Baixe o app para aproveitar ainda mais
Prévia do material em texto
Suma´rio SUMA´RIO 1 LISTA DE FIGURAS 3 1 Introduc¸a˜o 1 2 Transformada de Fourier 3 2.1 A func¸a˜o Delta de Dirac . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 2.2 A transformada direta de Fourier, ca´lculo de G(f) . . . . . . . . . . . . . . . . . . . 4 2.2.1 Condic¸a˜o Suficiente para Existeˆncia . . . . . . . . . . . . . . . . . . . . . 7 2.3 Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 2.3.1 Propriedade da Linearidade. . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 2.3.2 Propriedade do Atraso no Tempo. . . . . . . . . . . . . . . . . . . . . . . . . 8 2.3.3 Propriedade da Modulac¸a˜o. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 2.3.4 Propriedade da derivac¸a˜o no Tempo. . . . . . . . . . . . . . . . . . . . . . . 8 2.3.5 Propriedade da derivac¸a˜o na Frequeˆncia. . . . . . . . . . . . . . . . . . . . . 8 2.3.6 Propriedade da Convoluc¸a˜o no Tempo. . . . . . . . . . . . . . . . . . . . . . 10 2.3.7 Propriedade da Convoluc¸a˜o no domı´nio da Frequeˆncia. . . . . . . . . . . . . 10 2.3.8 Propriedade da Integrac¸a˜o no Tempo. . . . . . . . . . . . . . . . . . . . . . . 10 2.3.9 Propriedade do Escalonamento no Tempo . . . . . . . . . . . . . . . . . . . . 11 2.3.10 Propriedade da Dualidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 2.3.11 Teorema de Parseval. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 3 Transformada da Func¸a˜o Pente 13 4 A se´rie de Fourier 17 1 2 SUMA´RIO 5 O teorema da Amostragem 27 5.1 A DTFT, Discrete time Fourier Transform . . . . . . . . . . . . . . . . . . . . . . . 29 5.1.1 Condic¸a˜o de Existeˆncia. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 .0.2 Propriedade da Linearidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 .0.3 Propriedade do Deslocamento de Amostras . . . . . . . . . . . . . . . . . . . 33 .0.4 Propriedade da Modulac¸a˜o . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 .0.5 Teorema de Parseval. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34 .0.6 Propriedade da Convoluc¸a˜o . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34 A Anexo das integral da func¸a˜o sinc(x). 37 A.1 A integral ∫ 1 1+x2 dx. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 A.1.1 A integral ∫∞ 0 e −xysenx dy. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 A.1.2 A integral ∫∞ x=0 sen(x) x dx. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 A.1.3 A integral ∫∞ x=0 T sen(pifT ) pifT df . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 Lista de Figuras 2.1 A func¸a˜o b(t). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 2.2 B(f), a transformada de Fourier da func¸a˜o b(t). . . . . . . . . . . . . . . . . . . . . . 6 3.1 Cosenos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 3.2 Somato´rio dos 20 e dos 50 primeiros termos do somato´rio P (f) = 1+2 ∑∞ n=1 cos(2pinf). 15 4.1 g(t) e´ um coseno com per´ıodo 2 T que retificado se torna um sinal perio´dico com per´ıodo T. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 4.2 gp(t) so´ possui um u´nico per´ıodo de g(t) centrado em t=0. . . . . . . . . . . . . . . 18 4.3 g(t) e´ um sinal quadrado de per´ıodo de 1 [s] reconstru´ıdo a partir de 10 hamoˆnicos. 21 4.4 g(t) e´ um sinal quadrado de per´ıodo de 1 [s] reconstru´ıdo a partir de 20 hamoˆnicos. . 21 4.5 g(t) e´ um sinal quadrado de per´ıodo de 1 [s] reconstru´ıdo a partir de 50 hamoˆnicos. . 22 4.6 Coseno com retificac¸a˜o completa reconstru´ıdo a partir de 10 hamoˆnicos. . . . . . . . 24 4.7 Coseno com retificac¸a˜o completa reconstru´ıdo a partir de 20 hamoˆnicos. . . . . . . . 24 4.8 Coseno com retificac¸a˜o completa reconstru´ıdo a partir de 50 hamoˆnicos. . . . . . . . 25 5.1 Espectro do sinal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 5.2 Espectro do sinal amostrado. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 5.3 Espectro do sinal amostrado, figura com escala das frequeˆncias expandida. . . . . . . 29 .4 cos(Ω0n) amostrado e o espectro G(e jΩ). . . . . . . . . . . . . . . . . . . . . . . . . . 35 .5 g[n] e o espectro G(ejΩ) para N=21 do exemplo 14. . . . . . . . . . . . . . . . . . . . 36 3 4 LISTA DE FIGURAS Cap´ıtulo 1 Introduc¸a˜o O objetivo deste texto e´ tentar organizar o estudo da transformada de Fourier de forma a mostra´-la como uma sequeˆncia lo´gica, assim; • Primeiro e´ mostrada a transformada de Fourier para sinais cont´ınuos, a Transformada de Fourier - TF; • segundo e´ mostrada a transformada de Fourier para sinais con´ınuos, perio´dicos e com espec- tro discreto, a Se´rie de Fourier - SF; • terceiro e´ mostrada a transformada de Fourier para sinais discretos e espectro perio´dicos a Discrete T ime Fourier Transform, DTFT; • quarto e´ mostrada a transformada de Fourier para sinais discretos e perio´dicos e espectro discreto e perio´dicos, a Discrete Fourier Transform, DFT. 1 2 Introduc¸a˜o Cap´ıtulo 2 Transformada de Fourier O objetivo da Transformada de Fourier e´ a obtenc¸a˜o do espectro, isto e´, a amplitude e a fase em func¸a˜o da frequeˆncia, logo, o espectro informa como cada sinal senoidal contribui para a formac¸a˜o do sinal original. Assim, o sinal original pode ser construido integrando-se em frequeˆncia o espectro multiplicado pela seno´ide, sendo g(t) o sinal e G(f) o espectro do sinal, assim; g(t) = ∫ ∞ −∞ G(f)ej2piftdf (2.1) A expressa˜o da equac¸a˜o (2.1) e´ a pro´pria definic¸a˜o da transformada de Fourier e e´ a de- nominada de transformada inversa de Fourier. Uma forma de se verificar isto pode ser descrita com espectro de mo´dulo sendo uma func¸a˜o par, M(f) = M(−f), e o espectro de fase sendo uma func¸a˜o ı´mpar, θ(f) = −θ(−f) em f , G(f) = M(f)eθ(f), pode-se, enta˜o, escrever; g(t) = ∫ ∞ −∞ M(f)ejθ(f)ej2piftdf = ∫ 0 −∞ M(f)ejθ(f)ej2piftdf + ∫ ∞ 0 M(f)eθ(f)ej2piftdf, (2.2) substituindo f por −α na primeira parte do lado direito da equac¸a˜o, a mesma pode ser reescrita na forma; g(t) = ∫ 0 ∞ M(−α)ejθ(−α)e−j2piαt(−dα) + ∫ ∞ 0 M(f)ejθ(f)ej2piftdf, (2.3) e´ poss´ıvel inverter os limites da integral do lado primeiro termo do lado direito; g(t) = ∫ ∞ 0 M(−α)ejθ(−α)e−j2piαt(dα) + ∫ ∞ 0 M(f)ejθ(f)ej2piftdf, (2.4) substituindo α por f, e, observamdo-se que M(−f) = M(f) e θ(−f) = −θ(f), pode-se escrever; g(t) = ∫ ∞ 0 M(f)e−jθ(f)e−j2piftdf + ∫ ∞ 0 M(f)ejθ(f)ej2piftdf (2.5) 3 4 Transformada de Fourier assim; g(t) = ∫ ∞ 0 2M(f) e−j[2pift+θ(f)] + ej2[pift+θ(f)] 2 df, (2.6) logo; g(t) = ∫ ∞ −∞ G(f)ej2piftdf = ∫ ∞ 0 2M(f)cos(2pift+ θ(f))df, (2.7) o que demonstra que a frequeˆncia negativa na˜o existe. 2.1 A func¸a˜o Delta de Dirac A func¸a˜o δ(x) de Dirac e´ definida como sendo; δ(x) = ∫∞ x=−∞ δ(x)dx = 1 0 para x 6= 0 , (2.8) como δ( xA) possui a base alargada de A, pode-se dizer que δ( x A) = Aδ(x) 2.2 A transformada direta de Fourier, ca´lculo de G(f) G(f) = ∫ ∞ −∞ g(t)e−j2piftdt (2.9) A expressa˜o da equac¸a˜o (2.2) e´ a denominada de transformada direta de Fourier. Ainda na˜o ha´ nenhuma prova de que e´ correta. Ainda assim, acreditando que a expressa˜o e´ verdadeira, a mesma sera´ utilizada para calcular o espectro da func¸a˜o b(t), Figura 2.1. 2.2 A transformada direta de Fourier, ca´lculo de G(f) 5 Figura 2.1: A func¸a˜o b(t). B(f) = ∫ ∞ −∞ b(t)e−j2piftdt = ∫ T 2 −T 2 e−j2piftdt = 1 −j2pif ∫ T 2 −T 2 −j2pife−j2piftdt = 1−j2pif[ e−j2pift ]T/2 T/2 , (2.10) da´ı; B(f) = 1 pif [ e−jpifT − ejpifT ] −j2 = T sen(piTf) piTf , (2.11) a func¸a˜o expressa pela Eq. (2.11) e´ mostrada na Figura 2.2. 6 Transformada de Fourier Figura 2.2: B(f), a transformada de Fourier da func¸a˜o b(t). Assim, pode-se obter o espectro do sinal cont´ınuo, g(t) = 1, bastando para isto fazer, lim T→∞ b(t) = 1. Como B(f) = 0 para f 6= 0, e, sabendo que (anexo A), lim T→∞ ∫∞ −∞ sen(piTf) piTf df = 1, pode-se afirmar que para lim T→∞ B(f) = δ(f) ,logo; ∫ ∞ −∞ e−j2piftdt = δ(f), (2.12) substituindo t por f e vice versa na equac¸a˜o (2.12), obte´m-se; ∫ ∞ −∞ e−j2piftdf = δ(t). (2.13) Para mostrar que a equac¸a˜o de ca´lculo do espectro esta´ correta, podemos modificar a varia´vel de integrac¸a˜o da equac¸a˜o 2.9, ja´ que se trata de uma integral definida, assim; 2.3 Propriedades 7 G(f) = ∫ ∞ α=−∞ g(α)e−j2pifαdα, (2.14) substituindo-se G(f) da equac¸a˜o (2.14) na equac¸a˜o da definic¸a˜o do espectro, equac¸a˜o (2.1), vem; g(t) = ∫ ∞ f=−∞ [ ∫ ∞ α=−∞ g(α)e−j2pifαdα ] ej2piftdf, (2.15) que pode ser reescrita trocando-se a ordem de integrac¸a˜o como; g(t) = ∫ ∞ α=−∞ g(α) ∫ ∞ f=−∞ e−j2pif(α−t)dfdα, (2.16) observando-se a equac¸a˜o (2.13), a integral ∫∞ f=−∞ e −j2pif(α−t)df = δ(α− t), assim; g(t) = ∫ ∞ α=−∞ g(α)δ(α− t)dα = g(t) ∫ ∞ α=−∞ δ(α− t)dα, (2.17) como ∫∞ α=−∞ δ(α− t)dα = 1, a substituic¸a˜o do espectro calculado pela equac¸a˜o (2.9) na equac¸a˜o da definic¸a˜o do espectro, equac¸a˜o (2.1), resultou na propria func¸a˜o g(t), logo, a transformada de Fourier direta como mostrada na equac¸a˜o (2.9) e´ verdadeira. 2.2.1 Condic¸a˜o Suficiente para Existeˆncia Em um intervalo finito, as condic¸o˜es de Dirichlet devem ser satisfeitas: • g(t) deve ser limitada; • g(t) deve ter um nu´mero finito de ma´ximos e mı´nimos, e; • g(t) deve ter um nu´mero finito de descontinuidades. • g(t) deve ser absolutamente integra´vel, isto e´: ∫∞−∞ |g(t)|dt <∞. As condic¸o˜es de Dirichlet sa˜o suficientes para que a func¸a˜o possua Transformada de Fourier, no entanto, na˜o sa˜o necessa´rias. Isto e´, as condic¸o˜es de Dirichlet GARANTEM a existeˆncia da Transformada de Fourier, mas ha´ func¸o˜es que na˜o as obedecem e, no entanto, possuem Transformada de Fourier, por exemplo: sen(2pift), cos(2pift), func¸o˜es perio´dicas em geral, o degrau unita´rio, a func¸a˜o constante, etc... 2.3 Propriedades Tendo-se o conjunto de transformada direta e transformada inversa, pode-se obter algumas propriedades: 8 Transformada de Fourier 2.3.1 Propriedade da Linearidade. Se: x(t) F←→ X(f) e y(t) F←→ Y (f), enta˜o, sendo A e B constantes, Ax(t) + By(t) F←→ AX(f) + BY (f). Esta propriedade e´ consequeˆncia direta do fato que a integral e´ um operador linear. 2.3.2 Propriedade do Atraso no Tempo. Se: g(t) F←→ G(f), enta˜o; g(t− T ) F←→ G(f)e−j2pifT , prova:∫ ∞ t=−∞ g(t− T )e−j2piftdt, (2.18) substituindo x = t− T , t = x+ T , dx = dt e, se, t→∞, x→∞ e t→ −∞, x→ −∞, assim,∫ ∞ x=−∞ g(x)e−j2pif(x+T )dx = e−j2pifT ∫ ∞ x=−∞ g(x)e−j2pifxdx = G(f)e−j2pifT . (2.19) 2.3.3 Propriedade da Modulac¸a˜o. Se: g(t) F←→ G(f), enta˜o; g(t)ej2pif0t F←→ G(f − f0) , prova:∫ ∞ t=−∞ g(t)ej2pif0te−j2piftdt = ∫ ∞ t=−∞ g(t)e−j2pi(f−f0)tdt = G(f − f0), (2.20) 2.3.4 Propriedade da derivac¸a˜o no Tempo. Se: g(t) F←→ G(f), enta˜o; ∂g(t) ∂t F←→ j2pifG(f) , prova: ∂g(t) ∂t = ∂ ∂t ∫ ∞ f=−∞ G(f)ej2piftdf = ∫ ∞ f=−∞ G(f) ∂ ∂t ej2piftdf, (2.21) assim, ∂g(t) ∂t = ∫ ∞ f=−∞ [j2pifG(f)]ej2piftdf. (2.22) 2.3.5 Propriedade da derivac¸a˜o na Frequeˆncia. Se: g(t) F←→ G(f), enta˜o; −j2pitg(t) F←→ ∂ ∂f G(f) , prova: ∂G(f) ∂f = ∂ ∂f ∫ ∞ t=−∞ g(t)e−j2piftdt = ∫ ∞ t=−∞ g(t) ∂ ∂f e−j2piftdt, (2.23) 2.3 Propriedades 9 assim, ∂G(f) ∂f = ∫ ∞ t=−∞ [−j2pitg(t)]e−j2piftdt. (2.24) Exemplo 1: Calcular o espectro da func¸a˜o gaussiana, g(t) = e−pit2 . Utilizando a propriedade da derivac¸a˜o do tempo; ∂g(t) ∂t = −2pitg(t) F←→ j2pifG(f) Utilizando a propriedade da linearidade e multiplicando ultiplicando a propriedade da derivac¸a˜o na frequeˆncia por −j nos dois lados, vem; −2pitg(t) F←→ −j ∂ ∂f G(f), comparando as equac¸o˜es acima, pode-se escrever que; ∂ ∂f G(f) = −2pifG(f), cuja soluc¸a˜o e´G(f) = e−pif2 , logo, a transformada da func¸a˜o gaussiana e´ a pro´pria func¸a˜o gaussiana! Exemplo 2: Encontrar o espectro da func¸a˜o: g(t) = e−at para t > 0−eat para t < 0 sendo a > 0.∫ ∞ t=−∞ g(t)e−j2piftdt = ∫ 0 t=−∞ −eate−j2piftdt+ ∫ ∞ t=0 e−ate−j2piftdt = [−e(a−j2pif)t a− j2pif ]0 t=−∞− [e−(a+j2pif)t a+ j2pif ]∞ t=0 , logo; ∫ ∞ t=−∞ g(t)e−j2piftdt = −1 a− j2pif + 1 a+ j2pif . Exemplo 3: Encontrar o espectro da func¸a˜o sinal: sgn(t) = 1 para t > 0 0 parat = 0 −1 para t < 0 . ∫ ∞ t=−∞ sgn(t)e−j2piftdt = lim a→0 [ −1 a− j2pif + 1 a+ j2pif ] = 1 j2pif + 1 j2pif = 1 jpif Exemplo 4: Encontrar o espectro da func¸a˜o sinal: u(t) = 1 para t > 00 para t < 0 . Pode-se escrever; u(t) = 12 sgn(t) + 1 2 . Assim, com as equac¸a˜o acime e a equac¸a˜o (2.12), conclui-se que; ∫ ∞ t=−∞ u(t)e−j2piftdt = 1 j2pif + δ(f) 2 . 10 Transformada de Fourier 2.3.6 Propriedade da Convoluc¸a˜o no Tempo. A convoluc¸a˜o e´ definida por; x(t) ∗ y(t) = ∫∞τ=−∞ y(τ) x(t − τ)dτ , assim, fazendo a trans- formada de Fourier direta vem;∫ ∞ t=−∞ [∫ ∞ τ=−∞ y(τ) x(t− τ)dτ ] e−j2piftdt = ∫ ∞ τ=−∞ y(τ) [∫ ∞ t=−∞ x(t− τ)e−j2piftdt ] dτ, (2.25) utilizando-se a propriedade do atraso no tempo, equac¸a˜o (2.19 ), vem;∫ ∞ τ=−∞ y(τ)X(f)e−j2pifτdτ = X(f) ∫ ∞ τ=−∞ y(τ)e−j2pifτdτ = X(f)Y (f), (2.26) logo, a convoluc¸a˜o no tempo implica na multiplicac¸a˜o dos espectros! 2.3.7 Propriedade da Convoluc¸a˜o no domı´nio da Frequeˆncia. A convoluc¸a˜o no domı´nio da Frequeˆncia e´ definida por; X(f) ∗ Y (f) = ∫∞τ=−∞ Y (τ) X(f − τ)dτ , assim, fazendo a transformada de Fourier inversa vem;∫ ∞ f=−∞ [∫ ∞ τ=−∞ Y (τ) X(f − τ)dτ ] ej2piftdf = ∫ ∞ τ=−∞ Y (τ) [∫ ∞ f=−∞ X(f − τ)ej2piftdf ] dτ, (2.27) utilizando-se a propriedade da modulaca˜o, equac¸a˜o (2.20 ), vem;∫ ∞ τ=−∞ Y (τ)x(t)ej2pifτdτ = x(t) ∫ ∞ τ=−∞ Y (τ)ej2pifτdτ = x(t)y(t), (2.28) logo, a convoluc¸a˜o no domı´nio frequeˆncia implica na multiplicac¸a˜o no domı´nio do tempo! 2.3.8 Propriedade da Integrac¸a˜o no Tempo. Se: g(t) F←→ G(f), enta˜o; ∫ t t=−∞ g(t)dt F←→ G(f) j2pif + G(0) 2 δ(f) . Pode-se dizer que; ∫ t t=−∞ g(t) dt = ∫ ∞ τ=−∞ g(τ) u(t− τ)dτ = g(t) ∗ u(t), (2.29) pois; u(t− τ) = 0 para t− τ < 0, i.e., τ > t1 para t− τ > 0, i.e., τ < t assim, ∫ ∞ t=−∞ [∫ t t=−∞ g(t) dt ] e−j2piftdt = ∫ ∞ t=−∞ g(t) ∗ u(t)e−j2piftdt = G(f)U(f) = G(f) [ 1 j2pif + δ(f) 2 ] (2.30) 2.3 Propriedades 11 2.3.9 Propriedade do Escalonamento no Tempo Se: g(t) F←→ G(f), enta˜o; g(t/T ) F←→ |T |G(Tf) . Prova; ∫ ∞ t=−∞ g(t/T )e−j2pift dt, (2.31) substituindo t = Tα, dt = Tfα, para T > 0 pode-se dizer que; t→ −∞, α→ −∞t→ ∞, α→ ∞ assim,∫ ∞ α=−∞ g(α)e−j2pifTdαTdα = T ∫ ∞ α=−∞ g(α)e−j2pifTαdα = TG(Tf), (2.32) para T < 0 pode-se dizer que; t→ −∞, α→ ∞t→ ∞, α→ −∞ assim,∫ −∞ α=∞ g(α)e−j2pifTdαTdα = −T ∫ −∞ α=∞ g(α)e−j2pifTαdα = −TG(Tf), (2.33) 2.3.10 Propriedade da Dualidade Se: g(t) F←→ G(f), enta˜o; G(t) F←→ g(−f) . Prova; a transformada inversa e´; g(t) = ∫ ∞ f=−∞ G(f)ej2piftdf, (2.34) fazendo-se a substituic¸a˜o: f ← α, vem; g(t) = ∫ ∞ α=−∞ G(α)ej2piαtdα, (2.35) fazendo-se a substituic¸a˜o: t← −f, vem; g(−f) = ∫ ∞ α=−∞G(α)e−j2piαfdα, (2.36) fazendo-se a substituic¸a˜o: α← t, vem; g(−f) = ∫ ∞ t=−∞ G(t)e−j2pitfdt. (2.37) 2.3.11 Teorema de Parseval. Se: g(t) F←→ G(f), enta˜o; ∫ ∞ t=−∞ |g(t)|2dt = ∫ ∞ t=−∞ |G(f)|2df . Pode-se mostrar que a relac¸a˜o e´ verdadeira da seguinte maneira,∫ ∞ t=−∞ |g(t)|2dt = ∫ ∞ t=−∞ g(t)g(t)dt, (2.38) 12 Transformada de Fourier onde g(t) significa o complexo conjugado de g(t), substituindo a transformada inversa, vem;∫ ∞ t=−∞ g(t) ∫ ∞ f=−∞ G(f)ej2piftdfdt = ∫ ∞ t=−∞ g(t) ∫ ∞ f=−∞ G(f)e−j2piftdfdt (2.39) ∫ ∞ t=−∞ g(t) ∫ ∞ f=−∞ G(f)e−j2piftdfdt = ∫ ∞ f=−∞ G(f) ∫ ∞ t=−∞ g(t)e−j2piftdtdf = ∫ ∞ f=−∞ |G(f)|2df, (2.40) Cap´ıtulo 3 Transformada da Func¸a˜o Pente A func¸a˜o pente e´ definida como; p(t) = ∞∑ n=−∞ δ(t− n), (3.1) logo a transformada da func¸a˜o pente; P (f) = ∫ ∞ t=−∞ [ ∞∑ n=−∞ δ(t− n) ] e−j2piftdt = ∞∑ n=−∞ ∫ ∞ t=−∞ δ(t− n)e−j2piftdt = ∞∑ n=−∞ e−j2pifn, (3.2) da´ı. P (f) = ∞∑ n=−∞ e−j2pifn = 1 + 2 ∞∑ n=1 cos(2pinf), (3.3) observa-se nas Figuras 3.1 e 3.2 que P (f) se repete de 1 em 1 [Hz]. Pode-se escrever que a convoluc¸a˜o entre p(t) e b(t) para T = 1; p(t) ∗ b(t) = 1, (3.4) logo, pela propriedade da convoluc¸a˜o, pode-se escrever a transformada; P (f) sen(pif) pif = δ(f), (3.5) como a func¸a˜o sen(pif)pif vale 1 na origem e 0 de em f = ±1,±2,±3, . . . , Figura (2.2), e, sabendo que P (f) se repete de 1 em 1 [Hz], pode-se afirmar que; P (f) = ∞∑ n=−∞ δ(f − n), (3.6) A func¸a˜o p(t) e´ um impulso de Dirac de 1 em 1 segundo, para que haja um impulso com intercvalos de Ta, pode-se fazer; p ( t Ta ) = ∞∑ n=−∞ δ ( t Ta − n ) = ∞∑ n=−∞ δ [(t− nTa) Ta ] = Ta ∞∑ n=−∞ δ(t− nTa), (3.7) 13 14 Transformada da Func¸a˜o Pente 0 0,5 1 1,5 2 2,5 3 Frequencia -1 -0,5 0 0,5 1 cos(2 pi 3f) cos(2 pi 2f) cos(2 pi f) Figura 3.1: Cosenos. da propriedade do escalonamento no tempo, lembramdo que t > 0, vem; p ( t Ta ) F←→ TaP (Taf) = Ta ∞∑ n=−∞ δ(Taf − n) = Ta ∞∑ n=−∞ δ [( f − n Ta ) Ta ] , (3.8) como δ(Ax) = 1Aδ(x), vem; p ( t Ta ) F←→ ∞∑ n=−∞ δ(f − n Ta ), (3.9) assim, comparando as Eq. (3.7) e (3.9), pode-se escrever; ∞∑ n=−∞ δ(t− nTa) F←→ 1 Ta ∞∑ n=−∞ δ(f − n Ta ) . (3.10) A Eq. (3.10) e´ fundamental para trabalhar com sinais discretos no tempo (DTFT, Discrete time Fourier Transform), na frequeˆncia (Se´rie de Fourier) ou em ambos (DTF, Discrete Fourier trans- form). 15 -0,5 0 0,5 1 1,5 2 2,5 3 3,5 Frequencia 0 10 20 30 40 Somatorio dos 20 primeiro termos. -0,5 0 0,5 1 1,5 2 2,5 3 3,5 Frequencia -20 0 20 40 60 80 100 Somatorio dos 50 primeiro termos. Figura 3.2: Somato´rio dos 20 e dos 50 primeiros termos do somato´rio P (f) = 1+2 ∑∞ n=1 cos(2pinf). 16 Transformada da Func¸a˜o Pente Cap´ıtulo 4 A se´rie de Fourier Um sinal perio´dico, como exemplo tem-se a Figura 4.1, pode ser reescrito; g(t) = gp(t) ∗ ∞∑ n=−∞ δ(t− nT ), (4.1) onde o s´ımbolo ∗ significa convoluc¸a˜o e gp(t) e´ uma func¸a˜o que e´ igual a g(t) em apenas um per´ıodo centrado em 0, como exemplo tem-se a Figura 4.2. Utilizando-se a propriedade da convoluc¸a˜o no domı´nio do tempo, Eq.(2.26), e, a transformada da func¸a˜o pente, Eq. (3.10), pode-se escrever; G(f) = Gp(f) 1 T ∞∑ n=−∞ δ(f − n T ), (4.2) sendo que; Gp(f) = ∫ ∞ t=−∞ gp(t)e−j2piftdt = ∫ T/2 t=−T/2 g(t)e−j2piftdt, (4.3) devido a` definic¸a˜o da func¸a˜o delta de Dirac, Eq.(2.8) Eq. (4.2) pode ser reescrita como; G(f) = ∞∑ n=−∞ Gp( n T ) T δ(f − n T ), (4.4) logo, pode-se definir cn como; cn = Gp( n T ) = 1 T ∫ T/2 t=−T/2 g(t)e−j 2pint T dt, (4.5) fazendo a transformada inversa da E.(4.4), obte´m-se; g(t) = ∫ ∞ f=−∞ [ ∞∑ n=−∞ cnδ(f − n T ) ] ej2piftdf = ∞∑ n=−∞ cn ∫ ∞ f=−∞ δ(f − n T )ej2piftdf, (4.6) da´ı, g(t) = ∞∑ n=−∞ cne j2pint T , (4.7) 17 18 A se´rie de Fourier -1,5 T -T -0,5 T 0 0,5 T T 1,5 T 2 T Tempo 0 0,2 0,4 0,6 0,8 1 g(t ) Figura 4.1: g(t) e´ um coseno com per´ıodo 2 T que retificado se torna um sinal perio´dico com per´ıodo T. -1,5 T -T -0,5 T 0 0,5 T T 1,5 T 2 T Tempo 0 0,2 0,4 0,6 0,8 1 gp (t) Figura 4.2: gp(t) so´ possui um u´nico per´ıodo de g(t) centrado em t=0. 19 que e´ a Se´rie de Fourier, mas, na˜o ao seu formato mais conhecido. Para obter-se a se´rie de Fourier no seu formato mais conhecido, utilizando-se a identidade de Euler na Eq.(4.5), faz-se; cn = 1 T ∫ T/2 t=−T/2 g(t)[cos( 2pint T )− jsin(2pint T )]dt, (4.8) cn = 1 T ∫ T/2 t=−T/2 g(t)cos( 2pint T )dt︸ ︷︷ ︸ par em n, =PAR(n) −j 1 T ∫ T/2 t=−T/2 g(t)sin( 2pint T )dt︸ ︷︷ ︸ ı´mpar em n, =IMP (n) = PAR(n)− j IMP (n), (4.9) pois a func¸a˜o coseno e´ uma func¸a˜o par e a func¸a˜o seno e´ uma func¸a˜o ı´mpar. Utilizando-se a Eq.(4.9) na Eq.(4.7), vem; g(t) = ∞∑ n=−∞ [PAR(n)− j IMP (n)]e j2pintT = ∞∑ n=−∞ (PAR(n)− j IMP (n))[cos(2pint T )+ jcos( 2pint T )], (4.10) que resulta em; g(t) = ∞∑ n=−∞ PAR(n)cos( 2pint T )+j PAR(n)sin( 2pint T )−j IMP (n)ncos(2pint T )+IMP (n)sin( 2pint T ), (4.11) a multiplicac¸a˜o de uma func¸a˜o par por uma func¸a˜o par resuta em uma func¸a˜o par, a multiplicac¸a˜o de uma func¸a˜o par por uma func¸a˜o ı´mpar resuta em uma func¸a˜o ı´mpar e a multiplicac¸a˜o de uma func¸a˜o ı´mpar por uma func¸a˜o ı´mpar resuta em uma func¸a˜o par, assim,∑∞ n=−∞ PAR(n)cos( 2pint T ) = PAR(0) + 2 ∑∞ n=1 PAR(n) cos( 2pint T ) ∑∞ n=−∞ PAR(n)sin( 2pint T ) = 0 ∑∞ n=−∞ IMP (n)cos( 2pint T ) = 0 ∑∞ n=−∞ IMP (n)sin( 2pint T ) = IMP (0) + 2 ∑∞ n=1 IMP (n) sin( 2pint T ), como IMP (0) = 0, e, definindo; a0 = PAR(0) = 1 T ∫ T/2 t=−T/2 g(t)dt, (4.12) an = 2 PAR(n) = 2 T ∫ T/2 t=−T/2 g(t)cos( 2pint T )dt (4.13) e bn = 2 IMP (n) = 2 T ∫ T/2 t=−T/2 g(t)sin( 2pint T )dt, (4.14) aplicando as Equac¸o˜es (4.12), (4.13) e (4.14) na Eq. (4.11), vem; g(t) = a0 ∞∑ n=0 ancos( 2pint T ) + bnsin( 2pint T ), (4.15) 20 A se´rie de Fourier que a forma mais conhecida da se´rie de Fourier. Exemplo 5: Calcule a se´rie de Fourie de um sinal quadrado ( segueˆncia de bits 0, 1, 0, 1....) com per´ıodo T. a0 = 1 T ∫ T/2 t=0 dt = 1 2 ; an = 2 T ∫ T/2 t=0 cos (2pint T ) dt = sin(pi ∗ n) pi ∗ n ; cujo co´digo para ca´lculo no xmaxima e´: fortran(a(n)=factor(2/T*integrate(cos(2*%pi*n* t /T) ,t,0,T/2))); bn = 2 T ∫ T/2 t=0 sin (2pint T ) dt = −(cos(%pi ∗ n)− 1) pi ∗ n ; cujo co´digo para ca´lculo no xmaxima e´: fortran(b(n)=factor(2/T*integrate(sin(2*%pi*n* t /T) ,t,0,T/2))); 21 0 210.2 0.4 0.6 0.8 1.2 1.4 1.6 1.8 0 1 −0.2 0.2 0.4 0.6 0.8 1.2 −0.1 0.1 0.3 0.5 0.7 0.9 1.1 Tempo em segundos va lo r d o sin al re co ns tru íd o 10 h am ôn ica s Figura 4.3: g(t) e´ um sinal quadrado de per´ıodo de 1 [s] reconstru´ıdo a partir de 10 hamoˆnicos. 0 210.2 0.4 0.6 0.8 1.2 1.4 1.6 1.8 0 1 −0.2 0.2 0.4 0.6 0.8 1.2 −0.1 0.1 0.3 0.5 0.7 0.9 1.1 Tempo em segundos va lo r d o sin al re co ns tru íd o 20 h am ôn ica s Figura 4.4: g(t) e´ um sinal quadrado de per´ıodo de 1 [s] reconstru´ıdo a partir de 20 hamoˆnicos. 22 A se´rie de Fourier 0 210.2 0.4 0.6 0.8 1.2 1.4 1.6 1.80 1 −0.2 0.2 0.4 0.6 0.8 1.2 −0.1 0.1 0.3 0.5 0.7 0.9 1.1 Tempo em segundos va lo r d o sin al re co ns tru íd o, 5 0 ha m ôn ica s. Figura 4.5: g(t) e´ um sinal quadrado de per´ıodo de 1 [s] reconstru´ıdo a partir de 50 hamoˆnicos. Exemplo 6: Calcule a se´rie de Fourie de cos(2pif0t) sendo f0 = 1 T0 que e´ o coseno com retificac¸a˜o completa mostrado na Figura 4.1. Primeiro observamos que o per´ıodo do sinal retificado e´ Tr = T0 2 , assim; a0 = 1 Tr ∫ Tr/2 t=−Tr/2 cos(2pif0t)dt = 1 Tr ∫ Tr/2 t=−Tr/2 cos (2pit 2Tr ) dt = 2 pi ; cujo co´digo para ca´lculo no xmaxima e´: fortran(a0=factor(1/T*integrate(cos(2*%pi*t/(2*T) ) ,t,-T/2,T/2))); an = 2 Tr ∫ Tr/2 t=−Tr/2 cos (2pit 2Tr ) cos (2pint Tr ) dt; cujo co´digo para ca´lculo no xmaxima e´: fortran(a(n)=factor(2/T*integrate(cos(2*%pi*t/(2*T) )*cos(2*%pi*n* t /T) ,t,-T/2,T/2))); que resulta em; an = 2 ( 2n sin ( pi (2n+1) 2 ) − sin ( pi (2n+1) 2 ) + 2n sin ( pi (2n−1) 2 ) + sin ( pi (2n−1) 2 )) pi (2n− 1) (2n+ 1) ; bn = 2 Tr ∫ Tr/2 t=−Tr/2 cos (2pit 2Tr ) sin (2pint Tr ) dt = 0; Cujo co´digo para ca´lculo no xmaxima e´: fortran(b(n)=factor(2/T*integrate(cos(2*%pi*t/(2*T) )*sin(2*%pi*n* t /T) ,t,-T/2,T/2))); que 23 resulta em 0. O co´digo para o scilab e´: Tr=1/120; //Periodo do sinal retificado, a metade do per´ıodo do sinal original de 60 [Hz]; NT=10; //Nu´mero de harmoˆnicos; a0=2%pi; //a(0), no scilab na˜o pode haver ı´ndice 0 em um vetor; a=zeros(NT,1);//preenchimeno de um vetor a com zeros. Reserva de memo´ria; for n=1:NT //Ca´lculo dos coeficientes da se´rie; a(n) = 2*(2*n*sin(%pi*(2*n+1)/2.0E+0)-sin(%pi*(2*n+1)/2.0E+0)+... 2*n*sin(%pi*(2*n-1)/2.0E+0)+sin(%pi*(2*n-1)/2.0E+0))/(%pi*(2*n-1)*(2*n+1)); end t=0:1e-5:1/60;t=t’;//criando um vetor de tempo de 0 a 1/60; g=zeros(size(t,1),1)+a0; for i=1:size(t,1); //Varrendo todos os valores de tempo; for n=1:NT; //Para cada instante, a soma de todas as hamoˆnicas; g(i)=g(i)+a(n)*cos(2*%pi*t(i)*n/Tr); end; end plot2d(t,g,rect=[0,0,1/60,1]);//Graficando a func¸a˜o reconstruida; //rect=[0 (in´ıcio da horizontal, 0 (in´ıcio da vertical), // 1/60 ( valor ma´ximo da horizontal), // 1 (valor ma´ximo da vertical)]; f=120:120:NT*120;f=f’;//criando um vetor com todas as harmoˆnica; M=a ** 2; plot2d3(f,[a0;M],rect=[0,0,max(f),max([a0;M])])//Graficando em barras os coeficientes (espectro). 24 A se´rie de Fourier 0 Tr/2 Tr 3 Tr/2 2 Tr 0 1 0 1 Tempo Co se no re tif ica do re co ns tru íd o co m 1 0 ha m ôn ica s. Figura 4.6: Coseno com retificac¸a˜o completa reconstru´ıdo a partir de 10 hamoˆnicos. 0 Tr/2 Tr 3 Tr/2 2 Tr 0 1 0 1 Tempo Co se no re tif ica do re co ns tru íd o co m 2 0 ha m ôn ica s. Figura 4.7: Coseno com retificac¸a˜o completa reconstru´ıdo a partir de 20 hamoˆnicos. 25 0 Tr/2 Tr 3 Tr/2 2 Tr 0 1 0 1 Tempo Co se no re tif ica do re co ns tru íd o co m 5 0 ha m ôn ica s. Figura 4.8: Coseno com retificac¸a˜o completa reconstru´ıdo a partir de 50 hamoˆnicos. 26 A se´rie de Fourier Cap´ıtulo 5 O teorema da Amostragem Um sinal cont´ınuo, como na Figura pode ser amostrado no tempo se transformando em um sinal discreto no tempo fazendo-se; ga(t) = g(t) ∞∑ n=−∞ δ(t− nTa), (5.1) logo, pela propriedade da convoluc¸a˜o, Ga(t) = G(f) ∗ 1 Ta ∞∑ n=−∞ δ(f − n/Ta) = 1 Ta ∞∑ n=−∞ G(f − n/Ta), (5.2) isto e´, o espectro da func¸a˜o amostrada o espectro original repetido de 1Ta em 1 Ta , Figuras 5.1 e 5.2. 27 28 O teorema da Amostragem G (f) −2/Ta −1/Ta 0 1/Ta 2/Ta 1.2 2.2 3.2 4.2 5.2 6.2 7.2 8.2 9.2 0 1 Frequência Figura 5.1: Espectro do sinal. G a(f ) −2/Ta −1/Ta 0 1/Ta 2/Ta 1.2 2.2 3.2 4.2 5.2 6.2 7.2 8.2 9.2 0 1/Ta Frequência Figura 5.2: Espectro do sinal amostrado. Na Figura 5.2 verifica-se que para haver possibilidade de recuperac¸a˜o so sinal original 5.1 A DTFT, Discrete time Fourier Transform 29 a partir do espectro amostrado, deve-se passa´-lo por um filtro passa baixa que corte tudo com frequeˆncias acima de 12Ta . G a(f ) −1/Ta −1/Ta+fmax −fmax 0 fmax 1/(2 Ta) 1/Ta−fmax 1/Ta 1.2 2.2 3.2 4.2 5.2 6.2 7.2 8.2 9.2 Frequência Figura 5.3: Espectro do sinal amostrado, figura com escala das frequeˆncias expandida. Para na˜o haver superposic¸a˜o dos espectros no sinal amostrado, verifica-se facilmente que; 1 Ta − fmax > fmax, Figura 5.3. Assim, o teorema da amostragem e´; fa >= 2fmax . (5.3) 5.1 A DTFT, Discrete time Fourier Transform A transformada de Fourier do sinal amostrado pode ser tratada de uma forma alternativa a` mostrada na Eq. (5.2), ga(t) = g(t) ∞∑ n=−∞ δ(t− nTa) = ∞∑ n=−∞ g(nTa)δ(t− nTa), (5.4) a transformada de Fourier fica; Ga(f) = ∫ ∞ t=−∞ [ ∞∑ n=−∞ g(nTa)δ(t− nTa) ] e−j2piftdt = ∞∑ n=−∞ g(nTa) ∫ ∞ t=−∞ δ(t− nTa)e−j2piftdt, (5.5) 30 O teorema da Amostragem assim Ga(f) = ∞∑ n=−∞ g(nTa) ∫ ∞ t=−∞ δ(t− nTa)e−j2pifnTadt = ∞∑ n=−∞ g(nTa)e −j2pifnTa ∫ ∞ t=−∞ δ(t− nTa)dt, (5.6) como; ∫∞ t=−∞ δ(t− nTa)dt = 1, vem; Ga(f) = ∞∑ n=−∞ g(nTa)e −j2pifnTa . (5.7) A informac¸a˜o do tempo de amostragem pode ser suprimida pois e´ conhecida para o sinal, define-se; Ω = 2pifTa = 2pif fa , (5.8) que e´ a frequeˆncia angular normalizada em relac¸a˜o a` frequeˆncia de amostragem, fa = 1 Ta , assim, G(ejΩ) = ∞∑ n=−∞ g[n]e−jΩn , (5.9) que e´ a transfomada direta de Fourier de tempo discreto. Observa-se que, g[n] = g(nTa), onde os pareˆnteses sa˜o trocados por colchetes. Colchetes signifi- cam que o sinal e´ discreto . Observa-se na Figura 5.3 que nos limites −fa2 < f < fa2 o espectro do sinal amostrado e´ o mesmo do sinal original multilicado por 1Ta . Assim, como Ω = 2pif fa , os limites para Ω sa˜o; −pi < Ω < pi. (5.10) Para encontrar a transformada inversa podemos comparar a DTFT com a se´rie de Fourier como mostrado na tabela 5.1. Se´rie de Fourier DTFT g(t) = ∑∞ n=−∞ cne j2pinf0t Ga(f) = ∑∞ n=−∞ g[n]e −j2pinTaf cn = 1 T ∫ T 2 t=−T 2 g(t)e−j2pinf0tdt ? Tabela 5.1: Comparac¸a˜o entre a Transformada e Fourier e a DTFT. Na comparac¸a˜o, pode-se considerar as equivaleˆncias mostradas na tabela 5.2; 5.1 A DTFT, Discrete time Fourier Transform 31 Se´rie de Fourier −→ DTFT t −→ −f f0 −→ Ta cn −→ g[n] g(t) −→ Ga(f) T −→ 1Ta Tabela 5.2: Troca de varia´veis entre a Transformada e Fourier e a DTFT. Realizando estas trocas na equac¸a˜o cn = 1 T ∫ T 2 t=−T 2 g(t)e−j2pinf0tdt, encontra-se; g[n] = Ta ∫ − 1 2Ta f= 1 2Ta Ga(f)e j2pinfTad(−f), (5.11) que pode ser reescrita com; g[n] = Ta ∫ 1 2Ta f=− 1 2Ta Ga(f)e j 2pinf fa df, (5.12) sabendo que Ω = 2piffa , df = fa 2pidΩ, e, quando f → 12ta , Ω → 2pifa 12Ta = pi e, quando f → − 12ta , Ω→ −pi e Ga(f)→ G(ejΩ), assim; g[n] = Ta ∫ pi f=−pi G(ejΩ)ejΩn fa 2pi dΩ = 1 2pi ∫ pi f=−pi G(ejΩ)ejΩndΩ, (5.13) Assim, a transformada inversa e´ dada por; g[n] = 1 2pi ∫ pi Ω=−pi G(ejΩ)ejΩndΩ , (5.14) A transformada inversa pode ser conferida substituindo-seG(ejΩ) por; G(ejΩ) = ∑∞ k=−∞ g[k]e −jΩk, assim; g[n] = 1 2pi ∫ pi Ω=−pi [ ∞∑ k=−∞ g[k]e−jΩk ] ejΩndΩ = ∞∑ k=−∞ g[k] 1 2pi ∫ pi Ω=−pi e−jΩ(n−k), (5.15) que pode ser manipulada como; g[n] = ∞∑ k=−∞ g[k] −1 2pij(n− k) [ e−jΩ(n−k) ]pi Ω=−pi= ∞∑ k=−∞ g[k] ejpi(n−k) − e−jpi(n−k) 2pij(n− k) = ∞∑ k=−∞ g[k] sen[pi(n− k)] pi[n− k] , (5.16) como n e k sa˜o nu´meros inteiros, vem; sen[pi(n− k)] pi[n− k] = = 1 para n = k= 0 para n 6= k , assim, a Eq. (5.14) realmente e´ a Transformada Inversa de Fourier com o Tempo Discreto. 32 O teorema da Amostragem 5.1.1 Condic¸a˜o de Existeˆncia. A condic¸a˜o suficiente para a existeˆncia da DTFT de um sinal qualquer g[n] e´ o sinal ser absolutamente soma´vel. Demonstrac¸a˜o; |G(ejΩ)| <∞, (5.17) enta˜o, | ∞∑ n=−∞ g[n]e−jΩn| < ∞∑ n=−∞ |g[n]e−jΩn| = ∞∑ n=−∞ |g[n]||e−jΩn| <∞, (5.18) como |e−jΩn| = 1, pode-se dizer que; |G(ejΩ)| <∞ −→ ∞∑ n=−∞ |g[n]| <∞ . (5.19) Exemplo 8: Verificar a condic¸a˜o de suficieˆncia da existeˆncia da DTFT da sequeˆncia g[n] = αnu[n]. Calcule a DTFT. Verificando a existeˆncia:∑∞ n=−∞ |αnu[n]| = ∑∞ n=0 |αn| <∞ so´ e´ garantida a existeˆncia para α < 1. Para α < 1 a DTFT e´; G(ejΩ) = ∞∑ n=0 αne−jΩn = ∞∑ n=0 (αe−jΩ)n = lim N→∞ N∑ n=0 (αe−jΩ)n, que e´ soma de uma PG com raza˜o αe−jΩ, assim; G(ejΩ) = lim N→∞ 1− (αe−jΩ)N+1 1− (αe−jΩ) = 1 1− (αe−jΩ) , |α| < 1. Exemplo 9: Calcular a IDTFT da func¸a˜o de transfereˆncia do filtro passa baixa ideal, definido por: H(ejΩ) = = 1 para |Ω| ≤ Ωc= 0 para Ωc < |Ω| < pi, calculando a Transformada de Fourier Inversa do tempo Discreto tem-se; h[n] = 1 2pi ∫ pi Ω=−pi H(ejΩ)ejΩndΩ = 1 2pi ∫ Ωc −Ωc ejΩndΩ = 1 2pijΩ [ ejΩn ]Ωc −Ωc , da´ı; h[n] = 1 2pijΩ [ejnΩc − e−jnΩc ] = 1 piΩ ejnΩc + e−jnΩc j2 = sen(nΩc) piΩ Exemplo 10: Calcular a DTFT de g[n] = δ[n]. G(ejΩ) = ∞∑ n=0 δ[n]e−jΩn = e−jΩ0 = 1, 5.1 A DTFT, Discrete time Fourier Transform 33 Exemplo 11: Calcular a DTFT de g[n] = 1. g[n] na˜o satisfaz a condic¸a˜o de suficieˆncia da existeˆncia. Assim, na˜o da´ para calcular a transformada utilizando-se a Eq. (5.9). No entanto, pode-se perguntar qual a func¸a˜o G(ejΩ) que satisfaz 1 = 1 2pi ∫ pi Ω=−pi G(ejΩ)ejΩndΩ? Obviamente, 2piδ(Ω), como G(ejΩ) e´ perio´dica com per´ıodo 2pi, pode-se escrever que; G(ejΩ) = 2pi ∞∑ n=−∞ δ(Ω− 2pin) .0.2 Propriedade da Linearidade Sendo A e B constantes arbritra´rias; Ag1[n] +Bg2[n] DTFT←→ AG1(ejΩ) +BG2(ejΩ) (.20) .0.3 Propriedade do Deslocamento de Amostras g[n− n0] DTFT←→ G(ejΩ)e−jΩn0 (.21) Demonstrac¸a˜o; DTFT{g[n− n0]} = ∞∑ n=−∞ g[n− n0]e−jΩn, (.22) fazendo a troca de varia´veis l = n− n0, vem; ∞∑ l=−∞ g[l]e−jΩ(l+n0) = ∞∑ l=−∞ g[l]e−jΩle−jΩ(n0) = e−jΩ(n0) ∞∑ l=−∞ g[l]e−jΩl = G(ejΩ)e−jΩ(n0). (.23) .0.4 Propriedade da Modulac¸a˜o g[n]ejΩ0n DTFT←→ G(ejΩ−jΩ0) (.24) Demonstrac¸a˜o; DTFT{g[n]ejΩ0n} = ∞∑ n=−∞ g[n]ejΩ0ne−jΩn = ∞∑ n=−∞ g[n]e−j(Ω−Ω0)n = G(ejΩ−Ω0). (.25) 34 O teorema da Amostragem .0.5 Teorema de Parseval. ∞∑ n=−∞ |g[n]|2 = 1 2pi ∫ pi −pi |G(ejΩ)|2dΩ . Pode-se mostrar que a relac¸a˜o e´ verdadeira da seguinte maneira, ∞∑ n=−∞ |g[n]|2 = ∞∑ n=−∞ g[n]g[n], (.26) onde g[n] significa o complexo conjugado de g[n], substituindo a transformada inversa, vem; ∞∑ n=−∞ g[n] 1 2pi ∫ pi −pi G(ejΩ)ejnΩdΩ = 12pi ∑∞ n=−∞ g[n] ∫ pi −pi G(e jΩ)e−jnΩdΩ = 1 2pi ∫ pi −pi G(ejΩ) ∞∑ n=−∞ g[n]e−jnΩdΩ = 12pi ∫ pi −pi G(e jΩ)G(ejΩ)dΩ (.27) .0.6 Propriedade da Convoluc¸a˜o x[n] ∗ h[n] DTFT←→ X(ejΩ) ·H(ejΩ) (.28) Isto e´, a convoluc¸a˜o no tempo discreto, x[n] ∗ h[n] = ∑∞k=−∞ x[k]h[n − k], correponde ao produto no domı´nio da frequeˆncia. Pode-se demonstrar fazendo; DTFT{x[n] ∗ h[n]} = ∞∑ n=−∞ [ ∞∑ k=−∞ x[k]h[n− k] ] e−jnΩ = ∞∑ k=−∞ x[k] [ ∞∑ n=−∞ h[n− k]e−jnΩ ] , (.29) aplicando a propriedade do deslocamento das amostras no lado direito da Eq.(.29), vem; DTFT{x[n] ∗ h[n]} = ∞∑ k=−∞ x[k]H(ejΩ)e−jΩk = H(ejΩ) ∞∑ k=−∞ x[k]e−jΩk = X(ejΩ) ·H(ejΩ). (.30) Exemplo 12: Calcular a DTFT de g[n] = ejΩ0n. No exemplo 10, 1 DTFT←→ 2pi∑∞n=−∞ δ(Ω− 2pin), com a propriedade da modulac¸a˜o, ejΩ0n DTFT←→ 2pi ∞∑ n=−∞ δ(Ω− Ω0 − 2pin) Exemplo 13: Calcular a DTFT de g[n] = cos(Ω0n) = ejΩ0n+e−jΩ0n 2 . Do exemplo 12, cos(jΩ0n) DTFT←→ ∞∑ n=−∞ [piδ(Ω− Ω0 − 2pin) + piδ(Ω + Ω0 − 2pin)], mostrado na Figura .4. 5.1 A DTFT, Discrete time Fourier Transform 35 0−10 10−8 −6 −4 −2 2 4 6 8 0 −1 1 −0.5 0.5 Figura .4: cos(Ω0n) amostrado e o espectro G(e jΩ). Exemplo 14: Calcular a DTFT de g[n] = 1, 0 ≤ n ≤ N − 10, alhures . G(eΩ) = N−1∑ n=0 e−jΩn = 1− e−jΩN 1− e−jΩ , que pode ser reescrita como, G(eΩ) = e−jΩN/2 e−jΩ/2 [ ejΩN/2 − e−jΩN/2 e−jΩ/2 − e−jΩ/2 ] 2j 2j = e−jΩ N−1 2 sin(ΩN2 ) sin(Ω2 ) , Exemplo 15: Calcular a DTFT de h[n] = 1, N−1 2 ≤ n ≤ N−12 0, alhures para N ı´mpar. A func¸a˜o h[n] = g[n+ N−12 ] do exemplo 14, assim, pela propriedade do deslocamento das amostras, pode-se escrever; H(eΩ) = ejΩ N−1 2 G(eΩ)ejΩ N−1 2 [ e−jΩ N−1 2 sin(ΩN2 ) sin(Ω2 ) ] = sin(ΩN2 ) sin(Ω2 ) , que e´ motrado na Figura .5 para o caso de N=21. 36 O teorema da Amostragem 0−20 20−10 10−25 −15 −5 5 15 25 0 1 0.2 0.4 0.6 0.8 Figura .5: g[n] e o espectro G(ejΩ) para N=21 do exemplo 14. Apeˆndice A Anexo das integral da func¸a˜o sinc(x). A.1 A integral ∫ 1 1+x2dx. Fazendo x = tan(y), dx = dy cos2(y) , assim; ∫ 1 1 + x2 dx = ∫ 1 1 + [ sen(y) cos(y) ]2 dycos(y)2 = ∫ cos2(y) [cos2(y) + sen2(y)] dy cos(y)2 = ∫ dy = y, (A.1) logo; ∫ 1 1 + x2 dx = arctan(x) (A.2) A.1.1 A integral ∫∞ 0 e−xysenx dy. ∫ ∞ 0 e−xysenx dy = senx ∫ ∞ 0 e−xy dy = sen(x) −x ∫ ∞ 0 e−xy(−x) dy = sen(x) x [−e−xy]∞0 = sen(x) x (A.3) A.1.2 A integral ∫∞ x=0 sen(x) x dx. ∫ ∞ 0 [∫ ∞ 0 e−xysen(x) dy ] dx = ∫ ∞ 0 [∫ ∞ 0 e−xysen(x) dx ] dy, (A.4) integrando ∫ e−xysen(x) dx por partes, vem; u = e−xy, du = −ye−xy, dv = sen(x) dx e v = −cos(x), vem; ∫ e−xysen(x) dx = [−cos(x)e−xy]− y ∫ cos(x)e−xydx, (A.5) 37 38 Apeˆndice A integrando ∫ e−xycosx dx por partes, vem; u = e−xy, du = −ye−xy, dv = cos(x) dx e v = sen(x), vem; ∫ e−xycosx dx = [ sen(x)e−xy ] + y ∫ sen(x)e−xy dx, (A.6) assim; ∫ e−xysenx dx = [−cos(x)e−xy]− y{[sen(x)e−xy]+ y ∫ sen(x)e−xydx} , (A.7) da´ı; ∫ e−xysenx dx = [−cos(x)− ysen(x)] e−xy − y2 ∫ sen(x)e−xydx, (A.8) assim; ∫ ∞ 0 e−xysenx dx = [−cos(x)− ysen(x) 1 + y2 e−xy ]∞ x=0 = 1 1 + y2 , (A.9) assim,∫ ∞ x=0 senx x dx = ∫ ∞ y=0 ∫ ∞ x=0 e−xysenx dx dy = ∫ ∞ y=0 1 1 + y2 dy = [arctan(y)]∞y=0 = pi 2 , (A.10) A.1.3 A integral ∫∞ x=0 T sen(pifT ) pifT df . Fazendo x = pifT e dx = piTdf na integral ∫∞ x=0 sen(x) x dx = pi 2 , vem; ∫ ∞ x=0 sen(x) x dx = ∫ ∞ x=0 sen(pifT ) pifT piTdf = pi ∫ ∞ x=0 T sen(pifT ) pifT df = pi 2 , (A.11) logo; ∫ ∞ x=0 T sen(pifT ) pifT df = 1 2 , (A.12) como a func¸a˜o sen(x)x e´ par, pode-se dizer que;∫ ∞ x=−∞ T sen(pifT ) pifT df = 1. (A.13)
Compartilhar