SlideShare une entreprise Scribd logo
1  sur  13
Télécharger pour lire hors ligne
Luís Caldas de Oliveira
Sinais e Sistemas
Sinais e Sistemas
Luís Caldas de Oliveira
lco@ist.utl.pt
Instituto Superior Técnico
Sinais e Sistemas – p.1/50 Luís Caldas de Oliveira
Resumo
Sinais de tempo contínuo e discreto
Transformações da variável independente
Sinais básicos: impulso, escalão e exponencial.
Sistemas contínuos e discretos
Propriedades básicas dos sistemas
Sinais e Sistemas – p.2/50
Luís Caldas de Oliveira
Sinal Acústico
Se s for um sinal acústico:
s : Tempo → Pressão
Podemos representá-lo na forma de uma função:
∀t ∈ , s(t) = . . .
s : →
Tempo
Pressão
Sinais e Sistemas – p.3/50 Luís Caldas de Oliveira
Sinal em Tempo Contínuo
Um sinal x(t) em tempo contínuo é uma função de uma
variável contínua.
∀t ∈ , x(t) = . . .
x : →
Passaremos a denominar estes sinais pela forma
abreviada de sinais contínuos.
Sinais e Sistemas – p.4/50
Luís Caldas de Oliveira
Valor de Fecho do PSI-20
O valor inicial (base) do PSI-20 é de 3000 pontos e é
calculado por referência aos preços de fecho da
sessão de bolsa de 31 de Dezembro de 1992.
Exemplo:
{. . . , 7309, 7321, 7315, 7327, 7325, . . .}
Sinais e Sistemas – p.5/50 Luís Caldas de Oliveira
Sinal em Tempo Discreto
Um sinal x(n) em tempo discreto é uma função de uma
variável discreta:
∀n ∈ , x(n) = . . .
x : →
Passaremos a denominar estes sinais pela forma
abreviada de sinais discretos.
Sinais e Sistemas – p.6/50
Luís Caldas de Oliveira
Amostragem de Sinais Contínuos
Muitos dos sinais em tempo discreto resultam da
amostragem de sinais em tempo contínuo (xc(t)):
x(n) = xc(nT), ∀n ∈
em que xc(t) é uma função da variável t ∈ e T é o
período de amostragem.
......
T
Sinais e Sistemas – p.7/50 Luís Caldas de Oliveira
Problema
Determinar taxa de compressão de uma faixa de música
de um disco compacto ao ser codificada em mpeg-3 a 128
Kb/s.
Sinais e Sistemas – p.8/50
Luís Caldas de Oliveira
Codificação da amplitude
Para além da amostragem temporal, a amplitude do sinal
pode também ser codificada usando um número finito de
bits. No caso de uma codificação linear de 16 bits em
complemento para 2:
s : → {−32768, . . . , 32767}
No caso de uma imagem quadrada com 512x512 pixeis de
com 8 bits por cada componente RGB (24 bits):
i : {0, . . . , 511}2
→ {0, . . . , 255}3
Sinais e Sistemas – p.9/50 Luís Caldas de Oliveira
Energia
Convencionou-se definir a energia de um sinal como
sendo:
E∞ =
+∞
−∞
|x(t)|2
dt.
De forma análoga para o caso discreto:
E∞ =
+∞
n=−∞
|x(n)|2
.
Podem existir sinais com energia infinita!
Sinais e Sistemas – p.10/50
Luís Caldas de Oliveira
Potência
Com base na definição de energia, podemos também
definir a potência média de um sinal:
P∞ = lim
T→∞
1
2T
+T
−T
|x(t)|2
dt.
De forma análoga para o caso discreto:
P∞ = lim
N→∞
1
2N + 1
+N
n=−N
|x(n)|2
.
Sinais e Sistemas – p.11/50 Luís Caldas de Oliveira
Deslocamento Temporal
y(t) = x(t − t0)
0
...
... ...
x(t)
y(t)
t 0
t
t0
Sinais e Sistemas – p.12/50
Luís Caldas de Oliveira
Problema
... ...
7 n6543210−1
... ...
7 n6543210−1
x(n)
y(n)
y(n) = x(n − n0)
Qual o valor de n0?
Sinais e Sistemas – p.13/50 Luís Caldas de Oliveira
Inversão Temporal
y(t) = x(−t)
t
...
... ...
y(t)
x(t)
0
0 t
Sinais e Sistemas – p.14/50
Luís Caldas de Oliveira
Escalamento Temporal
y(t) = x(at), a ∈
t
...
... ...
y(t)
x(t)
0
0 t
Sinais e Sistemas – p.15/50 Luís Caldas de Oliveira
Problema
... ...
−1
x(n)
n5 6 70 1 2 3 4
11
2
3
Determine a sequência
definida por:
y(n) = x(3 − n)
Sinais e Sistemas – p.16/50
Luís Caldas de Oliveira
Sinal Periódico Contínuo
Um sinal contínuo diz-se periódico se se mantiver
inalterado por um deslocamento temporal de valor T:
x(t) = x(t + T), T ∈
Ao menor valor positivo de T dá-se o nome de período
fundamental (T0).
Sinais e Sistemas – p.17/50 Luís Caldas de Oliveira
Sinal Periódico Discreto
Identicamente ao caso contínuo, um sinal discreto diz-se
periódico se se mantiver inalterado por um deslocamento
temporal de N amostras:
x(n) = x(n + N), N ∈
Ao menor valor inteiro positivo de N dá-se o nome de
período fundamental (N0).
A amostragem de um sinal periódico contínuo nem sempre
resulta num sinal periódico discreto.
Sinais e Sistemas – p.18/50
Luís Caldas de Oliveira
Sinais Pares e Ímpares
Um sinal é par se for
igual à sua inversão
temporal
x(t) = x∗
(−t)
Um sinal é ímpar se:
x(t) = −x∗
(−t)
...
...
y(t)
x(t)
0 t
t
...
...
Sinais e Sistemas – p.19/50 Luís Caldas de Oliveira
Componente Par e Ímpar
Qualquer sinal pode ser decomposto na soma de um sinal
par com um sinal ímpar:
x(t) = xe(t) + xo(t)
xe(t) =
1
2
[x(t) + x∗
(−t)]
xo(t) =
1
2
[x(t) − x∗
(−t)]
Sinais e Sistemas – p.20/50
Luís Caldas de Oliveira
Exemplo
Determinar a componente par e ímpar do sinal:
x(t)
...
0 t
...
−2 −1 1 2
1
2
Sinais e Sistemas – p.21/50 Luís Caldas de Oliveira
Impulso Unitário Discreto
δ(n) =
0, n 0.
1, n = 0.
... ...
n−4
(n)
43210−1−2−3
δ
Qualquer sequência pode ser expressa em termos de uma
soma de impulsos unitários escalados e deslocados no
tempo:
x(n) =
+∞
k=−∞
x(k)δ(n − k)
Sinais e Sistemas – p.22/50
Luís Caldas de Oliveira
Escalão Unitário Discreto
u(n) =
0, n < 0.
1, n ≥ 0.
... ...
n4210−1−2−3−4 3
u(n)
u(n) =
+∞
k=0
δ(n − k)
Sinais e Sistemas – p.23/50 Luís Caldas de Oliveira
Impulso e Escalão Discretos
O escalão unitário pode-se relacionar com o impulso
unitário:
u(n) =
n
k=−∞
δ(k)
Inversamente:
δ(n) = u(n) − u(n − 1)
Sinais e Sistemas – p.24/50
Luís Caldas de Oliveira
Impulso Unitário Contínuo
O impulso unitário, também designado por função delta ou
distribuição de Dirac, define-se por:
δ(t) = 0, t 0
+ǫ
−ǫ
δ(τ)dτ = 1, ∀ǫ ∈ +
A função δ(t) não se encontra definida para t = 0
Sinais e Sistemas – p.25/50 Luís Caldas de Oliveira
Interpretação do Impulso
−∆/2
...
0 t
...
δ∆ (t) 1/∆
∆/2
δ(t) = lim
∆→0
δ∆(t)
Sinais e Sistemas – p.26/50
Luís Caldas de Oliveira
Representação do Impulso
δ
...
0 t
...
(t)
(1)
A amplitude da seta indica a área do impulso e não o
valor para t = 0.
Sinais e Sistemas – p.27/50 Luís Caldas de Oliveira
Propriedade de Amostragem do Impulso
x(t)δ∆(t) ≈ x(0)δ∆(t)
lim
∆→0
x(t)δ∆(t) = lim
∆→0
x(0)δ∆(t)
x(t)δ(t) = x(0)δ(t)
O produto de uma função por um impulso produz um im-
pulso com área igual ao valor da função no instante do im-
pulso.
Sinais e Sistemas – p.28/50
Luís Caldas de Oliveira
Escalão Unitário Contínuo
u(t) =
0, t < 0.
1, t > 0.
u(t)
...
0 t
...
Para resolver a ambiguidade em 0 usa-se por vezes:
ua(t) =



0, t < 0.
a, t = 0.
1, t > 0.
u(t) =
+∞
0
δ(t − τ)dτ.
Sinais e Sistemas – p.29/50 Luís Caldas de Oliveira
Impulso e Escalão Contínuos
O escalão unitário pode-se relacionar com o impulso
unitário:
u(t) =
t
−∞
δ(τ)dτ.
Inversamente:
δ(t) =
d
dt
u(t)
Sinais e Sistemas – p.30/50
Luís Caldas de Oliveira
Exponencial Contínua
x(t) = Ceat
em que C e a podem ser números complexos:
C = Aejφ
, A, φ ∈
a = −α + jω0, α, ω0 ∈
x(t) = Ae−αt
ej(ω0t+φ)
decompondo em parte real e imaginária:
ℜ{x(t)} = Ae−αt
cos(ω0t + φ)
ℑ{x(t)} = Ae−αt
sin(ω0t + φ)
Sinais e Sistemas – p.31/50 Luís Caldas de Oliveira
Exponencial Real Discreta
Sendo α e A números reais:
x(n) = Aαn
|α| > 1 a sequência |x(n)| é crescente;
|α| < 1 a sequência |x(n)| é decrescente;
α > 0 as amostras da sequência x(n) têm todas o mesmo
sinal de A;
α < 0 as amostras da sequência x(n) são alternadamente
positivas e negativas.
Sinais e Sistemas – p.32/50
Luís Caldas de Oliveira
Exponencial Complexa Discreta
Se α = ejω0
e A = |A|ejφ
:
x(n) = |A|ej(ω0n+φ)
= |A|cos(ω0n + φ) + j|A|sen(ω0n + φ)
Por analogia com a correpondente função contínua, a ω0
chama-se frequência da sinusoide complexa e φ é a sua
fase.
Sinais e Sistemas – p.33/50 Luís Caldas de Oliveira
Periodicidade Temporal
No caso discreto, a sequência exponencial complexa nem
sempre é periódica.
x(n) = x(n + N)
|A|ej(ω0n+φ)
= |A|ej(ω0(n+N)+φ)
= |A|ej(ω0n+φ)
ejω0N
Só é periódica se:
ω0N = 2πk ⇔ N = 2πk/ω0
Mas N tem de ser inteiro!
Sinais e Sistemas – p.34/50
Luís Caldas de Oliveira
Periodicidade em Frequência
No caso discreto, as exponenciais complexas com
frequência (ω0 + 2πr) são indistinguíveis entre si:
|A|ej[(ω0+2πr)n+φ]
= |A|ej(ω0n+φ)
ej2πrn
= |A|ej(ω0n+φ)
Sinais e Sistemas – p.35/50 Luís Caldas de Oliveira
Sistemas
Os sistemas são funções que transformam sinais.
Algumas operações relizadas por sistemas:
armazenamento de sinais;
codificação e descodificação;
encriptação e desencriptação;
realçar parte da informação do sinal;
detecção de informação;
controle de processos físicos;
conversão de formatos;
Sinais e Sistemas – p.36/50
Luís Caldas de Oliveira
Espaço de Funções
Sendo x um sinal cujo domínio é D e o contradomínio C:
x : D → C
Se o sistema S aceitar à sua entrada sinais do tipo x
podemos dizer que o seu domínio é um espaço de
funções ou espaço de sinais X a que x pertence.
Representaremos o espaço de funções envolvendo em
parenteses rectos o domínio e contradomínio dos sinais
que ele representa:
X = [D → C]
Sinais e Sistemas – p.37/50 Luís Caldas de Oliveira
Sistemas como Funções
Um sistema faz o mapeamento de um espaço de sinais
para outro espaço de sinais.
Por exemplo, um microfone é um sistema que converte
sinais acústicos em sinais eléctricos:
S : [Tempo → Pressão] → [Tempo → Tensão]
S
Tempo
Tensão
Tempo
Pressão
Sinais e Sistemas – p.38/50
Luís Caldas de Oliveira
Sistemas Contínuos e Discretos
Um sistema de tempo contínuo é um sistema que tem
como domínio e contra-domínio sinais em tempo
contínuo:
C : [ → ] → [ → ]
Um sistema de tempo discreto é um sistema que tem
como domínio e contra-domínio sinais em tempo
discreto:
D : [ → ] → [ → ]
Sinais e Sistemas – p.39/50 Luís Caldas de Oliveira
Associação em cascata
Entrada
Sistema 1 Sistema 2
Saída
Sinais e Sistemas – p.40/50
Luís Caldas de Oliveira
Associação em paralelo
Entrada
Sistema 1
Sistema 2
Saída
Sinais e Sistemas – p.41/50 Luís Caldas de Oliveira
Retroacção
Saída
Sistema 1
Sistema 2
Entrada
Sinais e Sistemas – p.42/50
Luís Caldas de Oliveira
Sistemas Com e Sem Memória
Um sistema diz-se sem memória se a sua saída num dado
instante só depender da entrada nesse instante.
y(t) = x2
(t) – sem memória
y(n) = x(n) + x(n − 1) – com memória
y(n) = x(n) − y(n − 1) – com memória
y(t) =
t
−∞
x(τ)dτ – com memória
Sinais e Sistemas – p.43/50 Luís Caldas de Oliveira
Sistema Inverso
Um sistema é invertível se entradas distintas
produzirem saídas distintas.
Se um sistema é invertível pode-se encontrar um
sistema inverso que ligado em cascata com o
primeiro produza na sua saída a entrada original
x(n)x(n)
Sistema Inverso
w(n)
Sinais e Sistemas – p.44/50
Luís Caldas de Oliveira
Causalidade
Um sistema é causal se a saída num instante de tempo só
depender de entradas presentes e passadas.
y(t) = x(t − 1/2) – causal
y(n) = x(n + 1) + x(n − 1) – não causal
Todos os sistemas sem memória são causais.
Sinais e Sistemas – p.45/50 Luís Caldas de Oliveira
Estabilidade
Um sistema é estável se todos os sinais de entrada
limitados produzirem sinais de saída limitados:
|x(n)| ≤ Bx < ∞ ∀n −−−−−−−−→
estabilidade
|y(n)| ≤ By < ∞ ∀n
Sinais e Sistemas – p.46/50
Luís Caldas de Oliveira
Sistema Acumulador
y(n) =
n
k=−∞
x(k)
Se a entrada for o escalão unitário (x(n) = u(n) a saída
será:
y(n) =
n
k=−∞
x(k) = (n + 1)u(n)
O sistema acumulador é instável: para uma entrada limi-
tada produz uma saída que cresce indefinidamente.
Sinais e Sistemas – p.47/50 Luís Caldas de Oliveira
Invariância Temporal
T{x(n)} = y(n) −−−−−−−−−−−−−→
invariante no tempo
T{x(n − n0)} = y(n − n0)
Exemplos:
1. y(t) = x(t − 2) – invariante
2. y(t) = x(2t) – variante
3. y(n) = sen(x(n)) – invariante
4. y(n) = nx(n) – variante
Sinais e Sistemas – p.48/50
Luís Caldas de Oliveira
Linearidade
Propriedade da aditividade
T{x1(n)} = y1(n)
T{x2(n)} = y2(n)
−−−−−−−→
aditividade
T{x1(n) + x2(n)} = y1(n) + y2(n)
Propriedade da homogeneidade
T{x(n)} = y(n) −−−−−−−−−−→
homogeneidade
T{ax(n)} = ay(n)
em que a é uma constante arbitrária.
Um sistema linear tem de verificar as propriedades da
aditividade e da homogeneidade.
Sinais e Sistemas – p.49/50 Luís Caldas de Oliveira
Problema
Quais dos seguintes sistemas são lineares?
1. y(t) = tx(t) – linear
2. y(t) = x2
(t) – não linear
3. y(n) = ℜ{x(n)} – linear
4. y(n) = 2x(n) + 3 – não linear
Sinais e Sistemas – p.50/50

Contenu connexe

Tendances

controlabilidade e observabilidade
controlabilidade e observabilidadecontrolabilidade e observabilidade
controlabilidade e observabilidadeJefferson Pedro
 
Análise da complexidade de algoritmos
Análise da complexidade de algoritmosAnálise da complexidade de algoritmos
Análise da complexidade de algoritmosPablo Silva
 
PROJETO DE FILTROS DIGITAIS E SIMULAÇÕES NO MATLAB
PROJETO DE FILTROS DIGITAIS  E SIMULAÇÕES NO MATLAB PROJETO DE FILTROS DIGITAIS  E SIMULAÇÕES NO MATLAB
PROJETO DE FILTROS DIGITAIS E SIMULAÇÕES NO MATLAB Ciro Marcus
 
Aula 02 mecância - movimentos
Aula 02   mecância - movimentosAula 02   mecância - movimentos
Aula 02 mecância - movimentosBruno San
 
Complexidade de algoritmos insertion, selection e bubble sort.
Complexidade de algoritmos insertion, selection e bubble sort.Complexidade de algoritmos insertion, selection e bubble sort.
Complexidade de algoritmos insertion, selection e bubble sort.Júlio Rocha
 
Relações de recorrência
Relações de recorrênciaRelações de recorrência
Relações de recorrênciaPablo Silva
 
Complexidade de Algoritmos, Notação assintótica, Algoritmos polinomiais e in...
Complexidade de Algoritmos, Notação assintótica, Algoritmos polinomiais e in...Complexidade de Algoritmos, Notação assintótica, Algoritmos polinomiais e in...
Complexidade de Algoritmos, Notação assintótica, Algoritmos polinomiais e in...Universidade de São Paulo
 
Ordenação de Dados por Distribuição de Chaves
Ordenação de Dados por Distribuição de ChavesOrdenação de Dados por Distribuição de Chaves
Ordenação de Dados por Distribuição de ChavesMauricio Volkweis Astiazara
 
Análise de Algoritmos - Recursividade
Análise de Algoritmos - RecursividadeAnálise de Algoritmos - Recursividade
Análise de Algoritmos - RecursividadeDelacyr Ferreira
 
Aula24 filtros digitais
Aula24 filtros digitaisAula24 filtros digitais
Aula24 filtros digitaisJaudir Lopes
 
Séries fourier cap_3 Exemplos de Séries de Fourier
Séries fourier cap_3 Exemplos de Séries de FourierSéries fourier cap_3 Exemplos de Séries de Fourier
Séries fourier cap_3 Exemplos de Séries de FourierCiro Marcus
 
Slow Feature Analysis
Slow Feature AnalysisSlow Feature Analysis
Slow Feature AnalysisRafael Pinto
 

Tendances (20)

Aula 6.
Aula   6.Aula   6.
Aula 6.
 
controlabilidade e observabilidade
controlabilidade e observabilidadecontrolabilidade e observabilidade
controlabilidade e observabilidade
 
15444311 tutorial-mat lab
15444311 tutorial-mat lab15444311 tutorial-mat lab
15444311 tutorial-mat lab
 
Aula 4
Aula   4Aula   4
Aula 4
 
Análise da complexidade de algoritmos
Análise da complexidade de algoritmosAnálise da complexidade de algoritmos
Análise da complexidade de algoritmos
 
Aula 5
Aula   5Aula   5
Aula 5
 
PROJETO DE FILTROS DIGITAIS E SIMULAÇÕES NO MATLAB
PROJETO DE FILTROS DIGITAIS  E SIMULAÇÕES NO MATLAB PROJETO DE FILTROS DIGITAIS  E SIMULAÇÕES NO MATLAB
PROJETO DE FILTROS DIGITAIS E SIMULAÇÕES NO MATLAB
 
Aula 02 mecância - movimentos
Aula 02   mecância - movimentosAula 02   mecância - movimentos
Aula 02 mecância - movimentos
 
Complexidade de algoritmos insertion, selection e bubble sort.
Complexidade de algoritmos insertion, selection e bubble sort.Complexidade de algoritmos insertion, selection e bubble sort.
Complexidade de algoritmos insertion, selection e bubble sort.
 
Sist cont i_conf3_2014
Sist cont i_conf3_2014Sist cont i_conf3_2014
Sist cont i_conf3_2014
 
Relações de recorrência
Relações de recorrênciaRelações de recorrência
Relações de recorrência
 
Complexidade de Algoritmos, Notação assintótica, Algoritmos polinomiais e in...
Complexidade de Algoritmos, Notação assintótica, Algoritmos polinomiais e in...Complexidade de Algoritmos, Notação assintótica, Algoritmos polinomiais e in...
Complexidade de Algoritmos, Notação assintótica, Algoritmos polinomiais e in...
 
Ordenação de Dados por Distribuição de Chaves
Ordenação de Dados por Distribuição de ChavesOrdenação de Dados por Distribuição de Chaves
Ordenação de Dados por Distribuição de Chaves
 
Análise de Algoritmos - Recursividade
Análise de Algoritmos - RecursividadeAnálise de Algoritmos - Recursividade
Análise de Algoritmos - Recursividade
 
Aula24 filtros digitais
Aula24 filtros digitaisAula24 filtros digitais
Aula24 filtros digitais
 
Séries fourier cap_3 Exemplos de Séries de Fourier
Séries fourier cap_3 Exemplos de Séries de FourierSéries fourier cap_3 Exemplos de Séries de Fourier
Séries fourier cap_3 Exemplos de Séries de Fourier
 
CFD Aula 6
CFD Aula 6CFD Aula 6
CFD Aula 6
 
Slow Feature Analysis
Slow Feature AnalysisSlow Feature Analysis
Slow Feature Analysis
 
Passo adaptativo stiff
Passo adaptativo stiffPasso adaptativo stiff
Passo adaptativo stiff
 
Sdnotes
SdnotesSdnotes
Sdnotes
 

Similaire à Sinais 2

Aula 05 - Transformada de Laplace.pdf
Aula 05 - Transformada de Laplace.pdfAula 05 - Transformada de Laplace.pdf
Aula 05 - Transformada de Laplace.pdfPedroTVSouza
 
Princípios de Comunicação - UFPI
Princípios de Comunicação - UFPI Princípios de Comunicação - UFPI
Princípios de Comunicação - UFPI Bruno Mesquita
 
Resumo de Raciocínio Lógico para TCM-RJ 2016
Resumo de Raciocínio Lógico para TCM-RJ 2016Resumo de Raciocínio Lógico para TCM-RJ 2016
Resumo de Raciocínio Lógico para TCM-RJ 2016Estratégia Concursos
 
Sistemas de Transmissão Digital
Sistemas de Transmissão Digital Sistemas de Transmissão Digital
Sistemas de Transmissão Digital Francisco Sandoval
 
Processamento digital de sinais
Processamento digital de sinaisProcessamento digital de sinais
Processamento digital de sinaisLuiz Henrique
 
Sistemas de comunicação, digital, di.pdf
Sistemas de comunicação, digital, di.pdfSistemas de comunicação, digital, di.pdf
Sistemas de comunicação, digital, di.pdfBNBN31
 
Trigonometria Seno e Cosseno
Trigonometria Seno e CossenoTrigonometria Seno e Cosseno
Trigonometria Seno e Cossenogustavocosta77
 
523084249-Aula-06-Amostragem.pptx
523084249-Aula-06-Amostragem.pptx523084249-Aula-06-Amostragem.pptx
523084249-Aula-06-Amostragem.pptxssusera6c5d4
 
Conjuntos numéricos versão mini
Conjuntos numéricos   versão miniConjuntos numéricos   versão mini
Conjuntos numéricos versão miniLuciano Pessanha
 
Aula_Zegonc_Ponto_Flutuante_NEW.pdf
Aula_Zegonc_Ponto_Flutuante_NEW.pdfAula_Zegonc_Ponto_Flutuante_NEW.pdf
Aula_Zegonc_Ponto_Flutuante_NEW.pdfJeysonOrihuela
 
Booklet reais
Booklet reaisBooklet reais
Booklet reaispm3d
 
280819 acustica ambiental modulo 02
280819 acustica ambiental modulo 02280819 acustica ambiental modulo 02
280819 acustica ambiental modulo 02Jules Slama
 

Similaire à Sinais 2 (20)

analise_aula03.pdf
analise_aula03.pdfanalise_aula03.pdf
analise_aula03.pdf
 
Aula 05 - Transformada de Laplace.pdf
Aula 05 - Transformada de Laplace.pdfAula 05 - Transformada de Laplace.pdf
Aula 05 - Transformada de Laplace.pdf
 
Princípios de Comunicação - UFPI
Princípios de Comunicação - UFPI Princípios de Comunicação - UFPI
Princípios de Comunicação - UFPI
 
Resumo de Raciocínio Lógico para TCM-RJ 2016
Resumo de Raciocínio Lógico para TCM-RJ 2016Resumo de Raciocínio Lógico para TCM-RJ 2016
Resumo de Raciocínio Lógico para TCM-RJ 2016
 
Sistemas de Transmissão Digital
Sistemas de Transmissão Digital Sistemas de Transmissão Digital
Sistemas de Transmissão Digital
 
Processamento digital de sinais
Processamento digital de sinaisProcessamento digital de sinais
Processamento digital de sinais
 
Sistemas de comunicação, digital, di.pdf
Sistemas de comunicação, digital, di.pdfSistemas de comunicação, digital, di.pdf
Sistemas de comunicação, digital, di.pdf
 
O teorema de cramér lundberg via martingais
O teorema de cramér lundberg via martingaisO teorema de cramér lundberg via martingais
O teorema de cramér lundberg via martingais
 
Trigonometria Seno e Cosseno
Trigonometria Seno e CossenoTrigonometria Seno e Cosseno
Trigonometria Seno e Cosseno
 
523084249-Aula-06-Amostragem.pptx
523084249-Aula-06-Amostragem.pptx523084249-Aula-06-Amostragem.pptx
523084249-Aula-06-Amostragem.pptx
 
523084249-Aula-06-Amostragem.pptx
523084249-Aula-06-Amostragem.pptx523084249-Aula-06-Amostragem.pptx
523084249-Aula-06-Amostragem.pptx
 
Funcoesvetorias
FuncoesvetoriasFuncoesvetorias
Funcoesvetorias
 
Ofdm
OfdmOfdm
Ofdm
 
Conjuntos numéricos versão mini
Conjuntos numéricos   versão miniConjuntos numéricos   versão mini
Conjuntos numéricos versão mini
 
Aula_Zegonc_Ponto_Flutuante_NEW.pdf
Aula_Zegonc_Ponto_Flutuante_NEW.pdfAula_Zegonc_Ponto_Flutuante_NEW.pdf
Aula_Zegonc_Ponto_Flutuante_NEW.pdf
 
pcom_aula22_24.pdf
pcom_aula22_24.pdfpcom_aula22_24.pdf
pcom_aula22_24.pdf
 
Resumo Matemática 3º Ciclo
Resumo Matemática 3º CicloResumo Matemática 3º Ciclo
Resumo Matemática 3º Ciclo
 
Lógica temporal
Lógica temporalLógica temporal
Lógica temporal
 
Booklet reais
Booklet reaisBooklet reais
Booklet reais
 
280819 acustica ambiental modulo 02
280819 acustica ambiental modulo 02280819 acustica ambiental modulo 02
280819 acustica ambiental modulo 02
 

Sinais 2

  • 1. Luís Caldas de Oliveira Sinais e Sistemas Sinais e Sistemas Luís Caldas de Oliveira lco@ist.utl.pt Instituto Superior Técnico Sinais e Sistemas – p.1/50 Luís Caldas de Oliveira Resumo Sinais de tempo contínuo e discreto Transformações da variável independente Sinais básicos: impulso, escalão e exponencial. Sistemas contínuos e discretos Propriedades básicas dos sistemas Sinais e Sistemas – p.2/50 Luís Caldas de Oliveira Sinal Acústico Se s for um sinal acústico: s : Tempo → Pressão Podemos representá-lo na forma de uma função: ∀t ∈ , s(t) = . . . s : → Tempo Pressão Sinais e Sistemas – p.3/50 Luís Caldas de Oliveira Sinal em Tempo Contínuo Um sinal x(t) em tempo contínuo é uma função de uma variável contínua. ∀t ∈ , x(t) = . . . x : → Passaremos a denominar estes sinais pela forma abreviada de sinais contínuos. Sinais e Sistemas – p.4/50
  • 2. Luís Caldas de Oliveira Valor de Fecho do PSI-20 O valor inicial (base) do PSI-20 é de 3000 pontos e é calculado por referência aos preços de fecho da sessão de bolsa de 31 de Dezembro de 1992. Exemplo: {. . . , 7309, 7321, 7315, 7327, 7325, . . .} Sinais e Sistemas – p.5/50 Luís Caldas de Oliveira Sinal em Tempo Discreto Um sinal x(n) em tempo discreto é uma função de uma variável discreta: ∀n ∈ , x(n) = . . . x : → Passaremos a denominar estes sinais pela forma abreviada de sinais discretos. Sinais e Sistemas – p.6/50 Luís Caldas de Oliveira Amostragem de Sinais Contínuos Muitos dos sinais em tempo discreto resultam da amostragem de sinais em tempo contínuo (xc(t)): x(n) = xc(nT), ∀n ∈ em que xc(t) é uma função da variável t ∈ e T é o período de amostragem. ...... T Sinais e Sistemas – p.7/50 Luís Caldas de Oliveira Problema Determinar taxa de compressão de uma faixa de música de um disco compacto ao ser codificada em mpeg-3 a 128 Kb/s. Sinais e Sistemas – p.8/50
  • 3. Luís Caldas de Oliveira Codificação da amplitude Para além da amostragem temporal, a amplitude do sinal pode também ser codificada usando um número finito de bits. No caso de uma codificação linear de 16 bits em complemento para 2: s : → {−32768, . . . , 32767} No caso de uma imagem quadrada com 512x512 pixeis de com 8 bits por cada componente RGB (24 bits): i : {0, . . . , 511}2 → {0, . . . , 255}3 Sinais e Sistemas – p.9/50 Luís Caldas de Oliveira Energia Convencionou-se definir a energia de um sinal como sendo: E∞ = +∞ −∞ |x(t)|2 dt. De forma análoga para o caso discreto: E∞ = +∞ n=−∞ |x(n)|2 . Podem existir sinais com energia infinita! Sinais e Sistemas – p.10/50 Luís Caldas de Oliveira Potência Com base na definição de energia, podemos também definir a potência média de um sinal: P∞ = lim T→∞ 1 2T +T −T |x(t)|2 dt. De forma análoga para o caso discreto: P∞ = lim N→∞ 1 2N + 1 +N n=−N |x(n)|2 . Sinais e Sistemas – p.11/50 Luís Caldas de Oliveira Deslocamento Temporal y(t) = x(t − t0) 0 ... ... ... x(t) y(t) t 0 t t0 Sinais e Sistemas – p.12/50
  • 4. Luís Caldas de Oliveira Problema ... ... 7 n6543210−1 ... ... 7 n6543210−1 x(n) y(n) y(n) = x(n − n0) Qual o valor de n0? Sinais e Sistemas – p.13/50 Luís Caldas de Oliveira Inversão Temporal y(t) = x(−t) t ... ... ... y(t) x(t) 0 0 t Sinais e Sistemas – p.14/50 Luís Caldas de Oliveira Escalamento Temporal y(t) = x(at), a ∈ t ... ... ... y(t) x(t) 0 0 t Sinais e Sistemas – p.15/50 Luís Caldas de Oliveira Problema ... ... −1 x(n) n5 6 70 1 2 3 4 11 2 3 Determine a sequência definida por: y(n) = x(3 − n) Sinais e Sistemas – p.16/50
  • 5. Luís Caldas de Oliveira Sinal Periódico Contínuo Um sinal contínuo diz-se periódico se se mantiver inalterado por um deslocamento temporal de valor T: x(t) = x(t + T), T ∈ Ao menor valor positivo de T dá-se o nome de período fundamental (T0). Sinais e Sistemas – p.17/50 Luís Caldas de Oliveira Sinal Periódico Discreto Identicamente ao caso contínuo, um sinal discreto diz-se periódico se se mantiver inalterado por um deslocamento temporal de N amostras: x(n) = x(n + N), N ∈ Ao menor valor inteiro positivo de N dá-se o nome de período fundamental (N0). A amostragem de um sinal periódico contínuo nem sempre resulta num sinal periódico discreto. Sinais e Sistemas – p.18/50 Luís Caldas de Oliveira Sinais Pares e Ímpares Um sinal é par se for igual à sua inversão temporal x(t) = x∗ (−t) Um sinal é ímpar se: x(t) = −x∗ (−t) ... ... y(t) x(t) 0 t t ... ... Sinais e Sistemas – p.19/50 Luís Caldas de Oliveira Componente Par e Ímpar Qualquer sinal pode ser decomposto na soma de um sinal par com um sinal ímpar: x(t) = xe(t) + xo(t) xe(t) = 1 2 [x(t) + x∗ (−t)] xo(t) = 1 2 [x(t) − x∗ (−t)] Sinais e Sistemas – p.20/50
  • 6. Luís Caldas de Oliveira Exemplo Determinar a componente par e ímpar do sinal: x(t) ... 0 t ... −2 −1 1 2 1 2 Sinais e Sistemas – p.21/50 Luís Caldas de Oliveira Impulso Unitário Discreto δ(n) = 0, n 0. 1, n = 0. ... ... n−4 (n) 43210−1−2−3 δ Qualquer sequência pode ser expressa em termos de uma soma de impulsos unitários escalados e deslocados no tempo: x(n) = +∞ k=−∞ x(k)δ(n − k) Sinais e Sistemas – p.22/50 Luís Caldas de Oliveira Escalão Unitário Discreto u(n) = 0, n < 0. 1, n ≥ 0. ... ... n4210−1−2−3−4 3 u(n) u(n) = +∞ k=0 δ(n − k) Sinais e Sistemas – p.23/50 Luís Caldas de Oliveira Impulso e Escalão Discretos O escalão unitário pode-se relacionar com o impulso unitário: u(n) = n k=−∞ δ(k) Inversamente: δ(n) = u(n) − u(n − 1) Sinais e Sistemas – p.24/50
  • 7. Luís Caldas de Oliveira Impulso Unitário Contínuo O impulso unitário, também designado por função delta ou distribuição de Dirac, define-se por: δ(t) = 0, t 0 +ǫ −ǫ δ(τ)dτ = 1, ∀ǫ ∈ + A função δ(t) não se encontra definida para t = 0 Sinais e Sistemas – p.25/50 Luís Caldas de Oliveira Interpretação do Impulso −∆/2 ... 0 t ... δ∆ (t) 1/∆ ∆/2 δ(t) = lim ∆→0 δ∆(t) Sinais e Sistemas – p.26/50 Luís Caldas de Oliveira Representação do Impulso δ ... 0 t ... (t) (1) A amplitude da seta indica a área do impulso e não o valor para t = 0. Sinais e Sistemas – p.27/50 Luís Caldas de Oliveira Propriedade de Amostragem do Impulso x(t)δ∆(t) ≈ x(0)δ∆(t) lim ∆→0 x(t)δ∆(t) = lim ∆→0 x(0)δ∆(t) x(t)δ(t) = x(0)δ(t) O produto de uma função por um impulso produz um im- pulso com área igual ao valor da função no instante do im- pulso. Sinais e Sistemas – p.28/50
  • 8. Luís Caldas de Oliveira Escalão Unitário Contínuo u(t) = 0, t < 0. 1, t > 0. u(t) ... 0 t ... Para resolver a ambiguidade em 0 usa-se por vezes: ua(t) =    0, t < 0. a, t = 0. 1, t > 0. u(t) = +∞ 0 δ(t − τ)dτ. Sinais e Sistemas – p.29/50 Luís Caldas de Oliveira Impulso e Escalão Contínuos O escalão unitário pode-se relacionar com o impulso unitário: u(t) = t −∞ δ(τ)dτ. Inversamente: δ(t) = d dt u(t) Sinais e Sistemas – p.30/50 Luís Caldas de Oliveira Exponencial Contínua x(t) = Ceat em que C e a podem ser números complexos: C = Aejφ , A, φ ∈ a = −α + jω0, α, ω0 ∈ x(t) = Ae−αt ej(ω0t+φ) decompondo em parte real e imaginária: ℜ{x(t)} = Ae−αt cos(ω0t + φ) ℑ{x(t)} = Ae−αt sin(ω0t + φ) Sinais e Sistemas – p.31/50 Luís Caldas de Oliveira Exponencial Real Discreta Sendo α e A números reais: x(n) = Aαn |α| > 1 a sequência |x(n)| é crescente; |α| < 1 a sequência |x(n)| é decrescente; α > 0 as amostras da sequência x(n) têm todas o mesmo sinal de A; α < 0 as amostras da sequência x(n) são alternadamente positivas e negativas. Sinais e Sistemas – p.32/50
  • 9. Luís Caldas de Oliveira Exponencial Complexa Discreta Se α = ejω0 e A = |A|ejφ : x(n) = |A|ej(ω0n+φ) = |A|cos(ω0n + φ) + j|A|sen(ω0n + φ) Por analogia com a correpondente função contínua, a ω0 chama-se frequência da sinusoide complexa e φ é a sua fase. Sinais e Sistemas – p.33/50 Luís Caldas de Oliveira Periodicidade Temporal No caso discreto, a sequência exponencial complexa nem sempre é periódica. x(n) = x(n + N) |A|ej(ω0n+φ) = |A|ej(ω0(n+N)+φ) = |A|ej(ω0n+φ) ejω0N Só é periódica se: ω0N = 2πk ⇔ N = 2πk/ω0 Mas N tem de ser inteiro! Sinais e Sistemas – p.34/50 Luís Caldas de Oliveira Periodicidade em Frequência No caso discreto, as exponenciais complexas com frequência (ω0 + 2πr) são indistinguíveis entre si: |A|ej[(ω0+2πr)n+φ] = |A|ej(ω0n+φ) ej2πrn = |A|ej(ω0n+φ) Sinais e Sistemas – p.35/50 Luís Caldas de Oliveira Sistemas Os sistemas são funções que transformam sinais. Algumas operações relizadas por sistemas: armazenamento de sinais; codificação e descodificação; encriptação e desencriptação; realçar parte da informação do sinal; detecção de informação; controle de processos físicos; conversão de formatos; Sinais e Sistemas – p.36/50
  • 10. Luís Caldas de Oliveira Espaço de Funções Sendo x um sinal cujo domínio é D e o contradomínio C: x : D → C Se o sistema S aceitar à sua entrada sinais do tipo x podemos dizer que o seu domínio é um espaço de funções ou espaço de sinais X a que x pertence. Representaremos o espaço de funções envolvendo em parenteses rectos o domínio e contradomínio dos sinais que ele representa: X = [D → C] Sinais e Sistemas – p.37/50 Luís Caldas de Oliveira Sistemas como Funções Um sistema faz o mapeamento de um espaço de sinais para outro espaço de sinais. Por exemplo, um microfone é um sistema que converte sinais acústicos em sinais eléctricos: S : [Tempo → Pressão] → [Tempo → Tensão] S Tempo Tensão Tempo Pressão Sinais e Sistemas – p.38/50 Luís Caldas de Oliveira Sistemas Contínuos e Discretos Um sistema de tempo contínuo é um sistema que tem como domínio e contra-domínio sinais em tempo contínuo: C : [ → ] → [ → ] Um sistema de tempo discreto é um sistema que tem como domínio e contra-domínio sinais em tempo discreto: D : [ → ] → [ → ] Sinais e Sistemas – p.39/50 Luís Caldas de Oliveira Associação em cascata Entrada Sistema 1 Sistema 2 Saída Sinais e Sistemas – p.40/50
  • 11. Luís Caldas de Oliveira Associação em paralelo Entrada Sistema 1 Sistema 2 Saída Sinais e Sistemas – p.41/50 Luís Caldas de Oliveira Retroacção Saída Sistema 1 Sistema 2 Entrada Sinais e Sistemas – p.42/50 Luís Caldas de Oliveira Sistemas Com e Sem Memória Um sistema diz-se sem memória se a sua saída num dado instante só depender da entrada nesse instante. y(t) = x2 (t) – sem memória y(n) = x(n) + x(n − 1) – com memória y(n) = x(n) − y(n − 1) – com memória y(t) = t −∞ x(τ)dτ – com memória Sinais e Sistemas – p.43/50 Luís Caldas de Oliveira Sistema Inverso Um sistema é invertível se entradas distintas produzirem saídas distintas. Se um sistema é invertível pode-se encontrar um sistema inverso que ligado em cascata com o primeiro produza na sua saída a entrada original x(n)x(n) Sistema Inverso w(n) Sinais e Sistemas – p.44/50
  • 12. Luís Caldas de Oliveira Causalidade Um sistema é causal se a saída num instante de tempo só depender de entradas presentes e passadas. y(t) = x(t − 1/2) – causal y(n) = x(n + 1) + x(n − 1) – não causal Todos os sistemas sem memória são causais. Sinais e Sistemas – p.45/50 Luís Caldas de Oliveira Estabilidade Um sistema é estável se todos os sinais de entrada limitados produzirem sinais de saída limitados: |x(n)| ≤ Bx < ∞ ∀n −−−−−−−−→ estabilidade |y(n)| ≤ By < ∞ ∀n Sinais e Sistemas – p.46/50 Luís Caldas de Oliveira Sistema Acumulador y(n) = n k=−∞ x(k) Se a entrada for o escalão unitário (x(n) = u(n) a saída será: y(n) = n k=−∞ x(k) = (n + 1)u(n) O sistema acumulador é instável: para uma entrada limi- tada produz uma saída que cresce indefinidamente. Sinais e Sistemas – p.47/50 Luís Caldas de Oliveira Invariância Temporal T{x(n)} = y(n) −−−−−−−−−−−−−→ invariante no tempo T{x(n − n0)} = y(n − n0) Exemplos: 1. y(t) = x(t − 2) – invariante 2. y(t) = x(2t) – variante 3. y(n) = sen(x(n)) – invariante 4. y(n) = nx(n) – variante Sinais e Sistemas – p.48/50
  • 13. Luís Caldas de Oliveira Linearidade Propriedade da aditividade T{x1(n)} = y1(n) T{x2(n)} = y2(n) −−−−−−−→ aditividade T{x1(n) + x2(n)} = y1(n) + y2(n) Propriedade da homogeneidade T{x(n)} = y(n) −−−−−−−−−−→ homogeneidade T{ax(n)} = ay(n) em que a é uma constante arbitrária. Um sistema linear tem de verificar as propriedades da aditividade e da homogeneidade. Sinais e Sistemas – p.49/50 Luís Caldas de Oliveira Problema Quais dos seguintes sistemas são lineares? 1. y(t) = tx(t) – linear 2. y(t) = x2 (t) – não linear 3. y(n) = ℜ{x(n)} – linear 4. y(n) = 2x(n) + 3 – não linear Sinais e Sistemas – p.50/50