Baixe o app para aproveitar ainda mais
Prévia do material em texto
Análise de Fourier para Sinais e SLITC’s Prof. Cláudio A. Fleury SLITC – Sistema Linear e Invariante no Tempo Contínuo Conteúdo 1.1. IntroduçãoIntrodução 2.2. Série de FourierSérie de Fourier 3.3. Representação de Sinais PeriódicosRepresentação de Sinais Periódicos 4.4. Transformada de FourierTransformada de Fourier ACL Prof. Cláudio ABR/2006 2 5.5. Propriedades da Transformada de FourierPropriedades da Transformada de Fourier 6.6. Transformada de Fourier InversaTransformada de Fourier Inversa 7.7. Resposta em Frequência Resposta em Frequência de Sistemas LITCde Sistemas LITC História Série de Fourier é uma ferramenta matemática usada para se analisar funções periódicas arbitrárias pela decomposição da funçãodecomposição da função em uma soma de soma de funções componentes senoidaisfunções componentes senoidais mais simples, as quais diferem umas das outras apenas em amplitude, freqüência e fase. Esta análise aplica-se a vários propósitos, dentre eles, aquele de facilitar a manipulação da função original, analiticamente e graficamente. As áreas de aplicação desta teoria incluem a Engenharia Elétrica, a Acústica, a Óptica, o Processamento de Sinais e Imagens, e a Compressão de ACL Prof. Cláudio ABR/2006 3 Acústica, a Óptica, o Processamento de Sinais e Imagens, e a Compressão de Dados. Usando as ferramentas e técnicas da espectroscopia, por exemplo, astrônomos deduzem a composição química de uma estrela pela análise das componentes frequenciais (espectro) a partir das luzes emitidas pela estrela; engenheiros otimizam o projeto de um sistema de telecomunicações usando informações sobre as componentes espectrais de um sinal de dados que um sistema transportará. As Séries de Fourier são assim chamadas em homenagem ao cientista e matemático francês JeanJean--BaptisteBaptiste--Joseph FourierJoseph Fourier (1768-1830), quem as primeiro usou em seu estudo sobre a Propagação do Calor em Corpos Sólidos (The Analytical Theory of Heat, anunciado em 1807, mas publicado em 1822) � Transformações para o Domínio da FreqüênciaDomínio da Freqüência (espectro) são representações alternativas para se conhecer outras características de sinais e sistemas LITC, além da causalidadecausalidade e estabilidadeestabilidade � Assim como a Transformada de Laplace, a de Fourier 1. Introdução ACL Prof. Cláudio ABR/2006 4 � Assim como a Transformada de Laplace, a de Fourier também é um operador linearoperador linear muito útil à análise de sistemas LITC � Análise de Fourier: abordagens quanto ao Tipo do Sinal �� PeriódicoPeriódico: Série de Fourier �� NãoNão--periódicoperiódico: Transformada de Fourier 2. Série de Fourier Sinal Periódico � Sinal Periódico x(t) de período T > 0: � Período fundamental T0 de x(t) � Menor valor de T para o qual a equação (1) é satisfeita Freqüência fundamental (1) ),()( tTtxtx ∀+= ACL Prof. Cláudio ABR/2006 5 � Freqüência fundamental � Linear: f0 = 1/T0 � Angular: ω0 = 2pi f0 � Exemplos de sinais periódicos � Sinal senoidal real � Sinal exponencial complexo )sen()cos()( )cos()( 002 01 0 tjtetx ttx tj ωω φω ω −== += − 2. Série de Fourier Definição Trigonométrica � Representação de um Sinal Periódico x(t) com período fundamental T0 em Série de Fourier Trigonométrica ∫ ∑ = =++= ∞ = 0 0 1 00 0 cos)(2 :onde 2 ),sencos( 2 )( k kk tdtktxa T tkbtkaatx ω pi ωωω Coeficientes Trigonométricos da Série de Fourier ACL Prof. Cláudio ABR/2006 6 � Efeito da simetria temporal ∫ ∫ = = 0 0 0 0 0 0 sen)(2 cos)(2 :onde T k T k tdtktx T b tdtktx T a ω ω da Série de Fourier Se x(t) par � bk = 0 Se x(t) ímpar � ak = 0 Exemplo 1 2pipi -1 1 f(t) t0 Como f(t) é uma função ímpar, Então: == 4 ,3,2,1 ,0 kak K <≤− <≤ = pipi pi 21 01)( t t tf Sinal periódico com T0=2pi ACL Prof. Cláudio ABR/2006 7 = −= ∫ ∫ par ,0 ímpar ,4)(sen)(sen1 0 2 k k kdtktdtktbk pipi pi pi pi +++= L 5 )5sen( 3 )3sen( 1 )sen(4)( ttttf pi Como o sinal f(t) tem média nula, então: 00 =a � Sinal Dente-de-Serra: x(t) = t, [-pi,pi] ( )2 ∫pi ( ) ( )∑ ∞ = ++= 1 00 0 sencos 2 )( k kk tkbtka a tx ωω Exemplo 2 Sinal periódico com T0 = 2pi, ω0 = 1 ACL Prof. Cláudio ABR/2006 8 ( ) ( ) ( ) kk ktt k kt dtkttdtkttb dtktta k k k 1 00 2 0 )1(2)cos(.)sen(2 sen 2 sen 2 2 0cos 2 2 + − − − = − = == == ∫∫ ∫ pipi pipi pi pi pi pi pipi pi Simetria ímpar −+−+−= L 5 )5sen( 4 )4sen( 3 )3sen( 2 )2sen()sen(2)( ttttttx 2. Série de Fourier Definição Trigonométrica Compacta � Representação em Série de Fourier de um Sinal Periódico x(t) com período fundamental T0 � C0 é a componente de Corrente Contínua (DC) de x(t)1 C cos(kω t–θ ) é a componente harmônica de ordem k de x(t) 0 0 1 00 2 ),cos()( T tkCCtx k kk pi ωθω =−+= ∑ ∞ = ACL Prof. Cláudio ABR/2006 9 � Ck cos(kω0t–θk) é a componente harmônica de ordem k de x(t) � A primeira componente harmônica, C1 cos(ω0t–θ1), é a componente fundamental, pois ela tem o mesmo período fundamental de x(t) � Relação entre os Coeficientes Trigonométricos e os Coeficientes Trigonométricos Compactos ( )kkk kkk abarctg baCaC = +== θ ;; 2 220 0 1 valor médio )( 2 1);( 2 1 )(;;2 00 kkkkkk kkkkkk jbaCjbaC CCjbCCaCa +=−= −=+== − −− 2. Série de Fourier Definição Exponencial Complexa � Representação de um Sinal Periódico x(t) com período fundamental T0= 2pi /ω0 em Série de Fourier Exponencial Complexa ∫ ∑ − ∞ −∞= = = 0 0 )(1 :onde )( tjk k k tjk k dtetxD eDtx ω ω Coeficientes Complexos da Série de Fourier Eq. de SínteseEq. de Síntese Eq. de AnáliseEq. de Análise ACL Prof. Cláudio ABR/2006 10 � Valor médio de x(t) em um período: � Para x(t) real: D -k = Dk* ∫= 0 )( :onde 0 T k dtetxT D ∫== 0 )(1 :0 fazendo 0 0 T dttx T Dk conjugado complexo Eq. de AnáliseEq. de Análise Valor MédioValor Médio Coeficientes da Série de Fourier Exponencial do sinal x(t) = cos(ω0t) Exemplo 3 :sãoComplexa xponencial Fourier Ede Sérieda escoeficient os que vemosinspeçãopor Assim, 2 1 2 1 2 )cos( :definiçãoda invés ao Euler,dea Fórmula usar Vamos )cos()( 0 0 000 00 =+= + = = ∞ −∞= − − ∑ eDee ee t ttx k tjk k tjtj tjtj ωωω ωω ω ω ACL Prof. Cláudio ABR/2006 11 1 ,0 2 1 2 1 :sãoComplexa xponencial Fourier Ede Sérieda escoeficient os que vemosinspeçãopor Assim, 11 ≠=== − kDDD k ωω0−ω0 ∠DkFase ωω0−ω0 1/2 |Dk|Módulo Exemplo 4 :são Complexa lExponenciaFourier de Série da escoeficient os Assim, 2 1 2 1 2 )sen(:Euler de Fórmula ausar vamosdefinição, a usarmos de invés Ao )sen()( 0 0 000 00 =−= − = = ∞ −∞= − − ∑ eDejejj ee t ttx k tjk k tjtj tjtj ωωω ωω ω ω Coeficientes da Série de Fourier Exponencial do sinal x(t) = sen(ωωωω0t) ACL Prof. Cláudio ABR/2006 12 1 ,0 2 1 2 1 :são Complexa lExponenciaFourier de Série da escoeficient os Assim, 11 ≠=−== − kDjDjD k ωω0−ω0 1/2 |Dk|Módulo ωω0−ω0 ∠DkFase pi/2 −pi/2 Exemplo 5 )6sen()4cos()( rad/s 2/2 e :/3 de e /2 de comum múltiplo mínimo o será período o e racional, número um como expressaser puder períodos srespectivo seus os entre razão a se somente periódico sinal um é )6sen()4cos()( 2 00021 0 ==+= ===== += ∞∞ ∑∑ tkjktjkk eDeDtttx TTTT tttx ω piωpipipi ACL Prof. Cláudio ABR/2006 13 contrário caso ,0 2 1 2 1 2 1 2 1 :sãoFourier de complexos escoeficient os Assim, )( 2 1)( 2 1)6sen()4cos()( :Euler de fórmulas as usando Novamente )6sen()4cos()( 3223 6644 ====−= −++=+= ==+= −− −− −∞=−∞= ∑∑ k tjtjtjtj k k k k DjDDDjD eejeetttx eDeDtttx Exemplo 6 == ==== − − − ∞ ∞= ∫∫ ∑ .12 2 1)(1 rad/s 1 2 22 ,)( 0 2 2 0 0 0 -k 0 0 0 0 dtedtetf T D T eDtf tjkT T tjk k tjk k pi pi pipi ω piω ω 2pipi -1 1 f(t) t0 <≤− <≤ = pipi pi 21 01)( t t tf Sinal periódico com T0=2pi ACL Prof. Cláudio ABR/2006 14 ímpar para ,2)( kejktf tjk k − ∞ −∞= ∑= pi ( )[ ] ( ) = −−=− − = − contrário caso ,0 ímpar para ,2 )1(111 2 2 20 kjkD jkejkD T k kjk k pi pipi pi pi Exemplo 7 Τ0 /4 A x(t) t0 −Τ0 Τ0 1)(1 2 ,)( 4 4 0 2 2 0 0 0 -k 0 0 0 0 0 0 0 == == − − − − ∞ ∞= ∫∫ ∑ dtAe T dtetx T D T eDtx T T tjkT T tjk k tjk k pi ω ωω ω ACL Prof. Cláudio ABR/2006 15 ( ) ( ) 0 para 2 12 para )1( 02 para 0 2 csin 22 sen 2 2244 00 00 0000 = +=− ≠= = = = − − =− − = −− kA mk k A mk c kAk k A c eejk A ee Tjk A c TT m k k jkjkTjkTjk k pi pipi pi piω pipiωω A função sinc(x) = sen(x)/x é chamada de seno amortecido (do latim: sinus cardinalis) e é conhecida também por função Interpolação ou função Filtragem % Espectro de linha de um TREM DE PULSOS RETANGULARES de amplitude A � Sinal Trem de Pulsos ( ) ( )2/sinc 2/ 2/sen 1 0 00 0 0 2 200 2 2 0 0 0 τω τ τω τωτ ω τ τ ω τ τ ω k T A k k T AD jk e T AdtAe T D k tjk tjk k = = − == − − − − ∫ -T0 -τ/2 0 τ/2 T0 2T0 t x(t) A Exemplo 8 ACL Prof. Cláudio ABR/2006 16 % Espectro de linha de um TREM DE PULSOS RETANGULARES de amplitude A % Por ser um sinal de simetria par, os coeficientes de Fourier são reais A = 1; % amplitude dos pulsos T0 = 0.25 % período do sinal taus = [5 10 20].* (T0/100) % duty cicle k = -20:20; % harmonicos considerados w0=2*pi/T0; % freq. angular for i=1:3 c = sinc(k*(w0*taus(i)/2)).*(taus(i)/T0); % coefic.s da Série de Fourier subplot(1,3,i), stem(k,c) xlabel(sprintf('taus = %3.1f ms',taus(i)*1000)); end set(gcf, 'Name', 'Espectro de Frequencia do sinal TREM DE PULSOS',... 'NumberTitle','off','MenuBar','none'); -20 -10 0 10 20 -0.02 -0.01 0 0.01 0.02 0.03 0.04 0.05 -20 -10 0 10 20 -0.02 0 0.02 0.04 0.06 0.08 0.1 -20 -10 0 10 20 -0.05 0 0.05 0.1 0.15 0.2 Coeficientes ck para A=1, T0=0.25s, ω0=8pi, t1=5%T0, t2=10%T0, t3=20%T0 % Espectro de linha de um TREM DE PULSOS RETANGULARES de amplitude A � Sinal Trem de Pulsos -T0 -τ/2 0 τ/2 T0 2T0 t x(t) A -20 -15 -10 -5 0 5 10 15 20 -0.05 0 0.05 0.1 0.15 0.2 T0 = 250.0 ms 0.15 O espaçamento entre as Exemplo 8 ACL Prof. Cláudio ABR/2006 17 % Espectro de linha de um TREM DE PULSOS RETANGULARES de amplitude A % Por ser um sinal de simetria par, os coeficientes de Fourier são reais A = 1; % amplitude dos pulsos taus = 50e-3; % duty cicle T0 = [5 10 20]*taus; % período do sinal k = -20:20; % harmonicos considerados w0=2*pi./T0; % freq. angular for i=1:3 c = sinc(k*(w0(i)*taus/2)).*(taus/T0(i)); % coefic.s da Série de Fourier subplot(3,1,i), stem(k,c) xlabel(sprintf('T0 = %3.1f ms',T0(i)*1000)); end set(gcf, 'Name', 'Espectro de Frequencia do sinal TREM DE PULSOS',... 'NumberTitle','off','MenuBar','none'); -20 -15 -10 -5 0 5 10 15 20 -0.05 0 0.05 0.1 0.15 T0 = 500.0 ms -20 -15 -10 -5 0 5 10 15 20 -0.02 0 0.02 0.04 0.06 T0 = 1000.0 ms O espaçamento entre as linhas espectrais decresce quando T0 aumenta, mantendo fixo τ � Condições de Dirichlet A série de Fourier existirá se: � x(t) for integrável em módulo no intervalo de um período � x(t) tiver um número finito de máximos e mínimos dentro de um intervalo de tempo 3. Convergência da Série de Fourier ACL Prof. Cláudio ABR/2006 18 um intervalo de tempo � x(t) tem um número finito de descontinuidades (finitas) dentro de qualquer intervalo de tempo � Essas condições são suficientes, mas não necessárias Espectro de Freqüência de Sinal Periódico � Sejam os coeficientes da Série de Fourier Exponencial Complexa: � Magnitude do Espectro do sinal periódico x(t): ω × |Dk| � Fase do Espectro do sinal periódico x(t): ω × Φk kj kk eDD φ = ACL Prof. Cláudio ABR/2006 19 � Fase do Espectro do sinal periódico x(t): ω × Φk � k ∈ I , logo a Magnitude e a Fase do Espectro serão curvas discretas, ocorrendo somente nas freqüências discretas kω0 (múltiplas inteiras da freq. fundamental) � Se um sinal x(t) for periódico e real, então: D -k = Dk* ou seja, |D-k| = |Dk| e Φ-k = -Φk � Magnitude do Espectro será uma função par de ω � Fase do Espectro será uma função ímpar de ω Potência de um Sinal Periódico – Teor. de Parseval � Potência média de um sinal periódico x(t) em um período qualquer ∫= 0 2 0 )(1P T dttx T ACL Prof. Cláudio ABR/2006 20 � Teorema de Parseval da Série de Fourier ∑∫ ∞ −∞= == k k T Ddttx T 22 0 0 )(1P Domínio do Tempo Domínio da Freqüência 4. Transformada de Fourier de Tempo Contínuo � A Série de FourierSérie de Fourier representa um sinal periódico como uma combinação linear de exponenciais complexas harmonicamente relacionadas. Como conseqüência da periodicidade, estes sinais possuem espectro de linhaespectro de linhacom linhas eqüidistantes. O espaçamento entre linhas é igual à freqüência fundamental, a qual por sua vez determina a quantidade de linhas do espectro por unidade de freqüência Para sinais x(t) não periódicos e de duração finita ACL Prof. Cláudio ABR/2006 21 por unidade de freqüência � Se o período cresce de modo ilimitado, o espaçamento das linhas tende a zero. No limite, quando o período for infinito, o sinal torna-se não periódico e seu espectro tornaespectro torna--se contínuose contínuo, mais especificamente, torna-se o envelope do espectro de linha do sinal periódico correspondente -T1 0 T1 t x(t) -T0 0 T0 2T0 t xp(t) )()(lim 0)( 0 1 txtxTttx pT =>= ∞→ 0 2 )( 0 T ectx tjkkp pi ωω == ∑ ∞ Transformada de Fourier de Tempo Contínuo ACL Prof. Cláudio ABR/2006 22 0 0 )( Tectx k kp ∑−∞= ∫∫∫ +∞ ∞− − + − − + − − === dtetx T dtetx T dtetx T c tjk T T tjk T T tjk pk 0 0 0 0 0 0 0 ).(1).(1).(1 0 2 20 2 20 ωωω )(1 :emos ter).()( :Definindo 0 0 ωω ω kX T cdtetxX ktj == ∫ +∞ ∞− − ∫∑ ∑∑ ∞ ∞− ∞ −∞= →∆∞→ ∞ −∞= ∞ −∞= =∆∆== =⇒== ωω pi ωω pi ωω piω pi ω ωω ω ωω deXekXtxtx ekXtxTekX T tx tj k tjk pT k tjk p k tjk p )( 2 1)( 2 1lim)(lim)( )( 2 1)(2 :como e )(1)( :Logo 0 00 0 00 0 0 00 � Par de Transformadas de Fourier ( ){ } ( ){ } ).( 2 1)( ).()( 1 ωω pi ω ω ω ω deXXtx dtetxtxX tj- tj =ℑ= =ℑ= ∫ ∫ ∞+ +∞ ∞− − Transformada de Fourier de Tempo Contínuo ACL Prof. Cláudio ABR/2006 23 � Assim como ocorre com as Séries, também com as Transformadas de Fourier, os sinais devem satisfazer às condições de Dirichlet para que a integral convirja ( ){ } )()( :adas transformdePar ).( 2 )( ω ωω pi ω Xtx deXXtx ↔ =ℑ= ∫ ∞− ( ) ( )sen 2 2)( ).()( 000 0 0 0 T j eeA j eAjX dtAedtetxjX TjTjT T tj T T tjtj ω ωω ω ω ωωω ωω −− = − = === − − − − − ∞ ∞− − ∫∫ � Sinal Janela Retangular -T0 0 T0 t x(t) A Exemplo 9 ( ) ( )00 0 0 0 sinc2 . sen2)( TAT T TATjX ω ω ω ω == ACL Prof. Cláudio ABR/2006 24 � Linearidade � Inversão no Tempo e na Freqüência � Diferenciação no Tempo � Diferenciação na Freqüência � Deslocamento no Tempo Transformada de Fourier de Tempo Contínuo )()( ω−⇔− Xtx ω ω d dX txjt )()(. ⇔− )()( 00 ωωXettx jt−⇔− )()()()( ωω bYaXtbytax +↔+ Propriedades )(.)( ωω Xj dt tdx ⇔ ACL Prof. Cláudio ABR/2006 25 � Mudança de escala no Tempo � Deslocamento na freqüência � Convolução � Teorema de Parseval )()( 0 ωXettx ⇔− )()( 00 ωωω −⇔ Xtxe jt ∫∫ ∞ ∞− ∞ ∞− == ωω pi dXdttxE 22 )( 2 1)( )().( 2 1)()( )()()().( 2121 2121 ωω pi ωω XXtxtx XXtxtx ⇔∗ ∗⇔ aaXatx /)/()( ω⇔ Resposta em Freqüência de SLITC’s � Para SLITC’s temos: y(t) = x(t) ∗ h(t) � Propriedade da convolução: Y(ω) = X(ω) . H(ω) ou: H(ω) = Y(ω) / X(ω) � H(ω) é a Resposta em FreqüênciaResposta em Freqüência do sistema � H(ω) = |H(ω)| e jθ (ω) ACL Prof. Cláudio ABR/2006 26 � H(ω) = |H(ω)| e � Se X(ω) = |X(ω)| e jα (ω) então Y(ω) = |Y(ω)| e jφ (ω) com |Y(ω)| = |X(ω)|. |H(ω)| e φ (ω) = α (ω) + θ (ω) Magnitude da resposta em freqüência Fase da resposta em freqüência Exercícios � Livro-texto � Cap. 6 � Exercícios � E6.1 (p.542) � E6.2 (p.543) ACL Prof. Cláudio ABR/2006 27 � Problemas � 6.1-1, 6.1-2, 6.1-3, 6.3-1, 6.3-2, 6.3-8
Compartilhar