Baixe o app para aproveitar ainda mais
Prévia do material em texto
FUNDAMENTOS DE SISTEMAS DE COMUNICAÇÃO AULA 2 Prof. Mauro José Kummer 2 CONVERSA INICIAL Nesta aula, você encontrará a definição de sinais e reconhecerá as diferentes formas de classificá-los (podem ser separados em dois grupos, os periódicos e não periódicos). Compreenderá que um sinal de periódico pode ser aproximado pela Série de Fourier e verá como funções pares e ímpares se comportam quando analisados pelas séries de Fourier. A análise de sinais no domínio do tempo pode ser um desafio bastante complexo, mas, por meio da transformada de Fourier, operações complexas podem ser simplificadas quando a função é transformada para outro domínio. Você compreenderá melhor estas questões quando estudar as propriedades associadas à transformada de Fourier, assim como à operação inversa da transformada. O estudo da convolução de sinais servirá de base para o aprendizado das aulas seguintes, bem como para compreender a densidade espectral dos sinais e seus efeitos. TEMA 1 – SINAIS, ESPECTROS DE LINHA E SÉRIES DE FOURIER 1.1 Introdução Antes de iniciar a parte do estudo sobre séries, é preciso efetuar uma revisão de números complexos. Número complexo é dado por uma parcela dos números reais, acrescido de uma parcela dos números imaginários. Número complexo é representado por: 𝑧𝑧 = 𝑎𝑎 + 𝑗𝑗𝑗𝑗 Em que a e b correspondem às coordenadas das abscissas e ordenadas do plano complexo. Figura 1 – Representação do plano dos números complexos r Reais Imaginário a b θ z 3 A parte Real de z corresponde à incógnita a e a parte imaginária de z corresponde à b no plano cartesiano complexo. Isto pode ser escrito da seguinte forma: 𝑎𝑎 = 𝑟𝑟. 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑒𝑒 𝑗𝑗 = 𝑟𝑟. 𝑐𝑐𝑒𝑒𝑠𝑠𝑐𝑐 Sendo r e θ as coordenadas polares do ponto z. Trabalhando com as equações, tem-se: 𝑧𝑧 = 𝑎𝑎 + 𝑗𝑗𝑗𝑗 = 𝑟𝑟. cos𝑐𝑐 + 𝑗𝑗. 𝑟𝑟. 𝑐𝑐𝑒𝑒𝑠𝑠 𝑐𝑐 = 𝑟𝑟( 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 + 𝑗𝑗𝑐𝑐𝑒𝑒𝑠𝑠𝑐𝑐) Pela fórmula de Euler, tem-se 𝑒𝑒𝑗𝑗𝑗𝑗 = 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 + 𝑗𝑗𝑐𝑐𝑒𝑒𝑠𝑠𝑐𝑐 Portanto: 𝑧𝑧 = 𝑎𝑎 + 𝑗𝑗𝑗𝑗 𝑒𝑒 𝑧𝑧 = 𝑟𝑟𝑒𝑒𝑗𝑗𝑗𝑗 Isso nos leva a compreender um número complexo na fórmula cartesiana a ser expresso na forma polar. Os termos de: 𝑟𝑟 = �𝑎𝑎2 + 𝑗𝑗2 𝑒𝑒 𝑐𝑐 = 𝑡𝑡𝑡𝑡−1 𝑗𝑗 𝑎𝑎 1.2 Conjugado de um número complexo 𝑧𝑧 = 𝑎𝑎 + 𝑗𝑗𝑗𝑗 É dado por: 𝑧𝑧∗ = 𝑎𝑎 − 𝑗𝑗𝑗𝑗 𝑝𝑝𝑐𝑐𝑟𝑟𝑡𝑡𝑎𝑎𝑠𝑠𝑡𝑡𝑐𝑐, 𝑧𝑧 = 𝑟𝑟. 𝑒𝑒−𝑗𝑗𝑗𝑗 No plano complexo: 4 𝑟𝑟𝑒𝑒𝑗𝑗𝑗𝑗 Isso corresponde à distância do ponto r até a origem do sistema cartesiano, inclinado θ graus em relação ao eixo das abscissas (eixo horizontal). Figura 2 – Plano complexo 1.3 Identidades úteis O ponto situado na reta dos números reais igual a –1 situa-se a uma distância de dimensão 1 da origem e tem por ângulo θ o valor de π, portanto: 1𝑒𝑒𝑗𝑗𝑗𝑗 = −1 Observe que o ângulo π é igual ao ângulo -π e por seus múltiplos inteiros ímpares nπ. O número 1, por sua vez, pode ser expresso por: 1𝑒𝑒𝑗𝑗2𝑗𝑗 = 1 Mais precisamente, o ângulo é 2nπ para qualquer n inteiro. O número j tem valor 1 no eixo imaginário e o ângulo formado é de π/2. 𝑒𝑒𝑗𝑗 𝑗𝑗 2 = 𝑗𝑗 De maneira similar: 𝑒𝑒−𝑗𝑗 𝑗𝑗 2 = −𝑗𝑗 Reais Imaginário a b θ z 5 1.3.1 Tamanho do sinal A ideia de tamanho oferece uma dimensão comparativa. Por meio da percepção, é possível afirmar que algo é grande ou pequeno sempre quando se compara o objeto contra um padrão. Em termos matemáticos, o tamanho de um sinal está relacionado à sua amplitude, mas também ao comprimento do sinal. Outro sinônimo para tamanho de um sinal é força de um sinal. 1.3.2 Energia de um sinal O conceito de energia do sinal é melhor do que o tamanho do sinal por uma questão simples: um sinal pode variar sua amplitude em relação ao valor de referência de maneira a adotar valores positivos ou negativos. Dessa forma, ao somar o tamanho do sinal, as partes positivas podem ser compensadas pelas partes negativas do sinal e o resultado pode indicar um valor pequeno. Uma forma de contornar este problema é tomar o quadrado do sinal, assim, todo número elevado ao quadrado torna-se positivo e o efeito da compensação positivo/negativo é eliminado. 𝐸𝐸𝑥𝑥 = � 𝑥𝑥2 ∞ −∞ (𝑡𝑡). 𝑑𝑑𝑡𝑡 𝑝𝑝𝑎𝑎𝑟𝑟𝑎𝑎 𝑐𝑐𝑠𝑠𝑠𝑠𝑎𝑎𝑠𝑠𝑐𝑐 𝑟𝑟𝑒𝑒𝑎𝑎𝑠𝑠𝑐𝑐 𝐸𝐸𝑥𝑥 = � |𝑥𝑥|2 ∞ −∞ (𝑡𝑡).𝑑𝑑𝑡𝑡 𝑝𝑝𝑎𝑎𝑟𝑟𝑎𝑎 𝑐𝑐𝑠𝑠𝑠𝑠𝑎𝑎𝑠𝑠𝑐𝑐 𝑐𝑐𝑐𝑐𝑐𝑐𝑝𝑝𝑐𝑐𝑒𝑒𝑥𝑥𝑐𝑐𝑐𝑐 1.3.3 Potência de sinal Matematicamente, o valor de Ex só existirá se a integral convergir para um número, ou seja, é preciso que, quando t→∞, o valor de E→0, em outras palavras, a energia deve ser finita e a integral converge para um número. Não é possível calcular o valor de uma integral que some ∞. A medida mais significativa do tamanho de um sinal é chamada potência do sinal, dada pela fórmula: 𝑃𝑃𝑥𝑥 = lim𝑇𝑇→∞ 1 𝑇𝑇 � 𝑥𝑥2 𝑇𝑇 2 −𝑇𝑇 2 (𝑡𝑡).𝑑𝑑𝑡𝑡 Para um sinal complexo: 6 𝑃𝑃𝑥𝑥 = lim𝑇𝑇→∞ 1 𝑇𝑇 � |𝑥𝑥(𝑡𝑡)|2 𝑇𝑇 2 −𝑇𝑇 2 .𝑑𝑑𝑡𝑡 A figura mostra exemplos de sinais finitos e infinitos. Figura 3 – Sinais finitos e infinitos Fonte: Lathi, 2008, p. 76. O cálculo da integral de Px é o valor médio quadrático da amplitude de x. Se retirarmos a raiz quadrada de Px, obtemos o valor rms. Deve ser feita uma ressalva quanto aos significados de energia e potência aqui apresentados. Em termos práticos, o sinal é representado por uma tensão ou uma corrente, então a medida de energia ou de potência é relacionada a um resistor de carga de 1 Ohm, e disto decorre que não se pode falar no teorema da conservação de energia. Outro aspecto dessa medida é que ela é dada em unidades dimensionais de tensão (volt quadrado.segundo) ou de corrente (ampère quadrado.segundo), e não de watt. 1.3.4 Operações úteis com sinais São três as operações: deslocamento temporal, escalamento temporal e reversão temporal. Deslocamento temporal Consideram-se dois sinais iguais, mas o segundo sinal é deslocado no tempo em relação ao primeiro de T segundos. Essa relação pode ser escrita da seguinte forma: 𝑥𝑥(𝑡𝑡) = 𝜙𝜙(𝑡𝑡 + 𝑇𝑇) E pode ser escrita de forma relativa, como: 7 𝑥𝑥(𝑡𝑡 − 𝑇𝑇) = 𝜙𝜙(𝑡𝑡) Da mesma maneira, é possível afirmar que um sinal pode estar adiantado em relação a outro: 𝑥𝑥(𝑡𝑡) = 𝜙𝜙(𝑡𝑡 − 𝑇𝑇) e 𝑥𝑥(𝑡𝑡 + 𝑇𝑇) = 𝜙𝜙(𝑡𝑡) Figura 4 – Sinais Fonte: Lathi, 2008, p. 81. Logo x(t–T) representa o deslocamento do sinal em T segundos. Se T é positivo, o sinal é deslocado para a direita (em atraso), se é negativo, o sinal é deslocado para a esquerda (adiantado). 1.3.5 Escalamento temporal Ocorre quando um sinal é expandido ou comprimido. Para tanto, basta acelerar um sinal ou diminuir a sua velocidade. Imagine um espaço de tempo t, agora imagine que este sinal possa ser comprimido para a metade de seu tempo de duração. É o mesmo sinal, mas apresentado agora em T/2. Da mesma forma, imagine um sinal sendo esticado para o dobro de seu tempo, então tem-se o sinal ao longo de 2T. A figura representa o escalonamento do sinal. 8 Figura 5 – Escalonamento de sinal Fonte: Lathi, 2008, p. 83. Para escalonar um sinal, basta substituir a variável t pela variável at. Se a>1 resulta em compreensão do sinal e se a<1 resulta em expansão do sinal. 1.3.6 Reversão temporal Na reversão temporal, o sinal é rotacionado em relação ao eixo da f(x) em 180° ou π radianos. Vide figura: Figura 6 – Reversão de sinal Fonte: Lathi, 2008, p. 85. 1.3.7 Classificação de sinais Os sinais podem ser classificados de diversas formas, sinais contínuos ou discretos; sinais analógicos ou digitais. Estes já foram estudadosna aula 1. Agora, acrescentaremos outras formas de classificá-los. Veremos os sinais denominados periódicos e os não periódicos; os sinais de energia e de potência e, por fim, os sinais determinísticos e os sinais probabilísticos. 9 Sinais periódicos e não periódicos Sinais podem ser aproximados por funções. A função seno é exemplo típico para a explicação de o que é um sinal periódico, vide a figura: Figura 7 – Sinal senoidal Créditos: Julia Kopacheva/Shutterstock. A característica desta função é que ela se repete indefinidamente e, à medida que o sinal progride no tempo, ele também se repete, isto é, assume os mesmos valores. Isto ocorre em períodos de tempo fixos, por exemplo. Começando em zero, cresce até um máximo, decresce até o valor zero e continua a decrescer, tornando-se negativa, e atinge o seu valor mínimo. A partir daí, a função cresce até atingir o valor zero e isto se repete ciclicamente. Se for tomado outro valor em outro ponto, o ciclo se repete até obtermos o mesmo valor. O tempo gasto para que o ciclo de repetição ocorra é sempre o mesmo. Este tempo gasto é chamado de período da função T. Se tomar o a relação inversa do período se encontra a frequência do sinal. 𝑇𝑇 = 1 𝑓𝑓 𝑒𝑒𝑐𝑐 𝑐𝑐𝑒𝑒𝑡𝑡𝑠𝑠𝑠𝑠𝑑𝑑𝑐𝑐𝑐𝑐 𝑝𝑝𝑒𝑒𝑐𝑐𝑐𝑐 𝑆𝑆. 𝐼𝐼. e 𝑓𝑓 = 1 𝑇𝑇 𝑒𝑒𝑐𝑐 𝐻𝐻𝑒𝑒𝑟𝑟𝑡𝑡𝑧𝑧 𝑝𝑝𝑒𝑒𝑐𝑐𝑐𝑐 𝑆𝑆. 𝐼𝐼. 10 Sinais que não se repetem no tempo são chamados aperiódicos. Um ruído normalmente é não periódico. Pela definição de sinal periódico, necessariamente o sinal deve começar em -∞ e se propagar indefinidamente, pois, se um sinal começar em um tempo qualquer, então, ele assumirá valores diferentes dos do sinal. A possibilidade de se obter o mesmo sinal a partir do período T, para tanto, basta que: 𝑥𝑥(𝑡𝑡) = 𝑥𝑥(𝑡𝑡 + 𝑇𝑇) A figura representa este enunciado Figura 8 Fonte: Haykin, 2011, p. 89. Na figura, se pode observar que, para sinais periódicos, o sinal sempre se repete, desde que seja tomado em múltiplos do período T. Sinais elementares Os sinais apresentados a seguir são importantes no estudo dos sinais. Sinais senoidais eternos: Seja: 𝑥𝑥(𝑡𝑡) = 𝐴𝐴 cos(2𝜋𝜋𝑓𝑓0𝑡𝑡 + Θ𝑥𝑥) Em que A é a amplitude do sinal, 2πf é a frequência angular do sinal (em Hertz) e Θ é a fase do sinal. O sinal é periódico com período T se: 𝑥𝑥(𝑡𝑡 + 𝑇𝑇) = 𝐴𝐴 cos(2𝜋𝜋𝑓𝑓0𝑡𝑡 + Θ𝑥𝑥 + 2𝜋𝜋𝑓𝑓0𝑇𝑇) = 𝐴𝐴 cos(2𝜋𝜋𝑓𝑓0𝑡𝑡 + Θ𝑥𝑥 + 2𝜋𝜋) = 𝑥𝑥(𝑡𝑡) 11 Exponencial real Seja: 𝑥𝑥(𝑡𝑡) = 𝐴𝐴. 𝑒𝑒𝑎𝑎𝑎𝑎 Sendo A e a reais. Para valores de a = 0, a função é constante e vale A. para valores de a positivos, a função é crescente com o tempo e, para valores de a negativos, a função é decrescente. Figura 9 – Função exponencial (a) para a>0 e (b) para a<0 Exponencial complexa periódica Trata-se de uma classe importante de sinais do tipo: 𝑥𝑥(𝑡𝑡) = 𝑒𝑒𝑗𝑗2𝑗𝑗𝜋𝜋𝑎𝑎 Para 2πf reais. Pela fórmula de Euler: 𝑥𝑥(𝑡𝑡) = 𝑒𝑒𝑗𝑗2𝑗𝑗𝜋𝜋𝑎𝑎 = cos 2𝜋𝜋𝑓𝑓𝑡𝑡 + 𝑗𝑗𝑐𝑐𝑒𝑒𝑠𝑠 2𝜋𝜋𝑓𝑓𝑡𝑡 , 𝑒𝑒 𝑗𝑗 = √−1 A função pode ser representada em um gráfico tridimensional, mostrando as partes real e imaginária em função do tempo. 12 Figura 10 – Função exponencial em função do tempo Ou representada em um plano complexo: Figura 11 – Função exponencial no plano complexo A magnitude do fasor é sempre 1, pois: |𝑒𝑒𝑗𝑗2𝑗𝑗𝜋𝜋𝑎𝑎| = �(𝑐𝑐𝑐𝑐𝑐𝑐22𝜋𝜋𝑓𝑓𝑡𝑡 + 𝑐𝑐𝑒𝑒𝑠𝑠22𝜋𝜋𝑓𝑓𝑡𝑡) = 1 𝑝𝑝𝑎𝑎𝑟𝑟𝑎𝑎 ∀ 𝑡𝑡 E o ângulo é dado: 2𝜋𝜋𝑓𝑓 = 𝑡𝑡𝑎𝑎𝑠𝑠−1 𝑐𝑐𝑒𝑒𝑠𝑠 2𝜋𝜋𝑓𝑓𝑡𝑡 cos 2𝜋𝜋𝑓𝑓𝑡𝑡 Exponencial complexa A exponencial complexa pode ser representada por um caso geral em que: 𝑥𝑥(𝑡𝑡) = 𝐴𝐴. 𝑒𝑒𝑎𝑎𝑎𝑎 𝑒𝑒𝑐𝑐 𝑞𝑞𝑠𝑠𝑒𝑒 𝐴𝐴 𝑒𝑒 𝑎𝑎 𝑐𝑐ã𝑐𝑐 𝑠𝑠ú𝑐𝑐𝑒𝑒𝑟𝑟𝑐𝑐𝑐𝑐 𝑐𝑐𝑐𝑐𝑐𝑐𝑝𝑝𝑐𝑐𝑒𝑒𝑥𝑥𝑐𝑐𝑐𝑐 13 Então, A vale: 𝐴𝐴 = |𝐴𝐴|𝑒𝑒𝑗𝑗ϕ 𝑒𝑒 𝑎𝑎 = 𝑟𝑟 + 𝑗𝑗2𝜋𝜋𝑓𝑓𝑡𝑡 Figura 12 – Exponenciais complexas para r<0 e r>0 Isto pode ser escrito da seguinte forma: 𝑥𝑥(𝑡𝑡) = |𝐴𝐴|𝑒𝑒𝑗𝑗𝑗𝑗. 𝑒𝑒𝑟𝑟𝑎𝑎. 𝑒𝑒𝑗𝑗2𝑗𝑗𝜋𝜋𝑎𝑎 = |𝐴𝐴|. 𝑒𝑒𝑟𝑟𝑎𝑎. cos(2𝜋𝜋𝑓𝑓𝑡𝑡 + 𝜙𝜙) + 𝑗𝑗|𝐴𝐴|𝑒𝑒𝑟𝑟𝑎𝑎𝑐𝑐𝑒𝑒𝑠𝑠 (2𝜋𝜋𝑓𝑓𝑡𝑡 + 𝜙𝜙) Para r<0, as partes real e imaginária de x(t) são senoides amortecidas ou senoides crescentes para r>0. A parte correspondente a |A|.ert é chamada de envoltória. Função sinc Esta função é definida pela equação: 𝑥𝑥(𝑡𝑡) = 𝑐𝑐𝑠𝑠𝑠𝑠𝑐𝑐(𝑡𝑡) = 𝑐𝑐𝑒𝑒𝑠𝑠 𝜋𝜋𝑡𝑡 𝜋𝜋𝑡𝑡 E seu gráfico é mostrado na figura 13. 14 Figura 13 – Sinal sinc. Função pulso triangular A função é definida por: 𝑡𝑡𝑟𝑟𝑠𝑠 � 𝑡𝑡 𝜏𝜏 � = � 1 − 2 𝜏𝜏 |𝑡𝑡| 𝑝𝑝𝑎𝑎𝑟𝑟𝑎𝑎 |𝑡𝑡| < 𝜏𝜏 2 𝑒𝑒 0 𝑝𝑝𝑎𝑎𝑟𝑟𝑎𝑎 |𝑡𝑡| > 𝜏𝜏 2 A figura 14 mostra a função. Figura 14 – Função pulso triangular Função pulso gaussiano de área unitária A função pulso gaussiano unitário, ou simplesmente gaussiana, é dada pela equação: (𝑡𝑡) = 1 𝜎𝜎√2𝜋𝜋 . 𝑒𝑒�− 1 2� 𝑎𝑎 𝜎𝜎� 2 � 15 Sendo o desvio padrão σ, sua representação gráfica é mostrada na figura 15: Figura 15 – Pulso gaussiano de área unitária Função sinal A expressão da função é dada pela equação: 𝑐𝑐𝑡𝑡𝑠𝑠 (𝑡𝑡) = � 1, 𝑝𝑝𝑎𝑎𝑟𝑟𝑎𝑎 𝑡𝑡 > 0 0, 𝑝𝑝𝑎𝑎𝑟𝑟𝑎𝑎 𝑡𝑡 = 0 𝑒𝑒 −1 𝑝𝑝𝑎𝑎𝑟𝑟𝑎𝑎 𝑡𝑡 < 0 E seu gráfico na figura 16. Figura 16 – Função sgn(t) Função porta ou sinal retangular Esta função tem duração T e amplitude unitária e é representada pela equação: 16 𝑥𝑥(𝑡𝑡) = 𝑟𝑟𝑒𝑒𝑐𝑐𝑡𝑡( 𝑡𝑡 𝑇𝑇 ) A figura 17 representa a função rect(t). Figura 17 – Função rect(t) A função degrau é bastante simples. Pense no ato de ligar uma chave de energia de um equipamento. Estava desligado, portanto, sem energia. Ao ligar o equipamento, a energia flui pelos circuitos, causando o seu funcionamento. Um sinal degrau é representado na figura 18. Figura 18 – Sinal degrau Fonte: Haykin, 2011, p. 91. Como a amplitude do sinal vale 1, a função é chamada também por degrau unitário. Matematicamente, a função degrau unitário pode ser escrita da seguinte forma: 𝑠𝑠(𝑡𝑡) = �1 𝑝𝑝𝑎𝑎𝑟𝑟𝑎𝑎 𝑡𝑡 ≥ 00 𝑝𝑝𝑎𝑎𝑟𝑟𝑎𝑎 𝑡𝑡 < 0 17 Uma função pulso quadrado pode ser obtida por meio da diferença de dois sinais degrau, defasadas no tempo, vide a figura. Figura 19a – Dois degraus unitários Fonte: Haykin, 2011, p. 91. Sendo a expressão: 𝑥𝑥(𝑡𝑡) = 𝑠𝑠(𝑡𝑡 − 2) − 𝑠𝑠(𝑡𝑡 − 4) O que resulta em: Figura 19b Fonte: Haykin, 2011, p. 91. A função impulso tem muitas aplicações em sistemas de comunicações. Sua definição matemática é dada pela expressão: 𝛿𝛿(𝑡𝑡) = 0 𝑝𝑝𝑎𝑎𝑟𝑟𝑎𝑎 𝑡𝑡 ≠ 0 � 𝛿𝛿(𝑡𝑡).𝑑𝑑𝑡𝑡 = 1 ∞ −∞ 18 A figura 20 representa a função impulso. Figura 20 – Função impulso Fonte: Haykin, 2011, p. 94. A forma não é característica principal da função impulso, mas sim a largura do pulso, que tende a zero. A função degrau e a função exponencial pata, em tempos muito pequenos, se aproximam da função impulso. A função impulso não pode ser gerada na prática, mas pode ser aproximada. Sinais de energia e sinais de potência Se um sinal tem energia finita é chamado de sinal de energia. Um sinal com potência finita não nula é um sinal de potência. Lembrando que a potência é a média da energia ao longo do tempo. Para tempos muito grandes, aproximando-se do infinito a um sinal com energia finita, encontramos potência igual a zero. Um sinal com potência finita tem energia infinita, portanto um sinal não pode ser, simultaneamente, um sinal de energia e um sinal de potência. Os casos práticos mostram que os sinais têm energia finita, então são sinaisde energia. Assim, é impossível gerar um sinal de potência, pois tal sinal teria duração infinita e energia infinita. Sinais determinísticos e sinais aleatórios Sinais determinísticos são aqueles que podem ser representados por funções, portanto podem ser calculados. Sinais aleatórios só podem ser representados estatisticamente. Os sinais tratados neste livro serão determinísticos. 19 1.4 Séries de Fourier O matemático francês Jean Baptist Joseph Fourier contribuiu significativamente para o desenvolvimento dos estudos matemáticos ao trabalhar a resolução dos problemas de transferência de calor. No início da Revolução Industrial, com a adoção do vapor em substituição do trabalho animal, as indústrias passaram a enfrentar sérias dificuldades em lidar com a forma de energia calor. O brilhante trabalho de Fourier trouxe luz sobre este novo campo de estudos: a dissipação de calor. Mais tarde, descobriu-se que a equação do calor proposta por Fourier também se aplicava em outras áreas do conhecimento. O estudo inicial de Fourier apontou que o comportamento de certos fenômenos seguia o conceito matemático de séries. Especificamente, séries trigonométricas, compostas de funções seno e cosseno. A equação do calor proposta por Fourier é: 𝜕𝜕𝑠𝑠 𝜕𝜕𝑡𝑡 = 𝑘𝑘. 𝜕𝜕2𝑠𝑠 𝜕𝜕𝑥𝑥2 Para a compreensão dos chamados sinais, é necessário aprofundar o tema. Para tanto, é preciso definir alguns conceitos: Sinais unidimensionais são aqueles definidos como funções de valor único. Para valor único, podem-se encontrar valores reais, então chamados sinais de valor real. Outro valor único são os chamados números complexos, chamados sinais de valor complexo. Os sinais também podem ser classificados como de tempo contínuo. Para que um sinal seja assim classificado, é preciso que ele seja definido em todo intervalo de tempo. Figura 21 – Representação de sinal de tempo contínuo Tempo t Amplitude x(t) 20 Sinais de tempo discreto são obtidos por meio de um sinal de tempo contínuo. Para tanto, basta amostrar o sinal contínuo com uma taxa de amostragem constante. Sinal de tempo discreto é observado na figura 22. Figura 22 – O resultado da amostragem é um sinal discreto Os sinais são funções e as funções são classificadas em dois tipos – as pares e, consequentemente, as ímpares. Desta forma, teremos sinais pares e sinais ímpares. Seguindo a definição matemática, um sinal par é simétrico em relação ao eixo das ordenadas. Matematicamente, se x(t) = x(-t), a função é par. A figura 23 mostra o gráfico de uma função par. Figura 23 – Gráfico de função par Se escolhermos um valor para x e, a partir deste ponto, encontramos o valor para x(t), por exemplo x = 2 | x(2) = 0,6; e o valor para x=–2 conduzirá a x(–2) = 0,6. Observa-se que a função cosseno é par. Por outro lado, se x(t) = -x(–t) a função é ímpar. A figura 24 mostra uma função ímpar. Tempo t Amplitude x(t) 21 Figura 24 – Gráfico de uma função ímpar Da figura 24, observa-se que, se x = 2; x(2) = 0,8 e se x=-2; x(–2) = –0,8. Assim, pode-se afirmar que a função ímpar é simétrica em relação ao ponto de origem do sinal (coordenadas (0,0)). A função seno é uma função ímpar. TEMA 2 – TRANSFORMADA DE FOURIER 2.1 Transformada e transformada inversa de Fourier Analisar matematicamente um sinal no domínio do tempo pode ocasionar dificuldades. Um recurso é transformar o sinal para outro domínio, no qual seja mais fácil realizar as operações matemáticas. Um sinal no domínio do tempo pode ser convertido em um sinal no domínio da frequência por meio da transformada de Fourier. Considerando um sinal g(t) como determinístico e não periódico, expresso no domínio do tempo t, a definição matemática da transformada deste sinal é dada pela equação: 𝐺𝐺(𝑓𝑓) = � 𝑡𝑡(𝑡𝑡). 𝑒𝑒(−𝑗𝑗2𝑗𝑗𝜋𝜋𝑎𝑎). 𝑑𝑑𝑡𝑡 ∞ −∞ Sendo: 𝑗𝑗 = √−1 Na qual a variável f denota a frequência do sinal. Por uma questão de facilidade de compreensão, o sinal no domínio da frequência pode ser transformado novamente para o domínio do tempo. Isto pode ser feito pela transformada inversa de Fourier. A fórmula que expressa esta operação é dada por: 22 𝑡𝑡(𝑡𝑡) = � 𝐺𝐺(𝑓𝑓). 𝑒𝑒(𝑗𝑗2𝑗𝑗𝜋𝜋𝑎𝑎).𝑑𝑑𝑓𝑓 ∞ −∞ Foram utilizadas letras minúsculas para expressar funções no domínio do tempo e letras maiúsculas para funções no domínio da frequência. A transformada de Fourier, para existir, deve obedecer a algumas condições conhecidas por condições de Dirichlet, mas, de forma direta, é possível afirmar que, quando g(t) for uma descrição de um sistema físico realizável, existirá a transformada de Fourier. De forma semelhante, pode-se afirmar que, para sinais de energia finitos, existirá a transformada de Fourier. Isto é representado pela equação: � |𝑡𝑡(𝑡𝑡)|2.𝑑𝑑𝑡𝑡 < ∞ ∞ −∞ É importante frisar que as dimensões para o tempo são o segundo (s) e, para a frequência, o Hertz (Hz). A frequência também é expressa em radianos por segundo (rad/s), pois se trata de frequência angular (ω). O uso do símbolo F também é frequente na representação, desta forma: 𝐺𝐺(𝑓𝑓) = 𝐹𝐹[𝑡𝑡(𝑡𝑡)] 𝑒𝑒 𝑡𝑡(𝑡𝑡) = 𝐹𝐹−1[𝐺𝐺(𝑓𝑓)] TEMA 3 – PROPRIEDADES DA TRANSFORMADA DE FOURIER 3.1 Propriedades Ao se trabalhar com estas ferramentas matemáticas, é útil conhecer algumas propriedades que facilitarão o cálculo. A primeira propriedade é chamada por linearidade (ou por superposição) e é dada por: 𝑐𝑐1.𝑡𝑡1(𝑡𝑡) + 𝑐𝑐2.𝑡𝑡2(𝑡𝑡) ⇌ 𝑐𝑐1.𝐺𝐺1(𝑓𝑓) + 𝑐𝑐2.𝐺𝐺2(𝑓𝑓) 23 Esta propriedade permite encontrar a transformada de Fourier de um sinal g(t) como uma combinação linear de outras funções g(t), cujas transformadas são conhecidas. O escalonamento (escalamento) temporal é dado por: 𝑡𝑡(𝑎𝑎𝑡𝑡) ⇌ 1 |𝑎𝑎| .𝐺𝐺 � 𝑓𝑓 𝑎𝑎 � Se a g(t) for comprimida no tempo por um fator a, a G(f) é expandida na frequência pelo fator a. Esta é uma propriedade muito útil, pois permite compreender que se o tempo é reduzido a frequência, ela é aumentada e vice- versa. A dualidade é dada por: 𝑐𝑐𝑒𝑒 𝑡𝑡(𝑡𝑡) ⇌ 𝐺𝐺(𝑓𝑓), 𝑒𝑒𝑠𝑠𝑡𝑡ã𝑐𝑐 𝑎𝑎 𝑡𝑡𝑟𝑟𝑎𝑎𝑠𝑠𝑐𝑐𝑓𝑓𝑐𝑐𝑟𝑟𝑐𝑐𝑎𝑎𝑑𝑑𝑎𝑎 𝑠𝑠𝑠𝑠𝑖𝑖𝑒𝑒𝑟𝑟𝑐𝑐𝑎𝑎 𝑑𝑑𝑒𝑒 𝐹𝐹𝑐𝑐𝑠𝑠𝑟𝑟𝑠𝑠𝑒𝑒𝑟𝑟 é 𝐺𝐺(𝑡𝑡) ⇌ 𝑡𝑡(−𝑓𝑓) O deslocamento no tempo é dado por: 𝑡𝑡(𝑡𝑡 − 𝑡𝑡0) ⇌ 𝐺𝐺(𝑓𝑓). 𝑒𝑒−𝑗𝑗2𝑗𝑗𝜋𝜋𝑎𝑎0 Deslocar uma função no tempo não implica modificar a amplitude da transformada, mas sim o seu ponto de início, ou seja, a sua fase é alterada pelo fator –2πft0. Deslocamento em frequência (modulação): 𝑆𝑆𝑒𝑒 𝑡𝑡(𝑡𝑡) ⇌ 𝐺𝐺(𝑓𝑓), 𝑒𝑒𝑠𝑠𝑡𝑡ã𝑐𝑐 𝑒𝑒𝑗𝑗2𝑗𝑗𝜋𝜋𝑐𝑐𝑎𝑎.𝑡𝑡(𝑡𝑡) ⇌ 𝐺𝐺(𝑓𝑓 − 𝑓𝑓𝑐𝑐) Esta propriedade é chamada teorema da modulação, pois o deslocamento de um sinal para outra faixa de frequências é feito por meio da modulação do sinal. Deslocamentos no tempo e na frequência são duais. Área sob g(t): 𝑐𝑐𝑒𝑒 𝑡𝑡(𝑡𝑡) ⇌ 𝐺𝐺(𝑓𝑓), 𝑒𝑒𝑠𝑠𝑡𝑡ã𝑐𝑐 24 � 𝑡𝑡(𝑡𝑡).𝑑𝑑𝑡𝑡 = 𝐺𝐺(0) ∞ −∞ A área sob g(t) é igual ao valor da transformada de Fourier em G(f) em f=0. Área sob G(f): 𝑐𝑐𝑒𝑒 𝑡𝑡(𝑡𝑡) ⇌ 𝐺𝐺(𝑓𝑓), 𝑒𝑒𝑠𝑠𝑡𝑡ã𝑐𝑐 𝑡𝑡(0) = � 𝐺𝐺(𝑓𝑓).𝑑𝑑𝑓𝑓 ∞ −∞ A área sob a transformada de Fourier é o valor da função g(t) em t = 0. Diferenciação no domínio do tempo: 𝑐𝑐𝑒𝑒 𝑡𝑡(𝑡𝑡) ⇌ 𝐺𝐺(𝑓𝑓) 𝑒𝑒 𝑞𝑞𝑠𝑠𝑒𝑒 𝑒𝑒𝑥𝑥𝑠𝑠𝑐𝑐𝑡𝑡𝑒𝑒 𝑎𝑎 𝐺𝐺′(𝑓𝑓)𝑑𝑑𝑒𝑒 𝑡𝑡′(𝑡𝑡) 𝑑𝑑 𝑡𝑡(𝑡𝑡) 𝑑𝑑𝑡𝑡 ⇌ 𝑗𝑗2𝜋𝜋𝑓𝑓.𝐺𝐺(𝑓𝑓) Diferenciar uma função g(t) tem o efeito de multiplicar a sua transformada por um fator j2πf. Integração no domínio do tempo: 𝑐𝑐𝑒𝑒 𝑡𝑡(𝑡𝑡) ⇌ 𝐺𝐺(𝑓𝑓), 𝑒𝑒𝑠𝑠𝑡𝑡ã𝑐𝑐 𝑑𝑑𝑎𝑎𝑑𝑑𝑐𝑐 𝑞𝑞𝑠𝑠𝑒𝑒 𝐺𝐺(0) = 0 � 𝑡𝑡(𝜏𝜏).𝑑𝑑𝜏𝜏 ⇌1 𝑗𝑗2𝜋𝜋𝑓𝑓 𝐺𝐺(𝑓𝑓) 𝑎𝑎 −∞ Integrar uma função no tempo equivale a dividir a sua transformada por um fator j2πf, assumindo-se que G(0) assume o valor 0. Funções conjugadas: 𝑐𝑐𝑒𝑒 𝑡𝑡(𝑡𝑡) ⇌ 𝐺𝐺(𝑓𝑓),𝑝𝑝𝑎𝑎𝑟𝑟𝑎𝑎 𝑠𝑠𝑐𝑐𝑎𝑎 𝑓𝑓𝑠𝑠𝑠𝑠çã𝑐𝑐 𝑡𝑡(𝑡𝑡)𝑐𝑐𝑐𝑐𝑐𝑐𝑝𝑝𝑐𝑐𝑒𝑒𝑥𝑥𝑎𝑎 𝑡𝑡𝑒𝑒𝑐𝑐 − 𝑐𝑐𝑒𝑒 𝑡𝑡∗(𝑡𝑡) ⇌ 𝐺𝐺∗(−𝑓𝑓) O * representa a operação do conjugado complexo, que pode ser descrita como: 25 𝑡𝑡 ∗ (−𝑡𝑡) ⇌ 𝐺𝐺 ∗ (𝑓𝑓) Tabela resumida das propriedades da transformada de Fourier: 1 − Linearidade 𝑐𝑐1.𝑡𝑡1(𝑡𝑡) + 𝑐𝑐2.𝑡𝑡2(𝑡𝑡) ⇌ 𝑐𝑐1.𝐺𝐺1(𝑓𝑓) + 𝑐𝑐2.𝐺𝐺2(𝑓𝑓) 2 − 𝐸𝐸𝑐𝑐𝑐𝑐𝑎𝑎𝑐𝑐𝑐𝑐𝑠𝑠𝑎𝑎𝑐𝑐𝑒𝑒𝑠𝑠𝑡𝑡𝑐𝑐 𝑠𝑠𝑐𝑐 𝑡𝑡𝑒𝑒𝑐𝑐𝑝𝑝𝑐𝑐 𝑡𝑡(𝑎𝑎𝑡𝑡) = 1 |𝑎𝑎| .𝐺𝐺 � 𝑓𝑓 𝑎𝑎 � 3 − 𝐷𝐷𝑠𝑠𝑎𝑎𝑐𝑐𝑠𝑠𝑑𝑑𝑎𝑎𝑑𝑑𝑒𝑒 𝑐𝑐𝑒𝑒 𝑡𝑡(𝑡𝑡) ⇌ 𝐺𝐺(𝑓𝑓), 𝑒𝑒𝑠𝑠𝑡𝑡ã𝑐𝑐 𝐺𝐺(𝑡𝑡) ⇌ 𝑡𝑡(−𝑓𝑓) 4 − 𝐷𝐷𝑒𝑒𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑎𝑎𝑐𝑐𝑒𝑒𝑠𝑠𝑡𝑡𝑐𝑐 𝑠𝑠𝑐𝑐 𝑡𝑡𝑒𝑒𝑐𝑐𝑝𝑝𝑐𝑐 𝑡𝑡(𝑡𝑡 − 𝑡𝑡0) ⇌ 𝐺𝐺(𝑓𝑓). 𝑒𝑒−𝑗𝑗2𝑗𝑗𝜋𝜋𝑎𝑎0 5 −𝐷𝐷𝑒𝑒𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑎𝑎𝑐𝑐𝑒𝑒𝑠𝑠𝑡𝑡𝑐𝑐 𝑒𝑒𝑐𝑐 𝑓𝑓𝑟𝑟𝑒𝑒𝑞𝑞𝑠𝑠𝑒𝑒𝑠𝑠𝑐𝑐𝑠𝑠𝑎𝑎 𝑐𝑐𝑒𝑒 𝑡𝑡(𝑡𝑡) ⇌ 𝐺𝐺(𝑓𝑓), 𝑒𝑒𝑠𝑠𝑡𝑡ã𝑐𝑐 𝑒𝑒𝑗𝑗2𝑗𝑗𝜋𝜋𝑐𝑐𝑎𝑎.𝑡𝑡(𝑡𝑡) ⇌ 𝐺𝐺(𝑓𝑓 − 𝑓𝑓𝑐𝑐) 6 − á𝑟𝑟𝑒𝑒𝑎𝑎 𝑐𝑐𝑐𝑐𝑗𝑗 𝑡𝑡(𝑡𝑡) 𝑐𝑐𝑒𝑒 𝑡𝑡(𝑡𝑡) ⇌ 𝐺𝐺(𝑓𝑓), 𝑒𝑒𝑠𝑠𝑡𝑡ã𝑐𝑐 � 𝑡𝑡(𝑡𝑡).𝑑𝑑𝑡𝑡 = 𝐺𝐺(0) ∞ −∞ 7 − à𝑟𝑟𝑒𝑒𝑎𝑎 𝑐𝑐𝑐𝑐𝑗𝑗 𝐺𝐺(𝑓𝑓) 𝑐𝑐𝑒𝑒 𝑡𝑡(𝑡𝑡) ⇌ 𝐺𝐺(𝑓𝑓), 𝑒𝑒𝑠𝑠𝑡𝑡ã𝑐𝑐 𝑡𝑡(0) = � 𝐺𝐺(𝑓𝑓).𝑑𝑑𝑓𝑓 ∞ −∞ 8 − 𝐷𝐷𝑠𝑠𝑓𝑓𝑒𝑒𝑟𝑟𝑒𝑒𝑠𝑠𝑐𝑐𝑠𝑠𝑎𝑎çã𝑐𝑐 𝑠𝑠𝑐𝑐 𝑑𝑑𝑐𝑐𝑐𝑐í𝑠𝑠𝑠𝑠𝑐𝑐 𝑑𝑑𝑐𝑐 𝑡𝑡𝑒𝑒𝑐𝑐𝑝𝑝𝑐𝑐 𝑐𝑐𝑒𝑒 𝑡𝑡(𝑡𝑡) ⇌ 𝐺𝐺(𝑓𝑓) 𝑒𝑒 𝑐𝑐𝑒𝑒 𝑒𝑒𝑥𝑥𝑠𝑠𝑐𝑐𝑡𝑡𝑒𝑒 𝑎𝑎 𝐺𝐺′(𝑓𝑓) 𝑑𝑑𝑒𝑒 𝑡𝑡′(𝑡𝑡), 𝑒𝑒𝑠𝑠𝑡𝑡ã𝑐𝑐 𝑑𝑑 𝑡𝑡(𝑡𝑡) 𝑑𝑑𝑡𝑡 = 𝑗𝑗2𝜋𝜋𝑓𝑓.𝐺𝐺(𝑓𝑓) 9 − 𝐼𝐼𝑠𝑠𝑡𝑡𝑒𝑒𝑡𝑡𝑟𝑟𝑎𝑎çã𝑐𝑐 𝑠𝑠𝑐𝑐 𝑑𝑑𝑐𝑐𝑐𝑐í𝑠𝑠𝑠𝑠𝑐𝑐 𝑑𝑑𝑐𝑐 𝑡𝑡𝑒𝑒𝑐𝑐𝑝𝑝𝑐𝑐 𝑐𝑐𝑒𝑒 𝑡𝑡(𝑡𝑡) ⇌ 𝐺𝐺(𝑓𝑓) 𝑒𝑒 𝑑𝑑𝑎𝑎𝑑𝑑𝑐𝑐 𝑞𝑞𝑠𝑠𝑒𝑒 𝐺𝐺(0) = 0, 𝑡𝑡𝑒𝑒𝑐𝑐 − 𝑐𝑐𝑒𝑒 � 𝑡𝑡(𝜏𝜏).𝑑𝑑𝜏𝜏 ⇌ 1 𝑗𝑗2𝜋𝜋𝑓𝑓 𝐺𝐺(𝑓𝑓) 𝑎𝑎 −∞ 10 − 𝐹𝐹𝑠𝑠𝑠𝑠çõ𝑒𝑒𝑐𝑐 𝑐𝑐𝑐𝑐𝑠𝑠𝑗𝑗𝑠𝑠𝑡𝑡𝑎𝑎𝑑𝑑𝑎𝑎𝑐𝑐 𝑐𝑐𝑒𝑒 𝑡𝑡(𝑡𝑡) ⇌ 𝐺𝐺(𝑓𝑓), 𝑒𝑒𝑠𝑠𝑡𝑡ã𝑐𝑐 𝑝𝑝𝑎𝑎𝑟𝑟𝑎𝑎 𝑠𝑠𝑐𝑐𝑎𝑎 𝑡𝑡(𝑡𝑡)𝑑𝑑𝑒𝑒 𝑖𝑖𝑎𝑎𝑐𝑐𝑐𝑐𝑟𝑟 𝑐𝑐𝑐𝑐𝑐𝑐𝑝𝑝𝑐𝑐𝑒𝑒𝑥𝑥𝑐𝑐, 𝑡𝑡𝑒𝑒𝑐𝑐 − 𝑐𝑐𝑒𝑒 𝑡𝑡∗(𝑡𝑡) ⇌ 𝐺𝐺∗(−𝑓𝑓) 11 −𝑀𝑀𝑠𝑠𝑐𝑐𝑡𝑡𝑠𝑠𝑝𝑝𝑐𝑐𝑠𝑠𝑐𝑐𝑎𝑎çã𝑐𝑐 𝑠𝑠𝑐𝑐 𝑑𝑑𝑐𝑐𝑐𝑐í𝑠𝑠𝑐𝑐 𝑑𝑑𝑐𝑐 𝑡𝑡𝑒𝑒𝑐𝑐𝑝𝑝𝑐𝑐 𝑐𝑐𝑒𝑒𝑗𝑗𝑎𝑎𝑐𝑐 𝑡𝑡1(𝑡𝑡) ⇌ 𝐺𝐺1(𝑓𝑓) 𝑒𝑒 𝑡𝑡2(𝑡𝑡) ⇌ 𝐺𝐺2(𝑓𝑓), 𝑒𝑒𝑠𝑠𝑡𝑡ã𝑐𝑐 𝑡𝑡1(𝑡𝑡).𝑡𝑡2(𝑡𝑡) ⇌ � 𝐺𝐺1(𝜆𝜆) ∞ −∞ .𝐺𝐺2(𝑓𝑓 − 𝜆𝜆).𝑑𝑑𝜆𝜆 12 − 𝐶𝐶𝑐𝑐𝑠𝑠𝑖𝑖𝑐𝑐𝑐𝑐𝑠𝑠çã𝑐𝑐 𝑠𝑠𝑐𝑐 𝑑𝑑𝑐𝑐𝑐𝑐í𝑠𝑠𝑠𝑠𝑐𝑐 𝑑𝑑𝑐𝑐 𝑡𝑡𝑒𝑒𝑐𝑐𝑝𝑝𝑐𝑐 𝑐𝑐𝑒𝑒𝑗𝑗𝑎𝑎𝑐𝑐 𝑡𝑡1(𝑡𝑡) ⇌ 𝐺𝐺1(𝑓𝑓) 𝑒𝑒 𝑡𝑡2(𝑡𝑡) ⇌ 𝐺𝐺2(𝑓𝑓), 𝑒𝑒𝑠𝑠𝑡𝑡ã𝑐𝑐 � 𝑡𝑡1(𝜏𝜏).𝑡𝑡2(𝑡𝑡 − 𝜏𝜏) ∞ −∞ ⇌ 𝐺𝐺1(𝑓𝑓).𝐺𝐺2(𝑓𝑓) 13 − 𝑇𝑇𝑒𝑒𝑐𝑐𝑟𝑟𝑒𝑒𝑐𝑐𝑎𝑎 𝑑𝑑𝑒𝑒 𝑅𝑅𝑎𝑎𝑅𝑅𝑐𝑐𝑒𝑒𝑠𝑠𝑡𝑡ℎ 𝑑𝑑𝑒𝑒 𝑒𝑒𝑠𝑠𝑒𝑒𝑟𝑟𝑡𝑡𝑠𝑠𝑎𝑎 𝑐𝑐𝑒𝑒 𝑒𝑒𝑥𝑥𝑠𝑠𝑐𝑐𝑡𝑡𝑒𝑒 𝑡𝑡(𝑡𝑡)𝑒𝑒𝑐𝑐 ] −∞,∞[, e que a G(f)𝑒𝑒𝑥𝑥𝑠𝑠𝑐𝑐𝑡𝑡𝑒𝑒 𝑒𝑒, 𝐸𝐸 = � |𝑡𝑡(𝑡𝑡)|2.𝑑𝑑𝑡𝑡 < ∞ ∞ −∞ , 𝑒𝑒𝑠𝑠𝑡𝑡ã𝑐𝑐 � |𝑡𝑡(𝑡𝑡)|2.𝑑𝑑𝑡𝑡 = � |𝐺𝐺(𝑓𝑓)|2.𝑑𝑑𝑓𝑓 ∞ −∞ ∞ −∞ Exemplos: 26 Seja a função simétrica (função par) definida por: 𝑡𝑡(𝑡𝑡) = � 𝑒𝑒(−𝑎𝑎𝑎𝑎) 𝑝𝑝𝑎𝑎𝑟𝑟𝑎𝑎 𝑡𝑡 > 0 1 𝑝𝑝𝑎𝑎𝑟𝑟𝑎𝑎 𝑡𝑡 = 0 𝑒𝑒 𝑒𝑒𝑎𝑎𝑎𝑎 𝑝𝑝𝑎𝑎𝑟𝑟𝑎𝑎 𝑡𝑡 < 0 𝑡𝑡(𝑡𝑡) = 𝑒𝑒(−𝑎𝑎|𝑎𝑎|) Mostrada na figura 25. Figura 25 Fonte: Haykin, 2011, p. 29. A figura pode ser compreendida como a soma de dois pulsos exponenciais vide definição da função. Os valores da transformada de Fourier podem ser encontrados em tabelas. A transformada de Fourier para cada parte é: 𝑡𝑡(𝑡𝑡) = 𝑒𝑒(−𝑎𝑎𝑎𝑎) ⇌ 1 𝑎𝑎 + 𝑗𝑗2𝜋𝜋𝑓𝑓 e 𝑡𝑡(𝑡𝑡) = 𝑒𝑒(𝑒𝑒𝑎𝑎𝑎𝑎 ) ⇌ 1 𝑎𝑎 − 𝑗𝑗2𝜋𝜋𝑓𝑓 Aplicando-se a linearidade, resulta que a soma das duas partes vale: 𝐺𝐺(𝑓𝑓) = 2𝑎𝑎 𝑎𝑎2 + (2𝜋𝜋𝑓𝑓)2 Então, a função no domínio do tempo e sua transformada no domínio da frequência valem: 27 𝑒𝑒(−𝑎𝑎|𝑎𝑎|) ⇌ 2𝑎𝑎 𝑎𝑎2 + (2𝜋𝜋𝑓𝑓)2 É importante observar que a função g(t) é par e simétrica e que a sua transformada não contém partes imaginárias, portanto, também é uma função par. TEMA 4 – CONVOLUÇÃO 4.1 Convolução e multiplicação O chamado teorema da convolução é composto de duas partes, a primeira trata da transformada de Fourier da convolução e a segunda, da multiplicação de sinais. As equações representam estas duas partes: 𝑥𝑥1(𝑡𝑡) ⋆ 𝑥𝑥2(𝑡𝑡) ⇌ 𝑋𝑋1(𝑓𝑓).𝑋𝑋2(𝑓𝑓) 𝑒𝑒 𝑥𝑥1(𝑡𝑡). 𝑥𝑥2(𝑡𝑡) ⇌ 𝑋𝑋1(𝑓𝑓) ⋆ 𝑋𝑋2(𝑓𝑓) Desta forma, tem-se que a convolução no domínio do tempo se transforma na multiplicação no domínio da frequência, e a multiplicação no domínio do tempo se transforma na convolução no domínio da frequência. Multiplicação no domínio do tempo: 𝑡𝑡1(𝑡𝑡).𝑡𝑡2(𝑡𝑡) ⇌ � 𝐺𝐺1(𝜆𝜆) ∞ −∞ .𝐺𝐺2(𝑓𝑓 − 𝜆𝜆).𝑑𝑑𝜆𝜆 Esta integral é conhecida como integral de convolução. Conclui-se que a multiplicação de dois sinais no domínio do tempo é transformada na convolução de sua transformadas no domínio da frequência. Isto é conhecido como teorema da multiplicação e sua notação corresponde a: 𝑡𝑡1(𝑡𝑡).𝑡𝑡2(𝑡𝑡) ⇌ 𝐺𝐺1(𝑓𝑓) ⋆ 𝐺𝐺2(𝑓𝑓) 28 Convolução no domínio do tempo: � 𝑡𝑡1(𝜏𝜏).𝑡𝑡2(𝑡𝑡 − 𝜏𝜏) ∞ −∞ ⇌ 𝐺𝐺1(𝑓𝑓).𝐺𝐺2(𝑓𝑓) Utilizando a notação abreviada para a convolução, pode-se escrever: 𝑡𝑡1(𝑡𝑡) ⋆ 𝑡𝑡2( ) ⇌ 𝐺𝐺1(𝑓𝑓).𝐺𝐺2(𝑓𝑓) TEMA 5 – DENSIDADE ESPECTRAL 5.1 Densidade espectral de energia de Rayleigh Teorema de Rayleigh da energia Respeitando as condições de que a função existe em todo intervalo simétrico, ]-∞, ∞[; e que a transformada de Fourier existe e se a Energia do sinal satisfaz: 𝐸𝐸 = � |𝑡𝑡(𝑡𝑡)|2.𝑑𝑑𝑡𝑡 < ∞ ∞ −∞ Então: � |𝑡𝑡(𝑡𝑡)|2.𝑑𝑑𝑡𝑡 = � |𝐺𝐺(𝑓𝑓)|2.𝑑𝑑𝑓𝑓 ∞ −∞ ∞ −∞ Seja εg(f) o espectro do sinal quadrático do sinal g(t), como na equação: 𝜀𝜀𝑔𝑔(𝑓𝑓) = |𝐺𝐺(𝑓𝑓)|2 É chamado de densidade espectral de energia do sinal g(t). Para exemplificar, pode-se imaginar uma fonte tensão conectada a um resistor de carga de 1 Ohm, então: � |𝑡𝑡(𝑡𝑡)|2.𝑑𝑑𝑡𝑡 ∞ −∞ 29 Vale o equivalente à energia entregue pela fonte e corresponde à área sob a área sob a curva εg(f). A energia é dada em Joules/Hertz. Por ser uma função de segundo grau, o espectro é uma função par e simétrico em relação à origem. FINALIZANDO Nesta aula, você pode estudar os diferentes tipos de sinais, sejam periódicos ou não periódicos, sinais do tipo senoidal, pulso retangular, exponencial, exponencial complexa, sinc., pulso triangular, pulso gaussiano, degrau unitário, sinal e impulso. Compreendeu também como a série de Fourier pode ser utilizada para representar tanto sinais contínuos quanto descontínuos. Descobriu a importância da transformada de Fourier na análise de sinais e como ela pode simplificar as operações com sinais. Pôde compreender as propriedades associadas à transformada de Fourier. Ainda, verificou o papel da convolução na compreensão dos fenômenos da multiplicação de sinais em um dos domínios, o que acontece no outro domínio e, por fim, a densidade espectral e sua relação com a energia de um sinal. 30 REFERÊNCIAS HAYKIN, S. Sistemas de comunicação [recurso eletrônico]. Tradução de Tales Argolo Jesus. 5. ed. Porto Alegre: Bookman, 2011. LATHI, B. P. Sinais e sistemas lineares [recursoeletrônico]. Tradução de Gustavo Guimarães Parma. 2. ed. Porto Alegre: Bookman, 2008. SOARES NETO, V. Sistemas de Comunicação: serviços, modulação e meios de transmissão. São Paulo: Érica, 2015. Conversa inicial FINALIZANDO REFERÊNCIAS
Compartilhar