Académique Documents
Professionnel Documents
Culture Documents
Aula 1
Sinais e Sistemas Discretos
barbon@uel.br
2COP231
Processamento Digital de Sinais
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;
1) Introdução
http://karbosguide.com/hardware/module7c1.htm
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;
1) Introdução
1) Introdução
2) Sinais Discretos
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.
Aula 1 - Sinais e Sistemas Discretos I barbon@uel.br
2COP231
Processamento Digital de Sinais
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)
... ... ... ...
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.
y[n] = cx[n]
y[n] = x[Mn], M ∈ Z*
Deslocamento no Tempo:
- Também chamado de atraso no tempo, é definido como:
y[n] = x[n-k],
x[n k ∈ Z*
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]
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 = −∞
∑ ∆x[k ] = x[n]
k = −∞
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
π π
x[n] = cos n −
4 8
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
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
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 = −∞
3) Sequências Básicas
- Impulso Unitário
Também chamado de delta de Kroenecker;
Kroenecker
1, se n = 0
δ [ n] =
0, se n ≠ 0
Imagem 1.6
3) Sequências Básicas
- 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]
3) Sequências Básicas
- Degrau Unitário
É definida como:
1, se n ≥ 0
u[n] =
0, se n < 0
Imagem 1.9
3) Sequências Básicas
- Sequência Exponencial
É definida como:
x[n] = Aα n
3) Sequências Básicas
- 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.
3) Sequências Básicas
- Sequência Senoidais
Uma sequência senoidal é definida como:
x[n] = A cos(ωn + θ )
3) Sequências Básicas
- Sequência Senoidais
π
Exemplo:
x[n] = cos( n)
4
Onde, ω=π/4, assim temos:
2πr
N= = 8r
π /4
4) Sistemas Discretos
y[n] = H {x[n]}
Aula 1 - Sinais e Sistemas Discretos barbon@uel.br
2COP231
Processamento Digital de Sinais
4) Sistemas Discretos
x[n] H y[n]
Exemplo:
1
y[n] = ( x[n] + x[n − 1] + x[n − 2])
3
Imagem 1.13
- Linearidade:
Um sistema é linear quando satisfaz os princípios da:
a) Homogeneidade;
H {ax[n]} = aH {x[n]}
b) Superposição;
De forma compacta:
N N
H ∑ ai xi [n] = ∑ ai H {xi [n]}
i =1 i =1
Imagem 1.14
y{n − k} = H {x[n − k ]}
Esta propriedade é chamada de invariância com o deslocamento.
- Memória
Quando as amostras da sequência da saída dependem de amostras
passadas, seja da sequência de entrada, seja da própria saída.
y[n] = x[n − k ]
com k diferente de 0.
- 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.
1
y[n] = ( x[n + 1] + x[n] + x[n − 1])
3
- Realimentação
Quando a amostra atual do sistema de saída depende de outra
amostra passada do sistema de saída.
1 1
y[n] = x[n] − y[n − 1]
2 4
Imagem 1.15
- 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.
- 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]
- 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.
- Convolução
A convolução é representada por um “*” (asterisco).
∞
x[n] * h[n] = ∑ x[k ]h[n − k ]
k = −∞
- 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.
- 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.
- 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.
- 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.
- Comutatividade:
A ordem em que os operando estão não tem importância.
A convolução é comutativa.
- Distributividade ou Paralelismo:
A convolução é distributiva:
Imagem 1.19
- Associativa ou Cascateamento:
Sistemas subseqüentes podem ser combinados em um único sistema
por meio da propriedade do cascateamento.
cascateamento
Imagem 1.20
- 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.
- Estabilidade
Um sistema LIT é estável se:
∞
| h[n] |≤ ∑ | x[n − k ] || h[k ] | .
k = −∞
H (ω )e jwn
= αe jwn
Referências: