Prévia do material em texto
Introdução PROCESSAMENTO DIGITAL DEPROCESSAMENTO DIGITAL DE SINAISSINAIS INTRODUÇÃO AO PROCESSAMENTOINTRODUÇÃO AO PROCESSAMENTO DIGITAL DE SINAL E SEQUÊNCIASDIGITAL DE SINAL E SEQUÊNCIAS DISCRETASDISCRETAS Au to r : M a . R a f a e l a G u i m a rã e s R ev i s o r : M e . J a i m e G ro s s G a rc i a Tempo de leitura do conteúdo estimado em 1 hora e 13 minutos. Prezado(a) estudante, é com entusiasmo que convido você para a leitura deste material. Durante nosso estudo, abordaremos o Processamento Digital de Sinais (PDS), uma área da Engenharia em franca expansão , ainda mais com o nosso mundo se tornando cada vez mais envolto por sinais . Tanto os sinais sonoros como os sinais de imagem e os sistemas de monitoramento utilizam técnicas de processamento digital de sinais. Podemos limpar um ruído presente em um sinal, decompor um sinal em imagens e até mesmo reproduzir um sinal desconhecido aplicando as técnicas de PDS. Neste material, vamos iniciar o estudo do PDS pela de�nição e diferenciação de sinais analógicos e digitais , abordando, também, o processador digital de sinais, sua maneira de trabalhar e sua área de atuação. Depois, vamos entender como podemos digitalizar sinais analógicos e qual a maneira correta de amostrá-los, para que tenhamos um bom processamento, da mesma maneira que vamos explicar como um sinal digital depois do processamento voltará a se tornar um sinal analógico. Continuando nosso estudo, de�niremos as principais propriedades matemáticas utilizadas no processamento digital de sinais, começando pela transformada de Fourier e como são feitos os sinais senoidais discretos e contínuos . A seguir, abordaremos a normalização das frequências e a de�nição das funções impulso e degrau unitário . Caro(a) estudante, você sabia que o Processamento Digital de Sinais (PDS) está presente de uma forma constante em nosso dia a dia ? Como exemplos, podemos citar vários aparelhos eletroeletrônicos, que se tornaram essenciais para nossa rotina, como o aparelho celular, a televisão etc. Além disso, essa área da Engenharia se expandiu e, hoje, interage com várias outras, como a Medicina , no monitoramento dos pacientes, os jogos e programas de VR (Realidade Virtual), a automação industrial e muitas outras áreas. Os sinais são representados matematicamente como “funções de uma ou mais variáveis independentes” (OPPENHEIM, 2010, p. 2). “O som pode ser processado como a pressão acústica em função do tempo e uma imagem pode ser processada como o brilho passando por duas variáveis no espaço (x e y)” (OPPENHEIM, 2010, p. 2). Introdução ao Processamento Digital de Sinais Podemos de�nir o PDS como a representação de sinais analógicos , que variam continuamente no tempo, por sinais digitais , que possuem uma lógica de 0 (desligado, falso) ou 1 (ligado, verdadeiro), tentando aproximar o sinal analógico do sinal digital, para que este possa ser processado e trabalhado no sentido de melhorar, reduzir ou até mesmo expandir o sinal. O�cialmente, o PDS é de�nido por: Análise matemática e prática do tratamento da informação como compreendida pelos processadores, estudando quais os efeitos da operação de amostragem em um sinal analógico para transformá-lo em um sinal digital, para a reconstrução de um sinal digital em um sinal analógico e todas as operações possíveis para a representação numérica e computacional de um sinal digital (NALON, 2013, p. 1). A quase totalidade dos sinais presentes na natureza é analógica , como a nossa voz (pressão que exercemos empurrando o ar), os sinais de captura de imagem, a temperatura, velocidade etc., ou seja, “esses sinais são representados por uma função contínua, a cada instante podemos receber uma informação do sinal e, por esse motivo, os sinais não podem ser representados e tratados adequadamente por um processador digital” (NALON, 2013, p. 1). Para processar um sinal, precisamos que ele seja discretizado , ou seja, precisamos de amostras do sinal para instantes especí�cos de tempo . Ao processo de armazenamento e processamento de sinais analógicos damos o nome de amostragem , e, com isso, o processador digital pode reconstruir o sinal processado e tratá-lo, e, assim, obter um resultado analógico novamente. Para o estudo do PDS, devemos entender primeiramente como os sinais são classi�cados. 1. Sinais analógicos: sinais contínuos que variam em amplitude e comprimento com o tempo. 2. Sinais digitais: sinais discretos ou uma sequência de números (geralmente, variando entre os valores de�nidos como 0 ou 1 - lógica binária). Quanto maior a representação de números 0 ou 1 (chamados de bites ), melhor o sinal digital representará o sinal analógico. Portanto, um sinal pode ser analógico ou digital, nunca os dois. Às vezes, temos di�culdade de perceber que o sinal é analógico, porque sua leitura é mostrada digitalmente, como os medidores de temperatura presentes em aparelhos de ar-condicionado ou nos medidores de velocidade de nossos carros. No entanto, um sinal que varia continuamente com o tempo de forma aleatória é analógico, e um sinal que varia de forma “ligada ou desligada, verdadeira ou falsa - em degraus” é digital. Sinais Analógicos e Sinais Digitais Os sinais digitais podem ser de�nidos como “sinais discretos tanto no tempo como na amplitude” (NALON, 2013, p. 2). Os processadores digitais processam somente números inteiros e, por isso, a quantidade de sinal amostrada deve ser limitada , ou, como chamamos, quantizada . Isso quer dizer que a amostra deve ser discretizada em amplitude (tomamos um determinado trecho do sinal ou número de amostras), podendo, desse modo, armazenar o sinal analógico como um sinal digital . Na �gura 1.1, a seguir, vemos um exemplo de um sinal analógico, em cinza, e um sinal digital, em vermelho. Vamos analisá-la para entender melhor esse conceito. Figura 1.1 - Sinal digital (em vermelho) x sinal analógico (em cinza). #PraCegoVer : a �gura é formada em cima de um papel quadriculado com o eixo x sendo o eixo do tempo e o y o eixo que representa a função que descreve o sinal amostrado, sendo que o sinal analógico é, de certa forma, formado de várias ondas, com diferentes tamanhos (alturas chamadas de amplitude) e comprimentos. Já o sinal digital tenta reproduzir a onda por “degraus”, quanto mais degraus tivermos, melhor é a reprodução do sinal, e, se houver poucos degraus, o sinal �ca distorcido. O sinal analógico foi decomposto em uma sequência de 0 ou 1 dada por 4 bites (00, 01, 10 ou 11), ou seja, quando o sinal inicia, ele é igual a 00, depois, sobe abruptamente para 11, em seguida, oscila para 10, sobe novamente para 11, se mantém em 11 e decresce para 01, fazendo o primeiro ciclo da função, que tem a forma parecida com uma senoide. SAIBA MAIS A Burgos Eletrônica, por meio de seu proprietário Luiz Carlos Burgo, gravou um vídeo sobre as curiosidades que envolvem a digitalização do sinal de áudio. Nesse vídeo, é possível ter uma ideia bem-de�nida de como um sinal sonoro é amostrado em um sinal digital utilizando um AO (Ampli�cador Operacional) através de amostras de 8 bits (combinações de 000, 001, 010, 011, 100, 101, 110, 111). Para saber mais, acesse: A S S I S T I R Fonte: Burgos Eletrônica (2016). O mesmo equipamento eletrônico pode possuir ambos os conversores A/D e D/A , como é o caso dos aparelhos celulares, ou somente um conversor. Atualmente, temos alguns softwares que auxiliam no processamento de um sinal, como o MatLab (Matrix Laboratory), o SciLab e o Octave, sendo os dois últimos de licença gratuita para estudantes. A maioria dos conversores mostra milhões de bytes por segundo e os softwares possuem algumas amostras de sinais, como sons de trem, sinfônicas, etc., para que possamos trabalhar o PDS nessas amostras, além da possibilidade de realizar o download de novos sinais e adicioná-los às bibliotecas dos programas. Processador Digital de Sinal Agora, prezado(a) estudante, estudaremos como ocorre o processamento de um sinal analógico que chamaremos de x (t). Esse sinal analógicoé capturado pelo conversor A/D (Analógico/Digital) e convertido no sinal digital x [n], em que o n entre os colchetes indica o número de amostras do sinal original que foi capturado. Esse sinal é processado digitalmente (podemos somá-lo a outro sinal, subtrair os ruídos, multiplicá-lo por um número ou por uma fração etc.). Agora, o sinal digital que foi processado é chamado de y [n]. Depois, ele é novamente transmitido a um processador, mas, desta vez, a um processador inverso , tipo D/A (Digital/Analógico), para ser transmitido novamente ao usuário ou emissor do sinal analógico inicial. O exemplo �ca melhor ilustrado se imaginarmos que o primeiro captor A/D é nosso aparelho celular e o sinal x (t) é a nossa voz . O aparelho celular converterá nossa fala em um sinal digital, para transmiti-lo pela rede móvel de dados, até que outro aparelho celular faça a reconversão D/A, para que o nosso interlocutor possa ouvir o que dissemos. A Figura 1.2 ilustra melhor esse processo, portanto, vamos entendê-la. Sendo que: x (t) - representa um sinal analógico contínuo no tempo; x [n] - representa o sinal x (t) amostrado com n amostras, sinal este que agora é digital; y [n] - representa o sinal digital y modi�cado, ou seja, foi realizado algum tipo de processamento para melhorar, comprimir ou transmitir o sinal original; c c Figura 1.2 - Processador de sinal. Fonte: Nalon (2013, p. 2). #PraCegoVer : o sinal analógico x (t) é amostrado para o sinal x [n], por meio de n amostras coletadas por um conversor A/D (Analógico/Digital,) e processado no sinal y [n], por meio de um processador de sinal. Depois, ele é reconvertido no sinal analógico y (t) pelo conversor D/A (Digital/Analógico). c c c c y (t) - representa o sinal modi�cado y [n] convertido novamente em um sinal analógico. Desse modo, o PDS é iniciado com a transformação dos sinais analógicos presentes no nosso dia a dia por meio de ondas sonoras, imagens ou sinais emitidos; por exemplo, por órgãos humanos, sistemas de monitoramento de trânsito etc.; em amostras para que seja efetuada a transformação dos sinais analógicos em sinais digitais. Assim, esses sinais podem ser processados através do teorema de amostragem que estabelece o número de amostras mínimo para que o sinal analógico não sofra distorção ou �que, até mesmo, prejudicado, havendo partes faltantes. Conhecimento Teste seus Conhecimentos (Atividade não pontuada) Leia o excerto a seguir: “[...] um sinal discreto é representado por uma sequência numérica, que pode ser vista como uma função contínua de uma variável discreta. Convencionalmente, o domínio desta sequência é representado por n, sendo que n ∈ ℤ, ou seja, é um número inteiro.” NALON, J. A. Introdução ao processamento digital de sinais . Rio de Janeiro: LTC, 2013. p. 5. c S A I B A M A I S O artigo intitulado “Introdução a processadores de sinais digitais - DSP”, dos autores Nunes, Albuquerque e Albuquerque (2006), explica a diferença entre os sinais analógicos - a maioria dos sinais que temos no nosso mundo - e os sinais digitais - os sinais produzidos pelos aparelhos eletroeletrônicos. Para ler o artigo na íntegra e saber mais sobre o assunto, acesse: http://www.cbpf.br/~rastuto/pdf/NT-CBPF001-2006.pdf http://www.cbpf.br/~rastuto/pdf/NT-CBPF001-2006.pdf A partir da leitura sobre a de�nição de um sinal discreto e dos seus conhecimentos, analise as asserções a seguir sobre a �gura apresentada e assinale a única alternativa verdadeira. a) Os sinais analógicos podem ser amostrados apesar do fato de que eles variam no tempo. b) O sinal sonoro da nossa voz é um sinal digital feito com variações de 0 e 1 que pode ser representado pela senoide acima. c) Os sinais da imagem de aparelhos de televisão são sinais que ocorrem nas três coordenadas x, y e z. d) O número de amostras colhido do sinal mostrado na �gura é igual a 15 e o pico negativo do sinal ocorre no instante 10. e) A amplitude do sinal amostrado varia entre +1 e -1, sendo que o pico positivo do sinal ocorre no instante 5. Figura - Sinal analógico tracejado amostrado através dos sinais contínuos. Fonte: Nalon (2013, p. 6). #PraCegoVer : o sinal analógico é uma senoide variando de + 1,0 a - 1,0. O sinal digital é formado por 16 (de 0 a 15) amostras variando o seu tamanho entre 1,0 e - 1,0, com destaques para os tamanhos intermediários de 0,5 e - 0,5. O pico positivo ocorre no instante 0 e o pico negativo no instante 10. Digitalização de Sinais Analógicos Prezado(a) estudante, você sabia que a digitalização de sinais analógicos é a primeira fase do processamento de sinais? Então, o primeiro passo do PDS é captar esses sinais por meio de amostras e transformá-los em sinais digitais . Para que essa captação ocorra sem que o sinal seja distorcido , temos que amostrar o sinal analógico segundo o Teorema de Nyquist , ou seja, em um número de amostras que deve ser o dobro do número da frequência que limita o sinal. Teorema de Nyquist e Amostragem O Teorema da Amostragem ou Teorema de Nyquist garante que a amostra coletada do sinal analógico é capaz de reproduzir o sinal que varia de - a + de forma satisfatória. Mesmo que o sinal não varie de todo esse tempo, consideramos um sinal analógico - como uma mensagem de voz no celular - como uma amostra de sinal analógico, ou seja, esse sinal irá variar no tempo. Nalon (2013, p. 93) a�rma que “funções discretas podem ser obtidas por meio da operação de amostragem de um sinal contínuo”. Além disso, também de�ne o intervalo ou período de amostragem, chamado de T , pela “informação da amplitude do sinal, e cada uma dessas informações é uma amostra da sequência discreta resultante” (NALON, 2013, p. 93). Podemos, então, de�nir T por: (Equação 1.1) sendo que: é a frequência de amostragem. Para termos a certeza de que a amostra do sinal será su�ciente para representar o sinal em sua totalidade, Nalon (2013) também de�ne de forma matemática a amostragem de um sinal por meio da fórmula: Fonte: aleksanderdn / 123RF Os sinais são, em sua grande maioria, analógicos , ou seja, eles são contínuos (ocorrem, como costumamos dizer, de todo o sempre e para todo o sempre, ou de - a + ) .∞ ∞ ∞ ∞ a a =fa 1Ta fa (Equação 1.2) onde: é o sinal analógico que será amostrado; é o número de amostras feitas do sinal analógico; é o intervalo de amostragem. A Figura 1.3, apresentada a seguir, mostra um sinal analógico, representado pela linha tracejada com as amostras coletadas representadas pelas setas. A taxa de amostragem - T desse sinal é de 0,5 s e a frequência de amostragem - é igual a 2. Vamos analisar a �gura e agregar mais conhecimento e informação ao nosso estudo. Figura 1.3 - Amostragem de um sinal contínuo com intervalo de amostragem Ta = 0,5 s. Fonte: Nalon (2013, p. 93). #PraCegoVer : o sinal analógico, que começa em 0,8, atinge o pico em 1 e decai até 0,4, foi amostrado em intervalos de 0,5 segundos, totalizando 12 amostras feitas com n variando de -2 até +4. Esse sinal tem formato parabólico, de uma equação de 2º grau. A linha tracejada mostra o sinal original e as setas mostram as amostras coletadas. O Teorema da Amostragem de Nyquist-Shannon reduz os erros de aliasing , que, por de�nição, são dados pela “distorção resultante por causa da superposição existente entre os espectros replicados” (NALON, 2013, p. 95). Essas distorções são de�nidas por “mudanças desconfortáveis no timbre do som em sinais de áudio, serrilhado aparente nas bordas dos objetos em imagens ou pulos na animação de sinais de vídeo, podendo ser também chamadas de sinais espúrios em outros tipos de sinais” (NALON, 2013, p. 95). Esses erros podem ser mitigados pela limitação em frequência da amostragem, de acordo com o Teorema da Amostragem de Nyquist (também conhecido como Teorema da Amostragem). O referido teorema, de acordo com Nalon (2013),nos diz que: [...] se x (t) é um sinal limitado em frequência, então ele é unicamente determinado por suas amostras, podendo ser reconstruído sem distorção se a frequência de amostragem x[n] = (n )xc Ta (t)xc n Ta a fa c for o dobro da frequência limitante do sinal. Se esta condição não for satisfeita, então os espectros replicados se sobreporão, e haverá distorção de aliasing (NALON, 2013, p. 97). Matematicamente, o Teorema da Amostragem de Nyquist é de�nido por Oppenheim et al . (2012, p. 94) como: “Seja x (t) um sinal de banda limitada com X (jΩ) = 0 para Ω (Equação 1.3) Então x (t) é determinado unicamente por suas amostras x[n] = x (n T), com n variando de n = 0, , …, se: Ω = 2 Ω ” (Equação 1.4) A frequência Ω é conhecida por frequência de Nyquist e a frequência 2 Ω é denominada de taxa de Nyquist. O sinal amostrado de acordo com a taxa de Nyquist é chamado de sinal criticamente amostrado. Atendendo ao teorema de Nyquist, podemos garantir que o sinal analógico original foi convenientemente amostrado para que possa, agora, ser processado . Geralmente, o sinal analógico é amostrado utilizando algumas funções, como a função impulso ou a função degrau . Quantização, Codificação e Reconstrução de Sinal Analógico c c |Ω| ≥ N c c ±1, ±2 s ≥2ΠT N N N SAIBA MAIS No vídeo a seguir, o professor Aldebaro Klautau mostra diferentes sinais amostrados e o Teorema da Amostragem. Esse material ajudará você, caro(a) estudante, a entender melhor como os sinais podem ser corretamente amostrados e o erro de distorção ( Aliasing ), que ocorre quando um sinal não é amostrado em sua totalidade. Para assistir ao vídeo e saber mais, acesse: A S S I S T I R Fonte: Klautau (2014). Depois que o sinal analógico foi convertido em sinal digital e processado para, por exemplo, melhoramento do sinal com a retirada dos ruídos , ele pode ser reconvertido em um sinal analógico . Esta operação é conhecida como a operação inversa da amostragem ou de reconstrução do sinal original . Por de�nição, de acordo com Nalon (2013), a operação de reconstrução de um sinal amostrado [...] consiste em obter, a partir das amostras de um sinal discreto, o sinal analógico correspondente. De certo modo, pode ser vista como a operação inversa da amostragem, desde que o sinal a ser reconstruído tenha sido amostrado de maneira adequada e não tenha sofrido distorções devido ao aliasing ou à �ltragem antialiasing (NALON, 2013, p. 100). Para o processo de reconversão do sinal amostrado, devemos, primeiramente, converter a sequência x [n] em uma sequência chamada de trem de impulsos modulados , demonstrada por x (t). A função de impulso é dada por um pico instantâneo no valor de 1 (lógica digital) vez a amplitude do sinal original. Depois, cada impulso deve ser deslocado do período de amostragem, expresso por T , do impulso anterior, de modo que: x (t) = 𝜹 (t - n T ) (Equação 1.5) Podemos obter a transformada de Fourier do sinal x (t) através da sequência x [n], porque ꞷ é igual a Ω T . Portanto, o sinal reconstruído terá um período igual a (Equação 1.6) O sinal resultante também é chamado de “lóbulo central do espectro devido ao fato de que ele será a representação em frequência do sinal reconstruído”, de acordo com Nalon (2013, p. 100). s a s x [n]∑ ∞ n = −∞ a s a T = 2 π Ta Figura 1.4 - Espectro do sinal a ser reconstruído, com destaque para a componente central. Fonte: Nalon (2013, p. 100). #PraCegoVer : o sinal triangular é feito com o pico máximo do triângulo no instante igual a 0 e decaimento para zero nos instantes - e (menos ômega índice a e mais ômega índice a). Essa é a mesma frequência de repetição do sinal triangular - ômega índice a. Ωa Ωa Ωa Esse processo é muito utilizado para a reconstrução de sinais digitais que não precisam de �ltragem . Se o teorema de Nyquist foi respeitado na aquisição do sinal analógico original, dizemos que esse sinal reconstruído foi limitado em banda. Assim, pudemos observar que todos os sinais analógicos podem ser amostrados e transformados em sinais digitais. Agora, para que ocorra o processamento do sinal em si, precisamos conhecer as principais funções utilizadas em PDS, como as funções senoidais, impulso e degrau unitário, assim como as principais operações matemáticas que podem ser feitas nos sinais digitais. praticar Vamos Praticar De posse de todo o processo de conversão, processamento e reconversão de um sinal, procure na Internet exemplos de sinais que satisfaçam o nosso �uxograma passo a passo. SAIBA MAIS O vídeo do professor Luis Aguirre demonstra o Teorema da Amostragem por meio de um exemplo bastante didático, inclusive, com a ilustração do trem de impulsos. Ele também apresenta as condições de contorno, ou seja, a de�nição de taxa e período de amostragem didaticamente, facilitando nossa compreensão. Para assistir ao vídeo, acesse: A S S I S T I R Fonte: Aguirre (2016). Conhecimento Teste seus Conhecimentos (Atividade não pontuada) Leia o excerto a seguir: “[...] o erro causado pela quantização das amostras pode ser tratado como uma espécie de ruído. Assim, é possível analisar sinais discretos apenas no tempo e considerar posteriormente os efeitos causados pela quantização das amostras.” NALON, J. A. Introdução ao processamento digital de sinais . Rio de Janeiro: LTC, 2013. p. 2. Para suprimir os ruídos indesejados, é muito importante conhecermos e aplicarmos o Teorema da Amostragem em Processamento Digital de Sinais. Considerando o texto analisado e seus conhecimentos sobre o assunto, analise as asserções a seguir e assinale a única verdadeira. a) Obedecendo ao Teorema da Amostragem garantimos que o sinal analógico foi corretamente convertido em um sinal digital. b) Obedecendo ao Teorema da Amostragem, garantimos que o sinal digital foi corretamente convertido em um sinal analógico. c) Devemos amostrar um valor superior ao triplo da frequência limitante do sinal para obedecermos ao Teorema da Amostragem. d) Devemos amostrar um valor superior ao da frequência limitante do sinal para obedecermos ao Teorema da Amostragem. Figura - Processador de sinal. Fonte: Nalon (2013, p. 2). #PraCegoVer : o sinal analógico xc (t) é amostrado para o sinal x [n], através de n amostras coletadas por um conversor A/D (Analógico/Digital), e processado no sinal y [n], por meio de um processador de sinal. Depois, ele é reconvertido no sinal analógico yc (t) pelo conversor D/A (Digital/Analógico). e) Os erros de Aliasing são mitigados se o Teorema da Amostragem for atendido mesmo para valores superiores ao limite da banda. Prezado(a) estudante, você sabia que os sinais são de�nidos como sistemas que transmitem informações? Segundo Oppenheim (2010, p. 7), esses sinais podem “transmitir informações sobre o estado ou o comportamento de um sistema físico”. Os sinais podem ser discretos (digitais) ou contínuos (analógicos, já estudados nos tópicos anteriores). Os sinais discretos podem ser contínuos quando são transmitidos de - a + , com a diferença de que os sinais digitais seguem a lógica de 0 ou 1, ou seja, são transmitidos no seu valor máximo ou mínimo a cada instante, e esse instante é representado por uma sequência de números. Sinais e Sequências Discretas Geralmente, utilizamos sinais paraGeralmente, utilizamos sinais para transmitir som transmitir som , , imagens imagens e e informações informações ,, os quais permitem que ocorra aos quais permitem que ocorra a comunicação comunicação entre entre homem homem e e máquina máquina . . ∞ ∞ Geralmente, em PDS, analisamos sinais digitais discretos, tanto no tempo como na amplitude , por serem mais facilmente processados pelos softwares disponíveis, mas nada nos impede de trabalharcom sinais mais so�sticados . Vamos começar de�nindo os sinais de tempo discretos. Seja a sequência de números x, em que o n-ésimo número na sequência é representado por x [n], podemos escrever este sinal de tempo discreto como: (Equação 1.7) onde: n é um número inteiro. Mas, se o sinal analógico que foi amostrado for um sinal denominado xc (t), temos que: (Equação 1.8) onde T é o período de amostragem. Alguns sinais são particularmente importantes e devem ser melhor estudados, como os sinais senoidais descritos a seguir. Sinais Senoidais Discretos e Contínuos Os sinais periódicos tipo x [n] podem ser transformados em um somatório de senoides , através de uma série de Fourier (representada pela sigla FS, proveniente do termo em inglês Fourier Series). Esta transformada é de�nida por Nalon (2013, p. 30) como “uma sequência discreta que é uma função da variável contínua ꞷ que representa a frequência angular de cada componente”. S A I B A M A I S Você também pode veri�car na prática como é possível a produção de sons através de um programa com o Arduino, que irá usar também a transformada de Fourier, funções senoidais e programação em Python. O código utilizado no programa para tocar as músicas e o passo a passo para a montagem do circuito no protoboard estão disponíveis em: https://medium.com/@cafelouco/usando-a-transformada-de-fourier-para-construir-um-visualizador-de- m%C3%BAsica-com-python-e-ardu%C3%ADno-57c98e723cdc Fonte: Santos (2021). x = x[n], −∞ < n < ∞ x[n] = (nT ), −∞ < n < ∞xc https://medium.com/@cafelouco/usando-a-transformada-de-fourier-para-construir-um-visualizador-de-m%C3%BAsica-com-python-e-ardu%C3%ADno-57c98e723cdc A transformada de Fourier (FT, proveniente do inglês Fourier Transform ) é dada por: (Equação 1.9) sendo que j é o número complexo de�nido pela (não utilizamos o símbolo i para não nos confundirmos com a corrente elétrica, que é simbolizada pela letra i na Engenharia). X (ꞷ) é chamada de representação em frequência do sinal ou espectro do sinal, nome dado por analogia à decomposição da luz branca em ondas de diferentes frequências por um prisma, de acordo com Nalon (2013, p. 30). Desse modo, podemos escrever a exponencial complexa por um conjunto de funções seno e cosseno dadas por: (Equação 1.10) onde ꞷ representa a frequência analisada (em radianos). Como todo número complexo, também podemos representar o conjunto X (ꞷ) por: (Equação 1.11) sendo que: θ (ꞷ) é a fase de X (ꞷ) e o período da função exponencial é igual a 2 𝜋. Assim, temos que a transformada de Fourier é uma transformação biunívoca , ou seja, inversível , o que torna este equacionamento matemático válido, pois queremos converter e reconverter um sinal analógico em digital e vice-versa. SAIBA MAIS Para saber mais sobre como os sons podem ser digitalizados e produzidos pelos equipamentos eletrônicos, como o Arduino, assista ao vídeo SMA803 - Fourier com Arduino e Python, produzido por Camila Stenico. Acesse em: A S S I S T I R X(ꞷ) = 𝓕x[n] = x [n] ∑∞n=−∞ e −jn −1−−−√ e−jꞷn = cos(ꞷn) − jsen(ꞷn)e−jꞷn X(ꞷ) = |X(ꞷ)|ejθ(ꞷ) REFLITA Segundo Nalon (2013, p. 30), conhecendo a transformada de uma sequência discreta qualquer, é possível obter a função original por meio da transformada inversa de Fourier dada por: (Equação 1.12) A equação 1.12 é conhecida por síntese do sinal x [n]. Nalon (2013) a�rma que: A periodicidade da exponencial complexa implica que a transformada de Fourier de um sinal qualquer também repita seus valores em magnitude e fase no mesmo período. A representação de apenas um período, portanto, é su�ciente para determinar completamente o sinal no domínio da frequência, e estender a síntese além destes limites não apenas é desnecessário como incorreto (NALON, 2013, p. 30-31). Portanto, podemos representar muitos dos sinais digitais como funções de seno , cosseno ou exponenciais , o que permite que o processamento desses sinais seja feito por meio da matemática válida para a transformada e transformada inversa de Fourier. Normalização de Frequências A frequência normalizada é dada por: (Equação 1.13) sendo: k - número do período; N - o período do sinal em tempo discreto. Para uma melhor compreensão, é como se nosso conversor analógico/digital (A/D) fosse transformado em um conversor de tempo contínuo para tempo discreto, representado pela sigla C/D. O conversor C/D seria um conversor A/C ideal, dessa forma, garantiríamos a digitalização das amostras do sinal, a linearidade do processo de amostragem e que as amostras seriam feitas por modelos os quais retiram a essência do sinal analógico. Com o aumento da capacidade de processamento digital de sinais e o rápido acesso que esse processamento está tendo em nossos lares, nós, consumidores, podemos �car mais exigentes em relação a serviços os quais antes não podíamos medir os parâmetros de qualidade. Um exemplo é a energia elétrica, a qual, agora, pode ser amostrada e processada facilmente nas residências, permitindo aos consumidores saberem a qualidade da energia que recebem. Como o acesso a essas tecnologias poderá mudar a relação de consumo entre clientes e fornecedores no futuro? Fonte: Deckmann e Pomilio (2015). x[n] = X (ω) e dω12 π ∫ π −π jωn f = k N Matematicamente, esse processo é representado, de acordo com Oppenheim et al . (2012, p. 92), por: (Equação 1.14) sendo 𝜹 (t) a função impulso unitário, conhecida também por função delta de Dirac. Portanto, a sequência x [n], agora, é dada por uma sequência composta de trem de impulsos e introduz uma normalização no tempo. Logo: (Equação 1.15) é uma versão de Xs (j Ω) com mudança de escala na frequência, sendo que este fator de escala é dado por: (Equação 1.16) Podemos interpretar também esta mudança na escala como a normalização do eixo da frequência que será normalizada em: (Equação 1.17) A normalização da escala da frequência em Xs (j Ω) para é um resultado direto da normalização do tempo na transformação de xs (t) para x [n]. Como é possível utilizarmos a frequência normalizada de um sinal discreto, juntamente à transformada de Fourier, para processar os sinais analógicos com o objetivo de retirada de ruídos, tratamento de imagens, compressão ou redução do espaço ocupado pelos sinais amostrados, vamos, agora, estudar as diferentes operações que podemos realizar para processar os sinais digitais. δ(t) = δ (t − n T )∑∞n= −∞ X( ) = Xs(jΩ)ej ω X( ) ej ω ω = ΩT ω = 2π X( ) ej ω Operações com Sequências Discretas É possível realizar todas as operações algébricas para as sequências discretas, como adição, subtração, multiplicação, divisão etc. E, para realizarmos essas operações, devemos tomar amostra por amostra . As mais importantes operações que devem ser realizadas no processamento digital de sinais são: a operação de adição, que é de�nida por: (Equação 1.18) a operação de subtração, que será de�nida por: (Equação 1.19) a operação de multiplicação, que é de�nida por: (Equação 1.20) a operação de divisão de�nida por: , se x2 [n] 0 (Equação 1.21) Outra operação muito comum em PDS é a multiplicação da sequência por um número escalar , dada por: (Equação 1.22) ondec é um número constante. Para c < 1, o valor de y [n] será maior do que x [n] e para c > 1, a amplitude de y [n] será menor do que a da sequência original x [n]. Assim, modi�camos a amplitude da sequência original. A operação diferença ou diferenciação também é muito utilizada em PDS e é dada por: (Equação 1.23) Observação: podemos encontrar diferenças maiores aplicando sucessivamente a operação diferença . Outra fórmula muito utilizada em PDS é a do somatório , também conhecida como acumulação . Se y [n] for o acúmulo de amostras ao longo do tempo discreto até um instante especí�co n, x [n] será dado por: (Equação 1.24) Além da função senoidal, duas outras funções se destacam no processamento digital de sinais: a função impulso unitário; a função degrau unitário. Essas funções são muito utilizadas na reconstrução dos sinais digitais para o analógico e devem ser estudadas com maior profundidade. y[n] = x1[n] + x2[n] y[n] = x1[n] − x2[n] y[n] = x1[n]x2[n] y[n] = [n]x1 [n]x2 ≠ y[n] = cx[n] Δx[n] = x[n] − x[n − 1] y[n] = x [k]∑nk = −∞ Impulso Unitário A função impulso unitário discreta é a mais elementar utilizada em PDS e pode ser representada por: (Equação 1.25) Ela também é conhecida por delta de Kronecker e está representada na �gura 1.5 abaixo. Essa função representa um único sinal no instante t = 0 ou na primeira amostra, sendo que todo o tempo anterior e posterior não possui nenhum sinal para ser representado. Degrau Unitário Já a função degrau unitário pode ser representada por: (Equação 1.26) Essa função está representada na Figura 1.6, a seguir. Vamos analisá-la. δ [n] = { 1, se n = 0 0, se n ≠ 0 Figura 1.5 - Função impulso unitário. Fonte: Nalon (2013, p. 12). #PraCegoVer : a função impulso é representada por um pico – o sistema altera de 0 para 1 instantaneamente no momento de acionamento da função, ou seja, no instante t = 0. Antes desse instante e depois dele, a função impulso é dada por zero. u [n] = { 1, se n ≥ 0 0, se n < 0 Figura 1.6 - Função degrau. Fonte: Nalon (2013, p. 13). #PraCegoVer : a função degrau é dada por impulsos repetidos para instantes maiores ou iguais a zero, ou seja, a função se eleva de zero para um instantaneamente. Para instantes inferiores a t = 0 a função degrau é representada por zero. Essa função representa sinais a partir do instante t = 0 ou na parte positiva das amostras, sendo que todo o tempo anterior não possui sinais para serem representados. Nalon (2013, p. 13) a�rma que “a função degrau unitário é a acumulação da função impulso, enquanto que a função impulso é a primeira diferença do degrau”. Áreas de atuação do processamento digital de sinais Reconhecimento facial Sistema de telefonia 5G Área médica Automação industrial Fonte: Binksternet /Wikimedia Commons #PraCegoVer : o infográ�co tem um título, em linha horizontal, que é “Áreas de atuação do processamento digital de sinais”, e é composto por quatro tópicos. Ao clicar no primeiro tópico, é apresentado o título “Reconhecimento facial” e, na sequência, há o texto: “cada vez mais, os sinais de imagem e de som estarão associados ao uso de programas de reconhecimento facial. No futuro, pagaremos as nossas contas usando apenas o nosso rosto”. Ao clicar no segundo tópico, é apresentado o título “Sistema de telefonia 5G” e, na sequência, há o texto: “os sistemas de voz e de dados �carão cada vez mais so�sticados, permitindo utilizar a internet do nosso celular como se fosse a internet de �bra óptica da nossa casa”. Ao clicar no terceiro tópico, é apresentado o título “Área médica” e, na sequência, há o texto: “o processamento digital de sinais permitirá que médicos realizem cirurgias de outros continentes ou por meio de várias juntas médicas localizadas em diferentes locais”. Ao clicar no quarto tópico, é apresentado o título “Automação industrial” e, na sequência, há o texto: “o processamento digital de sinais permitirá o controle da indústria de casa (com o home o�ce ) e a garantia de que os serviços braçais serão feitos por robôs, com ajustes na produção solicitados em tempo real, devido à velocidade de conexão e à capacidade de processamento de informações de robôs”. Ao fundo dos quatro tópicos, é apresentada uma imagem de cor preta, que possui várias linhas de cor branca na horizontal e na vertical. Na sequência, a imagem tem sinais como se fossem ondas de elevação na cor roxa, que começam com baixa intensidade e vão aumentando. Na vertical do quadro, há as seguintes informações: dB, 0, -12, -24, -36, -48, -60, -72, -84, -96 e, na horizontal, Hz, 40, 80, 160, 640, 2560, 10240. Agora que estudamos todo o processo de conversão de sinais analógicos em digitais, seu processamento e reconversão, vamos praticar com um sinal amostrado. É claro que o desenvolvimento dessa tecnologia foi difícil e havia todo um mercado para ser desbravado, os sinais digitais eram vistos no início como a energia elétrica, quando esta foi descoberta. praticar Vamos Praticar Etapas do processamento digital de sinais O processamento digital de sinais ocorre da representação em tempo discreto de um sinal contínuo, obtido por meio de amostras do sinal periódico objeto de análise. Com o estudo feito até aqui somado aos seus conhecimentos, vamos reproduzir um sinal para que seja possível a identi�cação das diferentes etapas de processamento desse sinal. O processamento digital de sinais ocorre em diversas etapas, dentre elas, podemos destacar as quatro etapas a seguir. 1. Espectro do sinal amostrado. 2. Transformada de Fourier do sinal amostrado. 3. Trem de impulsos. 4. Caso em que o Teorema da Amostragem não tenha sido satisfeito. De posse das �guras de sinais a seguir, classi�que os itens de a) a d) de acordo com cada etapa denominada nos itens 1 a 4. Figura - Etapas do processo de amostragem de um sinal. Fonte: Oppenheim et al. (2012, p. 94). #PraCegoVer : a primeira função representa um único sinal amostrado, que é formado por um triângulo com o vértice no ponto zero e as laterais em - (ômega índice N negativo) e + (ômega índice N positivo). A segunda função representa diferentes sinais de impulso amostrados, começando em - 2 (ômega índice s negativo), - (ômega índice s negativo), zero e + 2 (ômega índice s positivo), + (ômega índice s positivo). Na terceira etapa, os sinais impulsos são convertidos em sinais triangulares com vértice na função impulso e largura de - (ômega índice N negativo) até (ômega índice N positivo). Na quarta etapa, são somados sinais de diferentes frequências aos sinais triangulares anteriores, formando uma sobreposição de triângulo com largura de - (ômega índice s menos ômega índice N). Agora, ordene a ordem em que foram realizadas as etapas de processamento do sinal baseado nas quatro etapas mencionadas. ΩN ΩN Ωs Ωs Ωs Ωs ΩN ΩN Ωs ΩN Material Complementar F I L M E A guerra das correntes Ano: 2019 Comentário: Este �lme mostra a batalha entre as correntes contínuas (que podem ser comparadas aos sinais digitais) e as correntes alternadas (que podem ser comparadas aos sinais analógicos), promovidas por Thomas Edison, interpretado por Benedict Cumberbatch, e George Westinghouse. Além de desenvolver o mercado de energia elétrica, eles deveriam vencer o mercado de gás e dos lampiões que faziam o serviço de iluminação urbana. O �lme indicado mostra os desa�os de estabelecer um mercado de um serviço novo, como foi o desa�o de fornecer energia elétrica para os consumidores no início do século. São estabelecidas semelhanças com o desa�o que será a implantação do sistema 5G no Brasil, em que o objetivo é utilizar o celular com a Internet de mesma qualidade que a Internet fornecida por operadoras de banda larga, as quais utilizam �bras ópticas. Para conhecer mais sobre o �lme, assistaao trailer disponível em: TRA I LER L I V R O Introdução ao processamento digital de sinais Editora: LTC Autor: José Alexandre Nalon ISBN: 978-85-216-1646-7 Comentário: Este livro explica os conceitos introdutórios de Processamento Digital de Sinais de uma forma muito didática, com vários exemplos resolvidos. Ele também aborda as principais áreas de atuação do processamento digital de sinais e faz uma ampla revisão transformada de Fourier. A obra detalha e revisa as principais etapas de amostragem, processamento e reprocessamento de sinais, possibilitando ao aluno ampliar o conhecimento e o domínio da matéria estudada. Conclusão Prezado(a) estudante, �nalizamos nosso estudo e a leitura deste material nos introduziu ao conceito de processamento digital de sinais por meio das técnicas utilizadas para a coleta dos sinais digitais , presentes em nosso dia a dia. Utilizando conversores A/D (Analógico/Digitais), podemos amostrar uma parte de sinais contínuos e transformá-los em sinais discretos , para que possam ser processados. Também estudamos a transformada de Fourier e as principais relações matemáticas e sinais utilizados neste processamento, para que seja possível retirar ruídos , comprimir ou expandir os sinais de nosso interesse. Foram apresentados os principais sinais utilizados em PDS, como a função senoidal , degrau e impulso , e as técnicas de reconstrução dos sinais para que eles possam ser recompostos e reprocessados para serem transmitidos aos usuários em sua forma analógica . Adicionalmente, foram apresentadas as técnicas para evitar erros de Aliasing por meio da obediência ao Teorema de Amostragem, que garante que a amostra do sinal analógico foi su�ciente para que não sejam perdidas partes do sinal que queremos processar. Referências A BATALHA DAS CORRENTES | Trailer O�cial (2019) Legendado HD. [ S. l.: s. n. ], 2019. 1 vídeo (2 min 48 s). Publicado pelo canal Mundo dos Trailers. Disponível em: https://www.youtube.com/watch?v=LKH9wJTH5yc . Acesso em: 15 maio 2021. AMOSTRAGEM - parte 1. [ S. l.: s. n. ], 2014. 1 vídeo (19 min 3 s). Publicado pelo canal Aldebaro Klautau. Disponível em: https://www.youtube.com/watch?v=5VYN91rAres&t=27s . Acesso em: 15 mai. 2021. CURIOSIDADES 08 Digitalização do sinal de áudio. [ S. l.: s. n. ], 2016. 1 vídeo (10 min 23 s). Publicado pelo canal Burgoseletronica. Disponível em: https://www.youtube.com/watch?v=FnrquGZukjU . Acesso em: 15 mai. 2021. DECKMANN, S. M.; POMILIO, J. A. Medição de Flicker : processamento Direto e Análise RMS. Campinas, [2015]. Disponível em: MEDIÇÃO DE FLICKER: PROCESSAMENTO DIRETO E ANÁLISE RMS. Acesso em: 28 abr. 2021. SANTOS, C. S. dos. Usando a Transformada de Fourier para construir um visualizador de música com Python e Arduino. Medium , jun. 2019. Disponível em: https://medium.com/@cafelouco/usando-a- transformada-de-fourier-para-construir-um-visualizador-de-m%C3%BAsica-com-python-e-ardu%C3%ADno- 57c98e723cdc . Acesso em: 8 maio 2021. https://www.youtube.com/watch?v=LKH9wJTH5yc https://www.youtube.com/watch?v=5VYN91rAres&t=27s https://www.youtube.com/watch?v=FnrquGZukjU https://medium.com/@cafelouco/usando-a-transformada-de-fourier-para-construir-um-visualizador-de-m%C3%BAsica-com-python-e-ardu%C3%ADno-57c98e723cdc NALON, J. A. Introdução ao processamento digital de sinais . Rio de Janeiro: LTC, 2013. (Biblioteca da Ânima). NUNES, R. A. A.; ALBUQUERQUE, M. P. de; ALBUQUERQUE, M. P. Introdução a Processadores de Sinais Digitais - DSP. CBPF-NT-001/2006 . Disponível em: http://www.cbpf.br/~rastuto/pdf/NT-CBPF001- 2006.pdf . Acesso em: 20 abr. 2021. OPPENHEIM, A. V.; SCHAFER, R. W. Processamento em tempo discreto de sinais . Revisão técnica de Márcio Elisencraft e Maria D. Miranda. 3. ed. São Paulo: Pearson Education do Brasil, 2012. OPPENHEIM, A. V.; WILLSKY, S.; NAWAB S. H. Sinais e sistemas . Tradução de Daniel Vieira e Rogério Bettoni. Revisão Técnica de Márcio Eisencraft e Maria D. Miranda. São Paulo: Pearson Prentice Hall, 2010. SMA803 - Fourier com Arduino e Python. [ S. l.: s. n. ], 2019. 1 vídeo (6 min 32 s). Publicado pelo canal Camila Stenico. Disponível em: https://www.youtube.com/watch?v=0g8tRicxkH0&t=12s . Acesso em: 15 maio 2021. TEOREMA da amostragem (ELT013, ELT007). [ S. l.: s. n. ], 2016. 1 vídeo (11 min 57 s). Publicado pelo canal Luis Antonio Aguirre. Disponível em: https://www.youtube.com/watch?v=5nqz8lxR2Tk&t=17s . Acesso em: 15 maio 2021. http://www.cbpf.br/~rastuto/pdf/NT-CBPF001-2006.pdf https://www.youtube.com/watch?v=0g8tRicxkH0&t=12s https://www.youtube.com/watch?v=5nqz8lxR2Tk&t=17s