Prévia do material em texto
Aula 1 Sinais e Sistemas Introdução a Sinais Profª Sandra Mara Torres Müller Aula 1 � O que é um sinal? � Função de uma ou mais variáveis, a qual veicula informações sobre a natureza de um fenômeno físico. � O que é um sistema? � Entidade que manipula um ou mais sinais para realizar uma função, produzindo assim, novos sinais. Aula 1 Exemplos de Sistema: Sistema Digital de Reconhecimento de Voz � Filtragem: elimina ruídos e concentra o sinal na faixa de frequência desejada; � Amostragem: converte o sinal da mensagem em uma sequência de números, representado a amplitude do sinal a cada instante de tempo; � Quantização: representa cada número amostrado dentro de um número finito de níveis de amplitude discreta; � Codificação: código binário, por exemplo. Aula 1 Exemplos de Sistema: Sistemas de Controle � O objeto a ser controlado é chamado planta � Piloto automático de avião, veículo de transporte coletivo, motores de automóveis,refinarias de petróleo, fábricas de papel, usinas elétricas, robôs. � Um sistema é robusto se tem boa regulação, apesar de perturbações externas, levando ao uso de realimentação Aula 1 Exemplos de Sistema: Sensoreamento Remoto � Processo de adquirir informações sobre um objeto de interesse sem estar em contato físico com ele � Estudo de superfície planetária � Sensores de radar para informações das propriedades físicas da superfície � Sensores infravermelho para propriedade térmicas da superfície � Sensores visíveis e próximos do infravermelho para informação da composição química � Sensores de raio-X para informações sobre materiais radioativos Aula 1 Processamento de Sinal Analógico x Digital � Analógico: resistores, capacitores, indutores, amplificadores transistorizados e diodos. � Digital: somadores, multiplicadores, memória � Apesar que a abordagem analógica trabalhe em tempo real, a digital possui: � Flexibilidade de trabalhar com várias finalidades; � Repetitividade. � Os sistemas são mistos por natureza. Aula 2 Classificação de Sinais � Considerações: � Sinais unidimensionais, ou seja, para cada valor de t há um único valor de f(t); � Os sinais podem ser de valor real ou complexo mas o tempo sempre é real. � Pode-se identificar 5 tipos de sinais: � Sinais de tempo contínuo e tempo discreto � Sinais pares e ímpares � Sinais periódicos e não-periódicos � Sinais determinísticos e sinais aleatórios � Sinais de energia e de potência Aula 2 Sinais de Tempo Contínuo e de Tempo Discreto � Um sinal de tempo discreto x[n] é definido somente em instantes isolados de tempo e pode ser derivado de um sinal de tempo contínuo fazendo amostragem deste a uma taxa uniforme � Um sinal x(t) é um sinal de tempo contínuo se ele for definido para todo tempo t Aula 2 Sinais Pares e Ímpares � Par: x(-t) = x(t), para todo t (Eq. 1.2) � Simétricos ao eixo vertical. � Ímpar: x(-t) = -x(t), para todo t (Eq. 1.3) � Antissimétricos ao eixo do tempo. Aula 2 Aula 2 Sinais Pares e Ímpares � O conjugado de um sinal de valor complexo, x(t) = a(t)+jb(t), é definido por x*(t) = a(t)-jb(t). � Diz-se que um sinal é conjugado simétrico se x(-t) = x*(t), ou seja, � Um sinal complexo é conjugado simétrico se sua parte real for par e sua parte imaginária for ímpar. � Uma observação similar se aplica a um sinal de tempo discreto Aula 2 Aula 2 Sinais Periódicos e Não-Periódicos � Um sinal é periódico se satisfaz a condição x(t) = x(t+T), onde T é uma constante positiva. � Se esta condição valer para T=T0, então vale para T=2T0, 3T0, ..., onde T0 é o período fundamental de x(t). � Assim, a frequência fundamental será f=1/T (Hz) e a frequência angular será dada por ω=2pi/T (rad/s). � Já o sinal não-periódico não satisfaz a condição acima. Aula 2 Sinais Periódicos e Não-Periódicos Aula 2 Sinais Periódicos e Não-Periódicos � Para sinais discretos temos que a condição de periodicidade é dada por: x[n] = x[n+N], para todos os números inteiros de n. � O menor valor inteiro de N para o qual a equação acima é satisfeita é chamado de período fundamental, cuja frequência angular, medida em RADIANOS, é dada por: Ω=2pi/N. Aula 2 Sinais Periódicos e Não-Periódicos Aula 2 Sinais Determinísticos e Sinais Aleatórios � Um sinal determinístico é um sinal sobre o qual não existe nenhuma incerteza com respeito a seu valor em qualquer instante. Podem ser modelados por uma função. � Tempo contínuo: � Tempo discreto: Aula 2 Sinais Determinísticos e Sinais Aleatórios � Um sinal aleatório é um sinal sobre o qual há incerteza antes de sua ocorrência real. � Um sinal aleatório pertence a um grupo de sinais onde cada sinal é diferente do outro e tem sua probabilidade de ocorrência. � O conjunto de sinais aleatórios é chamado de processo aleatório � Exemplos: ruído gerado em um amplificador de áudio, sinal de EEG. Aula 2 Sinais de Energia e Sinais de Potência: Definições � Como p(t) = v2(t)/R ou p(t) = Ri2(t), se R=1Ω então a potência instantânea é dada por: p(t) = x2(t). Portanto, a energia total do sinal de tempo contínuo x(t) será: � E a potência média é definida como: � Para um sinal periódico a potência média será: � A raiz quadrática de P é o valor quadrático médio ou RMS do sinal x(t). Aula 2 Sinais de Energia e Sinais de Potência: Definições � Para o caso discreto temos � Para um sinal periódico com período fundamental N Aula 2 Sinais de Energia e Sinais de Potência � Um sinal é sinal de energia se, e somente se, a energia total do sinal satisfaz: 0< E <∞. � Um sinal é sinal de potência se, e somente se, 0< P <∞. � Um sinal de energia tem potência média zero e um sinal de potência tem energia infinita. � Os sinais periódicos e aleatórios são geralmente sinais de potência, enquanto sinais determinísticos e não-periódicos são sinais de energia. Aula 2 Sinais de Energia e Sinais de Potência Aula 3 Operações Básicas em Sinais � Envolve uma combinação de algumas operações básicas � Operações executadas nas variáveis dependentes, variável x(t); � Operações executadas nas variáveis independentes, variável t. Aula 3 Operações Executadas nas Variáveis Dependentes � Mudança na escala de amplitude � Caso contínuo: y(t) = cx(t), onde c é o fator de mudança de escala. Exemplo: amplificador, resistor. � Caso discreto: y[n] = cx[n]. � Adição � Caso contínuo: considere x1(t) e x2(t) como um par de sinais de tempo contínuo. A soma será y(t) = x1(t)+x2(t). Exemplo: misturador de áudio � Caso discreto: y[n] = y1[n]+y2[n] Aula 3 Operações Executadas nas Variáveis Dependentes � Multiplicação �Caso contínuo: y(t) = x1(t)x2(t). Exemplo: sinal de rádio AM, onde x1(t) é o sinal de rádio e x2(t) é a portadora. �Caso discreto: y[n] = y1[n]y2[n]. � Diferenciação �Caso contínuo, x(t): Exemplo: indutor Aula 3 Operações Executadas nas Variáveis Dependentes � Integração � Caso contínuo, x(t): Exemplo: capacitor Aula 3 Operações Executadas na Variável Independente � Mudança de escala de tempo � Caso contínuo: y(t) = x(at) � Se a >1, y(t) é uma versão comprimida de x(t) � Se a <1, y(t) é uma versão expandida de x(t) � Caso discreto: y[n] = x[kn], k >0 e inteiro � Se k >1, alguns valores do sinal de tempo discreto y[n] são perdidos Aula 3 Operações Executadas nas Variável Independente � Reflexão � Caso contínuo: y(t) = x(-t) é o sinal refletido do sinal x(t) em relação ao eixo de amplitude � Sinal par: um sinal par é o mesmo que sua versão refletida � Sinal ímpar: um sinal ímpar é o negativo da sua versão refletida � Caso discreto: similar Aula3 Operações Executadas nas Variável Independente Aula 3 Operações Executadas nas Variável Independente Aula 3 Operações Executadas nas Variável Independente � Deslocamento no tempo � Caso contínuo: x(t) deslocado no tempo é definido por y(t) = x(t-t0) onde t0 é o deslocamento. � Se t0 >0, x(t) é deslocado para a direita. � Se t0 <0, x(t) é deslocado para a esquerda. Aula 3 Operações Executadas nas Variável Independente � Deslocamento no tempo � Caso discreto: x[n] deslocado será y[n] = x[n-m], onde m é inteiro positivo ou negativo Aula 3 Regra de Precedência para Deslocamento no Tempo e Mudança de Escala � Suponha que y(t) seja derivado de x(t) através de uma combinação de deslocamento no tempo e mudança de escala de tempo, isto é, y(t) = x(at-b). Portanto, esta relação satisfaz as condições: y(0)=x(-b) e y(b/a)=x(0) � Para obtermos y(t) a partir de x(t) as operações de deslocamento no tempo e mudança de escala de tempo devem ser executadas na ordem correta: 1. Operação de deslocamento no tempo (variável independente), gerando v(t) = x(t-b), e depois 2. Operação de mudança de escala (variável dependente), substituindo t por at: y(t) = v(at)=x(at-b) Aula 3 Aula 3 Regra de Precedência para Deslocamento no Tempo e Mudança de Escala Aula 3 Regra de Precedência para Deslocamento no Tempo e Mudança de Escala Aula 4 Sinais Elementares � Servem como blocos de construção para sinais mais complexos e modelam sinais físicos que ocorrem na natureza � Sinais exponenciais; � Sinais senoidais; � Sinal senoidal exponencialmente amortecido; � Função degrau; � Função impulso; � Função rampa. Aula 4 Sinais Exponenciais � Caso contínuo: x(t) = Beat, B e a são reais e B é a amplitude � Se a <0: exponencialmente decrescente � Se a >0: exponencialmente crescente Exemplos: (a) a =-6, B =5, (b) a =5, B =1 Aula 4 Sinais Exponenciais � Caso contínuo, exemplo físico: Que gera a equação diferencial: Cuja solução é: Aula 4 Sinais Exponenciais � Caso discreto: x[n] = Brn, onde r é definido como: r=eα � Se 0< r <1: exponencial decrescente � Se r >1: exponencial crescente � Se r <0: um sinal exponencial de tempo discreto som sinais + e – alternando-se � É possível que um sinal exponencial tenha valor complexo quando B, a ou α tenham valores complexos. Exemplos: ejωt, ejΩn Aula 4 Sinais Senoidais � Caso contínuo: x(t) = Acos(ωt+φ) Aula 4 Sinais Senoidais � Caso contínuo � Um sinal senoidal é periódico, pois: � Para a geração de um sinal senoidal temos o indutor e capacitor em paralelo, onde ω0 é a frequência natural de oscilação angular Aula 4 Sinais Senoidais � Caso discreto: x[n] = Acos(Ωn+φ) � O período de um sinal de tempo discreto é medido em amostras, x[n] = x[n+N], onde N é o período. Então, x[n+N] = Acos(Ωn+ ΩN+φ) � Para que a condição de periodicidade seja satisfeita tem-se que: ΩN=2pim ou Ω=2pim/N (radianos/ciclo), m, N inteiros � Nem todos os sistemas senoidais de tempo discreto com valores arbitrários de Ω são periódicos. Ω deve ser um múltiplo na forma de razão de 2pi. Exemplo: A=1, φ=0 e N=12 Aula 4 Aula 4 Aula 4 Sinais Senoidais Aula 4 Relação entre Sinais Senoidais e Sinais Exponenciais Complexos � Caso contínuo: Aula 4 Relação entre Sinais Senoidais e Sinais Exponenciais Complexos � Caso discreto: Aula 4 Sinal Senoidal Exponencialmente Amortecido � Resultante da multiplicação de um sinal senoidal por uma exponencial decrescente de valor real: Aula 4 Sinal Senoidal Exponencialmente Amortecido � Exemplo físico: resposta natural RLC Aula 4 Sinal Senoidal Exponencialmente Amortecido � Para o caso discreto temos que � Para que o sinal decresça com o tempo: 0< |r| <1 Aula 5 Função degrau � Caso discreto: � Caso contínuo: Aula 5 Função degrau � A função degrau é um sinal simples de aplicar, como uma fonte DC aplicada em t = 0 fechando-se uma chave. � Como sinal de teste, um degrau é útil para revelar a rapidez com que o sistema responde a uma mudança abrupta no sinal de entrada. � Uma observação similar se aplica a u[n] no contexto discreto. � A função degrau também é usada de base para construção de outros sinais. Aula 5 Função degrau Aula 5 Função degrau Aula 5 Função Impulso � Caso discreto: � Caso contínuo: � δ(t) é conhecido como delta de Dirac � δ(t) é a derivada do degrau u(t), e então, u(t) é a integral do impulso Aula 5 Função Impulso � Caso contínuo: � δ(t) é uma função par, ou seja, δ(-t)= δ(t) � Para que um impulso matemático tenha significado matemático ele tem de aparecer como um fator no integrando de uma integral com relação ao tempo. Isso leva à propriedade de peneiramento do impulso unitário Aula 5 Função Impulso � Caso contínuo: � Outra propriedade do impulso é a mudança de escala de tempo Aula 5 Função Rampa � Caso contínuo: � δ(t) é a derivada de u(t). Pelo mesmo raciocínio, a integral de u(t) é uma função rampa de inclinação unitária � Em termos mecânicos, uma rampa pode ser visualizada como um sistema que tenha como entrada o deslocamento angular de um eixo com rotação constante. Assim, a velocidade angular do eixo é a função degrau, que integrada no tempo é o deslocamento angular Aula 5 Função Rampa � Caso contínuo: � Como sinal de teste, a função rampa possibilita avaliar como um sistema de tempo contínuo reagiria a um sinal que crescesse linearmente. � Caso discreto: Aula 6 Sistema Vistos como Interconexões de Operações � Um sistema pode ser visto com uma interconexão de operações que transforma um sinal de entrada em um sinal de saída diferente da entrada. � Suponha que o operador global H denote a ação de um sistema, então Aula 6 Aula 6 Sistema Vistos como Interconexões de Operações Aula 6 Propriedades dos Sistemas � Descrevem as características do operador H que representam o sistema: � Estabilidade; � Memória; � Causalidade; � Invertibilidade; � Invariância no tempo; � Linearidade. Aula 6 Estabilidade � Um sistema é BIBO estável (entrada limitada-saída limitada) se, e somente se, toda entrada limitada resulta em saída limitada. Ou seja, a saída do sistema não diverge se a entrada não divergir. � O operador H é BIBO estável se o sinal de saída y(t) satisfizer Sempre que a entrada satisfizer onde My e Mx são números positivos finitos � Para um sistema discreto a análise é semelhante � Sempre se busca um sistema estável Aula 6 Aula 6 Estabilidade Aula 6 Estabilidade Aula 6 Memória � Um sistema possui memória se sua saída depender de valores passados do sinal de entrada. Sistema sem memória é o caso contrário. � A extensão temporal de valores passados, define quão longe a memória do sistema se estende no passado. � Exemplos: � Um resistor é sem memória, pois i(t) = v(t)/R � O indutor tem memória, pois i(t) = 1/L∫t -infv(t)dt. Essa memória se estende no passado infinito � O sistema y[n] = 1/3(x[n]+x[n-1]+x[n-2]) tem memória � O sistema y[n] = x2[n] é sem memória Aula 6 Memória Aula 6 Causalidade � Um sistema é causal se o valor atual do sinal de saída depender somente dos valores presentes e/ou passados do sinal de entrada. � Em contrapartida, o sinal de saída de um sistema não-causal depende dos valores futuros da entrada. Exemplos: � Média móvel 1: y[n] = 1/3(x[n]+x[n-1]+x[n-2]) é causal � Média móvel 2: y[n] = 1/3(x[n+1]+x[n]+x[n-1]) é não causal Aula 6 Memória Aula 6 Invertibilidade � Um sistema é invertível se a entradado sistema puder ser recuperada a partir da saída do sistema. � Para que a igualdade seja verdadeira, temos que: � H-1 é o operador inverso e o sistema associado a este operador é chamado de sistema inverso. H-1 não é o recíproco e é difícil de achar. � O problema da invertibilidade pode acontecer em sistemas de telecomunicação, onde um equalizador é utilizado para compensar as distorções do canal, funcionando como o inverso deste. Aula 6 Invertibilidade Aula 6 Invertibilidade Aula 6 Invariância no Tempo � Um sistema é invariante no tempo se um retardo ou avanço de tempo no sinal de entrada levar a um deslocamento de tempo idêntico na saída � Supondo y(t) = H{x(t)} e que x(t) seja deslocado de t0, resultando em x(t-t0) ou x(t-t0) = St0{x(t)}. Considere que yi(t) é a saída para x(t-t0), ou seja: � Agora suponha que yo(t) é a saída original do sistema deslocada de t0 segundos � O sistema será invariante no tempo se yi(t) = yo(t), ou seja, se HSt0 = St0H. Assim, os dois operadores devem permutar-se entre si para todo t0. O mesmo serve para o caso discreto. Aula 6 Aula 6 Propriedades dos Sistemas – Invariância no Tempo Aula 6 Linearidade � Diz-se que um sistema é linear se satisfizer o princípio da superposição. Supondo a entrada ponderada: Onde xi é um conjunto de sinais de entrada e ai são os fatores de ponderação correspondentes. Então: �Se o sistema for linear, a saída y(t) pode ser expressa como: Onde e então �Ou seja, a operação de adição deve comutar-se com a operação H do sistema. Aula 6 Linearidade Aula 6 Linearidade Aula 6 Linearidade Aula 6 Linearidade