1

UCS

1. SINAIS E SISTEMAS DISCRETOS

SINAIS — carregam/contêm informação

Exemplos:

• Função do tempo... s1(t ) = 5t

• Função de duas variáveis... s2 ( x, y) = 3x + 2xy + y2

• Sinal de voz...

• Sinal de Imagem (variação no espaço)...

 2
UCS

• Sinal de vídeo (variação no espaço e no tempo)...

• Sinal de temperatura (espaço ou tempo)...

 3
UCS

• Sinal analógico (contínuo) ⇒ definido para qualquer valor da variável independente

com amplitude que pode assumir qualquer valor

• Sinal analógico amostrado (de "tempo-discreto") ⇒ definido apenas para valores

discretos da variável independente e com amplitude que pode assumir qualquer valor

• Sinal digital (discreto no "tempo" e em amplitude) ⇒ definido apenas para valores

discretos da variável independente e com amplitude restrita a valores discretos

• Sinais contínuos (por natureza)

• Amostragem ⇒ capacidade finita de armazenamento

o Erro de representação precisa ser estudado cuidadosamente!!!

• Quantização ⇒ precisão finita

o Erro de quantização pode ser tratado como uma espécie de ruído...

o Efeitos do erro de quantização podem ser analisado a posteriori (!)

 4
UCS

1.1. SINAIS DISCRETOS

• Uma função discreta pode ser obtida diretamente de uma função contínua através da
operação de amostragem:

x[n] = xc (nTa )

o n∈ℤ

o x[n] ⇒ sinal discreto

o xc (t ) ⇒ sinal contínuo

o Ta ⇒ período de amostragem
 5
UCS

• Exemplo de representação gráfica de x[n] (não definido para n∉ℤ )

• Exemplo: Seja xc (t ) = 0,2t e Ta = 0,25s ⇒ f a = 4 amostras/s

n nTa xc (nTa ) x[n]
0 0,0 0 0

1 0,25 0,05 0,05

2 0,5 0,1 0,1

3 0,75 0,15 0,15

⋮ ⋮ ⋮ ⋮
 6
UCS

1.2. PROPRIEDADES E OPERAÇÕES DE SINAIS DISCRETOS

• Adição, subtração, divisão (!) e multiplicação (!) ⇒ amostra por amostra

• Mudança de escala de amplitude

y[n] = cx[n]

• Mudança de escala de "tempo"

y[n] = x[Mn]

em que M ∈ℤ

o M <0 ⇒ x[n] sofre espelhamento em torno da origem

o M >1 ⇒ x[n] sofre compressão (com "perda de informação")

 7
UCS

• Deslocamento no tempo

y[n] = x[n − k ]

em que k ∈ℤ

o k ⇒ atraso aplicado à sequência x[n]

o implementação = memória

• Diferenças e Acumulação

o Diferença de primeira ordem

∆x[n] = x[n] − x[n −1]

o Diferença de segunda ordem

∆2 x[n] = ∆(∆x[n])
 8
UCS

o Derivação

dxc (t ) = lim ∆xc (t ) ≃ lim ∆xc (t ) = 1  x[n] − x[n −1]

dt ∆t →0 ∆t ∆t →Ta ∆t Ta  


o Acumulação

n
y[n] = ∑ x[k ]
k =−∞

• Partes Real e Imaginária

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

xR[n] = 1 ( x[n] + x*[n])

2

xI [n] = 1 ( x[n] − x*[n])

j2
 9
UCS

• Paridade e Simetria Conjugada

o Sequência par ⇒ x[n] = x*[−n]

o Sequência impar ⇒ x[n] = − x*[−n]

o Decomposição em parcelas par e impar

x[n] = xe[n] + xo[n]

xe[n] = 1 ( x[n] + x*[−n])

2

xo[n] = 1 ( x[n] − x*[−n])

2

o Demonstração (caso Real)

o Ex: a sequência x[n] = n2 é par?

 10
UCS

o Ex: a sequência x[n] = n3 é par?

o Ex: a sequência x[n] = n3 é ímpar?

o Ex: considerando-se a sequência x[n] = n +1, determine as parcelas par e ímpar,

xe[n] e xo[n] .

• Periodicidade

x[n] = x[n + N ] ∀n

o Ex: a sequência x[n] = sin  π n  é periódica?

 
 4 

Substituindo-se n por n + N , tem-se que x[n + N ] = sin  π n + π N 

 
 4 4 

∴π N = 2π ⇒ N =8
4
 11
UCS

o Ex: a sequência x[n] = sin  2n  é periódica?

 

o A soma de dois sinais contínuos periódicos não gera necessariamente uma

sequência periódica

• Energia e potência de um sinal

+∞ 2 +∞ 2
E=∫
−∞
xc (t ) dt ⇒ E = ∑ x[n]
−∞

+T 2 N 2
1 1 E ⇒ P = Nlim 1
→∞ 2T ∫−T c →∞ 2 N +1 ∑
P = Tlim x (t ) dt = Tlim
→∞ 2T
x[n]
−N

o Medidas de intensidade que levam em conta a magnitude e duração

o P é útil quando E → ∞

o P = valor quadrático médio do sinal

 12
UCS

o Há sinais para os quais E → ∞ e P → ∞ . Ex: x(t ) = t

o E e P são medidas de "capacidade energética", pois não têm unidade de

energia

o P é muito útil para o estudo de sinais periódicos e de sinais aleatórios

o Sinais de Energia ⇒ têm E finita

o Sinais de Potência ⇒ têm P finita

o Alguns sinais não são nem de Potência nem de Energia

o Se uma única amostra do sinal possuir amplitude infinita, o sinal não é de

Energia nem de Potência

o Sinais práticos ⇒ Sinais de Energia

 13
UCS

1.3. SEQUÊNCIAS BÁSICAS

• Objetivo do estudo: decomposição de sinais "complexos" em sinais mais simples e

com propriedades conhecidas

• Impulso Unitário (delta de Kroenecker / amostra unitária)


δ [n] = 1 se n = 0
0 se n ≠ 0

o Importância do impulso unitário: qualquer sinal no tempo discreto equivale a uma

soma ponderada de impulsos unitários deslocados.

Ex:

+∞
u[n] = ∑ δ [n − k ]
k =0
 14
UCS

De forma similar, qualquer sinal x[n] no tempo discreto pode ser expresso como:

+∞
x[n] = ∑ x[k ]δ [n − k ] (Soma de Convolução!)
k =−∞

• Degrau unitário


u[n] = 1 se n ≥ 0
0 se n < 0

∞
o u[n] = ∑ δ [n − k ]
k =0

n
o u[n] = ∑
r =−∞
δ [r ]

o δ [n] = u[n] − u[n −1]

 15
UCS

• Sequências exponenciais

x[n] = Aα n

o Se { A,α}∈ ℝ ⇒ sequência é Real

o Se A > 0 e 0 < α <1 ⇒ sequência é decrescente em magnitude

o Se α > 1 ⇒ sequência é crescente em magnitude

o Se {A,α}∈ℂ
 16
UCS

x[n] = Aα n
n jω0n
= A e jφ α e
n j (ω0n+φ )
= Aα e
n
= Aα cos(ω0n + φ ) + j sin(ω0n + φ )


(sequência com oscilação!)

o Obs:

Identidades de Euler

• e jθ = cos(θ ) + j sin(θ ) e− jθ = cos(θ ) − j sin(θ )

jθ − e− jθ e jθ + e− jθ
• sin(θ ) = e cos(θ ) =
2j 2
 17
UCS

Sendo que n∈ℤ , existem diferenças entre exponenciais complexas de

tempo contínuo e tempo discreto. Por exemplo:

j (ω0 +2π )n j (ω0 )n

x[n] = Ae = Ae

∴ frequências (ω0n + 2π r ) em que r∈ℤ são indistinguíveis.

Séries exponencial (soma de exponenciais) = Série Geométrica

• Soma dos N primeiros termos da série:

N −1 N
∑ α n = 1−α
n=0 1− α

• Séries converge de |α |< 1

∞
1
• Soma dos infinitos termos da série: ∑
n=0
αn =
1−α
 18
UCS

• Sequências senoidais

x[n] = A cos(ω n +θ )

o Condição de periodicidade

x[n] = x[n + N ]
A cos(ω n +θ ) = Acos[ω (n + N ) +θ ]
A cos(ω n +θ ) = Acos[ω n + ω N +θ ]

portanto, ω N deve ser múltiplo de 2π : ω N = 2π k , com {k , N}∈ℤ . Sendo assim:

N = 2π k , com {k , N}∈ℤ
ω
 19
UCS

Ex: a sequência x[n] = sin  π n  é periódica?

 
 4 

N = 2π k = 2π
π
k = 8k ⇒ k =1 ⇒ N = 8
ω
4

Ex: a sequência x[n] = sin  3π n  é periódica?

 

N = 2π k = 2π k = 2 k ⇒ k =3 ⇒ N = 2
ω 3π 3
 20
UCS

Frequências "baixas" e "altas"...

 21
UCS

1.4. SISTEMAS DISCRETOS

x[n] H y[n]

y[n] = H {x[n]}

1.5. PROPRIEDADES DE SISTEMAS DISCRETOS

• Linearidade

H {ax[n]} = aH {x[n]}

H {x1[n] + x2[n]} = H {x1[n]}+ H {x2[n]}

∀a , x1[n] e x2[n] .
 22
UCS

o Ex. sistema linear: sistema acumulador

n
y[n] = ∑ x[k ]
k =−∞

o Ex. sistema não-linear:

y[n] = ( x[n])2

• Invariância no tempo

y[n − k ] = H {x[n − k ]} ∀ x[n] e k

o Ex. sistema invariante no tempo: sistema acumulador.

o Ex. sistema variante no tempo: sistema compressor y[n] = x[Mn]

 23
UCS

• Memória
ou futuras!!!
Um sistema possui memória se a saída depende de amostras _________
passadas da entrada
ou da própria saída

o Sistema sem memória

y[n] depende apenas do valor de x[n]

Ex. sistema sem memória:

y[n] = ( x[n])2

• Causalidade

o Um sistema causal é não antecipativo

o y[n0 ] depende apenas de valores de x[n] para n ≤ n0

 24
UCS

o Se y[n0 ] depende apenas de valores de x[n] para n > n0 ⇒ Sistema anti-

causal

o Se y[n0 ] depende de valores de x[n] para n0 ≥ n ≥ n0 ⇒ Sistema não-causal

• Realimentação
ou futuros
o Sistema é realimentado se a saída depende de valores passados do próprio sinal
de saída

o Sistemas recursivos

o Ex: y[n] = 0,5⋅ x[n] − 0,25⋅ y[n −1] (realimentação negativa!)

 25
UCS

• Estabilidade (BIBO)

o BIBO ⇒ Bounded Input, Bonuded Output

Se x[n] < ∞ ∀n , então y[n] < ∞ ∀n

Verificação:

+∞
y[n] ≤ ∑ x[n − k ] h[k ]
k =−∞

(bounded input ⇒ x[n] ≤ xmax < ∞ ∀n )

portanto
+∞
y[n] ≤ xmax ∑ h[k ]
k =−∞

portanto
 26
UCS
+∞
BIBO ⇒ ∑ h[k ] < ∞
k =−∞

• Obs: esta metodologia de avaliação de BIBO estabilidade pressupõe que o sistema

seja LIT!

• Invertibilidade

y[n]
x[n] H H-1 x[n]

H −1 {H {x[n]}} = x[n]

o Para que um sistema seja inversível, sua transformação deve ser biunívoca
 27
UCS

1.6. SISTEMAS LINEARES INVARIANTES NO TEMPO

• Resposta ao Impulso e Soma de Convolução

h[n] = H {δ [n]}

Se H { ⋅ } é um sistema linear e invariante no tempo (LIT) e

+∞
x[n] = ∑ x[k ]δ [n − k ]
k =−∞

portanto

 +∞  +∞
y[n] = H { x[n]} = H 

∑
k =−∞
x[k ]δ [n − k ] =

∑
k =−∞
{ }
H x[k ]δ [n − k ] `

Sendo x[k ] uma constante, dada a linearidade e invariância no tempo,

 28
UCS
+∞ +∞
y[n] = ∑
k =−∞
{ }
x[k ]H δ [n − k ] = ∑
k =−∞
x[k ]h[n − k ]

o Obs: sistemas LIT são completamente caracterizados por sua resposta ao

impulso

• Filtros

o Na área de DSP, sistemas que convertem uma entrada x[n] em uma saída y[n]
são comumente chamados de filtros

o Existem diversos tipos de filtros (incluindo os conhecidos filtros seletivos em

frequência!)

Resposta ao impulso de um passa-baixas ideal com frequência de corte ωc

 29
UCS

h[n] = sin(ωc n)
πn

Resposta ao impulso de um passa-altas ideal com frequência de corte ωc

h[n] = (−1)n sin(ωcn)

πn

(não realizáveis!)

1.7. PROPRIEDADES DE SISTEMAS LIT

• Comutatividade

x[n]∗ h[n] = h[n]∗ x[n]

Verificação: fazer m = n − k em
+∞
y[n] = x[n]∗ h[n] = ∑ x[k ]h[n − k ] .
k =−∞
 30
UCS

• Distributividade ou Paralelismo

x[n]*(h1[n] + h2[n]) = x[n]* h1[n] + x[n]* h2[n]

• Associatividade ou Cascateamento
 31
UCS

( x[n]* h1[n])* h2[n] = x[n]*(h1[n]* h2[n])

((a) = (c))

• Causalidade
 32
UCS

h[n] = 0 , n < 0

• Resposta a Sinais Senoidais

Exponenciais complexas ⇒ Autofunções de sistemas LTI

Sinal senoidal com Sinal senoidal com

freq. f0 Sistema LIT freq. f0!!!

Seja x[n] = e jωn = cos(ω n) + j sin(ω n)

 33
UCS
+∞
y[n] = ∑
k =−∞
h[k ]x[n − k ]
+∞
= ∑
k =−∞
h[k ]e jω (n−k )
+∞
= e jωn ∑
k =−∞
h[k ]e− jωk

= H (e jω )e jωn
= α e jωn

o H (e jω ) ⇒ autovalor do sistema

Constante de ponderação

Resposta em frequência do sistema (para ω )

H (ω )

o Distinção entre resposta em frequência dos sistemas LIT contínuos e discretos:

H (ω ) é periódica.
 34
UCS
+∞
H (ω + 2π ) = ∑
k =−∞
h[k ]e− j (ω +2π )k

sendo e± j 2π k = 1 ∀k ∈ℤ

e− j (ω +2π )k = e− jωk e− j 2π k = e− jωk

∴H (ω + 2π ) = H (ω )

Observar/lembrar que as sequências e jωn e e j (ω +2π )n são indistinguíveis

 35
UCS

1.8. EXERCÍCIOS

1) No Matlab, trace o gráfico de dois ciclos de uma onda senoidal com frequência de
1KHz com:

a. Frequência de amostragem de 100KHz;

b. Frequência de amostragem de 10KHz;
c. Frequência de amostragem de 5KHz;
d. Frequência de amostragem de 2KHz;
e. Frequência de amostragem de 1KHz.

2) Do livro do Nalon, fazer os seguintes exercícios do Capítulo 1:

1, 4.a, 7.a, 7.b, 8, 9, 12.a, 12.b, 12.d, 12.e, 12.f, 12.g, 18.a, 18.b, 18.c, 19.a, 19.b,
19.d, 19.f, 19.h, 19.i, 19.k, 21.
 36
UCS

Soluções:

7.a: xe[n] = 1 (2−n + 2n ) ; xo[n] = 1 (2−n − 2n )

2 2
7.b: xe[n] = 1 ((−2)−n + (−2)n ) ; xo[n] = 1 ((−2)−n − (−2)n )
2 2
12.a: não é periódico
12.b: N = 2
12.d: N = 8
12.e: N = 2
12.f: N = 16
12.g: N = 30
18.a: nem de energia nem de potência
18.b: energia
18.c: potência
19.a: Causal, linear, variante e instável
19.b: Causal, linear, variante e estável
19.d: Causal, linear, variante e instável
19.f: Causal, linear, invariante e estável
19.h: Causal, não-linear, invariante e estável
19.i: Causal, linear, variante e estável
19.k: Causal, não-linear, invariante e instável