Baixe o app para aproveitar ainda mais
Prévia do material em texto
ELC1060 – Processamento digital de sinais Sinais e sistemas discretos Marcos H. Maruo marcos.maruo@ufsm.br Departamento de Eletroˆnica e Computac¸a˜o Centro de Tecnologia Universidade Federal de Santa Maria 2019 Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 1 / 58 Conteu´do 1 Introduc¸a˜o 2 Caracterizac¸a˜o e classificac¸a˜o de sinais Sinais elementares Distribuic¸a˜o de Heaviside Delta de Dirac Distribuic¸a˜o de Heaviside discreta Func¸a˜o Delta de Kronecker Exponencial complexa discreta 3 Sistemas Propriedades de Sistemas Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 2 / 58 Objetivo Apo´s esta aula, o aluno deve ser capaz de enumerar as aplicac¸o˜es de processamento digital de sinais. Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 3 / 58 Introduc¸a˜o I Sinais Sinais sa˜o modelos matema´ticos importantes na atuac¸a˜o de qualquer engenheiro. Exemplos de sinais encontrados frequentemente sa˜o sinais de fala, a´udio, imagem e v´ıdeo. Um sinal e´ uma func¸a˜o de varia´veis independentes como tempo, distaˆncia, posic¸a˜o, temperatura e pressa˜o. Muitos dos sinais sa˜o gerados por fenoˆmenos naturais. Entretanto, sinais podem ser gerados artificialmente ou por meio de simulac¸o˜es computacionais. Geralmente um sinal carrega informac¸a˜o e o objetivo do processamento digital de sinais e´ extrair informac¸a˜o relevante contida no sinal. Assim, o processamento digital de sinais se preocupa com a representac¸a˜o matema´tica do sinal e as operac¸o˜es executadas pelos algoritmos para extrair a informac¸a˜o presente. Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 4 / 58 Introduc¸a˜o II Representac¸a˜o de sinais A representac¸a˜o do sinal pode ser realizada em termos de func¸o˜es base ou em um dom´ınio transformado. Analogamente, a extrac¸a˜o de informac¸a˜o pode ser realizada no dom´ınio original do sinal ou em um dom´ınio transformado. Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 5 / 58 Caracterizac¸a˜o e classificac¸a˜o de sinais I Dependendo da natureza das varia´veis independentes e do conjunto ao qual os valores que o sinal pertencem, va´rios tipos de sinais podem ser definidos. Por exemplo, as varia´veis independentes podem ser definidas para conjuntos conta´veis e na˜o-conta´veis. Analogamente, o sinal pode ser descrito por uma func¸a˜o cont´ınua ou discreta das varia´veis independentes. Um sinal pode ainda ser descrito por uma ou mais varia´veis independentes. No primeiro caso, trata-se de um sinal escalar e no segundo de um sinal vetorial. Por exemplo, uma imagem em preto-e-branco e´ um sinal bidimensional no qual as varia´veis independentes sa˜o a abscissa e a ordenada de cada pixel da imagem. Um v´ıdeo em preto-e-branco e´ um sinal tridimensional no qual as varia´veis sa˜o o tempo, a abscissa e a ordenada de cada pixel do v´ıdeo. Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 6 / 58 Caracterizac¸a˜o e classificac¸a˜o de sinais II Descric¸a˜o de Sinais Um sinal x [n] e´ uma relac¸a˜o un´ıvoca entre um conjunto A e um conjunto B em que x [n] ∈ B | n ∈ A. Dependendo da natureza de A e B os sinais podem ser agrupados em algumas classes. Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 7 / 58 Caracterizac¸a˜o e classificac¸a˜o de sinais III Sinais Discretos Quando A e´ um conjunto conta´vel, enta˜o x [n] e´ um sinal discreto. Exemplos de conjuntos conta´veis sa˜o os conjuntos dos nu´meros inteiros, nu´meros naturais, nu´meros racionais, etc. Sinais discretos sa˜o indefinidos fora de A. Exemplo : 100 ml de cerveja conte´m A´gua (%) 92 Prote´ına (g) 0,28 Gordura (g) 0 Colesterol (mg) 0 Carboidrato (g) 3,61 Ca´lcio (mg) 3,89 Fo´sforo (mg) 13,89 Ferro (mg) 0,03 Pota´ssio (mg) 31,94 So´dio (mg) 5 Tiamina (mg) 0,01 Riboflavina (mg) 0,03 Niacina (mg) 0,5 Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 8 / 58 Caracterizac¸a˜o e classificac¸a˜o de sinais IV Sinais Cont´ınuos Quando A e´ um conjunto na˜o-conta´vel, enta˜o x(t) e´ um sinal cont´ınuo. Exemplos de conjuntos na˜o-conta´veis sa˜o os conjuntos dos nu´meros reais, nu´meros complexos, nu´meros irracionais, etc. Exemplo: Tensa˜o ele´trica nos terminais de um circuito analo´gico Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 9 / 58 Caracterizac¸a˜o e classificac¸a˜o de sinais V Amostras de um sinal discreto A dependeˆncia funcional de um sinal com sua representac¸a˜o matema´tica e´ frequentemente mostrada explicitamente. Cada elemento de x [n] (para diferentes valores de n) e´ chamado de amostra. Normalmente, em aplicac¸o˜es de engenharia, um sinal discreto e´ gerado a partir de um sinal cont´ınuo por meio de amostragem em intervalos uniformes da varia´vel independente. Quando o sinal e´ amostrado de maneira uniforme, a varia´vel independente pode ser facilmente normalizada para um subconjunto dos nu´meros inteiros. Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 10 / 58 Caracterizac¸a˜o e classificac¸a˜o de sinais VI Sinais determin´ısticos e aleato´rios Outra classificac¸a˜o de sinais se preocupa com a certeza com que um sinal pode ser descrito unicamente. Um sinal pode ser determinado por um processo bem definido como uma expressa˜o matema´tica, uma busca em uma tabela ou segue alguma regra previs´ıvel e´ chamado de sinal determin´ıstico. Um sinal que e´ gerado de maneira aleato´ria e na˜o pode ser previsto e´ chamado de sinal aleato´rio. Durante esse curso, os sinais que sera˜o utilizados sa˜o predominantemente determin´ısticos. Contudo, como sistemas discretos costumam utilizar tamanhos de palavra finitos para armazenar sinais e portanto sa˜o necessa´rias ferramentas para analisar o efeito desses tamanhos de palavra finitos no desempenho de sistemas discretos. Por isso, e´ conveniente representar certos sinais por meio de sinais aleato´rios e utilizar te´cnicas estat´ısticas para ana´lise. Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 11 / 58 Caracterizac¸a˜o e classificac¸a˜o de sinais VII Exemplos de sinais (quase) determin´ısticos Tera´ arroz e feija˜o no almoc¸o do R.U.; Trajeto´ria el´ıptica da Terra ao redor do Sol; Hora´rio dos trens da Alemanha. Exemplos de sinais aleato´rios Ru´ıdo em uma gravac¸a˜o de a´udio; Custo de roteamento atrave´s de uma rota espec´ıfica; Temperatura de um microprocessador. Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 12 / 58 Caracterizac¸a˜o e classificac¸a˜o de sinais VIII Sinais Perio´dicos – Definic¸a˜o Um sinal e´ considerado perio´dico se e somente se seu comportamento se repete quando a varia´vel independente e´ transladada por um valor T ∈ A. Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 13 / 58 Caracterizac¸a˜o e classificac¸a˜o de sinais IX Sinais discretos e perio´dicos Um sinal discreto g [n] e´ perio´dico para todo n ∈ A se e somente se g [n] = g [n + T ]. O per´ıodo do sinal e´ o m´ınimo valor de T ∈ A para o qual a equac¸a˜o anterior e´ va´lida. Consequentemente, quando n pertence a um conjunto nume´rico, tem-se g [n] = g [n + k · T ]. em que k ∈ Z. Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 14 / 58 Caracterizac¸a˜o e classificac¸a˜o de sinais X Sinais perio´dicos no tempo Quando a varia´vel independente n e´ o tempo, a periodicidade de x [n] implica que o sinal deve se repetir para qualquer valor de k ∈ Z inclusive ±∞. Portanto, esses sinais na˜o existem ou sa˜o extremamente raros na natureza. Na˜o obstante, a ana´lise do comportamento de sistemas pode ser simplificada significativamente assumindo a aproximac¸a˜ode periodicidade. Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 15 / 58 Caracterizac¸a˜o e classificac¸a˜o de sinais XI Exerc´ıcio Classifique os seguintes sinais em perio´dicos ou na˜o-perio´dicos 1 x(t) = e jωt , para ω ∈ R∗+ e t ∈ R 2 x [n] = (−1)n para n ∈ Z; 3 x(t) = sen(pit)pit para t ∈ R; 4 x [n] = cos(n) para n ∈ Z 5 x [n] = cos ( pin2 8 ) para n ∈ Z Sinais pares Um sinal discreto e´ par se e somente se x [−n] = x [n] ∀t ∈ A. Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 16 / 58 Caracterizac¸a˜o e classificac¸a˜o de sinais XII Sinais ı´mpares Um sinal discreto e´ ı´mpar se e somente se x [−n] = −x [n] ∀t ∈ A. A maioria dos sinais na˜o e´ nem par nem ı´mpar; Entretanto, todo sinal pode ser decomposto em sua parte par e parte ı´mpar. Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 17 / 58 Caracterizac¸a˜o e classificac¸a˜o de sinais XIII Partes par e ı´mpar de um sinal Supondo que x [n] e´ um sinal que na˜o e´ nem par nem ı´mpar enta˜o x [n] = x [n] + x [−n]− x [−n] 2 = x [n] + x [−n] 2 + x [n]− x [−n] 2 = even(x [n]) + odd(x [n]) em que even(x [n]) = x [n] + x [−n] 2 = even(x [−n]) odd(x [n]) = x [n]− x [−n] 2 = −odd(x [−n]) Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 18 / 58 Caracterizac¸a˜o e classificac¸a˜o de sinais XIV Homogeneidade de sinais ı´mpares Supondo que x [n] e´ um sinal ı´mpar, para n = 0 e´ necessa´rio que x [0] = −x [0] x [0] = 0 Produto de sinais com paridade diferente e´ ı´mpar Considere que x1[n] = x1[−n], x2[n] = −x2[−n] e x3[n] = x1[n]x2[n] enta˜o x3[−n] = x1[−n]x2[−n] = −x1[n]x2[n] = −x3[n] Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 19 / 58 Caracterizac¸a˜o e classificac¸a˜o de sinais XV Produto de sinais com mesma paridade e´ par Para sinais pares: Considere que x1[n] = x1[−n], x2[n] = x2[−n] e x3[n] = x1[n]x2[n] enta˜o x3[−n] = x1[−n]x2[−n] = x1[n]x2[n] = x3[n] Para sinais ı´mpares Considere que x1[n] = −x1[−n], x2[n] = −x2[−n] e x3[n] = x1[n]x2[n] enta˜o x3[−n] = x1[−n]x2[−n] = (−1)2x1[n]x2[n] = x3[n] Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 20 / 58 Sinais elementares Sa˜o sinais que aparecem frequentemente durante a ana´lise de sistemas. Esses sinais costumam ser utilizados na construc¸a˜o de sinais mais complexos Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 21 / 58 Distribuic¸a˜o de Heaviside I Modelo para mudanc¸as abruptas Considere o circuito ilustrado na figura abaixo. A chave esta´ normalmente aberta portanto na˜o ha´ transfereˆncia de energia da bateria para o circuito. Contudo, em um instante de tempo arbitra´rio, a chave e´ acionada por um operador e a bateria passa a alimentar o circuito. Supondo que e´ necessa´rio determinar a tensa˜o no capacitor, e´ necessa´rio modelar esse comportamento de mudanc¸a abrupta no comportamento do circuito. Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 22 / 58 Distribuic¸a˜o de Heaviside II Distribuic¸a˜o de Heaviside ou degrau unita´rio Considere uma distribuic¸a˜o u(t), indefinida para t = 0, tal que u(t) = { 1, t > 0 0, t < 0 e que 0 < u(0) < 1. O fato de u(t) na˜o ser definida para um ponto impede sua definic¸a˜o como uma func¸a˜o convencional. Na˜o existe func¸a˜o ordina´ria que satisfac¸a esta propriedade. A teoria das distribuic¸o˜es foi desenvolvida a fim de manipular determinadas singularidades que surgem na f´ısica matema´tica. Atualmente distribuic¸o˜es sa˜o indispensa´veis em diversos ramos da matema´tica, f´ısica e eletrote´cnica, por exemplo na teoria das equac¸o˜es diferenciais parciais, bem como em ana´lise de Fourier. Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 23 / 58 Distribuic¸a˜o de Heaviside III Definic¸a˜o alternativa da distribuic¸a˜o de Heaviside Tambe´m chamada de aproximac¸a˜o linear da distribuic¸a˜o de Heaviside. Para isso, uma func¸a˜o auxiliar que, quando seu paraˆmetro tende a zero, converge para o degrau unita´rio. Considere a func¸a˜o auxiliar uaux(t) = 0, t < 0 t � 0 ≤ t ≤ � 1, t > � . O gra´fico de uaux(t) pode ser visto abaixo Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 24 / 58 Distribuic¸a˜o de Heaviside IV Definic¸a˜o alternativa da distribuic¸a˜o de Heaviside – continuac¸a˜o Finalmente, lim�→0 uaux(t) = u(t) Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 25 / 58 Distribuic¸a˜o de Heaviside V Oliver Heaviside Oliver Heaviside (18 de Maio de 1850 – 3 de Fevereiro de 1925) foi um engenheiro eletricista autodidata, matema´tico e f´ısico que adaptou a teoria dos nu´meros complexos para o estudo de circuitos ele´tricos, desenvolveu te´cnicas de soluc¸a˜o de equac¸o˜es diferenciais e formulou as equac¸o˜es de Maxwell do eletromagnetismo em func¸a˜o de forc¸as ele´tricas, magne´ticas e fluxo de energia. Devido a sua formac¸a˜o alternativa, entrou em choque com a comunidade cient´ıfica de sua e´poca durante boa parte de sua vida. Na˜o obstante, seu legado na f´ısica, matema´tica e engenharia de telecomunicac¸o˜es e´ indiscutivelmente significativo. Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 26 / 58 Distribuic¸a˜o de Heaviside VI Outras definic¸o˜es alternativas da distribuic¸a˜o de Heaviside Por meio da func¸a˜o arctan u(t) = lim �→0 [ 1 2 + 1 pi arctan ( t � )] Por meio da func¸a˜o erro complementar u(t) = lim �→0− 1 2 erfc ( t � ) Por meio da func¸a˜o exponencial u(t) = lim �→0+ [ 1 − e−( t�) ] Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 27 / 58 Distribuic¸a˜o Delta de Dirac I Definic¸a˜o a partir da distribuic¸a˜o degrau unita´rio A maneira mais compacta de definir a distribuic¸a˜o Delta de Dirac e´ utilizando a distribuic¸a˜o degrau unita´rio em que δ(t) = d u(t) dt . Dessa definic¸a˜o observa-se que δ(t) = { 0, t 6= 0 ∞ t = 0 e que ∫ ∞ −∞ δ(t)dt = 1 Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 28 / 58 Distribuic¸a˜o Delta de Dirac II Representac¸a˜o gra´fica A distribuic¸a˜o delta de Dirac e´ indefinida para t = 0 e portanto requer uma simbologia espec´ıfica para sua representac¸a˜o gra´fica. Devido a` sua natureza particular em que δ(t) = 0 para t 6= 0 sua representac¸a˜o e´ ideˆntica a` func¸a˜o nula para esses valores. Para t = 0, para indicar que o valor da func¸a˜o tende a infinito utilizando um trac¸o finito, a func¸a˜o e´ representada por uma seta vertical. Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 29 / 58 Distribuic¸a˜o Delta de Dirac III Definic¸a˜o alternativa para a distribuic¸a˜o delta de Dirac Considere um pulso retangular de altura 1� e largura � conforme ilustrado na figura abaixo para t0 = 0 Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 30 / 58 Distribuic¸a˜o Delta de Dirac IV Definic¸a˜o alternativa para a distribuic¸a˜o delta de Dirac Seja δ�(t) = 1 � [ u ( t + � 2 ) − u ( t − � 2 )] A integral dessa func¸a˜o no intervalo de −∞ ate´ ∞ e´∫ ∞ −∞ δ�(t)dt = ∫ −� 2 −∞ 0dt + ∫ � 2 � 2 1 � dt + ∫ −� 2 −∞ 0dt = 1 � ∣∣∣∣ �2−� 2 = 1 independente de �. Conforme � diminui a largura do pulso diminui e sua altura aumenta. Quando �→ 0 δ�(t) = δ(t) Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 31 / 58 Distribuic¸a˜o Delta de Dirac V Func¸a˜o delta de Dirac? Apesar de ser chamada de func¸a˜o Delta de Dirac por muitos autores, a distribuic¸a˜o Delta de Diracna˜o e´ verdadeiramente uma func¸a˜o. δ(t) difere de uma func¸a˜o g(t) = 0 apenas em t = 0, e portanto as duas sa˜o func¸o˜es iguais “quase sempre”. Contudo, de acordo com a teoria de integrac¸a˜o de Lebesgue, duas func¸o˜es integra´veis e iguais “quase sempre”, teˆm integrais ideˆnticas. Entretanto, a integral da func¸a˜o g(t) e´ zero, e a da distribuic¸a˜o Delta de Dirac na˜o. Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 32 / 58 Distribuic¸a˜o Delta de Dirac VI Propriedades da distribuic¸a˜o Delta de Dirac I 1 Considere que x(t) e´ um sinal cont´ınuo e t ∈ R. E´ fa´cil verificar que x(t)δ(t) = x(0)δ(t) pois δ(t) e´ zero exceto para t = 0 enta˜o a multiplicac¸a˜o da func¸a˜o com a distribuic¸a˜o e´ zero exceto para t = 0. De maneira similar, se for realizada uma translac¸a˜o da varia´vel independente na distribuic¸a˜o delta de Dirac e´ fa´cil verificar que x(t)δ(t − ζ) = x(ζ)δ(t − ζ) Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 33 / 58 Distribuic¸a˜o Delta de Dirac VII Propriedades da distribuic¸a˜o Delta de Dirac II 2 Propriedade da amostragem: Considere o produto interno de um sinal cont´ınuo qualquer com uma distribuic¸a˜o Delta com a varia´vel independente transladada < x(t), δ(t − T ) > = ∫ ∞ −∞ x(t)δ(t − T )dt = x(T ) ∫ ∞ −∞ δ(t − T )dt = x(T ) Essa propriedade e´ conhecida como propriedade de amostragem (ou peneiramento) da distribuic¸a˜o delta de Dirac. Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 34 / 58 Distribuic¸a˜o Delta de Dirac VIII Paul Dirac Paul Adrien Maurice Dirac (8 de Agosto de 1902 — 20 de Outubro de 1984) foi um f´ısico teo´rico ingleˆs que fez contribuic¸o˜es fundamentais aos primo´rdios da mecaˆnica quaˆntica e a eletrodinaˆmica quaˆntica. Entre muitas contribuic¸o˜es, ele formulou a equac¸a˜o que previa o comportamento dos fermions e previa a existeˆncia da antimate´ria (po´sitrons). Em 1933 ele recebeu o preˆmio Nobel (dividido com Erwin Schro¨dinger) por suas descobertas na teria atoˆmica. Dirac era conhecido entre seus colegas por ser uma pessoa exceˆntrica. Albert Einstein o descreveu como “se equilibrando na delicada diferenc¸a entre geˆnio e louco”. Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 35 / 58 Distribuic¸a˜o de Heaviside I Distribuic¸a˜o de Heaviside ou degrau unita´rio Considere uma distribuic¸a˜o u[n] tal que u[n] = { 1, n ≥ 0 0, n < 0 Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 36 / 58 Distribuic¸a˜o de Heaviside II Outras definic¸o˜es alternativas da distribuic¸a˜o de Heaviside Por meio da func¸a˜o arctan u[n] = lim �→0 [ 1 2 + 1 pi arctan (n � )] Por meio da func¸a˜o erro complementar u[n] = lim �→0− 1 2 erfc (n � ) Por meio da func¸a˜o exponencial u[n] = lim �→0+ [ 1 − e−( n� ) ] Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 37 / 58 Func¸a˜o Delta de Kronecker I Func¸a˜o delta de Kronecker A func¸a˜o delta de Kronecker e´ definida como δ[n] = { 0, n 6= 0 1, n = 0 (1) Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 38 / 58 Func¸a˜o Delta de Kronecker II Propriedades da func¸a˜o Delta de Kronecker I Considere que x [n] e´ um sinal cont´ınuo com n ∈ Z. E´ fa´cil verificar que x [n]δ[n] = x [0]δ[n] pois δ[n] e´ zero exceto para n = 0 enta˜o a multiplicac¸a˜o dos sinais e´ zero exceto para n = 0. De maneira similar, se for realizada uma translac¸a˜o da varia´vel independente na distribuic¸a˜o Delta de Dirac, e´ fa´cil verificar que x [n]δ[n − N] = x [N]δ[n − N] Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 39 / 58 Func¸a˜o Delta de Kronecker III Propriedades da distribuic¸a˜o Delta de Kronecker II Propriedade da amostragem: Considere o produto interno de um sinal discreto nume´rico x [n] em que n ∈ Z qualquer com uma func¸a˜o Delta de Kronecker com a varia´vel independente transladada < x [n], δ[n − N] > = ∞∑ n=−∞ x [n]δ[n − N] = x [N] ∞∑ n=−∞ δ[n − N] = x [N] Essa propriedade e´ conhecida como propriedade de amostragem (ou peneiramento) da distribuic¸a˜o delta de Kronecker. Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 40 / 58 Func¸a˜o Delta de Kronecker IV Representac¸a˜o de sinais com a func¸a˜o delta de Kronecker Um sinal discreto com n ∈ Z pode ser representado por meio de uma combinac¸a˜o linear de func¸o˜es delta de Kronecker deslocadas x [n] = ∞∑ k=−∞ δ[n − k]x [k]. Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 41 / 58 Func¸a˜o Delta de Kronecker V Leopold Kronecker Leopold Kronecker (7 de Dezembro de 1823 – 29 de Dezembro de 1891) foi um matema´tico alema˜o que se destacou por seus estudos na teoria dos nu´meros, a´lgebra e lo´gica. Ele foi um dos principais cr´ıticos do trabalho de Cantor na teoria dos conjuntos e foi citado por Weber por ter dito “Die ganzen Zahlen hat der liebe Gott gemacht, alles andere ist Menschenwerk” (Deus criou os nu´meros inteiros, todo o resto e´ inventado pelo homem). Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 42 / 58 Exponencial complexa cont´ınua I O sinal exponencial complexo discreto ou sequeˆncia exponencial e´ definido por x [n] = Cαn em que C , α ∈ C. Alternativamente, esse sinal pode ser expresso como x [n] = Ceβn em que α = eβ. Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 43 / 58 Exponencial complexa cont´ınua II C , α ∈ R, exponencial real discreta Para compreender o comportamento da exponencial real discreta, pode-se utilizar o conhecimento pre´vio do comportamento de func¸o˜es exponenciais cont´ınuas. Inicialmente, representando α em uma notac¸a˜o baseada em mo´dulo e fase α = |α|e j∠α em que, para α ∈ R, ∠α = 0 para α real positivo e ∠α = pi para reais negativos. O valor de β pode ser determinado pelo logaritmo natural da equac¸a˜o anterior resultando em β = ln(|α|) + j∠α Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 44 / 58 Exponencial complexa cont´ınua III C , α ∈ R, exponencial real discreta Logo, a exponencial real discreta pode ser expressa como x [n] = Ce [ln(|α|)+j∠α]n = Ce ln(|α|)ne j∠αn ou seja, essa func¸a˜o se comporta de maneira semelhante a` exponencial complexa cont´ınua x(t) = |C |eσte j(ωt+∠C) em que σ > 0 quando |α| > 1, σ < 0 quando |α| < 1 e σ = 0 quando σ = 0. Adicionalmente, a func¸a˜o apresenta comportamento oscilato´rio quando ∠α = pi (alternaˆncia de sinal). Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 45 / 58 Exponencial complexa cont´ınua IV C , α ∈ R, exponencial real discreta Em resumo Amplitude crescente quando |α| > 1; Amplitude decrescente quando |α| < 1; Amplitude constante quando |α| = 1; Alternaˆncia de sinal quando α < 0; Manutenc¸a˜o do sinal quando α ≥ 0. Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 46 / 58 Exponencial complexa cont´ınua V C , α ∈ C, Exponencial complexa discreta Para o caso geral do sinal exponencial discreto, pode-se utilizar a notac¸a˜o polar para nu´meros complexos para escrever C = |C |e j∠C α = |α|e j∠α Logo, o sinal x [n] torna-se x [n] = |C |e j∠C (|α|e j∠α)n = |C ||α|ne j(∠C+∠αn) = |C ||α|n cos(∠C + ∠αn) + j |C ||α|n sin(∠C + ∠αn) Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 47 / 58 Considerac¸o˜es finais sobre os sinais da fam´ılia exponencial Exponenciais cont´ınuas formam bases ortogonais ( ∫∞ −∞ e jω1te jω2t = 0, exceto quando ω1 = ω2) do espac¸o funcional; O espac¸o funcional dos sinais exponenciais cont´ınuos e´ completo (todas as sequeˆncias de Cauchy do espac¸ofuncional dos sinais cont´ınuos nume´ricos e diferencia´veis convergem para alguma combinac¸a˜o linear de sinais exponenciais); As duas propriedades anteriores garantem que o espac¸o das func¸o˜es exponenciais e´ um espac¸o de Hilbert que gera todo o espac¸o dos sinais cont´ınuos, nume´ricos e diferencia´veis; Analogamente, o conjunto das func¸o˜es exponenciais discretas e´ um espac¸o de Hilbert que gera todo o espac¸o dos sinais discretos nume´ricos; Consequentemente, esses sa˜o sinais extremamente interessantes para gerar transformac¸o˜es integrais. Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 48 / 58 Sistemas Sistemas sa˜o conjuntos de partes ou componentes interdependentes que formam estruturas complexas. Os sistemas podem ser formados a partir da func¸a˜o de suas partes (por exemplo o corpo humano e seus sistemas nervoso, digestivo, o´sseo, reprodutivo, etc), caracter´ısticas espaciais (por exemplo o sistema solar que inclui os corpos que sa˜o influenciados significativamente pela gravidade do Sol) ou temporais. O comportamento dos sistemas podem ser influenciado por sinais de entrada e o sistema pode ser capaz de produzir outros sinais em sua sa´ıda. Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 49 / 58 Sistemas – notac¸a˜o Considere um sistema h[n] cuja resposta e´ uma func¸a˜o da varia´vel independente n. Esse sistema e´ submetido a um sinal de entrada x [n] e produz um outro sinal de sa´ıda y [n]. Essa configurac¸a˜o e´ representada por x [n] h[n]7−−→ y [n] Sistemas podem ser classificados de acordo com suas propriedades matema´ticas em uma infinidade de categorias. Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 50 / 58 Sistemas – Propriedades I Linearidade Considere que um sistema S e´ submetido a 3 sinais de entrada diferentes produzindo as sa´ıdas x1[n] S7−→ y1[n] x2[n] S7−→ y2[n] x3[n] S7−→ y3[n] em que x3 = x1[n] + αx2[n]. O sistema S e´ linear se e somente se y3[n] = y1[n] + αy2[n] para quaisquer sinais x1[n], x2[n] e qualquer n ∈ A. Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 51 / 58 Sistemas – Propriedades II Linearidade – Exemplos Determine se os sistemas abaixo sa˜o lineares y [n] = sin(3pin)x [n] para x(t) ∈ R, n ∈ Z sobre o corpo nume´rico dos nu´meros reais; y [n] = x2[n] para x(t) ∈ C, n ∈ Z sobre o corpo nume´rico dos nu´meros reais; y [n] = =m{x [n]} para x(t) ∈ C, n ∈ Z sobre o corpo nume´rico dos nu´meros reais; y [n] = =m{x [n]} para x(t) ∈ C, n ∈ Z sobre o corpo nume´rico dos nu´meros complexos; y [n] = even{x [n]} para x [n] ∈ C e n ∈ Z sobre o corpo nume´rico dos nu´meros complexos; y [n] = ={x [n]} para x [n] ∈ C e n ∈ Z sobre o corpo nume´rico dos nu´meros reais; Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 52 / 58 Sistemas – Propriedades III Invariaˆncia no tempo Considere que um sistema S e´ submetido a 2 sinais de entrada diferentes produzindo as sa´ıdas x1[n] S7−→ y1[n] x2[n] S7−→ y2[n] em que x2[n] = x1[n− n0] para n0 ∈ A. O sistema e´ invariante no tempo se e somente se y2[n] = y1[n − n0] para quaisquer x1[n], x2[n] ∈ B e n, n0 ∈ A. Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 53 / 58 Sistemas – Propriedades IV Invariaˆncia no tempo – Exemplos y(t) = 12x(t)u(t) , n ∈ R; y(t) = |x(t)|2 , n ∈ R; y(t) = x(at), a, n ∈ Z; y [n] = e 1 4 nx [n], n ∈ Z; y [n] = x [2n] Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 54 / 58 Sistemas – Propriedades V Estabilidade externa Considere que o sistema S e´ submetido a um sinal de entrada x1[n] S7−→ y1[n] O sistema e´ esta´vel pelo crite´rio de estabilidade externa ou BIBO (bounded-in bounded-out) se e somente se, para qualquer sinal entrada x1[n] tal que |x1[n]| <∞ tem-se |y1[n]| <∞ para todo n ∈ A. Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 55 / 58 Sistemas – Propriedades VI Estabilidade externa – Exemplos y [n] = 1010 100 x(t), n ∈ Z; y [n] = dx(t)dt , n ∈ Z; y [n] = sinc(n)x [n], n ∈ Z; y [n] = 1sin(x[n]) , n ∈ Z; Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 56 / 58 Sistemas – Propriedades VII Causalidade Considere que o sistema S e´ submetido a um sinal de entrada x1[n] S7−→ y1[n] O sistema e´ causal se e somente se o sinal de sa´ıda depende das entradas x1[a] e das sa´ıdas y1[a] apenas para a ≤ n. Causalidade – Exemplos y [n] = 0.9y [n − 1] + x [n]; y [n] = ∑n+2 k=−∞ x [k]; y [n] = ∑2n k=−∞ x [k]; y [n] = x [−n] Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 57 / 58 Sistemas – Propriedades VIII Memo´ria Considere que o sistema S e´ submetido a um sinal de entrada x1[n] S7−→ y1[n] O sistema e´ sem-memo´ria se e somente se o sinal de sa´ıda depende do sinal de entrada x1[n] apenas em n. Do contra´rio, o sistema tem memo´ria. Marcos H. Maruo (UFSM) ELC1060 – Processamento digital de sinais 2019 58 / 58 Introdução Caracterização e classificação de sinais Sinais elementares Sistemas Propriedades de Sistemas
Compartilhar