10/05/2017

Teorema da Amostragem

Análise de sistemas
Thiago Chagas

Ex.: Amostragem e Interpolação

• Pulse amplitude modulation (PAM)
– Considere a função escada a seguir com T=0.3

– Queremos mostrar que a função escada (xT(t),

linha sólida) aproxima a função original (x(t), linha
pontilhada) quando T → 0.
2

1
 10/05/2017

Ex.: Amostragem e Interpolação

• Pulse amplitude modulation (PAM)
– Decompomos xT(t) como a soma de pulsos a
seguir:

Ex.: Amostragem e Interpolação

• Pulse amplitude modulation
(PAM)
– Note que δT(t - t0) possui
largura T e altura 1/T;
– Para termos um pulso de
amplitude A devemos fazer:
AδT(t - t0)T
– Então:
xT(0) = x(0)δT(t - 0)T
xT(T) = x(T)δT(t - T)T
xT(2T) = x(2T)δT(t - 2T)T

2
 10/05/2017

Ex.: Amostragem e Interpolação

• Pulse amplitude modulation
(PAM)
– Seguindo a ideia anterior
representamos a função
escada em termos das
amostras x(t) e dos instantes
de amostragem nT como:

Ex.: Amostragem e Interpolação

• Pulse amplitude modulation (PAM)

• Para τ := nT, com T → 0:

3
 10/05/2017

Ex.: Amostragem e Interpolação

• Para τ := nT, com T → 0:

• Porém, não é viável fazer T → 0! Qual o menor

T, tal que 𝑥 𝑇 (𝑡) ≅ 𝑥(𝑡)?

Relação entre o espectro de x(t) e x(nT)

• Espectro de x(t): Transformada de Fourier de tempo contínuo

• Espectro de x(nT): Transformada de Fourier de tempo discreto

onde

é a representação de x(nT) em tempo contínuo.

4
 10/05/2017

Relação entre o espectro de x(t) e x(nT)

• Artifício: Comparar a transformada de Fourier de x(t) com a

transformada de Fourier de xd(t) expandido em série de
Fourier
• Utilizando

reescrevemos

como

Relação entre o espectro de x(t) e x(nT)

• Utilizando série de Fourier (slide 16, Espectro de

frequência_20161.pdf)

10

5
 10/05/2017

Relação entre o espectro de x(t) e x(nT)

obtemos

11

Relação entre o espectro de x(t) e x(nT)

Aplicando a transformada de Fourier de tempo contínuo

obtemos a relação entre a DTFT (transformada de Fourier de

tempo discreto de x(nT)) e a CTFT (transformada de Fourier de
tempo contínuo de x(t)):

12

6
 10/05/2017

Relação entre o espectro de x(t) e x(nT)

3𝑒 −0.2𝑡 , para 𝑡 ≥ 0 3 × 0.9048𝑛 , para 𝑛 ≥ 0

𝑥 𝑡 = 𝑥 𝑛𝑇 =
0 , para 𝑡 < 0 0 , para 𝑛 < 0

13

Teorema da amostragem

• Reescrevemos

como

(deslocamento em frequência)

Xd(ω) é periódico com período ωs

14

7
 10/05/2017

Teorema da amostragem
• Observações:
– Periodicidade
𝟐𝝅
= 𝝎𝒔
𝑻
Xd(ω) é periódica com período 2π/T e pode ser expresso apenas para o
intervalo de frequência de Nyquist:

• No caso contínuo, o intervalo de frequência era ;

• A frequência máxima de um sinal de tempo discreto é π/T.

15

Teorema da amostragem

• Reescrevemos

como

(deslocamento em frequência)

Xd(ω) é periódico com período ωs, então representamos

apenas o intervalo de frequência de Nyquist

16

8
 10/05/2017

Teorema da amostragem

• Considere X(ω): ℝ→ℝ a seguir

17

Teorema da amostragem

• Caso

18

9
 10/05/2017

Teorema da amostragem

• Caso

19

Teorema da amostragem

• Caso

Se x(t) tem frequência limitada a e se

é escolhido tal que

então temos

20

10
 10/05/2017

Teorema da amostragem

• Caso
Obs.: Substituindo

em

E aplicando a transformada inversa de Fourier no tempo

contínuo podemos (idealmente – somatório infinito) obter
x(t) de x(nT).

21

Teorema da amostragem

• Teorema da amostragem de Nyquist: para um sinal limitado

em frequência, o sinal de tempo contínuo x(t) pode ser obtido
de forma exata de x(nT).

• Sabe-se que um sinal limitado em frequência não pode ser

limitado no tempo e isto implica energia infinita, o que não
ocorre no mundo real. Sinais do mundo real têm duração
finita e portanto não são limitados em frequência.

22

11
 10/05/2017

Teorema da amostragem

• Consequência: escolhemos tal que

e temos

• Observações:
– Escolhemos tal que |X(ω)| tenha apenas, por exemplo, 1%
do seu valor de pico e escolhemos o valor do período de
amostragem T;
– Aplica-se um filtro passa-baixa (frequência) a fim de fazer |X(ω)|
ainda menor para

23

Teorema da amostragem

• Módulo e fase
– Considere a diferença entre X(ω) e TXd(ω) para um sinal real
(limitado no tempo, não limitado em frequência)

Se então

E e

Ex.1:

24

12
 10/05/2017

Teorema da amostragem

• Módulo e fase
Ex.1:

Escolhendo temos . Utilizamos T = 0.1.

25

Teorema da amostragem

26

13
 10/05/2017

Teorema da amostragem

• Módulo e fase
– Consequências práticas:

• Não podemos afirmar o mesmo para a fase. Logo, quando computarmos

X(ω) a partir de TXd(ω) utilizamos apenas a magnitude do sinal.
• Sinais reais são dificilmente modelados matematicamente e em cálculos
computacionais utilizamos apenas sinais discretizados. Logo aplicamos
ferramentas numéricas para obter |X(ω)| a partir de |TXd(ω)|.
• A escolha de T pode ser feita computando |TXd(ω)| e verificando se
|TXd(ω)| ≅ 0 em ω = π/T. Caso não seja, escolhemos um novo T
(menor que o anterior) e repetimos o processo.

27

Teorema da amostragem

28

14