Processamento Digital de Sinais
Sinais Digitais
Um sinal pode ser entendido como uma
função que carrega uma informação
Sinal de voz
O sinal é processado de acordo com a
O sinal é processado de acordo com a
aplicação necessária
Processamento de Sinais
O processamento de sinais lida com a
representação, transformação e
manipulação dos sinais e da informação
que eles contêm
Até a década de 60
Tecnologia analógica
Evolução de computadores e
microprocessadores
Processamento Digital de Sinais
Aspecto fundamental:
Conversão do sinal contínuo em uma
sequência de amostras
Um sinal discreto no tempo
Um sinal discreto no tempo
Após o processamento digital, a sequência de
saída pode ser convertida de volta a um sinal contínuo no tempo
Processamento Digital de Sinais
Classificação:
Sinais contínuos no tempo (Analógicos)
Representados por funções de variáveis contínuas
Sinais discretos no tempo
Representados matematicamente por uma sequência de
Representados matematicamente por uma sequência de
números reais ou complexos Sinais contínuos em valores
Se um sinal pode assumir qualquer valor dentro de um
espaço finito ou infinito
Processamento Digital de Sinais
Sinais Digitais
Sinais digitais são aqueles para os quais tanto
o tempo quanto a amplitude são discretos
Ou seja, ele é discreto no tempo e só pode
Ou seja, ele é discreto no tempo e só pode
assumir valores dentro de um conjunto finito de possíveis valores (é discreto em valores)
Processamento Digital de Sinais
Sinais Determinísticos
Qualquer sinal que podem ser unicamente
descrito por uma expressão matemática, uma tabela de dados ou uma regra bem definida
Sinais Aleatórios
Sinais Aleatórios
os sinais não podem ser representados
precisamente por equações matemáticas ou suas descrições são muito complexas para uso. Isso indica que tais sinais têm
Processamento Digital de Sinais
A sequência x é escrita como:
x = {x[n]}, -∞ <n < ∞
n inteiro
Sequência gerada a partir do processo de
Sequência gerada a partir do processo de
amostragem
Amostragem
Sinal
Amostragem
Cuidados com a taxa de amostragem
Baixa taxa de Amostragem !
MatLab
No MatLab:
•Função Seno contínua (-):
>> fplot (‘sin(x/2 + 1)’, [0, 30], ‘r’)
•Função Seno amostrada (-):
>>nn = 0:30; >>nn = 0:30;
>> sinus=sin(nn/2 + 1); >> stem(nn, sinus);
Exemplos
Impulso (delta de Dirac)
Uma sequência arbitrária pode ser
representada como uma soma de impulsos
Exemplos
Impulso (delta de Dirac)
No MatLab: function [x, n] = impseq(n0, n1, n2) function [x, n] = impseq(n0, n1, n2) n = [n1:n2]; x = [(n - n0) == 0]; stem (x); >> impseq (5, 0, 10);
Exemplos
Impulso (delta de Dirac)
Exemplos
Impulso (delta de Dirac)
x[n] = 2.δ[n + 2] - δ[n – 4], -5 ≤ n ≤ 5 No MatLab:
>> n = [-5:5];
>> x = 2*impseq(-2, -5,5) - impseq(4, -5, 5);
Exemplos
Degrau Unitário
Exemplos
Degrau
No MatLab: function [x, n] = stepseq(n0, n1, n2) function [x, n] = stepseq(n0, n1, n2) % Degrau n = [n1:n2]; x = [(n-n0) >= 0]; stem (x);Exemplos
Degrau
x[n] = n[u[n] – u[n – 10]] + 10e-0.3(n – 10)[u[n – 10] – u[n – 20]], 0 ≤ n ≤ 20
>> n = 0:20;
>> x1 = n.*(stepseq(0,0,20) - stepseq(10,0,20)); >> x1 = n.*(stepseq(0,0,20) - stepseq(10,0,20));
>> x2 = 10*exp(-0.3*(n-10)).*(stepseq(10,0,20) - stepseq(20,0,20)); >> x = x1 + x2;
Exemplos
Sequência Exponencial
No MatLab: •Função Exponencial: >> nn = 0 + [1:21]’ - 1; >> y = (0.9).^nn; >> y = (0.9).^nn; >> stem(nn, y);Sistemas e Propriedades
Sistemas Discretos no Tempo
Um sistema discreto no tempo é definido
matematicamente como uma transformação que mapeia uma seqüência de entrada x[n] em uma seqüência de saída y[n]
seqüência de saída y[n]
Sistemas e Propriedades
Sistemas Discretos no Tempo
Exemplos:
Atraso ideal: y[n] = x[n – nd], -∞ <n < ∞
Sistemas e Propriedades
Sistemas Discretos no Tempo
Propriedades
1) Sistema sem Memória
A saída y[n] a cada valor de n depende apenas da
A saída y[n] a cada valor de n depende apenas da
entrada x[n] no mesmo valor de n
Ex:
Sistemas e Propriedades
Sistemas Discretos no Tempo
Propriedades
2) Sistema Linear
Obedecem ao princípio da Superposição:
Obedecem ao princípio da Superposição:
T{a.x1[n] + b.x2[n]} = a.T{x1[n]} + b.T{x2[n]}
Ex:
Sistemas e Propriedades
Sistemas Discretos no Tempo
Propriedades
3) Sistema Invariante no Tempo
Um deslocamento no tempo da sequência de
Um deslocamento no tempo da sequência de
entrada gera um deslocamento correspondente na sequência de saída
Ou seja: Se x[n] → y[n], então x[n + m] → y[n + m] Ex: Sistema não invariante no tempo: y[n] = x[M.n]
Sistemas e Propriedades
Sistemas Discretos no Tempo
Propriedades
4) Sistema Causal
Não depende de valores futuros da sequência
Não depende de valores futuros da sequência Ex: Sistema não causal: y[n] = x[n + 1]
Sistemas Lineares e Invariantes
no Tempo (LTI)
Como vimos, uma sequência qualquer pode ser
representada como uma soma de impulsos:
Sistemas Lineares e Invariantes
no Tempo (LTI)
Assim, um sistema Linear e Invariante no
Tempo é completamente descrito por sua
resposta ao impulso
Essa representação é conhecida também
Essa representação é conhecida também
Propriedades da Soma de
Convolução
1) Comutatividade: x[n]*h[n] = h[n]*x[n]
2) Distributividade:
x[n]*(h1[n] + h2[n]) = x[n]*h1[n] + x[n]*h2[n]3) Conexão em Cascata
3) Conexão em Cascata
Propriedades da Soma de
Convolução
Propriedades da Soma de
Convolução
5) Causalidade
Como definido anteriormente, um sistema é
dito causal se sua resposta não depende de eventos futuros. Ou seja, para calcular a saída eventos futuros. Ou seja, para calcular a saída
de y[n0], precisamos apenas de x[n], n ≤ n0.
Isso implica na condição:
h[n] = 0, n < 0
Assim, para testar a causalidade basta testar
Propriedades da Soma de
Convolução
6) Estabilidade
Sistemas Lineares e Invariantes
no Tempo (LTI)
Sistemas Inversos
Se um sistema linear invariante no tempo tem
uma resposta ao impulso h[n], então seus
sistema inverso, se existir, tem resposta ao sistema inverso, se existir, tem resposta ao
impulso hi[n] definida pela relação:
Sistemas Lineares e Invariantes
no Tempo (LTI)
Uma classe importante de sistemas
lineares invariantes no tempo consiste
daqueles para os quais x[n] e y[n] se
relacionam através de uma
equação de
relacionam através de uma
equação de
diferenças de coeficientes constantes
Sistemas Lineares e Invariantes
no Tempo (LTI)
Exemplo: y[n] = y[n – 1] + x[n]
Na equação anterior teríamos: N = 1 N = 1 a0 = 1 a1 = -1 M = 0 b0 = 1
Sistemas LTI como Filtros Seletores
de Frequência
O termo filtro é normalmente usado para
descrever um dispositivo que discrimina, de acordo com algum atributo do objeto aplicado como entrada, o que passa através dele
Como um filtro de ar que deixa o ar passar, mas retém
partículas de impureza
Um sistema LTI também funciona como um tipo
Sistemas LTI como Filtros Seletores
de Frequência
A forma da filtragem é definida pela resposta de
frequência H(ω) que depende da escolha de
parâmetros do sistema (como os coeficientes do filtro)
Sistemas LTI como Filtros Seletores
de Frequência
Em geral, um sistema LTI modifica o espectro do
sinal de entrada X(ω) de acordo com a resposta em frequência H(ω) que leva a um sinal de saída com espectro Y(ω) = H(ω)X(ω)
Assim, um sistema LTI pode ser visto como um
Assim, um sistema LTI pode ser visto como um
filtro embora não bloqueie completamente
qualquer componente de frequência do sinal de entrada.
Sistemas LTI como Filtros Seletores
de Frequência
Filtros são normalmente classificados de
acordo com suas características no domínio
da frequência como baixa,
passa-alta, passa-faixa e rejeita-faixa
alta, passa-faixa e rejeita-faixa
Sistemas LTI como Filtros Seletores
de Frequência
Sistemas LTI como Filtros Seletores
de Frequência
Todos os filtros ideais têm características
de magnitude constante e fase linear dentro
da banda de passagem
Em todos os casos, tais filtros não são
Em todos os casos, tais filtros não são
fisicamente realizáveis, mas servem como
idealizações matemáticas para filtros
Representação pela
Transformada de Fourier
Transformadas
Mudança entre domínios de sinais
Transformada de Laplace
Transformada de Fourier Transformada de Fourier
Transformada Discreta do Cosseno
Transformada Z
Representação pela
Transformada de Fourier
Transformada de Fourier de uma sequência
Representação pela
Transformada de Fourier
Em geral, a Transformada de Fourier é uma
função complexa em
ω
Como na resposta à frequência, algumas
vezes, pode-se expressar X(e
jω) na forma
vezes, pode-se expressar X(e
jω) na forma
X(ejω) = XR(ejω) + j.XI(ejω)
Representação pela
Transformada de Fourier
Vamos mostrar que a relação entre a
Transformada de Fourier e sua Inversa
Considere:
Se trocarmos a ordem da integral e do
Representação pela
Transformada de Fourier
Calculando a integral dentro dos parênteses
Representação pela
Transformada de Fourier
Exemplo:
x[n] = anu[n]
Representação pela
Transformada de Fourier
Bibliografia Complementar
Vinay K. Ingle, John G. Proakis, Digital
Signal Processing, Thomson Learning,
2000.
Michael Weeks, Digital Signal Processing
Michael Weeks, Digital Signal Processing
Using MatLab and Wavelets, Infinity
Science Press, 2007.