Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
TELECOMUNICAÇÕES
SINAIS E SISTEMAS
UFRN - 2017.2
SINAIS E SISTEMAS
Índice PG.
i
ÍNDICE
ii
SINAIS E SISTEMAS
iii
SINAIS E SISTEMAS
CAPÍTULO 1:
REPRESENTAÇÃO DE SINAIS
A seguir são feitas algumas considerações básicas [2] que serão utilizadas
posteriormente na análise dos sinais de interesse deste curso:
1
REPRESENTAÇÃO DE SINAIS
(a)
Eletrocardiograma
2.5
2
Amplitude [mV]
1.5
0.5
0
0 1 2 3 4
tempo [s]
(b)
(c)
Figura 1.1 – Exemplos de sinais encontrados no dia-a-dia. a) Índice de aquecimento global do planeta.
b) Eletrocardiograma típico. c) Sinal de áudio (uma gargalhada).
2
SINAIS E SISTEMAS
Sinais definidos para todo instante de tempo são chamados de sinais de tempo
contínuo, porém, sinais definidos apenas em determinados instantes de tempo são
chamados de sinais de tempo discreto. O sinal senoidal representado na Fig. 1.2a é um
sinal de tempo contínuo, e o sinal da Fig. 1.2b é um sinal de tempo discreto, pois está
definido apenas para os instantes de tempo 0, 1, 2, etc. Este sinal pode ser obtido a
partir da amostragem do sinal de tempo contínuo. Um outro exemplo de sinal de
tempo discreto é um índice de inflação mensal. Pode-se definir ainda uma classe de
sinais que são discretos no tempo e em amplitude, i.e., podem assumir somente
determinados valores de amplitude, que são os sinais digitais. Um exemplo está
ilustrado na Fig. 1.2c, onde a senóide assume apenas os valores de amplitude iguais a
–1, -0,5, 0, +0,5 e +1.
1
(a)
0
-1
0 50 100 150 200 250 300
1
(b)
0
-1
0 5 10 15 20 25 30 35
1
(c)
0
-1
0 5 10 15 20 25 30 35
tempo
Figura 1.2 – Classificação de sinais. a) Sinal de tempo contínuo. b) Sinal de tempo discreto (obtido
através de amostragem. c) Sinal digital (amplitudes –1, -0,5, 0, +0,5 e +1).
Sinais determinísticos são aqueles que podem ser descritos sem nenhuma
incerteza. Este tipo de sinal pode ser reproduzido de maneira exata e repetida. Um
sinal senoidal puro é um exemplo de um sinal determinístico, como ilustra a Fig. 1.3a.
3
REPRESENTAÇÃO DE SINAIS
Um sinal é aleatório se não pode ser descrito com certeza antes de ocorrer. Por
exemplo, o conjunto dos resultados obtidos quando se joga um dado não-viciado é um
sinal aleatório. Um sinal de um exame de ECG ou EEG também é um sinal aleatório,
pois não pode ser previsto com certeza. Portanto sinais aleatórios não podem ser
reproduzidos de maneira exata e repetida. Um exemplo de sinal aleatório (ruído) está
indicado na Fig. 1.3b.
1
(a)
0
-1
0 0.5 1 1.5 2
5
(b)
0
-5
0 0.5 1 1.5 2
tempo [s]
Figura 1.3 – Classificação de sinais. a) Sinal determinístico (senóide). b) Sinal aleatório (ruído).
Sinais encontrados na prática são reais (i.e., têm parte imaginária nula). No
entanto, estenderemos a análise a sinais complexos.
x(t) x(t)
t t
0 t1 t2 0 t1 t2
(a) (b)
x(t) x(t)
t t
0 t1 0 t1
(c) (d)
Figura 1.4 – Sinais limitados no tempo. a) Estritamente limitado. b) Assintoticamente limitado.
Sinais estritamente limitados no tempo são aqueles que têm valores não-nulos
somente num intervalo de tempo [t1, t2], ou seja, iniciam e terminam em instantes de
4
SINAIS E SISTEMAS
tempo definidos valendo zero para t<t1 e t>t2, como os sinais mostrados nas
Figs.1.4a) e b). Por outro lado, sinais assintoticamente limitados no tempo são
aqueles onde x(t)→0 quando t∞±→, como aquele mostrado na Fig.1.4 c). Na
Fig.1.4 d) ilustra-se um exemplo de sinal não limitado no tempo, uma vez que x(t)∞
→ quando t∞+→.
Sinais fisicamente realizáveis são sinais práticos que podem ser medidos
num laboratório. Basicamente, estes sinais satisfazem às seguintes condições:
a) São sinais limitados no tempo;
b) São sinais limitados em amplitude;
c) Suas componentes espectrais significativas concentram-se num intervalo de
frequências finito;
d) Sua forma de onda é uma função temporal contínua;
e) Sua forma de onda assume apenas valores reais.
x(t)
O sinal y(t) definido a partir de x(t) como y(t) = x(-t), é interpretado como
sendo o rebatimento (espelhamento) do sinal em torno do instante t=0, e corresponde,
no caso do exemplo considerado, a tocar a música no sentido inverso. Esta é a
operação de inversão no tempo e o resultado da transformação está ilustrado na
Fig.1.6.
5
REPRESENTAÇÃO DE SINAIS
y(t)=x(-t)
x(2t) x(t/2)
t t
(a) (b)
-2 -1 1 2 3 4 t -2 -1 1 2 3 4 t -2 -1 1 2 3 4 t
(a) (b) (c)
Figura 1.8 – Transformações de deslocamento no tempo. (a) Sinal x(t) original. (b) Sinal atrasado
de 1 s. c) Sinal adiantado de 1 unidade de tempo
6
SINAIS E SISTEMAS
-4 -3 -2 -1 1 2 t -4 -3 -2 -1 1 2 t -4 -3 -2 -1 1 2
(a) (b) (c)
Figura 1.9 – Operações de inversão e deslocamento no tempo.
t
t
(a) (b)
Figura 1.10 – Relações de simetria. (a) Sinal par. (b) Sinal ímpar.
Um fator importante é que qualquer sinal pode ser representado como a soma
de dois sinais, um par e outro ímpar. Considere um sinal real x(t). Então os sinais:
x( t ) x ( t )
xe (t) (1.1a)
2
e
xo (t) x( t ) x ( t ) ,
=
2 (1.1b)
x( t )e +=x
x o((tt)) (1.2)
onde verifica-se facilmente que xe(t) é um sinal par e xo(t) é um sinal ímpar.
7
REPRESENTAÇÃO DE SINAIS
x(t)
... ...
-T T 2T t
Figura 1.11 - Sinal periódico com período T.
x( t ) A cos(0 t ) , (1.4)
2 1
T0 , (1.5)
0 f 0
t
0
2 1
T0
0 f 0
Figura 1.12 – Sinal senoidal de amplitude A, fase e período T0.
8
SINAIS E SISTEMAS
x( t ) = A e at , A, a reais . (1.7)
Com a=0, tem-se x(t)=A, que é uma função constante. A função exponencial real está
ilustrada na Fig.1.13. Para valores de “a” positivos, a função x(t) é crescente com o
tempo, e se “a” for negativo, x(t) é uma função decrescente com t.
A A
t t
(a) (b)
Figura 1.13 – Exponencial real. (a) Para a>0. (b) Para a<0.
x( t ) e j 0 t , 0 real . (1.8)
Nota-se que x(t) é um sinal complexo cuja parte real é cos 0t e a parte
imaginária é sin 0t, e portanto é um sinal periódico com período T0=2/0 . Isto
pode ser verificado com mais propriedade, observando-se que exp[ j 0 ( t T0 )]
exp[ j0 ( t 2 / 0 )] exp( j0 t ). exp( j2) exp( j0 t ) .
9
REPRESENTAÇÃO DE SINAIS
0.5
0
Im
-0.5
1
-1 0
0
Re
t -1
Im
ejot , 0>0
0t 1
Re
-0t
ejot , 0<0
e j 0 t cos 2 0 t sin 20 t 1/ 2 1 , t (1.10)
sin0 t
0 t atan . (1.11)
cos 0 t
10
SINAIS E SISTEMAS
e j( 0 t ) e j ( 0 t )
cos(0 t ) (1.12)
2
e
e j( 0 t ) e j ( 0 t )
sin (0 t ) (1.13)
2j
cos(0 t ) Re e j( 0 t ) (1.14)
e
sin(0 t ) Im e j( 0 t ) . (1.15)
é: x( t ) =A ea t , (1.16)
rt rt
|A| e , r<0 |A| e , r>0
t t
x( t ) | A| e j e rt e j0 t | A| e rt e j( 0 t )
, (1.17)
| A| e rt cos(0 t ) j| A| e rt sin(0 t )
11
REPRESENTAÇÃO DE SINAIS
onde nota-se que, se r<0, as partes real e imaginária de x(t) são senóides amortecidas,
ou que têm amplitudes crescentes, caso r>0. Na Fig.1.16 ilustram-se essas
observações.
Nota-se pelas figuras que |A|ert é a magnitude da exponencial complexa, e é
chamada de envoltória. Este tipo de sinal aparece na análise de circuitos RLC e da
suspensão de automóveis, por exemplo.
sin( t )
x( t ) sinc( t ) , (1.18)
t
0.8
0.6
0.4
0.2
-0.2
-0.4
-5 -4 -3 -2 -1 0 1 2 3 4 5
Uma atenção especial deve ser dada ao cálculo de sinc(t) em t=0, o qual deve
ser executado com o auxílio da regra de L’Hospital, obtendo-se sinc(0)=1
(o leitor deve verificar isto!).
2
1 t , t / 2
tri( t / ) . (1.19)
0 , t /2
tri(t)
1
t
0
12
SINAIS E SISTEMAS
1 1 t 2
g (t ) exp . (1.20)
2 2
g(t)
1
2
1
0 , 6065
2
t
0
Figura 1.19 – Função pulso Gaussiano.
0 , t 0
u( t ) 1 , t 0 (1.21)
sendo seu gráfico mostrado na Fig.1.20. Nota-se que u(t) é descontínuo em t=0.
u(t)
13
REPRESENTAÇÃO DE SINAIS
1, t 0
sgn( t ) 0, t 0 (1.22)
1, t 0
sgn(t) 1
t
-1
t t
x(t ) rect (1.24)
T T
rect(t/T)
1
-T/2 T/2 t
Figura 1.22 – Função porta de duração T.
A função porta pode ser relacionada com a função degrau através de:
T T
rect( t / T) u ( t ) u(t ) . (1.25)
2 2
14
SINAIS E SISTEMAS
d u( t )
( t ) (1.26)
dt
e portanto,
t
u( t ) ( ) d . (1.27)
t
Figura 1.23 – Função u(t).
1/
t
Figura 1.24 – Função (t).
onde nota-se que (t) tem área unitária, e é zero fora do intervalo 0 t . À medida
que 0, (t) fica mais estreito e com maior amplitude, mas a área continua igual a
1. Assim, no limite:
( t ) lim ( t ) (1.28)
0
t
Figura 1.25 – Impulso de área unitária.
15
REPRESENTAÇÃO DE SINAIS
Isto sugere que (t)=0 para todo t, exceto para t=0, onde exibe uma singularidade. O
número 1 ao lado do impulso indica a área sob a função. Inclusive é mais correto se
dizer que (t) é um impulso de área unitária.
Exemplo 1.1:
Representar graficamente a função v(t)=A.(t-T).
t
0 T
Figura 1.26 – Impulso de valor A aplicado no instante T.
x( t ) ( t ) dt x(0) . (1.29)
x( t ) dt x(c).( b a) , c ( a , b) .
a
Logo,
1
I lim x ()( 0) lim x () , (0, )
0 0
x (0),
x( t ) ( t ) dt x(0) .
16
SINAIS E SISTEMAS
( t ) dt 1 (1.30)
x( t ) ( t ) dt x( ) . (1.31)
ou seja, a função x(t)(t-) tem área x(), área esta que é igual ao valor da função x(t)
no instante t=. Isto é equivalente a se ter um impulso de área x(). Portanto pode-se
escrever também:
x( t ) ( t ) x( ) ( t ) (1.32)
1
( t ) ( t ), 0 , (1.33)
o qual pode ser demonstrado integrando-se ambos os lados em - < t <. Se = -1,
então, (-t)=(t), evidenciando que o impulso tem simetria par.
17
REPRESENTAÇÃO DE SINAIS
du ( t ) d
lim
0
dt dt 0
lim u ( t )
e
0
0
lim ( t ) ( t ) . (1.35)
0
Exemplo 1.2:
Mostrar que (1.34) é satisfeito para (t) na forma do pulso mostrado na Fig. 1.27.
(t)
t
-
0
Figura 1.27 – Impulso no limite.
1
Solução: Pela figura verifica-se que ( t ) rect( t / ) .
Seja v(t) uma função arbitrária na origem e cuja série de McLaurin é
18
SINAIS E SISTEMAS
v(0) 2
v( t ) v(0) v(0).t t ...
2!
Então,
Outras funções que satisfazem o critério (1.34) são listadas a seguir, cujos
gráficos encontram-se desenhados na Fig.1.28:
(t)
(t)
0 t 0 t
(a) (b)
(t) (t)
2/ 1/
0 t 0 t
(c) (d)
Figura 1.28 – Outros exemplos de impulsos no limite. a) Pulso sinc. b) Pulso gaussiano. c) Pulso
triangular. d) Pulso exponencial.
a) Pulso sinc
1 t
(t) sinc . (1.36)
19
REPRESENTAÇÃO DE SINAIS
b) Pulso Gaussiano
1 t 2
( t ) exp . (1.37)
c) Pulso triangular
2 t
(t) tri . (1.38)
d) Pulso exponencial
1 t
(t) exp . (1.39)
2
x1 ( t ) x 2 ( t ) x ( ) x
1 2 ( t )d . (1.40)
a) Propriedade comutativa
x1 ( t ) * x 2 ( t ) x 2 ( t ) * x1 ( t ) x
2 () x1 ( t )d . (1.41)
b) Propriedade associativa
x1 * ( x 2 * x 3 ) ( x1 * x 2 ) * x 3 . (1.42)
c) Propriedade distributiva
x1 * ( x 2 x 3 ) ( x1 * x 2 ) ( x1 * x 3 ) . (1.43)
d) Derivada do produto
d dx dx
( x1 * x 2 ) x1 * 2 1 * x 2 . (1.44)
dt dt dt
20
SINAIS E SISTEMAS
Exemplo 1.3:
Calcular a convolução v*w(t) para os sinais v(t) e w(t) mostrados na Fig.1.29.
Solução: As funções v(t) e w(t) podem ser descritas por:
v( t ) u ( t 1) u ( t 1) e w ( t ) u ( t 2) u ( t 2)
e assim
v(t) 1
t
-1 1
(a)
w(t) 1
t
-2 2
(b)
(t+3).u(t+3)
3
(t-3).u(t-3)
1
t
-3 -1 3
-1
-(t-1).u(t-1)
v*w(t) -(t+1).u(t+1)
2
t
-3 -1 1 3
(c)
21
REPRESENTAÇÃO DE SINAIS
0, 1 0, 1
Como u ( 1) e u ( 1) , então
1, 1 1, 1
v * w ( t ) u ( t 2).d u ( t 2).d u ( t 2).d
1 1 1
u ( t 2).d
1
0, t 2 0, t 2
Também u ( t 2) e u ( t 2) , e então
1, t 2 1, t 2
t2
1
u ( t 2).d 1
d t 3 desde que t+2>-1, i.e., t >-3,
t 2
1
u ( t 2).d
1
d t 3 desde que t-2>1, i.e., t >1,
t2
1
u ( t 2 ). d
1
d t 3 desde que t+2>1, i.e., t >-1 e
t 2
1
u ( t 2).d
1
d t 3 desde que t-2>1, i.e., t >3.
x(t) y(t)
2 2
1 1
-3 -2 -1 1 2 3 4 t -3 -2 -1 1 2 3 4 t
Figura 1.30 – Sinais x(t) e y(t).
22
SINAIS E SISTEMAS
y(-) 2
x()
1
-3 -2 -1 1 2 3 4
t=0
Figura 1.31 – x() e y(-). t=0.
y(1-)
2
x()
1
-3 -2 -1 1 2 3 4
t=1
Figura 1.32 – x() e y(1-). t=1.
y(1+t-) x().y(1+t-)
2 2
x()
1 1
t
-3 -2 -1 1 2 3 4 t 1 2 3 4
t=1+t
(a) (b)
Figura 1.33 – (a) x() e y(1+t-). t=1+t. (b) x(). y(1+t-). A área hachurada é igual a
c(1+t).
e a área hachurada na figura é igual ao valor de c(t=1+t), que é igual a (t)2/2. Para
1t2, tem-se que y está sobrepondo-se a x, e, portanto:
23
REPRESENTAÇÃO DE SINAIS
t 2
c( t 1 t ) , 0 t 1
2
ou, na variável t:
( t 1) 2
c( t ) , 1 t 2.
2
Para t=2+t, a ponta do triângulo começa a “sair” do quadrado, e os sinais ficam como
na Fig.1.34:
y(2+t-) 2 x().y(2+t-)
2
t
x()
1 1
t
-3 -2 -1 1 2 3 4 1 2 3 4
t=2+t
(a) (b)
Figura 1.34 – (a) x() e y(2+t-). t=2+t. (b) x(). y(2+t-). A área hachurada é igual a
c(2+t).
1 2 t
e a região hachurada tem área , 2 t (2 t ) 3
2
3
ou, c( t ) t ,2t3
2
x().y(3+t-)
2 y(3+t-) 2
x() t
1 1
-3 -2 -1 1 2 3 4 t 1 2 3 4
t=3+t
(a) (b)
Figura 1.35 – (a) x() e y(3+t-). t=3+t. (b) x(). y(3+t-). A área hachurada é igual a
c(3+t).
(2 1 t )(1 t ) 3 2 t t 2
, 3 t (3 t ) 4
2 2
4t t 2
ou c( t ) , 3 t 4
2
24
SINAIS E SISTEMAS
e para t>4, os sinais não mais se sobrepõem, e c(t)=0 para t>4. Resumindo, obtém-se:
0 , t 1
( t 1)
2
, 1 t 2
2
3
c( t ) t ,2t3
2
4t t 2
2 , 3 t 4
0 ,t4
c (t)
1 .5
0 .5
0
0 1 2 3 4 5
t
Figura 1.36 – Sinal resultante da convolução c(t).
x( t ) ( t ) x() ( t ) d ,
Como já foi visto, a integral acima é igual ao valor da função x() em =t, ou seja,
x( t ) ( t ) x( ) ( t ) d x( t ) (1.45)
x( t ) ( t t 0 ) x( ) ( t t 0 ) d x( t t 0 ) (1.46)
25
REPRESENTAÇÃO DE SINAIS
Exemplo 1.5:
a) Esboçar o gráfico da função trem de impulsos definida por
rep T [( t )] (t nT) , para n inteiro
n
Solução:
a) O gráfico de repT[(t)] encontra-se desenhado na Fig. 1.37 a)
rep T [ v( t )] v( t ) * (t nT)
n
v(t ) * (t nT)
n
v(t nT)
n
cujo gráfico encontra-se desenhado na Fig.1.37 b).
repT(t)
... ...
t
-2T -T 0 T 2T
(a)
v(t)
A
... ...
t
-2T -T 0 T 2T
(b)
t2
Energia = v 2 ( t ) dt .
t1
26
SINAIS E SISTEMAS
De maneira similar, se uma corrente i(t) passa por um resistor de 1, a tensão sobre
ele é v(t)=i(t), e a potência dissipada igual a p(t)=v(t).i(t)=i2(t). Assim, a energia
fornecida pelo sinal i(t) num intervalo de tempo [t1, t2] é:
t2
Energia = i2 ( t ) dt .
t1
t2 t2
Ex = x( t ). x ( t ) dt | x( t )|2 dt
(1.47)
t1 t1
E
| x( t )| 2
dt . (1.48)
Exemplo 1.6:
Avaliar se o sinal v(t)= e-2|t| é um sinal de energia
0
2 4 t 1
e 2 |t | 2
dt 2 e dt 4 t
4
e
2
0
27
REPRESENTAÇÃO DE SINAIS
t2 t2
| x( t )| 2
dt | x( t )| 2
dt M 2
dt M 2 ( t 2 t1 ) .
t1 t1
A potência média (Pm) de um sinal x(t) num intervalo [t1, t2] é definida como
t
1 2
Pm | x( t )|2 dt .
t 2 t1 t
(1.49)
1
T
1
2
P lim | x( t )|2 dt x( t ) (1.50)
T 2T
T
Definindo-se então:
T
ET | x( t )|2 dt , (1.51)
T
observa-se que
E lim ET (1.52)
T
1
P lim ET . (1.53)
T 2T
para sinais de potência. Para um sinal de energia, a energia total é finita, e portanto
P=0.
A energia total de um sinal de potência deve ser infinita, pois senão a potência
seria nula. Logo, um sinal pode ser um sinal de potência ou um sinal de energia, mas
não ambos simultaneamente. No entanto, um sinal pode não ser um sinal de energia
nem de potência.
Exemplo 1.7:
Considere o sinal v(t)=e-2t . Verificar se v(t) é um sinal de energia ou de potência.
28
SINAIS E SISTEMAS
T T
1
ET e
T
2 t 2
dt 2 e 4 t dt (e 4 T e 4 T )
T
4
1 e 4 T e 4 T e4T 4e 4 T
PT lim E T lim lim lim
T 2T T 8T T 8T T 8
Para sinais periódicos, com período T0 , o cálculo da potência média pode ser
simplificado:
T T /2 T0
1 1 0 1
Pm P lim
T 2T
| x ( t )|2
dt | x( t )|2 dt
T0 T / 2 T0
| x( t )|2 dt (1.54)
T 0 0
Exemplo 1.8:
Considere o sinal senoidal x(t)=A cos(0t + ). Calcular sua potência média.
1 cos 2( 0 t )
T T
1 A2
T 2T
P lim A 2
cos 2
( 0 t )dt lim 2 dt
T 2T 2
T T
A 2
sin (2 0 T 2) sin (2 0 T 2)
lim 2T
T 4T
4 0
A 2 A 2 sin (2 0 T 2) A 2 sin (2 0 T 2)
lim
T 2 16T 0
2
A
2
Pode ser verificado que, integrando num período, chega-se no mesmo resultado.
29
REPRESENTAÇÃO DE SINAIS
(1) k ( x / 2) n 2 k
J n (x) (1.55)
k 0 k! ( n k 1)
xn x2 x4
J n (x) 1 ... . (1.56)
2 n! 2(2n 2) 2.4 (2n 2)(2n 4)
n
J n ( x ) (1) n J n ( x ) . (1.57)
Além disso, com o auxílio de séries de potências, pode-se mostrar que a função
geratriz para Jn(x), onde n é inteiro, é
30
SINAIS E SISTEMAS
x 1
t
e 2 t
J
n
n (x) t n . (1.58)
2n
a) J n 1 ( x ) J n ( x ) J n 1 ( x ) (1.59a)
x
dJ n ( x ) 1
b) [J n 1 ( x ) J n 1 ( x )] (1.59b)
dx 2
d n
c) [ x J n ( x )] x n J n 1 ( x ) (1.59c)
dx
d n
d) [ x J n ( x )] x n J n 1 ( x ) (1.59c)
dx
Exemplo 1.9:
A partir da função geratriz mostrar que
1
exp[ x (e j e j )] e jx sen J n ( x ) e jn J n ( x ) [cos n j sen n]
2 n n
{J 0 ( x ) [J 1 ( x ) J 1 ( x )] [J 2 ( x ) J 2 ( x )] cos 2 ...}
j {[ J 1 ( x ) J 1 ( x )] sen [J 2 ( x ) J 2 ( x )] sen 3 ...}
Exemplo 1.10:
1
0
Mostrar a seguinte relação integral: J n (x) cos( x sen n)
31
REPRESENTAÇÃO DE SINAIS
0, mn
0 cos m . cos n d
/ 2, mn
0, mn
0 sen m . sen n d
/ 2, mn
1
[cos( x sen n)].d
0
Vamos observar que, para f () sen(x sen n) , então, f(-) = - f(), ou
seja, é uma função ímpar. Portanto, sua integral no intervalo deve ser nula.
Assim, utilizando-se o exemplo anterior, conclui-se que
1 j( x sen n)
2
J n (x) e d (1.61)
1.8 EXERCÍCIOS
x(t) h(t)
2
1
1
-1 1 2 3 t -2 -1 1 2 3 t
-1
Figura P1.8.1
32
SINAIS E SISTEMAS
i) x ( t 2 )
ii) x(1 t )
iii) x ( 2 t 2 )
iv) x ( 2 t / 3)
v) x ( t ) x ( 2 t )u (1 t )
vi) x ( t ) ( t 3 / 2 ) ( t 3 / 2 )
vii) x ( t ) h ( t 1)
viii) x ( t 1) h (1 t )
ix) x ( 2 t / 2 ) h ( t 4 )
x) x e ( t ) (parte par)
xi) x o ( t ) (parte ímpar)
1.8.2 A soma de duas ou mais senóides pode ou não ser periódica dependendo da
relação entre as frequências. Considere a soma de duas senóides com frequências f1 e
f2 . Para a soma ser periódica, f1 e f2 devem ser comensuráveis, i.e., deve existir um
número f0 contido um número inteiro de vezes em f1 e f2. Se f0 é esse número, então:
f1=n1f0 e f2=n2f0
1
1.8.3 Mostre que: ( 2 t )
(t)
2
Sugestão: Examine a função ( 2t )
t 1
1.8.4 Considere-se a função f ( t ) A . .rect( t / T) , para A e T constantes.
T 2
a) Esboçar o gráfico de f(t).
b) Obter analiticamente o resultado de f(t)*repT[(t)].
c) Esboçar o gráfico de f(t)*repT[(t)]. Qual o nome usual dessa função ?
2
( t ).( t 2 1).dt (t 1).(t 1).dt
2
a) d)
1
1 5
(t ).(t 1).dt e) ( t 1).( t 4 t 2).dt
2 3
b)
1 3
5
(t ).(t 1).dt f) (1 t ).( t 2).dt
2 4
c)
3
33
REPRESENTAÇÃO DE SINAIS
34
SINAIS E SISTEMAS
x ( t ) A. cos( t ) (2.1)
35
ANÁLISE DE SINAIS PERIÓDICOS: SÉRIE DE FOURIER
A cos
... ...
-/0 0 t
-A
O termo entre colchetes em (2.3) pode ser interpretado como um vetor girando no
plano complexo, z, conforme ilustra a Fig.2.2. Assim, define-se o fasor girante
associado a v(t) como sendo o número complexo (na forma polar)
O fasor girante tem magnitude A, gira no sentido anti-horário numa taxa de f0 ciclos
por segundo (ou Hertz) e em t = 0 forma um ângulo com o eixo real positivo. A
projeção do fasor sobre o eixo real permite recuperar x(t), conforme estabelecido por
(2.3).
Im
z
A
ot+
0 Re
36
SINAIS E SISTEMAS
MAGNITUDE
A
0 fo f
FASE
0 fo f
Figura 2.3 - Espectro de linhas unilateral.
Exemplo 2.1:
Esboçar o espectro unilateral do sinal
w ( t ) 7 10 cos(40t 60 0 ) 4 sen(120t ) ,
Solução: O espectro de linhas unilateral de w(t) pode ser obtido observado-se que
w(t)
20
10
0 1/20 t
37
ANÁLISE DE SINAIS PERIÓDICOS: SÉRIE DE FOURIER
MAGNITUDE 10
7
4
0 20 100 f
FASE o
120
100
0 20 f
-90 o
(b)
Figura 2.4 - Análise espectral de w(t). a) Sinal temporal w(t). b) Espectro de w(t).
A j j0 t A j j0 t
x ( t ) A. cos(0 t ) e e e e (2.5)
2 2
Im
z
A
ot+
Re
0
ot+
A
z*
Figura 2.5 - Fasores girantes conjugados.
38
SINAIS E SISTEMAS
MAGNITUDE
A/2 A/2
0 f
FASE
0 f
Exemplo 2.2:
Esboçar o espectro bilateral do sinal w(t) estudado no exemplo 2.1.
MAGNITUDE
7
5 5
2 2
- 60 - 20 0 20 60 f
FASE
o 120 o
90
0 f
o
o - 90
- 120
Figura 2.7 - Espectro bilateral de w(t).
39
ANÁLISE DE SINAIS PERIÓDICOS: SÉRIE DE FOURIER
V1 V1 V1 Ve
Ve
Ve
C12 V2 V2 C12 V2 V2 C12 V2 V2
(a) (b) (c)
Figura 2.8 - Análise da “semelhança” entre vetores. A magnitude do vetor erro em b) é menor que nos
casos a) e c).
Por inspeção da figura, torna-se evidente que o menor valor do vetor de erro
ocorre no caso b), quando C12 V2 corresponde à projeção ortogonal de V1 na direção
de V2 . Nesse caso, costuma-se dizer que C12 V2 corresponde à componente de V1 na
direção de V2 , onde C12 é escolhido de modo que o vetor de erro seja mínimo.
Uma outra conclusão pode ser extraída, em situações de projeção ortogonal
como no caso da Fig.2.8b), observando-se que quanto maior a componente de um
vetor na direção do outro, mais “semelhante” serão esses vetores e menor será o vetor
de erro [4]. Então, C12 pode ser interpretado como uma medida da “semelhança” entre
V1 e V2 . Se C12=0, então, V1 não tem componente na direção de V2 , sendo os
vetores perpendiculares entre si e denominados vetores ortogonais. Neste caso, não
existe qualquer relação de dependência entre os vetores, os quais são chamados de
vetores independentes.
Recorrendo-se a álgebra vetorial, pode-se especificar o fator constante C12
aplicando-se a definição de produto escalar:
V1 V2
C12 V2 (2.7)
V2
onde V2 é o módulo de V2 . A partir daí, obtém-se
V1 V2 V1 V2
C12 2 (2.8)
V2 V2 V2
Observa-se que, se V1 e V2 são ortogonais, então, V1 V2 0 e C12=0. A seguir,
extrapola-se esses conceitos para o caso de sinais.
Considere-se f1(t) e f2(t) dois sinais sobre os quais deseja-se estabelecer o grau
de similaridade (ou semelhança) através de um fator C12, ou seja, deseja-se
estabelecer a aproximação f1(t) C12.f2(t). Para isso, C12 deve ser tal que minimize a
função erro fe(t),
f e ( t ) f 1 ( t ) C12 f 2 ( t ) (2.9)
40
SINAIS E SISTEMAS
1 t2
t 2 t1 t1
f e2 ( t ).dt (2.10)
d
0 (2.11)
dC12
1 t 2 df 12 ( t ) t2 t2
t1 .dt 2 f 1 ( t )f 2 ( t ).dt 2C12 f 22 ( t ).dt 0 (2.12)
t 2 t1 dC12 t1 t1
t2
C12
t1
f 1 ( t ).f 2 ( t )dt
(2.13)
t2
t1
f 22 ( t )dt
1 t2
f 1 ( t ).f 2 ( t )
t 2 t1
t1
f 1 ( t ).f 2 ( t ).dt , t1 t t2 (2.14)
f 1 ( t ).f 2 ( t )
C12 (2.15)
f 22 ( t )
Se C12=0, então, é dito que o sinal f1(t) não contém nenhuma componente do
sinal f2(t), e, que as duas funções são ortogonais no intervalo (t1, t2).
Exemplo 2.3:
Mostrar que f 1 ( t ) sen(n 0 t ) e f 2 ( t ) sen(m 0 t ) são ortogonais em qualquer
intervalo (t0, t0+20), para valores de m e n inteiros, mn.
41
ANÁLISE DE SINAIS PERIÓDICOS: SÉRIE DE FOURIER
1 t 0 2 / 0
I f 1 ( t ).f 2 ( t )
2 / 0 t0
sen(n0 t ). sen(m0 t ).dt
1 t 0 2 / 0 1
I
2 / 0 t0 2
[cos(n m)0 t cos(n m)0 t ].dt
t 2 / 0
1 1 1
0
Uma vez que n e m são inteiros, (n-m) e (n+m) também o são, e assim, I=0
(incentiva-se o leitor a comprovar isto !).
Exemplo 2.4:
t /2 t 3 / 2
Aproximar a função retangular f 1 ( t ) rect rect pela função
f 2 ( t ) sen t , no intervalo (0,2), de forma que o erro quadrático médio seja mínimo.
Solução: Deseja-se aproximar f 1 ( t ) C12 f 2 ( t ) , tal que C12 conduza ao erro mínimo.
O gráfico de f1(t) está desenhado na Fig. 2.9 (em linha pontilhada).
f(t)
t
2
C12
0
sen t.dt
(1) sen t.dt
4
2
0
sen 2 ( t ).dt
e, portanto,
4
f1 ( t ) sen t , 0t2
42
SINAIS E SISTEMAS
representa a melhor aproximação de f1(t) por uma função sen t. O desenho de f1(t)
também encontra-se na Fig.2.9. Por outro lado, diz-se que a função f1(t) tem uma
componente da função sen t cuja magnitude é 4/.
Considere-se, novamente, o caso dos vetores num plano xy, e cujos vetores
unitários são â x e â y , conforme esquematizado na Fig.2.10.
y
y0 F
â y
x
0 â x x0
0, m n
â m â n (2.17)
1, m n
43
ANÁLISE DE SINAIS PERIÓDICOS: SÉRIE DE FOURIER
0, m n
x̂ m x̂ n (2.20)
1, m n
0, m n
x̂ m x̂ n (2.21)
k m , m n
e portanto
F x̂ r F x̂ r
Cr (2.24)
x̂ r x̂ r kr
t2 0, j k
t1
g j ( t ).g k ( t ).dt
k j , j k
(2.25)
Uma função arbitrária f(t) pode ser aproximada (sintetizada) num intervalo (t1, t2) pela
combinação linear dessa n funções ortogonais:
44
SINAIS E SISTEMAS
f ( t ) C1g 1 ( t ) C 2 g 2 ( t ) ... C n g n ( t )
n (2.26)
C r g r ( t ), t 1 t t 2
r 1
A melhor aproximação corresponde àquela onde C1, C2, ..., Cn são tais que
minimizam o erro quadrático médio de fe(t), tal qual em (2.10), o qual será repetido
por conveniência:
1 t2
t 2 t1 t1
f e2 ( t ).dt (2.27)
onde
n
f e (t) f (t) C r g r (t) (2.28)
r 1
... ... 0. (2.29)
C1 C 2 C r C n
t2
f ( t ).g r ( t ).dt 1 t2
t1
Cr t2
f ( t ).g r ( t ).dt (2.30)
kr
t1
g 2r ( t ).dt
t1
f ( t ).g r ( t ) f ( t ).g r ( t )
Cr , t1 t t2 (2.31)
g r ( t ).g r ( t ) kr
1 t2 2 n n
t t2
r C r f ( t ).g r ( t ).dt
2 2 2
f ( t ).dt C g r ( t ).dt 2
t 2 t1 1t
r 1
t 1
r 1
t 1
1 t2 2 n n
t 2 t1 1t
f ( t ). dt
r 1
C 2 2
k
r r 2
r 1
C 2r k r
(2.32)
1 t2 2 n
t 2 t1 1t
f ( t ).dt
r 1
C 2r k r
45
ANÁLISE DE SINAIS PERIÓDICOS: SÉRIE DE FOURIER
Torna-se evidente que o erro quadrático médio diminui à medida que aumenta-
se n, ou seja, quando f(t) é aproximada por um número maior de funções ortogonais.
No limite, quando n, o erro tende a zero e f(t) converge para a soma infinita:
f ( t ) C r g r ( t ) , t1 t t2 (2.33)
r 1
Exemplo 2.5:
Considere-se novamente a função retangular f1(t) estudada no exemplo 2.4, que foi
aproximada por uma única função sen(t). Discutir como a aproximação melhora
quando se usa um número grande de funções ortogonais sen n 0 t e sen m 0 t , para
m e n inteiros.
onde
2
Cr
0
f 1 ( t ). sen rt.dt
2
0
sen 2 rt.dt
1
sen rt.dt sen rt.dt
2
0
e daí
4
, r ímpar
C r r
0, r par
Portanto,
4 1 1
f1 ( t ) [sen t sen 2t sen 5t ...] , 0 t 2
3 5
1 t2 2
f 1 ( t ).dt C12 k 1 C 22 k 2 ...
t 2 t 1 t1
2 2 2
onde t2-t1=2 e 0
f 12 ( t ).dt 2 . Também, k r f12 ( t ).dt
0
0
sen 2 rt ( t ).dt =.
46
SINAIS E SISTEMAS
(sen t )
4
t
(a)
1
(sen t sen 3t )
4 3
t
(b)
1 1
(sen t sen 3t sen 5t )
4 3 5
t
(c)
1 1 1
(sen t sen 3t sen 5t sen 7 t )
4 3 5 7
t
(d)
Com isso,
1 4
2
1 2 0,19
2
1 4
2 2
4
2 2 0,1
2 3
1 4
2 2 2
4 4
3 2 0,0675
2 3 5
47
ANÁLISE DE SINAIS PERIÓDICOS: SÉRIE DE FOURIER
1 4
2 2 2 2
4 4 4
4 2 0,051
2 3 5 7
evidenciando que, à medida que o número de termos aumenta, o erro diminui e a série
se aproxima da função.
f 1 ( t ) C12 .f 2 ( t ) (2.34)
porém, o valor ótimo de C12 que minimiza a magnitude do erro quadrático médio é
t2
C12
t1
f 1 ( t ).f 2* ( t ).dt
(2.35)
t2
t1
f 2 ( t ).f 2* ( t ).dt
onde * indica complexo conjugado. Por outro lado, mostra-se que f(t) pode ser
expressa como
t2 0, m n
t1
g m ( t ).g *n ( t ).dt
k n , m n
(2.37)
desde que
1 t2
Cr
kr t1
f ( t ).g *r ( t ).dt (2.38)
Exemplo 2.6:
jn t
Mostrar que as exponenciais complexas n ( t ) e 0 , para n = 0, 1, 2, ...,
constituem um conjunto de funções ortogonais.
48
SINAIS E SISTEMAS
Solução: Para cada valor inteiro de n, a função n(t) é uma função periódica com
frequência angular fundamental n0 e período Tn=2/n0. Como T0=2/0, então
T0=n Tn, e cada intervalo de duração T0 contém n ciclos completos de e jn0 t .
A integral
t 0 T0 t 0 T0
T0 , n 0
e
t0
jn 0 t
dt (cos n t jsin n t ) dt 0
t0
0 0
,n0
pois para n=0, e jn0 t 1 e a integral equivale ao período de integração T0. Com n
diferente de zero, o intervalo de integração possui um número de ciclos completos de
seno e coseno, cuja integral se anula.
n ( t ) e jn0 t (cos n0t jsin n0t ) (cos n0t jsin n0t ) e jn t
0
t 0 2 / 0
I (e jn0 t ).(e jm0 t ) * dt
t0
Se n=m, resulta
t 0 2 / 0 2
I dt
t0 0
Se nm, resulta
t 0 2 / 0
1 j ( n m ) 0 t
I e
j(n m)0 t0
1
e j( n m ) 0 t [e j2 ( n m ) 1]
j(n m)0
t 0 T0
m ( t ). n
( t ) dt e j( m n ) t dt 0T0 ,, mm nn
0
T0 t0
Foi mostrado no exemplo 2.3, que sen 0 t , sen 20 t , etc., formam um
conjunto ortogonal em qualquer intervalo (t0, t0+20). Entretanto, esse conjunto não
49
ANÁLISE DE SINAIS PERIÓDICOS: SÉRIE DE FOURIER
é completo, pois também deveriam ser incluídas as funções co-seno. Assim, uma
expansão mais geral seria
f ( t ) a 0 [a n cos(n.0 t ) b n sen(n.0 t )] (2.40)
n 1
1 t 0 T
T t 0
a0 f ( t ).dt (2.41)
t 0 T
an
t0
f ( t ). cos(n 0 t )dt
(2.42)
t 0 T
t0
cos 2 (n0 t ).dt
t 0 T
bn
t0
f ( t ). sen(n0 t )dt
(2.43)
t 0 T
t0
sen 2 (n0 t ).dt
2 t 0 T
T t 0
an f ( t ). cos(n0 t )dt (2.44)
2 t 0 T
T t 0
bn f ( t ). sen(n0 t )dt (2.45)
f ( t ) c n cos(n.0 t n ) (2.46)
n 0
onde
c n a 2n b 2n (2.47a)
bn
n tg 1 (2.47b)
an
50
SINAIS E SISTEMAS
1 dn 2
Pn ( t ) n n
( t 1) n (2.49)
2 n! dt
1
0, mn
Pm ( t ).Pn ( t ).dt 2 (2.50)
2m 1 , m n
1
1
Cr
1
f1 ( t ).Pr ( t ).dt
1
1
Pr2 ( t ).dt
e finalmente
2r 1 1
2 1
Cr f 1 ( t ).Pr ( t ).dt (2.52)
51
ANÁLISE DE SINAIS PERIÓDICOS: SÉRIE DE FOURIER
2
t 0 2 / 0 T, nm
t0
(e jn0 t ).(e jm0 t ) * dt 0 (2.53)
0, nm
t 0 T
Cn
t0
f ( t ).(e jn0 t ) * dt
t 0 T
t0
(e jn0 t ).(e jn0 t ) * .dt
(2.55)
1 t 0 T
T t0
f ( t ).e jn0 t dt
t 0 T
Antes de prosseguir, cita-se que as notações T {.}dt ou {.}dt , para
t0
T
x(t) C
n
n .e jn0 t para t0 t t0+T (2.56)
52
SINAIS E SISTEMAS
f(t)
A
t
0 T
(a)
x(t)
A
... ...
t
-2T -T 0 T 2T
(b)
Figura 2.12 - Intervalo de validade da série de Fourier. a) Para funções aperiódicas é válida para
0tT. b) Para funções periódicas é válida para todo t.
x(t) c(nf
n
0 ).e jn 2 f 0 t para < t < . (2.57)
onde
1 t 0 T
c(nf 0 ) C n
T 0
t
x ( t ).e jn 2 f 0 t dt (2.58)
Exemplo 2.7:
2
Considere um sinal periódico x(t) com período T0 . Como visto nas seções
0
anteriores este sinal pode ser representado pela série infinita
x(t) C
n
n e jn0 t
Mostrar que, inversamente, todo sinal escrito na forma dessa série é periódico.
x ( t T0 ) C n e jn0 ( t T0 ) C n e jn0t .e jn0T0 C n e jn0t .e jn 2 C n e jn0t x (t )
n n n n
53
ANÁLISE DE SINAIS PERIÓDICOS: SÉRIE DE FOURIER
Note que, até agora não se fez nenhuma consideração em relação à forma do
sinal periódico, ou seja, em princípio a representação (2.57) se aplicaria a qualquer
sinal periódico. Esta é a Série de Fourier Exponencial Complexa, ou simplesmente
Série de Fourier Complexa do sinal x(t). Veremos mais à frente que nem todos os
sinais periódicos podem ser representados por meio da série de Fourier, mas que ela é
aplicável na maioria dos casos práticos.
Exemplo 2.8:
Foi visto na teoria, que se os coeficientes da série de Fourier obedecem a (2.58), então,
o erro entre x(t) e a série será mínimo. Sob outro ponto de vista, mostrar que se (2.57)
for satisfeita com exatidão, então, os coeficientes devem obrigatoriamente satisfazer a
(2.58).
Solução: Os coeficientes da série, Ck , onde k=0, 1, 2, ..., que podem assumir
valores complexos, são obtidos através de:
x( t ) C k e jk t 0
k
x( t ). e jn t dt C k e jk t e jn t dt C k e j( kn ) t dt
0 0 0 0
t 0 T0
e j( kn ) t dt T00 ,, kk nn
0
t0
x( t ).e jn t dt C n T0
0
T0
1
x(t ).e
jn0 t
Cn dt
T0 T0
54
SINAIS E SISTEMAS
x(t) c(nf
n
0 ) e jn 2 f 0 t (equação de síntese) (2.59)
1
x (t ).e
jn 2 f 0 t
c(nf 0 ) C n dt (equação de análise) (2.60)
T0 T0
onde f0 é a frequência fundamental e os coeficientes Cn, n=0, 1, 2, ... são
unicamente determinados a partir de x(t), utilizando a equação de análise. Para n=0,
tem-se:
1
c(0) C 0
T0 x (t )dt
T0
(2.61)
que é o valor médio do sinal x(t). Num sistema elétrico, isso equivaleria ao nível DC
do sinal.
Com exceção de eventuais descontinuidades, e admitindo que x(t) obedece às
condições de Dirichlet, a serem vistas na seção 2.5, pode-se dizer que os coeficientes
determinam a função x(t) de maneira única. Assim, há uma correspondência entre x(t)
e o conjunto de coeficientes {Cn}. Como cada Cn revela o conteúdo de x(t) em cada
frequência n.f0, o conjunto {Cn} é chamado de espectro de linhas ou espectro de
frequência discreto de x(t).
Os coeficientes são, em geral, funções complexas de n ou n.f0. Algumas
propriedades dos coeficientes são desenvolvidas a seguir.
*
1 1
C *n x (t ).e
jn 2 f 0 t
dt x(t ).e
jn 2 f 0 t
dt C n
T0 T0
T0 T0
55
ANÁLISE DE SINAIS PERIÓDICOS: SÉRIE DE FOURIER
C n n j n | C n |e j arg[C n ] (2.66)
| C n | ( 2n 2n )1 / 2 (2.67)
arg[C k ] tan 1 n (2.68)
n
então
C n n j n C *n n j n (2.69)
logo
n n
(2.70)
n n
Exemplo 2.9:
Obter os coeficientes da série de Fourier complexa de
a) x ( t ) 1 sen 0 t 3 cos 3 0 t
b) x ( t ) 1 3 cos 0.6t 2sin1.2t cos 2.1t
Solução:
a) Usando a fórmula de Euler:
56
SINAIS E SISTEMAS
3
C 3 C 3
2
1
C 1 C1
2j
C 0 1
3/2 3/2
|Cn| 1
1/2
1/2
... -4 -3 -2 -1 0 1 2 3 4 ... n
180
arg [Cn] 90
... -4 -3 -2 -1 0 1 2 3 4 ... n
-180 -90
Nota-se que o módulo é uma função par e a fase uma função ímpar.
1
C 7 C 7 2
C C 1
4 4
j
3
C 2 C 2
2
C 0 1
57
ANÁLISE DE SINAIS PERIÓDICOS: SÉRIE DE FOURIER
Exemplo 2.10:
Obter a série de Fourier e desenhar o espectro de frequências da forma de onda
retangular mostrada na Fig.2.14.
x(t)
A
A , / 2 t / 2
x(t)
0, c.c.
Logo,
/ 2
1 A e jn0 / 2 e jn0 / 2 2 jAsin (n0 / 2) 2Asin (n0 / 2)
Ae 0 dt
jn t
Cn
T0 / 2
T0 jn0 jn0 T0 n0 T0
2
onde 0 2f 0
T0
Portanto,
onde
sin( x )
sinc( x )
x
A n
Ck sinc( )
4 4
58
SINAIS E SISTEMAS
(a)
(b)
(c)
Figura 2.15 - Espectro de linhas da forma de onda retangular periódica
1
x(t ).e
jn 2 f 0 t
Cn dt
T0 T0
59
ANÁLISE DE SINAIS PERIÓDICOS: SÉRIE DE FOURIER
x(t) C
n
n e jn 2 f 0 t
Na integral, o problema que pode existir é esta divergir, i.e., Cn. Na somatória,
mesmo os coeficientes sendo finitos, a série pode não convergir para x(t), ou seja,
sendo
N
x N (t) C
n N
n e jn 2 f 0 t (2.62)
o fator de erro
N | x(t) x
T0
N ( t ) | 2 dt (2.63)
pode não tender a zero à medida que N tende a infinito (ou xN(t) não tende a x(t)).
Uma condição suficiente para a convergência da série de Fourier é que o sinal
tenha energia finita num período:
| x( t )|
T0
2
dt , (2.64)
que garante que a maioria dos sinais práticos podem ser representados pela série de
Fourier.
Outras condições, chamadas condições de Dirichlet, garantem que x(t) será
igual à sua representação pela série em qualquer instante de tempo t, exceto nas
descontinuidades, onde a representação toma o 'valor médio' da descontinuidade.
| x( t )| dt
T0
-T T t
Figura 2.16 - Exemplo de sinal que não é absolutamente integrável.
60
SINAIS E SISTEMAS
2. Em qualquer intervalo de tempo finito, x(t) deve ter variação limitada, i.e., deve
haver um número finito de máximos e mínimos num período do sinal. Um contra-
2
exemplo é a função x( t ) sin , para t entre 0 e T, mostrada na Fig.2.17.
t
1
0 .8
0 .6
0 .4
0 .2
- 0 .2
- 0 .4
- 0 .6
- 0 .8
-1
0 0 .2 0 .4 0 .6 0 .8 1
Figura 2.17 - Exemplo de sinal que não tem variação limitada num dado intervalo.
T/4 T/2 T t
2 2 2 2
x N ( t ) 0.5 cos 0 t cos 3 0 t cos 5 0 t ... (1) N 1 cos(2 N 1) 0 t
3 5 (2 N 1)
Solução: Tem-se na Fig.2.19 gráficos de xN(t) para valores de N=1, 3, 7 e 20. Nota-se
que à medida que N cresce, a frequência das oscilações (ripple) aumenta e xN(t) se
aproxima de x(t). No entanto, próximo da descontinuidade, o ripple fica mais estreito
mas a amplitude não decai, ficando em cerca de 9% do valor da descontinuidade. Este
é o chamado fenômeno de Gibbs, que ocorre sempre que se tem descontinuidades na
função representada pela série.
61
ANÁLISE DE SINAIS PERIÓDICOS: SÉRIE DE FOURIER
1 1 N=3
N=1
0.5 0.5
0 0
-0.5 0 0.5 -0.5 0 0.5
1 1
N=7 N=20
0.5 0.5
0 0
-0.5 0 0.5 -0.5 0 0.5
Figura 2.19 - Fenômeno de Gibbs. Representando-se a onda quadrada através de uma série de
Fourier truncada, tem-se as formas de onda indicadas, com N=1, 3, 7 e 20. Nota-se que à
medida que se aumenta o número de harmônicas, o sinal aproxima-se mais da onda quadrada, a
frequência dos ripples aumenta, mas a amplitude dos ripples não diminui. Próximo da
descontinuidade, a função toma o valor médio desta (nesta caso, o valor 0.5).
Como já foi visto, todo sinal periódico limitado é um sinal de potência. Como
podemos representar um sinal periódico por uma Série de Fourier, vamos obter uma
relação entre a potência e os coeficientes da série do sinal. A potência média é dada
por:
1 1 jn 2 f 0 t *
1
x (t ).x (t )dt n n T
jn 2 f 0 t
Pm *
C e .x ( t )dt C x *
( t )e dt
T0 T0
T0 T0 n n 0 T0
*
1
Cn .x(t )e
jn 2 f 0 t
dt C n .C *n | C n | 2
n T0 T0 n n
Logo
Pm C n .C*n
n
| C
n
n |2 (2.72)
que é a fórmula de Parseval, que estabelece que a potência média do sinal x(t) é igual
à soma dos módulos dos coeficientes ao quadrado, |Cn|2. Assim, os coeficientes Cn não
apenas carregam fornecem informação de magnitude e fase, mas também da potência
do sinal x(t) distribuída nas frequências nf0. O gráfico de |Cn|2 em função de n, ou nf0
representa o espectro de potência discreto de x(t).
62
SINAIS E SISTEMAS
2.7 EXERCÍCIOS
2.7.2. Mostrar que a série trigonométrica de Fourier (2.40) também pode ser escrita na
forma:
bn
f ( t ) c n cos(n.0 t n ) , onde c n a 2n b 2n e n tg 1
n 0 an
t 1/ 2 t 1/ 2
2.7.3 Considere-se a função retangular f ( t ) rect rect . Obter a
1 1
série de Fourier-Legendre no intervalo (-1 t +1).
Sugestão: consultar o livro do Lathi [4].
2.7.4 A partir da série de Fourier trigonométrica mostrar que pode-se obter a série
exponencial complexa.
2.7.6 Seja x(t) um sinal periódico com período T0=1/f0, e cuja série de Fourier
complexa tem coeficientes Cn= c(nf0). Ë obtido outro sinal y(t)=x(t-), que também é
periódico. Determinar os coeficientes da série de y(t) em função de Cn.
2.7.7 A série de Fourier complexa da função porta mostrada na Fig.P2.7.5a) foi obtida
na teoria. A partir desse resultado determinar as séries de Fourier complexas das
demais funções mostradas.
(a)
(b) (c)
(Fig.P2.7.7 continua...)
63
ANÁLISE DE SINAIS PERIÓDICOS: SÉRIE DE FOURIER
(d)
(e)
Figura P2.7.7
f(t)
A
t
0 1 2
Figura P2.7.8
2.7.9 Seja x(t) uma onda dente-de-serra como a mostrada na Fig,P2.7.8., e x’(t) uma
aproximação obtida com os três primeiros termos não-nulos da série de Fourier
complexa.
a) Qual a porcentagem da potência total do sinal está contida em x’(t) ?
b) Esboçar x’(t) para 0 t T0.
x(t)
1
0 T0 t
Figura P2.7.9.
rep T1 [( t )] (t nT )
n
1
64
SINAIS E SISTEMAS
CAPÍTULO 3:
ANÁLISE DE SINAIS APERIÓDICOS: TRANSFORMADA DE
FOURIER DE TEMPO CONTÍNUO
3.1 INTRODUÇÃO
sin (nf 0 ) 1
C n c(nf 0 ) Af 0 , f0 (3.1)
nf 0 T0
65
ANÁLISE DE SINAIS APERIÓDICOS: TRANSFORMADA DE FOURIER DE TEMPO CONTÍNUO
... ...
-T0 - 0
T0 t
(a)
A
... ...
-T0 - 0
T0 t
(b)
A
... ...
-T0 - 0
T0 t
(c)
A
... ...
- 0 t
(d)
T0.c(nf0)
A
0
f,nf0
66
SINAIS E SISTEMAS
T0.c(nf0)
A
0
f,nf0
(b)
T0.c(nf0)
A
0
f,nf0
(c)
67
ANÁLISE DE SINAIS APERIÓDICOS: TRANSFORMADA DE FOURIER DE TEMPO CONTÍNUO
x(t)
-T1 T1 t
Figura 3.3 - Sinal aperiódico de duração finita.
A partir deste sinal, construímos um sinal periódico xp(t) com período T0, mostrado na
Fig.3.4, tal que, dentro de um período –T0/2 t T0/2 ocorre xp(t)=x(t), ou seja, xp(t)
é composto de cópias de x(t) a cada T0.
xp(t)
... ...
-T0 -T0/2 0 T0/2 T0 2T0 t
Figura 3.4 - Sinal periódico xp(t) composto de réplicas de x(t) a cada T0.
x p (t) C
n
n e jn 2 f 0 t (3.4a)
T0 / 2
1
Cn
T0
T0 / 2
x p ( t )e jn 2 f 0 t dt (3.4b)
Como xp(t)=x(t) para |t|<T0/2 e x(t)=0 para |t|>T1, quando T0/2>T1, pode-se substituir
xp(t) por x(t) na integral (3.4b), e modificar os limites de integração:
T0 / 2
1 1
x(t) e
jn 2 f 0 t jn 2 f 0 t
Cn x(t) e dt dt (3.5)
T0 T0 / 2
T0
T0 C n x ( t ) e jn 2 f 0 t dt (3.6)
68
SINAIS E SISTEMAS
X(f ) x ( t )e j2 f t dt (3.7)
1
Cn X(nf 0 ) (3.8)
T0
e, de (3.4a):
1
x p (t) C
n
n e jn 2 f 0 t
T0
X(nf
n
0 ) e jn 2 f 0 t (3.9)
x p (t) X(nf
n
0 ) e jn 2 f 0 t f 0 (3.10)
x ( t ) X(f )e j2 ft df (3.11)
onde
X(f ) x ( t )e j2 ft dt (3.12)
x ( t ) X (f ) (3.13)
69
ANÁLISE DE SINAIS APERIÓDICOS: TRANSFORMADA DE FOURIER DE TEMPO CONTÍNUO
t t 1, | t | / 2
x ( t ) rect (3.14)
0, | t | / 2
O gráfico de X(f) está indicado na Fig.3.5b), para o caso de uma porta com
largura .
X(f)
rect(t/)
1
-/2 /2 t f
-2/ -1/ 1/ 2/
0
(b)
(a)
Na Fig.3.5b), tem-se que X(f)=1 em f=0, e que X(f)=0 quando f=n/, para n
inteiro (n0), conforme a discussão do Capítulo 1, sobre a função sinc (x).
70
SINAIS E SISTEMAS
x(t) e dt (t) e
j2 ft j2 ft
X( f ) dt 1 , f
( t ) 1 (3.16)
1
(t)
t f
0 0
Figura 3.6 - Transformada de Fourier do impulso unitário.
71
ANÁLISE DE SINAIS APERIÓDICOS: TRANSFORMADA DE FOURIER DE TEMPO CONTÍNUO
| x( t )| 2
dt ;
É importante salientar que tais condições são suficientes, mas não necessárias
para a existência da transformada de Fourier. Por exemplo, na seção 3.2.2 estudou-se
a função impulso, a qual não satisfaz as condições de Dirichlet pois representa uma
descontinuidade infinita. Contudo esta função possui transformada de Fourier.
Por fim, é importante informar que, ao contrário da matemática, os critérios
físicos são mais abrangentes, os quais estabelecem que, a condição necessária e
suficiente para que um dado sinal possua transformada de Fourier, é que o processo
físico associado ocorra consistentemente na prática.
Conforme será comprovado nos próximos exemplos, em geral, a transformada
de Fourier é uma função complexa X(f)= X(f ) . e jarg[X(f)] , onde, X(f ) corresponderá a
um espectro de magnitudes e arg[X(f)] a um espectro de fases.
Exemplo 3.1:
Calcular a transformada de Fourier da função exponencial real mostrada na Fig.3.7 e
esboçar o seu espectro.
0.8
0.6
0.4
0.2
-0.2
-1 0 1 2 3 4 5
t
e at e j2 ft 0 1
X(f ) x ( t )e j 2 ft
dt e e
at j 2 ft
dt e ( j 2 f a ) t
dt
0 0 ( j2f a ) 0 ( j2f a )
72
SINAIS E SISTEMAS
e portanto,
1 1
X( f )
a j2f a j
que é uma função não-racional complexa. Ressalta-se que este resultado só foi
possível de ser obtido porque lim(e at ) 0 , independentemente do fator e j2 ft . Isto
t
ficará mais claro nas discussões da seção 3.10.
O módulo e a fase da função espectral são:
1
| X(f ) | ,
a 2 2
arg[X(f )] atan
a
1/a
0,707/a
f
-a /2 0 a/2
arg[X(f)]
900
450
f
0
-900
O espectro de fases é uma curva suave que inclui todos os ângulos entre –900 e
0
+90 . Isto se deve à falta de simetria do sinal temporal x(t), conforme será discutido na
próxima seção.
Partindo-se da definição (3.12), quando x(t) for um sinal real, pode-se mostrar
que
X( f ) X* ( f ) (3.17)
73
ANÁLISE DE SINAIS APERIÓDICOS: TRANSFORMADA DE FOURIER DE TEMPO CONTÍNUO
X* ( f ) X( f ) (3.18)
então
ou seja
Observa-se, portanto, que a parte real da transformada de Fourier é uma função par,
enquanto que a parte imaginária é uma função ímpar na variável f.
Por outro lado, expressando X(f) na forma polar:
observa-se que
Im{X(f )}
arg[X(f )] atan arg[X(f )] (3.24)
Re{X(f )}
Como
x( t ) x e ( t ) x o ( t ) (3.26)
onde
x( t ) x * ( t )
xe (t) (3.27a)
2
x( t ) x * ( t )
xo (t) (3.27b)
2
74
SINAIS E SISTEMAS
x e ( t ) X e (f ) Re{X(f )} (3.28a)
x o ( t ) X o (f ) jIm{X(f )} (3.28b)
X(f ) x ( t ). cos(2ft )dt j x ( t ).sen(2ft )dt =Re{X(f)}+ j Im{X(f)}
e, com isso,
x e ( t ) X e (f ) x ( t ). cos(2ft )dt (3.29a)
x o ( t ) X o (f ) j x ( t ). sen(2ft )d (3.29b)
No caso onde x(t) tem simetria par, tal que x(-t)=x(t), então, x(t).cos(2ft) é
par, enquanto que x(t).sen(2ft) é ímpar e, portanto, Xo(f)=0, e
X(f ) X e (f ) 2 x ( t ). cos(2ft ) dt (3.30)
0
Conclui-se que, se x(t) for par e puramente real, seu espectro X(f) também será
puramente real. Este resultado está de acordo com o espectro obtido para a função
porta.
Por outro lado, se x(t) tem simetria ímpar, tal que x(-t) = - x(t), então, Xe(f)=0,
e
X(f ) X o (f ) j2 x ( t ). sen(2ft ) dt (3.31)
0
Assim, se x(t) for ímpar e puramente real, seu espectro X(f) será puramente
imaginário.
Em casos onde x(t) não for nem par nem ímpar, o espectro X(f) terá partes real
e imaginária simultaneamente, conforme aquele obtido no exemplo 3.1.
x (t) x
1
*
2 ( t ) dt X (f ) X
1
*
2 ( f ) df (3.32)
75
ANÁLISE DE SINAIS APERIÓDICOS: TRANSFORMADA DE FOURIER DE TEMPO CONTÍNUO
| x( t )|2 dt E x | X(f )| 2
df (3.33)
onde Ex é a energia de x(t), como visto no Capítulo 1. Ou seja, sendo x(t) um sinal de
energia, sua energia pode ser obtida através da integração de |x(t)|2, no domínio do
tempo, ou de |X(f)|2, no domínio da frequência, conforme seja mais conveniente.
A função |X(f)|2 é chamada de densidade espectral de energia de x(t), e
fornece a informação da energia por unidade de frequência ao longo do espectro de
X(f). Uma análise detalhada da função densidade espectral de energia será
apresentada no Capítulo 4.
Exemplo 3.2:
Obter a densidade espectral de energia do pulso retangular de largura e amplitude A,
x(t)=A.rect(t/).
2
f
-2/ -1/ 0 1/ 2/
A Fig. 3.9 revela que a maior parte da energia do pulso encontra-se dentro da
banda f < 1/. De fato, calculando-se a energia nessa banda, tem-se
1/ 1/
X(f ) df
2
(A) 2 sinc 2 (f).df 0,92A 2 .
1 / 1 /
E x | x ( t ) | 2 dt A 2
76
SINAIS E SISTEMAS
o que implica em que a largura espectral f < 1/ engloba mais de 90% da energia
total do pulso. Por isso, convenciona-se dizer que a largura de banda do pulso
retangular de largura é B=1/. Na próxima seção, discute-se mais detalhes a respeito
da largura de banda de um sinal.
|X(f)|
x(t)
-B B f
Figura 3.10 - Sinal com característica passa-baixas.
Neste caso, diz-se que x(t) é um sinal com banda limitada a B Hz, ou um sinal passa-
baixas com largura de banda B, o que significa que x(t) não possui componentes de
frequência acima de B Hz. Deve ser ressaltado que, embora se trabalhe com a
representação de espectro bilateral na Fig. 3.10, no cômputo da largura de banda
considera-se somente a porção positiva do espectro, em conformidade com as leituras
fornecidas por analisadores de espectro.
No caso de um sinal com característica passa-banda ou passa-faixa com
banda B, o espectro tem a aparência mostrada na Fig.3.11:
|X(f)|
x(t)
B B f
Figura 3.11 - Sinal com característica passa-banda.
77
ANÁLISE DE SINAIS APERIÓDICOS: TRANSFORMADA DE FOURIER DE TEMPO CONTÍNUO
|X(f)|, |X(f)|2
-B B f
Figura 3.12 - Critério para definição de largura de banda.
x ( t ) , | t| T / 2
x( t ) 0 p , c. c. 0 (3.34)
1
Cn X(nf 0 ) (3.35)
T0
X( f ) ( f f 0 )
78
SINAIS E SISTEMAS
x( t ) ( f f ) e 0
j2 f t
df e j2 f0 t cos 0 t jsin0 t
ou seja, x(t) é um sinal periódico com período T0=1/f0. Este resultado permite
estabelecer mais um par de transformada de Fourier:
e j2 f 0 t (f f 0 ) (3.36)
X (f ) C
n
n (f nf 0 )
fica-se com
x(t) C
n
n e j2 nf 0 t
C n e j2nf0t
n
C
n
n (f nf 0 ) (3.37)
Exemplo 3.3:
Considere uma onda quadrada de frequência f0, tal qual aquela mostrada na Fig.3.1, e
cujos coeficientes Cn da série de Fourier são dados por:
sin (nf 0 ) 1
Cn , f0
n 2
79
ANÁLISE DE SINAIS APERIÓDICOS: TRANSFORMADA DE FOURIER DE TEMPO CONTÍNUO
1
X (f ) sinc(n 2) (f nf 0 )
2 n
Exemplo 3.4:
Obter a transformada de Fourier do trem de impulsos com período T0 cuja série de Fourier é
dada por
1
x ( t ) rep T ( t ) ( t nT0 ) e j 2 nf 0 t
n T0 n
1
X( f )
T0
( f kf ) f ( f kf )
0 0 0
k k
A
X (f ) (f f 0 ) (f f 0 ) (3.38)
2
80
SINAIS E SISTEMAS
A/2 A/2
A cos 0 t
-f0 f0 f
Figura 3.14 - Diagrama espectral da função co-seno
e j0 t e j0 t
X(f ) [A.sin 0 t ] A.
2j
A
X (f ) (f f 0 ) (f f 0 ) (3.39)
2j
A/2j
A sin 0 t -f0
-A/2j f0 f
x( t ) X ( f ) (3.40a)
x1 ( t ) X 1 ( f ) (3.40b)
x 2 ( t ) X 2 (f ) (3.40c)
81
ANÁLISE DE SINAIS APERIÓDICOS: TRANSFORMADA DE FOURIER DE TEMPO CONTÍNUO
3.9.1 Linearidade
a. x1 ( t ) b. x 2 ( t ) a. X1 ( f ) b. X 2 ( f ) (3.41)
Exemplo 3.5:
Encontrar a transformada de Fourier do sinal desenhado na Fig. 3.16a).
Solução: Em primeiro lugar, observa-se que x(t) pode ser escrito como a superposição
t t
x ( t ) rect ( ) 2.rect ( )
4 1
x(t)
t
-2 -1/2 0 1/2 2
f
-2 0 2
(b)
(a)
Figura 3.16 - Sinal para o exemplo 3.5. a) Sinal x(t). b) Espectro X(f).
82
SINAIS E SISTEMAS
x( t t 0 ) e j2 ft 0 X( f ) (3.42)
Exemplo 3.6:
Calcular a transformada de Fourier do sinal mostrado na Fig.3.17
z(t)
A
t
0
-A
z( t ) x ( t / 2) x ( t / 2)
X ( t ) x( f ) (3.43)
Exemplo 3.7:
Obter a transformada de Fourier de z( t ) A.sinc(2 wt ) , onde A e w são constantes, e
cujo gráfico está mostrado na Fig.3.18 a).
83
ANÁLISE DE SINAIS APERIÓDICOS: TRANSFORMADA DE FOURIER DE TEMPO CONTÍNUO
z(t)
A
Z(f)
A/2w
t
-1 1 f
2w 2w -w 0 w
(a) (b)
Figura 3.18 - Transformada de Fourier da função A sinc(2wt).
A A f
z( t ) 2w.sinc(2 wt ) A.sinc(2 wt ) rect ( ).
2w 2w 2w
e j2 f0 t x( t ) X( f f 0 ) (3.44)
X(f) X(f-fo)
f f
-w 0 w 0 fo-w fo fo+w
(a) (b)
84
SINAIS E SISTEMAS
1 f
x( a t ) X , para “a” constante (3.45)
| a| a
X ( f ) x( t ) e j2 f t
dt X( 0) x( t ) dt (3.46a)
e
x( t ) X( f ) e j2 f t
df x( 0) X(f ) df (3.46b)
Isto implica que X(0) corresponde à área sob a função x(t), um resultado
equivalente àquele no caso periódico, onde c(0) é igual ao valor médio de x(t). Por
outro lado, que x(0) corresponde à área líquida do espectro X(f).
d n x(t)
( j2f ) n X(f ) (3.47)
dt n
t
1 X(0)
x ()d j2f X(f )
2
(f ) (3.48)
85
ANÁLISE DE SINAIS APERIÓDICOS: TRANSFORMADA DE FOURIER DE TEMPO CONTÍNUO
Exemplo 3.8:
t
Obter a transformada de Fourier da função pulso triangular w ( t ) A.tri( )
2
conforme estudado no Capítulo 1.
1 t
w (t) z( ).d
X(f)
w(t)
A
t f
0 -2/ -1/ 0 1/ 2/
(a) (b)
Figura 3.20 - Transformada de Fourier do pulso triangular.
1 1
W (f ) Z(f ) A.sinc 2 (f)
j2f
Exemplo 3.9:
Avaliar a transformada de Fourier do trapézio x(t) mostrado na Fig.3.21 a).
Solução: Nas Figs. 3.21 b) e c) são mostrados os gráficos das derivadas dx(t)/dt e
d2x(t)/dt2 (verificar isto !). Por inspeção, nota-se que
d2x A
[( t b) ( t a ) ( t a ) ( t b)]
dt 2
ba
86
SINAIS E SISTEMAS
A
( j2f ) 2 X(f ) [e j2 fb e j2 fa e j2 fa e j2 fb ]
ba
a) x(t) A
t
-b -a 0 a b
b) dx(t)/dt A/(b-a)
t
0
2 2
c) d x(t)/dt
A/(b-a)
t
0
-A/(b-a)
d X( f )
j2t x( t ) (3.49)
df
f
x (0) x(t)
( t ) X( )d (3.50)
2 j2t
respectivamente.
x1 ( t ) x 2 ( t ) X1 ( f ) X 2 ( f ) (3.51)
87
ANÁLISE DE SINAIS APERIÓDICOS: TRANSFORMADA DE FOURIER DE TEMPO CONTÍNUO
x1 ( t ) x 2 ( t ) X1 ( f ) X 2 ( f ) (3.52)
Solução: Se X(f) for o espectro de x(t), então, o espectro de x2(t) deve ser resultado da
convolução de X(f) com ele mesmo. Conforme foi discutido no Capítulo 1, se X(f)
ocupa a faixa de largura w, o resultado de X(f)*X(f) deve ocupar 2w. O resultado está
esboçado esquematicamente na Fig.3.22 b), ou seja, sem nenhum conhecimento
específico sobre x(t), observa-se que x2(t) tem largura de banda 2w.
X(f) X*X(f)
f f
-w 0 w -2w 0 2w
(b)
(a)
Figura 3.22 - Aplicação do teorema de convolução. a) Espectro de x(t). b) O espectro de x2(t).
y( t ) x( t ).cos 0 t
como mostrado na Fig.3.23 c), onde nota-se que x(t) modula a amplitude da senóide.
Este é um caso de modulação por amplitude, mais especificamente chamado de DSB-
SC. É interessante analisar-se o espectro do sinal modulado.
Pela propriedade da convolução, o espectro do sinal y(t) é dado por:
( f f 0 ) (f f 0 )
Y ( f ) X (f )
2
X (f f 0 ) X ( f f 0 )
2 2
88
SINAIS E SISTEMAS
x(t)
-B B f
(a)
cos0t
-f0 f0 f
(b)
x(t).cos0t
-f0 f0 f
(c)
e j e j
x ( t ). cos(2f 0 t ) X (f f 0 ) X (f f 0 ) (3.53)
2 2
t
/2 /2
A A
Z(f ) sinc(f f 0 ) sinc(f f 0 )
2 2
89
ANÁLISE DE SINAIS APERIÓDICOS: TRANSFORMADA DE FOURIER DE TEMPO CONTÍNUO
A/2
0 f
-f0 f0
Observa-se que à medida que a largura do pulso de RF () aumenta, z(t) tende
ao co-seno eterno. Simultaneamente, a magnitude de Z(f) aumenta e a largura dos
pulsos sinc centrados em f0 diminui, tendendo-se ao impulso no limite (conforme
visto no Capítulo 1). Nesta situação, o espectro corresponde ao da Fig.3.14.
1, t 0
x ( t ) sgn( t ) 0, t 0 (3.54)
1, t 0
0
e j2 ft e j2 ft
0
(1) e dt (1) e
j 2 ft j 2 ft
X (f ) dt
0
j2f
j2f 0
0
cos(2ft ) j.sen(2ft ) cos(2ft ) j.sen(2ft )
X (f )
j2f
j2f 0
Contudo, o valor de cos(x) para x não é definido (!!??). Portanto, a transformada
de Fourier dessa função não pode ser determinada aplicando-se a definição
diretamente. Porém, ela pode ser aplicada segundo um processo limite, como visto a
seguir.
90
SINAIS E SISTEMAS
g(t)
sgn(t) 1
1
e-atu(t)
t t
0
-1 -eatu(-t)
-1
(a) (b)
Figura 3.26 - Cálculo da transformada da função sinal. a) Função sinal. b) Funções exponenciais
usadas para obter a função sinal no limite, quando “a” tende a zero.
Pode-se observar que, à medida que “a” tende a zero, g(t) em (3.55) tende à
função sinal (3.20), mostrado na Fig. 3.26 a), isto é
x ( t ) sgn( t ) limg( t )
a 0
e portanto
Como
0
1 1
g( t ) e dt e e dt e at e j2 ft dt
j2 ft at j2 ft
G (f )
0
(a j2f ) (a j2f )
j2
G(f ) ,
a2 2
fica-se com
j2 2
X( f ) lim G ( f ) lim j
a0 a 0 a
2 2
1
sgn( t ) j (3.56)
f
91
ANÁLISE DE SINAIS APERIÓDICOS: TRANSFORMADA DE FOURIER DE TEMPO CONTÍNUO
limite conforme visto no item anterior. Para isto, vamos considerar o par de
transformadas de Fourier: A.rect ( t / ) A sin (f) . No limite, quando a
largura do pulso de amplitude A tende ao infinito e, portanto, podemos afirmar que
x ( t ) lim A.rect ( t / )
.1 f
X(f ) A lim[ sinc( )]
0
A A.(f ) (3.57)
A
t f
0 0
Figura 3.27 - Transformada de Fourier da função constante.
Exemplo 3.12:
Calcular a integral imprópria
e j2 xy dy
X(f ) [1] 1.e j2 ft dt (f ) ,
e assim,
e j2 xy dy ( x )
92
SINAIS E SISTEMAS
1, t 0
x ( t ) u( t ) (3.58)
0 , t 0
1 sgn( t )
x( t ) u ( t ) (3.59)
2
1 sgn( t ) (f ) 1
X (f ) j
2 2 2
ou seja
( f ) 1
u(t) j (3.60)
2 2f
|X(f)|
2.5
1.5
0.5
0
-0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8
f
arg{X(f)}
150
100
50
0
-50
-100
-150
93
ANÁLISE DE SINAIS APERIÓDICOS: TRANSFORMADA DE FOURIER DE TEMPO CONTÍNUO
3.11 EXERCÍCIOS
t
1 1
v()d V(f ) j2f 2 (f )
t/2 t/2
3.11.6. Dado z b ( t ) Arect( ) Arect( ) calcular a transformada de
Fourier de
1
t
A(1 / ),
w (t)
z b ( ) d
0
.
94
SINAIS E SISTEMAS
v * w ( t ) V (f ) W (f )
v ( t ) w ( t ) V (f ) * W ( f )
3.11.9. Considere os sinais xp(t), x1(t) e x2(t), mostrados na Fig.P3.11.8 onde x1(t) e
x2(t) podem ser obtidos a partir de xp(t). Mostre que X1(kf0) e X2(kf0), ou seja, os
coeficientes Ck podem ser obtidos a partir de x1(t) ou x2(t). Ou seja, pode-se montar o
sinal periódico de diversas maneiras, o que não vai afetar o resultado.
I 12 sinc(6 x ).dx
I e 2 t u ( t ).dt
2t 2
x ( t ) A cos 0 t , 0
T0 T0
95
ANÁLISE DE SINAIS APERIÓDICOS: TRANSFORMADA DE FOURIER DE TEMPO CONTÍNUO
3.11.16. Este exercício tem como objetivo o estudo do impulso como o limite de
algumas funções. Escreva a transformada de Fourier das seguintes funções abaixo, e
fazer lim (0) no tempo e freqüência. Quais os sinais resultantes? Interprete os
resultados nos domínios do tempo e da frequência.
1 t
a)
1 t
b) sinc
x(t) x(t)
1 1
1 2 3 t 1 2 t
(a) (b)
x(t) x(t)
1 1
t2
1 2 3 t 1 2 t
(c) (d)
Figura - P3.11.18.
a) g( t ) e a t u( t ); a>0
b) g( t ) e a t ; a>0
A t
x(t) 1 cos .rect ( t / 2)
2
96
SINAIS E SISTEMAS
w ( t ) e at sen 0 t. u ( t ) .
onde:
1 para t T2 / 2
rect ( t / T2 ) .
0 para t T2 / 2
T nT2 n
[ v ( t )] 2
T1
sinc T1
.(f ) .
T1
n
3.11.24. Uma análise grosseira do espectro do sinal de vídeo (TV em preto e branco)
pode ser realizada adotando-se um modelo simplificado para tal sinal, conforme
ilustrado na Fig.P3.11.21:
97
ANÁLISE DE SINAIS APERIÓDICOS: TRANSFORMADA DE FOURIER DE TEMPO CONTÍNUO
Th Ta
0,7 V
0V
-0,3 V
Ts Tp
Figura P3.11.24
onde o período do sinal é Th=63,5 ms e os demais valores aproximados são Ts=5 ms,
Ta=11 ms e Tp=2 ms. Esta forma de onda representa uma tela branca. O pulso estreito
de amplitude –0,3 V sincroniza as linhas na tela e o pulso de largura Ta é o chamado
pulso de apagamento horizontal, sendo que o nível 0V representa o preto na imagem.
Nesta análise, está se ignorando o apagamento e sinconização vertical.
98
SINAIS E SISTEMAS
CAPÍTULO 4:
ANÁLISE DE SISTEMAS
4.1. INTRODUÇÃO
entrada saída
SISTEMA
x(t) y(t)
S{.}
y(t) = S {x(t)}
99
ANÁLISE DE SISTEMAS
operador matemático S{ . }, que atua sobre o sinal de entrada para constituir a saída.
Esquematicamente, pode-se representar um sistema como na Fig.4.1. De maneira
genérica considera-se que a entrada do sistema é x(t) e a saída é y(t).
Um sistema é chamado sem memória [2] ou estático [8] se a saída y(t), num
determinado instante, depende da entrada x(t) apenas naquele instante, i.e., não
depende de entradas anteriores nem posteriores. No caso contrário, o sistema é dito
com memória ou dinâmico.
Exemplo 4.1:
Citar um exemplo de sistema sem memória e um com memória
Exemplo 4.2:
Citar um exemplo prático de sistema sem memória e outro com memória
x(t) R2 y(t)=x(t).R2/(R1+R2)
Por outro lado, a relação entre a tensão e a corrente num capacitor representa
um sistema com memória, pois a tensão depende não só da corrente no instante atual t,
mas também de todos os valores de correntes desde - até t:
x(t) 1
t
C y( t ) x( )d
C
100
SINAIS E SISTEMAS
depende apenas da entrada x(t), ou seja, dada a entrada, a saída é determinada. Para
um sistema com memória, a saída depende não só da entrada, mas das chamadas
condições iniciais, ou estado do sistema.
A resposta y(t) de um sistema com memória para t t 0 é determinada por [2]:
condições iniciais em t t 0 , v ( t 0 )
entrada para t t 0
ou esquematicamente
v(t 0 )
y( t ) (4.1)
x( t ) , t t 0
Exemplo 4.3:
Especificar a resposta do sistema capacitor do exemplo 4.2, considerando-se as
condições iniciais.
t
1
y( t ) x( ) d y( t 0 )
C t0
Exemplo 4.4:
Citar um exemplo de sistema inversível e outro não inversível.
101
ANÁLISE DE SISTEMAS
Exemplo 4.5:
Citar um exemplo de ambos, um sistema causal e um não causal.
pois todas as entradas atuais (no instante t) dependem apenas de entradas atuais (nos
instantes t) ou passadas (nos instantes t-2). Por outro lado, um sistema não-causal é
y(t) = x(t + 1)
pois uma saída avaliada no instante atual t segundos , depende da entrada em (t+1)
segundos, e que portanto ainda não aconteceu.
Todos os sistemas físicos são causais. Conforme será visto adiante, um filtro
ideal é um sistema não-causal ou não-realizável fisicamente, e portanto não pode ser
implementado com componentes reais. No projeto de um filtro prático, procura-se
uma aproximação para um filtro ideal, mas respeitando-se o princípio da causalidade.
A causalidade é importante quando trabalha-se com sistemas que operam em tempo
real, como em sistemas de comunicações e sistemas de controle. Em aplicações onde
não se necessita o processamento em tempo real, podem aparecer sistemas não-
causais [10]. Por exemplo, em sinais gravados (voz, geofísicos, imagem), pode-se
utilizar toda a informação armazenada para determinar uma saída num determinado
instante, o que pode ser considerado uma operação não-causal.
4.2.4. Estabilidade
Exemplo 4.6:
Citar um exemplo de ambos, um sistema estável e um não estável.
102
SINAIS E SISTEMAS
y(t) = 2x(t)
pois, se x(t) é limitada, então, existe um número Mx, tal que, x ( t ) M x para
todo t e, portanto, ocorre y( t ) 2 x ( t ) 2M x , independentemente de t.
Um exemplo de um sistema instável é o acumulador, definido por:
t
y( t ) x ()d . Assim, por exemplo, se x( t ) u( t ) (degrau unitário), a qual é
limitada (pois u(t)1 para todo t), observa-se que o resultado da integral, quando t,
diverge e tende para +.
Exemplo 4.7:
Citar um exemplo prático de sistema estável e outro instável.
S x ( t ) y( t )
(4.3)
S x ( t t 0 ) y( t t 0 )
Exemplo 4.8:
Citar um exemplo de ambos, um sistema invariante e um não invariante.
103
ANÁLISE DE SISTEMAS
y1 ( t ) sin x1 ( t )
x 2 ( t ) x1 ( t t 0 )
y2 ( t ) sin x2 ( t ) sin x1 ( t t 0 )
e como
y1 ( t t 0 ) sin x1 ( t t 0 )
tem-se que
y2 ( t ) y1 ( t t 0 )
y( t ) t x( t )
y2 ( t ) t x2 ( t ) t x1 ( t t 0 )
Como
y1 ( t t 0 ) ( t t 0 ) x1 ( t t 0 ) y2 ( t )
Exemplo 4.9:
Um sistema diferenciador é um dispositivo caracterizado pela relação y(t)=dx(t)/dt.
Avaliar se o diferenciador é invariante no tempo.
Solução: Vamos avaliar a resposta do diferenciador à uma entrada x1(t):
dx 1 ( t )
y1 ( t ) .
dt
A resposta à x2(t) = x1(t-t0) será
dx 2 ( t ) dx1 ( t t 0 ) dx1 ( t t 0 ) d( t t 0 )
y2 (t) . [ y1 ( t t 0 )(1 0)]
dt dt d( t t 0 ) dt
y1 ( t t 0 )
104
SINAIS E SISTEMAS
4.2.6. Linearidade
Para um sistema sem memória, a saída y(t) depende apenas da entrada x(t). Se
as respostas às entradas x1(t) e x2(t) são y1(t)=S{x1(t)} e y2(t)=S{x2(t)},
respectivamente, então o sistema é linear se
As duas condições acima, combinadas numa só, são o que se chama de princípio da
superposição, que pode ser rescrito de maneira mais sucinta como
S a 1 x 1 ( t ) a 2 x 2 ( t ) a 1 S x 1 ( t ) a 2 S x 2 ( t ) a 1 y1 ( t ) a 2 y 2 ( t ) (4.6)
Exemplo 4.10:
Avaliar se os sistemas abaixo são ou não lineares:
Solução:
a) Fazendo x ( t ) a 1 x 1 ( t ) a 2 x 2 ( t ) , tem-se que
S a 1 x 1 ( t ) sina 1 x 1 ( t ) , S a 2 x 2 ( t ) sina 2 x 2 ( t )
e
S a 1 x 1 ( t ) a 2 x 2 ( t ) sina 1 x 1 ( t ) a 2 x 2 ( t )
105
ANÁLISE DE SISTEMAS
S a 1 x 1 ( t ) a 1 x 1 ( t ) sin (t ) , S a 2 x 2 ( t ) a 2 x 2 ( t ) sin (t )
e
S a 1 x 1 ( t ) a 2 x 2 ( t ) a 1 x 1 ( t ) a 2 x 2 ( t ) sin ( t )
S a 1 x 1 ( t ) a 2 x 2 ( t ) S a 1 x 1 ( t ) S a 2 x 2 ( t )
y1 ( t ) ax 1 ( t ) b
y 2 ( t ) ax 2 ( t ) b
S x 1 ( t ) x 2 ( t ) ax 1 ( t ) ax 2 ( t ) b y1 ( t ) y 2 ( t )
y1 ( t ) y 2 ( t ) ax 1 ( t ) ax 2 ( t ) ax 1 ( t ) x 2 ( t )
a diferença na resposta entre duas entradas é uma função linear da diferença das
entradas.
Exemplo 4.11:
Avaliar se o diferenciador y(t)=dx/dt é um sistema linear.
dx 1 ( t ) dx 2 ( t )
y1 ( t ) e y 2 (t)
dt dt
d
a 1 x 1 ( t ) a 2 x 2 ( t ) a 1 dx 1 ( t ) a 2 dx 2 ( t ) a 1 y1 ( t ) a 2 y 2 ( t )
dt dt dt
106
SINAIS E SISTEMAS
Para um sistema com memória, a saída não depende apenas da entrada, mas
também das condições iniciais. Assim, as condições de aditividade e homogeneidade
devem ser aplicadas também para as condições iniciais.
Considere a saída yi(t), i=1, 2, para tt0, devido às condições iniciais vi(t0) e
entradas xi(t) para tt0. Então para o sistema ser linear devem valer:
v i (t 0 )
y i ( t ), t t 0 (4.7)
x i ( t ), t t 0
v1 (t 0 ) v 2 (t 0 )
y1 ( t ) y1 ( t ), t t 0 (4.8)
x 1 ( t ) x 1 ( t ), t t 0
av 1 ( t 0 )
ay1 (t ), t t 0 (4.9)
ax1 (t ) , t t 0
a 1v 1 (t 0 ) a 2 v 2 (t 0 )
a 1y1 (t ) a 2 y 2 (t ), t t 0 (4.10)
a 1 x1 ( t ) a 2 x 2 ( t ) , t t 0
Exemplo 4.12:
Considere o sistema RC série a seguir, com corrente de entrada x(t), e tensão de saída
y(t).
x(t)
R
y(t)
C
t
1
Neste caso , a tensão de saída é y( t ) Rx ( t ) x ()d v c ( t 0 ) e, a condição
C t0
inicial é a tensão no capacitor em t=t0. Avaliar se esse sistema é linear.
107
ANÁLISE DE SISTEMAS
a 1 v c1 ( t 0 ) 1
t
C t0
y 2 ( t ) R .a x
2 2 ( t ) a 2 x 2 ()d a 2 v c 2 ( t 0 ) e
a 2 x 2 (t)
a 1 v c1 ( t 0 ) a 2 v c 2 ( t 0 )
a 1x1 (t) a 2 x 2 (t )
t
1
y( t ) R a 1 x 1 ( t ) a 2 x 2 ( t ) a 1 x1 () a 2 x 2 ()d a 1 v c1 ( t 0 ) a 2 v c 2 ( t 0 )
C t0
e portanto conclui-se que o sistema é linear.
Uma outra condição importante para um sistema ser linear é que, para entrada
e condições iniciais nulas, a saída deve ser igual a zero:
v (t 0 ) 0
y ( t ) 0, t t 0 (4.11)
x(t ) 0 , t t 0
x(t) y(t)
H(f)
108
SINAIS E SISTEMAS
dy( t )
RC y( t ) x ( t ) e j2 ft
dt
R
x(t) y(t)
RC.[A( j2f ).e j2 ft B( j2f ).e j2 ft ] [A.e j2 ft B.e j2 ft ] e j2 ft
1 1
y( t ) .e j2 pft .x ( t )
1 j2RCf 1 j2RCf
109
ANÁLISE DE SISTEMAS
a qual indica que o gráfico do módulo H(f) tem simetria par e, o da fase arg[H(f)],
tem simetria ímpar.
Solução: Usando-se a identidade de Euler, observa-se que x(t) pode ser escrito como
A A
x ( t ) x e j x .e j0 t x e j x .e j0 t
2 2
donde percebe-se que cada parcela de x(t) constitui uma exponencial complexa, uma
na frequência f0 e outra em –f0, cuja resposta pode ser obtida a partir de (4.12)
A j 0 t A j j 0 t
y( t ) H(f 0 ) x e j x .e H(f 0 ) x e x .e
2 2
Embora H(f0) seja uma função complexa, em circuitos práticos, y(t) deve ser uma
função real no tempo pois x(t) é real. Entretanto, isto será verdadeiro se, e somente se,
H(f) for Hermitiana, conforme (4.14). Assim, substituindo-se (4.13), pode-se obter
A x j( 0 t x arg H ( f 0 ))
y ( t ) H (f 0 ) [e e j( 0 t x arg H ( f 0 )) ]
2
y( t ) A y cos(0 t y )
onde
110
SINAIS E SISTEMAS
(t) h(t)
SLIT
h ( t ) S ( t ) (4.15)
Como foi visto no Capítulo 1, qualquer sinal x(t) pode ser escrito como a
seguinte convolução com o impulso: x ( t ) x ( t ) ( t )
y( t ) S x ( t ) S x ( t ) ( t )
(4.17)
S x () ( t )d
111
ANÁLISE DE SISTEMAS
y( t ) x() h (t )d
y( t ) x()h (t )d x(t ) h(t )
(4.19)
y( t ) h()x(t )d h (t ) x (t )
(4.20)
g( t ) S u ( t )
u(t) h(t) h(t) u(t) (4.21)
h()u(t )d
dg ( t ) d
h ()u ( t )d
dt dt
d
h () dt u(t )d
d u (t )
Como ( t ) ,
dt
112
SINAIS E SISTEMAS
dg ( t )
h ()( t )d h ( t ) ( t ) h ( t )
dt
e portanto
dg( t ) d S{u ( t )}
h(t) (4.22)
dt dt
h ().e d .e j2 ft
j 2 f ( t ) j 2 f
y( t ) h ( t ) x ( t )
h ( ).e d
porém, o termo entre chaves é a transformada de Fourier de h(t), e assim
Por outro lado, discutimos na seção 4.3 que a resposta em frequência H(f) é tal
que
h (t )e
j 2 ft
H(f ) [h ( t )] dt (4.25)
h ( t ) H (f ) (4.26)
Como a saída y(t) de um SLIT, com entrada x(t) e resposta impulsiva h(t), é
y( t ) x ( t ) h ( t ) ,
Y (f ) X (f ) H (f ) (4.27)
113
ANÁLISE DE SISTEMAS
Para sistemas reais, h(t) é uma função real e H(f) apresenta simetria
Hermitiana (pois apresenta todas as propriedades da transformada de Fourier
estudadas no Capítulo 3), ou seja,
H (f ) H * ( f )
H (f ) H ( f ) (4.28)
arg[H(f )] arg[H(f )]
Y ( f ) X ( f ) H (f )
(4.29)
arg[Y(f )] arg[X(f )] arg[H(f )]
Ey
2
Y(f ) df (4.30)
A densidade espectral de energia do sinal de saída, Y(f)2, pode ser obtida a partir de
(4.27)
2 2 2
Y (f ) H (f ) . X (f ) (4.31)
114
SINAIS E SISTEMAS
sistema H(f), como já foi mencionado, indica como o sistema modifica a amplitude e
a fase de um sinal senoidal na frequência f aplicado à sua entrada.
Em alguns textos, H(f) pode ser chamada de função de transferência [3], [4] ou
função de sistema [9]. No entanto, os autores desta publicação consideram melhor
reservar a denominação de função de transferência (ou de sistema) a uma
representação mais abrangente de um determinado sistema. Essa representação mais
geral, para sistemas de tempo contínuo, é feita por meio da transformada de Laplace,
na variável complexa s j2f . Num sistema linear e invariante no tempo, a
entrada e a saída estão relacionadas por
com X(s) e Y(s) sendo as transformadas de Laplace dos sinais de entrada e saída,
respectivamente, e H(s) é a função de transferência do sistema. Para o caso particular
onde s j2f , tem-se a resposta do sistema em regime permanente senoidal, e
portanto a função de transferência se reduz à resposta em frequência do sistema.
Em outras palavras, a resposta em frequência H(f), às vezes representada
também por H( j) , é um caso particular obtido da função de transferência H(s), a
partir da qual também se pode obter a resposta transitória do sistema. Em
comunicações, geralmente tem-se o interesse de se trabalhar no regime permanente
senoidal, e portanto a resposta em frequência é mais utilizada. Em sistemas de
controle, pode-se ter um interesse maior em analisar a resposta transitória, para a qual
a representação do sistema em termos da função de transferência é mais comum.
Exemplo 4.15:
Esboçar o espectro de magnitudes do filtro RC passa-baixa e determinar sua largura de
banda.
Solução: No exemplo (4.13) foi visto que a equação diferencial deste sistema é
dy( t )
x ( t ) RC y( t )
dt
e daí
1
H (f )
1 j2fRC
O módulo de H(f) é
1
H (f )
1 (2fRC) 2
115
ANÁLISE DE SISTEMAS
1/ 2 0,707
f
-B 0 B
Figura 4.9 - Espectro de magnitudes do filtro RC passa-baixa.
1
B
2RC
f f f
0 w 0 w 0 w
H(f) H(f) H(f)
1 1 1
f f f
0 0 B 0B
Y(f) Y(f) Y(f)
f f
0 w 0 w 0 w
(a) (b) (c)
116
SINAIS E SISTEMAS
Exemplo 4.16:
Esboçar o sinal de saída do filtro RC passa-baixa quando o sinal de entrada for a porta
t /2
x ( t ) A.rect
1 RC 1 t / RC
h ( t ) 1 . e u(t)
RC 1 j2fRC RC
t t
0 0
(a) (b)
Figura 4.11 - Sinais para análise do filtro RC passa-baixa. a) Sinal de entrada. b) Resposta
impusiva.
A partir de (4.19) sabe-se que o sinal de saída desse filtro é dado pela
convolução entre os sinais mostrados na Fig.4.11.
y ( t ) x ( t ) * h ( t ) x ( ) h ( t ) d
0, t0
y( t ) A(1 e t / RC ), 0t
A(1 e t / RC ).e ( t ) / RC , t
t t t
0 0 0
Pela figura 4.12 a) percebe-se que, quando o valor da largura da porta for >>
RC, o sinal de saída mantém alguma semelhança com o sinal de entrada original,
117
ANÁLISE DE SISTEMAS
apresentando certa distorção nas subida e descida da função porta. Isto ocorre porque
o conteúdo espectral associado às descontinuidades da função porta é elevado, e o
filtro as suprime em certa quantidade, tornando o sinal de saída uma versão suavizada
da entrada. Porém, esta semelhança diminui à medida que a constante RC aumenta,
distorcendo severamente o sinal, como mostrado nos casos b) e c).
(a) (b)
y( t ) x ( t ) * h 1 ( t ) h 2 ( t ) (4.32)
x ( t ) h 1 ( t ) h 2 ( t ) x ( t ) * h 1 ( t ) h 2 ( t ) y( t ) (4.33)
Cujo resultado informa que a conexão em cascata de dois SLITs pode ser substituída
por um sistema cuja resposta impulsiva é a convolução entre as respostas impulsivas
individuais.
No domínio da frequência, aplica-se o teorema da convolução a (4.33)
obtendo-se
onde
y( t ) x ( t ) * h 1 ( t ) x ( t ) h 2 ( t ) (4.36)
118
SINAIS E SISTEMAS
x ( t ) h 1 ( t ) h 2 ( t ) x ( t ) * h 1 ( t ) x ( t ) h 2 ( t ) y( t ) (4.37)
h1(t) x(t)*h1(t)
H1(f)
x(t) y(t)
x(t) y(t)
+ h(t)
X(f) Y(f) H(f)
h2(t) X(f) Y(f)
H2(f)
x(t)*h2(t)
(a) (b)
ou seja
H (f ) H 1 (f ) H 2 (f ) (4.39)
| h(t ) | dt
(4.40)
119
ANÁLISE DE SISTEMAS
Ressalta-se que, a aplicação desta propriedade exige que h(t) possa ser
determinada ou que seja conhecida previamente. Entretanto, nos casos onde h(t) é de
difícil obtenção, porém, H(f) é conhecida, pode-se aplicar o critério de Paley-Wiener,
que estabelece que: “a condição necessária para que um SLIT seja causal é que H(f)
satisfaça a
ln H(f )
2
df 0 e H(f ) df . ” (4.41)
1 (2f ) 2
Observe que este critério não satisfaz à condição de suficiência, uma vez que
não leva em conta a fase de H(f), mas apenas o módulo H(f). Assim, podemos ter
valores de H(f) idênticos, porém, com fases diferentes, sendo que um conduz a um
sistema causal e outro não.
y (t ) K x(t t d ) (4.42)
Y ( f ) K X ( f ) e j2 f t d
Y (f )
H (f ) K e j2 f t d (4.43)
X (f )
H (f ) K
(4.44)
arg[H(f )] 2f t d
ou seja, H(f) é um sistema com amplitude constante e fase linear. Na Fig.4.15 estão
especificadas as características espectrais, de módulo e fase, de um sistema sem
distorção.
120
SINAIS E SISTEMAS
K
|H(f)|
f
arg[H(f)]
-2 td f
121
ANÁLISE DE SISTEMAS
HT(f)
K.e j2 ft d
H eq (f ) K.e j2 ft d [H(f )]1 (4.47)
H (f )
y( t ) K 1 x ( t t 1 ) K 2 x ( t t 2 )
sendo =2f, Kd=K2/K1 e =t2-t1>0 (encoraja-se o leitor a verificar isto !). Observe
j t
que, se =0, então, H (f ) K 1 (1 K d ).e 1 , e não há distorção. Assim, ocorre
distorção sempre que
A fim de compensar a distorção, deve-se providenciar um equalizador, com
resposta em frequência, Heq(f), que satisfaça (4.47). Esta equação, por sua vez, conduz
a
122
SINAIS E SISTEMAS
1
H(f ) K.e jt d
H eq (f )
1
H eq (f )
1 K d e j
Nos casos onde a intensidade da reflexão seja baixa (K2<<K1), ocorre Kd<<1,
1
e Heq(f) pode ser expandida numa série binomial: 1 a a 2 ..., a 1 ,
1 a
gerando-se
H eq (f ) 1 K d .e j K d2 .e j2
e j [e j K d K d2 .e j ]
onde utilizou-se apenas os três primeiros termos da série. Na Fig.4.17 ilustra-se uma
forma de sintetizar Heq(f) descrito acima, usando-se blocos elementares, cuja estrutura
é conhecida como filtro ou equalizador transversal.
DEFASADOR DEFASADOR
e-j e-j
+ +
EQUALIZADOR
Neste exemplo, trabalhou-se com apenas três elementos da série de potência. Para
uma maior equalização, pode-se trabalhar com mais elementos, o que implica em
acrescentar mais defasadores, amplificadores e somadores no diagrama da Fig.4.17,
segundo a seguinte relação de recorrência: o próximo amplificador, deve ser inversor
com ganho K 3d , o próximo tem ganho K d4 , e assim por diante.
123
ANÁLISE DE SISTEMAS
passante, e resposta nula fora dessa banda. Assim, por exemplo, um filtro passa-baixa
ideal, com largura de banda B, teria característica espectral conforme a mostrada na
Fig.4.18.
K
H (f )
f
-B 0 B
arg[H(f)]
h ( t ) 2KB.sinc[2B( t t d )] (4.49)
h(t)
2BK
t
0 td
Figura 4.19 - Resposta impulsiva do filtro passa-baixa ideal.
124
SINAIS E SISTEMAS
A rigor, portanto, a idéia de filtro ideal deveria ser abandonada, porém, como
constitui uma ferramenta muito poderosa para fins de análise matemática, não deve
ser desprezada. Na verdade, embora sinais causais (limitados no tempo) não sejam
estritamente limitados em banda, na prática, as amplitudes de seus espectros decaem à
medida que f aumenta, e as componentes em frequências superiores podem ser
desprezadas. Assim, basta construir filtros que transmitam as componentes espectrais
que contenham a maior parte da energia do sinal.
Em sistemas de comunicação existe uma transformação linear muito utilizada,
cujo resultado da transformação ainda se encontra no domínio do tempo, sendo
denominada de transformada de Hilbert. A próxima seção é dedicada ao estudo dessa
nova transformada.
H Q ( t ) j. sgn(f ) (4.50)
HQ(t)
+j
f
0
-j
Exemplo 4.18:
O sinal x ( t ) cos 0 t (1 / 3). cos 3 0 t (1 / 5). cos 5 0 t passa por um filtro de
Hilbert gerando o sinal y(t). Desenhar os gráficos de x(t) e y(t).
125
ANÁLISE DE SISTEMAS
x(t)
0.50
0.00
t
-0.50
-1.00
(a)
2.00
y(t)
1.00
0.00
-1.00
-2.00
(b)
Figura 4.21 - Ação do filtro de Hilbet sobre um sinal. a) Sinal de entrada x(t).
b) Sinal de saída y(t).
dx (f ) dx (f )
[ j2tX( t )] (4.51)
df df
j 1 dx (f )
X( t ) [ ] (4.52)
2t df
A seguir, efetua-se uma mudança no nome da função temporal X(t) para hQ(t). Assim,
torna-se natural trocar o nome de x(f) para HQ(f), tal que hQ(t) e HQ(f) formem um par
de transformadas de Fourier. Portanto,
126
SINAIS E SISTEMAS
j 1 dH Q (f )
h Q (t) [ ] (4.53)
2t df
j 1 du (f ) j 1
h Q (t) j2 j2.( t ) (4.55)
2t df 2t
e daí, finalmente
1
h Q (t) (4.56)
t
v̂( t ) h Q ( t ) * v( t ) (4.57)
1 v( )
t
v̂( t ) d (4.58)
1 v( t )
v̂( t ) d (4.59)
Exemplo 4.19:
Calcular a transformada de Hilbert da função v( t ) A. cos(t )
127
ANÁLISE DE SISTEMAS
sen x
0 x
.dx
2
e que f(x)=cos(x)/x é uma função ímpar, e assim, sua integral entre - e + é nula.
Portanto,
v̂( t ) A. sen(t )
Exemplo 4.20:
Calcular a transformada de Hilbert da função v( t ) A. sen(t )
a) (4.61a)
v(t) = - v(t)
b) (4.61b)
v(t)+.w(t) = v(t) + . w(t)
c) (4.61c)
^
vtvt
d) d n v( t ) d n (4.61d)
n v̂( t )
dt n dt
v( t ).v̂( t ) dt 0 (4.62 a)
1 T / 2
T T T / 2
lim v( t ).v̂( t ) dt 0 (4.62 b)
128
SINAIS E SISTEMAS
E v v( t ) dt v̂( t ) dt
2 2
(4.63)
A 0
1 ( t )
t
sen(0 t ) cos(0 t )
sin (t ) 1
t.sinc 2 (t )
2
e j 0 t j e j 0 t
(t) 1
t
t
( t 2 )
2
( t 2 )
2
rect ( t / 1) 1 2t 1
ln
2t 1
“Se v(t) e w(t) são sinais disjuntos em frequência, onde w(t) é passa-baixa e v(t) é
passa-alta, então
(4.64)
w(t).v(t) w ( t ).v̂( t )
129
ANÁLISE DE SISTEMAS
[ w( t )]
f
0
(a)
[cos( p t )]
f
-fp 0 fp
(b)
Figura 4.22 – Sinais para o exemplo 4.21.
para fp>.
(a) (b)
Fig. P4.9.1
4.9.2. Demonstrar que a condição necessária e suficiente para que um SLIT seja
causal é que sua resposta impulsiva, h(t), seja zero para t<0
Sugestão: Ver o livro do Roden [6]
4.9.3. Demonstrar que para um sistema linear e invariante no tempo ser estável BIBO,
é suficiente que a resposta impulsiva obedeça à seguinte condição: | h(t ) | dt
130
SINAIS E SISTEMAS
(a)
H1(f)=1
x(t) y(t)
+ H3(f)=1/(j2f)
(b)
Figura P4.9.4.
4.9.5 Considere um sinal x(t) limitado em B Hz. Este sinal é aplicado a um SLIT com
módulo e fase como indicados na figura P4.9.5. Determine a saída do sistema y(t) e
Y(f) (analíticamente e graficamente). Note o efeito da distorção em amplitude causada
pelo sistema.
x(t) y(t)
h(t) | H(f) | f f
H ( f ) a 0 a1 cos
B 2 B
x(t)
-B B f
arg{H(f)} arg{H ( f )} 2 t 0 f
X(f) t
-B B f
Figura P4.9.5
131
ANÁLISE DE SISTEMAS
132