Processamento Digital de Sinais

2COP231
Processamento Digital de Sinais
Aula 1
Sinais e Sistemas Discretos
barbon@uel.br
2COP231
Conteúdo:
1) Introdução;
2) Sinais Discretos e Propriedades e operações com sinais;
3) Sequências (Sinais) básicos;
4) Sistemas Discretos;
5) Propriedades de Sinais Discretos;
6) Sistemas Lineares Invariantes com (no) Tempo (LIT);
7) Propriedades de Sistemas LIT;
8) Exercícios;
Aula 1 - Sinais e Sistemas Discretos I barbon@uel.br

2COP231
1) Introdução
Sinais são informações que podem ser transmitidas ou processadas.
Para a Engenharia podem ser de tempo contínuo ou discreto, ainda

podendo ser analógicos ou digitais.
digitais
Exemplo – Microfone transformando sinal de voz (onda sonora – mecânica)

em uma tensão variável (sinal analógico) e amostrando para
processamento (sinal digital).
http://karbosguide.com/hardware/module7c1.htm

2COP231
1) Introdução
Exemplos de Sinais:
- Analógico:
a) Som como onda mecânica no ar, água ou fio;
b) Potencial elétrico, sendo esta a diferença de potencial elétrico entre
dois fios;
c) O nível de óleo do carro utilizando uma régua para fazer a medição.
- Digital:
a) Arquivo de áudio MP3 armazenado com 44100 amostras por
segundo e 16bits de resolução a cada amostra;
b) Redes de Computadores, onde a camada física recebe uma
sequência de bits;

2COP231
1) Introdução
Matematicamente um sinal pode ser representado por uma função em um

domínio específico.
O exemplo do microfone pode representar o sinal em função do tempo pela

tensão capturada.
Para que um sinal possa ser manipulado pelo processador é preciso

discretizá-lo. O sinal discreto é aquele que pode ser representado
apenas por valores específicos de um domínio, como por exemplo
números inteiros.

2COP231
1) Introdução
Matematicamente um sinal pode ser representado por uma função em um

domínio específico.
O exemplo do microfone pode representar o sinal em função do tempo pela

tensão capturada.
Para que um sinal possa ser manipulado pelo processador é preciso

discretizá-lo. O sinal discreto é aquele que pode ser representado
apenas por valores específicos de um domínio, como por exemplo
números inteiros.

2COP231
2) Sinais Discretos
É representado por uma sequência numérica, um vetor. Esta sequência é

representada por n, n ∈ Z*,, ou seja, inteiros.
Exemplo, discretizar uma imagem:

- Não é amostrada em função do tempo e sim em função das distâncias
horizontal e vertical, de um ponto tomado como origem;
- Uma imagem pode ser definida como uma função bidimensional f(x, y),
que define a intensidade ou nível de cinza da imagem no ponto x e y.
- Os elementos do vetor que forma uma imagem é chamado de
elementos pictóricos, pels, ou pixels.
pixels
Uma função discreta pode ser obtida por meio de uma função contínua
através da operação de amostragem:
amostragem
x[n] = xc(nTa )
x[n]: é o vetor discreto; xc(t): é a função analógica;
n: é a amostra; Ta: é o período de amostragem.
2COP231
2) Sinais Discretos
Exemplo:
Seja xc(t) = cosπt e Ta = 0,1s
n nTa xc (nTa ) x[n]
0 0,0 1 1
1 0,1 cos(0,1π) cos(0,1π)
2 0,2 cos(0,1π) cos(0,1π)
3 0,3 cos(0,1π) cos(0,1π)
... ... ... ...
Fonte: (Nalon, 2009)

2COP231
2) Propriedades e operações com Sinais Discretos
Operações Algébricas:
- As operações algébricas devem ser feitas amostra por amostra:
Adição: y[n] = x1[n] + x2[n]
Subtração: y[n] = x1[n] – x2[n]
Multiplicação: y[n] = x1[n] x2[n]
Divisão: y[n] = x1[n] / x2[n], se x2[n] ≠ 0.
Mudança de Escala de Amplitude:

- Ajusta o valor de cada amostra de acordo com um escalar.
y[n] = cx[n]
O efeito de tal operação é a modificação na amplitude das amostras x[n]. Se

x<1, a sequência terá amplitude menor, caso x>1 a amplitude será
maior.
Em um arquivo de áudio tal mudança reflete no volume do som
armazenado. O efeito fade (in/out) utiliza tal conceito.
2COP231
Mudança de Escala de Amplitude:
Utilizando o software Audacity para diminuir a amplitude de um arquivo

de áudio.

2COP231
Mudança de Escala do Tempo:

- Ajusta o valor de cada amostra de acordo com um escalar.
y[n] = x[Mn], M ∈ Z*
M: número inteiro, M<0 resultará em um espelhamento do sinal com relação a

origem, M>1 irá realizar a compressão o sinal, M sendo uma fração é possível
realizar a operação de expansão (adicionando 0 quando o elemento não existir).
Deslocamento no Tempo:
- Também chamado de atraso no tempo, é definido como:
y[n] = x[n-k],
x[n k ∈ Z*
k: é o atraso aplicado à sequência

2COP231
Diferenças e Acumulação:
Diferença é análoga à diferenciação (derivada), que pode ser dita como
a diferença entre a amostra e sua subseqüente, descrita em:
∆x[n]
x[n] = x[n] - x[n-1]
A segunda diferença, seria a “diferença da diferença”
∆2 y[n] = ∆(∆ x[n])
A diferença é utilizada para calcular a derivada de uma função contínua

amostrada a um período Ta
dxc (t) / dt ≅ ∆xc(t) / ∆t
Aula 1 - Sinais e Sistemas Discretos barbon@uel.br

2COP231
Diferenças e Acumulação:
A acumulação é definida como a soma das amostras ao longo do tempo
discreto até um instante específico.
n
y[n] = ∑ x[k ]
k = −∞
Desta forma podemos afirmar que:
∑ ∆x[k ] = x[n]
k = −∞

2COP231
Parte real e imaginária:

Uma sequência complexa pode ser decomposta em partes real e
imaginária:
x[n] = xR [n] + jxI [n]

O complexo conjugado é:
x * [n] = xR [n] − jxI [n]

2COP231
Paridade e Simetria Conjugada:

Uma sequência real é par se satisfaz a seguinte condição:
x[n] = x[−n]
Uma sequência é ímpar quando:
x[n] = − x[−n]
Uma sequência x[n] = 0 é a única que não é nem par nem ímpar. Uma
sequência pode ser decomposta em parte par xe e parte ímpar xo:
1 1
xe [n] = ( x[n] + x[−n]) xo [n] = ( x[n] − x[−n])
2 2

2COP231
Paridade e Simetria Conjugada:

Exemplo:
π π
x[n] = cos n − 
4 8
Em (a), o sinal x[n],

em (b) a parte par xe[n] e
em (c) a parte ímpar xo[n].
Fonte: (Nalon, 2009)

2COP231
Periodicidade:
se que uma sequência é periódica quando após um intervalo inteiro
Diz-se
constante (período)) a função repete as mesmas amostras na mesma
sequência. Matematicamente:
x[n] = x[n + N ]
Onde N
é o período da sequência.
É chamada de frequência fundamental a sequência senoidal que tem
o mesmo período N da sequência original, descrita como:
2π
ω0 =
N

2COP231
Periodicidade:
Exemplo:
π π π 
x[n] = sen n n + N ] = sen n + N 
x[n
4 4 4 
π
N = 2π
4
N =8
Operação com sinais periódicos normalmente
resultam em outros sinais periódicos, com
períodos diferentes

2COP231
Energia de um Sinal:
Exemplo:
A energia de um sinal pode ser calculada com base na teoria dos
circuitos, descrevendo:
∞
E= ∑ x[n] ²
n = −∞

2COP231
3) Sequências Básicas
- Desejável decompor um problema em outros menores;

- Reduzir a complexidade e aumentar a capacidade de análise;
- Impulso Unitário
Também chamado de delta de Kroenecker;
Kroenecker
1, se n = 0
δ [ n] = 
0, se n ≠ 0
Imagem 1.6

2COP231
- Impulso Unitário
Decomposição de um sinal como uma soma de impulsos deslocados:
x[n] = 2δ [n + 1] − 1δ [n] + 1δ [n − 1] + 3δ [n − 2]

2COP231
- Degrau Unitário
É definida como:
1, se n ≥ 0
u[n] = 
0, se n < 0
Imagem 1.9

2COP231
- Sequência Exponencial
É definida como:
x[n] = Aα n
Se A e α são números reais, então a sequência será real.
Se 0 < α < 1 e A é positivo então a sequência tem o valor positivo e

descrescente.
Se -1 < α < 0, a sequência é decrescente, mas o sinal das amostras se

alternarão.
Se | α | > 1, então a sequência será crescente em magnitude.

2COP231
- Sequência Exponencial
Se α for um número complexo, então a sequência será complexa, e
escreve-se α como:
jω
α = re
A freqüência da oscilação é definido por ω.
Uma série exponencial também pode ser chamada como série
geométrica.

2COP231
- Sequência Senoidais
Uma sequência senoidal é definida como:
x[n] = A cos(ωn + θ )
Onde, ω é a frequência em radianos;θ é o ângulo de fase em

radianos.
No tempo contínuo, a função senoidal sempre é periódica.
x[n + N ] = A cos(ω (n + N ) + θ )
2πr
ωN = 2πr N=
ω
2COP231
- Sequência Senoidais
π
Exemplo:
x[n] = cos( n)
4
Onde, ω=π/4, assim temos:
2πr
N= = 8r
π /4

2COP231
4) Sistemas Discretos
Algumas operações são realizadas por sistemas de processamento de

sinais digitais, exemplos:
- Transmissão de Vídeo;
- Transmissão de Áudio;
- Armazenamento de música e imagem;
- Enriquecimento e recuperação de imagens degradadas pelo tempo;
- Posicionamento de dispositivos;
- Reconhecimento de Padrões;
- Detecção de Características;
O objetivo de um sistema é transformar um sinal de entrada x[n] em um

sinal de saída y[n].
Matematicamente um sistema é representado pela transformação dada por:
y[n] = H {x[n]}
2COP231
4) Sistemas Discretos
Representação de um sistema de processamento:
x[n] H y[n]
Exemplo:
1
y[n] = ( x[n] + x[n − 1] + x[n − 2])
3
Imagem 1.13

2COP231
4) Propriedades de Sistemas Discretos
As propriedades descritas são propriedades de sistemas discretos.
- Linearidade:
Um sistema é linear quando satisfaz os princípios da:
a) Homogeneidade;
H {ax[n]} = aH {x[n]}
b) Superposição;
H {x1[n] + x2 [n]} = H {x1[n]} + H {x2 [n]}

2COP231
De forma compacta:
N  N
H ∑ ai xi [n] = ∑ ai H {xi [n]}
 i =1  i =1
Imagem 1.14

2COP231
- Invariância com o Tempo:

O atraso na sequência da entrada não causa distorções na saída,
apenas um atraso da mesma magnitude na saída.
y{n − k} = H {x[n − k ]}
Esta propriedade é chamada de invariância com o deslocamento.

2COP231
- Memória
Quando as amostras da sequência da saída dependem de amostras
passadas, seja da sequência de entrada, seja da própria saída.
Se o sistemas precisa armazenar amostras do sinal de entrada ou do

sinal de saída para obter a próxima amostrada da saída.
y[n] = x[n − k ]
com k diferente de 0.

2COP231
- Causalidade
O sistema é causal se as amostras do sinal de saída dependem apenas
da amostra atual e das amostras passadas do sinal de entrada.
Sistemas de tempo real são invariavelmente causais, uma vez que é

impossível, em tempo real, obter amostras futuras do sinal de entrada.
1
y[n] = ( x[n + 1] + x[n] + x[n − 1])
3

2COP231
- Realimentação
Quando a amostra atual do sistema de saída depende de outra
amostra passada do sistema de saída.
Para que as amostrar possam ser aproveitadas, utiliza-se

utiliza a memória.
1 1
y[n] = x[n] − y[n − 1]
2 4
Imagem 1.15

2COP231
- Estabilidade
Instabilidade: quando a saída apresenta distorções.
Existem vários critérios para determinar a estabilidade, o mais comum
é o “entrada limitada, saída limitada”.
Sistemas lineares sem realimentação e com memória limitada não
terão problemas de estabilidade, pois o número de amostras é
limitado.
Sistemas realimentados podem ser instáveis, pois elementos de saída
são utilizados para recomposição.
Realimentação ampliada na saída transforma o sistema em um
instável.

2COP231
- Invertibilidade:
É a capacidade de retornar ao sinal original com base no sinal de
saída.
Se dada saída obtida de um sistema de processamento for possível
recuperar o sinal de entrada, dizemos que o sinal é inversível.
−1
H {H {x[n]}} = x[n]
H-1 é chamado de inverso de H.

2COP231
5) Sistemas Lineares Invariantes com o Tempo (LIT)
- Resposta ao Impulso
Sistemas LIT podem ser descritos pela sua resposta ao impulso.
h[n] = H {δ [n]}
Se conhecemos a resposta do sistema ao impulso, podemos
descrever como ele se comporta para qualquer entrada.

2COP231
- Convolução
A convolução é representada por um “*” (asterisco).
∞
x[n] * h[n] = ∑ x[k ]h[n − k ]
k = −∞
A saída de um sistema pode ser dado pela Convolução da entrada pela

sua resposta ao impulso;
A convolução de duas funções resulta na multiplicação de suas

Transformadas de Fourier no Domínio da Freqüência.

2COP231
- Filtros Lineares
Sistemas que convertem x[n] em y[n] recebem o nome de Filtro, isso
porque um H{x[n]}, normalmente é utilizado para selecionar
características do sinal.
Se o sistema é linear, o filtro é chamado de filtro linear.
Quando o filtro é linear, as características selecionadas e filtradas são

frequências componentes do sinal.
Todo sinal pode ser decomposto em um somatório de cossenos com

frequências determinadas.

2COP231
- Filtros Lineares
Os filtros podem ser:
- Filtro passa-baixas: A saída apresenta apenas baixas frequências;
- Filtro passa-altas: A saída apresenta somente altas frequências;
- Filtro passa-faixas: Permite apenas frequências intermediárias;
- Filtro rejeita-faixas: Bloqueia certas frequências;
- Filtro ideal: Rejeita frequências indesejadas e mantém a amplitude
idêntica da banda desejada.
A principal característica de um filtro é sua frequência de corte, chamada

ωc. Os filtros passa-baixas e passa-altas
passa ideais tem resposta ao
impulso:
senωc n senωc n
h[n] = h[n] = (−1)
πn πn
2COP231
6) Propriedades de Sistemas LIT
Sistemas LIT são representados pela convolução com a resposta ao

impulso h[n] e apresentam várias propriedades
- Elemento Neutro:
Em uma operação o elemento neutro é aquele que quando é um dos
operandos,, faz com que o resultado da operação seja o outro operando.
Por exemplo o elemento neutro da convolução seria a função impulso,

ou seja:
x[n] * δ [n] = x[n]

2COP231
- Extensão:
Considerando x[n] e h[n] com sequências,
sequências contendo Nx e Nh amostras,
o resultado de y[n] = x[n]*h[n] será uma sequência com Ny = Nx +
Ny -1 amostras.
x[n] * δ [n] = x[n]

2COP231
- Comutatividade:
A ordem em que os operando estão não tem importância.
A convolução é comutativa.
Sua representação matemática é:
x[n] * h[n] = h[n] * x[n]

2COP231
- Distributividade ou Paralelismo:
A convolução é distributiva:
x[n] * (h1[n] + h2 [n]) = x[n] * h1[n] + x[n] * h2 [n]
Imagem 1.19

2COP231
- Associativa ou Cascateamento:
Sistemas subseqüentes podem ser combinados em um único sistema
por meio da propriedade do cascateamento.
cascateamento
Por exemplo os processos de amplificação e cancelamento de eco para

arquivos de áudio.
( x[n] * h1[n]) * h2 [n]) = x[n] * (h1[n] * h2 [n])
Imagem 1.20

2COP231
- Causalidade
Um sistema LIT será causal se e somente se:
h[n] = 0, n < 0
A contribuição de cada uma das amostras futuras do sinal de entrada
deve ser nula, independente das propriedades do sinal.

2COP231
- Estabilidade
Um sistema LIT é estável se:
∞
| h[n] |≤ ∑ | x[n − k ] || h[k ] | .
k = −∞
Ou seja, a resposta ao impulso deve ser absolutamente somável.

2COP231
- Resposta a Sinais Senoidais

Uma propriedade importante é a fidelidade das funções senoidais.
A resposta de um LIT é uma senóide de mesma frequência,

possivelmente com amplitude e fase modificada.
x[n] = e jwn
= cos ωn + jsenωn
Para uma frequência fixa ω, portanto, H(ω) será um valor único e
determinado.
O resultado é uma função senoidal de mesma frequência ω, com
amplitude e fase modificada. Por esse motivo as funções senoidais são
chamadas de auto-funções de sistemas lineares, analogamente a
autovetores e autovalores da álgebra matricial.
H (ω )e jwn
= αe jwn
A função H(ω)) é chamada como resposta em frequência do LIT.

2COP231
Referências:
NALON, J.A. - INTRODUÇAO AO PROCESSAMENTO DIGITAL DE SINAIS

(http://books.google.com.br/books?id=SeCBPgAACAAJ)

Processamento Digital de Sinais - Aula 1 - UEL

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Processamento Digital de Sinais - Aula 1 - UEL

Transféré par

Droits d'auteur :

Formats disponibles

2COP231

Aula 1 - Sinais e Sistemas Discretos I barbon@uel.br

Sinais são informações que podem ser transmitidas ou processadas.

Para a Engenharia podem ser de tempo contínuo ou discreto, ainda

Exemplo – Microfone transformando sinal de voz (onda sonora – mecânica)

Aula 1 - Sinais e Sistemas Discretos I barbon@uel.br

Aula 1 - Sinais e Sistemas Discretos I barbon@uel.br

Matematicamente um sinal pode ser representado por uma função em um

O exemplo do microfone pode representar o sinal em função do tempo pela

Para que um sinal possa ser manipulado pelo processador é preciso

Aula 1 - Sinais e Sistemas Discretos I barbon@uel.br

Matematicamente um sinal pode ser representado por uma função em um

O exemplo do microfone pode representar o sinal em função do tempo pela

Para que um sinal possa ser manipulado pelo processador é preciso

Aula 1 - Sinais e Sistemas Discretos I barbon@uel.br

É representado por uma sequência numérica, um vetor. Esta sequência é

Exemplo, discretizar uma imagem:

Fonte: (Nalon, 2009)

Aula 1 - Sinais e Sistemas Discretos I barbon@uel.br

2) Propriedades e operações com Sinais Discretos

Mudança de Escala de Amplitude:

O efeito de tal operação é a modificação na amplitude das amostras x[n]. Se

2) Propriedades e operações com Sinais Discretos

Mudança de Escala de Amplitude:

Utilizando o software Audacity para diminuir a amplitude de um arquivo

Aula 1 - Sinais e Sistemas Discretos I barbon@uel.br

2) Propriedades e operações com Sinais Discretos

Mudança de Escala do Tempo:

M: número inteiro, M<0 resultará em um espelhamento do sinal com relação a

k: é o atraso aplicado à sequência

Aula 1 - Sinais e Sistemas Discretos I barbon@uel.br

2) Propriedades e operações com Sinais Discretos

A segunda diferença, seria a “diferença da diferença”

∆2 y[n] = ∆(∆ x[n])

A diferença é utilizada para calcular a derivada de uma função contínua

Aula 1 - Sinais e Sistemas Discretos barbon@uel.br

2) Propriedades e operações com Sinais Discretos

Desta forma podemos afirmar que:

Aula 1 - Sinais e Sistemas Discretos barbon@uel.br

2) Propriedades e operações com Sinais Discretos

Parte real e imaginária:

x[n] = xR [n] + jxI [n]

x * [n] = xR [n] − jxI [n]

Aula 1 - Sinais e Sistemas Discretos barbon@uel.br

2) Propriedades e operações com Sinais Discretos

Paridade e Simetria Conjugada:

Aula 1 - Sinais e Sistemas Discretos barbon@uel.br

2) Propriedades e operações com Sinais Discretos

Paridade e Simetria Conjugada:

Em (a), o sinal x[n],

Fonte: (Nalon, 2009)

2) Propriedades e operações com Sinais Discretos

Aula 1 - Sinais e Sistemas Discretos barbon@uel.br

2) Propriedades e operações com Sinais Discretos

Aula 1 - Sinais e Sistemas Discretos barbon@uel.br

2) Propriedades e operações com Sinais Discretos

Aula 1 - Sinais e Sistemas Discretos barbon@uel.br

- Desejável decompor um problema em outros menores;

Aula 1 - Sinais e Sistemas Discretos barbon@uel.br

Aula 1 - Sinais e Sistemas Discretos barbon@uel.br

Aula 1 - Sinais e Sistemas Discretos barbon@uel.br

Se A e α são números reais, então a sequência será real.

Se 0 < α < 1 e A é positivo então a sequência tem o valor positivo e