Sandramuller-capitulo4 Sinais e Sistemas
description
Transcript of Sandramuller-capitulo4 Sinais e Sistemas
Aula 23
Sinais e Sistemas –Aplicações das
Representações de Fourier
Profª Sandra Mara Torres Müller
Aula 23
Resposta em Frequência de Sistemas LTI
A resposta em frequência constitui uma caracterização do comportamento entrada-saída do sistema.
Existem algumas relações das descrições de sistema em domínio do tempo com a resposta em frequência do sistema: Resposta em frequência e a resposta ao impulso;
Resposta em frequência e a equação diferencial e a diferenças (não);
Resposta em frequência e a descrição por variáveis de estado (não).
Aula 23
Resposta ao Impulso
A resposta ao impulso no tempo e na frequência constituem uma par de FT ou DTFT.
Um sistema é dito estável se a sua resposta ao impulso for absolutamente integrável ou somável:
Assim, a resposta em frequência existe para sistema estáveis. Sabe-se também que:
Aula 23
Resposta ao Impulso
É importante lembrar que a multiplicação no domínio da frequência origina a noção de filtragem.
PB
PA
PF
Aula 23
Resposta ao Impulso
A caracterização do filtro de tempo discreto baseia-se em seu comportamento na faixa de frequência -π < Ω < π porque sua resposta em frequência tem período 2π.
Curva de filtro real vs. Curva de filtro ideal.
A resposta em amplitude é descrita em decibéis (dB).
Note que o ganho unitário corresponde a 0dB e a frequência de corte do filtro é dado por 1/√2 do ganho máximo, ou seja, -3dB, pois nesse ponto o filtro deixa passar somente 50% da potência de entrada.
Aula 23
Resposta ao Impulso
Aula 23
Resposta ao Impulso
Pode-se definir também pela propriedade da convolução que:
E pode-se recuperar a entrada como:
Aula 23
Resposta ao Impulso
Aula 23
Resposta ao Impulso
Descrição por equação diferencial e a diferenças e descrição por variáveis de estado (pag. 264 a 268) fica como leitura para casa.
Aula 23
Representações com Transformada de Fourier para Sinais Periódicos
Apesar que a FT e a DTFT não converge para sinais periódicos, é possível usá-la para representar sinais periódicos se for incorporado impulsos nas transformadas de maneira apropriada.
Isso serve para análise de problemas com combinações de sinais periódicos e não-periódicos.
Aula 23
Representações com Transformada de Fourier para Sinais Periódicos
Relacionando a FT com a FS (caso contínuo)
FS para x(t) periódico:
Sabe-se que:
Então:
Ou seja, a FT de um sinal periódico é uma série de impulsos espaçados pela frequência fundamental ω0. O k-ésimo impulso tem força 2πX[k].
Aula 23
Representações com Transformada de Fourier para Sinais Periódicos
Aula 23
Representações com Transformada de Fourier para Sinais Periódicos
Aula 23
Representações com Transformada de Fourier para Sinais Periódicos
Aula 23
Representações com Transformada de Fourier para Sinais Periódicos
Aula 23
Representações com Transformada de Fourier para Sinais Periódicos
Relacionando a DTFT com a DTFS (caso discreto)
A expressão da DTFS para x[n] com período N:
Um impulso deslocado na frequência, expresso para um período, édado por:
Para vários períodos, temos:
A observação é que a DTFT inversa de um impulso deslocado na frequência é uma senóide complexa de tempo discreto:
Aula 23
Representações com Transformada de Fourier para Sinais Periódicos
Assim, temos:
Como X[k] tem período N e NΩ0 = 2π, então:
Ou seja, a representação por DTFT de um sinal periódico é uma série de impulsos espaçados pela frequência fundamental Ω0. O k-ésimoimpulso tem força 2πX[k] (figura no próximo slide).
Aula 23
Representações com Transformada de Fourier para Sinais Periódicos
Aula 23
Representações com Transformada de Fourier para Sinais Periódicos
Aula 23
Representações com Transformada de Fourier para Sinais Periódicos
Aula 24
Convolução e Modulação com Classes Combinadas de Sinais
Convolução de sinais periódico e não-periódico
Quando x(t) é periódico, temos:
O que leva a:
Aula 24
Convolução e Modulação com Classes Combinadas de Sinais
Periódico
Não-periódico
Periódico
Aula 24
Convolução e Modulação com Classes Combinadas de Sinais
Aula 24
Convolução e Modulação com Classes Combinadas de Sinais
Aula 24
Convolução e Modulação com Classes Combinadas de Sinais
Para o caso discreto temos:
Quando x[n] é periódico:
E então:
Ou seja, a forma de Y(ejΩ) indica que y[n] também seráperiódico, com mesmo período de x[n].
Aula 24
Convolução e Modulação com Classes Combinadas de Sinais
Aula 24
Convolução e Modulação com Classes Combinadas de Sinais
Modulação de sinais periódicos e não-periódicos
Quando x(t) é periódico, temos:
Então
Aula 24
Convolução e Modulação com Classes Combinadas de Sinais
Aula 24
Convolução e Modulação com Classes Combinadas de Sinais
Aula 24
Convolução e Modulação com Classes Combinadas de Sinais
Aula 24
Convolução e Modulação com Classes Combinadas de Sinais
Para o caso discreto temos:
Aula 24
Representação por Transformada de Fourier para Sinais de Tempo Discreto
Aqui será derivada a representação por FT para sinais de tempo discreto, incorporando impulsos de maneira apropriada.
Pode-se fazer a correspondência entre a frequência de tempo contínuo ω e a frequência de tempo discreto Ω.
Definindo x(t) = ejωt e g[n] = ejΩn, força-se que g[n] seja igual às amostras de x(t) tomadas em intervalos de amostragem τ, ou seja, g[n] = x(nτ), o que implica em:
Ou seja, a frequência de tempo discreto Ω corresponde àfrequência de tempo contínuo ω multiplicada pelo intervalo de amostragem τ.
Aula 24
Representação por Transformada de Fourier para Sinais de Tempo Discreto
Relacionando a FT com a DTFT
A DTFT de um sinal discreto x[n] é:
Procura-se um par FT que corresponda ao parDTFT . Substituindo Ω = ωτ na equação acima temos:
Sabe-se que:
Então
Aula 24
Representação por Transformada de Fourier para Sinais de Tempo Discreto
Ou seja, xδ(t) é um sinal de tempo contínuo que corresponde a x[n], e a FT, Xδ(jω), corresponde à DTFT X(ejΩ) com Ω = ωτ.
Aula 24
Representação por Transformada de Fourier para Sinais de Tempo Discreto
Aula 24
Representação por Transformada de Fourier para Sinais de Tempo Discreto
Relacionando a FT com a DTFS
Aqui será mostrado como usar a FT para representar um sinal discreto e periódico.
A representação por DTFT de um sinal x[n] periódico com período N édada por:
Para obter a representação por FT basta substituir Ω = ωτ.
Aula 24
Representação por Transformada de Fourier para Sinais de Tempo Discreto
Como X[k] tem período N, então Xδ(jω) é periódico com período NΩ0/τ=2π/τ.
xδ(t) corresponde à FT e é obtido por
xδ(t) também é periódico em Nτ.
Aula 24
Representação por Transformada de Fourier para Sinais de Tempo Discreto
Aula 24
Representação por Transformada de Fourier para Sinais de Tempo Discreto
Aula 25
Amostragem – Sinais de Tempo Contínuo
Seja x(t) um sinal de temo contínuo e x[n] um sinal igual às amostras de x(t) em múltiplos inteiros de um intervalo de amostragem τ, ou seja,
A representação em tempo contínuo do sinal de tempo discreto x[n] se dá por
Como
Então
Aula 25
Amostragem – Sinais de Tempo Contínuo
Ou seja, pode-se representar o sinal amostrado como o produto do sinal por um trem de impulsos.
Aula 25
Amostragem – Sinais de Tempo Contínuo
O efeito da amostragem é determinado relacionando-se a FT de xδ(t) com a FT de x(t). No domínio da frequência temos:
P(jω) foi determinado no exemplo 4.7 e ω0 corresponde a ωs.
A convolução resulta em:
Ou seja, a FT do sinal amostrado é uma soma infinita de versões deslocadas da FT original.
Aula 25
Amostragem – Sinais de Tempo Contínuo
Essas versões podem se sobrepor se ωs for pequeno.
Para que não haja sobreposição é necessário que ωs > 2W, onde W é a componente de frequência mais elevada do sinal.
Aula 25
Aula 25
Amostragem – Sinais de Tempo Contínuo
A superposição nas réplicas é denominada aliasing, que é o fenômeno de uma componente de alta frequência assumir a identidade de uma de baixa frequência.
A distorção do espectro vai desde porções de um triângulo até uma constante, o que impede a reconstrução do sinal.
Para a condição ωs > 2W temos que τ < π/ω.
A DTFT do sinal amostrado é obtida de Xδ(jω) usando-se a relação Ω= ωτ, ou seja,
Isso implica que
Aula 25
Aula 25
Aula 25
Amostragem – Sinais de Tempo Contínuo
Aula 25
Aula 25
Amostragem – Sinais de Tempo Contínuo
Subamostragem, pág. 288: leitura para casa.
Aula 25
Reconstrução de Sinais de Tempo Contínuo a Partir de Amostras
O problema de se reconstruir um sinal de tempo contínuo a partir de amostras envolve uma combinação de sinais de tempo contínuo e discreto.
Aqui serão consideradas as condições que devem ser satisfeitas a fim de reconstruir de maneira única um sinal de tempo contínuo a partir de suas amostras.
Supondo que estas condições são satisfeitas, é estabelecido um método para a reconstrução do sinal.
Aula 25
Reconstrução de Sinais de Tempo Contínuo a Partir de Amostras
Teorema da Amostragem
Dois sinais de tempo contínuo podem ter o mesmo sinal amostrado
Para determinar como o sinal se comporta entre as amostras, deve-se especificar restrições adicionais para o sistema de tempo contínuo. Por exemplo, exigir que o sinal faça transições suaves de uma amostra para outra.
Aula 25
Reconstrução de Sinais de Tempo Contínuo a Partir de Amostras
Para reconstruir o sinal, deve haver uma correspondência única entre as FTs do sinal de tempo contínuo e o do sinal amostrado.
Isso acontece se o processo de amostragem não introduzir aliasing.
O aliasing distorce o espectro do sinal original e destrói a relação biunívoca entre as FTs do sinal de tempo contínuo e amostrado.
Assim, tem-se o teorema da amostragem:
Aula 25
Reconstrução de Sinais de Tempo Contínuo a Partir de Amostras
A frequência mínima, 2ωm, é denominada frequência de Nyquist
Usando a notação de frequência temos que
Então
Aula 25
Reconstrução de Sinais de Tempo Contínuo a Partir de Amostras
Aula 25
Reconstrução de Sinais de Tempo Contínuo a Partir de Amostras
Aula 25
Reconstrução de Sinais de Tempo Contínuo a Partir de Amostras
Reconstrução Ideal
Considere o problema de reconstruir o sinal de tempo contínuo a partir de amostras do sinal.
Como
Então para o sinal amostrado temos
Supondo que as condições de amostragem sejam satisfeitas temos
Aula 25
Reconstrução de Sinais de Tempo Contínuo a Partir de Amostras
O objetivo da reconstrução é aplicar uma certa operação a Xδ(jω) que a converta de volta em X(jω), ou seja, janelando (não pode haver aliasing).
No domínio do tempo temos:
Aula 25
Reconstrução de Sinais de Tempo Contínuo a Partir de Amostras
Como
Temos
Assim x(t) será uma soma ponderada de funções sinc deslocadas pelo intervalo de amostragem. Os pesos correspondem aos valores da sequência de tempo discreto.
Aula 25
Reconstrução de Sinais de Tempo Contínuo a Partir de Amostras
Na prática isso é um sistema não-causal pois a saída x(t) depende dos valores passados e futuros da entrada x[n] e também a influência de cada amostra se estende ao longo de um intervalo infinito de tempo, o que impede a implementação da reconstrução ideal.
Aula 25
Reconstrução de Sinais de Tempo Contínuo a Partir de Amostras
Reconstrução Prática – O Retentor de Ordem Zero
O retentor ou interpolador de ordem zero retém o valor x[n] durante τsegundos.
Sua função:
Sua saída:
Aula 25
Reconstrução de Sinais de Tempo Contínuo a Partir de Amostras
Aula 25
Aula 25
Reconstrução de Sinais de Tempo Contínuo a Partir de Amostras
Comparando X0(jω) com X(jω), vemos que o retentor de ordem zero leva a 3 formas de modificação:
1. Defasamento linear de um retardo de τ/2 segundos
2. A parte de Xδ(jω) entre -ωm e ωm é distorcida pela curvatura do lóbulo principal de H0(jω)
3. Versões distorcidas e atenuadas de X(jω) permanecem centralizadas em múltiplos de ωs
As modificações 1 e 2 podem ser reduzidas aumentando ωs ou diminuindo τ
As modificações 2 e 3 são eliminadas passando x0(t) por um filtro de compensação de tempo contínuo com resposta em frequência
Aula 25
Reconstrução de Sinais de Tempo Contínuo a Partir de Amostras
Isto inverte a distorção introduzida pela curvatura do lóbulo principal de H0(jω).
Hc(jω) também é chamado de filtro anti-imagem porque elimina as imagens distorcidas de X(jω).
Aula 25
Reconstrução de Sinais de Tempo Contínuo a Partir de Amostras
Aula 25
Reconstrução de Sinais de Tempo Contínuo a Partir de Amostras
Aula 25
Reconstrução de Sinais de Tempo Contínuo a Partir de Amostras
Aula 25
Reconstrução de Sinais de Tempo Contínuo a Partir de Amostras
Aula 25
Reconstrução de Sinais de Tempo Contínuo a Partir de Amostras
Não será contemplado o conteúdo a partir do tópico 4.8 (pág301).