Aula 11 Sinais e Sistemas – Capítulo 3 Simon Haykin.
Transcript of Aula 11 Sinais e Sistemas – Capítulo 3 Simon Haykin.
Aula 11
Sinais e Sistemas – Capítulo 3
Simon Haykin
Aula 11
Representações de Fourier para Sinais
Os sinais podem ser representados por uma combinação ponderada de senóides complexas Tais sinais, quando aplicados a um sistema linear, proporciona uma saída que é a superposição ponderada das respostas do sistema a cada senóide complexa O estudo de sinais e sistemas usando representações senoidais é denominado análise de Fourier Os métodos de Fourier têm aplicação difundida, indo além dos sinais e sistemas, sendo usados em todos os ramos da engenharia e da ciência
Aula 11
Senóides Complexas e Sistema LTI
Vimos no capítulo anterior que, a entrada
njenx
resulta na saída
njj eeHny
em que
k
kjj ekheH
Aula 11
Senóides Complexas e Sistema LTI
Vimos no capítulo anterior que, a entrada
tjetx
resulta na saída
tjejHty
em que
dehjH j
Aula 11
Senóides Complexas e Sistema LTI
Dizemos que a senóide complexa
tjet
é uma autofunção do sistema H associado com o autovalor porque ela satisfaz um problema de autovalor descrito por
jH
Isto significa que o sistema provoca o efeito de uma multiplicação por um escalar em uma função de entrada de autofunção, tais como são as senóides complexas.
ttH
Aula 11
Senóides Complexas e Sistema LTI
Observe que se representarmos um sinal arbitrário como sendo uma superposição ponderada de autofunções, então podemos transformar as complicadas operações de convolução em simples operações de multiplicação. Considere a entrada em um sistema LTI como sendo a soma ponderada de M senóides complexas
M
k
tjk
keatx1
Aula 11
Senóides Complexas e Sistema LTI
Se for uma autofunção do sistema com autovalor H(jωk), então cada termo da entrada Produz um termo de saída , de modo que
tj ke tj
kkea
tjkk
kejHa
M
k
tjkk
kejHaty1
Ou seja, a saída é uma soma ponderada de M senóides complexas, sendo os pesos ak modificados pelas respostas em frequência do sistema, H(jωk), de modo que a operação de convolução, h(t)*x(t), torna-se uma operação de multiplicação por kk jHa
Aula 11
Representações de Fourier para Quatro Classes de Sinais
Propriedade de Tempo
Periódica Não Periódica
Contínuo Série de Fourier (FS)
Transformada de Fourier (FT)
Discreto Série de Fourier de
Tempo Discreto (DTFS)
Transformada de Fourier de
Tempo Discreto (DTFT)
Aula 11
Sinais Periódicos: Representações da Série de Fourier
Considere representar um sinal periódico como uma superposição ponderada de senóides complexas A superposição deve ter o mesmo período que o sinal, de modo que cada senóide da superposição deve ter o mesmo período do sinal Isto significa que a frequência de cada senóide deve ser um múltiplo inteiro da frequência fundamental do sinal
Aula 11
Sinais Periódicos: Representações da Série de Fourier
Se x[n] for um sinal de período fundamental N, então procuramos representá-lo pela DTFS
k
njkekAnx 0ˆ
em que Ω0=2π/N é a frequência fundamental de x[n].
A frequência da k-ésima senóide na superposição é dada por kΩ0
Aula 11
Sinais Periódicos: Representações da Série de Fourier
De forma similar, se x(t) for um sinal de período fundamental T, então procuramos representá-lo pela FS
k
tjkekAtx 0ˆ
em que ω0=2π/T é a frequência fundamental de x(t).
A frequência da k-ésima senóide na superposição é dada por kω0
Aula 11
Sinais Periódicos: Representações da Série de Fourier
Quantos termos e pesos devemos usar em cada soma?
k
tjkekAtx 0ˆ
k
njkekAnx 0ˆ
FS:
DTFS:
njk
njknj
njknjNnkNj
e
ee
eee
0
0
000
2
Portanto, há somente N
senóides complexas distintas da forma njke 0
Aula 11
Sinais Periódicos: Representações da Série de Fourier
Um conjunto único de N senóides complexas distintas é obtido admitindo-se que o índice de frequência assuma quaisquer N valores consecutivos, de modo que
Nk
njkekAnx 0ˆ
onde a notação k=(N) indica que k varia ao longo de quaisquer N valores consecutivos, sendo tais valores normalmente escolhidos de modo a simplificar o problema através da exploração de simetrias do sinal.
Aula 11
Sinais Periódicos: Representações da Série de Fourier
Tipos de Simetrias Escolhas comuns
Simetria Par K=0 a k=N-1
Simetria Ímpar K=-N/2 a k=N/2-1
Aula 11
Sinais Periódicos: Representações da Série de Fourier
As senóides complexas de tempo contínuo possuem frequências kω0 sempre distintas. Consequentemente, há potencialmente um número infinito de termos distintos na FS Aproximamos x(t) como
k
tjkekAtx 0ˆ
Aula 11
Sinais Periódicos de Tempo Discreto: A DTFS
Para determinar os pesos ou coeficientes A(k), minimizaremos o Erro Quadrático Médio (MSE) entre o sinal e sua representação em série.
Nn
nxnxN
MSE2ˆ][
1
Nn Nk
njkekAnxN
MSE2
0][1
Aula 11
Seja c um número complexo qualquer. Então |c|2=cc*.
Nn Nm
njm
Nk
njk emAnxekAnxN
MSE*
00 ][][1
Nk Nm Nn
nmkj
Nn Nn
njk
Nm Nn
njm
Nn
eN
kAmAenxN
kA
enxN
mAnxN
MSE
00
0
11
11
**
*2
Sinais Periódicos de Tempo Discreto: A DTFS
Aula 11
Definindo então
Nn
njkenxN
kX 01
NkNkNkNn
kAkXkAkXkAnxN
MSE2**21
Completando o quadrado, temos
NkNk
Nn
kXkXkXkAkXkAkA
nxN
MSE
22**2
21
NkNkNn
kXkXkAnxN
MSE2221
Sinais Periódicos de Tempo Discreto: A DTFS
Aula 11
NkNkNn
kXkXkAnxN
MSE2221
Portanto, a dependência que o MSE tem com os coeficientes desconhecidos A[k] se reduz ao termo do meio. Consequentemente, o MSE é minimizado forçando o termo do meio tender a zero ou A[k]->x[k] Se A[k]=X[k], então MSE=0
Sinais Periódicos de Tempo Discreto: A DTFS
Aula 11
Nk
njkekXnx 0
Dizemos que x[n] e X[k] são um par de DTFS e denotamos esta relação como
Nn
njkenxN
kX 01
A partir de N valores de X[k] podemos determinar x[n], e vice-versa Veremos que as vezes é mais conveniente representar o sinal através de x[n] e as vezes através dos coeficientes X[k] da DTFS
Sinais Periódicos de Tempo Discreto: A DTFS
Aula 11
Exemplo 3.1: Encontre a representação por DTFS para
nnx
8cos
Solução: O período fundamental é N=16. Consequentemente, Ω0=2π/16 .
njjnjj
njnj
eeee
eenx
88
88
2
1
2
12
Sinais Periódicos de Tempo Discreto: A DTFS
Aula 11
Igualando com a DTFS,
com k iniciando em -7, isto é
então, temos que
njjnjj eeeenx 88
2
1
2
1
Sinais Periódicos de Tempo Discreto: A DTFS
8
7
8
k
njkekXnx
Todos os componentes de x[n] estão concentrados em duas frequências, Ω0 e –Ω0.
Aula 11
Desde que N=16, então X[15]=X[31]=...=(1/2)e-jΦ e, similarmente, X[17]=X[33]=...=(1/2)ejΦ com todos os outros valores de X[k] iguais a zero
Sinais Periódicos de Tempo Discreto: A DTFS
Aula 11
Exemplo 3.2: Encontre os coeficientes da DTFS para a onda quadrada com período N mostrada a seguir
Solução: O período é N, de forma que Ω0=2π/N. É conveniente, para este caso, avaliar a DTFS em n=-M até n=N-M-1. Dessa forma temos
Sinais Periódicos de Tempo Discreto: A DTFS
Aula 11
Fazendo a mudança m=n+M, então
Sinais Periódicos de Tempo Discreto: A DTFS
M
Mn
njkMN
Mn
njk eN
enxN
kX 0011 1
M
m
mjkMjk eeN
kX2
0
001
A soma da série geométrica produzirá
,2,,0,1
10
00 12
NNke
e
N
ekX
jk
MjkMjk
Aula 11
Que pode ser reescrito como
Sinais Periódicos de Tempo Discreto: A DTFS
Dividindo o numerador e o denominador por 2j, temos
,2,,0,
1
,1
11
22
212212
12
2
212
00
00
0
0
0
0
NNkee
ee
N
e
e
e
e
NkX
jkjk
MjkMjk
jk
Mjk
jk
Mjk
2Sen
212Sen1
2
21
0
022
212212
00
00
k
Mk
Njee
jee
NkX
jkjk
MjkMjk
Aula 11
Substituindo Ω0=2π/N, temos
Sinais Periódicos de Tempo Discreto: A DTFS
NNk
Nk
MN
k
NkX 2,,0,
Sen
12Sen1
Usando a regra de L’Hopital, temos que
N
M
Nk
MN
k
NNNk
12
Sen
12Sen1
lim,2,,0
Aula 11
Supondo N=50 e M=4, então temos a seguinte DTFS
Sinais Periódicos de Tempo Discreto: A DTFS
Aula 11
Supondo N=50 e M=12, então temos a seguinte DTFS
Sinais Periódicos de Tempo Discreto: A DTFS