Séries e Transformadas de Fourier

Séries e Transformadas de Fourier

História

Jean-Baptiste Joseph Fourier (1768–1830), foi um matemático e físico

francês conhecido principalmente pela elaboração das famosas Séries de
Fourier, cujo impacto no desenvolvimento da matemática é ainda de
grande importância nas várias áreas da engenharia. Além disso, realizou
notáveis contribuições no campo da egiptologia e teve uma vida política
muito ativa durante a revolução francesa, ao lado de Napoleão Bonaparte.
Por que utilizar uma transformada?

 Alguns problemas são difíceis de solucionar diretamente. Pode ser

mais fácil resolver o problema transformado e aplicar a transformada
inversa na solução.
 Deve-se levar em consideração a dificuldade envolvida em aplicar a
transformada ao problema original e em aplicar a transformada inversa
na solução do problema transformado.
 A representação de um sinal no domínio do tempo (do espaço, ...) está
presente, naturalmente, no nosso dia a dia.
 Certas operações tornam-se muito mais simples e esclarecedoras se
trabalharmos no domínio da frequência, domínio este, conseguido a
partir das Transformadas de Fourier (TF).
Importante:

 Funções periódicas são representadas por séries de Fourier;

 Funções não-periódicas são representadas por transformadas de Fourier
(espectro do sinal);
 Representação de f(x) é uma decomposição em componentes que
também são funções;
 As componentes dessa decomposição são as funções trigonométricas
sen(x) e cos(x).
Série de Fourier

A expansão em série de Fourier de uma onda quadrada é formada pela soma de

harmônicas ímpares. Podemos mostrar isto graficamente utilizando o software Matlab:

Primeiramente formamos um vetor de tempo com valores de 0 a 10 em intervalos de 0,1, e

fazemos o seno de todos os pontos:
t = 0:.1:10;
y = sin(t);

Agora vamos plotar o gráfico deste seno que corresponderá à frequência fundamental da
onda quadrada:
plot(t,y), pause;
Agora adicionamos a terceira harmônica e plotamos o gráfico:
y = sin(t) + sin(3*t)/3;
plot(t,y), pause;

Agora usamos a primeira, a terceira, a quinta, a sétima e a nona harmônica:

y = sin(t) + sin(3*t)/3 + sin(5*t)/5 + sin(7*t)/7 + sin(9*t)/9;
Por fim, utilizamos desde a fundamental até a décima-nona harmônica, criando
vetores com sucessivamente mais harmônicas e armazenando todos os passos
intermediários como linhas de uma matriz:
t = 0:.02:3.14;
y = zeros(10,max(size(t)));
x = zeros(size(t));
for k=1:2:19
x = x + sin(k*t)/k;
y((k+1)/2,:) = x;
End.

Vamos então sobrepor os diversos gráficos, mostrando a transição para uma

onda quadrada. Note que o efeito de Gibbs (orelha ou overshoot ) sempre
presente na transição mais brusca, demonstra que a aproximação não é
perfeita, a menos que tivéssemos infinitas harmônicas.
Plot(t,y(1:2:9,:)'), title('A construção de uma onda quadrada: o efeito de Gibbs'),
pause.
Outra forma de visualizar a transição é plotando os gráficos como uma superfície
tridimensional:

mesh(1:2:19,t,y')
view(60,35)
xlabel('no. harmônica')
ylabel('tempo')
axis ij

Um sinal contínuo no tempo representado por uma função f(t) pode ser expandido
em série de Fourier através de:

onde:
são os coeficientes que multiplicam cada termo da expansão e k é o no. da
harmônica.
No exemplo anterior, utilizamos a série de Fourier em senos, onde a única
mudança nas expressões acima é a troca da exponencial complexa pela função
seno. Podemos calcular os coeficientes das harmônicas para o exemplo anterior
e plotá-los utilizando o Matlab:
z = (abs(fft([y(10,:),-y(10,:)])));
stem(0:19,z(1:20)/120)

A sequência formada pelo ordenamento dos coeficientes conforme o no. da

harmônica correspondente dá origem ao espectro discreto de frequência acima,
onde cada o k-ésimo número corresponde à harmônica de frequência kω0.
 Transformada de Fourier

Entretanto, para construir f(t), podemos usar sinais senoidais de frequência ω

múltiplo não-inteiro de ω0. Assim, verificaremos os valores do gráfico acima para
pontos intermediários aos apresentados, ou seja, continuamente no eixo das
frequências, obtendo um conjunto de coeficientes descrito agora por uma
função F(jω). Esta análise leva à transformada de Fourier, que é um caso
particular da transformada de Laplace:

Onde:

A inversa da transformada de Fourier é dada por:

A função F(jω) constitui o espectro de frequências de f(t) e pode ser separada

em:
Identidade de Parseval

Relacionada à conservação de energia - a energia contida na forma de onda

temporal é a mesma encontrada no respectivo espectro de frequências.

Teorema da Amostragem

Amostragem - é o processo básico para a transmissão de um sinal na forma

digital, no qual uma forma de onda ou função temporal contínua é discretizada
no tempo de forma a permitir posteriormente sua perfeita reconstrução.
A condição para que isso possa seja possível é a de que a função temporal
seja limitada em frequência, ou limitada em faixa, isto é, sua transformada de
Fourier é zero exceto em um intervalo finito do espectro de frequências.

Teorema de Nyquist: Para amostrar um sinal temporal contínuo limitado em

frequência a B Hertz (ou W = 2π B rad/s) e, posteriormente, reconstruí-lo
perfeitamente, a mínima frequência de amostragem necessária é de 2B Hertz
(ou 2W rad/s), ou seja, o dobro da largura de banda do sinal.
Sinal senoidal de frequência f = 1 Hz, ou seja, com período 2 π segundos,
amostrado à taxa de 1 Hz, ou seja, igualmente a cada 2 π segundos. É fácil
verificar que o sinal original não pode ser reconstruído perfeitamente a partir destas
amostras, pois a interpolação das mesmas não produziria oscilação.

Sinal senoidal de frequência f = 1 Hz, ou seja, com período 2 π segundos,

amostrado à taxa de 2 Hz, ou seja, a cada 2π segundos. É fácil verificar que, a
partir da interpolação destas amostras, o sinal original pode ser reconstruído
perfeitamente, produzindo oscilação. Portanto, a taxa de amostragem igual ao
dobro da máxima frequência do sinal.
A necessidade de a taxa de amostragem mínima ser o dobro da largura de faixa
do sinal também pode ser justificada a partir da transformada de Fourier. Seja fa(t)
a forma amostrada da função f(t):

onde T é o período de amostragem.

 Logo a forma amostrada fa(t) corresponde à multiplicação de f(t) por um trem de
impulsos temporal. Fazendo a transformada de Fourier da expressão acima, obtemos:

Onde é a frequência angular de amostragem. Logo, Fa(jω) é uma repetição de F(jω )

a cada ω 0 rad/s no espectro de frequências.

Como os espectros se repetem, se ω 0 for maior do que ω m haverá sobreposição dos

espectros e o somatório dos mesmos resultará em distorções no conteúdo espectral e, não
poderemos mais separar o espectro de F(jω) a partir do espectro de Fa(jω).