Amostragem de sinais

Amostragem de Sinais 1 Amostragem de Sinais 2
Amostragem de Sinais
• Sinais de tempo discreto: podem ser obtidos a partir de sinais de
tempo contı́nuo → amostragem
Processamento Digital de Sinais • Amostras de um sinal: representação única??? A partir do sinal

amostrado, pode-se recuperar o sinal de tempo contı́nuo? [Teorema
de Nyquist]
• Aplicação: processamento discreto (digital) de sinais de tempo contı́nuo
Notas de Aula
Amostragem e Reconstrução de
Sinais
-T 0 T 2T tempo
Ricardo Tokio Higuti
Departamento de Engenharia Elétrica - FEIS - Unesp
Observação: Estas notas de aula estão baseadas no livro: “Discrete-Time Signal Processing”,
A.V. Oppenheim and R.W. Schafer, Prentice Hall, 1989/1999.
Amostragem Periódica Operações com a função Impulso de Tempo Contı́nuo

Z ∞
Conversores Contı́nuo/Discreto (C/D) e Discreto/Contı́nuo (D/C): • δ(t)dt = 1
−∞
xc (t) x[n] x[n] xc (t) • x(t)δ(t) = x(0)δ(t), x(t) contı́nuo em t = 0

C/D D/C
Z ∞
T = 1/fs T = 1/fs • x(t)δ(t)dt = x(0), x(t) contı́nuo em t = 0
−∞
• Sinal de tempo contı́nuo: xc (t)

• x(t)δ(t − t0) = x(t0)δ(t − t0 ), x(t) contı́nuo em t = t0
• Sinal de tempo discreto: x[n] = xc(nT ), −∞ < n < ∞

Z ∞
• x(t)δ(t − t0 )dt = x(t0), x(t) contı́nuo em t = t0
−∞
• Perı́odo de amostragem: T [s]

Z ∞
• x(t) ∗ δ(t) = x(τ )δ(t − τ )dτ = x(t)
−∞
• Frequência de amostragem: fs = 1/T [Hz ou amostras/s]
• x(t) ∗ δ(t − t0 ) = x(t − t0 )

• Frequência de amostragem: Ωs = 2πfs [rad/s]
Representação Matemática da Amostragem Amostragem de sinal senoidal

Amostragem periódica por impulsos - conversor Contı́nuo-Discreto (C/D)
xc(t) = cos(Ω0t)
s(t) xc (t)
xc (t)
xc (t) xs (t) Conversor x[n] = xc (nT )
x Impulso - t t
sequência
T T ′ = 2T
s(t) s′(t)
C/D ... ... ...
...
+∞
X t t
Trem de impulsos periódico: s(t) = δ(t − nT ) ′
n=−∞ xs (t) ... xs (t) ...
Sinal amostrado de tempo contı́nuo:
t ... t
+∞
xs (t) = xc (t) · s(t) = xc (t) ...
X
δ(t − nT )
n=−∞
x[n] x′ [n]
=
X
xc (nT )δ(t − nT ) ... ...
n
0123
n 012 n
...
xc (t) xc (t) • O sinal de tempo contı́nuo é o mesmo para os dois casos;

t t
s(t)
• T ′ = 2T , portanto no lado esquerdo a frequência de amostragem é
s′(t)
maior;
... 1 ... ... 1 ...
• A frequência do sinal de tempo discreto x[n] é menor que a frequência
-2T -T 0 T 2T 3T t -T' 0 T' 2T'
t de x′[n]
xs (t) xc (0)
′
xs (t)
xc (2T )
... xc (T ) ...
... xc (T ′ ) xc (2T ′...
)
xc (0)
-2T -T 0 T 2T 3T -T' 0 T' 2T'
t t
x[2] = xc (2T )
x′ [0] = xc (0)
x[0] = xc (0)
x′ [1] = xc (T ′ )
x[1] = xc (T )
x′ [2] = xc (2T ′ )
x′ [n]
x[n]
... ... ... ...
-2 -1 0 1 2 3 n -2 -1 0 1 2 3 4 5 n
replacemen
Representação em Frequência Recuperação do sinal original a partir das amostras
Multiplicação no tempo ⇒ Convolução no domı́nio da frequência Observando-se o espectro do sinal amostrado, pode-se recuperar o sinal
original por meio de um filtro passa-baixas.
• Trem de impulsos periódico:
+∞ 2π +∞ filtro de
X
δ(t − nT ) ↔ S(jΩ) =
X
s(t) = δ(Ω − kΩs) Conversor xs (t) xr (t)
n=−∞ T k=−∞ x[n] reconstrução
sequência - Hr (jΩ)
impulso
• Sinal amostrado:
D/C T
xs(t) = xc (t) · s(t) X(ejω )
x[n]
1/T
... x[0] ...
l 1
x[2]
1 -2 -1 0 2 3
n -4p -2p −ωn ωn 2p 4p ω
Xs (jΩ) = Xc (jΩ) ∗ S(jΩ) x[1] 2π − ωn
2π
∞ Xs (jΩ)
1 2π X xs (t)
= Xc (jΩ) ∗ δ(Ω − kΩs ) ... xc (0) 1/T
2π T k=−∞ xc (2T ) ...
T
-2T -T 0 2T 3T
t −2Ωs −Ωs −ΩN ΩN Ωs 2Ωs Ω
1 X xc (T )
Ωs − ΩN
= Xc (jΩ − jkΩs)
T k
Hr (jΩ)
hr (t) T
=⇒ O espectro do sinal amostrado, Xs (jΩ) , é composto por cópias
do espectro do sinal, Xc (jΩ), repetidas a cada Ωs rad/s e escalonadas por Ω
t Ωc
1/T = fs .
Xr (jΩ)
Xc (jΩ) xr (t)
xc (t) 1
1
t −ΩN ΩN Ω
t −ΩN ΩN Ω
O filtro de reconstrução Hr (jΩ) tem:
s(t) S(jΩ)
2π
... 1 ... T • Ganho T
-2T -T 0 T 2T 3T t −2Ωs −Ωs 0 Ωs 2Ωs Ω • frequência de corte Ωc, com ΩN < Ωc < Ωs − ΩN (tipicamente pode-se
Xs (jΩ) utilizar Ωc = Ωs/2)
xs (t)
xc (0) 1/T
... xc (2T ) ... Pode-se escrever o sinal de tempo contı́nuo reconstruı́do como:
T
-2T -T 0 2T 3T −ΩN ΩN Ωs Ω
t −2Ωs −Ωs 2Ωs
xc (T )
Ωs − ΩN
xr (t) = xs(t) ∗ hr (t) ↔ Xr (jΩ) = Hr (jΩ)Xs(jΩ)
O filtro de reconstrução faz uma interpolação ideal entre os impulsos

nos instantes nT .
Teorema de Nyquist Efeito de Aliasing

Seja xc (t)um sinal de banda limitada, com Caso a frequência de amostragem não seja suficientemente alta, ocorre
a sobreposição do espectro (aliasing), impossibilitando recuperar o sinal
Xc (jΩ) = 0 para |Ω| > ΩN original.
Então xc (t) é unicamente determinado por suas amostras x[n] = xc (nT ), Xc (jΩ)
−∞ < n < +∞, se 1
2π
Ωs = > 2ΩN
T
Ou seja, a frequência de amostragem deve ser maior que duas vezes a −ΩN ΩN Ω
máxima frequência do sinal a ser amostrado.
A frequência máxima do sinal também pode ser chamada de frequência
Xs (jΩ)
de Nyquist. Ωs > 2ΩN
Por exemplo, para o CD: fN = 20 kHz, fs = 44.1 kHz. 1/T
... ...
−Ωs −ΩN ΩN Ωs 2Ωs Ω

Ωs − ΩN
Xs (jΩ)
Ωs < 2ΩN
1/T
... ...
−Ωs Ωs 2Ωs 3Ωs Ω
sobreposição do espectro
aliasing
Caso a frequência de amostragem não obedeça o teorema de Nyquist,

deve-se colocar um filtro passa-baixas antes da aquisição de dados, que
limite a máxima frequência do sinal à metade da frequência de amostragem.
Este filtro é chamado de filtro anti-aliasing .
Filtro Anti-Aliasing Relação entre Xs(jΩ) e X(ejω )

Caso a frequência de amostragem não obedeça o teorema de Nyquist, deve- Z ∞
se colocar um filtro analógico passa-baixas antes da aquisição de dados, que Xs (jΩ) = xs (t)e−jΩtdt
Z−∞
limite a máxima frequência do sinal à metade da frequência de amostragem.
" #
∞ X
= xc (nT )δ(t − nT ) e−jΩtdt
Este filtro é chamado de filtro anti-aliasing . −∞ n
xc (nT )e−jΩT n
X
=
n
s(t)
xa (t) Filtro anti- xc (t) Conversor x[n] = xc (nT )

xs (t)
X(ejω ) = x[n]e−jωn
X
aliasing x Impulso
n
Haa (jΩ) - Sequência
xc (nT )e−jωn
X
=
n
C/D
Portanto:
Xa (jΩ) Xs (jΩ) = X(ejω )|ω=ΩT
Ou, relacionando como sinal de tempo contı́nuo:

1
1 ∞ ω 2πk
!
X(ejω ) =
X
Xc j −j
−ΩN ΩN Ω T k=−∞ T T
Haa (jΩ) - filtro anti-aliasing Como a relação entre x[n] e xc(t) pode ser obtida por uma normalização
no eixo do tempo por T , algo parecido pode ser conseguido com as respec-
1
tivas representações em frequência. A frequência Ωs = 2π/T é normalizada

para a frequência ω = 2π.
−Ωs /2 Ωs /2 Ω
Xc (jΩ) 1
Xc (jΩ) = Xa (jΩ) · Haa (jΩ)
Ω
ΩN
1
−Ωs /2 Ωs /2 Ω Xs (jΩ)
1/T
Ω
ΩN 2π
Xs (jΩ) −Ωs Ωs =
T
... ... X(ejω )
1
1/T
−Ωs Ωs 2Ωs 3Ωs Ω ω

2p 4p
-2p ΩN T
Amostragem de sinal senoidal Amostragem de sinal senoidal

Considere a amostragem de um sinal senoidal: Utilizando uma taxa de amostragem fs igual a 3 kHz, e frequência do sinal
senoidal igual a 1 kHz, Ω0 = 2π × 103 rad/s e os espectros dos sinais são:
xc(t) = A cos(Ω0t)
Xc (jΩ)
O sinal amostrado é: xc(t) ↔
x[n] = xc(t)|t=nT
−Ω0 Ω0 Ω
= A cos(Ω0nT ), Ω0 = 2πf0 , T = 1/fs Hr (jΩ) Xs (jΩ)

2πf0
! xs(t) ↔
= A cos n
fs −Ω0 Ω0 Ωs Ω
−2Ωs −Ωs 2Ωs
Ωs − Ω0
2πf0
= A cos(ω0n), ω0 = . X(ejω )
fs
x[n] ↔
Portanto a frequência do sinal senoidal de tempo discreto também pode
ser vista como uma frequência normalizada pela frequência de amostragem, -4p -2p − 2π
3
2π
3 2p 4p ω
neste caso. 4π
3
ATENÇÃO: Deve-se tomar cuidado quando há aliasing, pois a máxima
frequência de um sinal senoidal de tempo discreto é π rad. • Neste caso, não há aliasing, e pode-se recuperar o sinal original a
partir das suas amostras.
• A frequência do sinal de tempo discreto é ω0 = 2π/3 rad
• A frequência do sinal reconstruı́do é: Ω0r = 2π × 103 rad/s
0.8
0.6
0.4
0.2
−0.2
−0.4
−0.6
−0.8
−1
0 2 4 6 8 10 12 14 16
amostra
Amostragem de sinal senoidal (cont.) Amostragem de sinal senoidal (cont.)

Aumentando agora a frequência do sinal para Ω0 = 2π × 2 × 103 rad/s: Exercı́cio:
Xc (jΩ) Refaça (obtendo os gráficos de Xc (jΩ), Xs (jΩ) e X(ejω )) para as seguintes
xc (t) ↔ combinações de sinais:
−Ω0 Ω0 Ω • Ω0 = 8π × 103 rad/s, f0 = 3 kHz;
Hr (jΩ) • Ω0 = 16π × 103 rad/s, f0 = 3 kHz;

Xs (jΩ)
xs (t) ↔ • Ω0 = 8π × 103 rad/s, f0 = 5 kHz;
Ω0 Ωs 2Ωs Ω • Ω0 = 16π × 103 rad/s, f0 = 5 kHz;

−2Ωs −Ωs
Ωs − Ω0
X(ejω )
x[n] ↔
4π
-4p -2p 3 2p 4p ω
2π
3
2πf0 4π
• Neste caso, ocorre aliasing, e = > π rad – esta NÃO é a
fs 3
frequência do sinal de tempo discreto.
4π
• A frequência do sinal de tempo discreto é: 2π − 3 = 2π/3 rad
• A frequência do sinal reconstruı́do é: Ω0r = Ωs −Ω0 = 2π×103 rad/s —
Um sinal de frequência mais alta aparece com frequência mais baixa,
devido à subamostragem.
0.8
0.6
0.4
0.2
−0.2
−0.4
−0.6
−0.8
−1
0 2 4 6 8 10 12 14 16
amostra
Processamento Discreto de Sinais de Tempo Contı́nuo Exemplo: Filtro Passa-Baixas Ideal


jω
 1, |ω| ≤ ωc
xc (t) x[n]
Sistema de
y[n]
H(e ) = 
tempo discreto yc (t) 0, ωc < |ω| ≤ π
C/D D/C
H(ejω )
A resposta em frequência efetiva analógica fica (ω → ΩT )
T T 
 1, |ΩT | ≤ ωc ou |Ω| ≤ ωc /T
Hef f (jΩ) = 
Se o sistema for um SLIT com resposta em frequência H(ejω ), 0, |ΩT | > ωc ou |Ω| > ωc /T
Y (ejω ) = H(ejω )X(ejω )

H(ejω )
1
a saı́da reconstruı́da será:

−2π −ωc ωc 2π ω
Yr (jΩ) = Hr (jΩ)Ys(jΩ) = Hr (jΩ)Y (ejΩT ) = Hr (jΩ)H(ejΩT )X(ejΩT )
Hef f (jΩ)
1
Usando a relação entre X(ejω ) e Xc (jΩ), fica-se com:
1 ∞ 2πk
!
ωc
jΩT X
−Ωc Ωc = Ω
Yr (jΩ) = Hr (jΩ)H(e ) Xc jΩ − j T
T k=−∞ T
• A frequência de corte do filtro, Ωc , depende da frequência de amostragem.
Se o sinal xc(t) tiver a banda limitada e se tiver sido usada uma taxa de • Para mudar Ωc, modifica-se a frequência de corte do filtro digital ωc .
amostragem adequada, então o filtro de reconstrução cancela o fator 1/T
• Os parâmetros do filtro têm menor dependência de fatores de envel-
e filtra apenas o termo de baixa frequência, ficando-se com:
hecimento, temperatura.
 Por exemplo, deseja-se um filtro passa-baixas analógico com frequência

 H(ejΩT )Xc (jΩ), |Ω| ≤ π/T (= Ωs /2) de corte igual a 1 kHz. A frequência de amostragem é igual a 8 kHz. A
Yr (jΩ) = 
0, |Ω| > π/T frequência de corte do filtro digital deve ser: ωc = ΩcT = 2πfc /fs = π/4.
A resposta em frequência efetiva do sistema de tempo contı́nuo fica:


 H(ejΩT ), |Ω| ≤ π/T
Hef f (jΩ) = 
0, |Ω| > π/T
ou seja, se faz um escalonamento da resposta em frequência pelo perı́odo
(frequência) de amostragem.
Processamento Discreto de Sinais de Tempo Contı́nuo Mudança da Taxa de Amostragem

É possı́vel mudar a taxa de amostragem usando sistemas discretos.
Xc (jΩ) 1
Ω Aplicações:
ΩN
• Atrasadores de fase (atraso por uma fração de intervalo de amostragem;
Xs (jΩ) • Interface entre sistemas com taxas de amostragem diferentes;
1/T
Ω • Implementação de bancos de filtros (análise espectral, sı́ntese de sinais).

−Ωs ΩN Ωs
x[n] = xc (nT ) x′ [n] = xc (nT ′), T 6= T ′
X(ejω )
1/T
• T : perı́odo de amostragem original
ω
-2p ΩN T 2p • T ′ : novo perı́odo de amostragem
H(ejω ) 1
ω
-2p ωc 2p
Y (ejω )
1/T
ω
-2p ωc 2p
Ys (jΩ)
1/T
Ω
−Ωs Ωc = ωc /T Ωs
Hr (jΩ) T
Ω
π/T
Yc (jΩ)
1
Ω
Ωc = ωc /T
Redução da Taxa de Amostragem Redução da Taxa de Amostragem

Uma sequência pode ter a frequência de amostragem reduzida por um fator Observações
inteiro M, por meio de uma “nova amostragem” do sinal discreto, usando
• xc (t) tem uma banda limitada a ΩN ;
um dizimador:
• Se não há aliasing na amostragem de x[n], então:
x[n] xd [n] = x[nM]
↓M – Ωs > 2ΩN , ou π/T > ΩN , ou seja,
– a máxima frequência do sinal de tempo discreto x[n] deve ser:
ωN < π
xd [n] = x[nM] = xc (nMT ) = xc(T ′ )
• Para não haver aliasing no sinal subamostrado xd [n], deve-se garantir
• O dizimador apenas descarta amostras do sinal de entrada: para M = que:
2, uma de cada duas amostras é descartada, para M = 3,duas de cada – π/T ′ > ΩN , ou π/MT > ΩN
três amostras são descartadas, e assim por diante.
– a máxima frequência do sinal de tempo discreto x[n] (antes da
subamostragem) deve ser: ωN < π/M
x[n]
... ... Ou seja, para não causar aliasing em xd [n], o sinal x[n] deve ter sido
amostrado a uma taxa M vezes maior que a mı́nima frequência de amostragem
0 1 2 3 4 5 6 7 8 9 10 n (pois esta será reduzida de M vezes pelo dizimador).
xd [n] = x[2n]
... ...
0 1 2 3 4 5 6 7 8 9 10 n
xd [n] = x[3n]
... ...
0 1 2 3 4 5 6 7 8 9 10 n
Redução da Taxa de Amostragem Redução da Taxa de Amostragem

Se fossem analisados os espectros a partir dos sinais amostrados, a repre- Considerando um sinal amostrado a uma taxa igual a duas vezes a mı́nima,
sentação em frequência do sinal amostrado com perı́odo T é: fica-se com os espectros:
1 +∞ ω 2πk
!
X(ejω ) =
X
Xc j −j
T k=−∞ T T
O sinal amostrado com perı́odo T ′ = MT é obtido a partir de: Xc (jΩ) 1
1 +∞ ω 2πr
! Ω
Xd (ejω ) =
X
Xc j −j
MT r=−∞ MT MT
Xs (jΩ)
ou seja, nota-se um fator de amplitude e um escalonamento que relacionam 1/T
as funções X(ejω ) e Xd (ejω ).
Ω
−Ωs Ωs
Fazendo-se a mudança de variável r = i + kM, onde −∞ < k < +∞ e
0 ≤ i ≤ M − 1: X(ejω )
1/T
 !
1 M −1 1 +∞ ω 2πk 2πi
jω X X
ω
Xd (e ) =  Xc j −j −j 
M i=0 T k=−∞ MT T MT -2p -p p 2p
ou
1 M −1 Xd (ejω )
Xd (ejω ) = X(ej[(ω−2πi)/M ]) 1/MT
X
M i=0
ou seja, o espectro de xd [n] é composto por cópias escalonadas do espectro ω
-2p -p p 2p
do sinal original. Nesta equação, deve-se lembrar que, para que não ocorra
aliasing em Xd (ejω ):
X(ejω ) = 0, para π/M ≤ |ω| ≤ π Se os sinal tivesse sido amostrado à metade da taxa original, ter-se-ia:
Xs (jΩ)
1/T'
Ω
−2Ωs −Ωs Ωs 2Ωs
Xd (ejω )
1/T'
ω
-2p -p p 2p
Redução da Taxa de Amostragem Aumento da Taxa de Amostragem

Para garantir que não ocorre aliasing no sinal subamostrado, pode-se uti- Equivale a uma interpolação:
lizar um filtro passa-baixas com frequência de corte π/M antes de se re-
alizar a redução da taxa. xi[n] = xc (nT ′), T ′ = T /L
x[n] x̃[n] x̃d [n] = x̃[nM]

x[n] xi[n]
LPF ↓M ↑L
xe[n]
LPF
taxa taxa taxa
fs
fs = T1 fs = T1 1
T′
=M = 1
MT taxa taxa taxa
fs = T1 1
T′ = Lfs = L
T
1
T′ = Lfs = L
T
Xc (jΩ) 1
Ω O sinal xe[n] é definido por:


Xs (jΩ)
 x[n/L], n = 0, ±L, ±2L, ...
xe [n] = 
1/T 0, c.c.
Ω ou
−Ωs Ωs +∞
X
xe [n] = x[k]δ[n − kL]
k=−∞
X(ejω )
1/T
ω
-2p -p p 2p
x[n]
Xd (ejω ) ... ...
1/MT
0 1 2 3 4 5 6 7 8 9 10 n
ω
-2p -p p 2p
xe[n], L = 2
H(ejω ) ... ...
1
0 1 2 3 4 5 6 7 8 9 10 n
π
ω
-2p -p ωc = M
p 2p
xe[n], L = 3
X̃(ejω ) ... ...
1/T
ω 0 1 2 3 4 5 6 7 8 9 10 n
-2p -p p 2p
• O sinal xe [n] possui (L − 1) zeros entre as amostras originais

X̃d (ejω ) 1/T'
• O filtro passa-baixas faz a interpolação entre essas amostras
ω
-2p -p p 2p
Aumento da Taxa de Amostragem Aumento da Taxa de Amostragem
+∞
Exemplo para L = 2.
X
xe [n] = x[k]δ[n − kL]
k=−∞
Xc (jΩ) 1
A DTFT de xe[n] é:
Ω
 
+∞ +∞
Xe (ejω ) = x[k]δ[n − kL] e−jωn
X X

n=−∞ k=−∞ Xs (jΩ)
1/T
+∞
x[k]e−jωLk = X(ejωL ) Ω
X
=
k=−∞ −Ωs Ωs
X(ejω )
1/T
O espectro do sinal xe[n] é composto pelo espectro do sinal original
ω
escalonado. No entanto, nesta operação aparecem porções de espectro que -2p -p p 2p
não existiriam caso o sinal fosse amostrado com T ′ diretamente. Por isto,
é necessário o filtro passa-baixas com ganho L e frequência de corte πL Xe (ejω ) 1/T
para que o espectro fique como Xi (ejω ).
ω
-2p -p p 2p
X(ejω ) H(ejω ) L
1/T
ω ω
π
-2p -p p 2p -2p -p ωc = L
p 2p
Xe (ejω ), L = 2 Xi (ejω ) 1/T' = L / T

1/T
ω ω
-p p -2p -p p 2p
-2p 2p
Xi (ejω ) 1/T' = L/T
ω
-2p -p p 2p
Mudança da Taxa de Amostragem por um fator não- Aspectos Práticos

inteiro
Num sistema real, os conversores C/D e D/C apresentam aspectos não-
Agrupando em cascata um interpolador e um dizimador, pode-se mudar a ideais:
taxa de amostragem por um fator racional:
• Filtros não-ideais (anti-aliasing, reconstrução);
interpolador dizimador • Conversão C/D: conversor A/D não-ideal:
- número finito de bits (digital - amplitude discreta);
LPF LPF - sample-and-hold
x[n] xe [n] xi [n] x̃i [n] x̃d [n]
↑L Ganho L Ganho 1
↓M
ωc = π/L ωc = π/M
taxa taxa taxa taxa taxa Sistema de

xc (t) x[n] tempo discreto y[n] yc (t)
fs = T1 Lfs = L
T
Lfs = L
T
Lfs = L
T
Lfs
M C/D D/C
jω
H(e )
T T
Utilizando o filtro passa-baixas como sendo aquele com menor frequência
de corte e ganho L, fica-se com:
LPF Um modelo mais próximo do real é:

x[n] xe [n] x̃i [n] x̃d [n]
↑L Ganho L ↓M
ωc =min{π/L, π/M}
xc (t) Filtro xa (t) Sample xsh (t) x̂[n] ŷ[n] yc (t) yr (t)
Filtro de
Anti- & ADC Sistema DAC reconstrução
taxa taxa taxa taxa Aliasing Hold
fs = T1 Lfs = L
T Lfs = TL Lfs
M T T T
Pré-filtragem - anti − aliasing Conversão A/D

• Na prática: sinais podem não ter banda limitada; • Na prática: conversão A/D com número finito de bits - sinal dig-
ital;
• Filtro passa-baixas antes da amostragem: anti − aliasing;
• Amostras 6= valores reais nos instantes de amostragem - Ruı́do de
• Atenua frequências acima de Ωs/2;
quantização;
• Filtro analógico não-ideal (distorção de fase/amplitude).
• Conversor A/D - necessário um sample-and-hold;
Filtro • Sinal sofre distorção.

0
−20
−40
mag
−60
−80
−100
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1
2
fase
−2
−4
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1
Ω/Ωs
Entrada xc (t)
Saı́da xa (t)
amplitude
tempo
Sample-and-Hold - Amostragem com Retenção Sample-and-Hold

Em razão da retenção, há uma distorção introduzida.
xc (t) Filtro xa (t) xsh (t) x̂[n]
Sample
xa (t) xsh (t) Anti- & ADC
Aliasing Hold
T T
Xa (jΩ) 1
xa (t)
amplitude
t −ΩN ΩN Ω
xs (t) Xs (jΩ) 1/T

... ... ...
...
-2T -T 0 T 2T 3T Ω
t −Ωs −ΩN ΩN Ωs
T tempo p(t)
|P (jΩ)| T
O sinal de saı́da do S/H pode ser escrito como: ... ... ... ...
0 T t −Ωs Ωs Ω
xsh (t) = xs (t) ∗ p(t)
|Xsh (jΩ)|
xsh (t) 1
em que:
... ...
• xs (t) é o sinal amostrado por impulsos -2T -T 0 T 2T 3T −Ωs −ΩN ΩN Ωs Ω
t
• p(t) é um pulso retangular de duração T

• A distorção introduzida pelo S/H pode ser compensada no sistema de
Logo, no domı́nio da frequência fica-se com:
tempo discreto/digital
Xsh (jΩ) = Xs (jΩ) · P (jΩ)
Como Xs (jΩ) é composto por cópias do espectro original, nota-se que

há modificação deste devido à multiplicação por P (jΩ).
sin(ΩT /2) −jΩT /2
P (jΩ) = T e
ΩT /2
Conversão D/A Sobreamostragem (oversampling)

• Filtro de reconstrução não-ideal. Uma alternativa para simplificar os sistemas de tempo contı́nuo envolvidos
na amostragem é utilizar uma taxa de amostragem bem mais elevada que
• A distorção pode ser compensada pelo sistema de tempo discreto/digital.
a mı́nima necessária.
• Filtros anti-aliasing e de reconstrução analógicos de ordem mais baixa;
ŷ[n] yc (t) yr (t)
Filtro de
DAC reconstrução • Maior volume de dados (mais amostras por segundo);
• Podem-se usar dizimadores e interpoladores;
T
• Filtros digitais podem compensar as distorções da amostragem (S/H,
ŷ[n]
DAC) e dos filtros analógicos.
... ...
-2 -1 0 1 2 3 n
Sistema de
yc (t)
C/D ↓M tempo ↑M D/C
discreto
T operação a T
taxa mais baixa
{
{
-2T -T 0 T 2T 3T operação a operação a
t
taxa elevada taxa elevada
yr (t)
-2T -T 0 T 2T 3T
t
Efeitos de Quantização Efeitos de Quantização

Conversão A/D: • Devido à quantização, há um erro e[n] na representação do sinal:
• Representação do sinal com um número finito de bits; x[n] x̂[n] = Q(x[n])

quantizador
• Introdução de erros/ruı́do de quantização
Q(.)
O quantizador converte um sinal de tempo discreto em um sinal digital
com representação por um número finito de bits. Para um quantizador x[n]
com três bits, com aproximação por arredondamento para o nı́vel digital
mais próximo (código binário em complemento de dois):
+ x̂[n] = x[n] + e[n]
e[n]
amostras ideais
3D 011
amostras quantizadas
2D 010
• O erro, no caso de arredondamento, pode assumir valores:
D 001
0 000
−∆/2 < e[n] ≤ ∆/2
-D 111
-2D 110
• Para truncamento: −∆ < e[n] ≤ 0
-3D 101
-4D 100 • O erro e[n] é uma sequência aleatória estacionária
0 T 2T 3T 4T • e[n] não tem correlação com o sinal x[n]
A curva que relaciona a entrada e a saı́da quantizada é: • Duas amostras de ruı́do são não-correlacionadas - ruı́do branco
x̂ = Q(x) • A função densidade de probabilidade do erro é constante no intervalo
3D 011
de valores do erro de quantização
2D 010
pe (e)
D 001
0 000
x
-D 111
1/D
-2D 110
-3D 101
-4D 100
e
-9D/2 -7D/2 -5D/2 -3D/2 -D/2 D/2 3D/2 5D/2 7D/2 9D/2
-D/2 D/2
Considerando um quantizador com B + 1 bits, o número de nı́veis de • Valor médio do ruı́do de arredondamento: E{e[n]} = 0
quantização é dado por: 2B+1. Se o conversor A/D possibilitar uma ex-
• Variância do ruı́do (potência): σe2 = E{e2[n]} = ∆2/12 = 2−2B Xm
2
/12
cursão de sinal entre Xm e −Xm , os passos de quantização terão amplitude
dada por:
2Xm Xm
Efeitos de Quantização Interpolação linear - exemplo

• Potência do ruı́do:
xc (t) x[n] xe [n] y[n] yc (t)
σe2 = 2−2B Xm
2
/12 C/D ↑2 h[n] D/C
• Potência do sinal: σx2

T T
• Relação sinal-ruı́do de quantização, em decibéis:
σx2  12 · 22B σx2  xc (t) Xc (jΩ)

   
SNRq = 10 log10 2
 = 10 log10  ... ... 1
σe Xm 2
0
Ω
t −Ωs −ΩN ΩN Ωs
Xm
!
= 6.02B + 10.8 − 20 log10
σx
x[n] X(ejω )
Analisando a equação de SNRq : ... ... 1/T
• A relação sinal-ruı́do aumenta cerca de 6 dB a cada bit adicionado; 0 1 2 3 4 5 6 7 8 9 10

ω
n -p p
-2p 2p
• Sobre o termo −20 log10 ( Xσxm ):
xe [n]
Xe (ejω ) 1/T
– O fator Xm em geral é fixo para um sistema de aquisição; ... ...
– O fator σx é o valor rms do sinal; 0 1 2 3 4 5 6 7 8 9 10 n
ω
-2p -p p 2p
– Quanto menor o valor rms em relação a Xm , menor será a SNR
(o sinal está excursionando por poucos nı́veis de quantização do
h[n] 1
ADC); H(ejω ) 2
... 1/2 1/2 ...
– Para valores rms maiores, a SNR aumenta, mas deve-se tomar
ω
cuidado para que os valores de pico não ultrapassem ±Xm , pois 0 1 2 3 4 5 6 7 8 9 10 n
-2p -p p 2p
isso introduzirá distorções no sinal quantizado.
y[n] Y (ejω )
– Para um sinal com distribuição de amplitudes Gaussiana com ... ... 2/T
valor rms (desvio padrão) σx , apenas 0.064% das amostras ul-
ω
trapassa a amplitude de 4σx . Considerando σx = Xm /4, fica-se 0 1 2 3 4 5 6 7 8 9 10 n
-2p -p p 2p
com:
SNRq ∼ 6B − 1.25 [dB] yc (t) Yc (jΩ)

... ... 2/T
– Para um sistema com 16 bits, a relação sinal-ruı́do de quantização Ω
0 t
fica em torno de 95 dB. −Ωs − Ω2N ΩN
2 Ωs

Amostragem de sinais

Caricato da

Informazioni sul documento

Descrizione originale:

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Amostragem de sinais

Caricato da

Copyright:

Formati disponibili

Amostragem de Sinais 1 Amostragem de Sinais 2

Processamento Digital de Sinais • Amostras de um sinal: representação única??? A partir do sinal

Ricardo Tokio Higuti

Departamento de Engenharia Elétrica - FEIS - Unesp

Amostragem Periódica Operações com a função Impulso de Tempo Contı́nuo

xc (t) x[n] x[n] xc (t) • x(t)δ(t) = x(0)δ(t), x(t) contı́nuo em t = 0

• Sinal de tempo contı́nuo: xc (t)

• Sinal de tempo discreto: x[n] = xc(nT ), −∞ < n < ∞

• Perı́odo de amostragem: T [s]

• x(t) ∗ δ(t − t0 ) = x(t − t0 )

Representação Matemática da Amostragem Amostragem de sinal senoidal

xc (t) xc (t) • O sinal de tempo contı́nuo é o mesmo para os dois casos;

... ... ... ...

O filtro de reconstrução faz uma interpolação ideal entre os impulsos

Teorema de Nyquist Efeito de Aliasing

−Ωs −ΩN ΩN Ωs 2Ωs Ω

−Ωs Ωs 2Ωs 3Ωs Ω

Caso a frequência de amostragem não obedeça o teorema de Nyquist,

Filtro Anti-Aliasing Relação entre Xs(jΩ) e X(ejω )

xa (t) Filtro anti- xc (t) Conversor x[n] = xc (nT )

Xa (jΩ) Xs (jΩ) = X(ejω )|ω=ΩT

Ou, relacionando como sinal de tempo contı́nuo:

tivas representações em frequência. A frequência Ωs = 2π/T é normalizada

−Ωs Ωs 2Ωs 3Ωs Ω ω

Amostragem de sinal senoidal Amostragem de sinal senoidal

= A cos(Ω0nT ), Ω0 = 2πf0 , T = 1/fs Hr (jΩ) Xs (jΩ)

Amostragem de sinal senoidal (cont.) Amostragem de sinal senoidal (cont.)

−Ω0 Ω0 Ω • Ω0 = 8π × 103 rad/s, f0 = 3 kHz;

Hr (jΩ) • Ω0 = 16π × 103 rad/s, f0 = 3 kHz;

Ω0 Ωs 2Ωs Ω • Ω0 = 16π × 103 rad/s, f0 = 5 kHz;

Processamento Discreto de Sinais de Tempo Contı́nuo Exemplo: Filtro Passa-Baixas Ideal

Y (ejω ) = H(ejω )X(ejω )

a saı́da reconstruı́da será:

 Por exemplo, deseja-se um filtro passa-baixas analógico com frequência

A resposta em frequência efetiva do sistema de tempo contı́nuo fica:

Processamento Discreto de Sinais de Tempo Contı́nuo Mudança da Taxa de Amostragem

Ω • Implementação de bancos de filtros (análise espectral, sı́ntese de sinais).

Redução da Taxa de Amostragem Redução da Taxa de Amostragem

Redução da Taxa de Amostragem Redução da Taxa de Amostragem

Redução da Taxa de Amostragem Aumento da Taxa de Amostragem

x[n] x̃[n] x̃d [n] = x̃[nM]

Ω O sinal xe[n] é definido por:

• O sinal xe [n] possui (L − 1) zeros entre as amostras originais

Aumento da Taxa de Amostragem Aumento da Taxa de Amostragem

Xe (ejω ), L = 2 Xi (ejω ) 1/T' = L / T

Xi (ejω ) 1/T' = L/T

Mudança da Taxa de Amostragem por um fator não- Aspectos Práticos

taxa taxa taxa taxa taxa Sistema de

LPF Um modelo mais próximo do real é:

Pré-filtragem - anti − aliasing Conversão A/D

Filtro • Sinal sofre distorção.

Sample-and-Hold - Amostragem com Retenção Sample-and-Hold

xs (t) Xs (jΩ) 1/T

• p(t) é um pulso retangular de duração T

Como Xs (jΩ) é composto por cópias do espectro original, nota-se que

Conversão D/A Sobreamostragem (oversampling)

Efeitos de Quantização Efeitos de Quantização

• Representação do sinal com um número finito de bits; x[n] x̂[n] = Q(x[n])

Efeitos de Quantização Interpolação linear - exemplo

• Potência do sinal: σx2

σx2  12 · 22B σx2  xc (t) Xc (jΩ)

• A relação sinal-ruı́do aumenta cerca de 6 dB a cada bit adicionado; 0 1 2 3 4 5 6 7 8 9 10