Prévia do material em texto
Universidade Federal do Amazonas (UFAM) Faculdade de Tecnologia (FT) Departamento de Eletrônica e Computação (DTEC) Sinais e Sistemas Transformada de Fourier no Tempo Discreto Prof. Francisco Januário 2Prof. Francisco Januário Sinais e Sistemas Referências Oppenheim, Alan. V., Signals and Systems, Prentice-Hall, NJ, 2002. Haykin, Simon. Sistemas de Comunicação: analógicas e digitais. 4 ed. São Paulo: Bookman, 2004. Oppenheim, Alan V.; Schafer, Ronald W. Processamento em tempo discreto de sinais. 3 ed. Pearson, 2010 Lathi, B. P. Sinais e Sistemas Lineares. 2 ed. Porto Alegre: Bookman, 2007. Haykin, Simon; Barry, Van Veen. Sinais e sistemas. Porto Alegre: Bookman, 2001. DINIZ, Paulo S.; SILVA, Eduardo A. B.; NETTO Sergio L. Processamento digital de sinais: projeto e análise de sistemas. 2. ed. Porto Alegre: Bookman, 2014. 3 A transformada de Fourier no Tempo Discreto (DTFT – Discrete Time Fourier Transform) é a decomposição de um sinal no tempo discreto como uma soma infinita de senoides complexas no tempo discreto. A DTFT converte uma sequência no tempo discreto para o domínio contínuo da frequência em 𝜔 𝑋 𝑗𝜔 = 𝑋 𝑒𝑗𝜔 = 𝑛=−∞ ∞ 𝑥[𝑛]𝑒−𝑗𝜔𝑛 Sinais e Sistemas Transformada de Fourier no Tempo Discreto Prof. Francisco Januário 4 Um sinal 𝑥[𝑛] no tempo discreto pode ser representado por um somatório infinito de senoides de frequências 𝜔 ponderadas por fatores proporcionais a 𝑋(𝑗𝜔) 𝑥[𝑛] = 1 2𝜋𝑗 න −𝜋 𝜋 𝑋(𝑗𝜔)𝑒𝑗𝜔𝑛𝑑𝜔 Lembrando que 𝑒𝑗𝜔 = cos 𝜔 + 𝑗sen(𝜔) (Fórmula de Euler), então 𝑥[𝑛] pode ser representada como 𝑥[𝑛] = 1 2𝜋𝑗 න −𝜋 𝜋 𝑋(𝑗𝜔) cos 𝜔𝑛 + 𝑗sen(𝜔𝑛) 𝑑𝜔 Sinais e Sistemas Transformada Inversa de Fourier no Tempo Discreto Prof. Francisco Januário 5 Linearidade 𝑥[𝑛] = 𝑎𝑥1[𝑛] + 𝑏𝑥2[𝑛] 𝑋(𝑒𝑗𝜔) = 𝑎𝑋1(𝑒 𝑗𝜔) + 𝑏𝑋2(𝑒 𝑗𝜔) Reversão no Tempo 𝑥[−𝑛] = 𝑋(𝑒−𝑗𝜔) Deslocamento no Tempo 𝑥[𝑛 + 𝑛0] ⟷ 𝑒 𝑗𝜔𝑛0𝑋(𝑒𝑗𝜔), ∀𝑛0 ∈ ℤ Sinais e Sistemas Propriedades da DTFT Prof. Francisco Januário 6 Multiplicação por uma Exponencial Complexa 𝑒𝑗𝜔0𝑛𝑥[𝑛] ⟷ 𝑋 𝑒𝑗(𝜔−𝜔0) Corresponde ao deslocamento da frequência, ou, modulação. Diferenciação Complexa 𝑛𝑥[𝑛] ⟷ 𝑗 𝑑𝑋(𝑒𝑗𝜔) 𝑑𝜔 Sinais e Sistemas Propriedades da DTFT Prof. Francisco Januário 7 Teorema de Convolução 𝑥1 𝑛 ∗ 𝑥2[𝑛] ⟷ 𝑋1 𝑒 𝑗𝜔 𝑋2 𝑒 𝑗𝜔 A convolução no domínio do tempo é igual ao produto no domínio da frequência. Teorema de Parseval 𝑛=−∞ ∞ 𝑥[𝑛] 2 = 1 2𝜋 න −𝜋 𝜋 𝑋(𝑒𝑗𝜔) 2 𝑑𝜔 A energia do sinal no domínio do tempo é igual à energia do sinal no domínio da frequência dividida por 2𝜋. Sinais e Sistemas Propriedades da DTFT Prof. Francisco Januário 8 Considerando um sinal periódico 𝑥[𝑛] = 𝑥[𝑛 + 𝑘𝑁] de período 𝑁 composto por versões deslocadas do sinal 𝑥𝑓[𝑛], que corresponde a um período de 𝑥[𝑛], tal que 𝑥𝑓[𝑛] = 0 para 𝑛 < 0 e 𝑛 ≥ 𝑁 Pode-se então escrever 𝑥[𝑛] como 𝑥[𝑛] = 𝑛=−∞ ∞ 𝑥𝑓[𝑛 + 𝑘𝑁] , ∀𝑘 ∈ ℤ Onde 𝑥𝑓[𝑛] é deslocada para as posições 𝑘𝑁. Sinais e Sistemas DTFT para Sinais Periódicos Prof. Francisco Januário 9 Usando a propriedade do deslocamento no tempo a DTFT periódica pode ser obtida como 𝑋 𝑒𝑗𝜔 = 𝑘=−∞ ∞ 𝑒𝑗𝜔𝑘𝑁𝑋𝑓 𝑒 𝑗𝜔 Podendo também ser escrito como 𝑋 𝑒𝑗𝜔 = 2𝜋 𝑁 𝑘=−∞ ∞ 𝑋(𝑘)𝛿 𝜔 − 2𝜋 𝑁 𝑘 Sendo que 𝑋 𝑘 = 𝑛=0 𝑁−1 𝑥[𝑛]𝑒−𝑗(2𝜋/𝑁)𝑘 Sinais e Sistemas DTFT para Sinais Periódicos Prof. Francisco Januário 10 Percebe-se que, para sinais periódicos, a DTFT se transforma numa soma discreta de senoides com frequências múltiplas de 2𝜋/𝑁. A transformada inversa, então, pode ser descrita como 𝑥[𝑛] = 1 2𝜋 න −𝜋 𝜋 𝑋(𝑒𝑗𝜔)𝑒𝑗𝜔𝑛𝑑𝜔 ou 𝑥[𝑛] = 1 𝑁 𝑘=0 𝑁−1 𝑋(𝑘)𝑒𝑗 2𝜋/𝑁 𝑘𝑛 Sinais e Sistemas DTFT para Sinais Periódicos Prof. Francisco Januário Transformadas Discretas 11Prof. Francisco Januário Sinais e Sistemas 12 As transformadas estudadas ate aqui convertem um sinal no tempo discreto para o domínio da frequência com variável contínua 𝜔 , não sendo adequadas para processamento em sistemas digitais. Algumas transformadas que realizam mapeamentos para domínios discretos de frequências: ▪ Transformada Discreta de Fourier (DFT – Discrete Fourier Transform); ▪ Transformada Discreta de Cossenos (DCT – Discrete Cosine Transform) Sinais e Sistemas Transformadas Discretas Prof. Francisco Januário 13 A transformada discreta de Fourier (DFT – Discrete Fourier Transform) converte uma sequência 𝑥[𝑛] no tempo discreto para o domínio de frequência discreta 𝑘. 𝑋 𝑒𝑗 2𝜋/𝑁 𝑘 = 𝑋 𝑘 = 𝑛=0 𝑁−1 𝑥[𝑛]𝑊𝑁 𝑘𝑛, 0 ≤ 𝑘 ≤ 𝑁 − 1 A transformada inversa (IDFT) é 𝑥[𝑛] = 1 𝑁 𝑘=0 𝑁−1 𝑋(𝑘)𝑊𝑁 −𝑘𝑛, 0 ≤ 𝑛 ≤ 𝑁 − 1 Sendo que 𝑊𝑁 = 𝑒 −𝑗2𝜋/𝑁 Sinais e Sistemas Transformada Discreta de Fourier (DFT) Prof. Francisco Januário 14 A DFT fornece uma representação discreta na frequência para um sinal de comprimento finito 𝐿 no tempo discreto. Essa representação só é útil se o número 𝑁 de amostras da DFT é maior ou igual a 𝐿 do sinal original. A quantidade de amostras da transformada de Fourier é igual a 𝑁 (número de amostras do sinal no domínio do tempo). Quanto maior 𝑁, melhor a resolução da representação no domínio da frequência. Sinais e Sistemas Transformada Discreta de Fourier (DFT) Prof. Francisco Januário 15 As equações que definem a DFT e a IDFT podem ser modificadas para a forma matricial, fazendo inicialmente 𝑋 𝑘 = 𝑊𝑁 0 𝑊𝑁 𝑘 𝑊𝑁 2𝑘 ⋯ 𝑊𝑁 𝑁−1 𝑘 𝑥[0] 𝑥[1] 𝑥[2] ⋮ 𝑥[𝑁 − 1] 𝑥[𝑛] = 1 𝑁 𝑊𝑁 0 𝑊𝑁 −𝑘 𝑊𝑁 −2𝑘 ⋯ 𝑊𝑁 − 𝑁−1 𝑘 𝑋(0) 𝑋(1) 𝑋(2) ⋮ 𝑋(𝑁 − 1) Sinais e Sistemas Representação da DFT na Forma Matricial Prof. Francisco Januário 16 As transformadas DFT e IDFT na forma matricial 𝑋(0) 𝑋(1) 𝑋(2) ⋮ 𝑋(𝑁 − 1) = 𝑊𝑁 0 𝑊𝑁 0 ⋯ 𝑊𝑁 0 𝑊𝑁 0 𝑊𝑁 1 ⋯ 𝑊𝑁 𝑁−1 𝑊𝑁 0 ⋮ 𝑊𝑁 0 𝑊𝑁 2 ⋮ 𝑊𝑁 𝑁−1 ⋯ ⋱ ⋯ 𝑊𝑁 2 𝑁−1 ⋮ 𝑊𝑁 𝑁−1 2 𝑥[0] 𝑥[1] 𝑥[2] ⋮ 𝑥[𝑁 − 1] 𝑥[0] 𝑥[1] 𝑥[2] ⋮ 𝑥[𝑁 − 1] = 1 𝑁 𝑊𝑁 0 𝑊𝑁 0 ⋯ 𝑊𝑁 0 𝑊𝑁 0 𝑊𝑁 −1 ⋯ 𝑊𝑁 − 𝑁−1 𝑊𝑁 0 ⋮ 𝑊𝑁 0 𝑊𝑁 −2 ⋮ 𝑊𝑁 − 𝑁−1 ⋯ ⋱ ⋯ 𝑊𝑁 −2 𝑁−1 ⋮ 𝑊𝑁 − 𝑁−1 2 𝑋(0) 𝑋(1) 𝑋(2) ⋮ 𝑋(𝑁 − 1) Sinais e Sistemas Representação da DFT na Forma Matricial Prof. Francisco Januário 17 Definindo-se 𝒙 = 𝑥[0] 𝑥[1] 𝑥[2] ⋮ 𝑥[𝑁 − 1] , 𝑿 = 𝑋(0) 𝑋(1) 𝑋(2) ⋮ 𝑋(𝑁 − 1) E uma matriz 𝑾𝑵 tal que 𝑾𝑵 𝒊𝒋 = 𝑾𝑵 𝒊𝒋 , para 0 ≤ 𝑖, 𝑗 ≤ 𝑁 − 1, as equações anteriores podem ser reescritas como 𝑿 = 𝑾𝑵𝒙 𝒙 = 𝟏 𝑵 𝑾𝑵 ∗ 𝑿 Sinais e Sistemas Representação da DFT na Forma Matricial Prof. Francisco Januário Matriz Conjugada Transposta 18 É interessante notar que a matriz 𝑾𝑵 tem propriedades especiais como ▪ É simétrica: 𝑾𝑵 𝑻 = 𝑾𝑵 ▪ A equações são diretas e inversas: 𝑾𝑵 −𝟏 = 𝟏 𝑵 𝑾𝑵 ∗ Considerando o custo computacional do cálculo da DFT, pode-se verificar que, para uma DFT de comprimento 𝑁 são necessárias: ▪ 𝑁2 multiplicações complexas ▪ 𝑁 𝑁 − 1 adições Sinais e Sistemas Representação da DFT na Forma Matricial Prof. Francisco Januário 19 Linearidade 𝑥[𝑛] = 𝑎1𝑥1[𝑛] + 𝑎2𝑥2[𝑛] 𝑋(𝑘) = 𝑎1𝑋1(𝑘) + 𝑎2𝑋2(𝑘) Reversão no Tempo 𝑥[−𝑛] = 𝑋(−𝑘) Deslocamento no Tempo 𝑥[𝑛 + 𝑛0] ⟷ 𝑊𝑁 −𝑛0𝑘𝑋(𝑘), ∀𝑛0 ∈ ℤ Sinais e Sistemas Propriedades da DFT Prof. Francisco Januário 20 Deslocamento na Frequência 𝑊𝑁 𝑛0𝑛𝑥[𝑛] ⟷ 𝑋 𝑘 + 𝑛0 , ∀𝑛0 ∈ ℤ Convolução Circular no Tempo Se 𝑥[𝑛] e ℎ[𝑛] são periódicas no período 𝑁, então 𝑥 𝑛 ∗ ℎ 𝑛 = 𝑙=0 𝑁−1 𝑥 𝑙 ℎ[𝑛 − 𝑙] ⟷ 𝑋 𝑘 𝐻(𝑘) onde 𝑋(𝑘) e 𝐻(𝑘) são as DFTs dos sinais de comprimento 𝑁 correspondentes a um período de 𝑥[𝑛] e ℎ[𝑛], respectivamente. Sinais e Sistemas Propriedades da DFT Prof. Francisco Januário 21 Teorema de Parseval 𝑛=0 𝑁−1 𝑥[𝑛] 2 = 1 𝑁 𝑛=0 𝑁−1 𝑋(𝑘) 2 A energia do sinal no domínio do tempo é igual à energia do sinal no domínio da frequência dividida por 𝑁. Sinais e Sistemas Propriedades daDFT Prof. Francisco Januário 22 Conforme mostrado anteriormente, o cálculo da DFT pela definição, requer 𝑁2 multiplicações complexas (ou seja, cresce com o quadrado do comprimento do sinal). Isso limita sua aplicação prática a sinais de pequeno comprimento. Visando contornar essa limitação, foram desenvolvidos algoritmos rápidos para a estimação da DFT, conhecidos genericamente como FFT (Fast Fourier Transform). Sinais e Sistemas Estimação Computacional da DFT Prof. Francisco Januário 23 A transformada discreta de cossenos (DCT – Discrete Cosine Transform) de comprimento 𝑁 de um sinal 𝑥[𝑛] pode ser definida como 𝐶 𝑘 = 𝛼(𝑘) 𝑛=0 𝑁−1 𝑥[𝑛]cos 𝜋 𝑛 + Τ1 2 𝑘 𝑁 , para 0 ≤ 𝑘 ≤ 𝑁 − 1 sendo 𝛼 𝑘 = ቐ Τ1 𝑁 , para 𝑘 = 0 Τ2 𝑁 , para 1 ≤ 𝑘 ≤ 𝑁 − 1 É interessante observar que a DCT é uma transformada real, pois mapeia um sinal real em coeficientes reais. Sinais e Sistemas Transformada Discreta de Cossenos Prof. Francisco Januário 24 A DCT inversa é dada por 𝑥[𝑛] = 𝑘=0 𝑁−1 𝛼(𝑘)𝐶 𝑘 cos 𝜋 𝑛 + Τ1 2 𝑘 𝑁 , para 0 ≤ 𝑛 ≤ 𝑁 − 1 Definindo a matriz 𝐶𝑁 𝐶𝑁 𝑘𝑛 = 𝛼(𝑘) cos 𝜋 𝑛 + Τ1 2 𝑘 𝑁 Então, a forma matricial da DCT é representada por 𝒄 = 𝑪𝑵𝒙 e 𝒙 = 𝑪𝑵 𝑻𝒄 Sinais e Sistemas Transformada Discreta de Cossenos Prof. Francisco Januário 25 Um sistema de compressão de imagem ou vídeo genérico pode ser representado por Sinais e Sistemas Aplicações com DCT Prof. Francisco Januário 26 (a) 100%, (b) 75%, (c) 50% e (d) 25% de retenção de coeficientes após a DCT. Sinais e Sistemas Reconstrução após Compactação via DCT Prof. Francisco Januário 27 A DCT é amplamente utilizada em sistemas modernos de compressão de vídeo e áudio. Para sua implementação computacional pode-se: ▪ utilizar a relação da DCT com a DFT (a partir da formula de Euler) e em seguida um algoritmo eficiente FFT para a DFT. ▪ utilizar implementações rápidas e otimizadas para o calculo da DCT. Sinais e Sistemas Implementação Computacional da DCT Prof. Francisco Januário 28 O Matlab possui funções que podem ser utilizadas para cálculo das transformadas discretas. Entre elas podemos destacar: fft: calcula os coeficientes da DFT de um sinal usando um algoritmo FFT. ifft: calcula a IDFT a partir dos coeficientes da DFT. dct e idct: respectivamente a DCT e a inversa da DCT Sinais e Sistemas Transformadas Discretas no Matlab Prof. Francisco Januário 29 Para o sinal 𝑥 𝑡 = 2sen 2𝜋10𝑡 + sen(2𝜋50𝑡) amostrado a 1 kHz, calcular a DFT usando o Matlab >> fs=1000; >> t=0:1/fs:1; >> x=2*sin(2*pi*10*t)+sin(2*pi*50*t); >> X=fft(x); %% DFT utilizando FFT %% Visualizando o gráfico da DFT >> F=linspace(0,fs/2,length(X)/2); >> stem(F,abs(X(1:length(X)/2))/500); >> set(gca, 'fontsize',14); >> xlabel('Frequencia (Hz)', 'fontsize',14); >> ylabel('Amplitude', 'fontsize',14); >> grid; Sinais e Sistemas Transformadas Discretas no Matlab Prof. Francisco Januário 30 Gráfico da DFT do slide anterior Sinais e Sistemas Transformadas Discretas no Matlab Prof. Francisco Januário