Sinais e Sistemas Discretos no Tempo

Introduo
Sinais discretos: Seqncias
Sistemas discretos no tempo
Sistemas lineares discretos no tempo - LTI
Propriedades de sistemas LTI
Equaes diferena lineares com coeficiente constante
Representao no domnio da freqncia
Representao de seqncias por transformada de Fourier
Propriedades de simetria transformada de Fourier
Teoremas da transformada de Fourier.

2.0 Introduo
Sinal: algo que contm informaes sobre o estado ou
comportamento de um sistema fsico, por exemplo sinal de voz.
Sinais contnuos no tempo: definidos ao longo de um intervalo
de tempo contnuo e so representado por uma varivel contnua
independente.
Sinais discretos no tempo: definidos para tempo discreto, e so
representados como uma seqncia de nmeros.
Sistema de processamento de sinais
Sistemas contnuos no tempo
Sistemas discretos no tempo
2

Exemplo de sinais: a) Contnuo no tempo

b) Sequncias de amostras obtidas para T = 125 s

Sinal discreto no tempo

2.1 Sinais Discretos no Tempo: Sequncias

Sinais Digitais: sequncias indexadas de nmeros (reais ou
complexos). O ndice n usado como tempo discreto, tal como
o clock instantneo de um processador digital.
Funo impulso unitrio discreta: Sequncia de uma nica
amostra.

1; n 0
(n)
0; n 0

1; n k
ou ( n k )
0; n k

(n )

(n k )
1

k+1

Impulso unitrio ou sequncia unitria

O impulso unitrio segue as mesmas regras da funo impulso
unitrio ou funo delta de Dirac.
A propriedade da integrao da funo impulso envolvendo
deslocamento pode ser visto como a propriedade do somatrio
de sequncias unitrias deslocados.
Propriedade do deslocamento
Uma seqncia discreta pode ser expressa como a soma de
impulsos unitrios discretos, deslocados e multiplicados por um
peso:

x ( n)

x(k ) (n k )

Outra interpretao usando convoluo.

x(n) x(n ) * (n )

 Funo degrau unitrio

1; n 0
u(n )
0; n 0

1; n k
u(n k )
0; n k

ou

u(n k )

u(n )
1

Outra interpretao:

u(n k )

(m)

k k+1 k+2 k+3

m 0

u ( n)
n k

( m) ( n k )
( n ) u( n ) u( n 1)
6

Exponencial

x[n] A n

Senoidal
x[n] A cos( o n )

Sistemas Discretos no Tempo

Um sistema discreto no tempo definido matematicamente
como uma transformao ou um operador que mapeia uma
sequncia de de entrada com valor x[n] em uma outra sequncia
com valor y[n], isto :
Classificao:
Sistemas sem Memria

x[n0 ] y[n0 ], x[n1 ] y[n1 ],........

Exemplo:
y[n] = (x[n])2 + 2x[n] ;

y[ n ] e x[ n ]

y[n]=x[n]-x[n-1] , sistema com memria

8

Sistemas Discretos no Tempo

Sistemas Lineares
Um sistema linear se ele obedece o teorema da superposio

T {ax1[n ] bx2 [n ]} aT {x1[n ]} bT {x2 [n ]}

Exemplo:
n

y [ n ] x[ k ]

y1 [ n ] x1 [ k ]

y 2 [ n ] x2 [ k ]

y3 [ n ] x3 [ k ] ( ax1 [ k ] bx1 [ k ]) a x1 [ k ] b x2 [ k ]

Sistemas Discretos no tempo

Sistemas Invariante no Tempo
x( n ) y( n ), ento x( n n0 ) y( n n0 )
Exemplo:

y [ n ] x[ k ]
k

n n0

y [ n n0 ] x [ k ]
k

n n0

y1 [ n ] x1 [ k ] x1 [ k n0 ] x1 [ k1 ] y [ n n0 ]

10

Causalidade
Um sistema L causal, se para qualquer no, os valores da
sequncia de sada para n = no dependem somente dos valores da
sequncia de entrada par n no, ou seja y(n) uma funo de {,
x(n-2), x(n-1), x(n)} somente.

S depende de valores passados

Exemplos:
n

y [ n ] x[ k ]
k

y [ n ] x[ n ] x[ n 1 ]

y[n]=x[n]-x[n+1] , no causal
Obs. Um sistema pode ser processado em tempo real (produzindo
uma sada imediata para cada instante de tempo n) se e somente se
o sistema causal.
11

Estabilidade
Um sistema L estvel no sentido BIBO (bounded-input,
bounded-output stable) se somente se, para qualquer entrada
limitada a sada resultante tambm limitada.
Formalmente - O sistema L estvel se somente se para algum
AR, A>0, verdadeiro que:

x(n) A para todo n ( x limitado)

Ento existe um BR, B>0, tal que:

y (n) B para todo n ( y limitado) onde

Exemplo:
y[ n ] e x[ n ]

y ( n ) L[ x ( n )].

y[ n ] x[ k ]
k

Sistema instvel. Se x[n]=u[n]; sada infinita

12

Sistemas discretos lineares e invariante no tempo

(LTI)
Um sistema L um processo de transformao de sinais.

x (n )

y(n )

y (n )= L [x (n )]

Um sistema L linear se, para qualquer x(n), v(n) tal que

y (n ) L[ x ( n )]

w( n ) L[v ( n )]

e qualquer constante a, b R , tem-se:

ay (n ) bw( n ) L[ax (n ) bv ( n )]
Um sistema invariante no tempo (ou invariante ao
deslocamento) se para todo x(n) tal que y ( n ) L[ x ( n )],
tem-se, para todo k, que :

y ( n k ) L[ x ( n k )]

13

Resposta ao impulso unitrio de um sistema

linear
A resposta ao impulso unitrio de um sistema L definida por:

h( n ) L[ ( n )]
Se o sistema L LTI, ento

[ n ]

h[ n ]

h( n m ) L[ ( n m )]
A resposta impulso unitrio de um sistema LTI discreto no tempo
caracteriza um sistema da mesma forma que caracteriza os
sistemas LTI contnuos no tempo.
Resposta ao impulso unitrio Resposta a qualquer entrada
14

Resposta de sistemas LTI a uma entrada qualquer

Para determinar a resposta para uma entrada arbitrria x(n),
considere:
y[n]=L(x[n]). Mas, x[n], pode ser escrito um somatrio de

impulsos, ou seja:
x ( n)
x(k ) (n k )

Portanto: y [ n ] L x [ n ] L

x [ k ] [ n k ]

y [ n ] x [ k ] L [ n k ]
k

y [ n ] x [ k ] h[ n k ]
k

Convoluo soma
15

Convoluo Soma
Se L um sistema LTI com resposta impulso unitrio h(n), ou
seja:

y[n ] L x[n ]

e ento

y [ n ] x [ k ] h[ n k ]
k

a convoluo soma ou convoluo discreta que pode ser

avaliada diretamente para cada n, por computador ou na mo.
Exceto para certos sinais simples difcil encontrar uma forma
fechada para o resultado.
A operao de convoluo representada por:

y [ n ] x [ n ] * h[ n ] x [ k ] h[ n k ]
k

y[n ] x[n ] * h[n ] h[n ] * x[n ]

16

Convoluo Soma

y [ n ] x [ k ] h[ n k ]
k

Como calcular:
1. Rebate-se um dos sinais, isto , escrevendo x[-n] ou h[n].
2. Calcula-se y[n] para cada n deslocando-se x[n] sobre
3
h[n], ou vice-versa.
Exemplo: x[n]

h[n]

1 1
0

2
0

2
1

... -2

-1

y[n]=0, n<0

17

x[n] 1

2
1

... -2

-1

y[n] = 0, n < 0;
y[0] = x[0]h[0] = 1x3= 3

18

x[n] 1

2
1

... -2

-1

y[n] = 0, n < 0;
y[0] = x[0]h[0] = 1x3= 3
y[1]= x[0]h[1] + x[1]h[0] = 1x2+1x3 = 5

19

x[n] 1

2
1

... -2

-1

y[n] = 0, n < 0;
y[0] = x[0]h[0] = 1x3= 3
y[1]= x[0]h[1] + x[1]h[0] = 1x2+1x3 = 5
y[2] = x[1]h[1] = 1x2= 2
20

x[n] 1

2
1

... -2

-1

y[n] = 0, n < 0;
y[0] = x[0]h[0] = 1x3= 3
y[1]= x[0]h[1] + x[1]h[0] = 1x2+1x3 = 5
y[2] = x[1]h[1] = 1x2= 2
y[n] = 2, n > 0;
21

Causalidade e Estabilidade

y [ n ] x [ k ] h[ n k ]
k

Teorema - Um sistema LTI com resposta impulso unitria h(n)

causal e e somente se:

h( n ) 0 para n 0.
Teorema - Um sistema LTI estvel se somente se ele tem uma
resposta impulso unitrio h(n) absolutamente somvel, ou seja:

h(n)

22

Propriedades de Sistemas LTI

Todos os sistemas LTI so descritos so descritos pela

convoluo soma.
y [ n ] x[ k ] h[ n k ]
k

Comutativa:

y[n ] x[n ] * h[n ] h[n ] * x[n ]

Distributiva: x[n ] * (h1[n ] h2 [n ]) x[n ] * h1[n ] x[n ] * h2 [n ]

x[n]
x[n]
x[n]

h1[n]
h2 [n]

h2 [n]
h1[n]

h1[n] * h2 [n]

y[n]
y[n]
y[n]

Cascade connection of LTI Systems

h1[n]

y[n]

x[n]
h2 [n]
x[n]

h1[n] h2 [n]

y[n]

Parallel connection of LTI Systems

23

Exemplos de Sistemas LTI

Retardo ideal
h[n ] [n nd ], nd 0

Mdia mveis

M2
M1 n M 2 ,
1

h[n ]

[
n

k
]

M1 M 2 1

M 1 M 2 1 k M1

0,
otherwise.

Acumulador
n

h[n ]

1, n 0
u[n ]
0, n 0

[k ]

Forward Difference

h[n ] [n 1] [n ].

Backward Difference
h[n ] [n ] [n 1].

24

Equao Diferena Linear com Coeficientes Constantes

Um sistema LTI discreto pode ser caracterizado por uma equao
diferena linear com coeficientes constantes
Ela pode ser visto como o anlogo discreto de uma equao
diferencial linear com coeficientes constantes aplicada na teoria de
sistemas contnuos.
Exemplo - Equao diferena genrica:
K

k 0

m 0

b(k ) y (n k ) a(m) x(n m).

que uma soma ponderada de sadas deslocadas expressa como uma
soma ponderada de entradas deslocadas para um dado instante de
tempo.
25

Equao Diferena: Exemplo

Se M=0, a(0)=1; K=2, b(0)=1, b(1)=1/2, b(2)=1/8, ento a ED torna-se
1
1
y (n 1) y (n 2) x ( n )
2
8
Representao grfica
y (n)

x(n )

+
- -

y (n )
U n it
d e la y

y (n 1)

1 /2
U n it
d e la y

A D ig ita l F ilte r
1 /8

y ( n 2)

Dado um sistema descrito por uma equao diferena, a sada do

sistema pode ser encontrada pela soluo da equao no domnio
do tempo ou da transformada Z.
26

Exemplo
Considere a seguinte equao diferena:
y ( n ) 9 y ( n 2) x ( n )

Encontre

y (n )

para

n 0,...,

a condio inicial:
entrada:

dada:

y ( 1) y ( 2) 0

x(n) n 2 n

Soluo numrica:

y (0) x (0) 9 y ( 2) 0
y (1) x (1) 9 y ( 1) 2
y ( 2) x ( 2) 9 y (0) 6
y (3) x (3) 9 y (1) 20

Deve-se encontrar uma forma fechada para a expresso de y(n).

27

Transformada de Fourier de Sinais Contnuos

Define-se a transformada de Fourier de um sinal contnuo x(t)
e a sua inversa pelas integrais:

X ( ) x( t )e jt dt

1
j t
x( t )
X
(

)
e
d

A transformada de Fourier X ( ) representa o contedo de

frequncia do sinal x(t). Em geral complexo.
Notao:

x( t ) X ( )

28

Transformada de Fourier
Algumas propriedades importantes:
1. Linearidade:

ax1( t ) bx2 ( t ) aX 1( ) bX 2 ( )

jt0
x
(
t

t
)

G
(

)
e
2. Deslocamento no tempo:
0
j t
3. Deslocamento na frequncia: x( t )e 0 G( 0 )

4. Convoluo no tempo
5. Produto no tempo:

x1 ( t )* x2 ( t ) X 1 ( ) X 2 ( )

1
x1 ( t )x2 ( t )
X 1 ( )* X 2 ( )
2
29

Transformada de Fourier
Transformada de Fourier da convoluo de entre os dois sinais
x1(t) e x2(t).

x1 ( t )* x2 ( t ) x1 ( )x2 ( t )d integral de convoluo

F [ x1 ( t )* x2 ( t )] x1 ( )x2 ( t )d e jt dtd

Fazendo

dt d

F [ x1 ( t )* x2 ( t )] x1 ( )x2 ( )d e j( )dd

F [ x1 ( t )* x2 ( t )] x1 ( t )e

d x2 ( )e j d X 1 ( ) X 2 ( )

x1 ( t )* x2 ( t ) X 1 ( ) X 2 ( )

30

Exemplo de alguns pares de transformada

1. ( t ) 1
2. 1 2 ( )
3. cos( 0 t ) ( 0 ) ( 0 )

4. cos( 0 t ) j ( 0 ) ( 0 )

t
T
AT sen( T / 2 )
5. Arect ( ) ATsa (
)
T
2
( T / 2 )

1
2 k
6. ( t kT )
)
(
T k
T
k

31

Amostragem Peridica
Um mtodo tpico de obter um sinal discreto atravs da amostragem
de um sinal contnuo no tempo, isto :
x(n) xc (nTs )

32

Teorema da Amostragem
Teorema da Amostragem descreve precisamente quanta informao
retida quando uma funo amostrada ou, se uma funo de banda
limitada pode ser exatamente reconstruda a partir de suas amostras.
Demonstrao: Suponha que xc (t ) X c () um sinal de banda
limitada no intervalo de frequncia c , c ou X () 0 for c
X ()

Ento x(t) pode ser exatamente reconstruda das amostras eqidistantes

x(n) xc (nTs ) xc (2n / s )

s 2 c

onde Ts 2 / s a amostra peridica, f s 1 / Ts a frequncia de

amostragem (amostras/segundo), s 2 / Ts para radianos/seg.

33

Representao Matemtica da Amostragem

s(t )

xc (t )

s(t )

xs (t )

(t nT )

Converso de trem
de impulsos para
seqncia discreta

Trem de impulsos

xs (t ) xc (t ) s (t ) xc (t ) (t nT )
n

xs (t ) xc (nT ) (t nT )
n

x ( n ) xc ( nT )

(modulao)

(propriedade do deslocamento)

2
S ( j )
( k s ) onde s 2 / T a taxa de amostragem.
T k
1
1
X s ( j )
X c ( j ) * S ( j ) X c j ( k s )
2
T k
1
j
X
(
e
)

T
X s ( j) X ( e j )
X ( e jT ).
T

2k
X

c j
T
k
T

34

Espectro de xc(t)

Trem de impulso
no domnio da frequncia

Espectro do sinal
amostrado, quando

s 2 / T 2 N
Espectro do sinal
amostrado, quando

s 2 / T 2 N

35

Reconstruo exata de um sinal contnuo a partir de

suas amostras usando um filtro passa-baixa.

36

O efeito da aliasing na amostragem de uma funo coseno

Aliasing : sobreposio de espectros

xc (t ) cos(o )

37

Exemplo: Amostragem do sinal contnuo xc (t ) cos(4000t )

com perodo de amostragem T = 1/6000 e taxa de amostragem

s 2 / T 12000

38

Transformada de Fourier de Sequncia

Definio: A transformada de Fourier (FT) de uma sequncia x(n)

dada por:

X ( e j ) x ( n )e jn
n
contanto que x(n) seja absolutamente
somvel:

x(n) .

A somabilidade absoluta (ou quadrtica) condio suficiente

para a existncia da FT.
Definio: A transformada de Fourier Inversa (IFT) da funo

X (e j )

dada por:

1
j
jn
x( n )
X
(
e
)
e
d.

Obs: A transformada de Fourier de uma sequncia pode ser

interpretada em termos da representao em srie de Fourier.
39

2.7.2 Interpretaes da Transformada Fourier

Sinais: A transformada de Fourier X (e j ) de um sinal x(n)
descreve o contedo de frequncia do sinal.
X ( e j )
Para cada frequncia 0 , o espectro de amplitude
descreve a importncia daquela frequncia contida no sinal.
0

Para cada frequncia 0 , o Espectro de fase X ( e j0 )

descreve a localizao (deslocamento relativo) daquela
componente de frequncia do sinal.
Sistemas: A resposta em frequncia H ( e j ) de um sistema linear
descreve como as frequncias de entrada do sistema so modificadas
Uma componente de frequncia da entrada 0 amplificada ou
atenuada por um fator H (e j ) .
0

Uma componente de frequncia da entrada 0 defasada por

uma quantidade H (e j ).
40
0

Exemplo: Filtro Passa-Baixa

H ( e j0 )
Espectro de Amplitude
de um filtro passa-baixa
ou sistema passa-baixa

0 c

O sinal discreto h(n) cujo espectro de amplitude H ( e j0 ) composto

principalmente por baixas frequncias, isto , frequncias abaixo de uma
dada frequncia de corte c . Frequncias mais altas ocorrem com baixa
amplitude.
Um sistema discreto com espectro de amplitude como mostrado acima
deixa passar baixas frequncia com um ganho maior que as altas.
As frequncias mais altas se aproximam de

( 2k 1) .

41

2.7.4 Resposta de um sistema linear a uma

entrada senoidal
Suponha que a entrada de um sistema linear real h(n), H ( e j)
uma funo senoidal
x (n ) A0 cos( 0n ) ( A0 0)
1 j (0n )
Mas cos(0n ) e
e j (0n )
2
A0 j (0n )
E ento:
j 0
j ( 0 n )
j 0

y (n)

e
2

Como h(n) real, H ( e

H (e

j 0

)e

H (e

) H * ( e j0 ,) ento

A0 j (0n )
j 0
j ( 0 n )
j 0 *
y (n)
e
H (e ) e
H (e )
2
A0 Re e j (0n ) H (e j0 )

A ReH (e ) cos( n ) A ImH (e ) sin( n )

0

j 0

A0 H (e j0 ) cos[0n H (e j0 )]

j 0

42

2.7.5 Analise da resposta senoidal

A resposta a uma funo senoidal com frequncia 0 no
afetada pelo processo de filtragem, exceto por um ganho
(atenuao ou amplificao) H ( e j0 ) e a fase por deslocamento

H ( e j0 )
Definies: Espectro de amplitude da transformada de Fourier
j

H (e ) H (e ) H (e )
*

1/ 2

Espectro de Fase
j

H
(
e
)
j
1
I
H (e ) tan
j
H
(
e
)
R

onde,

H (e ) H (e )
2
R

2
I

1/ 2

H R ( e j ) Re H ( e j )
H I ( e j ) Im H ( e j )

A transformada de Fourier pode ser expressa na forma:

H (e

j 0

) H (e

j 0

)e

jH ( e j 0 )

43

2.7.6 Exemplo: Funo impulso

Funo impulso: x ( n ) A ( n )

x (n )

X ( e j ) A ( n )e jn

n
-3 -2 -1

Ae j 0 A

[ , ].

X ( e j )

44

2.7.6 Exemplo: Funo Comb

Funo Comb:

X (e ) A

N 1

n N 1

A;
x(n)
0;
jn

n N 1
else

cos[ ( N 1)] cos(N )

A
1 cos( )

[ , ].

x (n ) A

X ( e j )

A
n

-8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8

45

2.7.6 Exemplo: Funo pulso triangular

Pulso triangular:

A[1 n /( N 1)];

n N 1

0;

else

x(n)

N 1
1
j n
X (e j ) A e jn
n
e

1
n N 1
n N 1

N 1

Note que
x (n ) A

N 1

ne

j n

n 1

d N 1 jn
j
e
.

d n 1
X ( e j )

-8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8

46

2.7.6 Exemplo: Exponecial unilateral

Exponencial unilateral:

X (e ) a e
j

n jn

n 0

a n ;

n0

0;

else

x(n)

a-e j
, .

x (n )

1
X (e j )

-8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8

(a=2) 47

2.7.6 Exemplo: Exponencial bilateral

x(n) a

Exponencial bilateral:
j

X (e )

jn

x (n )

( a 1)

a2 1
2
a -2a cos( ) 1

, .

X ( e j )

-8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8

(a=2)
48

2.8.1 Propriedades de Simetria da Transformada Fourier

Definies:

conjugado - sequncia simtrica : xe (n) x e* (n)

conjugado - sequncia antisimtrica : xo (n) xo* ( n)

Qualquer x(n) pode ser expresso como a soma de um sequncia conjugada

simtrica (x(n) real e par) com uma sequncia conjugada antisimtrica
(x(n) real e mpar):

x ( n ) xe ( n ) x0 ( n )

1
x ( n ) x * ( n ) xe* ( n )
2
onde,
1
xo ( n ) x ( n ) x* ( n ) xo* ( n )
2
Similarmente, a transformada de Fourier
pode ser expressa
X ( e j )
como a soma de funes conjugadas simtricas e antisimtricas.
xe ( n )

X (e j ) X e ( e j ) X o ( e j )

Onde,

1
X (e j ) X * ( e j ) X e* (e j )
2
1
X o (e j ) X (e j ) X * ( e j ) X o* (e j )
2
X e (e j )

49

2.8.2 Propriedades de Simetria da Transformada

de Fourier
Sequncia x(n)
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.

x* (n)
x* ( n )
Re x (n )

Im x (n )
xe (n )
xo (n )
Any real x ( n )
Any real x ( n )
Any real x ( n )
Any real x ( n )
Any real x ( n )
xe (n ) (real x (n ))
xo (n ) (real x (n ))

j
Transformada de Fourier X (e )

X * (e j )
X * (e j )
X e (e j )
X o ( e j )

X R ( e j ) Re X (e j )
jX I ( e j ) j Im X ( e j )
X ( e j ) X * ( e j )

X R (e j ) X R ( e j )
X I ( e j ) X I ( e j )
X ( e j ) X ( e j )

X ( e j ) X I ( e j )
X R (e j )
jX I (e j )

50

2.9 Teoremas da Transformada de Fourier

j
j
Fourier Transform X (e ) and Y (e )

Sequence x(n) and y(n)

1.
2.
3.
4.
5.

ax ( n ) by ( n ) (Linearity)
x (n nd ) ( nd an integer, time shifting)

e j0n x (n ) (frequency shifting)

x ( n ) (time reversal)
nx (n ) (different iation in frequency)

aX ( e j ) bX ( e j )
e jnd X (e j )
X (e j ( 0 ) )
X (e j )
dX ( e j )
j
d

j
j
6. x ( n ) * y ( n ) (convolution theorem) X (e )Y ( e )
1
j
j ( )
X
(
e
)
Y
(
e
)d
7. x ( n ) y ( n ) (windowing theorem)

2
Parsevals Theorem

8.

1
x(n)
2
2

1
x
(
n
)
y
(
n
)

9.
2
n
*

X ( e j ) d

( X ( e j ) is called the energy den sity spectrum.)

X (e j )Y * ( e j )d

51

Exerccio: Prova do Teorema de Parseval

Proof :

1
x(n)
2
2

X (e

) d
*

j
jn
X
(
e
)
e
d

1
j
jn
x(n)
X
*
(
e
)
e
d

2
n

*
x
(
n
)

x
(
n
)
x
(n )

x ( n )

jn
x
(
n
)
e
d

X * ( e )

1
j
j

X
*
(
e
)
X
(
e
)d

2
1
j 2

X ( e ) d

52