Baixe o app para aproveitar ainda mais
Prévia do material em texto
6. Conceitos de Dom6. Conceitos de Domíínio de Freqnio de Freqüüênciaência Na prática, um sinal eletromagnético consiste em várias freqüências. Exemplo: ( ) ( )wtfttfftts =⇔+×= pipipipi 2])3(2sen()3/1()2[sen()/4()( Compõem o sinal acima apenas senóides de freqüências f e 3f. Na figura a seguir, que apresenta cada sinal em separado e a soma dos mesmos, dois pontos interessantes podem ser observados: •A segunda freqüência (i.e., 3××××f) é um múltiplo inteiro da primeira freqüência. Quando todas as componentes de freqüência de um sinal são múltiplos inteiros de uma freqüência, essa última é referida como freqüência fundamental. •O período do sinal global é igual ao período da freqüência fundamental. O período da componente sen (2pipipipi f t) é T = 1/f, assim como o período de s (t). De acordo com a disciplina conhecida como Análise de Fourier, qualquer sinal pode ser decomposto em várias componentes (i.e., senóides) de diversas freqüências. Ou ainda, adicionando-se um número suficiente de sinais senoidais, cada um com amplitude, freqüência e fase adequados, qualquer sinal eletromagnético pode ser construído. Ref: Otung, I., “Communication Engineering Principles”, Palgrave, 2001; Couch, II L. W. “Digital and Analog Communication Systems”, 6th ed., Prentice Hall, 2001; Bryan Carne, E., “Telecommunications Topics – Applications of Functions & Probabilities in Eletronic Communications”, Prentice Hall, 1999; Stroud, K. A., “Advanced Engineering Mathematics”, Palgrave, 4th ed., 2003; Lathi, B. P. “Modern and Analog Communication Systems”, 3rd ed., Oxford, 1998; Skalar, B., “Digital Communications, Fundamentals ans Applications”, 2nd ed., Prentice Hall, 2001; Bissell, C. C. And Chapman, D. A. “Digital Signal Transmission”, Cambridge University Press, 1992. Onda quadrada composta pelas freqüências f e 3f O espectro de um sinal é a faixa de freqüências contida nesse sinal. Na figura mostrada anteriormente o espectro se estende de f até 3f. A largura de banda absoluta do sinal é a largura do espectro. No caso da figura anterior (e.g., s (t) = (4/pi) [sen (2pift) + (1/3) sen (2pi(3f)t)] ), a largura de banda é 3f - f = 2f . Muitos sinais têm largura de banda infinita, mas com a maior parte da energia concentrada em uma faixa de freqüências relativamente estreita. Essa banda é referida como largura de banda efetiva (i.e., effective bandwidth), ou simplesmente largura de banda (i.e., bandwidth). Existe uma relação direta entre a capacidade de transporte de informação de um sinal e sua largura de banda: quanto maior a largura de banda, maior a capacidade de transportar informação. Na figura a seguir (vide parte c que mostra a figura teórica), a título de exemplo, supondo que um pulso positivo represente o binário 0 e um pulso negativo represente o binário 1, a forma de onda representará a seqüência 0101 ... . A duração de cada pulso é [1/(2f)]; assim a taxa de transmissão de dados é 2f bits por segundo, ou bps (e.g., capacidade de Nyquist). Onda quadrada composta pelas freqüências f, 3f, 5f e 7f Onda quadrada composta pelas freqüências f, 3f e 5f. Onda quadrada Composição espectral do sinal Através da adição das senóides de freqüência f e 3f, obtém-se uma forma de onda que se parece razoavelmente com uma forma de onda quadrada. Dando continuidade a esse processo, adicionando-se agora senóides de freqüência 5f , e em seguida 7f, a forma de onda resultante aproxima-se cada vez mais da verdadeira onda quadrada, conforme pode-se observar na figura (b) da página anterior. Será mostrado mais adiante que as freqüências que compõem uma onda quadrada de amplitudes +A e -A são calculadas através da expressão ∑ ∞ = ××= 1,_ )2sen(4)( kimpark k kftAts pi pi Essa forma de onda tem um número infinito freqüências e portanto uma largura de banda infinita. No entanto, a amplitude de pico da k-ésima freqüência (i.e., kf) mede apenas 1/k, de forma que a energia dessa forma de onda se concentra nas primeiras, e poucas, freqüências. Relação entre taxa de transmissão de dados e largura de banda Caso I Aproximando a onda quadrada com a forma de onda de 3 componentes espectrais (i.e., f, 3f e 5f) e considerando f igual a 1 MHz (i.e., f = 106 ciclos por segundo) , então a largura de banda do sinal ××+××+×= ))1052sen(( 5 1))1032sen(( 3 1))102sen((4)( 666 tttts pipipi pi é (5 x 106) - 106 = 4 MHz. Note que para f = 1 MHz, o período da freqüência fundamental é T = 1/f = 1/106 = 10-6 = 1 µs. Se tratarmos essa forma de onda como uma seqüência de bits de 1s e 0s, um bit ocorrerá a cada 0,5 µs, para uma taxa de transmissão de dados de 2 x 106 = 2 Mbps. Assim, para uma largura de banda de 4 MHz, obtém-se uma taxa de transmissão de bits de 2 Mbps. Caso II Supondo agora f = 2 MHz (i.e., f = 2 x 106 ciclos por segundo) e utilizando a mesma linha de raciocínio anterior, a largura de banda do sinal será (5 x 2 x 106) - (2 x 106 ) = 8 MHz. Contudo nesse caso T = 1/f = 1/(2 x 106 ) = 0,5 x 10-6 = 0,5 µs. Como resultado, um bit ocorrerá a cada 0,25 µs para uma taxa de transmissão de dados de 4 Mbps. Dessa forma, ao dobrar a largura de banda, dobrou-se a taxa de transmissão de bits. Caso III Vai se supor agora que a forma de onda de apenas 2 componentes espectrais (i.e., f e 3f) é suficientemente adequada para a aproximação de uma onda quadrada, e assume-se, como no Caso II, f = 2 MHz (i.e., f = 2 x 106 ciclos por segundo), ou seja, T = 1/f = 1/(2 x 106 ) = 0,5 x 10-6 = 0,5 µs; um bit deverá ocorrer a cada 0,25 µs para uma taxa de transmissão de dados de 4 Mbps. A largura de banda do sinal será (3 x 2 x 106) - (2 x 106 ) = 4 MHz Assim, uma dada largura de banda pode suportar diversas taxas de transmissão de dados dependendo da habilidade do receptor discernir a diferença entre 0s e 1s, da presença de ruído e outros empecilhos comuns aos meios de transmissão de sinais. Em resumo, •Caso I: largura de banda = 4 MHz; taxa de transmissão de dados = 2 Mbps (i.e., 0,5Mbps/MHz) •Caso II: largura de banda = 8 MHz; taxa de transmissão de dados = 4 Mbps (i.e., 0,5Mbps/MHz) •Caso III: largura de banda = 4 MHz; taxa de transmissão de dados = 4 Mbps (i.e., 1,0Mbps/MHz) Conclusões •Em geral, qualquer forma de onda digital tem largura de banda infinita •Ao transmitir uma forma de onda através de um meio de transmissão, o sistema de transmissão limitará a largura de banda que pode ser transmitida •Para qualquer meio de transmissão, quanto maior a largura de banda transmitida, maior será o custo Assim, por razões econômicas e práticas, a informação digital deve ser aproximada por um sinal de largura de banda limitada. No entanto, a limitação de largura de banda cria distorções que tornam mais difícil a tarefa de interpretar o sinal recebido. •Quanto mais limitada for a largura de banda, maior será a distorção e o potencial de erro por parte do receptor Discussão sobre largura de banda mínima Um ponto importante a se notar com respeito ao espectro da onda quadrada, conforme já visto, refere-se aos componentes de freqüência que se estendem a valores muito superiores ao da freqüência fundamental. Para transmitir a forma de onda sem distorções significativas seria necessário um canal com largura de banda considerável (e isso, sem mencionar as características de fase). No entanto, conforme já mostrado anteriormente, um trem de pulsos não precisa ser recebido sem qualquer distorção para que possam ser tomadas decisões corretas sobre os estados binários. De fato (e.g., ver Teorema de Nyquist), desde que a componente fundamental (com freqüência 1/2T [Hz] ) da onda quadrada correspondente à seqüência de bits ...10101010... possa ser transmitida,então as decisões sobre os estados binários serão corretas. A figura a seguir mostra como é possível, na teoria, transmitir (1/T) símbolos por segundo sobre um canal de largura de banda igual a (1/2×T) Hz. Ou, expressando-se de outra forma, é possível transmitir a uma taxa de 2××××B símbolos por segundo sobre um canal ideal limitado a uma banda igual a B Hz. Integrais de funções periódicas Antes de prosseguir há necessidade de considerar algumas integrais específicas envolvendo números inteiros m e n. Tratam-se de integrais sobre um, único, período dos integrandos (i.e., função submetida à operação de integração) periódicos. As integrais de interesse são senos, co-senos e suas combinações, onde a integração se dá sobre um período de -pipipipi a +pipipipi. Antes, porém, a integral da constante unitária sobre o período 2pipipipi: ( ) [ ] ( )[ ]∫+ − − =−−== pi pi pi pi pipipi 2xdxi ( ) ?cos =∫ − pi pi nxdxii ( ) ( )00sensensencos ≠⇔=−−= = − − ∫ nn n n n n nx nxdx pipi pi pi pi pi ( ) 0sen =∫ − pi pi nxdxiii ( ) ?cos2 =∫ − pi pi nxdxiv ( ) ( ) = − − − −+= += + = − −− ∫∫ 24 2sen 24 2sen 24 2sen 2 12cos cos2 pipipipi pi pi pi pi pi pi n n n nx n nxnx nxdx pi pipipi pi =+=∫ − 22 cos2 nxdx Lembrando que: 1cos22cos 2 −= AA e n ≠ 1 ( ) pipi pi =∫ − nxdxv 2sen ( ) ( )nmnxdxmxvi ≠⇔=∫ − ?coscos pi pi Lembrando que: 2 cos A cos B = cos (A+B) + cos (A - B), vem: ( ) ( )[ ] =−++= ∫∫ − dxxnmxnmnxdxmx coscos 2 1 coscos pi pi ( ) ( ) = − − + + + = − pi pinm xnm nm xnm sensen ( ) ( ) ( )( ) ( )( ) 0sensensen = − −− − + −+ − − − + + + = nm nm nm nmsin nm nm nm nm pipipipi ( ) ( )nmnxdxmxvii ≠⇔=∫ − 0sensen pi pi ( ) ( )nmnxdxmxviii ≠⇔=∫ − ?sencos pi pi Lembrar: 2 sen A sen B = cos (A – B) – cos (A + B) Como: 2 cos A sen B = sen (A + B) – sen (A – B) ( ) ( )[ ]dxxnmxnmnxdxmx ∫∫ −− −−+= pi pi pi pi sensen 2 1 sencos ( ) ( ) pi pi− − − + + + −= nm xnm nm xnm coscos 2 1 ( ) ( ) ( )( ) ( )( ) 0coscoscoscos 2 1 = − −− − + −+ + − − + + + −= nm nm nm nm nm nm nm nm pipipipi ( ) ( )00sencos ≠=⇔=∫ − nmnxdxmxix pi pi Lembrar que: sen 2 A = 2 sen A cos A Funções Ortogonais: Se duas funções distintas f (x) e g (x) são definidas no intervalo a ≤≤≤≤ x ≤≤≤≤ b e ∫ = b a dxxgxf 0)()( então, pode-se dizer que as duas funções são ortogonais entre si no intervalo a ≤≤≤≤ x ≤≤≤≤ b. Conforme foi visto, as funções trigonométricas sen nx e cos nx, onde n = 0, 1, 2, 3, ... , formam uma coleção infinita de funções periódicas que são mutuamente ortogonais no intervalo -pipipipi ≤≤≤≤ x ≤≤≤≤ pipipipi (i.e., 2pipipipi). Considerando que certas condições sejam satisfeitas (i.e., condições de Dirichlet), é possível escrever uma função periódica, de período 2pi, como uma expansão em série das funções periódicas discutidas anteriormente. Isto é, se f(x) for definida no intervalo -pipipipi ≤≤≤≤ x ≤≤≤≤ pipipipi, onde f (x + 2npipipipi) = f (x), então: ( )∑ ∞ = ++= 1 0 sencos)( n nn nxbnxaaxf o que representa a expansão em série trigonométrica de Fourier de f (x) onde an e bn são constantes denominadas coeficientes de Fourier . Exemplo Determinar o coeficiente a10 na expansão em série de Fourier: ( )∑ ∞ = ++= 1 0 sencos)( n nn nxbnxaaxf Solução: Para calcular o coeficiente a10, multiplica-se f (x) por cos (10x) e efetua-se a integração sobre um período: xdxnxbnxaaxdxxf n nn 10cossencos10cos)( 1 0∫ ∑∫ − ∞ = − ++= pi pi pi pi ∫∑∫∑∫ − ∞ = − ∞ = − ++= pi pi pi pi pi pi xdxnxbxdxnxaxdxa n n n n 10cossen10coscos10cos 11 0 010coscos0 11 0 ×++×= ∑∫∑ ∞ = − ∞ = n n n n bxdxnxaa pi pi ...00...00 1110910 +×+×+×++×+×= aaaaa pi Portanto: ( ) ( )∫∫∫ −−− =⇔=⇒×= pi pi pi pi pi pi pipi pi mxdxxfaxdxxfaaxdxxf m cos110cos110cos)( 1010 SSééries de Fourierries de Fourier Em cursos anteriores, sobre métodos matemáticos, já foi visto como funções complicadas podem ser expressas como séries de potência: ...)( 332210 ++++= xaxaxaaxP O teorema de Taylor, por exemplo, provê uma forma de expressar uma função como uma série de potências (i.e., Séries de Taylor, Séries de Maclaurin), mas só pode ser aplicado para aquelas funções que são contínuas e diferenciáveis dentro da faixa (i.e. “range”) de interesse. No entanto, conforme visto, uma função pode ser representada, também, por uma soma de termos em seno e co-seno (i.e, Séries de Fourier). • Diferentemente das Séries de Taylor, as Séries de Fourier podem descrever funções que não são contínuas, ou diferenciáveis, em qualquer ponto. • Outras vantagens: são fáceis de diferenciar e integrar, seus módulos são facilmente obteníveis, e cada termo contém apenas uma freqüência característica. • Este último ponto é importante porque as Séries de Fourier são comumente utilizadas para representar a resposta de um sistema a uma entrada periódica, e essa resposta depende diretamente do conteúdo de freqüências da entrada (e.g., vibrações de uma corda finita, espalhamento da luz em superfícies rugosas, transmissão de um sinal de entrada por um circuito eletrônico). Funções com períodos diferentes de 2pipipipi Se y = f (x) é definida entre os limites (-T/2) a (T/2), i.e., tem um período T, pode-se converter isso a um intervalo 2pi através da mudança de unidades da variável independente. Em muitos casos práticos, que envolvem oscilações físicas, a variável independente é o tempo (t) e o intervalo é denominado T, i.e., f (t +T) = f (t) Cada ciclo é completado em T segundos e a freqüência f hertz (oscilações por segundo) da função periódica é dada portanto por : T f 1= Se a velocidade angular, w radianos por segundo, é definida como w = 2 pipipipi f , então: w T T w pipi 22 =⇒= O ângulo, x radianos, a qualquer instante t é portanto: tTwtwtx pi2 =⇒= ( )∑ ∑ ∞ = ∞ = ++=++= 1 1 00 2 sen 2 cossencos)( n n nnnn T tnb T tn aanwtbnwtaatf pipi A Série Trigonométrica de Fourier (Joseph Fourier; 1768-1830), para representar a função f (t) pode ser expressa como: Os coeficientes podem ser então calculados: ∫∫ == w T dttfwdttf T a pi pi 2 000 )( 2 )(1 ∫∫ == w T n nwtdttfwnwtdttfTa pi pi 2 00 cos)(cos)(2 ∫∫ == w T n nwtdttfwnwtdttfTb pi pi 2 00 sen)(sen)(2 Os limites podem ser 0 a T, (-T/2) a (T/2), (-pipipipi/w) a (pipipipi/w), 0 a (2 pipipipi/w) , etc., ou seja, aquilo que for mais conveniente, respeitando obviamente a cobertura de um período completo. Exemplo 1 A função periódica mostrada na figura a seguir pode ser descrita pela seguinte série trigonométrica de Fourier: − + − += 1111 6 sen25,06cos5,02sen75,02cos1)( T t T t T t T t ts p pipipipi •Coeficiente, na freqüência 0, a0=1, que é o valor médio da função •componentes discretos com coeficientes a1=1 e b1=-0,75 na freqüência fundamental (i.e., 2pi/T1=2pif1) •componentes discretos com coeficientesa3=0,5 e b3=-0,25 na freqüência correspondente à terceira harmônica (i.e., 6pit/T1 = 3 × 2pi/T1) SSéérie de Fourier na forma de Cosseno ou rie de Fourier na forma de Cosseno ou ““SSéérie de Fourierrie de Fourier TrigonomTrigonoméétrica Compactatrica Compacta”” ∑ ∞ = ++= 1 0 0 2 cos)( n nn T ntCCt θpiϕ 00 aC = 22 nnn baC += [ ]nnn ab−= −1tanθ Exemplo 2 Dada a série de trigonométrica de Fourier a seguir (i.e., a mesma do Exemplo 1), expresse-a como série de Fourier na forma de co-seno (i.e., compacta) − + − += 1111 6 sen25,06cos5,02sen75,02cos1)( T t T t T t T t ts p pipipipi Na série trigonométrica de Fourier, pode-se combinar os termos seno e co- seno de mesma freqüência através da identidade trigonométrica: ( )nnnn tnwCtnwsenbtnwa θ+=− 000 cos)()cos( Ou seja, e onde, 100 == AC 25,15625,175,01 221 ==+=C 56,0559,03125,025,05,0 223 ≈==+=C 011 1 89,366435,0)75,0(tan1 75,0 tan −=−=−= − = −− radianosφ 011 3 56,264636,0)5,0(tan5,0 25,0 tan −=−=−= − = −− radianosφ Ou seja, a forma compacta pode ser escrita: −+ −+= 464,06cos56,0644,02cos25,11)( 11 T t T t tsp pipi Essa representação fornece os espectros de amplitude e fase de um lado só (i.e., eixo de freqüências positivo). Ou seja, trata- se do espectro unilateral. ≡-36,9o ≡-26,6o A amplitude e fase de cada componente senoidal pode ser calculada através de 22 nnn baC += [ ]nnn ab−= −1tanθe Uma interpretação interessante para o espectro trigonométrico de Fourier Stremler, F. G., “Introduction to Communication Systems”, 3rd ed. , 1990 Exemplo 3 Determinar a serie compacta de Fourier para a exponencial e-t/2 no intervalo pi≤≤t0 Efetuando os cálculos inicialmente para determinar a série trigonométrica de Fourier no intervalo ou seja, . Portanto a freqüência fundamental épi≤≤ t0 pi=0T srad T fw /222 0 00 === pi pi ∑ ∑ ∞ = ∞ = + += 1 1 00 0 2 sen 2 cos)( n n nn T ntB T ntAAtg pipi onde n é um inteiro positivo, e os valores dos coeficientes A0, An e Bn são ∫ + = 01 1 )(1 0 0 Tt t dttg T A ∫ + = 01 1 00 2 cos)(2 Tt t n dtT nt tg T A pi ∫ + = 01 1 00 2 sen)(2 Tt t n dtT nt tg T B pi ou seja, ( )[ ] 5402,021)2(11 02/ 0 2/ 0 2/ 0 =−−=−== −−− ∫ eeedteA tt pipi pi pipipi ( )∫ −= pi pi 0 2/ 2cos2 dtnteA tn como [ ])sen()cos()cos( 22 bxbbxaba edxbxe ax ax + + =∫ sendo a = (-1/2) e b = 2n ( ) ( ) pi pi 0 2 2 2 1 )2sen(2)2cos( 2 1 2 2 1 2 + − + − = − ntnnt n eA t n ( ) ( )( ) ( ) ( )( ) + + + −= + − + − + − + = 2222 161 2 161 416,0202 2 1 161 1402 2 1 161 208,042 nn n n n n An pipi + = 2161 2504,0 n An do mesmo modo, obtém-se ( ) + == ∫ − 2 0 2/ 161 8504,02sen2 n ndtnteB tn pi pi Portanto, a série trigonométrica de Fourier é a seguinte ( ) + + += ∑ ∞ = ntnnt n tg n 2sen42cos 161 21504,0)( 1 2 Em seguida, calcular-se-á a série compacta de Fourier 504,000 == AC ( ) ( ) ( ) ( ) + = + + = + + + =+= 222 2 22 2 22 22 161 2504,0 161 1614504,0 161 64 161 4504,0 nn n n n n BAC nnn ( )n A B n n n 4tantan 11 −= − = −−θ As amplitudes e fases da componente “dc” e das sete primeiras harmônicas são apresentadas na tabela e nos gráficos a seguir A série compacta de Fourier pode ser portanto representada como ( )∑∞ = − − + += 1 1 2 4tan2cos 161 2504,0504,0)( n nnt n tg ( ) ( ) ( ) pi≤≤+−+−+−+= tttttg 0...24,856cos084,087,824cos125,096,752cos244,0504,0)( 000 n 0 1 2 3 4 5 6 7 Cn 0,504 0,244 0,125 0,084 0,063 0,0504 0,042 0,036 θn 0 75,96 82,87 85,24 86,42 87,14 87,61 87,95 Nota: como w0 = 2 rad/s, tem-se p/ n = 1 => w = 2 rad/s, p/ n = 2 => w = 4 rad/s, etc. Espectro unilateral Periodicidade da Série Trigonométrica de Fourier Conforme visto anteriormente: ( )∑∑ ∞ = ∞ = ++= ++= 1 00 1 0 0 cos 2 cos)( n nn n nn tnwCC T ntCCt θθpiϕ ( )( )∑∞ = +++=+ 1 0000 cos)( n nn TtnwCCTt θϕe, pode-se escrever: ou: ∑ ∞ = +++=+ 1 0 0 000 2 cos)( n nn T T ntnwCCTt θpiϕ ( )∑∞ = +++=+ 1 000 2cos)( n nn ntnwCCTt θpiϕ ( )∑∞ = ++=+ 1 000 cos)( n nn tnwCCTt θϕ )()( 0 tTt ϕϕ =+ para todo t Isto mostra que a Série Trigonométrica de Fourier é uma função periódica de período T0 (i.e., período de sua componente fundamental). Dessa forma, os coeficientes de Fourier de uma série representando um sinal periódico g(t) (para todo t) podem ser expressos: ∫∫ == + 0 01 1 )(1)(1 00 0 T Tt t dttg T dttg T a ∫ = 0 00 2 cos)(2 Tn dt T nt tg T a pi ∫ = 0 00 2 sen)(2 Tn dt T nt tg T b pi ⇒⇒⇒⇒ ( )∑∞ = − − + += 1 1 2 4tan2cos 161 2504,0504,0)( n nnt n tg ( ) ( ) pi≤≤+−+−+= tptttg 0/...87,824cos125,096,752cos244,0504,0)( 00 Por exemplo, , a Série de Fourier (ver expressões a seguir) calculada no Exemplo 3, é uma função periódica na qual o segmento de g(t) da parte (a) da figura, referente ao intervalo , repete-se a cada pi segundos, conforme mostrado na parte (b). )(tϕ pi≤≤ t0 Assim, quando representamos um sinal g(t) através da Série Trigonométrica de Fourier sobre um certo intervalo de tempo T0 , a função g(t) e sua Série de Fourier, , precisam, apenas, ser iguais sobre aquele intervalo T0 segundos. Fora desse intervalo, a Série de Fourier se repete periodicamente com período T0 . Agora se a função g(t) fosse periódica com período T0 , então uma Série de Fourier representando g(t) sobre um intervalo T0 estará também representando g(t) para todo t (i.e., não apenas sobre o intervalo T0 ). )(tϕ SSéérie de Fourier Complexa, ou Srie de Fourier Complexa, ou Séérie exponencial de Fourierrie exponencial de Fourier A forma exponencial de um número complexo, e sua relação com a forma polar são dadas por: θθθ jerjrz ×=+= )sen(cos e dessa forma, ou, θθθ jej =+ sencos ( ) ( ) θθθθ θ sencossencos jej j −==−+− − Usando estas duas equações, pode-se escrever: 2 cos θθ θ jj ee −+ = j ee jj 2 sen θθ θ − − =e Estas duas últimas equações permitem o desenvolvimento de uma representação alternativa das séries de Fourier (i.e., Teorema de Euler) Conforme já foi visto, a série trigonométrica de Fourier de uma função f (t) , onde f (t + T) = f (t) é dada por: ( )∑ ∑ ∞ = ∞ = ++=++= 1 1 0000 2 sen 2 cossencos)( n n nnnn T tnb T tn aatnwbtnwaatf pipi Substituindo sen (.) e cos (.) por suas representações complexas exponenciais: ∑ ∞ = −− −+ + += 1 0 22 )( 0000 n tjnwtjnw n tjnwtjnw n j eebeeaatf ∑ ∞ = − − + + += 1 0 00 22 )( n tjnw n n tjnw n n e j b a e j b a atf ∑ ∞ = − + + − += 1 0 00 22 )( n tjnwnntjnwnn e jba e jba atf Definindo-se agora: de forma que o complexo conjugado de dn seja: . Pode-se então escrever: 2 nn n jbad −= 2 * nn n jbad += ( ) ∑ ∑∑ ∞ = ∞ = − ∞ = − ++=++= 1 1 * 0 1 * 0 0000)( n n tjnw n tjnw n n tjnw n tjnw n ededdededdtf Por conveniência, pode-se anotar como . Isto significa que a -n = an e b-n = -bn * nd nd− ∑ ∑∑ ∑ ∞ = −∞ −= − ∞ = ∞ = − − ++=++= 1 1 0 1 1 0 0000 ... n n tjnw n tjnw n n n tjnw n tjnw n ededdededd ∑∑ ∞ = − −∞= ++= 1 1 0 00)( n tjnw n n tjnw n eddedtf ∑ ∞ −∞= = n tjnw nedtf 0)( 2 nn n jbad −=onde, Mas, −= ∫ ∫ − − 2 2 2 2 00 sen)( 2 cos)(2 2 1 T T T Tn tdtnwtf T jtdtnwtf T d Finalmente: ( )∫ − −= 2 2 00cos)( 1 T Tn dttjsennwtnwtf T d ∫ − − = 2 2 0)(1 T T tjnw n dtetfTd ∫= T n nwtdttfTa 0 cos)( 2 ∫= T n sennwtdttfTb 0 )( 2e então: No espectro exponencial é usual plotar a amplitude (ou magnitude) e o ângulo dos coeficientes complexos dn. Isso requer que os coeficientes dn sejam expressos na forma polar: A comparação das séries compacta e exponencial mostra: ndj n ed ∠ 00 ad = nnn cdd 2 1 == − nnd θ=∠ nnd θ−=−∠ Em resumo, a série exponencial de Fourier é dada por: ∑ ∞ −∞= = n tjnw nedtf 0)( ∫ − − = 2 2 0)(1 T T tjnw n dtetfTdonde, Notas a respeito do espectro bilateral Conforme visto, a partir do teorema de Euler, foi possível desenvolver a alternativa de representação do espectro bilateral a partir do espectro de linha unilateral. Ou seja, considerando o teorema de Euler: De forma similar: Adicionando-se estas duas equações, obtém-se: Qualquer termo em cosseno pode portanto ser reescrito como a soma de dois termos exponenciais. Considerando, por exemplo, o termo (cos wt), representando um sinal senoidal com amplitude unitária, freqüência angular w e fase de referência igual a zero: θθθ jsenj += cos)exp( θθθ jsenj −=− cos)exp( [ ])exp()exp( 2 1 cos θθθ jj −+= [ ])exp()exp( 2 1)cos( jwtjwtwt −+= Estendendo, ou ampliando a notação do termo “espectro” , os termos exponenciais podem também ser representados num diagrama espectral, conforme mostrado na figura a seguir, onde a parte (a) mostra o espectro de amplitude unilateral (i.e., single-sided amplitude spectrum) representando (cos wt), enquanto que a parte (b) mostra o equivalente exponencial ou seja, o espectro de amplitude bilateral (i.e., double-sided amplitude spectrum). O espectro de amplitude da senóide f(t) = cos wt: (a) unilateral; (b) bilateral Freqüência negativa ? Não se deve tentar visualizar a freqüência negativa – a idéia de uma freqüência negativa propriamente dita não é exatamente esclarecedora neste contexto. A senóide real tem uma freqüência expressa como um número positivo. Ao se escolher expressar a senóide como dois termos exponenciais, tem-se um deles como uma função de w e o outro de –w. Em conjunto, estes dois termos se constituem numa representação equivalente da senóide. Note-se ainda que a amplitude de cada termo exponencial corresponde à metade da amplitude do termo cosseno original. A notação pode se estender de forma a incluir a fase. Considerando uma componente senoidal geral e convertendo-a para a forma exponencial: )exp()exp( 2 )exp()exp( 2 )cos( jwtjAjwtjAwtA −−+=+ φφφ coeficiente da freqüência positiva coeficiente da freqüência negativa [ ] [ ])exp( 2 )(exp 2 )cos( φφφ −−++=+ wtAwtjAwtA Coeficientes associados aos termos de freqüência positiva e negativa Na equação anterior, o coeficiente da freqüência positiva é um número complexa na forma polar com magnitude (ou amplitude) A/2 e ângulo (ou fase) φ. Ou seja, o coeficiente complexo inclui tanto informação de amplitude como de fase. De forma similar, a freqüência negativa tem uma amplitude igual a A/2, mas agora a fase é -φ. Os espectros de amplitude e fase unilateral e bilateral são comparados na figura a seguir: Espectro (a) unilateral e (b) bilateral de f(t) = A cos (wt + φ) Em resumo, uma forma saudável de encarar essa situação (i.e., freqüência negativa) é interpretar o espectro exponencial como sendo uma representação gráfica de coeficientes em função de w (i.e., 2pif). A existência do espectro na freqüência w = -nw0 é apenas uma indicação do fato que uma componente exponencial exp(-jnw0t) existe na série. Exemplo 4 Mostre o espectro exponencial para a função periódica dos Exemplos 1 e 2 − + − += 1111 6 sen25,06cos5,02sen75,02cos1)( T t T t T t T t tsp pipipipi Para esta série: D0=1, D1=0,625e-j0,644, D-1=0,625e+j0,644 D2=0,279e-j0,464, D-2=0,279e+j0,464 Quatro convenções com respeito a espectros de linha 1) Em todos os desenhos de espectro a variável independente será representada pela freqüência cíclica f hertz , ao invés de freqüência w em radianos (notas: 1. w radianos por segundo é mais conveniente para efeito de cálculo matemático; 2. w = 2pif). 2) Ângulos de fase são medidos com relação a co-seno, ou com relação ao eixo real positivo do diagrama de fasores. Dessa forma, seno deve ser convertido para co-seno através de sen wt = cos (wt – 90o) . 3) Com relação à amplitude (que deve ser sempre positiva), quando aparecerem sinais negativos, os mesmos devem ser absorvidos ou identificados na fase através de -A cos wt = A cos (wt ±±±± 180o) 4) Ângulos de fase devem ser normalmente expressos em graus mesmo que para efeito de cálculo sejam utilizados em radianos. Exercício: Construir os espectros unilateral e bilateral de: ( )tsentv pi3043)( −−= Exemplo 5 Mostre os espectros de um e dois lados (i.e., espectros unilateral e bilateral) para o sinal: Solução: )90602cos(4)18060202cos(1002cos7)( 000 −++−+= ttttw pipipi )90602cos(4)120202cos(1002cos7)( 00 −+++= ttttw pipipi Representação através de um par de fasores conjugados): tjwjtjwj ee A ee A twA 00 22 )cos( 0 −−+=+ φφφ Espectro unilateral Espectro bilateral pipi 120sen4)6040cos(107)( 0 +−−= ttw Exemplo 6 Determinar a serie exponencial de Fourier para a função periódica e-t/2 do Exemplo 3. Solução: A partir dos resultados obtidos no Exemplo 7.3, têm-se: 504,00 =D 096,75 1 122,0 jeD −= 096,75 1 122,0 jeD + − = 087,82 2 0625,0 jeD −= 087,82 2 0625,0 jeD +− = ... e assim por diante ... Espectro bilateral Exemplo 7 Determinar a Serie Trigonométrica de Fourier de um trem de pulsos de período T e largura ττττ . ∑ ∑ ∞ = ∞ = + += 1 1 0 2 sen 2 cos)( n n nn T ntb T nt aatf pipi ∫ + − = 2 2 0 )( 1 T T dttf T a ∫ + − = 2 2 2 cos)(2 T T n dtT nt tf T a pi ∫ + − = 2 2 2 sen)(2 T T n dt Tnt tf T b pi Solução: para f(t) real. Os coeficientes a0, an, bn são dados por [e.g., w0 = 2pif0 = (2pi)/T ]: [ ] [ ] Vd T V T V T V t T VdtV T a === −−==×= + − + − ∫ τ τ τττ τ τ τ 22 1 2 2 2 2 0 ( ) ( )ax a dxax cos1sen −=∫lembrando que: e ( ) ( )ax a dxax sen1cos =∫ ( ) − − == = + − + − ∫ 2 2 2 2 2 22 2 22 cos 2 2 2 2 2 τ Τ pin sen τ Τ pin sen pin VΤ Τ t Τ pin sen pin VΤ Τ tdt Τ pinV Τ α τ τ τ τ n = 2 22 2 2 τ Τ pin sen pin VΤ Τ αn T n T n T V n T n V T n n V a n τpi τpi τ pi τpi τpi pi == = sen 2sen2sen2 e, rearranjando convenientemente os termos: Calculando-se bn da mesma forma: 2 2 2 2 2 cos 2 22)(2 τ τ τ τ pi pi pi + − + − −= = ∫ tT n n VT T tdt T n senV T bn [ ] 00 2 2 2 2 cos 2 2 cos 2 2 =−= − − −= n VT TT n T n n VT T bn pi τpiτpi pi ∑ ∞ = += 1 0 2 cos)( n n T nt aatf pi Portanto, f(t), para d = ττττ/T = 1/2 , pode ser escrito como: += ∑ ∞ = T nt T n T n T V T Vtf n pi piτ piτ ττ 2 cos sen 2)( 1 + × + × + += ... 23 cos 3 3 sen22 cos 2 2 sen2 cos sen2)( T t T T T t T T T t T T T V T Vtf pi τ pi piτ pi τ pi piτ pi τ pi piτ ττ + × + × + += ... 23 cos 2 13 2 3 sen22 cos 2 12 2 2 sen2 cos 2 1 2 sen 2 2 2 1)( T t T t T tVVtf pi pi pi pi pi pi pi pi pi + × − += + × −+ += ... 23 cos 3 12 cos 2 2 ... 23 cos 2 3 102cos 2 1 2 )( T t T tVV T t T tVVtf pipi pi pi pi pi pi ⇒⇒⇒⇒ Exemplo 8 Calcule a Série de Fourier Complexa para a função: 220 221 220 Tta ata atT << <<− −<<− =)(tf Solução: ∑ ∞ −∞= = n tjnw nedtf 0)( ∫ − − = 2 2 0)(1 T T tjnw n dtetfTd T w pi2 0 =onde, e ( ) − − = − − = − == −− − − − − ∫ pipi nj ee Tjn ee Tjnw e T dte T d ajnwajnwajnwajnwa a tjnwa a tjnw n 22 111 2222 2 20 2 2 00000 0 ( ) ( )[ ] pi pi pi pi pi n Tan n aTn n anwdn sen22sen2sen 0 === tjnw n n n n eTan Tan T a T a tf Tan Tan T ad 0 0 sen)(sen ∑ ∞= ≠ −∞= +=⇒ = pi pi pi pi FunFunçção Sincão Sinc As definições para essa função variam: [ ] x x xsinc pi pi )sen()( = outros a definem como [ ] x x xsinc )sen()( = [ ] x x xSa )sen()( = Existe ainda uma outra definição envolvendo amostragem No curso será utilizada a primeira. rad0sen →⇔→ θθθ [ ] 01)sen( →⇔=→ x x x x x pi pi pi pi pi 0/)sen( ,...3,2,10 01 ≠ = = xxx x x pipi =)(xsinc Espectro (e.g., amplitude e fase) do trem de pulsos com “duty cycle” d = 1/4 ττ 111 0 == T Tf d T d τ= 0...,3,2, =⇒= nAnd pipipipi A0 ≡≡≡≡ DC = Espectro Unilateral Análise do espectro: ( ) += += ∑∑ ∞ = ∞ = T nt ndcAdAd T nt T n T n sen T A T Atf nn pipi piτ piτ ττ 2 cossin22cos2)( 11 0...,3,2,1 =⇒= n Andou Algumas observações importantes à respeito do espectro do trem de pulsos: • As linhas do espectro ocorrem nas freqüências f = 0 , f0 , 2f0 , 3f0 , ... . Em f = 0 existe a componente “DC”. Para f = f0 = 1/T tem-se a freqüência fundamental e f = nf0 representa a n-ésima harmônica; T é o período do trem de pulsos. • A amplitude da n-ésima harmônica é igual a An = 2d sinc (nd), para n = 1, 2, 3 , ..., sendo d o ciclo de trabalho (i.e., duty cycle) do trem de pulsos. Um trem de pulsos retangulares bipolares não tem componente DC, enquanto que um trem de pulsos unipolares tem uma componente “DC” com valor A0 = d= ττττ/T. Se o trem de pulsos retangulares tiver amplitude A ≠ 1, então todas os componentes do espectro, incluindo A0 serão multiplicados pelo fator A. • As freqüências harmônicas correspondentes a nd = 1 , 2 , 3 , 4 , ... , terão amplitude 0 (zero) . Por exemplo, uma onda quadrada, que é um trem de pulsos retangulares com d = 0,5 , não terá componente espectral nas freqüências 2f0, 4f0, 6f0, etc. A figura anterior mostra um trem de pulsos com d = ¼ =0,25. Portanto, toda (n=1/0,25)-ésima harmônica, ou seja, toda 4a harmônica, (i.e., 4f0, 8f0, 12f0, etc.) será igual zero. • Um lóbulo (i.e., entre zeros adjacentes) do envelope do espectro tem largura f = 1/ττττ. O número de linhas espectrais contidas em um lóbulo depende do “duty cycle” e é igual a: ( ) 1linhas −= d1 Espectro de amplitude para diversos valores de ττττ/T , ττττ fixo Espectro de amplitude para diversos valores de ττττ/T , T fixo Fixando-se a largura do pulso, ττττ , fixa-se a largura do lóbulo, e se o período, T , do trem de pulsos retangulares é aumentado, então, d (i.e., ττττ/T ) decresce e a densidade espectral das linhas cresce. Isso pode também ser observado com o fato de diminuir a distância f0 = 1/T à medida em que T cresce. A largura do lóbulo principal no espectro de amplitude (i.e., de f = 0 a f = 1/ττττ), algumas vezes considerada como sendo a largura de banda do trem de pulsos, é inversamente proporcional à largura do pulso. Pulsos mais estreitos são muitas vezes necessários, por exemplo, na multiplexação por tempo, ou Time Division Multiplexing para empacotar uma quantidade maior de pulsos (e.g., palavras constituídas por dígitos binários contendo informação) independentes dentro de um determinado período T. Em outras palavras, obtém-se aumento de capacidade às custas de aumento da largura de banda necessária Um equipamento disponível para medidas de laboratório do espectro de sinais periódicos (i.e., de potência) é o analisador de espectro de varredura (i.e., “scanning spectrum analyser”). Basicamente, o analisador de espectro é projetado para aceitar um espalhamento (i.e., banda) bastante estreito de freqüências, medir a potência e plotar a raiz quadrada dessa potência na forma de deflexão vertical na tela de um osciloscópio. Uma voltagem em forma de dente de serra, derivada do circuito de varredura do osciloscópio, faz com que o analisador varra as freqüências de interesse linearmente, à medida em que o traço do osciloscópio se move horizontalmente. Qualquer componente espectral presente resulta num deslocamento verticalno traço do osciloscópio. Isso pode dar uma representação bastante razoável da magnitude do espectro da forma de onda injetada na entrada do aparelho. A precisão da aproximação, obviamente, cresce à medida em que se utilizam filtros com faixas mais estreitas. Analisador de Espectro Analisador de espectro Conceito de um analisador de espectro Diversas formas de onda senoidais na entrada Gráfico de espectro de freqüência do analisador de espectro ConteConteúúdo de Potência dos Sinaisdo de Potência dos Sinais A figura, a seguir, mostra um sinal de tensão v(t), em volts, desenvolvido através de um elemento de resistência R (em ohms, ou Ω). Isso provoca o aparecimento de uma corrente i(t) (em ampère) fluindo através do resistor. A relação entre i(t), v(t) e R é dada pela lei de Ohm: )()( tiRtv ×= A potência instantânea, medida em watts, ou Joules por segundo (i.e., 1 W = 1 J/s), no resistor é: R tv tp 2)()( = ou 2)()( tiRtp ×= Normalmente, é conveniente trabalhar com potência normalizada, que é a potência dissipada em um resistor de 1 Ω. Nesse caso, independentemente do fato de um sinal s(t) ser uma corrente ou voltagem, a potência instantânea será dada pela mesma expressão: 2)()( tstp = Nota: Energia = (potência) × (intervalo de tempo), ou W = P × t ⇒ [watts] × [segundo] = [Joule] Energia, Trabalho ⇒ [Joule] = [Newton] × [metro] Unidade de Potência ⇒ [Watt] = [Joule] / [segundo] A potência média P de um sinal periódico s(t) é definida como a média do quadrado do valor do sinal, em um período T desse sinal. Isso significa que P é o valor quadrático médio (i.e., mean square value) do sinal. A raiz quadrada do valor quadrático médio fornece o que é usualmente denominado root mean square (i.e., rms) do valor do sinal. P é a quantidade de calor que seria dissipado, em um segundo, se o sinal s(t) fosse uma corrente ou voltagem aplicada em um resistor de 1 ΩΩΩΩ. P é calculado através: Vrms é o valor rms de v(t). Exemplo 9 Mostrar que a potência média de um sinal senoidal v(t) = A cos (wt + φ) é igual à metade do quadrado de sua amplitude. Solução: [ ]∫ + − =+= 2/ 2/ 22cos(1 T T rmsVdtwtAT P φ [ ] w w w w w w w wt t wAdtwtAwdtwtAwP / / 2/ / 2 / / 22 2 )(2sen 4 )(2cos1 2 1 2 )(cos 2 pi pi pi pi pi pi φ pi φ pi φ pi + − + − + − + +=++××=+= ∫∫ 2 2 42 )2sen()2sen(2 42 )22sen( 2 )22sen( 4 2222 A w wA ww wA w w w ww w w w wAP =×= − += +− +−− + += pi pi φφpi pi φpipiφ pi pi pi O valor rms de uma senóide é: 2 __ 2 sinaldoAmplitudeAPVrms === ∫ + − == T/2 T/2 2 rms 2 V(t)dtv T 1P Lembretes: cos2x = (1/2) × (1 + cos 2 x) e w = 2pif ⇒ T=2pi/w ⇒ T/2 = pi/w Teorema de Parseval (i.e., Parseval’s Theorem) O teorema de Parseval relaciona a potência média P de um sinal periódico aos seu coeficientes de Fourier. Um sinal periódico g(t) é um sinal de potência e cada termo na sua série de Fourier é também um sinal de potência. A potência da Série de Fourier é igual à soma das potências das suas componentes de Fourier. Para a série trigonométrica compacta de Fourier ∑ ∞ = ++= 1 0 0 2 cos)( n nn T ntCCtg θpi A potência de g(t) é dada por ∑ ∞ = += 1 22 0 2 1 n ng CCP Para a série exponencial de Fourier ( ) tjnw nn n eDDtg 0 0 0)( + ∞ ≠−∞= ∑+= A potência de g(t) é dada por ∑ ∞ −∞= = n ng DP 2 Exemplo 10 Calcule a potência do Exemplo 5 Solução: P = 7 2 + 2 × 5 2 + 2 × 2 2 = 107 watts (i.e., utilizando o espectro bilateral). Espectro ContEspectro Contíínuonuo Um espectro contínuo consiste em componentes espectrais em todas as freqüências de uma determinada faixa. Todo sinal não periódico tem um espectro contínuo. O pulso retangular não periódico v(t) mostrado em (a) é o caso limite de um trem de pulsos retangulares (i.e., periódico) vT(t) mostrado em (b), onde o período tende ao infinito. Uma vez que f0 =1/T0, segue ∞→⇔→ 00 0 Tf Portanto, conforme vT(t) é transformado para v(t), através do aumento de T em direção ao infinito, o espaço f0 das componentes espectrais tende a zero, dando origem ao espectro contínuo V(f) de v(t). Essa função de freqüência V(f) é denominada Transformada de Fourier da forma de onda v(t), enquanto que v(t) é referido como Transformada de Fourier Inversa de V(f). 7. Transformada de Fourier e espectro 7. Transformada de Fourier e espectro contcontíínuonuo Ref.: Carlson, A. B., et al, “Communication System – An Introduction to Signals and Noise in Electrical Communication, 4th ed., 2002; Lathi, B. P., “Modern Digital and Analog Communication System”, 3rd ed., 1998; Stroud, K. A., “Advanced Engineering Mathematics”, Palgrave, 4thed, 2003. Para introduzir a Transformada de Fourier, começar-se-á com a representação da Série de Fourier de um sinal periódico (i.e., sinal de potência): ∑ ∞ −∞= = n tjnw nedtf 0)( 2 nn n jbad −= ∫ − − = 2 20 0)(1 T T tjnw n dtetfTd onde Podendo-se então escrever: ( ) ( )∑ ∫ ∞ −∞= − = n tfjn T tfjn edtetf T tf 0 0 0 22 0 )(1)( pipi De acordo com o Teorema “Integral de Fourier” há uma representação similar para um sinal não periódico (i.e., de energia) que pode ser vista como uma forma limite da Série de Fourier de um sinal periódico (i.e., de potência), onde o período tende ao infinito. Conforme já visto, as componentes espectrais de um trem de pulsos estão espaçadas por intervalos de nf0 = n/T0, de forma que essas componentes se tornam cada vez mais próximas à medida em que o período do trem de pulsos cresce. No entanto, o formato do espectro, em si, não muda se a largura, ττττ, do pulso permanecer constante. Pode-se considerar o espaçamento de freqüências f0 = 1/T0 se aproximando de zero (i.e., f0 = 1/T0 passa a ser representado por df), e o índice n, se aproximando do infinito, tal que o produto n ×××× f0 se aproxime de uma variável de freqüência contínua, f. Assim: dfedtetftf ftjftj pipi 22)()( ∫ ∫ ∞ ∞− ∞ ∞− − = O termo entre colchetes é a transformada de Fourier de f(t), simbolizada por F(f), ou G(w), ou F[f(t)] [ ] ∫ ∞ ∞− − == dtetftfFfF ftj pi2)()()( A função no domínio do tempo, f(t), é recuperada de F(f) através da Transformada Inversa de Fourier: [ ]∫ ∞ ∞− = dfetfFtf ftj pi2)()( Exemplo 1 Considere o pulso retangular, singular, da figura que é normalmente representado por: > < = ×= Π 20 2 τ τ ττ t tAt rectAt Esboce os espectros de amplitude e fase Solução: O pulso pode ser escrito como e, fazendo-se a substituição na fórmula de Transformada de Fourier: ( )τtAtf Π×=)( dtAedtAefF jwtftj ∫∫ − − − − == 2 2 2 2 2)( τ τ τ τ pi ( )∫ ∞ ∞− = dwewFtf jwt pi2 1)(ou Espectro de pulso retangular F(f) = A ττττ sinc (f ττττ) Notas: V(0) = G(0) = A ττττ é igual à área do pulso Pode-se portanto comparar esse resultado com o caso de sinal periódico onde c(0) representa o valor médio de v(t) . O espectro de fase é obtido em função do valor de sinc (f ττττ) , que pode ser positivo ou negativo Assim, arg F(f) assume os valores 0o e ±180o, dependendo dosinal de sinc (f ττττ) [ ] ( )( )τpi τpiττpiτ τpiτpi ττ f fAeefj A eejw AfF fjfjjwjw sen 2 )( 22 =−−= −−= − +− [ ]ττ fsincAfF ××=∴ )( ( )ττ τ fsincAtrect ××⇔ ( )jxjx eejx −−= 2 1 senLembrete: Exemplo 2 A função do exemplo anterior, atrasada t = τ / 2 unidades, é << = casosdemais t tf _0 01)( τ 0 τ t A=1 f(t) Solução: [ ] [ ] ( )2)( 2)( )sen( τττττ ττpiτpi τpiτpi wsincefsinceetfF jwfjf ffj −−− ×=××=××= Algumas propriedades importantes da Transformada de Fourier Obviamente, pode-se passar toda uma vida técnica sem utilizar qualquer uma das propriedades a seguir, mas ao custo de considerável trabalho extra e repetitivo. Vamos chamar G(w) de Transformada Direta de Fourier de g(t) , e g(t) de Transformada Inversa de Fourier de G(w) . Isso é o mesmo que dizer: g(t) e G(W) formam um par de Transformadas de Fourier. Simbolicamente: )()( wGtg ⇔ ∫ +∞ ∞− − = dtetgwG jwt)()( ∫ ∞+ ∞− = dwewGtg jwt)( 2 1)( pie Propriedade de simetria (i.e., “symmetry property”, ou “duality theorem”) De acordo com essa propriedade: se então Para se provar esse teorema deve-se reconhecer primeiramente que as Transformadas de Fourier são integrais definidas cujas variáveis de integração se constituem em “variáveis postiças” (i.e., “dummy variables”). Prova: Assim: Alterando t para w , produz: )()( wGtg ⇔ )(2)( wgtG −×⇔ pi ∫ ∞+ ∞− = dxexGtg jxt)( 2 1)( pi ∫ +∞ ∞− − =−× dxexGtg jxt)()(2pi )()()(2 wGdxexGwg jxw ≡=−× ∫ +∞ ∞− −pi Exemplo 3: Neste exemplo vamos aplicar a propriedade de simetria ao par de Transformadas de Fourier apresentado na parte (a) da figura a seguir. Solução: De acordo com esta propriedade: )()( wGtg ⇔ )(2)( wgtG −×⇔ pi G(t) e G(w) se constituem na mesma expressão, mas com w substituído por t; g(-w) é o mesmo que g(t) , com t substituído por –w. ×⇔ 2 τ τ τ w sinctrect ×= − ×⇔ × τ pi τ pi τ τ w rect w rect t sinc 22 2 g(t) G(w) G(t) 2pi g(-w) Na expressão à direita foi utilizado o fato de que rect (-x) = rect (x) uma vez que rect é uma função par. A parte (b) da figura mostra o novo par de Transformadas de Fourier, ficando evidente a permutabilidade de t e w . Propriedade de deslocamento no tempo (i.e., time-shifting property) A Transformada de Fourier de uma função deslocada no tempo é igual ao produto da transformada daquela função com uma exponencial complexa. Se g(t) ⇔ G(w) então g(t-t0) ⇔ G(w)e –jwt0 Prova: Por definição, Fazendo t – t0 = x => t = x + t0 => dt = dx ( )[ ] ∫ ∞ ∞− − −=− dtettgttgF jwt)( 00 ( )[ ] ( )∫ ∫ ∞ ∞− ∞ ∞− −−−+− === 000 )()()( jwtjwxjwttxjw ewGdxexgedxexgxgF Este resultado mostra que atrasando um sinal em t0 segundos o seu espectro de amplitude não se altera. O espectro de fase, no entanto, sofre uma variação de (–wt0) . Isso significa que um atraso de tempo em um sinal provoca uma mudança de fase linear no seu espectro. )cos()](cos[ 00 wtwtttw −=− Uma senóide cos wt atrasada em t0 segundos é dada por Portanto, um atraso de tempo t0 em uma senóide de freqüência w se manifesta como um atraso de fase igual a wt0. Isso é uma função linear de w, significando que componentes de freqüência mais altas precisam passar por deslocamentos de fase proporcionalmente maiores para atingir o mesmo atraso em tempo. As figuras mostram duas senóides, tendo a segunda uma freqüência duas vezes superior à primeira. O mesmo atraso de tempo t0 = td implica num deslocamento de fase de pipipipi/2 na senóide de freqüência mais baixa e um deslocamento de fase igual a pipipipi na senóide de freqüência mais alta. Propriedade de deslocamento de freqüência (i.e., frequency-shifting property) Se g(t) ⇔ G(w) então g(t)e jw0t ⇔ G(w - w0) ou, g(t)e -jw0t ⇔ G(w + w0) Prova: Por definição, Esta propriedade afirma que multiplicação de um sinal por um fator e jw0t desloca o espectro daquele sinal em w = w0. Deslocamento de freqüência é obtido na prática através da multiplicação de g(t) por uma senóide: isto é: Isso mostra que multiplicação de um sinal g(t) por uma senóide de freqüência w0 desloca o espectro G(w) de ±±±±w0 . Multiplicação de uma senóide cos w0t por g(t) equivale a modular a amplitude da senóide. Esse tipo de modulação é conhecido como modulação em amplitude (i.e., “amplitude modulation”). [ ] ( )∫ ∞ ∞− −− −== )()()( 000 wwGdtetgetgF twwjtjw [ ]tjwtjw etgetgtwtg 00 )()( 2 1 cos)( 0 −+= ( ) ( )[ ]000 2 1 cos)( wwGwwGtwtg ++−⇔ Exemplo 4 Determine e esboce a Transformada de Fourier do sinal modulado g(t) cos w0t onde g(t) é um pulso conhecido como porta (i.e., “gate pulse”). Esse pulso, mostrado na parte (a) da figura, é representado por rect (t/T). Solução: O pulso g(t) é o mesmo pulso retangular mostrado no Exemplo 1 (com τ = T). Conforme já foi demonstrado Esse espectro é mostrado na parte (b) da figura. O sinal g(t) cos w0t aparece na parte (c). De acordo com a propriedade de deslocamento de freqüência, segue: , mostrado em (d). ×⇔ 2 wT sincT T t rect ( ) ( )[ ]000 2 1 cos)( wwGwwGtwtg ++−⇔ Relação entre entrada e saída no domínio do tempo Para concluir este capítulo, será apresentada uma nova forma de relação entrada-saída para sistemas lineares, baseada no domínio do tempo, e não mais nos modelos no domínio da freqüência desenvolvidos até aqui. O desenvolvimento teórico deste item se torna mais fácil no contexto de sinais e sistemas discretos. Tendo com base o princípio da superposição, a saída de um processador linear discreto em relação a qualquer seqüência de entrada pode ser determinada superpondo seqüência de amostras que representam a resposta ao impulso unitário (i.e., resposta impulsiva), adequadamente ponderadas. O processo é ilustrado na página seguinte. A resposta impulsiva (finita) aparece no topo da figura, e abaixo há uma seqüência de entrada cuja seqüência correspondente de saída se deseja calcular. As quatro linhas seguintes mostram como a resposta para cada uma das quatro amostras da seqüência de entrada podem ser calculadas individualmente. Devido à linearidade e ao princípio de superposição estas respostas individuais podem ser somadas para fornecer a saída completa do sistema, mostrada na última linha da figura. Note como a seqüência de saída é mais extensa que a entrada. Neste exemplo a seqüência de entrada se estende por um período de tempo igual a 3 intervalos de amostra, ou de tempo, e a seqüência correspondente à resposta ao impulso unitário ocupa 2 intervalos de tempo. Como resultado, a seqüência de saída ocupa 3 + 2 = 5 intervalos de tempo. Uma expressão matemática para este processo, conhecido como convolução, pode ser extraída diretamente da figura. Designando a resposta amostral unitária do sistema (ou, resposta impulsiva) por: h(n) = h0, h1, h2, h3, ... Pode-se escrever, a partir da figura: y0 = x0h0 y1 = x0h1 + x1h0 y2 = x0h2 +x1h1 +x2h0 y3 = x1h2 + x2h1 + x3h0 y4 = x2h2 + x3h1 y5 = x3h2 Cada amostra de saída yn é a soma de convolução de um número de produtos de termos de entrada e seqüência de amostras de resposta ao impulso unitário. O subscrito dos termos de entrada crescem da esquerda para a direita, enquanto que nos termos da resposta ao impulso unitário decrescem. Para um termo de saída genérico yi de qualquer sistema linear, pode-se escrever:yi = x0hi + x1hi-1 + x2hi-2 + ... + xi-1h1 + xih0 Ou, utilizando notação compacta, ∑ = − = i k kiki hxy 0 O processo de convolução é normalmente escrito diretamente em termos de entrada, saída e seqüência de resposta impulsiva conforme segue: y(n) = x(n) * h(n) onde o símbolo * se refere à operação de convolução efetuada conforme descrita para todos os valores de amostras. Exemplo Um processador apresenta a seguinte seqüência de resposta ao impulso unitário (i.e., resposta impulsiva): 2; 1,5; 1; 0,5; 0; 0; 0; ... A seqüência de amostras: 1; 2; 3; 4; 5; 6; ... é aplicada à entrada do processador. Qual é a quarta amostra de saída (y3)? Solução 15245,13125,0103122130 3 0 33 =×+×+×+×=+++==∑ = − hxhxhxhxhxy k kk 153 =y A convolução em sistemas contínuos Um procedimento análogo pode ser utilizado para sistemas lineares contínuos. A idéia básica consiste em visualizar o sinal de entrada como sendo constituído de pulsos curtos contínuos. No limite de um número infinitamente grande de pulsos infinitamente curtos, cada pulso pode ser tratado como um impulso. A saída total do sistemas pode então ser calculada sobrepondo as respostas impulsivas individuais. A figura ao lado fornece uma idéia geral do processo. Supondo que a resposta impulsiva do sistema é um pulso de saída retangular, conforme mostrado no topo da figura, para se calcular a resposta do sistema a um pulso também retangular de entrada, pode-se proceder de forma análoga ao descrito com relação ao sistema discreto: decompõe-se o sinal de entrada em pulsos de curta duração. As respostas individuais impulsivas do sistema podem ser somadas para encontrar a resposta total. ConvoluConvoluçção: um tratamento um pouco ão: um tratamento um pouco mais formalmais formal Convolução foi utilizada por Oliver Heaviside no final do século dezenove para calcular a corrente de saída de um circuito elétrico quando a forma de onda da voltagem era mais complicada do que uma simples fonte constituída por uma bateria. O uso do método de Heaviside precede o uso dos métodos analíticos desenvolvidos por Fourier e Laplace. Como se sabe, a função de transferência H(s) permite o cálculo de uma saída V0(s) para uma dada entrada Vi(s) através da relação: ( ) ( ) ( ) ( )nulasiniciaiscondiçõessVsHsV i __0 ⇔×= se ( ) ( ) unitárioimpulsottvi _⇔= δ A resposta de um circuito a um impulso de tensão v(t) = δ(t) é denominada resposta impulsiva e anotada como h(t), conforme mostrado na figura abaixo; trata-se simplesmente da voltagem de saída que resultaria se a entrada fosse uma função delta. Uma vez que a Transformada de Laplace da função impulso unitário δ(t) é a constante 1, a resposta sob estas condições será simplesmente: ( ) ( )( ) ( )sHsHsV == 10 ou no domínio do tempo: ( ) ( )[ ] ( )thsHLtv == −10 Heaviside aproximou uma forma de onda de tensão arbitrária, como a mostrada na figure (a) a seguir, para uma série de pulsos igualmente espaçados (vide parte b). No limite, conforme a largura do pulso ∆τ se aproxima de zero, cada pulso se aproximará de uma função impulso com altura igual a área sob aquele pulso. Na discussão que se segue, esses pulsos igualmente espaçados serão referidos como impulsos apesar dos mesmos se tornarem impulsos só no limite. Deve-se ter cuidado com a notação do tempo: há interesse no instante em que o impulso é aplicado, e também os instantes de tempo nos quais suas respostas de saída são observadas. Essas duas seqüências de tempo diferentes devem ser identificadas: •Instante (de tempo) da aplicação da entrada será identificado por ττττ, de forma que os impulsos de tensão de entrada serão designados v(τ1), v(τ2),...,v(τn). •Instante (de tempo) da resposta de saída será identificado por t, de forma que as correntes de saída serão designadas i(t1), i(t2) ,..., i(tn). Heaviside achou a resposta, ou corrente, produzida por cada impulso de entrada independentemente; em seguida, somou as repostas individuais para chegar à corrente total. O peso do impulso produzido pela tensão retangular no instante τ1 é o produto v(τ1)×∆ τ. A série de impulsos pode aproximar (i.e., representar) a tensão de entrada tão precisamente quanto se desejar, simplesmente fazendo ∆τ se aproximar de zero. O instante no qual um impulso é aplicado é denominado τ τ τ τi, e o instante no qual o sistema responde é designado ti, onde ττττ é a variável de tempo de entrada, t é a variável de tempo de saída, e sendo i = 1, 2, ..., N. A figura a seguir ilustra a resposta de saída i(t) = A1h(t - τ1) a um impulso com amplitude v(τ 1)×∆τ. Num instante t1, onde t1 > τ1 , a resposta de saída ao impulso v(τ1) é expressa como: i(t1)=A1h(t1 - τ1), conforme mostrado na figura. Quando existirem diversos impulsos de entrada, a resposta total de saída de um sistema linear é simplesmente a soma das respostas individuais. A figura a seguir ilustra a resposta da rede a dois impulsos de entrada. Para N impulsos, a corrente de saída medida no instante t1 pode ser expressa como i(t1) = A1h(t1 - τ1) + A2h(t1 - τ2) +...+ ANh(t1 - τN) onde os impulsos são aplicados nos instantes τ1, τ2, …, τN, e onde t1 > τN Qualquer impulso aplicado em instantes maiores que t1 são desconsiderados, uma vez que não contribuem para a composição de i(t1). Isso corresponde à exigência de causalidade para sistemas realizáveis fisicamente (e.g., a resposta do sistema precisa ser zero antes da aplicação de excitação). Generalizando, pode-se obter a corrente de saída em qualquer instante t, ou seja, i(t) = A1h(t - τ1) + A2h(t - τ2) +...+ ANh(t - τN) ( ) ( )∑ = −∆= N j jj thvti 1 )( τττou, Uma vez que a altura (amplitude) do impulso em τj é igual a v(τj), a medida que ∆τ se aproxima de zero, a soma dos pulsos de entrada se aproximam da tensão real aplicada v(τ); substituindo ∆τ por dτ, a somatória torna-se a integral de convolução: ( ) ( ) τττ dthvti −= ∫∞ ∞− )( ou ( ) ( ) τττ dhtvti ∫∞ ∞− −=)( e, em notação reduzida, ( ) ( ) ( )thtvti ⊗= Em resumo, i(t) é a soma das respostas de impulsos individuais como uma função do instante de saída t. Cada resposta impulsiva é resultado de um impulso aplicado em algum instante τ de entrada. Discutindo qualitativamente a convolução A saída y(t) de um sistema linear é dada pela convolução da entrada x(t) com a resposta impulsiva do sistema h(t). Isto é escrito normalmente como )(*)()( thtxty = ∫ +∞ ∞− −= dzzthzxtytx )()()(*)( onde A variável z é uma variável postiça (i.e., dummy). Em outras palavras, a integração é realizada com relação a z, conduzindo inicialmente a uma expressão contendo tanto z como t. Uma vez que os limites de integração sejam substituídos, a variável z desaparecerá, levando a uma expressão final de y como função de t, conforme desejado. Os engenheiros normalmente não precisam avaliar tais expressões, mas a “percepção” do efeito da convolução é uma habilidade prática extremamente útil, e que pode ser adequadamente desenvolvida por meio da interpretação gráfica da integral de convolução. Observando-se a expressão geral da integral, é claro que para obter o valor do sinal de saída y(t) no instante de tempo t, deve-se formar a função x(z)×h(t-z) e integrar. Em outras palavras, deve-se achar a área sob a curva representando x(z)×h(t-z) plotada ou locada em relação a z . A função x(z) plotada em relação a z tem exatamente o mesmo formato de x(t) em relação a t: trata-se do perfil do sinal de entrada. A figura da página seguinte ilustra o significado de h(t-z) para h(t) = exp(-t) onde t>0, que representa a resposta impulsiva do sistema de passa baixas (i.e., lowpass) de primeiraordem com ganho e constante de tempo unitários. A função h(-z) plotada em relação a z é simplesmente o espelho da resposta impulsiva, e é mostrada na parte (c) da figura. A função h(t-z) é o mesmo perfil deslocado de uma distância t, conforme mostrado na parte (e). A integral de convolução pode portanto ser interpretada graficamente conforme segue: a área sob o gráfico de x(z) multiplicado por h(t-z) para qualquer deslocamento de tempo t representa a saída do sistema, y(t), no instante de tempo t. Exemplo: A resposta a um degrau unitário de um sistema passa baixa (i.e., lowpass) de primeira ordem Isto encontra-se ilustrado na figura da página a seguir. A parte (a) mostra a resposta impulsiva do sistema e a parte (b) a entrada na forma de um degrau unitário. A resposta impulsiva virada no sentido reverso (i.e., reversed) e deslocada (i.e., shifted) é mostrada sobrepondo a entrada em degrau, agora x(z), na parte (c). Uma vez que x(z) é igual à unidade para todo z>0 e zero para qualquer outro valor de z (i.e., z<0), a integral da função x(z)×h(t-z) com respeito à z para o deslocamento de tempo t é simplesmente a área sombreada mostrada. Fora desta área as funções sobrepostas têm magnitude zero, e o produto é portanto zero. A resposta completa à função degrau é obtida calculando-se a área sombreada para todos os deslocamentos t de 0 a ∞. Três destas áreas encontram-se ilustradas na parte (d) da figura, mostrando como elas se relacionam à resposta y(t) do sistema ao degrau unitário. Mais sobre InterpretaMais sobre Interpretaçção grão grááfica da convolufica da convoluççãoão A interpretação gráfica da convolução permite constatar visualmente os resultados de operações matemáticas mais abstratas. Suponha que se queira determinar a convolução de duas funções f1(t) e f2(t), conhecidas. As operações a serem executadas estão baseadas na integral de convolução: ( ) ( ) τττ dtfftftf −=⊗ ∫∞ ∞− 2121 )()( As operações necessárias, passo-a-passo, estão relacionadas a seguir: • Substitua t por ττττ em f1(t), originando dessa forma f1(ττττ). • Substitua t por (-ττττ) em f2(t). Isso corresponde a girar a função f2(ττττ) em torno do eixo vertical que passa pela origem do eixo ττττ. • Translade o quadro de referência de f2(-ττττ), completo, o equivalente a um valor t. Do ponto de vista da integral, t é apenas um parâmetro. Dessa forma o valor da translação, t, corresponde à diferença entre o quadro móvel de referência e o quadro fixo de referência. A origem no quadro móvel encontra-se em ττττ = t; a origem no quadro fixo encontra-se em ττττ = 0. A função no quadro móvel representa f2(t- ττττ); a função no quadro fixo representa f1(ττττ). • Para qualquer mudança relativa entre os quadros de referência, por exemplo t0, deve-se calcular a área sob o produto das duas funções, isto é, ( ) ( ) [ ] 0 )()( 21021 tttftfdtff = ∞ ∞− ⊗=−∫ τττ • Este procedimento deve ser repetido para diferentes valores de t = t0, através do deslocamento sucessivo do quadro móvel e do cálculo dos valores da integral de convolução para aqueles valores de t. Para funções contínuas, isto é obtido através de uma integração direta. Para funções contínuas por partes (i.e., segmentadas), o produto será continuo também por partes, e a integração deverá ser feita em cada trecho contínuo da função. • Se o valor de deslocamento do quadro móvel se dá ao longo do eixo ττττ negativo (i.e., para a esquerda), t será negativo. Se o deslocamento ocorre ao longo do eixo ττττ positivo (i.e., para a direita), t será positivo. -2 -1 0 1 2 f1(τ) 1 τ f2(t) = t -3 0 3 4 3 t -2 -1 0 1 2 f1(t) 1 t f2(-τ) = -τ -3 0 3 4 τ 3 -3 t-3 0 t 3 4 f2(t-τ) = t-τ τ 3 Exemplo: Convolução de um pulso retangular e um pulso triangular. f1(t)⊗f2(t) -2 0 2 4 f1(t)⊗f2(t)=0 t<-1 t 1 -4 -3 -2 -1 0 1 2 τ 3 t<1 1 -4 -3 -2 -1 0 t 1 2 τ 3 f1(t)⊗f2(t) -2 0 2 4 t ( ) t tt tdtff 1 2 1121 2 − − − −×=−=⊗ ∫ τ τττ ( ) 111 2 1 2 21 <<−⇔−=⊗ ttff 11 <<− tt<<− τ1 1−<τ 1−<t -4 -3 -2 -1 0 t 1 2 τ 3 t -2 0 2 4 f1(t)⊗f2(t) ( ) ttdtff 2 2 1 1 2 1 1 1 121 =−×=−=⊗ − − − ∫ τ τττ 21 << t 1 -4 -3 -2 -1 0 1 2 τ 3 f1(t)⊗f2(t) ( ) ( ) 2 4 2 3 2 1)3( 2 221 )3( 2 1 )3( 1 )3(21 t t t ttttdtff t tt ++= − −−−−=−×=−=⊗ − − − ∫ τ τττ -2 0 2 4 t ( ) 13 <<− τt 11 <<− τ 42 << t4 ( ) ( ) τττ dthvti −= ∫∞ ∞− )( ( ) ( ) τττ dhtvti ∫∞ ∞− −=)( O valor da integral de convolução em t=t1 é dado pela equação acima avaliada em t=t1. Isso é simplesmente a área sob a curva do produto entre v(τ) e h(t1- τ), mostrado em (d). De forma similar, a integral de convolução avaliada em t=t2 é igual à área sombreada na figura (e). A figura (f) apresenta a resposta de saída resultante do pulso quadrado na entrada do circuito cuja resposta impulsiva é mostrada na figura (a). Resumo: Propriedade da convolução no domínio do tempo Se x1(t) ⇔ X1(f), e x2(t) ⇔ X2(f), então ( ) ( ) ( ) ( )∫∞ ∞− −=⊗ τττ dtxxtxtx 2121 ( ) ( ){ } ( ) ( )∫ ∫∞ ∞− ∞ ∞− − −=⊗ dtedtxxtxtxF ftj piτττ 22121 Para sistemas lineares, pode-se trocar a ordem de integração, conforme segue: ( ) ( ){ } ( ) ( )∫ ∫∞ ∞− ∞ ∞− − −=⊗ dtetxdxtxtxF ftj piτττ 22121 ( ) ( ){ } ( ) ( )∫∞ ∞− − =⊗ ττ τpi dexfXtxtxF fj21221 ( ) ( ){ } ( ) ( )fXfXtxtxF 2121 =⊗ Portanto, a operação de convolução no domínio do tempo pode ser substituída pela multiplicação no domínio da freqüência. ( ) τpifjefX 22 − Pela propriedade de Fourier de deslocamento no tempo, a segunda expressão integral no lado direito é igual a Propriedade da convolução no domínio da freqüência Devido à simetria do par de transformadas de Fourier, ( ) ( )∫∞ ∞− − = dtetxfX ftj pi2 ( ) ( )∫∞ ∞− = dfefXtx ftj pi2 pode ser mostrado que a multiplicação no domínio do tempo se transforma em convolução no domínio da freqüência. As propriedades que transformam multiplicação em um domínio em convolução em outro domínio são particularmente úteis, uma vez que uma operação tende a ser mais fácil de executar do que a outra. Resumo Conforme visto, há duas formas completamente equivalentes de especificar sinais e efeitos nos mesmos, no caso de sistemas lineares. No domínio do tempo, a saída de um sistema linear é dada pela convolução da entrada e da resposta impulsiva do sistema. No domínio da freqüência o espectro de saída é obtido multiplicando-se o espectro de entrada e a resposta em freqüência do sistema. Isto está ilustrado na figura que segue: pode-se dizer que convolução no domínio do tempo é equivalente à multiplicação no domínio da freqüência. Qual modelo adotar ,quaisquer que sejam as circunstâncias particulares, depende de vários fatores. O importante é a capacidade de se mover livremente entre os dois domínios.
Compartilhar