UNIVERSIDADE FEDERAL DO ABC

FERNANDO HENRIQUE GOMES ZUCATELLI

FERNANDA SILVA GUIZI

Processadores Digitais em Controle e Automac

ao:
Laboratorio 2: Funcoes Basicas de Tempo Discreto

SANTO ANDRE
16 DE OUTUBRO DE 2014

1 Introducao
Os objetivos deste trabalho sao obter os graficos das funcoes basicas no tratado de
sinais como o impulso e o degrau unitarios e seus deslocamentos; verificar as causas de
sinais discretos periodicos e aperiodicos; entender como a funcao de correlacao permite
comparar sinais inclusive diante da presenca de rudo modelado como do tipo branco
gaussiano.
As equacoes utilizadas sao: o impulso unitario discreto em (1); o degrau unitario
discreto (2); a funcao de correlacao cruzada (3) na qual v e o complexo conjugado de v
e ela se torna a funcao de autocorrelacao quando u = v; (4) e a funcao de probabilidade
baseada na distribuicao gaussiana; (5) e a Transformada de Fourier de Tempo Discreto
(DTFT: Discrete Time Fourier Transform); e (6) sao relacoes das funcoes trigonometricas
com a exponencial complexa.
(
[n n0 ] =
(
u [n n0 ] =
Z

1, n = n0
0, n =
6 n0

(1)

1, n > n0
0,
c.c.

(2)

Ruv ( ) =

u(t + )
v ( )d ; Ruu ( ) = Ru ( ) =

u(t + )
u( )d

(3)

P () =
2 2

(x)2
2 2

dx

(4)

DT F T {x [n]} = X () =

x [n] ejn

(5)

n=

2 cos () = ej + ej ; 2j sin () = ej ej

(6)

Citemos ainda algumas propriedades da funcao de autocorrelacao.

1. Ru ( ) = Ru ( ) : a funcao de autocorrelacao e par.
2. Ru (0) = u2 : a funcao de autocorrelacao para = 0 equivale a variancia de u.
3. |Ru ( )| Ru (0) : o maximo da funcao de autocorrelacao ocorre para = 0.

2 Resultados da Simulacao
Primeiramente foi implementado o deslocamento temporal em duas unidades a direita
das funcoes impulso e degrau unitario discretizada. Em seguida o procedimento foi repetido para o deslocamento das mesmas funcoes em tres unidades a` esquerda.

Na Figura 1 temos o impulso unitario em zero e com deslocamentos `a direita e a`

esquerda, ambas criadas com o algoritmo da secao 4.1.

(a) Sinais base e com deslocamento `a direita

(b) Sinais deslocados `a esquerda

Figura 1: Sinais deslocados baseados (1) e (2)

Na segunda parte, foi realizada a analise da periodicidade de funcoes senoidais discretizadas. A Figura 2 apresenta sinais periodicos e aperiodicos criados a partir do algoritmo
da secao 4.2.
Observa-se que para primeira funcao senoidal a frequencia f nao e m
ultipla racional
5
de k, 5 = = 2f f = 2
/ Q. Por isso esta funcao se caracteriza como aperiodica.
Ja para a segunda funcao cossenoidal,a frequencia f e m
ultipla racional de k, 52
==
6
5
2f f = 6 Q. Portanto ela sera periodica. Salientemos que o fato da periodicidade
estar ligada com f Q deve-se ao fato de estarmos trabalhando com sistema de tempo
discreto, no tempo contnuo esse fenomeno nao ocorre.
Finalmente tem-se a amostragem de um sinal periodico no domnio do tempo contnuo
a qual resulta em um sinal discretizado aperiodico. Esta caracterstica deve-se ao fato
ultiplo racional da frequencia do sinal contnuo.
valor T = 12 da amostragem nao ser m

Figura 2: Senoides periodicas, aperiodicas e periodica com amostragem aperiodica

As Figuras de 3 a 5 foram criadas a partir do algoritmo da secao 4.3. Neste algoritmo

foram analisados os comandos de fft, randn e xcorr.
Analisando o codigo para z na secao 4.3 vemos que z e a soma de y com pequenas variacoes aleatorias denotadas por n gerado com uso da funcao aleatoria rand(), esta funcao
e um gerador de n
umero pseudo-aleatorio normais (segue a gaussiana (4)).O comando f f t
denota a Transformada de Fourier de tempo Discreto.
Para a Figura 4 a diferenca entre o sinal y e z = y + n onde n foi obtido com uso da
c
funcao rand() do Matlab
que gera valores pseudoaleatorios com distribuicao gaussiana
e apenas a parte aleatoria somada, todavia ao comparamos a Figura 4(a) com a Figura
5(a) notamos que a transformada de Fourier de ambas sao identicas, isso mostra o fato
de que a soma com um sinal aleatorio nao altera a funcao de autocorrelacao.
Na Figura 5 notamos que funcoes nao correlatas nao geram sinais pares (considere a
possibilidade de deslocar o zero do eixo das abscissas para o caso na Figura 5(a)).
c
Por notacao a funcao de correlacao cruzada no Matlab
e xcorr(a, b), caso a 6= b, e a
funcao de autocorrelacao se a = b denotado por xcorr(a) = xcorr(a, a).

(a) (fft(y)-media(y))

(b) (fft(z)-media(z))

Figura 3: Comparacao entre y e z que contem variavel aleatoria gaussiana n somada a y

(a) Correlac
ao entre y e z

(b) Correlacao entre x e z

Figura 4: Diferenca entre sinais correlatos e nao-correlatos

(b) Autocorrelacao |fft(y - media(y))|

(a) Autocorrelac
ao de y

Figura 5: Autocorrelacao de y e de sua transformada subtrada da media

A Figura 6 mostra a onda retangular de -2 a 2 e duas formas de calcular sua transformada de Fourier. Ela foi obtida com o algoritmo descrito na secao 4.4.

Figura 6: Exemplo de calculo da transformada de Fourier para sinal discreto executado

de 2 formas diferentes.
Verifica-se que ambos os graficos da DFT do pulso retangular discretizado representados
pela figura 6 sao praticamente semelhante. As funcoes de DFT (soma de cossenos e sinc)
se caracterizam-se como pares e simetricas devido ao pulso retangular tambem ser uma
funcao par. As componentes de frequencia apresentam um maximo periodico e o espectro
do pulso retangular se estende ate infinito (largura de banda infinita).
A funcao com cossenos foi calculada conforme indicado em (7) e com a funcao sinc(x)
conforme (8).
DT F T {x [n]} = X () =

2
P
n=2

1
*

 + e1j + e+2j
1 ejn = e2j + e1j + 
e0j

(7)

X () = 1 + 2 cos () + 2 cos (2 )
DT F T {retN [n]} =

N
P
n=N

1 ejn

sin (N + 21 ) N =2 sin ( 52 )




=
=
sin 2
sin 2

(8)

3 Conclusao
Atraves desta atividade foi possvel observar os efeitos da frequencia de amostragem
sobre a periodicidade de uma funcao discretizada,constatando que esta primeira deve ser
racional para que haja um sinal periodico discreto.
A funcao de correlacao e a funcao ideal para se comparar o sinal real com rudo com
um sinal idealizado pois o rudo existente na funcao real podendo ser modelado como
branco gaussiano nao afeta o resultado da correlacao com o sinal idealizado de referencia
e o resultado sera a autocorrelacao do sinal de referencia.
Por fim a utilizacao da DTFT se mostrou uma ferramenta u
til para a visualizacao da
abrangencia em frequencia e magnitude espectral de sinais.

4 Anexos
4.1 Programa 1
k = -5:10;
delta = ( k >= 0) - (k >= 1);
%===
figure(1)
subplot(221)
stem(k,delta, filled);
xlabel(k); ylabel(\delta(k));
title(Impulso Unit
ario Discreto);
shifted_delta = ( k >= 2) - (k >= 3);
subplot(222);
stem(k,shifted_delta,filled);
xlabel(k); ylabel(\delta[k-2]);
title(Impulso Deslocado Discreto);
u = (k >= 0); % Definindo e plotando u[k]
subplot(223);
stem(k,u,filled);
xlabel(k); ylabel(u[k]);
title(Degrau Discreto);
shifted_u = (k >= 2); % Definindo e plotando u[k-2]
subplot(224);
stem(k,shifted_u,filled);
xlabel(k); ylabel(u[k-2]);
title(Degrau Deslocado Discreto);
fig = 1;
figname = [fig_,num2str(fig),.jpg];
saveas(gcf,figname);
%===
figure(2)

shifted_delta = ( k >= -3) - (k >= -2);

subplot(211);vizualiza
ca
~o
stem(k,shifted_delta,filled);
xlabel(k); ylabel(\delta[k+3]);
title(Impulso Deslocado Discreto);
shifted_u = (k >= -3); % Definindo e plotando u[k-2]
subplot(212);
stem(k,shifted_u,filled);
xlabel(k); ylabel(u[k+3]);
title(Degrau Deslocado Discreto);
fig = 2;
figname = [fig_,num2str(fig),.jpg];
saveas(gcf,figname);
%===

4.2 Programa 2
k = 0:20;
x = sin(5*k + 0.1);
%===
figure(3)
subplot(221);
stem(k,x,filled); grid;
xlabel(k); ylabel(x[k]=sin(5k+0.1));
title(Sinal n~
ao Periodica Discreta no Tempo);
x = 2*cos(10*pi*k/6 - 0.22);
subplot(222);
stem(k,x,filled); grid;
xlabel(k); ylabel(x[k]=2cos(10 \pi k/6-0.22));
title(Sinal Periodica Discreta no Tempo);
%===
t = 0:0.01:20; % Valores cont
unuos no tempo
fct = 3*cos(2*t+0.15); % Sinal continuo no tempo
T = 0.5; % Periodo de amostragem

k = 0/T:20/T; % Valores discretos no tempo (t=kT)

fdt = 3*cos(k+0.15); % Sinal discreto no tempo

%===
subplot(212); % Plotando os dois sinais em um eixo continuo no tempo
plot(t,fct); % Utilizando t = kT para o sinal discreto no tempo
hold on;
stem(k*T, fdt, filled);
hold off;
grid;
xlabel(t ); ylabel(f[k],f(t));
title(Peri
odico f(t)=3cos(2t+0.15) Amostrado com T=0.5s obtendo um n~
ao Peri
odico f
fig = 3;
figname = [fig_,num2str(fig),.jpg];
saveas(gcf,figname);
%===

4.3 Programa 3
figure(4)
plot(xcorr(abs(fft(y-mean(y)))));grid;
title(xcorr(abs(fft(y-mean(y)))));
fig = 4;
figname = [fig_,num2str(fig),.jpg];
saveas(gcf,figname);
figure(5)
plot(abs(fft(y)-mean(y))); grid;
title(| fft(y) - mean(y)|);
fig = 5;
figname = [fig_,num2str(fig),.jpg];
saveas(gcf,figname);
%===
figure(6)
plot(abs(fft(z)-mean(z))); grid;
title(| fft(z) - mean(z)|);
fig = 6;
figname = [fig_,num2str(fig),.jpg];

saveas(gcf,figname);
figure(7)
plot(xcorr(y,z));
grid;
title(xcorr(y,z));
fig = 7;
figname = [fig_,num2str(fig),.jpg];
saveas(gcf,figname);
figure(8)
plot(xcorr(x,z)); grid;
title(xcorr(x,z));
fig = 8;
figname = [fig_,num2str(fig),.jpg];
saveas(gcf,figname);
figure(9)
plot(xcorr(y,y)); grid;
title(xcorr(y,y));
fig = 9;
figname = [fig_,num2str(fig),.jpg];
saveas(gcf,figname);
figure(10)
plot(xcorr(abs(fft(y-mean(y))))); grid;
title(xcorr(abs(fft(y-mean(y)))));
fig = 10;
figname = [fig_,num2str(fig),.jpg];
saveas(gcf,figname);

4.4 Programa 4
W = -3*pi:0.01:3*pi; % Definindo as frequencias DT
Fa = 1 + 2*cos(W) + 2*cos(2*W); % plotando |F(W)| dos co-seno
figure(11)
k = -5:5;
f_u = (k >= -2) - (k >= 3); % Definindo e plotando u[k]

10

subplot(311);
stem(k,f_u,filled);
xlabel(k); ylabel(f_u[k]);
title(Ret^
angulo);
subplot(312);
plot(W,abs(Fa));
xlabel(\Omega ); ylabel(|F(\Omega)|);
title(DTFT of f[k]=u[k+2]-u[k-3] (da soma dos co-senos));
Fb = sin(2.5*W)./sin(W/2); % plot |F(W)| sinc-like function
subplot(313);
plot(W,abs(Fb));
xlabel(\Omega ); ylabel(|F(\Omega)|);
title(DTFT of f[k]=u[k+2]-u[k-3] (da fun
c~
ao sinc));
fig = 11;
figname = [fig_,num2str(fig),.jpg];
saveas(gcf,figname);