, com quatro amostras por ciclo:
a) Um ciclo de observao; b|) Quatro ciclos de observao (resoluo de 15 Hz).
0.7
0.6 X: 60
Y: 0.6376
0.5
0.4
0.3
0.2
0.1
0
0 200 400 600 800 1000 1200 1400 1600 1800 2000
Figura 4.20 FFT de onda quadrada em 60 Hz, amplitude unitria e 32 amostras por ciclo.
Espectro analisvel at 16 x 60=960Hz.
Tome-se agora para anlise uma onda senoidal (amplitude unitria) com 20% de 5
harmnica (300Hz), 10% de nona harmnica (540Hz), e de um nvel CC unitrio. O sinal e o
respectivo espectro so mostrados a seguir.
O algoritmo identifica exatamente o nvel CC, bem como as componentes oscilatrias, tanto
em termos de frequncia quanto de amplitude. A amostragem leva a uma frequncia de Nyquist de
960Hz e garante que no h interferncia entre os componentes dos espectros, de modo que os
valores de amplitude so corretamente estimados. Em relao fase, os valores obtidos para as
harmnicas so: 56,25 para a fundamental, -33,75 para a quinta harmnica e 168,8 para a nona
harmnica. Os valores presentes na funo contnua so, respectivamente: 45, 0 e 0.
Verifica-se assim a baixa exatido na estimativa das fases. Para melhorar estes valores
preciso sobre-amostrar o sinal, ou seja, ter muitas mais amostras por ciclo e por harmnica de
interesse.
Com 32 amostras por ciclo, o erro, na frequncia fundamental de 360/32=11,25. Na quinta
harmnica ser cinco vezes maior, ou seja, 56,25, e assim por diante.
2.5
1.5
0.5
- 0.5
0 20 40 60 80 100 120 140
200
1
0.9 150
0.8
100 X: 60
0.7 Y: 56.25
50
0.6 X: 60
Y: 0.5
0.5 0
0.4 -50
0.3
-100
0.2
-150
0.1
0 -200
0 200 400 600 800 1000 1200 1400 1600 1800 2000 0 200 400 600 800 1000 1200 1400 1600 1800 2000
Figura 4.21 Forma de onda e respectivo espectros de amplitude e de fase obtidos com 32 amostras
por ciclo.
Ao reduzir a taxa de amostragem para 16 amostras por ciclo, a frequncia em torno da qual
se d o espelhamento do espectro se reduz para 480 Hz, como mostra a figura a seguir,
impossibilitando qualquer anlise acima desta frequncia. O nvel CC continua adequadamente
estimado, no entanto h um embaralhamento nas componentes de ordem elevada, pois a
componente vista em 420Hz no existe no sinal, sendo o reflexo da nona harmnica. Neste caso,
como no h coincidncias entre as componentes originais e as refletidas, as amplitudes so
corretas.
2.5 1
0.9
2 0.8
0.7
1.5
0.6
1 0.5
0.4
0.5
0.3
0.2
0 X: 420
0.1 Y: 0.05
-0.5 0
0 10 20 30 40 50 60 70 0 100 200 300 400 500 600 700 800 900 1000
dB Razo(A) Razo(P)
40 100 104
20 10 100
10 10 10
3 2 2
0 1 1
1
-3 0,5
2
1
-10 0,1
10
-20 0,1 0,01
-40 0,01 10-4
Obs: Notar que 20dB corresponde a 1 dcada em amplitudes e que 3dB corresponde razo 2 de
potncias.
A1
A1
Ak
Ak
0 f1 fk 0 f1 fk
Ciclos completos. Ciclos incompletos.
Figura 4.23 Efeito de aplicao de FFT sobre amostras que no se referem a ciclos completos do
sinal.
Este efeito pode ser visualizado no sinal a seguir, que apresenta a mesma forma de onda
mostrada anteriormente mas com um nmero no inteiro de ciclos, bem como o respectivo
espectro. Note que a identificao da frequncia ainda se mostrou correta (o que nem sempre
acontece, pois pode haver um deslocamento do pico), mas com grande erro de amplitude.
2.5 1
2
0.8
1.5
0.6
1 X: 60
Y: 0.3988
0.4
0.5
0 0.2
-0.5 0
0 20 40 60 80 100 120 140 0 500 1000 1500 2000
Como esse erro devido basicamente ao truncamento do sinal, uma forma usual de se
contornar tal efeito utilizar funes de ponderao ou janelas ("windows") para atenuar o
impacto de truncamento. Essas janelas, porm, alteram a energia do sinal e, por isso, introduzem
um fator adicional de escala de amplitude.
Existem muitos tipos de janelas e cada uma produz um efeito particular sobre o espectro do
sinal. Pode-se dizer que uma janela causa dois efeitos principais sobre o espectro:
a) reduz o efeito de vazamento e, portanto, atenua as raias laterais do espectro calculado,
melhorando a identificao de frequncias;
b) "engorda" a banda em torno das raias principais, afetando a identificao da amplitude.
A1
A1
Ak Ak
0 f1 fk 0 f1 fk
O que distingue uma janela da outra o compromisso entre esses dois efeitos. Por exemplo:
W ( k ) =1 0 k N 1
Janela re tangular
W ( k )=0 diferente
W ( k )= 2 k 0 k N
N 2
Janela triangular
2k
W ( k )= 2 N kN
N 2
k
W ( k ) = 0 ,54 0 , 46 cos 2 N 0 k N 1
Janela Hamming
W ( k )=0 diferente
2 0.6
1.5 0.5
0.4
1
X: 60
0.3 Y: 0.2454
0.5
0.2
0
0.1
-0.5 0
0 20 40 60 80 100 120 140 0 500 1000 1500 2000
Figura 4.26 Aplicao da janela de Hamming em sinal amostrado e seu efeito sobre o espectro.
0 0 0
-20dB -20dB -20dB
-40dB
Figura 4.28 Janela retangular com nmero inteiro (esq) e fracionrio (dir) de ciclos.
Considerando uma onda quadrada, quando se tem uma quantidade de ciclos inteiros, a
identificao da frequncia correta, assim como a amplitude. No caso ilustrado na figura a seguir,
a onda quadrada tem 2V de amplitude, o que leva a uma fundamental com 2,546V de amplitude e
1,8V de valor eficaz. No entanto, para ciclos fracionrios, repetem-se os erros na identificao da
frequncia e no valor da amplitude.
Figura 4.30 Janela Hamming com nmero inteiro (esq) e fracionrio (dir) de ciclos.
Figura 4.31 Efeito do aumento do nmero de ciclos na FFT para diferentes janelas.