Capítulo 4
Modulação de Pulsos
4.1. Teoria da Amostragem
Sob certas condições, um sinal contínuo no tempo pode ser completamente representado e recuperado através do conhecimento de suas amostras igualmente espaçadas no tempo.
Ex.:
Vantagens:
- Sinal representado por um número finito de valores - Possibilidade de armazenamento e processamento digital
Seja ( )f t a função a ser amostrada:
A fim de obter f t( )0 , amostra de f t( ) no instante t , 0 multiplica-se f t( ) por um impulso em t=t0 e integra- se o resultado..
Assim:
Propriedade da Amostragem da Função Impulso
0 0
( ) ( ) ( )
f t δ t t dt f t
+∞
−∞
⋅ − =
0 1 2 3 4 5
0.4 0.5 0.6 0.7 0.8 0.9 1 1.1 1.2 1.3 1.4
t Amostragem f(0)
f(T)
f(2T)
f(3T) f(4T) f(5T)
f(6T)
f(7T) f(8T)
f(9T) f(10T) f(t)
0 1 2 3 4 5
0.4 0.5 0.6 0.7 0.8 0.9 1 1.1 1.2 1.3 1.4
t f(t)
t0 f(t0)
4.1.1. Amostragem com Trem de Impulsos
Seja a função a ser amostrada ( )f t :
Dado um período de amostragem T.
Definimos ( )p t : Trem de Impulsos
( )
( )
n
p t
+∞δ t nT
=−∞
= −
Multiplicando ( )f t por ( )p t :
O sinal f tp( ) obtido (sinal discreto no tempo) contém a informação sobre as amostras do sinal original nos tempos nT .
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
p
p
n
p n
f t f t p t
f t f t t nT
f t f nT t nT
δ δ
+∞
−∞
+∞
−∞
= ⋅
= ⋅ −
= ⋅ −
0 1 2 3 4 5
0.4 0.5 0.6 0.7 0.8 0.9 1 1.1 1.2 1.3 1.4
t f(t)
0 1 2 3 4 5
p(t)
T 2T 3T 4T 5T 6T 7T 8T 9T ...
( ) X f t
( ) p t
( ) ( ) ( ) f tp = f t ×p t
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
0.4 0.5 0.6 0.7 0.8 0.9 1 1.1 1.2 1.3 1.4
t fp(t)
• Análise Espectral
Seja ( )f t e seu espectro:
E o Trem de Impulsos:
{ } ( )
( ) ( )
n
P ω p t
+∞δ t nT
=−∞
= = −
O Trem de Impulsos é um sinal periódico com período T, logo sua transformada pode ser calculada por:
(
0)
( ) 2
n.
n
F ω π
+∞F δ ω n ω
=−∞
= −
onde: Coeficientes da Série de Fourier 0 0
0
1 t T ( ). jn t.
n t
F f t e dt
T
+ − ω
= e 0 2
T ω = π
No caso:
2 0 2
2 2
1 1 0 1
(0). . (0). .
T T
T T
jn t
Fn e dt e dt
T T T
δ
− ωδ
− −
= = =
Logo:
{ } 1 ( )
( ) ( ) 2 .
sn
P p t n
ω π
+∞T δ ω ω
=−∞
= = −
0 1 2 3 4 5
p(t)
T 2T 3T 4T 5T 6T 7T 8T 9T ...
←→ ?
0 1 2 3 4 5
0.4 0.5 0.6 0.7 0.8 0.9 1 1.1 1.2 1.3 1.4
t f(t)
←→
-3 -2 -1 0 1 2 3
-0.2 0 0.2 0.4 0.6 0.8 1
ω F(ω)
ωm
-ωm
A
onde: 2
s T
ω = π : Frequência de Amostragem
Logo:
( )
( )
n
p t
+∞δ t nT
=−∞
= −
←→( ) 2 (
s)
n
P n
T
ω π
+∞δ ω ω
=−∞
= −
Deste modo , teremos o espectro do sinal amostrado:
( ) ( ) ( )
f t
p= f t ⋅ p t
←→( ) 1 { ( ) * ( ) }
p
2
F ω F ω P ω
= π
( )
( )
1 2
( ) ( ) *
2
( ) 1 ( ) *
p s
n
p s
n
F F n
T
F F n
T
ω ω π δ ω ω
π
ω ω δ ω ω
+∞
=−∞
+∞
=−∞
= −
= −
( ) 1 ( )
p s
n
F F n
ω T
+∞ω ω
=−∞
= −
0 1 2 3 4 5
p(t)
T 2T 3T 4T 5T 6T 7T 8T 9T ...
←→
-30 -20 -10 0 10 20 30
-0.2 0 0.2 0.4 0.6 0.8 1
ωs 2ωs -ωs
-2ωs
P(ω)
2π/T 2π/T 2π/T
ω
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
0.4 0.5 0.6 0.7 0.8 0.9 1 1.1 1.2 1.3 1.4
t fp(t)
←→
-30 -20 -10 0 10 20 30
0 0.5 1 1.5 2
ω Fp(ω)
ωm
-ωm
A/T
ωs 2ω -2ω s
s -ω
s
Portanto, o espectro de um sinal amostrado é uma repetição do espectro do sinal original nas frequências múltiplas da frequência de amostragem.
Resumo:
Para que não ocorra Superposição dos Espectros é necessário que: (pelo gráfico)
s m m
ω ω
− ≥ω
Logo:
s
2
mω ≥ ω
ouf
s≥ 2 f
m0 1 2 3 4 5
0.4 0.5 0.6 0.7 0.8 0.9 1 1.1 1.2 1.3 1.4
t f(t)
0 1 2 3 4 5
p(t)
T 2T 3T 4T 5T 6T 7T 8T 9T ...
-30 -20 -10 0 10 20 30
-0.2 0 0.2 0.4 0.6 0.8 1
ωs 2ωs -ωs
-2ωs
P (ω)
2π/T 2π/T 2π/T
ω
←→
←→
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
0.4 0.5 0.6 0.7 0.8 0.9 1 1.1 1.2 1.3 1.4
t fp(t)
←→
-30 -20 -10 0 10 20 30
0 0.5 1 1.5 2
ω Fp(ω)
ωm -ωm
A/T
ωs 2ωs -2ωs -ωs
-30 -20 -10 0 10 20 30
-0.2 0 0.2 0.4 0.6 0.8 1
ω F(ω)
ωm -ω
m
A
Teorema da Amostragem
Em 1928, Nyquist estudo a amostragem de sinais nas Séries de Fourier, porém apenas em 1949 com Shannon, que seu princípio foi incorporado à Teoria das Comunicações.
“Seja um sinal f t( ) limitado em frequência tal que F( )ω =0 para ω ω> m. Então f t( ) é unicamente determinado por suas amostras (f nT), n= ± ±0, 1, 2,... se:
s
2
mω ≥ ω
onde 2
s T
ω = π ”
Em outras palavras: A frequência de amostragem deve ser, no mínimo, igual ao dobro da máxima frequência existente no sinal.
A frequência
ω
s= 2 ω
m é chamada Frequência de Nyquist ou Taxa de Nyquist.É comum usarmos um filtro PB de frequência
2
s c
ω =ω na entrada dos sistemas de aquisição de dados, para garantirmos que o Teorema da Amostragem seja obedecido.
O sinal contínuo f t pode ser recuperado a partir do sinal amostrado ( ) f t , filtrando-se este p( ) último através de um filtro Passa-Baixas ideal de ganho T e de frequência de corte
m c s m
ω < ω ω ω < −
. Este filtro é chamado de Filtro PB de reconstrução.-30 -20 -10 0 10 20 30
0 0.5 1 1.5 2
ω Fp(ω)
ωm -ωm
A/T
ωs 2ωs -2ωs -ωs
-30 -20 -10 0 10 20 30
-0.2 0 0.2 0.4 0.6 0.8 1
ω F(ω)
ωm -ωm
A
ω ωc
-ωc
|H(ω)|
T Filtro PB
O que ocorre caso o Teorema da Amostragem não seja cumprido? ωs <2ωm
-30 -20 -10 0 10 20 30
0 0.5 1 1.5 2
ω Fp(ω)
ωm
-ωm
A/T
ωs 2ωs -ωs
-2ωs ωs-ωm
Ocorre o Recobrimento dos Espectros, também chamado de Superposição ou Efeito “Aliasing”.
Devido à esta superposição dos espectros, o sinal original não pode ser mais recuperado por filtragem – Perda da Informação!
Dado o sinal discreto na figura abaixo, qual é o sinal contínuo que deu origem? (desenhe as possibilidades no gráfico abaixo)
0 5 10 15
-1.5 -1 -0.5 0 0.5 1
1.5 f
p(t)
T 2T 3T t
4T
Se o teorema da amostragem não for cumprido, há infinitos sinais que poderiam originar f tp( ), não sendo possível recuperar o sinal contínuo original.
Exemplos:
1) Sinal de Voz:
O gráfico abaixo mostra o espectro de um sinal de voz (som “a”).
Note que grande parte da energia deste sinal está concentrada de 15 a 10kHz.
Devido a esta
característica considera-se para aplicações de telefonia (canal telefônico) que o sinal de voz esteja concentrado na faixa de 300Hz a 3400Hz. Esta faixa corresponde a 68% da Energia e 85% da inteligibilidade da voz.
A fim de processarmos digitalmente o sinal de voz, devemos amostra-lo a uma frequência de pelo menos: 2 3400× =6,8kHz. Na prática utiliza-se como frequência de amostragem em telefonia
s 8
f = kHz, a fim de evitar aliasing e facilitar a recuperação por filtragem PB.
2) Sinal de Áudio:
O Sinal de Áudio possui largura de banda maior que a voz humana, conforme pode ser visto no espectro abaixo:
Note que o sinal de áudio possui o espectro muito mais homogêneo e com maior quantidade de altas frequências que o sinal de voz. O ouvido humano é sensível até frequências próximas a 20kHz.
Logo para o processamento (e armazenagem) de sinal de áudio com qualidade é necessário
utilizar no mínimo fs =40kHz. Aplicações como CD de áudio, utiliza fs =44,1kHz. 3) Vídeo
Suponha que desejamos amostrar um sinal de vídeo de modo a obter um quadro de tamanho 640×480 (VGA) e uma taxa de quadros de 30fps (frames por segundo), logo necessitaremos de uma frequência de amostragem de: fs =30quadros s/ ×640 480× amostras quadro/ ou
9,126 fs = MHz
4.1.2. Amostragem Natural com Trem de Pulsos
Na prática é difícil obter um trem de impulsos. Logo se utiliza trem de pulsos para fazer a amostragem.
Trem de Pulsos:
Lembrando:
{
( )}
2 n.(
. s)
n
p tτ π +∞ F δ ω nω
=−∞
= − 2
s T
ω = π
Esta Série de Fourier foi calculada anteriormente: 0
0
1 ( ).
2
s
t T jn t s
n t
n
F p t e dt A Sa
T T
τ ω τ ω τ
+ −
= =
Usando o trem de pulsos como amostrador, temos:
Calculo do Espectro
{ }
( ) 1 ( ) * ( )
p 2
Fτ ω F ω Pτ ω
= π
( )
( ) 1 ( ) * 2 .
2 2
s
p s
n
n
F F A Sa n
τ ω ω π Tτ ω τ δ ω ω
π
+∞
=−∞
= −
( )
( ) .
2
s
p s
n
n
F A Sa F n
τ
ω T τ
+∞ω τ ω ω
=−∞
= −
-5 0 5
-0.5 0 0.5 1 1.5
t pτ(t)
A
τ
T
-10 -5 0 5 10
-0.1 0 0.1 0.2 0.3
ω Ptau(ω)
ωs2ωs -ωs
3ωs
←→
( ) X f t
( ) p tτ
( ) ( ) ( ) fpτ t = f t ×p tτ
-5 0 5
0 0.1 0.2 0.3 0.4 0.5
t fpτ(t)
Constante dependente de n
Resumo:
Logo: Teorema de Shannon continua valendo.
s 2 m
ω ≥ ω para não haver recobrimento de espectros.
Zoom:
←→
-30 -20 -10 0 10 20 30
-0.2 0 0.2 0.4 0.6 0.8 1
ω F(ω)
ωm -ωm
A
-5 0 5
0 0.1 0.2 0.3 0.4 0.5
t f(t)
-5 0 5
-0.5 0 0.5 1 1.5
t pτ(t)
A
τ
T
-10 -5 0 5 10
-0.1 0 0.1 0.2 0.3
ω Ptau(ω)
ωs2ωs -ωs
3ωs
←→
-5 0 5
0 0.1 0.2 0.3 0.4 0.5
t fpτ(t)
←→
-10 -5 0 5 10
-0.2 0 0.2 0.4 0.6 0.8 1
ω Fpτ(ω)
ωs2ωs 3ωs -ωs
-3 -2 -1 0 1 2 3
-0.2 0 0.2 0.4 0.6 0.8 1
ω Fpτ(ω)
ωs 2ωs -ωs -ωmωm
4.1.3. Amostragem Instantânea por Trem de Pulsos
Neste tipo a amostragem ocorre em um único instante de tempo.
Notação: f t Amostragem por Trem de Impulsos p( )
p ( )
f τ t Amostragem Natural por Trem de Pulsos
pi ( )
f τ t Amostragem Instantânea por Trem de Pulsos
Análise:
Como podemos obter a função Trem de Pulsos a partir da Trem de Impulsos através da convolução com a Função Porta: p tτ( )= p t( ) *g tτ( )
-5 0 5
-0.6 -0.4 -0.2 0 0.2 0.4 0.6
t fpiτ(t)
f(t)
0 1 2 3 4 5
p(t)
T 2T 3T 4T 5T 6T 7T 8T 9T ...
-2 -1 0 1 2
0 0.2 0.4 0.6 0.8 1
t gτ(t)
τ/2 -τ/2
A
*
-5 0 5
-0.5 0 0.5 1 1.5
t pτ(t)
A
τ
T
=
Logo podemos pensar que fpiτ( )t pode ser gerado como a convolução:
( ) ( ) * ( )
pi p
f τ t = f t g tτ
Lembrando que a Transformada de Fourier da Função porta é a Sampling:
{
( )}
.g tτ =A Saτ ωτ2 E a Propriedade da Convolução no Domínio do Tempo:
( ) ( ) * ( ) ( ) ( ) ( )
pi p pi p
f τ t = f t g tτ ←→ F τ ω =F ω ×Gτ ω Temos que:
{
pi ( )}
1(
s)
. 2n
f t F n A Sa
τ T +∞ ω ω τ ωτ
=−∞
= − ×
Logo:
( ) ( )
pi
2
sn
F A Sa F n
τ
ω T τ
+∞ωτ ω ω
=−∞
= −
Cuidar, pois Fpiτ( )ω é diferente de: ( ) .
( )
2
s
p s
n
n
F A Sa F n
τ ω Tτ +∞ ω τ ω ω
=−∞
= −
-2 -1 0 1 2
0 0.2 0.4 0.6 0.8 1
t gτ(t)
τ/2 -τ/2
A
*
-5 0 5
-0.6 -0.4 -0.2 0 0.2 0.4 0.6
t fp(t)
2T 3T -T T
-5 0 5
-0.6 -0.4 -0.2 0 0.2 0.4 0.6
t fpiτ(t)
T
2T 3T -T -τ/2 τ/2
=
Função de ω
Constante dependente de n
Resumo:
Amostragem por Trem de Impulsos:
Amostragem Natural por Trem de Pulsos:
Amostragem Instantânea por Trem de Pulsos:
Zoom:
Note que há distorção dos espectros!
Pois cada ponto do espectro fica multiplicado pela função Sampling.
-5 0 5
0 0.1 0.2 0.3 0.4 0.5
t fpτ(t)
←→
-10 -5 0 5 10
-0.2 0 0.2 0.4 0.6 0.8 1
ω Fpτ(ω)
ωs2ωs 3ωs -ωs
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
0.4 0.5 0.6 0.7 0.8 0.9 1 1.1 1.2 1.3 1.4
t fp(t)
←→
-30 -20 -10 0 10 20 30
0 0.5 1 1.5 2
ω Fp(ω)
ωm -ωm
A/T
ωs 2ωs -2ωs -ωs
-10 -5 0 5 10
-0.2 0 0.2 0.4 0.6 0.8 1
ω Fpiτ(ω)
ωs -ωs 2ωs
3ωs
-5 0 5
-0.6 -0.4 -0.2 0 0.2 0.4 0.6
t fpiτ(t)
T
2T 3T
-T -τ/2 τ/2
←→
-3 -2 -1 0 1 2 3
-0.2 0 0.2 0.4 0.6 0.8 1
ω Fpiτ(ω)
ωs
-ωs -ωm ωm 2ωs
Observação:
No sistema com amostragem instantânea por pulsos NUNCA se consegue reconstrução sem erro do sinal devido à distorção imposta pela Função Sampling.
A esse efeito chamamos de “Distorção sen(x)/x”
Ex.: Vejamos esta distorção mais claramente no exemplo onde ( ) ( ) F ω =gωm ω
Formas de Minimizar a Distorção “sen(x)/x”
a) Diminuindo τ : ( )
( )
pi 2 s
n
F A Sa F n
τ ω Tτ +∞ ωτ ω ω
=−∞
= −
Reduz a distorção!
-5 0 5
-0.2 0 0.2 0.4 0.6 0.8 1
ω Fpiτ(ω)
-1 -0.5 0 0.5 1
-0.2 0 0.2 0.4 0.6 0.8 1
ω F(ω)
ωm -ωm
Distorção
-5 -4 -3 -2 -1 0 1 2 3 4 5
-0.2 0 0.2 0.4 0.6 0.8 1
t τ1
τ2 τ2<τ1
Problemas:
- Diminui-se a energia do sinal, logo diminui a relação Sinal-Ruido.
- Projeto do Filtro Passa-Baixas é mais crítico.
Para
τ = T
:- Ponto de maior distorção.
- Maior energia do Sinal reconstruído.
- Filtro PB mais fácil, as réplicas do espectro ficam sobre os zeros da Sampling.
Este é o tipo de amostragem mais utilizado na prática.
-5 0 5
-0.4 -0.2 0 0.2 0.4 0.6
t τ2
-5 0 5
-0.4 -0.2 0 0.2 0.4 0.6
t τ1
-5 0 5
-0.4 -0.2 0 0.2 0.4 0.6
t τ=T
-5 0 5
-0.5 0 0.5 1 1.5 2
ω τ=T
ωs 2ωs -ω
s
-2ωs
←→
b) Aumentar a Frequência de Amostragem Para
τ = T
:- Reduz a Distorção “sen(x)/x”
- Reduz a complexidade do Filtro PB Problemas:
- Necessita processador mais rápido.
- Maior quantidade de memória para armazenamento
c) Alterar a Resposta em Frequência do filtro PB de reconstrução:
Filtro com reposta em frequência:
1 2
( )
2 sin 2
G
Sa
ωτ ω = ωτ = ωτ
até a frequência ωs/ 2
-5 0 5
-0.4 -0.2 0 0.2 0.4 0.6
t τ=T
-5 0 5
-0.5 0 0.5 1 1.5 2
ω τ=T
ωs 2ωs -ωs
-2ωs
←→
-5 0 5
-0.4 -0.2 0 0.2 0.4 0.6
t
-5 0 5
-0.5 0 0.5 1 1.5 2
ω
ωs 2ωs -ωs
-2ωs
←→
PB G( )ω
pi ( )
f τ t f t( )
-1 -0.5 0 0.5 1
0 0.2 0.4 0.6 0.8 1 1.2
ω G(ω)
ωs/2 -ωs/2
4.2. Sistemas de Modulação de Pulsos
• Modulação Contínua:
Portadora é um sinal sinusoidal Ex.: AM, FM e PM
• Modulação por Pulsos
Portadora é um trem de pulsos
Informação a ser transmitida é composta pelas amostras obtidas pela amostragem com trem de impulsos (amostragem ideal) do sinal f(t).
A informação deve modificar alguma característica da portadora:
• Modulação Analógica
A informação varia alguma grandeza analógica do pulso:
ex.: amplitude (PAM), largura (PWM) ou posição (PPM) do pulso.
• Modulação Digital (Codificação)
A informação gera um sinal codificado digital Ex.: PCM, DPCM, DM, ADPCM,...
-5 0 5
-0.5 0 0.5 1 1.5
t pτ(t)
A
τ
T
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
0.4 0.5 0.6 0.7 0.8 0.9 1 1.1 1.2 1.3 1.4
t fp(t)
4.2.1. Modulação em Amplitude de Pulso (PAM)
A amplitude de um trem de pulsos varia linearmente com a amplitude das amostras do sinal modulador (informação).
É a aplicação direta da Amostragem por Trem de Pulsos.
Lembrando: Para Amostragem Natural.
( ) ( ). ( ) ( ) 1 ( ) * ( )
PAM t f t p tτ PAM 2 F Pτ
ϕ ω ω ω
= ←→ Φ = π
( ) ( ). ( )
PAM n
t f t g tτ nT
ϕ +∞
=−∞
= −
( ) . ( )
2
s
PAM s
n
n
A Sa F n
T τ ω τ
ω
+∞ω ω
=−∞
Φ = −
Obs.: O teorema da amostragem deve ser respeitado. ωs≥2ωm
←→
-30 -20 -10 0 10 20 30
-0.2 0 0.2 0.4 0.6 0.8 1
ω F(ω)
ωm -ωm
A
-5 0 5
0 0.1 0.2 0.3 0.4 0.5
t f(t)
-5 0 5
-0.5 0 0.5 1 1.5
t pτ(t)
A
τ
T
←→
←→
-10 -5 0 5 10
-0.1 0 0.1 0.2 0.3
ω Ptau(ω)
ωs2ωs -ωs
3ωs
( ) Pτ ω
-5 0 5
0 0.1 0.2 0.3 0.4 0.5
t fpτ(t)
PAM( )t ϕ
-10 -5 0 5 10
-0.2 0 0.2 0.4 0.6 0.8 1
ω Fpτ(ω)
ωs2ωs 3ωs -ωs
PAM( )ω Φ B
• Modulação em Sistemas PAM
a) Amostragem Natural com Trem de Pulsos Circuito: Chave seletora. Ex.: CD4053
Obs.: Para trabalhar com multiplexadores digitais (CD4053), é necessário que o sinal f(t) nunca seja negativo, logo pode haver a necessidade de adicionarmos um nível DC ao sinal de entrada.
Ex.:
b) Amostragem Instantânea com Trem de Pulsos
Ex.: Circuito de Sample&hold – Amostragem e Retenção ( )
f t
( ) p tτ
PAM( )t ϕ
1 2
0 VCC
0
( ) f t
PAM( )t ϕ ( )
p tτ
0
C
3
2
411
1 +
-
V+V-
OUT 3
2
411
1 +
-
V+V-
OUT
0
( ) f t
PAM( )t t1 ϕ
t2
t3
0 1 2 3 4
0 0.5 1 1.5
t φPAM(t)
t1 t2 t
3
• Demodulação em Sistemas PAM
A recuperação do sinal de informação é feita basicamente através de uma filtragem Passa-Baixas do sinal ϕPAM( )t
Filtrando PB o sinal:
( ) . ( )
2
s
PAM s
n
n
A Sa F n
T
ω τ
ω τ
+∞ω ω
=−∞
Φ = −
com filtro de frequência de corte ωc tal que ωm ≤ω ω ωc ≤ s− m
Apenas a réplica do espectro em n=0 passa pelo filtro, temos então o sinal reconstruído:
( ) A ( )
Y F
T ω = τ ω
Obs.: Se a largura dos pulsos τ for muito pequena em relação ao período T, o sinal reconstruído terá um valor médio baixo, o que gera uma baixa relação Sinal-Ruído.
Obs.2: Como é impossível implementarmos um filtro PB ideal (corte abrupto), torna-se necessária a alocação de uma Banda de Guarda, isto é, devemos definir a frequência de amostragem ωs um valor MAIOR que o limite 2ωm, a fim de facilitar o projeto do filtro.
←→
-5 0 5
0 0.1 0.2 0.3 0.4 0.5
t fpτ(t)
PAM( )t ϕ
-3 -2 -1 0 1 2 3
-0.2 0 0.2 0.4 0.6 0.8 1
ω
Fpτ(ω)
ωs 2ωs -ωs -ωm ωm
PAM( )
ϕ ω
Banda de Guarda
Multiplexação por Divisão em Frequência (FDM)
Podemos transmitir vários sinais simultaneamente em um canal, através da modulação de cada sinal em uma frequência diferente, desde que não haja superposição dos espectros.
Transmissor: 3 sinais diferentes
Para Banda de Guarda igual a zero, a largura de banda de n sinais modulados AM DSB-SC FDM será: W =n.2.ωm
Receptor:
ωm
( )
F1 ω
ωm
ωm
( )
F2 ω
( )
F3 ω
Modulador
1
ωc
Modulador
2
ωc
Modulador
3
ωc
+ ω
ω
ω
1
ωc
2
ωc
3
ωc Banda de
Guarda
FDM( )ω Φ
ω
Filtro PF
1
ωc
Filtro PF
2
ωc
Filtro PF
3
ωc
ω
ω
ω
1
ωc
2
ωc
3
ωc
Demodulador
1
ωc
Demodulador
2
ωc
Demodulador
3
ωc
1( ) f t
3( ) f t
3( ) f t
Multiplexação por Divisão no Tempo (TDM)
Através do uso da Multiplexação por Divisão no Tempo podemos transmitir vários sinais
“simultaneamente”, amostrando-os intercaladamente.
Ex.: número de sinais n=3, onde cada sinal é amostrado a uma frequência 2
s T
ω = π
A Frequência de amostragem do sinal ϕTDM( )t é ωs′ =nωs
Obs.:
- Foi apresentado na figura o amostrador Natural mas também pode-se usar o amostrador instantâneo.
- Para facilitar a recuperação dos sinais, os pulsos são separados por um Tempo de Guarda (tg).
- Um conjunto de uma amostra de cada sinal multiplexado é chamado de quadro.
- A taxa de amostragem mínima é determinada pelo sinal com maior largura de banda.
0 1 2
t f1(t)
0 1 2
t f2(t)
0 1 2
t f3(t)
0 0.5 1 1.5 2 2.5 3 3.5 4
0 1 2
t φTDM(t)
T
T'=T/3 t
g
Quadro
• Transmissor
O Transmissor é formado por um circuito multiplexador, que nada mais é do que uma chave que seleciona um sinal a cada instante de tempo.
• Receptor
O Receptor é composto por um circuito demultiplexador seguidos de filtros passa-baixas de reconstrução.
Obs.: Os circuitos multiplexador (transmissor) e demultiplexador (receptor) necessitam estar em perfeito sincronismo. Uso de um canal de sincronismo (disperdício de canal) ou uso de sincronização por quadro, através de uma sinalização diferenciada.
Exemplo Prático:
CD4051
C B A D
clock enP enT
f1(t) f2(t) f3(t) f4(t) f5(t) f6(t) f7(t) f8(t) C
B A
in0
in7 . . . CD4051
out
C B
A D
clock inh
enTenP
gerador
de sinais gerador
de sinais 1 2
Contador Contador
74LS161 74LS161
Vdd Vdd
vee canal de dados
canal de sincronismo
Transmissor Receptor
f1(t) f2(t) f3(t) f4(t) f5(t) f6(t) f7(t) f8(t)
C B A in0
in7 . . .
out inh vee
2k7
in1 in2
2k7
Clear Clear
Vdd 1 3 2
n n-1
TDM( )t ϕ
1( ) f t
2( ) f t
n( ) f t PB
PB PB
...
Clock
Amostragem 1
2 3
n n-1
TDM( )t ϕ
1( ) f t
2( ) f t
n( ) f t
Clock
Largura de Banda 1) Para Sinais PAM
Idealmente a largura de faixa do sinal é infinita. Porém a informação necessária à reconstrução de ( )
f t é apenas ωm !
Se quisermos recuperar os pulsos, é necessária uma largura de banda muito maior que ωm. 2) Para Sinais TDM
Considerando o sinal ϕTDM( )t como as amostras de um único sinal contínuo ( )h t , amostrado a frequência ωs′ =nωs
0 0.5 1 1.5 2 2.5 3 3.5 4
0 0.5 1 1.5 2
t φTDM(t)
f1(t) f2(t) f3(t)
h(t)
Logo: Qual a largura de banda do sinal ( )h t , se cada sinal f t possui largura de banda n( ) ωm? Se estivermos amostrando à taxa de Nyquist: ωs =2ωm, como ωs′ =nωs, logo: ωs′ =2nωm Assim a largura de banda do sinal equivalente ( )h t é :
ω
m′ = n . ω
m←→
-5 0 5
0 0.1 0.2 0.3 0.4 0.5
t fpτ(t)
PAM( )t ϕ
-10 -5 0 5 10
-0.2 0 0.2 0.4 0.6 0.8 1
ω Fp
τ(ω)
ωs2ωs 3ωs -ωs
PAM( )ω Φ
Filtro PB
TDM( )t
ϕ h t( )
Conclusões:
- A Largura de Banda necessária a transmissão do sinal ϕTDM( )t é W =n.ωm
onde ωm é a maior frequência dos sinais f t n( )
Comparação: FDM versus TDM
FDM: Sinais separados em frequência e misturados no tempo TDM: Sinais separados no tempo e misturados em frequência Ex.:
a) Modulando n sinais f t de largura de banda n( ) ωm, usando AM DSB-SC, qual a largura de banda do sinal FDM resultante?
Resposta: W =n.2.ωm
b) Modulando o sinal ϕTDM( )t em AM DSB-SC, qual a largura de banda do sinal AM resultante? Lembrando que a largura de banda de ( )h t é .nωm.
Resposta: W =2. .nωm
Conclusão: A transmissão de n sinais usando AM em FDM, e o sinal TDM modulado em AM ocupam a mesma largura de banda!
PAM( )ω Φ
-20 -15 -10 5 0
0
ω -ω c
5 10 15 20
-0.2 0 0.2 0.4 0.6 0.8 1
ω Fpτ(ω)
ωc
/ ( )
TDM AM ω Φ
ω
FDM( )ω Φ
Vantagens do Sistema TDM
- Implementação mais simples, pois necessita de circuitos idênticos para cada canal. So sistema FDM as portadoras e os filtros PF são diferentes para cada canal, necessitando serem sintonizados independentemente.
- TDM é imune à interferência entre canais (diafonia), que surge em sistemas FDM devido à não-linearidade dos amplificadores de transmissão. No sistema TDM os sinais dos diferentes canais não são aplicados simultaneamente ao sistema, mas sim em diferentes intervalos de tempo, reduzindo a interferência entre os canais.
Exercício:
1) 10 sinais cossenoidais, com frequências variando de 1kHz a 4kHz são amostrados por um processo TDM. Deseja-se na recepção uma banda de guarda de 10kHz para auxiliar na demodulação de cada canal. Qual deve ser a frequência da portadora responsável pela amostragem?
Solução:
para 1 canal temos:
Logo necessitamos de uma frequência de amostragem de fs=2fm+BG Para n canais:
( )
( )
. 2
10 2 4 10 180
s s
s m
s
f n f
f n f BG
f k k kHz
′ =
′ = +
′ = × + =
f s
f BG m
4.2.2. Modulação por Largura de Pulso (PWM)
A largura (duração) dos pulsos varia linearmente com a informação:
( ) t
0K f t . ( ) τ = + τ
( ) t
τ
: Largura instantânea do pulsoK : Constante do circuito modulador. Transforma variações de Volts em variações de segundos.
Unidade: [s/V]
Se: f t( )=a.cos
( )
ωmt Temos:( )
( )t 0 K a. .cos mt τ = +τ ω
( )
0
0
( ) 1 K a. .cos m
t t
τ τ ω
= + τ
Definimos então o Índice de Modulação PWM:
0
. m a K
= τ onde 0≤ ≤m 1
( )
( )t 0 1 m.cos mt
τ =τ + ω
-1 0 1
t f(t)
0 0.5 1
t pτ(t)
0 2 4 6 8 10
0 0.5 1
t φPWM(t)
T 2T
τ(t) τ0
( )
( )t 0 1 m.cos mt
τ =τ + ω
Para:
( )
0cos ωmt =1 → τ( )t = +τ a K. =τmax
( )
0cos ωmt = − →1 τ( )t = −τ a K. =τmin
Se permitirmos à largura d pulso uma excursão máxima total dada por:
max T
τ = e τmin=0 Temos que 0
2
τ =T Isto é o ciclo de trabalho ideal é de 50% (onda quadrada)
Análise Espectral
Sabemos que a decomposição em Série Trigonométrica de Fourier de um Trem de Pulsos par de largura τ e frequência 0 2
T
ω = π é dada por:
( )
0
0 1
2 1
( ) sin .cos
n 2 A A n
p t n t
T n
τ τ ω τ ω
π
∞
=
= +
No nosso caso, τ é função do tempo τ( )t = +τ0 K f t. ( ) Logo:
( )
( )
1
( )
( ) 2 1
( ) ( ) sin .cos
2
s
t PWM s
n
n t
A t A
p t t n t
T n
τ
ϕ τ ω τ ω
π
∞
=
= = +
Para sinal de informação cossenoidal: f t( )=a.cos
( )
ωmt Temos que: τ( )t =τ0 1+m.cos( )
ωmtLogo:
( ) ( ) ( )
0 0
1
1 .cos 2 1 1 .cos
( ) sin .cos
2
m s m
PWM s
n
A m t A n m t
t n t
T n
τ ω ω τ ω
ϕ ω
π
∞
=
+ +
= +
( ) ( ) ( )
0 0 0 0
1
2 1
( ) cos sin cos .cos
2 2
s s
PWM m m s
n
A mA A n mn
t t t n t
T T n
τ τ ω τ ω τ
ϕ ω ω ω
π
∞
=
= + + +
Analisando cada termo:
A 0
T
τ
: Valor médio do sinal (componente DC)( )
0 cos m
mA t
T
τ ω
: Raia espectral correspondente à informação( ( ) ) ( )
1sin a bcos mt .cos n st
n +
ω ω
: Função de Bessel nas frequências múltiplas de ωs, Espectro semelhante ao de um sinal FM amostrado, ponderado por 1n.