1. SINAIS E SISTEMAS 1.1. SINAL - joinville.udesc.br · Análise de Fourier - Henrique T. Moriya -...
Transcript of 1. SINAIS E SISTEMAS 1.1. SINAL - joinville.udesc.br · Análise de Fourier - Henrique T. Moriya -...
Análise de Fourier - Henrique T. Moriya - 2005/1 1
1. SINAIS E SISTEMAS
1.1. SINAL
Um sinal é uma abstração de qualquer quantidade mensurável que é função de
uma ou mais variáveis independentes como tempo ou espaço.
Exemplos: tensão som lousa
1.2. “TAMANHO” DE UM SINAL
Queremos um valor para quantificar o “tamanho” de um sinal.
Como medir o “tamanho” de uma pessoa?
Não é só a altura que caracteriza o tamanho de uma pessoa, precisamos
também da largura. Com a altura e a largura podemos calcular o volume de
uma pessoa e aí podemos ter uma idéia do “tamanho” dela por um único valor.
Como medir o tamanho de um sinal?
Não basta a amplitude, precisamos também da duração dele.
1.2.1. ENERGIA DE UM SINAL
Podemos considerar a área abaixo de um sinal )(tf como sendo uma medida
do seu tamanho.
Análise de Fourier - Henrique T. Moriya - 2005/1 2
Qual é o problema com esta solução? As áreas positivas podem ser canceladas
pelas áreas negativas.
Solução: utilizar a área sob o sinal de )(tf ao quadrado.
fE → ENERGIA DO SINAL )(tf
Para um sinal real:
∫+∞
∞−= dttfE f )(2
Para um sinal complexo:
∫+∞
∞−= dttfE f
2|)(|
1.2.2. POTÊNCIA DE UM SINAL
Qual é o problema com a medida de energia de um sinal?
Esta medida pode ser infinita se a amplitude do sinal NÃO tender a zero
quando o tempo tende a mais ou menos infinito.
Nestes casos, uma medida mais significativa é a média temporal da energia, se
esta existir.
Análise de Fourier - Henrique T. Moriya - 2005/1 3
fP → POTÊNCIA DO SINAL )(tf
Para um sinal real:
∫+
−∞→= 2
2
2 )(1limT
TTf dttfT
P
Para um sinal complexo:
∫+
−∞→= 2
2
2|)(|1limT
TTf dttfT
P
O que é fP ?
É a média temporal do quadrado da amplitude do sinal.
O que é RMS?
ROOT MEAN SQUARE
Ou seja, a raiz de fP é o valor RMS de )(tf .
1.2.3. OBSERVAÇÕES IMPORTANTES
Existem casos que nem a energia do sinal e nem a potência do sinal são
aplicáveis.
Análise de Fourier - Henrique T. Moriya - 2005/1 4
Exemplo: um sinal tipo rampa.
A energia do sinal ( fE ) não indica a verdadeira energia do sinal, pois esta
depende não somente do sinal, mas também da carga a qual o sinal está sendo
aplicado.
Por isso, cuidado com as unidades de fE e fP . Elas NÃO são J (joule) e W
(watt).
1.3. CLASSIFICAÇÃO DOS SINAIS
Os sinais podem ser classificados de diversas formas, iremos considerar a
seguinte classificação:
A. Sinais de Tempo Contínuo e de Tempo Discreto;
B. Sinais Analógicos e Digitais;
C. Sinais Reais e Complexos;
D. Sinais Determinísticos e Probabilísticos;
E. Sinais Pares e Ímpares;
F. Sinais Periódicos e Não-Periódicos;
G. Sinais de Energia e de Potência.
1.3.1. SINAIS DE TEMPO CONTÍNUO E DE TEMPO DISCRETO
Um sinal )(tx é um sinal de tempo contínuo se t é uma variável contínua.
Análise de Fourier - Henrique T. Moriya - 2005/1 5
Se t é uma variável discreta, ou seja, )(tx é definido em pontos discretos,
então )(tx é um sinal de tempo discreto.
Como um sinal de tempo discreto é definido em instantes discretos, um sinal
de tempo discreto é geralmente identificado por uma seqüência de números,
denotado por ][nx onde n é um inteiro.
Notação: não existe um padrão. Oppenheim et al. (1997) utilizam )(tx para
um sinal de tempo contínuo e ][nx para um sinal de tempo discreto.
Vamos trabalhar, na maior parte deste curso, com sinais de tempo contínuo.
Sinais de tempo discreto serão abordados quando falarmos em amostragem.
1.3.2. SINAIS ANALÓGICOS E DIGITAIS
Se um sinal de tempo contínuo )(tx pode assumir qualquer valor em um
intervalo contínuo ]b,a[ , então o sinal de tempo contínuo )(tx é chamado
de sinal analógico.
Se um sinal de tempo discreto ][nx pode assumir somente um número finito
de valores distintos, então esse sinal é chamado de sinal digital.
Análise de Fourier - Henrique T. Moriya - 2005/1 6
1.3.3. SINAIS REAIS E COMPLEXOS
Um sinal complexo geral )(tx é uma função da forma:
)()()( 21 txjtxtx ⋅+=
onde )(1 tx e )(2 tx são sinais reais.
1.3.4. SINAIS DETERMINÍSTICOS E PROBABILÍSTICOS
Sinais determinísticos são aqueles cujos valores são completamente
especificados em um dado instante.
Então, um sinal determinístico pode ser modelado por uma função conhecida
no tempo t .
Sinais probabilísticos ou estocásticos são aqueles que assumem valores
aleatórios em um dados instante e devem ser caracterizados estatisticamente.
1.3.5. SINAIS PARES E ÍMPARES
Um sinal é chamado PAR (ou apresenta simetria par) se:
)()( txtx parpar −=
Um sinal é chamado ÍMPAR (ou apresenta simetria ímpar) se:
)()( txtx ímparímpar −−=
Análise de Fourier - Henrique T. Moriya - 2005/1 7
1.3.6. SINAIS PERIÓDICOS E NÃO-PERIÓDICOS
Um sinal de tempo contínuo )(tx é dito periódico com período T se existe
um valor positivo não-nulo de T tal que:
)()( Ttxtx += para todo t
O período fundamental 0T de )(tx é o menor valor positivo de T para qual
a equação acima continua valendo.
Para um sinal constante )(tx , o período fundamental é indefinido, já que
)(tx é periódico para qualquer escolha de T (e por isso não há um menor
valor positivo).
Qualquer sinal de tempo contínuo que não é periódico é chamado de sinal
não-periódico.
Observação: na literatura estrangeira existe o termo “quasi-periodic” usado
para sinais não-periódicos que podem ser aproximados por periódicos.
Análise de Fourier - Henrique T. Moriya - 2005/1 8
1.3.7. SINAIS DE ENERGIA E DE POTÊNCIA
)(tx é considerado um SINAL DE ENERGIA se e somente se:
∞<< xE0
e logo 0=xP .
)(tx é considerado um sinal de POTÊNCIA se e somente se:
∞<< xP0
implicando em ∞=xE .
1.4. OPERAÇÕES BÁSICAS COM SINAIS
1.4.1. ESCALONAMENTO EM AMPLITUDE
O escalonamento em amplitude de )(tx por C ocorre quando todos os
valores do sinal )(tx são multiplicados por C para gerar:
)(txC ⋅
1.4.2. DESLOCAMENTO EM AMPLITUDE
Um deslocamento em amplitude adiciona uma constante K a )(tx em todos
os lugares (mesmo onde o sinal é nulo) para formar:
)(txK +
Análise de Fourier - Henrique T. Moriya - 2005/1 9
1.4.3. DESLOCAMENTO NO TEMPO
Um deslocamento no tempo move um sinal )(tx no tempo sem mudar seu
formato.
Considere o sinal )()( α−= txty .
O valor de )(ty em α=t corresponde ao valor de )(tx em 0=t .
Em outras palavras, se 0>α , o sinal )(ty é uma réplica atrasada
(deslocada à direita por α ) de )(tx .
De forma similar, se 0>α , o sinal )()( α+= txtf é uma réplica
avançada (deslocada à esquerda por α ) de )(tx .
Análise de Fourier - Henrique T. Moriya - 2005/1 10
1.4.4. ESCALONAMENTO NO TEMPO
Um escalonamento no tempo aumenta ou diminui a velocidade do sinal,
resultando em compressão ou expansão do sinal.
O sinal
=
2)( txtg descreve uma expansão de 2 vezes do sinal )(tx , já
que t é diminuído para 2t
.
De forma similar, o sinal ( )txtg ⋅= 3)( descreve uma compressão de 3
vezes do sinal )(tx , já que t é aumentado para t⋅3 .
Para esboçar ( )txty ⋅= α)( , comprime-se ( 1>α ) ou expande-se
( 10 <<α ) o sinal ( )tx por α .
Isto é equivalente a esboçar o sinal ( )tx em uma nova base de tempo nt em
posições dadas por ntt ⋅= α ou αttn = .
Análise de Fourier - Henrique T. Moriya - 2005/1 11
1.4.5. INVERSÃO TEMPORAL OU REFLEXÃO
Inversão temporal, reflexão ou “dobramento” é apenas uma operação de
escalonamento no tempo com 1−=α .
Esta operação cria um sinal )( tx − como uma imagem refletida de )(tx em
relação ao eixo vertical que passa pela origem 0=t .
Análise de Fourier - Henrique T. Moriya - 2005/1 12
1.4.6. OBSERVAÇÃO IMPORTANTE
Note que o deslocamento no tempo ou a inversão temporal de um sinal )(tx
não irá modificar sua área ou energia, mas a operação de escalonamento
temporal de )(tx para )( tx ⋅α irá reduzir tanto a sua área como a sua
energia por ||α .
1.4.7. COMBINAÇÃO DE OPERAÇÕES
O sinal )()( βα −⋅= txty pode ser gerado a partir de )(tx esboçando
)(tx em uma nova base de tempo nt onde βα −⋅= ntt .
Pode-se, também, utilizar as operações de deslocamento e escalonamento
sucessivamente.
Por exemplo, pode-se gerar o sinal )62( −⋅ tx a partir de )(tx de duas
formas:
• )(tx → atraso de 6 (deslocamento à direita) → )6( −tx →
compressão por 2 → )62( −⋅ tx
• )(tx → compressão por 2 → )2( tx ⋅ → atraso de 3 (deslocamento
à direita) → )62( −⋅ tx
Na segunda maneira, note que após a compressão a transformação
Análise de Fourier - Henrique T. Moriya - 2005/1 13
))3(2()62()2( −⋅=−⋅⇒⋅ txtxtx
implica em um atraso de somente 3 (e não 6) unidade (porque o sinal )2( tx ⋅
já está comprimido).
Em ambos os casos, utilize, como um teste de consistência para o esboço, o
fato de que posições na nova base tempo nt são obtidas a partir de
62 −⋅= ntt .
1.5. SIMETRIA DE SINAIS
Se um sinal é idêntico a sua versão invertida no tempo, com
)()( txtx parpar −= ,
ele apresenta simetria par.
Se um sinal e sua versão invertida no tempo diferem somente no sinal, com
)()( txtx ímparímpar −−=
ele apresenta simetria ímpar.
Qualquer sinal )(tx pode ser expresso como uma soma de dois sinais, um
par e outro ímpar. Ou seja:
)()()( txtxtx ímparpar +=
onde:
Análise de Fourier - Henrique T. Moriya - 2005/1 14
)()(21)( txtxtxpar −+⋅=
)()(21)( txtxtxímpar −−⋅=
1.5.1. SIMETRIA DE MEIA-ONDA
Simetria de meia-onda é definida somente para sinais periódicos.
Se o valor de um sinal periódico )(tx p (com período T) em α=t e em
Tt ⋅±= 5,0α , meio período distante, difere apenas no sinal, )(tx p é
chamado de um sinal simétrico de meia-onda (ou apresenta simetria de meia-
onda).
Sinais simétricos de meia-onda sempre apresentam dois meio-ciclos em um
período, sendo cada meio-ciclo uma réplica invertida do outro e com a área do
período sendo igual a zero.
1.6. FUNÇÃO COSSENOIDAL (SENOIDAL)
Um sinal senoidal contínuo pode ser expresso como:
)cos()( 0 θω +⋅⋅= tAtx
onde:
Análise de Fourier - Henrique T. Moriya - 2005/1 15
A → amplitude (real)
0ω → freqüência angular em radianos por segundo
θ → fase em radianos
Período fundamental 0T :
0
02ωπ⋅
=T (s)
Freqüência fundamental 0f :
0
01T
f = (Hz)
Freqüência angular fundamental 0ω :
00 2 f⋅⋅= πω (rad/s)
Utilizando a fórmula de Euler, temos:
( )[ ]θωθω +⋅⋅⋅=+⋅⋅ tjeAtA 0Re)cos( 0
( )[ ]θωθω +⋅⋅⋅=+⋅⋅ tjeAtsenA 0Im)( 0
1.7. FUNÇÃO EXPONENCIAL COMPLEXA
A função exponencial complexa:
Análise de Fourier - Henrique T. Moriya - 2005/1 16
tjeAtx ⋅⋅⋅= 0)( ω
é um importante exemplo de sinal complexo.
Utilizando a fórmula de Euler, este sinal pode ser definido como:
)()cos()( 000 tsenAjtAeAtx tj ⋅⋅⋅+⋅⋅=⋅= ⋅⋅ ωωω
Então, )(tx é um sinal complexo cuja parte real é )cos( 0 tA ⋅⋅ ω e a parte
imaginária é )( 0 tsenA ⋅⋅ ω .
Uma importante propriedade do sinal exponencial complexo contínuo )(tx é
que ele é sempre periódico e único para qualquer escolha de período ou
freqüência (em contraste com sinais exponenciais complexos digitais).
O período fundamental 0T é dado por:
00
2ωπ⋅
=T (s)
1.7.1. FUNÇÃO EXPONENCIAL COMPLEXA GERAL
Seja ωσ ⋅+= js um número complexo.
Define-se )(tx como:
( ) [ ])()cos()( tsenjteeetx ttjts ⋅⋅+⋅⋅=== ⋅⋅⋅+⋅ ωωσωσ
Análise de Fourier - Henrique T. Moriya - 2005/1 17
O sinal )(tx é conhecido como sinal exponencial complexo geral cuja parte
real )cos( te t ⋅⋅⋅ ωσ e a parte imaginária é )( tsene t ⋅⋅⋅ ωσ
são sinais
senoidais exponencialmente crescentes ( 0>σ ) ou decrescentes ( 0<σ ).
1.8. SINAL DEGRAU UNITÁRIO
A função degrau unitário )(tu é definida como:
><
=0100
)(tt
tu
Note que esta função é descontínua em 0=t e que o valor em 0=t é
indefinido.
O sinal )( tu −α descreve um degrau à esquerda que é zero após α=t .
1.9. SINAL RAMPA UNITÁRIA
A função rampa unitária )(tr é definida como:
Análise de Fourier - Henrique T. Moriya - 2005/1 18
><
=⋅=000
)()(ttt
tuttr
1.10. FUNÇÃO SINAL
A função sinal )sgn(t é definida como:
><−
=0101
)sgn(tt
t
1.11. FUNÇÃO IMPULSO UNITÁRIO
A função impulso unitário )(tδ , também conhecida como função delta de
Dirac, exerce um papel central na análise de sistemas.
Tradicionalmente, )(tδ é geralmente definido como o limite de uma função
devidamente escolhida que apresenta área unitária sobre um intervalo
infinitesimal de tempo.
00)( ≠= ttδ 1)( =∫∞
∞−
ττδ d
Análise de Fourier - Henrique T. Moriya - 2005/1 19
1.11.1. MULTIPLICAÇÃO DE UMA FUNÇÃO POR UM IMPULSO
Considere agora o que acontece quando multiplica-se o impulso unitário
)(tδ por uma função )(tf que seja contínua em 0=t .
Como o impulso existe somente em 0=t e o valor de )(tf em 0=t é
)0(f , obtém-se:
)()0()()( tfttf δδ ⋅=⋅
De forma similar, se )(tf é multiplicado por um impulso deslocado
)( Tt −δ (impulso localizado em Tt = ), então:
)()()()( TtTfTttf −⋅=−⋅ δδ
desde que )(tf seja contínuo em Tt = .
1.11.2. PROPRIEDADE DA AMOSTRAGEM DA FUNÇÃO IMPULSO
UNITÁRIO
Como:
)()0()()( tfttf δδ ⋅=⋅
segue que:
)0()()0()()( fdttfdtttf =⋅=⋅ ∫∫+∞
∞−
+∞
∞−
δδ
Análise de Fourier - Henrique T. Moriya - 2005/1 20
desde que )(tf seja contínuo em 0=t .
Este resultado significa que a área sob o produto de uma função )(tf por um
impulso )(tδ é igual ao valor da função no instante em que o impulso
unitário se localiza.
Esta propriedade é muito importante e útil, sendo conhecida como propriedade
da amostragem do impulso unitário.
Assim, como:
)()()()( TtTfTttf −⋅=−⋅ δδ
segue que:
)()()()()( TfdtTtTfdtTttf =−⋅=−⋅ ∫∫+∞
∞−
+∞
∞−
δδ
desde que )(tf seja contínuo em Tt = .
1.11.3. DEFINIÇÃO GENERALIZADA DE )(tδ
A função impulso unitário )(tδ é a derivada da função degrau
dttdut )()( =δ
Análise de Fourier - Henrique T. Moriya - 2005/1 21
dtttut
∫∞−
= )()( δ
1.11.4. DERIVADAS DE SINAIS COM MUDANÇAS ABRUPTAS
Como um sinal com mudanças abruptas pode ser descrito por funções degrau,
a derivada de tais sinais deve conter impulsos.
Por exemplo, a derivada de:
)()()( α−⋅−⋅= tuBtuAtx
é dada por:
)()()(' αδδ −⋅−⋅= tBtAtx
Isto descreve dois impulsos cujas amplitudes A e B− correspondem às
mudanças abruptas (para cima e para baixo) em 0=t e α=t .
De forma geral, a derivada em uma descontinuidade resulta em um impulso
cuja amplitude é igual ao tamanho da descontinuidade.
1.12. SISTEMAS
Em geral, um sistema é uma abstração de algo que recolhe um sinal de
entrada, opera sobre ele e produz um sinal de saída.
Em outras palavras, um sistema estabelece uma relação entre suas entradas e
suas saídas.
Análise de Fourier - Henrique T. Moriya - 2005/1 22
Um sistema pode consistir de componentes físicos (realização por hardware)
ou pode consistir de um algoritmo que irá operar computacionalmente o sinal
de entrada dando origem ao sinal de saída (realização por software).
1.12.1. CLASSIFICAÇÃO DE SISTEMAS
A. Lineares e não-lineares;
B. Parâmetros constantes e parâmetros variantes no tempo;
C. Com e sem memória;
D. Causais e não-causais;
E. Parâmetros concentrados e parâmetros distribuídos;
F. Tempo contínuo e tempo discreto;
G. Analógicos e digitais.
23
2. SÉRIE DE FOURIER
2.1. ANALOGIA ENTRE SINAIS E VETORES
Um vetor pode ser representado como a soma de seus componentes de
diversas formas (dependendo da escolha do sistema de coordenadas).
Um sinal também pode ser representado como a soma de seus componentes.
Logo, há uma perfeita analogia:
VETOR ↔ SINAL
2.1.1. VETORES
Magnitude: || fr
e || xr
Direção
Sentido
24
2.1.1.1. PRODUTO ESCALAR
θcos|||| ⋅⋅=⋅ xfxf rrrr
onde
2||0cos|||| xxxxx o rrrrr=⋅⋅=⋅
2.1.1.2. COMPONENTES DE UM VETOR
11 excf rrr+⋅=
25
22 excf rrr+⋅=
A componente do vetor fr
em relação ao vetor xr será a projeção do vetor
fr
em xr .
excf rrr+⋅=
Esta escolha minimiza o vetor de erro er
.
Como calcular c ?
θcos|||| ⋅=⋅ fxcrr
xfxfxxc rrrrrr⋅=⋅⋅=⋅⋅ θcos||||||||
26
xxxf
xxfc rr
rr
r
rr
⋅⋅
=⋅
= 2||
Se fr
e xr forem perpendiculares (ou ortogonais), fr
não apresentará
componente em relação ao vetor xr .
Dois vetores serão ortogonais se o produto escalar entre eles for nulo.
2.1.2. COMPONENTE DE UM SINAL REAL
Sejam dois sinais reais )(tf e )(tx .
Vamos aproximar )(tf em termos de )(tx em um certo intervalo
( 21 ttt ≤≤ ):
)()( txctf ⋅≅ )( 21 ttt ≤≤
≤≤⋅−
=...0
)()()( 21
vdpttttxctf
te
Qual é o valor de c para a melhor aproximação?
Critério para melhor aproximação: minimizar a energia do sinal )(te .
dtteEt
te ∫=
2
1
)(2
27
[ ] dttxctfEt
te ∫ ⋅−=
2
1
2)()(
Para calcular c que irá minimizar eE :
0=dc
dEe
ou seja:
[ ] 0)()(2
1
2 =
⋅−∫ dttxctfdcd t
t
[ ] 0)()()(2)(2
1
222 =
⋅+⋅⋅⋅−∫ dttxctxctftfdcd t
t
0)()()(2)(2
1
2
1
2
1
222 =⋅+⋅⋅⋅− ∫∫∫ dttxcdcddttxctf
dcddttf
dcd t
t
t
t
t
t
0)(2)()(22
1
2
1
2 =⋅⋅+⋅⋅− ∫∫ dttxcdttxtft
t
t
t
dttxtfdttxct
t
t
t∫∫ ⋅⋅=⋅⋅2
1
2
1
)()(2)(2 2
28
dttx
dttxtfc t
t
t
t
∫
∫ ⋅
=2
1
2
1
)(
)()(
2
x
t
t
E
dttxtfc∫ ⋅
=
2
1
)()(
Por analogia com vetores, dizemos que )(tf tem uma componente )(txc ⋅ .
Se 0=c , então )(tf não contém nenhuma componente do sinal )(tx e
dizemos que os dois sinais são ortogonais no intervalo ),( 21 tt .
Duas funções, )(1 tf e )(2 tf , são ortogonais no intervalo ),( 21 tt , se:
0)()(2
1
=⋅∫ dttxtft
t
29
2.1.3. COMPONENTE DE UM SINAL COMPLEXO
Sejam )(tf e )(tx funções complexas da variável t :
)()( txctf ⋅≅ )( 21 ttt ≤≤
≤≤⋅−
=...0
)()()( 21
vdpttttxctf
te
O valor de c para minimizar a energia do sinal )(te é:
x
t
t
E
dttxtfc∫ ⋅
=
2
1
)()( *
)(* tx : complexo conjugado de )(tx .
)(tf e )(tx são ortogonais em )( 21 ttt ≤≤ se:
0)()()()(2
1
2
1
** =⋅=⋅ ∫∫ dttxtfdttxtft
t
t
t
2.1.4. ENERGIA DA SOMA DE SINAIS ORTOGONAIS
Se os vetores xr e yr forem ortogonais e se: yxz rrr+= , então:
222 yxz rrr+=
Temos um resultado similar para sinais:
30
A energia da soma de dois sinais ortogonais é igual à soma das energias dos
dois sinais.
Então, se os sinais )(tx e )(ty são ortogonais sob um intervalo [ ]21,tt e
se )()()( tytxtz += , então:
yxz EEE +=
2.2. COEFICIENTE DE CORRELAÇÃO
2.2.1. VETORES
Como sabemos se um vetor é similar ao outro?
Suponha dois vetores fr
e xr .
Poderíamos utilizar o parâmetro c calculado nos itens anteriores para
verificar a similaridade entre dois vetores.
Ou seja, supondo:
xcf rr⋅≅ (ou fcx
rr⋅≅ )
xxxfc rr
rr
⋅⋅
= (ou fffxc rr
rr
⋅⋅
= )
31
c poderia ser um parâmetro utilizado para verificar qual é o grau de
similaridade entre os vetores fr
e xr .
Entretanto, a similaridade não pode ser afetada pelo aumento da magnitude de
um dos vetores.
Como c é um parâmetro dependente da magnitude dos vetores, c não é um
bom parâmetro para medir a similaridade.
A similaridade entre dois vetores é indicada pelo ângulo θ entre eles. Quanto
menor o valor de θ , maior é a similaridade (e vice-versa).
O grau de similaridade entre dois vetores pode ser convenientemente medido
por θcos .
||||cos
xfxfcn rrrr
⋅⋅
== θ
correlação de ecoeficient⇒nc
11 ≤≤− nc
sentido mesmo no alinhados estão vetoresos1⇒=nc
32
opostos sentidos com mas alinhados, estão vetoresos1⇒−=ncnula é desimilarida a ,ortogonais são vetores0⇒=nc
2.2.2. SINAIS REAIS
Utilizamos os mesmos argumentos utilizados para os vetores para definir um
índice de similaridade (coeficiente de correlação).
Supondo dois sinais )(tf e )(tx .
)()( txctf ⋅≅ (ou )()( tfctx ⋅≅ )
Não utilizamos o parâmetro c para verificar a similaridade entre os sinais
porque a similaridade não pode ser afetada pelo aumento da energia de um dos
sinais.
O grau de similaridade entre dois sinais pode ser convenientemente medido se
normalizássemos c em relação às energias dos sinais.
Logo:
dttxtfEE
cxf
n ∫∞
∞−
⋅⋅⋅
= )()(1
correlação de ecoeficient⇒nc
11 ≤≤− nc
Suponha que:
33
)()( txktf ⋅= onde k é uma constante.
positivo é 1 kcn ⇒=
negativo é 1 kcn ⇒−=
Se os sinais forem ortogonais: 0=nc
2.2.3. SINAIS COMPLEXOS
Se )(tf e )(tx forem sinais complexos, o coeficiente de correlação é
calculado da seguinte maneira:
dttxtfEE
cxf
n ∫∞
∞−
⋅⋅⋅
= )()(1 *
onde )(* tx é o conjugado de )(tx .
2.3. FUNÇÕES DE CORRELAÇÃO
34
2.3.1. FUNÇÃO DE CORRELAÇÃO CRUZADA ENTRE DOIS SINAIS
REAIS
RADAR
• Um sinal é transmitido com o intuito de detectar um alvo suspeito;
• Se o alvo está presente, o sinal será refletido por ele;
• Se o alvo não estiver presente, não haverá sinal refletido, somente
ruído;
• Detectando ou não a presença do sinal refletido, confirma-se a presença
ou ausência do alvo;
• Medindo-se o atraso entre o sinal transmitido e o recebido (refletido),
determina-se a distância do alvo.
• do transmitisinal )( →tg
• refletido sinal )( →tf
Se utilizarmos o coeficiente de correlação nc :
dttgtfEE
cgf
n ∫∞
∞−
⋅⋅⋅
= )()(1
iremos obter .0=nc
35
Isto acontece porque, apesar dos sinais serem similares, há um deslocamento
no tempo entre eles.
Para superar esta dificuldade, compara-se o sinal recebido )(tf com o sinal
atrasado )(tg para vários valores de atraso.
Se para algum valor de atraso houver uma correlação forte, detecta-se não
somente a presença do pulso, mas detecta-se, também, o deslocamento
temporal relativo de )(tf em relação a )(tg .
Portanto, ao invés de utilizar-se o coeficiente de correlação ( nc ), utiliza-se a
função de correlação cruzada dos sinais reais )(tf e )(tg :
τττψ dtgftfg ∫+∞
∞−
−⋅= )()()(
)( e )( entre cruzada correlação de função)( tgtftfg →ψ
O sinal )( tg −τ é o sinal )(τg atrasado de t segundos em relação ao
sinal )(τf .
Logo, )(tfgψ é uma indicação de similaridade (correlação) do sinal f com
o sinal g com atraso de t segundos.
36
2.3.2. FUNÇÃO DE CORRELAÇÃO CRUZADA ENTRE DOIS SINAIS
COMPLEXOS
τττψ dtgftfg ∫+∞
∞−
−⋅= )()()( *
onde:
)(* tf e )(tg são sinais complexos;
)(* tf é o conjugado de )(tf .
2.3.2. FUNÇÃO DE AUTOCORRELAÇÃO
A correlação de um sinal com ele mesmo é chamada de autocorrelação:
τττψ dtfftf ∫+∞
∞−
−⋅= )()()(
)( de açãoautocorrel de função)( tftf →ψ
2.4. ESPAÇO VETORIAL ORTOGONAL
Suponha que queremos aproximar um vetor tridimensional fr
em termos de
dois vetores mutuamente ortogonais 1xr e 2xr .
37
2211 xcxcf rrr⋅+⋅≅
O erro na aproximação é:
( )2211 xcxcfe rrrr⋅+⋅−=
11
11 xx
xfc rr
rr
⋅⋅
= 22
22 xx
xfc rr
rr
⋅⋅
=
Vamos agora aproximar o vetor fr
em termos de três vetores mutuamente
ortogonais 1xr , 2xr e 3xr .
332211 xcxcxcf rrrr⋅+⋅+⋅≅
38
Observando a figura, tem-se que não existe um vetor er , ou seja, o vetor fr
pode ser totalmente decomposto nos vetores 1xr , 2xr e 3xr .
Assim:
332211 xcxcxcf rrrr⋅+⋅+⋅=
A razão para que não haja er
é que fr
é um vetor tridimensional e 1xr , 2xr e
3xr representam um CONJUNTO COMPLETO de vetores ortogonais no
espaço tridimensional.
O fato de o conjunto ser completo significa que é impossível achar outro vetor
4xr neste espaço que seja ortogonal em relação a todos os outros três vetores
1xr , 2xr e 3xr .
39
Qualquer vetor neste espaço pode ser representado (com erro nulo) em termos
dos três vetores 1xr , 2xr e 3xr .
Tais vetores são conhecidos como VETORES DE BASE.
Se o conjunto de vetores ixr não for completo, o erro na aproximação será,
geralmente, diferente de zero.
A escolha dos vetores de base não é única. Um conjunto de vetores de base
corresponde a uma escolha particular de sistema de coordenadas.
2.5. ESPAÇO DE SINAIS ORTOGONAIS
2.5.1. SINAIS REAIS
Utilizando, mais uma vez, uma analogia com vetores (produto escalar),
definimos que um conjunto de sinais )(1 tx , )(2 tx , ..., )(txN será
ortogonal sob um intervalo ],[ 21 tt se:
=≠
=⋅∫ nmEnm
dttxtxn
t
tnm
0)()(
2
1
Se as energias nE forem iguais a 1 para todo n , então o conjunto de sinais é
normalizado e é chamado de CONJUNTO ORTONORMAL.
40
Um conjunto ortogonal pode sempre ser normalizado dividindo-se )(txn por
nE para todo n .
Considerando a aproximação de um sinal )(tf sob o intervalo ],[ 21 tt por
um conjunto de N sinais reais mutuamente ortogonais )(1 tx , )(2 tx , ...,
)(txN
∑=
⋅=⋅++⋅+⋅≅N
nnnNN txctxctxctxctf
12211 )()(...)()()(
O erro )(te na aproximação é:
∑=
⋅−=N
nnn txctfte
1)()()(
Utilizando o critério de minimizar eE , obtemos:
N ..., 2, 1, n )(
)()(
2
1
2
1
2
=
⋅
=
∫
∫
dttx
dttxtfc t
tn
t
tn
n
N ..., 2, 1, n )()(1 2
1
=⋅⋅= ∫ dttxtfE
ct
tn
nn
41
Desta forma, a energia eE pode ser assim calculada:
n
N
nn
t
te EcdttfE ∑∫
=
⋅−=1
222
1
)(
Observe que a energia do erro eE geralmente diminui com o aumento de N
(número de termos). Isto acontece porque o termo kk Ec ⋅2 é não negativo.
Logo, é possível que 0→eE quando ∞→N . Quando isto ocorre, o
conjunto de sinais ortogonais é dito COMPLETO.
Neste caso, )(tf não é mais aproximado pelos sinais, temos, então, uma
igualdade:
212211 ...)(...)()()( ttttxctxctxctf nn ≤≤+⋅++⋅+⋅=
211
)()( ttttxctfn
nn ≤≤⋅= ∑∞
=
∑∞
=
⋅1
)(n
nn txc é conhecida como SÉRIE GERAL DE FOURIER de )(tf
em relação ao conjunto )(txn .
Quando o conjunto )(txn é tal que a energia 0→eE quando ∞→N
para todos os membros de uma classe particular, dizemos que o conjunto
42
)(txn é COMPLETO em ],[ 21 tt para aquela classe de )(tf e o conjunto
)(txn é dito um conjunto de FUNÇÕES DE BASE ou SINAIS de BASE.
Pensando em termos de energia, tem-se:
...)( 2221
21
22
1
+⋅+⋅=∫ EcEcdttft
t
nn
n
t
t
Ecdttf ∑∫∞
=
⋅=1
222
1
)( TEOREMA DE PARSEVAL
2.5.2. SINAIS COMPLEXOS
Um conjunto de funções )(1 tx , )(2 tx , ..., )(txN é mutuamente ortogonal
sob o intervalo ],[ 21 tt se:
=≠
=⋅∫ nmEnm
dttxtxn
t
tnm
0)()(
2
1
*
Se este conjunto for completo para uma certa classe de funções, então a
função )(tf nesta classe pode ser expressa como:
212211 ...)(...)()()( ttttxctxctxctf nn ≤≤+⋅++⋅+⋅=
43
211
)()( ttttxctfn
nn ≤≤⋅= ∑∞
=
onde:
dttxtfE
ct
tn
nn ∫ ⋅⋅=
2
1
)()(1 *
2.5.3. ALGUNS EXEMPLOS DE SÉRIES GERAIS DE FOURIER
Existe um grande número de conjuntos de sinais ortogonais que podem ser
usados como sinais de base para séries gerais de Fourier.
Alguns exemplos:
• funções trigonométricas;
• funções exponenciais;
• funções de Walsh;
• funções de Bessel;
• funções de Laguerre;
• polinômios de Legendre;
• polinômios de Jacobi;
• polinômios de Hermite;
• polinômios de Chebyshev.
Análise de Fourier - Henrique T. Moriya - 2005/1 44
2.6. SÉRIE TRIGONOMÉTRICA DE FOURIER
O conjunto de sinais:
1, ( )t⋅0cos ω , ( )t⋅⋅ 02cos ω , ..., ( )tn ⋅⋅ 0cos ω , …;
( )tsen ⋅0ω , ( )tsen ⋅⋅ 02 ω , …, ( )tnsen ⋅⋅ 0ω , …
é chamado de conjunto trigonométrico.
Neste conjunto, usamos a seguinte terminologia:
→0ω freqüência fundamental
Uma senóide de freqüência 0ω⋅n é chamada de n-ésima harmônica da
senóide de freqüência 0ω )( Zn∈ .
O termo constante 1 é a 0-ésima harmônica:
( ) →=⋅⋅ 10cos 0 tω componente D.C.
O conjunto trigonométrico é completo em qualquer intervalo de duração
00
2ωπ⋅
=T .
Logo, pode-se expressar um sinal )(tf por uma série trigonométrica de
Fourier sob qualquer intervalo de duração 0T segundos.
Análise de Fourier - Henrique T. Moriya - 2005/1 45
...)2()(...)2cos()cos()(
0201
02010
+⋅⋅⋅+⋅⋅++⋅⋅⋅+⋅⋅+=
tsenbtsenbtataatf
ωωωω
011 Tttt +≤≤
ou
)()cos()( 01
00 tnsenbtnaatf nn
n ⋅⋅⋅+⋅⋅⋅+= ∑∞
=
ωω
011 Tttt +≤≤
onde: 0
02Tπω ⋅
=
A expressão acima é denominada SÉRIE TRIGONOMÉTRICA DE
FOURIER.
Os coeficientes de Fourier 0a , na e nb são calculados da mesma maneira
apresentada para a série geral de Fourier, ou seja:
... 1, 0, n )(cos
)cos()(
01
1
01
1
02
0
=
⋅⋅
⋅⋅⋅
=
∫
∫+
+
dttn
dttntfa Tt
t
Tt
tn
ω
ω
Análise de Fourier - Henrique T. Moriya - 2005/1 46
2,... 1, n )(
)()(
01
1
01
1
02
0
=
⋅⋅
⋅⋅⋅
=
∫
∫+
+
dttnsen
dttnsentfb Tt
t
Tt
tn
ω
ω
Como:
2)()(cos 0
02
02
01
1
01
1
TdttnsendttnTt
t
Tt
t
=⋅⋅=⋅⋅ ∫∫++
ωω
tem-se:
dttfT
aTt
t∫+
⋅=01
1
)(1
00
3,... 2, 1, n )cos()(2 01
1
00
=⋅⋅⋅⋅= ∫+
dttntfT
aTt
tn ω
3,... 2, 1, n )()(2 01
1
00
=⋅⋅⋅⋅= ∫+
dttnsentfT
bTt
tn ω
2.6.1. SÉRIE TRIGONOMÉTRICA COMPACTA DE FOURIER
Pode-se obter uma Série Trigonométrica Compacta de Fourier
utilizando a seguinte identidade trigonométrica:
Análise de Fourier - Henrique T. Moriya - 2005/1 47
)cos()()cos( 000 nnnn tnCtnsenbtna θωωω +⋅⋅⋅=⋅⋅⋅+⋅⋅⋅onde:
3,... 2, 1, n 22 =+= nnn baC
3,... 2, 1, n ab-
n
n1 =
= −tgnθ
Desta forma, a Série Trigonométrica Compacta de Fourier é a
seguinte:
∑∞
=
+⋅⋅⋅+=1
00 )cos()(n
nn tnCCtf θω
011 Tttt +≤≤
onde:
00 a=C
3,... 2, 1, n 22 =+= nnn baC
3,... 2, 1, n ab-
n
n1 =
= −tgnθ
A SÉRIE TRIGONOMÉTRICA COMPACTA DE FOURIER é também
denominada SÉRIE POLAR DE FOURIER.
Análise de Fourier - Henrique T. Moriya - 2005/1 48
2.6.2. PERIODICIDADE DA SÉRIE TRIGONOMÉTRICA DE
FOURIER
Demonstrou-se que um sinal arbitrário )(tf pode ser expresso como
uma série trigonométrica de Fourier em qualquer intervalo de 0T segundos.
Ou seja, um sinal )(tf arbitrário pode ser descrito por uma série
trigonométrica de Fourier em um intervalo qualquer 011 Tttt +≤≤ .
Como se comporta a série trigonométrica de Fourier fora deste intervalo
011 Tttt +≤≤ ?
A SÉRIE TRIGONOMÉTRICA DE FOURIER, )(tϕ , é uma função
periódica de período 0T , pois:
∑∞
=
+⋅⋅⋅+=1
00 )cos()(n
nn tnCCt θωϕ para todo t
e
( )[ ]∑∞
=
++⋅⋅⋅+=+1
0000 cos)(n
nn TtnCCTt θωϕ
00
2ωπ⋅
=T
Análise de Fourier - Henrique T. Moriya - 2005/1 49
( )[ ]∑∞
=
+⋅⋅+⋅⋅⋅+=+1
000 2cos)(n
nn ntnCCTt θπωϕ
[ ]∑∞
=
+⋅⋅⋅+=+1
000 cos)(n
nn tnCCTt θωϕ
)()( 0 tTt ϕϕ =+ para todo t
Assim, se a função )(tf periódica for periódica de período 0T , então a
série de Fourier representando )(tf periódica sob um intervalo 0T irá também
representar )(tf periódica para todo t (não somente para o intervalo 0T ).
)()cos()( 01
00 tnsenbtnaatf nn
nperiódica ⋅⋅⋅+⋅⋅⋅+= ∑∞
=
ωω
para todo t desde que )(tf periódica seja periódica com período igual a
0Tk ⋅ onde *+∈Zk .
2.6.3. CONDIÇÕES DE EXISTÊNCIA DA SÉRIE DE FOURIER
Para que a série de Fourier para um sinal )(tf exista, o sinal )(tf
deve respeitar as seguintes condições:
Análise de Fourier - Henrique T. Moriya - 2005/1 50
1. ∞<∫+
dttfTt
t
01
1
)(
2. O sinal )(tf deve ter um número finito de máximos e mínimos
em um intervalo 0T qualquer.
3. O sinal )(tf deve ter somente um número finito de
descontinuidades em um intervalo 0T qualquer.
Estas condições são chamadas de condições de Dirichlet e são suficientes, mas
não necessárias para a existência da série de Fourier do sinal )(tf .
2.6.4. SIMPLIFICAÇÕES ATRAVÉS DA SIMETRIA DO SINAL
A série de Fourier de um sinal periódico )(tf periodica , que não apresenta
simetria, contém tanto componentes ímpares (senos) como componentes pares
(dc e cossenos).
)()cos()( 01
00 tnsenbtnaatf nn
nperiódica ⋅⋅⋅+⋅⋅⋅+= ∑∞
=
ωω
para todo t
Se )(tf periodica apresenta simetria PAR, este sinal deve ser composto apenas
pelos termos simétricos PARES (dc e cossenos). Então, 0=kb
Análise de Fourier - Henrique T. Moriya - 2005/1 51
∑∞
=
⋅⋅⋅+=1
00 )cos()(n
npar tnaatf ω 0
02Tπω ⋅
=
Se )(tf periodica apresenta simetria ÍMPAR, este sinal deve ser composto
apenas pelos termos simétricos ÍMPARES (senos). Então, 00 == kaa
∑∞
=
⋅⋅⋅=1
0 )()(n
nímpar tnsenbtf ω 0
02Tπω ⋅
=
Se )(tf periodica apresenta simetria de MEIA-ONDA, este sinal deve ser
composto apenas pelos termos simétricos de MEIA-ONDA. Somente
harmônicas ímpares ( ,...5,3, 000 ωωω ⋅⋅ ) apresentam simetria de MEIA
ONDA. Então, 00 === kk baa para k PAR.
O cálculo dos coeficientes não-nulos para um sinal simétrico pode ser bastante
simplificado se forem utilizados os limites simétricos
−
2,
200 TT
no
cálculo das integrais e se forem levados em consideração os efeitos da
simetria.
Se )(tf par apresenta simetria PAR, )cos()( 0 tktf par ⋅⋅⋅ ω também irá
apresentar simetria PAR. Para calcular ka para um sinal de simetria PAR,
Análise de Fourier - Henrique T. Moriya - 2005/1 52
pode-se integrar )cos()( 0 tktf par ⋅⋅⋅ ω somente sobre
2,0 0T
e
multiplicar o resultado por 0
4T . Assim:
3,... 2, 1, n )cos()(4 2
00
0
0
=⋅⋅⋅⋅= ∫ dttntfT
a
T
parn ω
e
dttfT
a
T
par∫⋅=2
000
0
)(2
Se )(tfímpar apresenta simetria ÍMPAR, )()( 0 tksentfímpar ⋅⋅⋅ ω
também irá apresentar simetria ÍMPAR. Para calcular kb para um sinal de
simetria ÍMPAR, pode-se integrar )()( 0 tksentfímpar ⋅⋅⋅ ω somente sobre
2,0 0T
e multiplicar o resultado por 0
4T . Assim:
3,... 2, 1, n )()(4 2
00
0
0
=⋅⋅⋅⋅= ∫ dttnsentfT
b
T
ímparn ω
Análise de Fourier - Henrique T. Moriya - 2005/1 53
2.6.4.1. REMOÇÃO DE COMPONENTE DC PODE REVELAR
SIMETRIA “ESCONDIDA”
A adição de um nível dc a um sinal periódico irá modificar somente seu
coeficiente dc ( 0a e 0C ) e todos os outros coeficientes da série de Fourier
irão permanecer os mesmos.
Deve-se, portanto, sempre verificar a possível existência de simetria
“escondida” em um sinal periódico retirando seu nível dc. Esta verificação se
faz importante, pois, como já foi visto, a simetria simplifica os cálculos dos
coeficientes.
Caso a simetria “escondida” seja verificada, deve-se calcular o coeficiente dc
utilizando o sinal original. Os demais coeficientes podem ser calculados
utilizando o sinal simétrico obtido (usando as simplificações devido à
simetria) ou o sinal original (sem usar as simplificações devido à simetria).
Análise de Fourier - Henrique T. Moriya - 2005/1 54
2.6.5. COMO DETERMINAR A FREQÜÊNCIA FUNDAMENTAL E O
PERÍODO
Uma soma de senóides constitui um sinal periódico?
Não necessariamente.
Uma soma de senóides constitui um sinal periódico quando a razão entre cada
par de freqüências individuais for uma fração racional.
Exemplos:
+⋅⋅+
+⋅⋅+
+⋅⋅+= 3211 6
7cos532cos3
21cos72)( θθθ ttttf
Como as razões entre as freqüências de )(1 tf são 43
e 74
(o nível dc não é
considerado), o sinal )(1 tf é periódico e suas senóides são
HARMONICAMENTE relacionadas.
( ) ( )212 52cos2)( θπθ +⋅⋅++⋅⋅= tsenttf
Como a razão entre as freqüências de )(2 tf é π2
, o sinal )(2 tf não é
periódico.
O Período Comum ou Período Fundamental 0T de uma soma periódica de
senóides é o menor intervalo de tempo no qual cada senóide completa um
Análise de Fourier - Henrique T. Moriya - 2005/1 55
número inteiro de ciclos. 0T é dado pelo mínimo múltiplo comum (MMC)
dos períodos individuais.
A FREQÜÊNCIA FUNDAMENTAL 0f é o recíproco de 0T e é dada pelo
maior divisor comum (MDC) das freqüências individuais.
As freqüências presentes em uma soma periódica de senóides são
HARMÔNICAS da freqüência fundamental 0f .
2.7. SÉRIE EXPONENCIAL DE FOURIER
O conjunto de sinais
... 2, 1, 0, n 0 ±±=⋅⋅⋅ tnje ω
é completo em qualquer intervalo de duração 0
02ωπ⋅
=T .
Logo, pode-se expressar um sinal )(tf por uma SÉRIE EXPONENCIAL
DE FOURIER sob qualquer intervalo de duração 0T segundos.
∑+∞
−∞=
⋅⋅⋅⋅=n
tnjn eDtf 0)( ω
011 Tttt +≤≤
onde:
Análise de Fourier - Henrique T. Moriya - 2005/1 56
dtetfT
DTt
t
tnjn ∫
+⋅⋅⋅−⋅⋅=
01
1
0)(1
0
ω
A SÉRIE EXPONENCIAL DE FOURIER é basicamente outra forma da
SÉRIE TRIGONOMÉTRICA DE FOURIER
Cada senóide de freqüência ω pode ser expressa como uma soma de duas
exponenciais tje ⋅⋅ω
e tje ⋅⋅− ω. Isto faz com que a SÉRIE EXPONENCIAL
DE FOURIER consista de componentes da forma tnje ⋅⋅⋅ 0ω com n variando
de ∞− a ∞+ .
A SÉRIE EXPONENCIAL DE FOURIER é periódica com período 0T .
Vantagens da SÉRIE EXPONENCIAL DE FOURIER em relação à SÉRIE
TRIGONOMÉTRICA DE FOURIER:
1. A forma da série é mais compacta;
2. A expressão matemática dos coeficientes da série é mais compacta;
3. Na análise de sistemas, a forma exponencial é mais conveniente de ser
empregada.
Análise de Fourier - Henrique T. Moriya - 2005/1 57
2.7.1. RELAÇÕES DOS COEFICIENTES DAS SÉRIES DE FOURIER
nj
nn eCD θ⋅⋅⋅=21
nj
nn eCD θ⋅−− ⋅⋅=
21
)(21
nnn bjaD ⋅−⋅=
2.7.2. EFEITO DA SIMETRIA NA SÉRIE EXPONENCIAL DE
FOURIER
Não há uma simplificação direta nos cálculos de nD devido a existência de
simetria. Entretanto, usando as relações da Série Trigonométrica de Fourier, é
possível otimizar o cálculo dos coeficientes nD .
Se )(tf é par:
• 0=nb
• 2n
naD =
• π±=∠ ouDn 0
Se )(tf é ímpar:
Análise de Fourier - Henrique T. Moriya - 2005/1 58
• 0=na
• 2n
nbjD ⋅−
=
• 20 π
±=∠ ouDn
2.7.3. UTILIZANDO A FÓRMULA DE EULER PARA FACILITAR O
CÁLCULO DA SÉRIE EXPONENCIAL DE FOURIER
Suponha que:
)cos()( 0 ttx ⋅= ω
Utilizando a fórmula de Euler, pode-se calcular nD sem a utilização da
integral.
Dessa forma:
( ) tjtjtjtj eeeet ⋅⋅−⋅⋅⋅⋅−⋅⋅ ⋅+⋅=+⋅=⋅ 0000
21
21
21)cos( 0
ωωωωω
tnj
nn eDt ⋅⋅⋅
+∞
−∞=
⋅=⋅ ∑ 0)cos( 0ωω
Logo, os coeficientes nD para )cos()( 0 ttx ⋅= ω são:
Análise de Fourier - Henrique T. Moriya - 2005/1 59
21
1 =−D 21
1 =D 0=nD para 1|| ≠n
Se )(tf par apresenta simetria PAR, )cos()( 0 tktf par ⋅⋅⋅ ω também irá
apresentar simetria PAR. Para calcular ka para um sinal de simetria PAR,
pode-se integrar )cos()( 0 tktf par ⋅⋅⋅ ω somente sobre
2,0 0T
e
multiplicar o resultado por 0
4T . Assim:
3,... 2, 1, n )cos()(4 2
00
0
0
=⋅⋅⋅⋅= ∫ dttntfT
a
T
parn ω
e
dttfT
a
T
par∫⋅=2
000
0
)(2
Se )(tfímpar apresenta simetria ÍMPAR, )()( 0 tksentfímpar ⋅⋅⋅ ω
também irá apresentar simetria ÍMPAR. Para calcular kb para um sinal de
Análise de Fourier - Henrique T. Moriya - 2005/1 60
simetria ÍMPAR, pode-se integrar )()( 0 tksentfímpar ⋅⋅⋅ ω somente sobre
2,0 0T
e multiplicar o resultado por 0
4T . Assim:
3,... 2, 1, n )()(4 2
00
0
0
=⋅⋅⋅⋅= ∫ dttnsentfT
b
T
ímparn ω
2.8. O ESPECTRO DE SINAIS PERIÓDICOS
Os termos ANÁLISE ESPECTRAL ou ANÁLISE HARMÔNICA são
geralmente utilizados para descrever a análise de um sinal periódico
)(tf periodica através de suas Séries de Fourier.
As quantidades na , nb , nC , nθ ou nD descrevem os COEFICIENTES
ESPECTRAIS de )(tf periodica .
Eles podem ser “plotados” em relação ao índice n , à freqüência 0fn ⋅ (Hz)
ou à 0ω⋅n (rad/s) como mostrado a seguir:
Análise de Fourier - Henrique T. Moriya - 2005/1 61
O espectro de magnitude e o espectro de fase descrevem graficamente a
magnitude e a fase de cada harmônica. São exemplos de sinais discretos.
Existem três representações possíveis para o espectro de sinais periódicos
1. Utilizando a Série Compacta Trigonométrica de Fourier:
a. Espectros de magnitude (amplitude) e fase
i. Magnitudes ( nC ) x Freqüências
ii. Fases ( nθ ) x Freqüências
2. Utilizando a Série Exponencial de Fourier:
a. Parte real e parte imaginária
i. Parte real de nD x Freqüências
ii. Parte imaginária de nD x Freqüências
b. Espectros de magnitude e fase
Análise de Fourier - Henrique T. Moriya - 2005/1 62
i. Magnitude de nD x Freqüências
ii. Fase de nD x Freqüências
Relações:
000 CaD ==
nnn CDD ⋅== − 21
0≠n
nn
nn
DD
θθ−=−∠
=∠
Algumas características interessantes do Espectro Exponencial de Fourier:
• O Espectro existe para valores positivos e negativos de freqüência;
• O Espectro de magnitudes é uma função par de ω ;
• O Espectro de fases é uma função ímpar de ω .
2.8.1. POR QUE HÁ FREQÜÊNCIAS NEGATIVAS?
Como interpretar uma freqüência negativa?
Usando uma identidade trigonométrica pode-se expressar uma senóide de uma
freqüência negativa 0ω− como:
)cos()cos( 00 θωθω −⋅=+⋅− tt
Análise de Fourier - Henrique T. Moriya - 2005/1 63
Esta equação mostra claramente que a freqüência de uma senóide
)cos( 0 θω +⋅ t é 0ω , que é uma quantidade positiva.
A mesma conclusão pode ser alcançada observando-se que:
)()cos( 000 tsenjte tj ⋅⋅±⋅=⋅⋅± ωωω
A freqüência das exponenciais tje ⋅⋅± 0ω é na verdade 0ω .
Como, então, interpretar os gráficos do espectro com valores negativos de
ω ?
Uma boa forma de encarar a situação é pensar que o espectro exponencial é
uma representação gráfica dos coeficientes nD como uma função de ω .
A existência do espectro em 0ωω ⋅−= n é meramente uma indicação do
fato que uma componente tnje ⋅⋅⋅− 0ω existe na série.
2.8.2. LARGURA DE BANDA DE UM SINAL
A diferença entre a maior e a menor freqüência das componentes espectrais de
um sinal é a largura de banda do sinal.
2.9. TEOREMA DE PARSEVAL
Suponha um sinal periódico )(tf :
Análise de Fourier - Henrique T. Moriya - 2005/1 64
∑∞
=
+⋅⋅⋅+=1
00 )cos()(n
nn tnCCtf θω
O Teorema de Parseval diz que a potência do sinal )(tf pode ser calculada
da seguinte forma:
∑∞
=
⋅+=1
220 2
1n
nf CCP
ou
∑∞
−∞=
=n
nf DP 2
Análise de Fourier - Henrique Takachi Moriya - 2005/1 65
3. TRANSFORMADA DE FOURIER
3.1. REPRESENTAÇÃO DE UMA FUNÇÃO NÃO-PERIÓDICA
PELA INTEGRAL DE FOURIER
Um sinal não-periódico pode ser representado em um determinado intervalo
pela série exponencial de Fourier.
Já os sinais periódicos podem ser representados em todo intervalo (-∞, +∞)
pela série exponencial de Fourier.
Entretanto, convém representar qualquer função geral (periódica ou não) em
todo o intervalo (-∞, +∞) em termos de sinais exponenciais.
Veremos que pode ser mostrado que um sinal não-periódico pode ser
geralmente expresso como uma soma contínua (integral) de sinais
exponenciais, em contraste com sinais periódicos que podem ser
representados por uma soma discreta de sinais exponenciais.
Suponha um sinal não-periódico )(tf
Análise de Fourier - Henrique Takachi Moriya - 2005/1 66
A partir de )(tf , construiremos uma nova função periódica )(0
tfT com
período 0T de forma a não haver sobreposição dos pulsos.
Quando ∞→0T , os pulsos de )(0
tfT se repetem em intervalos infinitos,
logo:
)()(lim0
0
tftfTT=
∞→
Assim, a série de Fourier de )(0
tfT irá também representar )(tf no limite
∞→0T .
∑+∞
−∞=
⋅⋅⋅⋅=n
tnjnT eDtf 0
0)( ω
dtetfT
DTt
t
tnjTn ∫
+⋅⋅⋅−⋅⋅=
01
1
0
0)(1
0
ω
00
2Tπω ⋅
=
Análise de Fourier - Henrique Takachi Moriya - 2005/1 67
ou
dtetfT
DTt
t
tnjn ∫
+⋅⋅⋅−⋅⋅=
01
1
0)(1
0
ω
)t(f)t(flim0
0TT
=∞→
Definindo uma função contínua em ω :
dtetfF tj∫+∞
∞−
⋅⋅−⋅= ωω )()(
tem-se
)n(FT1D 00
n ω⋅⋅=
Análise de Fourier - Henrique Takachi Moriya - 2005/1 68
como:
∑+∞
−∞=
⋅⋅⋅⋅=n
tnjnT eDtf 0
0)( ω
∑+∞
−∞=
⋅⋅⋅⋅⋅
=n
tnjT e
TnFtf 0
00
0 )()( ωω
∑+∞
−∞=
⋅⋅⋅ ⋅⋅⋅⋅
=n
tnjT enFtf 0
0 0
0 2)()( ω
πω ω
∑+∞
−∞=
⋅⋅⋅ ⋅⋅⋅⋅⋅
=n
tnjT enFtf 00
0
0)(
21)( ωωπ
ω
)(lim)(0
0
tftf TT ∞→=
∑+∞
−∞=
⋅⋅⋅
∞→⋅⋅⋅⋅
⋅=
n
tnj
TenFtf 00
0
0
)(2
1lim)( ωωπ
ω
quando ∞→0T → 00 →ω )( 0 ωω d→
ωω =⋅ 0n
∫∑ ⇒
ou seja,
ωωπ
ω deFtf tj∫+∞
∞−
⋅⋅⋅⋅⋅
= )(2
1)(
Análise de Fourier - Henrique Takachi Moriya - 2005/1 69
ωω ω deF tj∫+∞
∞−
⋅⋅⋅)( → Integral de Fourier
Assim, temos a representação de um sinal não periódico )(tf por uma
integral de Fourier.
Esta integral é basicamente uma série de Fourier (no limite) com a
freqüência fundamental 00 →ω .
Logo, )(ωF funciona como uma função espectral.
)(ωF → Transformada Direta de Fourier de )(tf
)(tf → Transformada Inversa de Fourier de )(ωF
Fourier de adas transformdepar
ℑ=ℑ=− )](F[)t(f
)]t(f[)(F1 ω
ω
)()( ωFtf →←ℑ
dtetfF tj∫+∞
∞−
⋅⋅−⋅= ωω )()(
Análise de Fourier - Henrique Takachi Moriya - 2005/1 70
ωωπ
ω deFtf tj∫+∞
∞−
⋅⋅⋅⋅⋅
= )(2
1)(
Vale lembrar que a integral de Fourier é basicamente uma série de Fourier
com 00 →ω . Com isso, a maioria das propriedades da série de Fourier é
aplicada também para a transformada.
)(ωF → número complexo.
)(|)(|)( ωωω FeFF ∠=
Gráficos:
Amplitude x Freqüência
ωω ×|)(| F
Fase x Freqüência
ωω ×∠ )(F
Análise de Fourier - Henrique Takachi Moriya - 2005/1 71
3.1.1. EXISTÊNCIA DA TRANSFORMADA DE FOURIER
Se dtetf tj∫+∞
∞−
⋅⋅−⋅ ω)( é finita, então a transformada existe.
Portanto:
∞<∫+∞
∞−
dt|)t(f|
Esta condição é suficiente, mas não necessária, para a existência da
Transformada de Fourier de )(tf .
Funções como )( tsen ⋅ω , )cos( t⋅ω , )(tu , etc. não satisfazem a
condição de integrabilidade absoluta e rigorosamente não possuiriam
transformada de Fourier. Entretanto, elas APRESENTAM transformada de
Fourier.
3.1.2. LINEARIDADE DA TRANSFORMADA DE FOURIER
A Transformada de Fourier é linear.
)()( 11 ωFtf →←ℑ e )()( 22 ωFtf →←ℑ
)()()()( 22112211 ωω FaFatfatfa ⋅+⋅→←⋅+⋅ ℑ
Análise de Fourier - Henrique Takachi Moriya - 2005/1 72
constantes 21 →aea
3.2. ALGUMAS TRANSFORMADAS DE FOURIER
3.2.1. ALGUMAS FUNÇÕES ÚTEIS
3.2.1.1. FUNÇÃO PORTA UNITÁRIA
Define-se a função porta unitária )x(rect como um pulso de amplitude
unitária centrado na origem e de duração unitária.
<
=
>
=
21|x|121|x|
21
21|x|0
)x(rect
Observe, agora, a função
τxrect
Análise de Fourier - Henrique Takachi Moriya - 2005/1 73
<
=
>
=
2|x|1
2|x|
21
2|x|0
xrect
τ
τ
τ
τ
Outra notação possível: )x(Gxrect ττ=
.
Assim: ( ) )x(Gxrect 1=
3.2.1.2. FUNÇÃO TRIÂNGULO UNITÁRIO
Define-se a função triângulo unitário )x(∆ como um pulso triangular de
amplitude máxima unitária centrado na origem e de duração unitária.
Análise de Fourier - Henrique Takachi Moriya - 2005/1 74
<⋅−
≥=
21|x||x|2121|x|0
)x(∆
Observe, agora, a função
τ
∆ x:
<⋅−
≥=
2|x||x|21
2|x|0xτ
τ
τ
τ∆
3.2.1.3. FUNÇÃO SINC(x)
Esta função desempenha um importante papel no processamento de sinais e
é comumente denominada de função de interpolação ou função “chapéu
mexicano”.
x)x(sen)x(csin =
Análise de Fourier - Henrique Takachi Moriya - 2005/1 75
Algumas observações:
1. )x(csin é uma função par de x .
2. 0)x(csin = quando 0)x(sen = exceto em 0x = . Isto
significa que 0)x(csin = para ,...3,2,x πππ ±±±=
3. Usando a regra de L’Hôpital
x)x(senlim)x(csinlim
0x0x →→=
Análise de Fourier - Henrique Takachi Moriya - 2005/1 76
tem-se que 1)0(csin = .
4. )x(csin é o produto de um sinal oscilante )x(sen (de período
π⋅2 ) e uma função monotonicamente decrescente x1
. Logo,
)x(csin apresenta oscilações senoidais de período π⋅2 com
amplitudes decrescendo continuamente de x1
.
5. Outra notação utilizada para )x(csin é )x(Sa .
6. Alguns autores definem )x(csin de forma diferente:
x)x(sen)x(csin
⋅⋅
=ππ
3.2.2. SINAL EXPONENCIAL UNILATERAL
)t(ue)t(f ta ⋅= ⋅−
dte)t(f)(F tj∫+∞
∞−
⋅⋅−⋅= ωω
dte)t(ue)(F tjta∫+∞
∞−
⋅⋅−⋅− ⋅⋅= ωω
Análise de Fourier - Henrique Takachi Moriya - 2005/1 77
dte)(F0
t)ja(∫+∞
⋅⋅+−= ωω
ωωω
ω
⋅+=
⋅+
−=
+∞⋅⋅+−
ja1
jae)(F
0
t)ja(
⋅− −
⋅+
=⋅+
= atgj
22
1
ea
1ja
1)(Fω
ωωω
Observação: )(F ω converge somente para 0a > .
3.2.3. SINAL EXPONENCIAL BILATERAL
tae)t(f ⋅−=
dtee)(F tjta∫+∞
∞−
⋅⋅−⋅− ⋅= ωω
dtedte)(F0
t)ja(0
t)ja( ∫∫+∞
⋅⋅+−
∞−
⋅⋅− += ωωω
22aa2)(Fω
ω+⋅
=
Análise de Fourier - Henrique Takachi Moriya - 2005/1 78
3.2.4. FUNÇÃO PORTA
⋅=τ
α trect)t(f
onde α e τ são constantes.
dte)(F2
2
tj∫+
−
⋅⋅−⋅=
τ
τ
ωαω
ω
τωα
ωαω
τωτω
⋅⋅⋅
=
−⋅
⋅=
⋅⋅−⋅⋅ 2sen2
eej
)(F 2j
2j
⋅⋅⋅=
⋅
⋅⋅⋅
=2
csin
2
2sen
)(F τωτατω
τωταω
A transformada de Fourier de )(F ω apresenta valores positivos e
negativos.
Análise de Fourier - Henrique Takachi Moriya - 2005/1 79
Uma amplitude negativa pode ser considerada como uma amplitude positiva
com fase de π− ou π+ . Assim:
O espectro de fase, que é uma função ímpar de ω para )t(f real, pode
ser esquematizada de diversas outras formas, já que um sinal negativo pode
ser representado por uma fase de π⋅± n , onde Zn∈ e n é ímpar.
3.2.5. FUNÇÃO IMPULSO UNITÁRIO
)t()t(f δ=
dte)t()(F tj∫+∞
∞−
⋅⋅−⋅= ωδω
1)(F =ω
3.2.6. FUNÇÃO CONSTANTE
α=)t(f
Análise de Fourier - Henrique Takachi Moriya - 2005/1 80
Observação: esta função não satisfaz as condições de integrabilidade
absoluta, mas a transformada de Fourier existe no limite.
⋅==
∞→ ταα
τ
trectlim)t(f
Como:
⋅⋅⋅→←
⋅ ℑ
2csintrect τωτα
τα
⋅⋅⋅=
∞→ 2csinlim)(F τωταω
τ
444 3444 21)(
2csin
2lim2)(F
ωδ
τ
τωπταπω
⋅⋅
⋅⋅⋅⋅=
∞→
)(2)(F ωδαπω ⋅⋅⋅=
3.2.7. FUNÇÃO sgn(t)
)tsgn()t(f =
1)t(u2)tsgn( −⋅=
[ ])t(ue)t(uelim)tsgn( tata
0a⋅−⋅= ⋅⋅−
→
dte)tsgn()(F tj∫+∞
∞−
⋅⋅−⋅= ωω
Análise de Fourier - Henrique Takachi Moriya - 2005/1 81
[ ] dte)t(ue)t(uelim)(F tjtata
0a
⋅⋅−∞
∞−
⋅⋅−
→∫ ⋅⋅−⋅= ωω
⋅−⋅= ∫∫
∞−
⋅⋅−⋅+∞
⋅⋅−⋅−
→dteedteelim)(F
0tjta
0
tjta
0a
ωωω
−= ∫∫
∞−
⋅⋅−∞
⋅⋅+−
→dtedtelim)(F
0t)ja(
0
t)ja(
0a
ωωω
⋅−−
⋅+−=
∞−
⋅⋅−∞⋅⋅+−
→
0t)ja(
0
t)ja(
0a )ja(e
)ja(elim)(F
ωωω
ωω
⋅−
−⋅+
=→ )ja(
1)ja(
1lim)(F0a ωω
ω
+⋅−−⋅−
=→ 220a a
jajalim)(Fω
ωωω
+⋅⋅−
=→ 220a a
j2lim)(Fωωω
ωωω 2j
j2)(F ⋅−=⋅
=
Análise de Fourier - Henrique Takachi Moriya - 2005/1 82
3.2.8. FUNÇÃO DEGRAU)
)t(u)t(f =
)]tsgn(1[21)t(u +⋅=
)]t[sgn(21]1[
21)t(u ℑ⋅+ℑ⋅=ℑ
ωωδπω
⋅⋅+
⋅⋅=
j2
21
2)(2)(F
ωωδπω
⋅+⋅=
j1)()(F
3.2.9. FUNÇÃO SEN(ω0.t)
)t(sen)t(f 0 ⋅= ω
Este sinal não satisfaz a condição de integrabilidade absoluta, mas sua
transformada existe e pode ser encontrada por um processo de limite.
Supondo que a função )t(sen 0 ⋅ω exista no intervalo
−
2,
2ττ
e seja
nula fora desse intervalo. No limite, τ será infinito.
Análise de Fourier - Henrique Takachi Moriya - 2005/1 83
dte)t(senlim)t(sen2
2
tj00 ∫
−
⋅⋅−
∞→⋅⋅=⋅ℑ
τ
τ
ω
τωω
dte)t(senlim)(F2
2
tj0∫
−
⋅⋅−
∞→⋅⋅=
τ
τ
ω
τωω
( ) dtej2eelim)(F
2
2
tjtjtj 00
∫−
⋅⋅−⋅⋅−⋅⋅
∞→⋅
⋅−
=
τ
τ
ωωω
τω
( ) ( )dt
j2eelim)(F
2
2
tjtj 00
∫−
⋅+⋅−⋅−⋅−
∞→
⋅−
=
τ
τ
ωωωω
τω
( )
( )( )
( )2
20
tj
0
tj
je
jelim
j21)(F
00
τ
τ
ωωωω
τ ωωωωω
−
⋅+⋅−⋅−⋅−
∞→
+⋅
+−⋅
−⋅⋅
=
( ) ( )
( )
( ) ( )
( )
+⋅−
+−⋅+
−⋅⋅
=⋅+⋅⋅+⋅−⋅−⋅⋅−⋅−
∞→0
2j
2j
0
2j
2j
jee
jeelim
j21)(F
0000
ωωωωω
τωωτωωτωωτωω
τ
Análise de Fourier - Henrique Takachi Moriya - 2005/1 84
( )
( )
( )
( )
+
⋅+
−−
⋅−
⋅−=∞→
0
0
0
0 2sen
2sen
limj)(Fωω
τωω
ωω
τωωω
τ
( ) ( )
⋅+−
⋅−⋅⋅−=
∞→ 2csin
2csin
2limj)(F 00
τωωτωωτωτ
como
⋅⋅
⋅=
∞→ 2kcsin
2klim)(
kω
πωδ , então:
( ) ( )[ ]00j)(F ωωδωωδπω −−+⋅⋅=
3.2.10. FUNÇÃO COS(ω0.t)
)tcos()t(f 0 ⋅= ω
De forma análoga ao desenvolvimento de )t(sen 0 ⋅ℑ ω , tem-se:
dte)tcos(lim)(F2
2
tj0∫
−
⋅⋅−
∞→⋅⋅=
τ
τ
ω
τωω
Análise de Fourier - Henrique Takachi Moriya - 2005/1 85
( )
( )
( )
( )
⋅+
⋅+
+⋅−
⋅−
⋅=∞→
2
2sen
2
2sen
2lim)(F
0
0
0
0
τωω
τωω
τωω
τωωτω
τ
( ) ( )[ ]00)(F ωωδωωδπω ++−⋅=
3.2.11. FUNÇÃO ej.ω0.t
tj 0e)t(f ⋅⋅= ω
como:
)t(senj)tcos(e 00tj 0 ⋅⋅+⋅=⋅⋅ ωωω
)t(senj)tcos()(F 00 ⋅⋅+⋅ℑ= ωωω
)t(senj)tcos()(F 00 ⋅ℑ⋅+⋅ℑ= ωωω
portanto:
( )02)(F ωωδπω −⋅⋅=
3.2.12. FUNÇÃO PERIÓDICA
A rigor não existe a transformada de Fourier para uma função )t(f
periódica, já que:
Análise de Fourier - Henrique Takachi Moriya - 2005/1 86
∞=∫∞
∞−
dt)t(f , se )Tnt(f)t(f ⋅+=
Entretanto, a transformada de Fourier de uma função periódica )t(f
existe no limite (como foi feito para )t(sen 0 ⋅ω e )tcos( 0 ⋅ω ).
Para o caso de uma função periódica )t(f , podemos representá-la pela
série exponencial de Fourier da seguinte maneira:
∑∞
−∞=
⋅⋅⋅⋅=n
tnjn
oeD)t(f ω (I)
onde:
dte)t(f
T1D
2T
2T
tnjn
o∫−
⋅⋅⋅−⋅⋅= ω
T2
oπω ⋅
=
Aplicando as transformadas de Fourier nos dois membros da Equação (I),
tem-se:
⋅ℑ=ℑ ∑∞
−∞=
⋅⋅⋅
n
tnjn
oeD)t(f ω
Análise de Fourier - Henrique Takachi Moriya - 2005/1 87
∑∞
−∞=
⋅⋅⋅ℑ⋅=n
tnjn
oeD)(F ωω
∑∞
−∞=
⋅−⋅⋅⋅=n
on )n(2D)(F ωωδπω
∑∞
−∞=
⋅−⋅⋅⋅=n
on )n(D2)(F ωωδπω
A equação acima estabelece que a função de densidade espectral ou a
transformada de Fourier de um sinal periódico é formada por impulsos
localizados nas freqüências harmônicas do sinal e que o peso de cada
impulso é igual a π⋅2 vezes o valor do coeficiente correspondente na série
exponencial de Fourier.
Análise de Fourier - Henrique Takachi Moriya - 2005/1 88
3.2.13. TABELA DE PARES DE TRANSFORMADAS DE FOURIER
TABLE 4.1 – PÁGINA 252 – LATHI
Análise de Fourier - Henrique Takachi Moriya - 2005/1 89
4. PROPRIEDADES DA TRANSFORMADA DE FOURIER
ωωπ
ω deFtf tj∫+∞
∞−
⋅⋅⋅⋅⋅
= )(2
1)(
dtetfF tj∫+∞
∞−
⋅⋅−⋅= ωω )()(
)()( ωFtf →←ℑ
As equações de )t(f e )(F ω guardam grande similaridade, daí tem-se
a dualidade tempo-freqüência.
Para qualquer resultado ou relação entre )t(f e )(F ω , existe um
resultado ou relação dual obtida trocando-se os papéis de )t(f e )(F ω
no resultado original (algumas pequenas modificações se fazem necessárias
devido ao fator π⋅2 e à troca de sinal)
4.1. SIMETRIA
Se )()( ωFtf →←ℑ
Então )(f2)t(F ωπ −⋅⋅→←ℑ
Análise de Fourier - Henrique Takachi Moriya - 2005/1 90
4.1.1. DEMONSTRAÇÃO
ωωπ
ω deFtf tj∫+∞
∞−
⋅⋅⋅⋅⋅
= )(2
1)(
ωωπ ω de)(F)t(f2 tj∫+∞
∞−
⋅⋅−⋅=−⋅⋅
x=ω e dxd =ω
dxe)x(F)t(f2 txj∫+∞
∞−
⋅⋅−⋅=−⋅⋅π
ω=t
dxe)x(F)(f2 xj∫+∞
∞−
⋅⋅−⋅=−⋅⋅ ωωπ
tx = e dtdx =
dte)t(F)(f2 tj∫+∞
∞−
⋅⋅−⋅=−⋅⋅ ωωπ
logo:
)(f2)t(F ωπ −⋅⋅→←ℑ
Análise de Fourier - Henrique Takachi Moriya - 2005/1 91
4.1.2. EXEMPLO
?)tk(csin =⋅ℑ
solução:
⋅
⋅↔
2csintrect τωτ
τ
−⋅⋅↔
⋅
⋅τωπττ rect2
2tcsin
⋅
⋅↔
⋅
τω
τπτ rect2
2tcsin
mas: k2k2
⋅=→= ττ
( )
⋅⋅
⋅⋅
↔⋅k2
rectk2
2tkcsin ωπ
Portanto:
( )
⋅⋅↔⋅
k2rect
ktkcsin ωπ
4.2. ESCALONAMENTO
Se )()( ωFtf →←ℑ
Análise de Fourier - Henrique Takachi Moriya - 2005/1 92
Então, para qualquer constante real a:
⋅→←⋅ ℑ
aF
|a|1)ta(f ω
4.2.1. DEMONSTRAÇÃO
Para a constante positiva real:
dte)ta(f)ta(f tj∫+∞
∞−
⋅⋅−⋅⋅=⋅ℑ ω
fazendo dtadxtax ⋅=→⋅=
dxe)x(fa1)ta(f a
xj
∫+∞
∞−
⋅⋅−⋅⋅=⋅ℑ
ω
⋅=⋅ℑ
aF
a1)ta(f ω
Da mesma forma, para a < 0:
⋅
−→←⋅ ℑ
aF
a1)ta(f ω
Portanto:
⋅→←⋅ ℑ
aF
|a|1)ta(f ω
Análise de Fourier - Henrique Takachi Moriya - 2005/1 93
4.2.2. SIGNIFICADO DO ESCALONAMENTO
⋅→←⋅ ℑ
aF
|a|1)ta(f ω
A propriedade do escalonamento diz que a compressão no tempo de um
sinal resulta na sua expansão espectral; a expansão no tempo de um sinal
resulta na sua compressão espectral.
4.3. DESLOCAMENTO NO TEMPO
Se )()( ωFtf →←ℑ
Então:
0tj0 e)(F)tt(f ⋅⋅−ℑ ⋅→←− ωω
4.3.1. DEMONSTRAÇÃO
dte)tt(f)tt(f tj00 ∫
+∞
∞−
⋅⋅−⋅−=−ℑ ω
dtdxttx 0 =→−=
dxe)x(f)tt(f )tx(j0
0∫+∞
∞−
+⋅⋅−⋅=−ℑ ω
Análise de Fourier - Henrique Takachi Moriya - 2005/1 94
dxee)x(f)tt(f 0tjxj0 ∫
+∞
∞−
⋅⋅−⋅⋅− ⋅⋅=−ℑ ωω
dxe)x(fe)tt(f xjtj0
0 ∫+∞
∞−
⋅⋅−⋅⋅− ⋅⋅=−ℑ ωω
)(Fe)tt(f 0tj0 ωω ⋅=−ℑ ⋅⋅−
4.3.2. EXEMPLO
?2
trect =
−ℑ
ττ
⋅
⋅↔
2csintrect τωτ
τ
Portanto:
2j
e2
csin2
trectτωτωττ
τ⋅⋅−
⋅
⋅
⋅↔
−
4.3.3. FASE LINEAR
0tj0 e)(F)tt(f ⋅⋅−ℑ ⋅→←− ωω
Atrasar um sinal de 0t segundos não modifica sua amplitude espectral.
Análise de Fourier - Henrique Takachi Moriya - 2005/1 95
Um sinal atrasado de 0t segundos tem sua fase espectral original (sinal não
atrasado) deslocada de 0t⋅−ω .
Este deslocamento de 0t⋅−ω representa um deslocamento linear na fase
com coeficiente angular de 0t−
4.4. DESLOCAMENTO EM FREQÜÊNCIA
Se )()( ωFtf →←ℑ
Então:
)(Fe)t(f 0tj 0 ωωω −→←⋅ ℑ⋅⋅
4.4.1. DEMONSTRAÇÃO
dtee)t(fe)t(f tjtjtj 00 ∫+∞
∞−
⋅⋅−⋅⋅⋅⋅ ⋅⋅=⋅ℑ ωωω
dte)t(fe)t(f t)(jtj 00 ∫+∞
∞−
⋅−⋅−⋅⋅ ⋅=⋅ℑ ωωω
)(Fe)t(f 0tj 0 ωωω −=⋅ℑ ⋅⋅
Análise de Fourier - Henrique Takachi Moriya - 2005/1 96
4.4.2. MODULAÇÃO EM AMPLITUDE
Como tj 0e ⋅⋅ω não é uma função real que possa ser gerada, o deslocamento
em freqüência é conseguido na prática multiplicando-se )t(f por uma
cossenóide.
[ ]tjtj0
00 e)t(fe)t(f21)tcos()t(f ⋅⋅−⋅⋅ ⋅+⋅⋅=⋅⋅ ωωω
e
[ ])(F)(F21)tcos()t(f 000 ωωωωω ++−⋅↔⋅⋅
Isto mostra que a multiplicação de um sinal )t(f por uma senóide de
freqüência 0ω desloca o espectro de )(F ω de 0ω± .
Análise de Fourier - Henrique Takachi Moriya - 2005/1 97
A multiplicação de )tcos( 0 ⋅ω por )t(f modula a amplitude da
senóide.
Este tipo de modulação é conhecida como MODULAÇÃO EM
AMPLITUDE (AM).
)tcos( 0 ⋅ω é chamada de PORTADORA.
)t(f é chamado de SINAL MODULANTE.
)tcos()t(f 0 ⋅⋅ ω é chamado de SINAL MODULADO.
Fazendo um esboço de um sinal )tcos()t(f 0 ⋅⋅ ω :
Observa-se que:
Análise de Fourier - Henrique Takachi Moriya - 2005/1 98
−=⋅−=⋅
=⋅⋅1)tcos(quando)t(f
1)tcos(quando)t(f)tcos()t(f
0
00 ω
ωω
Logo, )tcos()t(f 0 ⋅⋅ ω toca )t(f quando )tcos( 0 ⋅ω está em
seus picos positivos e toca )t(f− quando )tcos( 0 ⋅ω está em seus
picos negativos.
Isto significa que )t(f e )t(f− agem como envelopes para o sinal
)tcos()t(f 0 ⋅⋅ ω .
O sinal )t(f− é a imagem refletida de )t(f em relação ao eixo
horizontal.
4.5. DIFERENCIAÇÃO NO TEMPO
Se )()( ωFtf →←ℑ
Então:
)(F)j(dt
)t(fd nn
n
ωω ⋅⋅→←ℑ
Análise de Fourier - Henrique Takachi Moriya - 2005/1 99
4.5.1. DEMONSTRAÇÃO
ωωπ
ω deFtf tj∫+∞
∞−
⋅⋅⋅⋅⋅
= )(2
1)(
ωωωπ
ω de)(Fj2
1dtdf tj∫
+∞
∞−
⋅⋅⋅⋅⋅⋅⋅
=
assim:
)(Fjdt
)t(df ωω ⋅⋅→←ℑ
e
)(F)j(dt
)t(fd nn
n
ωω ⋅⋅→←ℑ
4.6. INTEGRAÇÃO NO TEMPO
Se )()( ωFtf →←ℑ
Então:
)()0(Fj
)(Fd)(ft
ωδπωωττ ⋅⋅+⋅
→←ℑ
∞−∫
Análise de Fourier - Henrique Takachi Moriya - 2005/1 100
4.7. CONVOLUÇÃO
Sejam duas funções:
)t(f1 e )t(f2
A integral
τττ d)t(f)(f)t(f)t(f 2121 ∫+∞
∞−
−⋅=∗
ocorre freqüentemente em engenharia e recebe um nome especial de
INTEGRAL DE CONVOLUÇÃO.
A integral de convolução é expressa simbolicamente por: )t(f)t(f 21 ∗ .
4.7.1. PROPRIEDADES DA CONVOLUÇÃO
4.7.1.1. COMUTATIVA
)t(f)t(f)t(f)t(f 1221 ∗=∗
4.7.1.2. DISTRIBUTIVA
)t(f)t(f)t(f)t(f)]t(f)t(f[)t(f 3121321 ∗+∗=+∗
Análise de Fourier - Henrique Takachi Moriya - 2005/1 101
4.7.1.3. ASSOCIATIVA
)t(f)]t(f)t(f[)]t(f)t(f[)t(f 321321 ∗∗=∗∗
4.7.1.4. DESLOCAMENTO
Se
)t(c)t(f)t(f 21 =∗
então
)Tt(c)Tt(f)t(f 21 −=−∗
)Tt(c)t(f)Tt(f 21 −=∗−
e
)TTt(c)Tt(f)Tt(f 212211 −−=−∗−
4.7.1.5. CONVOLUÇÃO COM UM IMPULSO
A convolução de uma função )t(f com um impulso unitário )t(δ
resulta na própria função )t(f .
ττδτδ d)t()(f)t()t(f ∫+∞
∞−
−⋅=∗
Análise de Fourier - Henrique Takachi Moriya - 2005/1 102
como )t( τδ − é um impulso localizado em t=τ .
)t(f)t()t(f =∗δ
4.7.1.6. PROPRIEDADE DA LARGURA
Se as durações (larguras) de )t(f1 e )t(f2 forem 1T e 2T
respectivamente.
Então, a duração (largura) de )t(f)t(f 21 ∗ é 21 TT + .
4.7.2. PROCEDIMENTO GRÁFICO PARA OBTENÇÃO DA
CONVOLUÇÃO
Seja
τττ d)t(g)(f)t(g)t(f)t(c ∫+∞
∞−
−⋅=∗=
Para obter )t(c graficamente siga os seguintes passos:
1. Mantenha a função )(f τ fixa;
2. Visualize a função )(g τ como uma armação rígida de arame e
rotacione (ou inverta) esta armação em relação ao eixo vertical
( 0=τ ) para obter )(g τ− ;
Análise de Fourier - Henrique Takachi Moriya - 2005/1 103
3. Desloque a armação invertida sobre o eixo τ por 0t segundos. A
armação deslocada representa )t(g 0 τ− ;
4. A área sob o PRODUTO de )(f τ e )t(g 0 τ− (a armação
deslocada) é )t(c 0 , o valor da convolução em 0tt = .
τττ d)t(g)(f)t(c 00 ∫+∞
∞−
−⋅=
5. Repita esse procedimento, deslocando a armação para diferentes
valores de 0t para obter )t(c para todos os valores de t .
Análise de Fourier - Henrique Takachi Moriya - 2005/1 104
Análise de Fourier - Henrique Takachi Moriya - 2005/1 105
Análise de Fourier - Henrique Takachi Moriya - 2005/1 106
4.7.3. CONVOLUÇÃO NO TEMPO
Se )(F)t(f 11 ω→←ℑ e )(F)t(f 22 ω→←ℑ
Então:
)(F)(F)t(f*)t(f 2121 ωω ⋅→←ℑ
4.7.3.1. DEMONSTRAÇÃO
dted)t(f)(f)t(f*)t(f tj2121 ∫ ∫
+∞
∞−
⋅⋅−+∞
∞−
⋅
−⋅=ℑ ωτττ
τττ
τωω
ω ddte)t(f)(f)t(f)*t(f
j2 e)(F
tj2121 ∫ ∫
+∞
∞−
⋅
+∞
∞−
⋅⋅−
⋅⋅−
⋅−⋅=ℑ
444 3444 21
τωτ τω de)(F)(f)t(f*)t(f j2121 ∫
+∞
∞−
⋅⋅−⋅⋅=ℑ
ττω τω de)(f)(F)t(f)*t(f j1221 ∫
+∞
∞−
⋅⋅−⋅⋅=ℑ
)(F)(F)t(f*)t(f 2121 ωω ⋅=ℑ
Análise de Fourier - Henrique Takachi Moriya - 2005/1 107
4.7.4. CONVOLUÇÃO NA FREQÜÊNCIA
Se )(F)t(f 11 ω→←ℑ e )(F)t(f 22 ω→←ℑ
Então:
[ ])(F)*(F2
1)t(f)t(f 2121 ωωπ⋅
⋅→←⋅ ℑ
4.7.4.1. DEMONSTRAÇÃO
ωττωτπ
ωω ω ded)(F)(F2
1)(F)*(F tj2121
1 ∫ ∫+∞
∞−
⋅⋅+∞
∞−
− ⋅
−⋅⋅
⋅=ℑ
∫ ∫+∞
∞−
⋅⋅+∞
∞−
− ⋅−⋅⋅
⋅=ℑ ωτωπ
ττωω ω de)(F2
1d)(F)(F*)(F tj2121
1
[ ]∫+∞
∞−
⋅⋅− ⋅⋅=ℑ τωττωω j2121
1 e)t(fd)(F)(F)*(F
∫+∞
∞−
⋅⋅− ⋅⋅⋅
⋅⋅⋅=ℑ ττπ
πωω τω de)(F2
1)t(f2)(F*)(F j1221
1
)t(f)t(f2)(F)*(F 21211 ⋅⋅⋅=ℑ− πωω
Análise de Fourier - Henrique Takachi Moriya - 2005/1 108
[ ])(F)*(F2
1)t(f)t(f 2121 ωωπ⋅
⋅→←⋅ ℑ
Análise de Fourier - Henrique Takachi Moriya - 2005/1 109
5. TRANSMISSÃO DE SINAIS ATRAVÉS DE SLIT DE TEMPO
CONTÍNUO
5.1. MULTIPLICAÇÃO DE UMA FUNÇÃO POR UM IMPULSO
=
≠=
∫∞+
∞−
1dt)t(
0tpara0)t(
δ
δ
Suponha que multipliquemos um impulso unitário )t(δ por uma função
)t(f que seja contínua em 0t = .
)t()0(f)t()t(f δδ ⋅=⋅
De forma similar, se )t(f é multiplicada por um impulso deslocado
)Tt( −δ
)Tt()T(f)Tt()t(f −⋅=−⋅ δδ
desde que )t(f seja contínua em Tt = .
5.1.1. PROPRIEDADE DA AMOSTRAGEM DA FUNÇÃO IMPULSO
UNITÁRIO
Do item anterior, tem-se
∫ ∫+∞
∞−
+∞
∞−
=⋅=⋅ )0(fdt)t()0(fdt)t()t(f δδ
Análise de Fourier - Henrique Takachi Moriya - 2005/1 110
desde que )t(f seja contínua em 0t = .
Este resultado significa que a área sob o produto de uma função )t(f com
um impulso )t(δ é igual ao valor da função )t(f no instante onde o
impulso unitário é diferente de zero.
Esta propriedade é muito útil e importante e é conhecida como propriedade da
amostragem do impulso unitário.
A propriedade da amostragem do impulso unitário é descrita da seguinte
forma:
∫+∞
∞−
=−⋅ )T(fdt)Tt()t(f δ
como )t()t( −= δδ
Podemos expressar qualquer sinal de tempo contínuo como:
∫+∞
∞−
−⋅= ττδτ d)t()(f)t(f
5.2. RESPOSTA DE UM SISTEMA LINEAR INVARIANTE NO
TEMPO E A INTEGRAL DE CONVOLUÇÃO
Suponha um SLIT
→)t(f SLIT )t(y→
Análise de Fourier - Henrique Takachi Moriya - 2005/1 111
)t(fT)t(y =
como:
∫+∞
∞−
−⋅= ττδτ d)t()(f)t(f
tem-se:
−⋅= ∫+∞
∞−
ττδτ d)t()(fT)t(y
como o sistema é linear, tem-se:
∫+∞
∞−
−⋅= ττδτ d)t(T)(f)t(y
como o sistema é invariante no tempo, tem-se:
)t(T)t(h δ= - resposta ao impulso unitário
)t(h)t(T ττδ −=−
assim:
∫+∞
∞−
−⋅= τττ d)t(h)(f)t(y
ou seja,
)t(h)t(f)t(y ∗=
Análise de Fourier - Henrique Takachi Moriya - 2005/1 112
A saída de qualquer sistema linear invariante no tempo (SLIT) de tempo
contínuo é igual à convolução da entrada )t(f com a resposta ao impulso
unitário do sistema )t(h .
5.3. RESPOSTA EM FREQÜÊNCIA DE UM SLIT
Para um SLIT, tem-se:
)t(h)t(f)t(y ∗=
Aplicando a propriedade da convolução no tempo da Transformada de
Fourier, tem-se:
)(H)(F)(Y ωωω ⋅=
A transmissão de um sinal de entrada )t(f através de um SLIT modifica
este sinal e dá origem ao sinal )t(y .
)(F ω é o espectro de )t(f .
)(Y ω é o espectro de )t(y .
)(H ω é a resposta em freqüência do sistema.
Observação: dá-se o nome de Função de Transferência à Transformada de
Laplace da resposta ao pulso unitário, )s(H .
[ ])(H)(Fj)(Yj e)(H)(Fe)(Y ωωω ωωω ∠+∠⋅∠⋅ ⋅⋅=⋅
Análise de Fourier - Henrique Takachi Moriya - 2005/1 113
logo:
)(H)(F)(Y ωωω ⋅=
)(H)(F)(Y ωωω ∠+∠=∠
Durante a transmissão, a amplitude do espectro do sinal de entrada )(F ω é
modificado para )(H)(F ωω ⋅ .
De forma similar, a fase do espectro do sinal de entrada )(F ω∠ é
modificada para )(H)(F ωω ∠+∠ .
5.4. CAUSALIDADE PARA SLITs
Um sistema é “causal” se a saída em um instante de tempo depende somente
da entrada no mesmo instante de tempo e das entradas anteriores.
Tais sistemas são chamados também de “não-antecipativos”.
Matematicamente, o sistema causal é representado:
0tpara0)t(h <=
Então, se 0)t(h = para 0t < ,
tou0tpara0)t(h ><−=− τττ
Assim, o limite inferior de )t(h)t(f)t(y ∗= será 0 .
Análise de Fourier - Henrique Takachi Moriya - 2005/1 114
5.5. ESTABILIDADE DE SLITs
Um sistema é estável se sua resposta ao impulso é absolutamente integrável,
isto é:
∞<∫+∞
∞−
dt)t(h
5.6. SISTEMAS FISICAMENTE REALIZÁVEIS
Um sistema é fisicamente realizável se for causal.
No domínio da freqüência, a condição necessária para que o sistema seja
fisicamente realizável é:
∞<+∫
+∞
∞−
ωωω
d1
)(Hln2
Esta inequação é conhecida como “Critério de Paley-Wiener”.
Um sistema onde )(H ω não satisfaça a inequação acima, tem resposta
não-causal.
5.7. TRANSMISSÃO SEM DISTORÇÃO
Uma transmissão é dita sem distorção se a forma de onda do sinal de entrada
for a mesma forma de onda do sinal de saída a menos de uma multiplicação
por uma constante.
Análise de Fourier - Henrique Takachi Moriya - 2005/1 115
Um sinal de saída atrasado que tenha a mesma forma de onda do sinal de
entrada a menos de uma multiplicação por uma constante também pode ser
obtido de uma transmissão sem distorção.
Então, em uma transmissão sem distorção, a entrada )t(f e a saída )t(y
satisfazem a condição:
)tt(fk)t(y d−⋅=
Realizando a Transformada de Fourier, tem-se:
( ) ( ) dtjeFkY ⋅⋅−⋅⋅= ωωω
como:
)(H)(F)(Y ωωω ⋅=
logo:
( ) dtjekH ⋅⋅−⋅= ωω
onde ( )ωH é a resposta em freqüência do SLIT necessário para realizar uma
transmissão sem distorção.
Analisando-se ( )ωH , tem-se:
Análise de Fourier - Henrique Takachi Moriya - 2005/1 116
( ) kH =ω
( ) dtH ⋅−=∠ ωω
Isto mostra que, para uma transmissão sem distorção, a resposta em amplitude
do sistema deve ser ( )ωH e a resposta em fase ( )ωH∠ deve ser uma
função linear de ω com coeficiente angular dt− , onde dt é o atraso da
saída em relação à entrada.
5.8. O QUE É FILTRAGEM?
Lembrando que a Transformada de Fourier mostra o conteúdo em freqüência
de um sinal.
A filtragem é o processo de remoção seletiva ou alteração parcial deste
conteúdo em freqüência para criação de um novo sinal.
Um tipo comum de filtro que deve ser familiar para você são os botões de
controle de graves e agudos de aparelhos de som.
Análise de Fourier - Henrique Takachi Moriya - 2005/1 117
Ao girar os botões, você está alterando o conteúdo em freqüência do sinal de
áudio, aumentando ou reduzindo as componentes em altas ou baixas
freqüências.
FILTRAGEM
→)t(x )(H ω modificado)t(x)t(y =→
)(X)(H)(Y ωωω ⋅=
)(H ω é escolhido arbitrariamente para alterar )(X ω de maneira
desejada.
O bloco contendo )(H ω é conhecido como filtro.
Análise de Fourier - Henrique Takachi Moriya - 2005/1 118
5.8.1. TIPOS DE FILTROS
TIPO |)(H| ω IDEAL DESCRIÇÃO
FILTRO IDEAL
EXEMPLOS
Passa-baixas Desenhar um filtro
com simetria (lado
positivo e lado
negativo)
Remove toda
informação em
freqüências acima
de cω
Remoção de
ruído,
interpolação,
“alisar” sinais
Passa-altas Desenhar um filtro
com simetria (lado
positivo e lado
negativo)
Remove toda
informação em
freqüências abaixo
de cω
Remoção de DC
e deriva de baixa
freqüência,
detecção de
borda.
Passa-banda Desenhar um filtro
com simetria (lado
positivo e lado
negativo)
Remove toda
informação fora de
21 ωω a
Sintonizar em
uma estação de
rádio,
equalizadores
gráficos de
áudio.
Rejeita-faixa Desenhar um filtro
com simetria (lado
positivo e lado
negativo)
Remove toda
informação entre
21 ωω a
Remoção de
ruído em uma
freqüência
particular, e.g.
60 Hz
Análise de Fourier - Henrique Takachi Moriya - 2005/1 119
5.8.2. FILTROS IDEAIS/FILTROS REALIZÁVEIS
Filtros ideais permitem a transmissão sem distorção de uma certa banda de
freqüências e suprimem as componentes de todas as freqüências
remanescentes.
O filtro passa-baixas ideal permite a passagem sem distorção de todas as
componentes abaixo de W=ω rad/s e suprime todas as componentes acima
de W=ω rad/s.
O filtro passa-baixas ideal acima apresenta uma fase linear com coeficiente
angular dt− que resulta em um atraso temporal de dt segundos para todas as
componentes de entrada com freqüências abaixo de W rad/s.
Logo, se a entrada é um sinal )t(f limitado em banda com freqüência
máxima W rad/s, a saída )t(y é )t(f atrasado de dt segundos, ou seja:
)tt(f)t(y d−=
Análise de Fourier - Henrique Takachi Moriya - 2005/1 120
O sinal )t(f é transmitido por este sistema sem distorção, mas com um
atraso temporal de dt segundos.
Para este filtro:
⋅=
W2rect)(H ωω e dt)(H ⋅−=∠ ωω
Assim:
dtjeW2
rect)(H ⋅⋅−⋅
⋅= ωωω
A resposta ao impulso unitário, )t(h , para este filtro é obtido a partir do par:
( )tWcsinWW2
rect ⋅⋅→←
⋅ℑ
πω
e da propriedade de deslocamento no tempo.
⋅
⋅ℑ= ⋅⋅−− dtj1 e
W2rect)t(h ωω
( )[ ]dttWcsinW)t(h −⋅⋅=π
)t(h é claramente não-causal. Logo, o filtro passa-baixas ideal não é
fisicamente realizável.
Análise de Fourier - Henrique Takachi Moriya - 2005/1 121
De forma similar, pode-se demonstrar que outros filtros ideais (passa-altas,
passa-banda, rejeita-faixa) também não são fisicamente realizáveis.
Conforme já visto, para que um sistema seja fisicamente realizável, )t(h
deve ser causal, ou seja:
0)t(h = para 0t <
No domínio da freqüência, esta condição é equivalente ao critério de Paley-
Wiener, que diz que a condição necessária e suficiente para que a resposta em
amplitude )(H ω seja realizável é:
∞<+∫
+∞
∞−
ωωω
d1
)(Hln2
Se )(H ω não satisfaz esta condição, ele não é fisicamente realizável.
Note que se 0)(H =ω para qualquer intervalo, ∞=)(Hln ω
naquele intervalo, logo o critério de Paley-Wiener é violado.
Entretanto, se 0)(H =ω para uma única freqüência (ou um conjunto de
freqüências discretas), a integral do critério de Paley-Wiener pode continuar a
ser finita embora o integrando seja infinito.
Análise de Fourier - Henrique Takachi Moriya - 2005/1 122
Logo para um sistema fisicamente realizável, )(H ω pode ser zero para
algumas freqüências discretas, mas não pode ser nulo durante um intervalo
finito.
De acordo com este critério, filtros ideais são claramente não realizáveis.
Uma forma prática para se projetar filtros é cortar a parte de )t(h para
0t < .
A resposta ao impulso resultante )t(h é causal:
)t(u)t(h)t(h ⋅=
e é fisicamente realizável.
Se dt é suficientemente grande, )t(h será uma aproximação razoável de
)t(h e o filtro resultante )(H ω será uma aproximação razoável de um
filtro ideal.
A aproximação será tanto melhor quanto maior for o valor do atraso dt .
Esta observação significa que o preço de uma melhor realização é um maior
atraso na saída.
Teoricamente um atraso de ∞=dt é necessário para se obter um filtro ideal.
Análise de Fourier - Henrique Takachi Moriya - 2005/1 123
Na prática, uma atraso dt de 3 ou 4 vezes Wπ
irá fazer com que )t(h seja
uma versão bastante razoável de )tt(h d− .
5.8.3. ENERGIA DO SINAL
Anteriormente, a energia ( fE ) de um sinal )t(f foi definida como:
dt)t(fE 2f ∫
∞
∞−
=
lembrando que )t(f)t(f)t(f *2 ⋅=
dt)t(f)t(fE *f ∫
∞
∞−
⋅=
já que
ωωπ
ω de)(F2
1)t(f tj** ∫∞
∞−
⋅⋅−⋅⋅⋅
=
assim
dtde)(F2
1)t(fE tj*f ∫ ∫
∞
∞−
∞
∞−
⋅⋅−
⋅⋅
⋅⋅= ωω
πω
trocando a ordem da integração:
Análise de Fourier - Henrique Takachi Moriya - 2005/1 124
ωωπ
ω ddte)t(f)(F2
1E tj*f ∫ ∫
∞
∞−
∞
∞−
⋅⋅−
⋅⋅⋅
⋅=
ωωωπ
d)(F)(F2
1E *f ∫
∞
∞−
⋅⋅⋅
=
ωωπ
d)(F2
1E 2f ∫
∞
∞−
⋅⋅
=
logo,
ωωπ
d)(F2
1dt)t(fE 22f ∫∫
∞
∞−
∞
∞−
⋅⋅
==
Esta relação é conhecida como Teorema de Parseval (para a Transformada de
Fourier).
Um resultado similar foi obtido anteriormente para um sinal periódico e sua
série de Fourier.
O Teorema de Parseval nos permite obter a energia do sinal também pela
representação do sinal no domínio da freqüência, )(F ω .
O Teorema de Parseval pode ser interpretado da seguinte maneira: a energia
de um sinal )t(f é o resultado das contribuições de energias de todos os
componentes espectrais do sinal )t(f .
Análise de Fourier - Henrique Takachi Moriya - 2005/1 125
A energia total do sinal é a área sob 2)(F ω (dividida por π⋅2 ).
Se considerarmos uma pequena banda ω∆ ( 0→ω∆ ).
a energia fE∆ das componentes espectrais nesta banda é a área de 2)(F ω
no intervalo dessa banda (dividida por π⋅2 ).
ℑ⋅=⋅⋅⋅
= ∆ωω∆ωπ
∆ 22f )(F)(F
21E
ℑ=⋅
∆πω∆
2 Hz.
Logo, a energia devido às componentes nesta banda de ℑ∆ (Hz) é
ℑ⋅∆ω 2)(F .
A energia total do sinal é a soma das energias em pequenas bandas (como
ℑ∆ ) e é indicada pela área sob 2)(F ω .
Análise de Fourier - Henrique Takachi Moriya - 2005/1 126
Logo, 2)(F ω é a DENSIDADE ESPECTRAL DE ENERGIA (por Hz).
Para sinais reais, )(F ω e )(F ω− são conjugados e 2)(F ω é uma
função par de ω , já que:
)(F)(F)(F)(F)(F *2 ωωωωω −⋅=⋅=
Logo, para sinais reais, o Teorema de Parseval pode ser reescrito como:
ωωπ
d)(F1E0
2f ∫
∞
⋅=
Para a equação acima assume-se que )(F ω não contém um impulso em
0=ω . Se existir um impulso em 0=ω , ele deve ser integrado
separadamente com um fator multiplicativo de π⋅21
ao invés de π1
.
A contribuição das componentes espectrais entre as freqüências 1ω e 2ω
para a energia de um sinal real é dada por:
ωωπ
ω
ω
d)(F1E2
1
2f ∫⋅=
5.8.4. LARGURA DE BANDA ESSENCIAL DE UM SINAL
O espectro da maioria dos sinais se estende ao infinito.
Análise de Fourier - Henrique Takachi Moriya - 2005/1 127
Entretanto, como a energia de qualquer sinal “prático” é finita, o espectro do
sinal deve se aproximar de zero quando ∞→ω .
A maior parte da energia de um sinal está contida dentro de uma certa banda
de B Hz e a contribuição para a energia do sinal dos componentes fora dessa
banda é negligenciável.
Logo, podemos suprimir o espectro do sinal fora da banda de B Hz com
poucos efeitos na forma do sinal e na sua energia.
A largura de banda B é chamada de LARGURA DE BANDA ESSENCIAL
de um sinal.
O critério para seleção de B depende da tolerância ao erro da aplicação
desejada.
A supressão de todas as componentes espectrais de )t(f que estão além da
largura de banda essencial resulta em um sinal )t(f que é uma aproximação
de )t(f .
5.8.5. DENSIDADE ESPECTRAL DE ENERGIA ATRAVÉS DA
FUNÇÃO DE AUTOCORRELAÇÃO
A correlação de uma função )t(f com ela mesma é chamada de FUNÇÃO
DE AUTOCORRELAÇÃO.
Análise de Fourier - Henrique Takachi Moriya - 2005/1 128
A função de autocorrelação é denotada por )t(fψ .
Para uma função real )t(f , tem-se:
dx)tx(f)x(f)t(f ∫+∞
∞−
−⋅=ψ
ou
)t(f)t(f)t(f −∗=ψ
assim
)t()t(f)t(f)t( ff ψψ =∗−=−
Logo, para )t(f real, a função de autocorrelação )t(fψ é uma função par
de t.
Como a convolução no tempo é igual à multiplicação em freqüência, tem-se:
2f )(F)t( ωψ →←ℑ
Logo, a Transformada de Fourier da função de autocorrelação é sua
DENSIDADE ESPECTRAL DE ENERGIA 2)(F ω .
Fica claro, então, que )t(fψ fornece diretamente informação espectral de
)t(f .
Análise de Fourier - Henrique Takachi Moriya - 2005/1 129
A conexão direta entre a função de autocorrelação e a informação espectral
pode ser explicada intuitivamente da seguinte maneira:
A função de autocorrelação )t(fψ é a correlação de um sinal com ele
mesmo atrasado de t segundos:
dx)tx(f)x(f)t(f ∫+∞
∞−
−⋅=ψ
Um sinal )t(f correlaciona-se perfeitamente com ele mesmo se o atraso for
nulo.
Entretanto, à medida que o atraso aumenta, a similaridade diminui.
Então, a função de autocorrelação )t(fψ é uma função que não aumenta
com t .
Se )t(f é um sinal com variação lenta (sinal de baixa freqüência) ele varia
lentamente com t . Conseqüentemente tal sinal irá apresentar considerável
similaridade ou correlação com ele mesmo até para atrasos temporais
relativamente grandes. A função autocorrelação )t(fψ decai lentamente
com t e tem uma largura grande.
Para um sinal que varia rapidamente, a similaridade do sinal irá decrescer
rapidamente com um atraso t e )t(fψ tem uma largura menor.
Análise de Fourier - Henrique Takachi Moriya - 2005/1 130
Logo, a forma de )t(fψ tem uma conexão direta com a informação
espectral de )t(f .
5.8.6. TRUNCAMENTO
Muitas vezes é necessário realizar o truncamento de dados em situações que
vão da computação numérica até o projeto de filtros.
Por exemplo, se for necessário computar numericamente a Transformada de
Fourier de algum sinal como )t(ue t ⋅−, teremos que truncar o sinal de
)t(ue t ⋅− em um valor suficientemente alto de t (tipicamente 5 vezes a
constante de tempo ou mais).
A razão para isso é que em computação numérica temos que lidar com dados
de duração finita.
De forma similar, a resposta ao impulso )t(h de um filtro ideal passa-baixas
é não-causal e se aproxima de zero assintóticamente quando ∞→|t| .
Para um projeto de implementação prática, podemos querer truncar )t(h em
um valor suficientemente alto de t para fazer )t(h ser causal (com
conseqüente deslocamento temporal).
Análise de Fourier - Henrique Takachi Moriya - 2005/1 131
Na amostragem de sinais, para eliminar o efeito de recobrimento, é necessário
truncar o espectro do sinal em, no caso ideal, em metade da freqüência de
amostragem 2sω
usando um filtro anti-recobrimento (anti-aliasing).
Podemos, ainda, querer sintetizar um sinal periódio utilizando as n primeiras
harmônicas e truncando todas as harmônicas maiores.
Estes exemplos mostram que o truncamento dos dados pode ocorrer tanto no
domínio do tempo como no da freqüência.
Aparentemente, o trucamento parece ser um simples problema de desprezar os
dados a partir de um ponto onde os dados sejam considerados não tão
significativos.
Entretanto, o truncamento simples causa efeitos colaterais que serão estudados
a seguir.
5.8.6.1. FUNÇÕES DE JANELAS
A operação de truncamento pode ser vista como a multiplicação de um sinal
de maior largura por uma função de janela com largura menor (finita).
O truncamento simples é realizado utilizando-se a janela retangular )t(wR .
Análise de Fourier - Henrique Takachi Moriya - 2005/1 132
Utilizando esta janela, assume-se um peso unitário para todos os dados
contidos na largura da janela
<
2Tt e um peso nulo para todos os dados
que não estiverem contidos na janela
>
2Tt .
Também é possível utilizar uma janela na qual o peso para os dados dentro da
janela não seja constante.
Em uma janela triangular, )t(wT , por exemplo, o peso assumido para os
dados decresce linearmente durante a largura temporal da janela.
Considere um sinal )t(f e uma função de janela )t(w .
Se )(F)t(f ω↔ e )(W)t(w ω↔
e se a função janelada )(F)t(f ww ω↔
Análise de Fourier - Henrique Takachi Moriya - 2005/1 133
então )t(w)t(f)t(fw ⋅=
e )(W)(F2
1)(Fw ωωπ
ω ∗⋅⋅
=
De acordo com a propriedade da largura da convolução, segue que a largura
de )(Fw ω é igual à soma das larguras de )(F ω e )(W ω .
Então, o truncamento de um sinal irá aumentar sua largura de banda em uma
quantidade igual à largura de banda de )(W ω .
Ou seja, o truncamento de um sinal faz com que seu espectro se espalhe por
uma largura de banda maior (a largura de banda do sinal não-truncado mais a
largura de banda de )(W ω ).
A largura de banda de um sinal é inversamente proporcional à sua duração
temporal.
Então, quanto maior a duração da janela no tempo, menor será sua largura de
banda na freqüência e menor será o espalhamento espectral ocasionado por
esta janela.
Este resultado é previsível, pois uma janela de duração maior significa que
estamos considerando mais dados (uma melhor aproximação) e isto deve
causar uma menor distorção (menor espalhamento espectral).
Janelas com menores durações no tempo (piores aproximações) causam
maiores espalhamentos espectrais (maiores distorções).
Análise de Fourier - Henrique Takachi Moriya - 2005/1 134
Assim, um dos efeitos do truncamento é o espalhamento espectral.
Existe um outro efeito do truncamento, produzido pelo fato de )(W ω não
ser realmente restrito à uma banda de freqüência e seu espectro tender a zero
somente assintóticamente.
Isto faz com que o espectro de 0)(Fw →ω assintóticamente a uma mesma
taxa de )(W ω , embora )(F ω possa ser limitado em banda.
Então, o truncamento/janelamento faz com que o espectro de )(F ω vaze
para uma banda aonde ele seria supostamente nulo.
Este efeito é chamado de VAZAMENTO ou LEAKAGE.
EXEMPLO:
Suponha que )tcos()t(f 0 ⋅= ω e
=
Ttrect)t(wR
Análise de Fourier - Henrique Takachi Moriya - 2005/1 135
O espectro do sinal truncado )t(w)t(f)t(f Rw ⋅=
é a convolução dos dois impulsos de )(F ω com o espectro em forma de
sinc da janela )t(wR .
Como a convolução de qualquer função com um impulso é a própria função
(deslocada para a posição do impulso), o espectro resultante )(Fw ω do sinal
truncado )t(fw são dois sincs, multiplicados por 2T
, um localizado em
0ω− e um em 0ω+ .
Comparando os espectros de )(F ω e )(Fw ω , pode-se notar os seguintes
efeitos do truncamento:
1. Os impulsos em )(F ω tem largura nula, mas o sinal truncado é
espalhado por T4 π⋅
em relação ao impulso. A quantidade de
espalhamento é igual à largura do lobo principal do espectro da janela.
Um efeito deste espalhamento espectral é que se )t(f tivesse dois
componentes espectrais com freqüências separadas por menos que
Análise de Fourier - Henrique Takachi Moriya - 2005/1 136
T4 π⋅
rad/s
Hz
T2
, esses componentes não seriam distinguíveis no
sinal truncado. O resultado é a perda de resolução espectral. Busca-se
sempre que o espalhamento espectral (largura da banda principal) seja o
menor possível.
2. O espectro de )t(f é zero exceto em 0ω± . Já o espectro do sinal
truncado )(Fw ω é não nulo sempre devido aos lóbulos secundários.
Estes lóbulos secundário decaem assintóticamente com ω1
. Logo, o
truncamento causa vazamento (leakage) espectral na banda onde o
espectro do sinal )t(f é zero.
Para a janela retangular )t(wR , a magnitude do pico do primeiro lóbulo
secundário é 217,0 vezes a magnitude do pico do lóbulo principal
( 3,13 dB abaixo da magnitude do pico do lóbulo principal).
Análise de Fourier - Henrique Takachi Moriya - 2005/1 137
Na janela retangular, os lóbulos secundários decaem a uma taxa de ω1
ou
6− dB/oitava (ou 20− dB/década). Esta taxa é chamada de taxa de
ROLLOFF dos lóbulos secundários.
Quanto menores os lobos secundários e maior a taxa de ROLL-OFF, menor
será o efeito de vazamento.
Devido à dualidade tempo-freqüência, o efeito do truncamento no domínio
da freqüência nas formas dos sinais é similar ao efeito do truncamento no
domínio do tempo (estudado até agora).
5.8.6.2. MINIMIZANDO OS EFEITOS DO TRUNCAMENTO
Para obtenção de melhores resultados, deve-se tentar minimizar os efeitos
do truncamento: espalhamento espectral (largura do lóbulo principal) e
vazamento (lóbulos secundários).
O espalhamento espectral (largura do lobo principal) de um sinal truncado
é igual à largura de banda da janela )t(w .
A largura de banda de um sinal é inversamente proporcional à duração
temporal do sinal.
Então, para reduzir o espalhamento espectral (largura do lóbulo principal) é
necessário aumentar a duração no tempo da janela.
Análise de Fourier - Henrique Takachi Moriya - 2005/1 138
Para melhorar os efeitos do vazamento, deve-se procurar pela causa do
lento decaimento dos lóbulos secundários.
Quanto mais suave for a variação de um sinal, mais rápido é o decaimento
do seu espectro.
Para uma dada duração de janela, é impossível querer minimizar os dois
efeitos (espalhamento e vazamento espectral) simultaneamente.
Para tentar minimizar os efeitos do truncamento é necessário escolher a
forma e a duração da janela, sempre lembrando que os dois efeitos não
podem ser minimizados simultaneamente.
Existem diversas funções de janela criadas para minimizar os efeitos do
truncamento
A Tabela 4.13 mostra os dados de algumas delas.
Análise de Fourier - Henrique Takachi Moriya - 2005/1 139
A escolha da janela adequada depende da aplicação.
Análise de Fourier - Henrique Takachi Moriya - 2005/1 140
6. AMOSTRAGEM
6.1. TEOREMA DA AMOSTRAGEM
Pode-se mostrar que um sinal real cujo espectro é limitado em banda de 0
Hz até B Hz.
0)(F =ω para B2 ⋅⋅> πω rad/s
pode ser reconstruído exatamente (sem nenhum erro) a partir de suas
amostras se estas forem tomadas uniformemente a uma taxa B2s ⋅>ℑ
amostras por segundo.
Em outras palavras, teoricamente a menor freqüência de amostragem para
possibilitar a reconstrução do sinal é B2s ⋅=ℑ Hz.
Para provar o Teorema da Amostragem, considere um sinal )t(f cujo
espectro é limitado em banda em B Hz.
A amostragem de )t(f a uma taxa de sℑ Hz ( sℑ amostras por
Análise de Fourier - Henrique Takachi Moriya - 2005/1 141
segundo) pode ser obtida multiplicando-se )t(f por um trem de
impulsos )t(Tδ .
∑+∞
−∞=
⋅−=n
T )Tnt()t( δδ Ζ∈n
∑ ⋅−=n
T )Tnt()t( δδ
)t(Tδ consiste em impulsos unitários repetidos periodicamente a cada
T segundos, onde s
1Tℑ
= s.
Ou seja, a amostragem pode ser assim considerada:
x
Análise de Fourier - Henrique Takachi Moriya - 2005/1 142
=
O resultado da amostragem é o sinal amostrado )t(f .
∑ ⋅−⋅=⋅=n
T )Tnt()t(f)t()t(f)t(f δδ
∑ ⋅−⋅⋅=n
)Tnt()Tn(f)t(f δ
O sinal amostrado consiste de impulsos espaçados a cada T segundos
(intervalo de amostragem).
O n-ésimo impulso, localizado em Tnt ⋅= , apresenta uma amplitude de
)Tn(f ⋅ , ou seja, o valor de )t(f em Tnt ⋅= .
O trem de impulsos )t(Tδ é um sinal periódico de período T ,
expressando )t(Tδ como uma Série Trigonométrica de Fourier, tem-se:
( ) ( ) ( )[ ]...t3cos2t2cos2tcos21T1)t( sssT +⋅⋅⋅+⋅⋅⋅+⋅⋅+⋅= ωωωδ
ss 2T
2ℑ⋅⋅=
⋅= ππω
como:
Análise de Fourier - Henrique Takachi Moriya - 2005/1 143
)t()t(f)t(f Tδ⋅=
Logo
( ) ( ) ( )[ ]...t3cos)t(f2t2cos)t(f2tcos)t(f2)t(fT1)t(f sss +⋅⋅⋅⋅+⋅⋅⋅⋅+⋅⋅⋅+⋅= ωωω
Para calcular )(F ω , a Transformada de Fourier de )t(f , calcula-se a
Transformada de Fourier de cada parcela da soma que constitui )t(f .
A Transformada do primeiro termo dentro dos colchetes é )(F ω .
A Transformada do segundo termo ( )tcos)t(f2 s ⋅⋅⋅ ω é
)(F)(F ss ωωωω ++− . Isto representa o espectro )(F ω
deslocado para sω e sω− .
De forma similar, tem-se:
( ) )2(F)2(Ft2cos)t(f2 sss ωωωωω ⋅++⋅−↔⋅⋅⋅⋅
( ) )3(F)3(Ft3cos)t(f2 sss ωωωωω ⋅++⋅−↔⋅⋅⋅⋅
( ) )4(F)4(Ft4cos)t(f2 sss ωωωωω ⋅++⋅−↔⋅⋅⋅⋅
e assim por diante.
Análise de Fourier - Henrique Takachi Moriya - 2005/1 144
Este resultado significa que o espectro )(F ω consiste de )(F ω
repetido periodicamente com período T2
sπω ⋅
= rad/s ou T1
s =ℑ Hz.
Existe, também, um fator multiplicativo T1
em )t(f , logo:
∑∞
−∞=
⋅−⋅=n
s )n(FT1)(F ωωω
Para poder-se reconstruir )t(f a partir de )t(f , deve-se ser capaz de
recuperar )(F ω a partir de )(F ω .
Para que não haja encavalamento, devemos ter:
( )B22s ⋅⋅⋅≥ πω rad/s ou B2s ⋅≥ℑ Hz.
Como o intervalo de amostragem é s
1Tℑ
= , para que seja possível
reconstruir o sinal )t(f a partir de )t(f deve-se ter:
Análise de Fourier - Henrique Takachi Moriya - 2005/1 145
B21T⋅
≤
Assim, desde que a freqüência de amostragem sℑ seja maior que duas
vezes a largura de banda B Hz do sinal, )(F ω irá consistir de
repetições não-encavaladas (não-sobrepostas) de )(F ω .
Se não houver encavalamento dos espectros, )t(f pode ser recuperado
das amostras )t(f fazendo com que o sinal amostrado )t(f passe por
um filtro passa-baixas ideal com freqüência de corte de B Hz ou
B2 ⋅⋅π rad/s e ganho T .
⋅⋅⋅=
B4rectT)(H
πωω
Análise de Fourier - Henrique Takachi Moriya - 2005/1 146
A menor freqüência de amostragem B2s ⋅=ℑ Hz necessária para
recuperar )t(f a partir de suas amostras )t(f é chamada de TAXA
DE NYQUIST para )t(f .
O termo FREQÜÊNCIA DE NYQUIST é utilizado para o valor de B em
Hz ou B2 ⋅⋅π rad/s.
O intervalo de amostragem B21T⋅
= é chamado de INTERVALO DE
NYQUIST para )t(f .
6.1.1. AMOSTRAGEM PRÁTICA
Ao provar o Teorema da Amostragem foi assumida a obtenção de amostras
ideais realizando-se a multiplicação de um sinal )t(f por um trem de
impulsos que fisicamente não é realizável.
Na prática, multiplica-se um sinal )t(f por um trem de pulsos de duração
finita.
Análise de Fourier - Henrique Takachi Moriya - 2005/1 147
Desde que a amostragem seja feita com uma taxa maior que a taxa de Nyquist,
é possível reconstruir )t(f a partir de )t(f .
Para provar este fato analiticamente, observe que o trem de pulsos de )t(pT
pode ser expresso como uma Série Trigonométrica de Fourier:
∑∞
=
+⋅⋅⋅+=1n
nsn0T )tncos(CC)t(p θω T2
sπω ⋅
=
assim
Análise de Fourier - Henrique Takachi Moriya - 2005/1 148
+⋅⋅⋅+⋅=⋅= ∑
∞
=1nnsn0T )tncos(CC)t(f)t(p)t(f)t(f θω
∑∞
=
+⋅⋅⋅⋅+⋅=1n
nsn0 )tncos()t(fC)t(fC)t(f θω
O sinal amostrado )t(f consiste de )t(fC0 ⋅ ,
)tcos()t(fC 1s1 θω +⋅⋅⋅ , )t2cos()t(fC 2s2 θω +⋅⋅⋅⋅ , …
Note que o primeiro termo )t(fC0 ⋅ é o sinal desejado e todos os outros
termos são sinais modulados com espectros centrados em sω± , s2 ω⋅± ,
s3 ω⋅± , …
O sinal )t(f pode ser recuperado a partir de )t(f passando )t(f por
um filtro passa-baixas ideal com ganho 0C
1 e freqüência de corte B Hz
desde que B4s ⋅⋅> πω ou B2s ⋅>ℑ .
6.2. RECONSTRUÇÃO DO SINAL: FÓRMULA DA INTERPOLAÇÃO
O processo de reconstrução de um sinal de tempo contínuo )t(f a partir de
suas amostras é também conhecido como interpolação.
Análise de Fourier - Henrique Takachi Moriya - 2005/1 149
Vimos que um sinal )t(f com banda limitada em B Hz pode ser
reconstruído (interpolado) exatamente a partir de suas amostras.
Esta reconstrução é obtida passando o sinal amostrado por um filtro passa-
baixas ideal com freqüência de corte em B Hz.
O sinal amostrado contém um componente )t(fT1⋅ , logo para recuperar
)t(f (ou )(F ω ), o sinal amostrado deve ser passado por um filtro passa-
baixas ideal com freqüência de corte de B Hz e ganhoT .
Logo, o filtro de reconstrução (ou interpolação) apresenta a seguinte resposta
em freqüência:
⋅⋅⋅=
B4rectT)(H
πωω
O processo de interpolação foi expresso, até agora, no domínio da freqüência
como sendo uma operação de filtragem.
A partir de agora, vamos examinar o processo de interpolação no domínio do
tempo.
Considere um filtro de interpolação muito simples cuja resposta impulsiva
seja:
=
Ttrect)t(h
Análise de Fourier - Henrique Takachi Moriya - 2005/1 150
Trata-se de uma porta centrada na origem com amplitude unitária e duração
T (o intervalo de amostragem).
Como cada amostra de )t(f é um impulso, a saída do filtro para entrada
)t(f será uma seqüência de portas com amplitudes iguais às intensidades
das amostras de )t(f .
)t(f)t(h)t(y ∗=
Logo, a saída do filtro )t(h para entrada )t(f será uma aproximação em
degraus de )t(f .
Assim, o filtro )t(h realiza uma interpolação grosseira.
Análise de Fourier - Henrique Takachi Moriya - 2005/1 151
A resposta em freqüência deste filtro )(H ω é a Transformada de Fourier da
resposta impulsiva
=
Ttrect)t(h .
Assumindo que seja utilizado a taxa de Nyquist, ou seja, B21T⋅
= .
)tB2(rectTtrect)t(h ⋅⋅=
=
e
⋅⋅
⋅=
⋅
⋅=B4
csinB2
12
TcsinT)(H ωωω
A resposta em amplitude )(H ω para este filtro explica a razão da
interpolação grosseira.
Este filtro, também conhecido como filtro “zero-order hold”, é uma má
aproximação para o filtro passa-baixas ideal necessário para a realização da
interpolação de forma exata
Análise de Fourier - Henrique Takachi Moriya - 2005/1 152
Pode-se melhorar a interpolação utilizando-se um filtro “first-order hold” que
resulta em uma interpolação linear ao invés da interpolação por degraus obtida
com o filtro “zero-order hold”.
O interpolador linear, cuja resposta impulsiva é um pulso triangular
⋅T2t∆ , resulta em uma interpolação na qual as amostras sucessivas são
conectadas por segmentos de reta.
Voltemos para o filtro de interpolação ideal
⋅⋅⋅=
B4rectT)(H
πωω
A resposta impulsiva deste filtro é a Transformada de Fourier inversa de
)(H ω .
( )tB2csinTB2)t(h ⋅⋅⋅⋅⋅⋅= π
Análise de Fourier - Henrique Takachi Moriya - 2005/1 153
Assumindo que esteja sendo utilizado a taxa de Nyquist, tem-se que
1TB2 =⋅⋅ , logo
)tB2(csin)t(h ⋅⋅⋅= π
É interessante observar que 0)t(h = para todos os valores múltiplos do
intervalo de Nyquist
⋅±=
B2nt exceto em 0t = .
Quando o sinal amostrado )t(f é aplicado na entrada deste filtro, a saída é
)t(f .
Como cada amostra de )t(f é um impulso tem-se que cada amostra gera
um csin com amplitude igual à da amostra.
Análise de Fourier - Henrique Takachi Moriya - 2005/1 154
A adição dos cssin gerados por todas amostras resulta em )t(f .
Assim, a saída do filtro para entrada )t(f é )t(f e pode ser expressa
como a seguinte soma:
∑ ⋅−⋅⋅=k
)Tkt(h)Tk(f)t(f
[ ]∑ ⋅−⋅⋅⋅⋅⋅=k
)Tkt(B2csin)Tk(f)t(f π
∑ ⋅−⋅⋅⋅⋅⋅=k
)ktB2(csin)Tk(f)t(f ππ
Esta equação é chamada de fórmula de interpolação e produz valores de
)t(f entre as amostras como sendo uma soma devido a todas as amostras.
Análise de Fourier - Henrique Takachi Moriya - 2005/1 155
DIFICULDADES PRÁTICAS NA RECONSTRUÇÃO DE SINAL
Se um sinal é amostrado com a taxa de Nyquist, B2s ⋅=ℑ Hz, o espectro
)(F ω consiste de repetições de )(F ω sem nenhum espaço entre os
ciclos sucessivos.
Para recuperar )t(f a partir de )t(f , deve-se passar o sinal amostrado
)t(f através de um filtro passa-baixas ideal com freqüência de corte de B
Hz e ganho T .
Entretanto, um filtro passa-baixas ideal não é realizável fisicamente, ele só
pode ser bem aproximado com um atraso infinito em sua resposta.
Em outras palavras, pode-se recuperar o sinal )t(f a partir de suas amostras
com um atraso infinito.
Uma solução prática para este problema é amostrar o sinal com uma taxa
maior do que a taxa de Nyquist ( B2s ⋅>ℑ Hz ou B4s ⋅⋅> πω rad/s).
Análise de Fourier - Henrique Takachi Moriya - 2005/1 156
O resultado é )(F ω consistindo de repetições de )(F ω com um espaço
finito entre ciclos sucessivos.
Pode-se assim, recuperar )(F ω a partir de )(F ω usando um filtro passa-
baixas com característica de corte mais gradual.
Entretanto, mesmo neste caso, o ganho do filtro deve ser zero após o primeiro
ciclo de )(F ω .
De acordo com o critério de Paley-Wiener, é impossível realizar fisicamente
este filtro também.
A única vantagem neste caso é que o filtro necessário pode ser bem
aproximado com um menor atraso temporal.
Este fato indica que é impossível na prática recuperar um sinal de banda
limitada )t(f de forma exata a partir de suas amostras, mesmo se a taxa de
amostragem for maior do que a taxa de Nyquist.
Entretanto, quanto maior a taxa de amostragem, mais o sinal recuperado pode
se aproximar do sinal desejado.
Análise de Fourier - Henrique Takachi Moriya - 2005/1 157
A ARMADILHA DO RECOBRIMENTO
Existe outra dificuldade prática fundamental na reconstrução de um sinal a
partir de suas amostras.
O Teorema da Amostragem foi provado assumindo-se que o sinal )t(f era
limitado em banda (freqüência).
Entretanto, todos os sinais práticos são limitados no tempo, ou seja, eles
apresentam duração finita ou largura temporal finita.
Pode-se demonstrar que um sinal não pode ser limitado no tempo e apresentar
banda limitada em freqüência ao mesmo tempo.
Se um sinal é limitado no tempo, ele não pode ser limitado em banda e vice-
versa (mas ele pode ser simultaneamente ilimitado no tempo e ilimitado em
banda).
Desta forma, como todos os sinais práticos são limitados no tempo, eles,
necessariamente, não são limitados em banda.
Os sinais práticos apresentam largura de banda infinita, logo o espectro
)(F ω irá consistir de ciclos sobrepostos de )(F ω repetidos a cada sℑ
Hz (a freqüência de amostragem).
Análise de Fourier - Henrique Takachi Moriya - 2005/1 158
Devido ao fato da banda ilimitada do sinal, a sobreposição espectral vai
sempre acontecer independentemente da escolha da taxa de amostragem.
Devido à sobreposição espectral, )(F ω não tem a informação completa
sobre )(F ω e não é mais possível, mesmo teoricamente, recuperar )t(f a
partir do sinal amostrado )t(f .
Se o sinal amostrado for passado por um filtro passa-baixas ideal, a saída não
será )(F ω e sim uma versão distorcida de )(F ω devido a duas causas
distintas:
1. A perda de informação espectral de )(F ω após 2|| sℑ>ℑ Hz ou
2|| sωω > rad/s;
Análise de Fourier - Henrique Takachi Moriya - 2005/1 159
2. O reaparecimento desta informação espectral de forma invertida ou
“dobrada” no espectro. Este fenômeno é conhecido como aliasing ou
recobrimento.
2sℑ
ou 2sω
é conhecida como folding frequency.
UMA SOLUÇÃO: O FILTRO ANTI-ALIASING OU FILTRO ANTI-
RECOBRIMENTO
Deve-se suprimir os componentes de )t(f que estão após 2sℑ
Hz ou
2sω
rad/s antes do processo de amostragem.
Com isso, continua ocorrendo a perda de informação espectral de )(F ω
após 2|| sℑ>ℑ Hz ou 2
|| sωω > rad/s, mas não haverá mais o
fenômeno do recobrimento.
Além disso, sℑ Hz ou sω rad/s pode ser escolhido alta o bastante para
que a informação espectral após 2sℑ
Hz ou 2sω
rad/s seja pouco
relevante.
Análise de Fourier - Henrique Takachi Moriya - 2005/1 160
A supressão dos componentes espectrais após 2sℑ
Hz é realizada
passando o sinal )t(f por um filtro passa-baixas ideal com freqüência de
corte de 2sℑ
Hz ANTES DA AMOSTRAGEM.
Este filtro é denominado filtro anti-aliasing ou filtro anti-recobrimento.
Como um filtro passa-baixas não é realizável fisicamente, utiliza-se filtros
passa-baixas que atenuem bem as componentes espectrais após 2sℑ
Hz.
6.3. TEOREMA DA AMOSTRAGEM ESPECTRAL: DUAL DO
TEOREMA DA AMOSTRAGEM NO TEMPO
Como em outros casos, o Teorema da Amostragem tem seu dual.
Até agora foi discutido o Teorema da Amostragem no domínio do
tempo, onde mostrou-se que um sinal com banda limitada de B Hz pode ser
quase que perfeitamente reconstruído a partir de suas amostras obtidas a uma
taxa de Bs ⋅>ℑ 2 amostras/s.
Note que o espectro do sinal existe sob o intervalo de freqüências de
B− a B Hz.
Análise de Fourier - Henrique Takachi Moriya - 2005/1 161
Logo, B⋅2 é a largura espectral (não a largura de banda, que é B )
do sinal.
Este fato significa que um sinal )(tf pode ser reconstruído a partir de
suas amostras obtidas a uma taxa sℑ maior que a largura espectral (em Hz)
do sinal.
O dual do Teorema da Amostragem no domínio do tempo é o Teorema
da Amostragem no domínio da freqüência (Teorema da Amostragem
Espectral).
Este teorema se aplica aos sinais limitados no tempo que são duais aos
sinais com banda limitada (em freqüência).
Prova-se que o espectro )(ωF de um sinal )(tf limitado no tempo
em τ segundos pode ser reconstruído a partir das amostras de )(ωF
obtidas a uma taxa τ>R amostras por hertz.
Análise de Fourier - Henrique Takachi Moriya - 2005/1 162
dtetfF tj∫+∞
∞−
⋅⋅−⋅= ωω )()(
dtetfF tj∫ ⋅⋅−⋅=τ
ωω0
)()(
Construindo )(0
tfT , um sinal periódico formado pela repetição de
)(tf a cada 0T segundos ( τ>0T ).
Este sinal periódico pode ser expresso pela Série Exponencial de
Fourier:
∑+∞
−∞=
⋅⋅⋅⋅=n
tnjnT eDtf 0
0)( ω
0
02Tπω ⋅
=
onde (assumindo 0T<τ )
dtetfT
dtetfT
D tnjT
tnjn ∫∫ ⋅⋅⋅−⋅⋅⋅− ⋅⋅=⋅⋅=
τωω
0000
0
0
0 )(1)(1
ou seja:
Análise de Fourier - Henrique Takachi Moriya - 2005/1 163
( )00
1 ω⋅⋅= nFT
Dn
Este resultado indica que os coeficientes da Série de Fourier para
)(0
tfT são 0
1T vezes os valores das amostras do espectro de )(ωF obtidas
em intervalos de 0ω .
Isto significa que o espectro de um sinal periódico )(0
tfT é o espectro
amostrado de )(ωF .
Desde que 0T<τ , os ciclos sucessivos de )(tf que ocorrem em
)(0
tfT não irão se sobrepor, logo )(tf poderá ser recuperado a partir de
)(0
tfT .
Tal recuperação implica indiretamente que )(ωF possa ser
reconstruído a partir de suas amostras.
As amostras de )(ωF estão separadas pela freqüência fundamental
HzT
f0
01
= ou sradT
/20
0πω ⋅
= do sinal periódico )(0
tfT .
A condição para que a recuperação seja possível é que τ≥0T , ou seja
Análise de Fourier - Henrique Takachi Moriya - 2005/1 164
Hzfτ1
0 = ou srad /20 τ
πω ⋅=
Logo, para ser possível a reconstrução do espectro )(ωF a partir das
amostras de )(ωF , as amostras devem ser obtidas em intervalos de
freqüência não maiores que Hzfτ1
0 = .
Se R é a taxa de amostragem (amostras/Hz), então:
Hzamostrasf
R /10
τ≥=
6.3.1. INTERPOLAÇÃO ESPECTRAL
O espectro )(ωF de um sinal )(tf limitado no tempo em τ
segundos pode ser reconstruído a partir das amostras de )(ωF .
Para este caso, utilizando o dual do procedimento utilizado para derivar
a fórmula de interpolação de sinal
∑ ⋅−⋅⋅⋅⋅⋅=k
)ktB2(csin)Tk(f)t(f ππ
obtém-se a fórmula de interpolação espectral
Análise de Fourier - Henrique Takachi Moriya - 2005/1 165
∑
⋅−
⋅⋅⋅=
kncnFF πτωωω
2sin)()( 0 τ
πω ⋅=
20
EXEMPLO 5.4
O espectro )(ωF de um sinal de duração unitária )(tf é amostrado
em intervalos de Hz1 ou srad /2 π⋅ (a taxa de Nyquist).
As amostras são:
1)0( =F e 0)2( =⋅⋅± nF π ...),3,2,1( =n
Determine )(ωF .
RESOLUÇÃO:
Usando a fórmula de interpolação espectral para construir )(ωF a
partir de suas amostras:
∑
⋅−
⋅⋅⋅=
kncnFF πτωωω
2sin)()( 0 τ
πω ⋅=
20
como srads /21 0 πωτ ⋅=⇒=
∑
⋅−
⋅⋅⋅⋅=
nncnFF πτωπω
2sin)2()(
como 1)0( =F
Análise de Fourier - Henrique Takachi Moriya - 2005/1 166
e
0)2( =⋅⋅± nF π ...),3,2,1( =n
tem-se que:
⋅−
⋅⋅= πωω 0
21sin1)( cF
=
2sin)( ωω cF
Análise de Fourier - Henrique Takachi Moriya - 2005/1 167
6.4. COMPUTAÇÃO NUMÉRICA DA TRANSFORMADA DE
FOURIER: A TRANSFORMADA DISCRETA DE FOURIER (TDF)
A computação numérica da Transformada de Fourier de )t(f
necessita de valores de amostras de )t(f , pois um computador digital pode
trabalhar somente com dados discretos (seqüência de números).
Mais ainda, um computador pode calcular )(F ω somente em alguns
valores discretos de ω [amostras de )(F ω ].
Logo, precisamos relacionar as amostras de )(F ω com as amostras
de )t(f .
Esta tarefa pode ser realizada utilizando-se os resultados dos dois
teoremas de amostragem desenvolvidos anteriormente.
Comecemos com um sinal limitado no tempo )t(f :
e seu espectro )(F ω :
Análise de Fourier - Henrique Takachi Moriya - 2005/1 168
Como )t(f é limitado no tempo, )(F ω não apresenta banda
limitada.
Por conveniência, o eixo das freqüências será apresentado com a
variável f (em hertz) ao invés de ω .
De acordo com o teorema da amostragem, o espectro )(F ω de um
sinal amostrado )t(f consiste de )(X ω repetido a cada Hzfs , onde
T1fs = .
No próximo passo, o sinal amostrado )t(f é repetido periodicamente
a cada 0T segundos.
Análise de Fourier - Henrique Takachi Moriya - 2005/1 169
De acordo com o teorema da amostragem espectral, tal operação resulta
na amostragem do espectro a uma taxa de 0T amostras/Hz. Esta taxa de
amostragem significa que as amostras estão espaçadas de 0
0 T1f = Hz.
A discussão realizada até agora mostra que quando um sinal )t(f é
amostrado e então periodicamente repetido, o espectro correspondente é
também amostrado e periodicamente repetido. Nosso objetivo é relacionar as
amostras de )t(f com as amostras de )(F ω .
NÚMERO DE AMOSTRAS
Uma observação interessante analisando as figuras
Análise de Fourier - Henrique Takachi Moriya - 2005/1 170
é que 0N , o número de amostras do sinal amostrado e periódico no tempo em
um período 0T é idêntico a 0'N , o número de amostras do espectro
amostrado e periódico em um período sf .
A razão para este fato é que:
TTN 0
0 = e 0
s0 f
f'N =
mas, como:
T1fs = e
00 T
1f =
tem-se que:
00
s00 'N
ff
TTN ===
RECOBRIMENTO E VAZAMENTO NA COMPUTAÇÃO NUMÉRICA
A figura a seguir
Análise de Fourier - Henrique Takachi Moriya - 2005/1 171
mostra a presença de recobrimento nas amostras do espectro )(F ω .
Este erro devido ao recobrimento pode ser reduzido incrementando-se a
freqüência de amostragem sf (diminuindo o intervalo de amostragem
sf1T = ).
O recobrimento não poderá nunca ser totalmente eliminado quando
utiliza-se um sinal limitado no tempo )t(f , pois seu espectro )(F ω não é
limitado em banda.
Se tivéssemos iniciado com um sinal que apresentasse um espectro
)(ωG limitado em banda, não haveria recobrimento no espectro da figura a
seguir
Infelizmente, o sinal )(tg que apresentasse espectro )(ωG não seria
limitado no tempo e sua repetição iria resultar em um sinal com sobreposições
Análise de Fourier - Henrique Takachi Moriya - 2005/1 172
(recobrimento no domínio do tempo). Neste caso (utilizando )(tg e
)(ωG ), deveríamos encarar erros nas amostras temporais do sinal
Em outras palavras, ao realizarmos a computação numérica para o
cálculo da Transformada de Fourier direta ou sua inversa, pode-se reduzir os
efeitos dos erros, mas estes erros não podem nunca ser totalmente eliminados.
Este fato é verdadeiro para a computação numérica da Transformada de
Fourier direta ou sua inversa, independentemente do método utilizado.
Por exemplo, se calcularmos a Transformada de Fourier:
dtetfF tj∫∞
∞−
⋅⋅−⋅= ωω )()(
por integração numérica direta, existirá um erro, pois o intervalo de integração
t∆ nunca pode ser igualado a zero. Limitações similares aplicam-se à
computação numérica da transformada inversa.
Logo, deve-se sempre ter em mente a natureza deste erra em nossos
resultados.
Na discussão passada sobre )(tf , assume-se que )(tf é um sinal
limitado no tempo. Se )(tf não fosse limitado no tempo, seria necessário
limitarmos o sinal, pois as computações numéricas podem trabalhar somente
sobre dados finitos.
Análise de Fourier - Henrique Takachi Moriya - 2005/1 173
Deve-se lembrar, que este truncamento de dados ocasiona erros devido
ao espalhamento espectral e vazamento, como discutido anteriormente. O
vazamento também vai causar recobrimento. O vazamento pode ser reduzido
utilizando-se uma janela trabalhada matematicamente para realizar o
truncamento do sinal. Entretanto, esta escolha aumenta o espalhamento
espectral. O espalhamento espectral pode ser reduzido aumentando-se a
largura da janela (i.e., mais dados), que aumenta 0T e reduz 0f (aumenta a
resolução espectral ou resolução em freqüência).
EFEITO CERCA
O método de computação numérica irá produzir somente valores de
amostras de )(ωF [ou )(tf ] espaçadas uniformemente. A utilização deste
método se assemelha a observar um sinal e seu espectro através de uma cerca
de ripas de madeira.
Os maiores picos de )(ωF [ou )(tf ] podem estar localizados entre
duas amostras consecutivas e podem permanecer escondidos, uma situação
que irá dar uma falsa impressão da realidade.
Análise de Fourier - Henrique Takachi Moriya - 2005/1 174
Estes resultados “falsos” podem ser evitados utilizando-se um valor
suficientemente alto de 0N , o número de amostras, que aumentará a
resolução.
Pode-se também utilizar a fórmula de interpolação espectral
∑
⋅−
⋅⋅⋅=
nncnFF πτωωω
2sin)()( 0 τ
πω ⋅=
20
para determinar os valores de )(F ω entre as amostras.
DERIVAÇÃO DA TRANSFORMADA DISCRETA DE FOURIER
Se )( Tkf ⋅ e )( 0ω⋅rF são as k-ésima e r-ésima amostras de
)(tf e )(ωF , respectivamente, então define-se as novas variáveis kf e
rF como:
)()(0
0 TkfNTTkfTfk ⋅⋅=⋅⋅=
e
)( 0ω⋅= rFFr
onde 0
0022T
f ππω ⋅=⋅⋅=
Análise de Fourier - Henrique Takachi Moriya - 2005/1 175
Iremos demonstrar agora que kf e rF são relacionados com as
seguintes equações:
∑−
=
⋅Ω⋅⋅−⋅=1
0
00
N
k
krjkr efF
∑−
=
⋅Ω⋅⋅⋅⋅=1
00
00
1 N
r
krjrk eF
Nf N
T πω ⋅=⋅=Ω
200
Estas equações definem as TRANSFORMADAS DISCRETAS DE
FOURIER direta e inversa, com rF sendo a Transformada Discreta de
Fourier direta (DFT) de kf , e kf sendo a Transformada Discreta de Fourier
inversa (IDFT) de rF .
A notação
rk Ff ⇔
é também utilizada para indicar que kf e rF são um par de Transformadas
Discretas de Fourier.
Lembre-se que kf é 0
0
NT
vezes a k-ésima amostra de )(tf e rF é a
r-ésima amostra de )(ωF .
Análise de Fourier - Henrique Takachi Moriya - 2005/1 176
Sabendo os valores das amostras de )(tf , pode-se calcular
computacionalmente os valores das amostras de )(ωF – e vice-versa –
usando a DFT.
Note, entretanto, que kf é uma função de k
( 1...,,2,1,0 0 −= Nk ) ao invés de t e que rF é uma função de r
( 1...,,2,1,0 0 −= Nr ) ao invés de ω .
Note ainda que tanto kf como rF são seqüências periódicas de
período 0N .
A prova das relações da DFT segue diretamente dos resultados dos
teoremas da amostragem.
Como rF é periódico em 0N , é necessário determinar-se os valores
de rF sobre um período qualquer. É costume determinar-se rF sobre um
intervalo )1,0( 0 −N ao invés do que um intervalo
−− 1
2,
200 NN
.
Análise de Fourier - Henrique Takachi Moriya - 2005/1 177
ESCOLHA DE T , 0T e 0N
No cálculo computacional da DFT, é necessário primeiro selecionar
valores adequados para 0N , T e 0T .
Para este propósito, deve-se inicialmente decidir qual é a banda
essencial do sinal, B (em Hz).
A freqüência de amostragem , sf , deve ser de pelo menos B⋅2 , ou
seja:
Bfs ⋅≥ 2
como o intervalo de amostragem é sf
T 1= , tem-se que
BT
⋅≤
21
Uma vez escolhido B , escolhe-se T .
Tem-se, ainda, que:
00
1T
f =
onde 0f é a resolução em freqüência [separação entre amostras de )(ωF ].
Então, se 0f for dado, escolhe-se 0T .
Análise de Fourier - Henrique Takachi Moriya - 2005/1 178
Conhecendo 0T e T , determina-se 0N :
TTN 0
0 =
PONTOS DE DESCONTINUIDADE
Se )(tf apresenta uma descontinuidade em um ponto de amostragem,
o valor da amostra deve ser tomado como sendo a média dos valores dos dois
lados da descontinuidade, pois a representação de Fourier no ponto da
descontinuidade converge para o valor médio.
INSERÇÃO DE ZEROS (ZERO PADDING)
Lembrando que observar rF é como observar o espectro )(ωF
através de uma cerca de madeira com ripas verticais.
Se o intervalo de amostragem em freqüência 0f não for
suficientemente pequeno, pode-se perder algum detalhe significativo e obter
uma imagem diferente da real.
Para obter um maior número de amostras, deve-se reduzir 0f .
Análise de Fourier - Henrique Takachi Moriya - 2005/1 179
Como 0
01T
f = , um maior número de amostras irá fazer com que seja
necessário aumentar o valor de 0T , o período de repetição de )(tf .
Esta opção aumenta 0N , o número de amostras de )(tf , adicionando
amostras com valores 0 à esquerda de )(tf .
A adição destas amostras nulas à esquerda de )(tf é conhecida como
zero padding.
Então, a realização de zero padding aumenta o número de amostras e
pode ajudar a dar uma melhor idéia sobre o espectro )(ωF a partir de suas
amostras rF .
A INSERÇÃO DE ZEROS NÃO AUMENTA A EXATIDÃO OU
RESOLUÇÃO
Um ponto deve ser claramente entendido: a inserção de zeros (zero
padding) meramente fornece mais amostras sem aumentar a exatidão das
amostras anteriormente obtidas.
A inserção de zeros (zero padding) irá ser útil somente se o intervalo de
amostragem T é suficientemente pequeno para que o erro de recobrimento
seja desprezível. Se existe uma grande influência do recobrimento, a inserção
Análise de Fourier - Henrique Takachi Moriya - 2005/1 180
de zeros irá somente fornecer mais amostras da corrupção gerada pelo
recobrimento.
A inserção de zeros (zero padding) não irá nunca melhorar a exatidão
ou a resolução em freqüência.
A exatidão pode ser aumentada somente pela redução do recobrimento,
que requer a redução do intervalo de amostragem T do sinal ( BT
⋅<
21
,
onde B é a largura de banda efetiva do sinal).
EXEMPLO 5.5.
Um sinal )(tf apresenta duração de ms2 e uma largura de banda
essencial de kHz10 . É desejável que se tenha uma resolução em freqüência
de Hz100 na DFT ( 1000 =f ). Determine 0N .
RESOLUÇÃO:
A duração efetiva 0T do sinal é dada por:
msf
T 10100
110
0 ===
Como a duração do sinal é de somente ms2 , necessita-se inserir
zeros sobre ms8 .
Análise de Fourier - Henrique Takachi Moriya - 2005/1 181
Como HzkHzB 000.1010 == , então:
000.202 =⋅= Bfs
e
sf
Ts
µ501==
Logo:
200100
000.200
0 ===ffN s
Análise de Fourier - Henrique Takachi Moriya - 2005/1 182
Um sinal amostrado )(tf pode ser expresso como:
∑−
=
⋅−⋅⋅=1
0
0
)()()(N
kTktTkftf δ
como TkjeTkt ⋅⋅⋅−⇔⋅− ωδ )( , a transformada de Fourier de )(tf é:
∑−
=
⋅⋅⋅−⋅⋅=1
0
0
)()(N
k
TkjeTkfF ωω
Assumindo que o recobrimento pode ser negligenciado, tem-se que no
intervalo 2sωω ≤ vale T
FF )()( ωω = .
Assim:
∑−
=
⋅⋅⋅−⋅⋅⋅=⋅=1
0
0
)()()(N
k
TkjeTkfTFTF ωωω 2sωω ≤
Convencionando-se:
∑−
=
⋅⋅⋅⋅−⋅⋅⋅=⋅=1
00
00)()(
N
k
Trkjr eTkfTrFF ωω