Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Escola de Engenharia
Departamento de Engenharia Eltrica
Programa de Ps-Graduao em Engenharia Eltrica
ELE00071-Tpicos Especiais em Automao e Controle II
1 Introduo
Em geral, um sinal representa uma grandeza fsica como tenso, corrente, distn-
cia, temperatura, etc. Portanto, sinais so variveis reais. Alm disso, o tempo
usualmente a varivel independente. Um sinal dito determinstico se ele
exatamente previsvel para o intervalo de tempo de interesse. Por exemplo:
1
2 Amostragem e Realizaes de um Sinal Estocsti-
co
Considere a amostragem de um sinal de rudo com o mostrado na figura 1 em
um determinado instante de tempo t1 . O valor obtido determinado basicamente
pelo acaso, o que sugere tratar-se de um sinal aleatrio. No entanto, para ter-
se uma varivel aleatria necessrio que se possa imaginar um experimento
no qual qualquer valor da varivel aleatria possa ser obtido em circunstncias
idnticas. Assim, no seria adequado amostrar-se novamente o mesmo sinal em
outros instantes de tempo, porque se os instantes de tempo forem prximos, haver
uma forte conexo entre amostras sucessivas. O experimento correto, neste caso
seria ter-se vrias fontes idnticas do sinal de rudo. Isto leva noo de um
conjunto de sinais aleatrios, como mostrado na figura 2.
2
Figura 2: Conjunto de Sinais de Rudo.
3
As distribuies conjuntas relacionando qualquer par de variveis aleatrias,
fX1 X2 (x1 , x2 ), fX1 X3 (x1 , x3 ), etc. tambm so importantes. Estas funes de
densidade esto relacionadas com a rapidez da variao do sinal com o tempo e
consequentemente com o contedo espectral do sinal. Continuando, as funes
de densidade de terceira, quarta e ordens superiores fornecem informaes ainda
mais detalhadas sobre o processo em termos probabilsticos. No entanto, isto leva
a uma descrio do sinal bastante longa, alm de usualmente no ser possvel
especificar as funes de densidade de ordem elevada explicitamente. Assim,
usual descrever o sinal atravs de palavras ou de outras informaes de forma que
se possa escrever a funo densidade de qualquer ordem.
Da teoria de probabilidade sabe-se que duas variveis aleatrias X e Y so
ditas estatisticamente independentes se a sua funo de distribuio conjunta pode
ser escrita na forma de produto
4
onde os pontos no tempo podem ser escolhidos arbitrariamente. Logo, deve ser
fornecida informao suficiente para especificar a mdia e a varincia indepen-
dentemente da escolha de t1 , t2 , . . . , tk .
6 Funo de Autocorrelao
A funo de autocorrelao de um processo aleatrio X(t) definida como
5
Z Z
RX (t1 , t2 ) = E[X1 , X2 ] = x1 x2 fX1 X2 (x1 , x2 )dx1 dx2 (2)
X(t) = A sin t
onde A uma varivel aleatria normal com mdia zero e varincia 2 e uma
constante.
Suponha que obtm-se uma amostra de A e que seu valor seja A 1 . A amostra
correspondente de X(t)
XA (t) = A1 sin t
e a funo de autocorrelao temporal ser
1 T
Z
RX ( ) = lim A1 sin tA1 sin tdt
T T 0
A21
= cos (4)
2
Por outro lado, a funo de autocorrelao usual
RX (t1 , t2 ) = E[X1 , X2 ]
= E[A sin tA sin t]
= 2 sin t1 sin t2 (5)
6
7 Propriedades das Funes de Autocorrelao
1. RX (0) o valor mdio quadrtico do processo X(t).
7
Note que a ordem dos subscritos em RXY ( ) importante e que existe uma
relao de anti-simetria para processos estacionrios. Por definio
RXY ( ) = RY X ( ) (10)
Frequentemente necessrio calcular a soma de processos aleatrios. Seja um
processo aleatrio Z(t) a soma de dois processos estacionrios X(t) e Y (t):
8
Z
SX (j) = F [RX ( )] = RX ( )ej d (13)
" #
1 1 T T
Z Z
E |F [XT (t)]|2 = E X(t)ejt dt X(s)ejs ds
T T 0 0
1 T T
Z Z
= E [X(t)X(s)] ej(ts) dtds (14)
T 0 0
Assumindo-se X(t) estacionrio, E[X(t)X(s)] torna-se RX (t s), e a ex-
presso (14) torna-se
1 1 T T
Z Z
E |F [XT (t)]|2 = RX (t s)ej(ts) dsdt
T T 0 0
Ou, fazendo-se a troca de variveis = t s:
1 1 T tT
Z Z
E |F [XT (t)]|2 = RX ( )ej d dt
T T 0 t
A regio de integrao mostrada na figura 4.
Invertendo-se a ordem de integrao e integrando-se as duas regies triangu-
lares separadamente tem-se
1 1 0 t+T 1 T T
Z Z Z Z
E |F [XT (t)]|2 = RX ( )ej dtd + RX ( )ej dtd
T T T 0 T 0
9
Figura 4: Regio de Integrao no plano t.
1 1 0 1 T
Z Z
E |F [XT (t)]|2 = ( + T )RX ( )e j
d + (T )RX ( )ej d
T T T T 0
10
conceito espectral no sentido usual, relacionado com a transformada de Fourier
do sinal.
Devido aos atributos da funo de autocorrelao RX ( ), a sua transformada
de Fourier SX (j) sempre uma funo real, no negativa e simtrica de .
RX ( ) = 2 e| |
onde e so constantes conhecidas.
A funo de densidade espectral do processo X(t) ser:
2 2 2 2
SX (j) = F [RX ( )] = + = 2
j + j + + 2
RX e SX esto esboados na figura 5
Ou, fazendo-se = 0:
1
h i Z
RX (0) = E X (t) =2
SX (j)d (16)
2
A expresso (16) fornece um meio de calcular o valor mdio quadrtico de um
processo estacionrio, dada a sua funo de densidade espectral.
Se for usada a frequncia complexa s ao invs de j, a expresso (16) torna-se
11
1 j
h i Z
2
E X (t) = SX (s)ds (17)
2j j
As expresses (16) e (17) sugerem que pode-se considerar a potncia do sinal
como sendo distribuda em frequncia de acordo com SX (j). Com este conceito,
pode-se obter a potncia em uma faixa finita de frequncias integrando-se sobre
esta faixa:
1 1 1 2
Z Z
[Potncia na faixa 1 2] = SX (j)d + SX (j)d
2 2 2 1
|SXY (j)|
2
XY = (21)
SX (j)SY (j)
A funo de coerncia uma medida semelhante ao coeficiente de correlao,
porm no domnio da frequncia.
Se Z(t) a soma de dois processos X(t) e Y (t), a densidade espectral de Z(t)
dada por:
SZ (j) = F [RX+Y ( )]
Da expresso (11) tem-se
12
Como no caso da funo de autocorrelao, se os processos X(t) e Y (t) so
descorrelacionados, os termos do meio da expresso (22) so zero. Portanto, para
este caso especial
11 Rudo Branco
O rudo branco definido como sendo um processo aleatrio estacionrio com
uma funo de densidade espectral constante. Ou seja
13
Figura 6: Funes de Autocorrelao e Densidade Espectral para um Rudo Bran-
co de Banda Bsica Limitado em Frequncia.
(
A, 0 c || 0 + c
S(j) = (28)
0, || < 0 c e || > 0 + c
" #
A sin (0 + c ) sin (0 c )
R( ) = (0 + c ) (0 c )
(0 + c ) (0 c )
2Ac sin c
= cos 20 t (29)
c
Estas funes esto esboadas na figura 7.
O rudo branco limitado em frequncia possui um valor RMS finito e portanto
fisicamente factvel, enquanto o rudo branco no o . No entanto, o tratamento
matemtico do caso limitado em frequncia , em geral, mais complicado do que
para o rudo branco puro.
12 Processo de Gauss-Markov
Um processo gaussiano estacionrio com autocorrelao exponencial denomi-
nado processo de Gauss-Markov. A autocorrelao e a funo de densidade es-
pectral para este processo tem a forma:
RX ( ) = 2 e| | (30)
2 2 2 2
SX (j) = ou S X (s) = (31)
2 + 2 s2 + 2
Estas funes esto esboadas na figura 8. O valor mdio quadrtico do pro-
cesso e a constante de tempo so dados, respectivamente por 2 e 1/. Como
14
Figura 7: Funes de Autocorrelao e Densidade Espectral para um Rudo Bran-
co de Banda Bsica Limitado em Frequncia Deslocado em Frequncia.
15
Figura 8: Funes de Autocorrelao e Densidade Espectral para um Processo de
Gauss-Markov.
RX ( ) = 100e2| |
deseja-se escrever explicitamente a funo de densidade de probabilidade de
terceira ordem fX1 X2 X3 (x1 , x2 , x3 ) onde X1 = X(0), X2 = X(0.5) e X3 = X(1).
A mdia do processo zero, pois um processo de Gauss-Markov. A matriz
de covarincia dada por:
E da expresso (32)
1 1h
i
fX (x) = exp (x m) T 1
C (x m) (32)
(2)n/2 |C|1/2 2
tem-se
1 1/2(xT CX
1
x)
fX (x) = 2/3 1/2
e
(2) |CX |
onde x = [ x1 x2 x3 ]T .
16
Z t
X(t) = F (u)du
0
e a mdia da sada
Z t Z t
E[X(t)] = E F (u)du = E[F (u)]du = 0
0 0
O valor mdio quadrtico (varincia) da sada
Z t Z t Z tZ t
2
E[X (t)] = E F (u)du F (v)dv = E[F (u)F (v)]dudv
0 0 0 0
Mas E[F (u)F (v)] a funo de autocorrelao RF (u v), que neste caso
a funo delta de Dirac. Logo
Z tZ t Z t
2
E[X (t)] = (u v)dudv = dv = t
0 0 0
E[X(t)] = 0
E[X 2 (t)] = t
Z t1 Z t2
RX (t1 , t2 ) = E[X(t1 )X(t2 )] = E F (u)du F (v)dv
0 0
Z t1 Z t2 Z t1 Z t2
= E[F (u)F (v)]dudv = (u v)dudv
0 0 0 0
(
t2 , t1 t 2
RX (t1 , t2 ) = (33)
t1 , t1 < t 2
Um processo de rudo branco gaussiano difcil de definir, devido ao problema
da "varincia infinita". Por outro lado, o processo de Wiener bem comportado.
Pode-se, portanto, definir o rudo branco gaussiano em funo do processo de
Wiener.
17
Para tanto, pode-se definir o processo de Wiener como um processo gaussiano
cuja funo de autocorrelao dada pela expresso (33). O rudo branco gaussi-
ano , ento, o processo hipottico que, quando integrado, resulta no processo de
Wiener.
14 Exerccios
1. Considere um processo com densidade espectral de potncia S X (j) =
2 2
2 + 2
. Calcule o valor RMS do sinal correspondente.
2. Uma amplificador com a entrada em curto apresenta na sua sada uma tenso
RMS de 100V . Assumindo-se que o espectro de frequncia do rudo
plano de 0 at 25kHz e zero acima de 25kHz, obtenha as expresses para
a funo de densidade espectral do rudo e da sua funo de autocorrelao.
RX ( ) = 2 e| |
Y (t) = aX(t) + b
18