análise de sinais
Transcrição
análise de sinais
João Baptista Bayão Ribeiro ANÁLISE DE SINAIS 1ª Edição Rio de Janeiro J. B. Bayão 2013 2 Curriculum do Autor João Baptista Bayão Ribeiro é formado em Engenharia de Telecomunicações pela UFF (Universidade Federal Fluminense) em 1971. Trabalhou na Philips do Brasil como Engenheiro Instalador, na Divisão de Equipamentos Científicos e Industriais e simultaneamente como professor da UFF em tempo parcial. Depois ingressou no Laboratório de Desenvolvimento da antiga Telerj, onde trabalhou em Normas Técnica de Operação e de Sistemas. É pós-graduado em Engenharia Elétrica pelo COPPE-UFRJ, onde obteve o título de MsC em 1979. Na década de 80 trabalhou no CpqD em Campinas, na especificação do projeto Trópico, como Engenheiro da Telecom, de S. Paulo. De volta à Telerj, trabalhou no Planejamento de Redes Telefônicas e de Dados. Fez inúmeros trabalhos para a antiga Telebrás, tendo participado ativamente do processo de digitalização do Sistema Telefônico no Brasil. Participou de vários Congressos e foi Professor em várias turmas de técnicos e engenheiros do SBT no Centro Nacional de Treinamento da Telebrás, em Brasília. Aposentou-se como professor em DE pela Escola de Engenharia da UFF, onde lecionou por vários anos após a privatização do Sistema Telebrás e extinção da antiga Telerj. Foi também Professor Substituto no IME, e Professor do curso à distância “Tecnologias Modernas de Telecomunicações”, promovido pelo Centro de Estudos de Pessoal (CEP) do Exército Brasileiro em convênio com a UFF. Agradecimentos O autor gostaria de expressar seus sinceros agradecimentos ao Prof. Dr. Wainer da Silveira e Silva, pelo auxílio e sugestões durante as fases de elaboração, correção e editoração deste texto. Agradeço também ao Eng.º Paulo Pitta pelos comentários e sugestões realizadas. Em especial, agradeço a compreensão de minha esposa Isis, que forneceu o necessário suporte e teve a paciência de me aturar durante todo este período. Gostaria também de agradecer a todos quanto trabalharam, direta ou indiretamente, na publicação e divulgação desta obra. Dedicatória Dedico este trabalho a minha querida esposa Isis e a meus filhos e netos. 3 Sumário Este Volume visa apresentar ao estudante de engenharia de Telecomunicações, alguns aspectos relativos a Análise de Sistemas e Sinais em Telecomunicações, tais como classificação de sinais, espectro, densidade de potencia, autocorrelação, ruido, filtros, amostragem, distorções, entre outros. O objetivo é treinar o uso de alguns modelos matemáticos, voltados principalmente à análise de sinais determinísticos. Desta forma, é mais voltado ao público especializado. Palavras Chave Sistema, sinal, sinal determinístico, sinal aleatório, telecomunicação, potência, energia, Fourier, perda, ganho, decibel, tempo, frequência, ortogonal, Euler, fasor, espectro, Transformada, função impulso, convolução, função de transferência, distorção, Largura de Banda, filtros ideais, filtros fisicamente realizáveis, amostragem, Nyquist, aliasing, densidade espectral, autocorrelação, espectro de densidade, ruido, distorções, retardo de grupo, distorção linear, distorção não-linear. Direitos Autorais Este documento é protegido por Copyright © 2010 por seu autor listado abaixo. Você pode distribuir e/ou modificar este trabalho, tanto sob os termos da Licença Pública Geral GNU (http://www.gnu.org/licenses/gpl.html), versão 3 ou posterior, ou da Licença de Atribuição Creative Commons (http://creativecommons.org/licenses/by/3.0/), versão 3.0 ou posterior. Autor: João Baptista Bayão Ribeiro Feedback: [email protected] 4 5 Índice Introdução....................................................................................................................................7 Sinal Periódico e Não Periódico..................................................................................................9 Sinal Determinístico e Sinal Aleatório.......................................................................................10 Potência instantânea..............................................................................................................11 Potência instantânea normalizada..........................................................................................12 Potência média......................................................................................................................12 Potência média total..............................................................................................................13 Energia...................................................................................................................................13 Energia total...........................................................................................................................14 Sinal de energia.....................................................................................................................14 Sinal de potência...................................................................................................................15 EXERCÍCIOS............................................................................................................................15 Perda ou Ganho..........................................................................................................................21 Decibel.......................................................................................................................................22 EXERCÍCIOS............................................................................................................................23 dB em relação à 1mW – dBm................................................................................................25 dB em relação à 1W – dBW..................................................................................................25 EXERCÍCIOS............................................................................................................................26 Domínio do Tempo e Domínio da Frequência...........................................................................30 Funções Ortogonais e Funções Senoidais..................................................................................33 Funções senoidas:..................................................................................................................34 Parâmetros:.......................................................................................................................34 Representação de Euler de funções senoidais.......................................................................35 Para o cosseno:.................................................................................................................35 Para o seno:.......................................................................................................................36 Sinais Senoidais no Domínio da Frequência-Espectros.............................................................37 Representação unilateral de x(t)=A cos (ωt + α)...................................................................37 Representação bilateral de x(t)=A cos (ωt+α).......................................................................38 Representação unilateral de x(t)=Asen(ωt+α).......................................................................39 Representação bilateral para x(t)= Asen(ωt+α).....................................................................40 EXERCÍCIOS............................................................................................................................42 Série de Fourier..........................................................................................................................45 EXERCÍCIOS............................................................................................................................48 Forma compacta da série trigonométrica:.............................................................................51 EXERCÍCIOS............................................................................................................................52 Forma complexa da série de Fourier.....................................................................................52 EXERCÍCIOS............................................................................................................................54 Transformada de Fourier............................................................................................................65 EXERCÍCIOS............................................................................................................................68 Função Impulso..........................................................................................................................79 EXERCÍCIOS............................................................................................................................80 Convolução................................................................................................................................88 EXERCÍCIOS............................................................................................................................90 Convolução no Tempo e na Frequência:....................................................................................95 EXERCÍCIOS............................................................................................................................96 Sistemas Lineares-Função de Transferência............................................................................103 EXERCÍCIOS..........................................................................................................................105 Transmissão sem Distorção......................................................................................................121 Função de transferência para transmissão sem distorção:...................................................121 6 Largura de Banda.....................................................................................................................122 Filtros Ideais.............................................................................................................................124 1-Filtro passa baixa (FPB)...................................................................................................124 2-Filtro passa alta (FPA)......................................................................................................127 3-Filtro passa faixa (FPF)....................................................................................................128 EXERCÍCIOS..........................................................................................................................129 Filtros Fisicamente Realizáveis................................................................................................142 Largura de banda W de filtros fisicamente realizáveis........................................................143 Filtro passa baixa RC..........................................................................................................145 EXERCÍCIOS..........................................................................................................................146 Amostragem.............................................................................................................................157 Teorema da amostragem......................................................................................................158 Amostra de x(t) e sua representação....................................................................................159 Espectro do sinal amostrado................................................................................................161 Exemplo da amostragem de um sinal senoidal....................................................................162 EXERCÍCIOS..........................................................................................................................164 Reconstituição do Sinal Analógico..........................................................................................167 Efeito “aliasing”..................................................................................................................169 Filtro anti-aliasiag....................................................................................................................172 Quantização.........................................................................................................................173 Ruido de Quantização..........................................................................................................174 Quantização Não-Uniforme.................................................................................................176 EXERCÍCIOS..........................................................................................................................179 Densidade Espectral de Energia e de Potência.........................................................................183 Densidade espectral de energia, ou espectro de densidade de energia................................184 Autocorrelação de g(t).........................................................................................................185 Função de autocorrelação e a densidade espectral..............................................................186 Autocorrelação e espectro de densidade de potência..........................................................187 Potência e espectro de densidade de potência.....................................................................189 Ruido........................................................................................................................................190 Espectro de densidade de potência do ruido AWGN...........................................................192 EXERCÍCIOS..........................................................................................................................194 Distorções.................................................................................................................................204 Distorção de atenuação ou de amplitude.............................................................................204 Distorção de fase ou retardo de grupo.................................................................................204 Distorção não linear.............................................................................................................208 Linearização em torno do ponto de operação.................................................................209 EXERCÍCIOS – Sequência R..................................................................................................212 Bibliografia..............................................................................................................................219 7 Introdução Na elaboração do livro, será adotado o enfoque do modelamento matemático, que é independente do estado da arte da implementação física. Utilizarem duas abordagens ao estudo e tratamento de sinais e sistemas, que chamaremos de abordagem no domínio do tempo e no domínio da frequência. Muitas vezes essas abordagens são complementares, e ambas as técnicas são utilizadas na análise, no desenvolvimento e na operação dos sistemas. Essas técnicas tradicionais empregam ferramentas bem conhecidas, como o cálculo diferencial e integral e as transformadas de Fourier e Laplace. Técnicas mais recentes admitem a concepção de modelos que atuam com sinais codificados digitalmente. Essas técnicas permitem novas formas de análise de sistemas, utilizando conceitos como amostragem de sinais analógicos, discretização no tempo, na frequência e na amplitude dos sinais e codificação. Qualquer forma de onda pode ser transformada em sequências codificadas de pulsos retangulares nominais. Apesar do desenvolvimento observado na área digital, sistemas analógicos ainda são muito utilizados. Ao estudá-los, usando as técnicas tradicionais de análise no domínio do tempo e da frequência, estamos dando os passos iniciais para o entendimento das novas técnicas de análise, projeto e operação dos modernos sistemas de comunicações. Os pré-requisitos são conhecimentos básicos em sistemas de controle, circuitos elétricos e matemática aplicada, principalmente as noções de cálculo diferencial e integral, sinais e transformadas de Fourier. É desejável também o conhecimento e a possibilidade de uso de pelo menos um dos softwares matemáticos, como o Scilab (“free” -pode ser baixado gratuitamente da Internet), Matlab®, Maple® ou MathCad® (esses são pagos). 8 Conforme Wikipedia, em http://pt.wikipedia.org/wiki/Scilab ; “O Scilab é um software científico para computação numérica semelhante ao Matlab que fornece um poderoso ambiente computacional aberto para aplicações científicas”. Essa possibilidade irá facilitar a realização de alguns Exercícios. Os Exercícios marcados com asterisco encontram-se resolvidos. Isto foi feito para coplementação da teoria, porém recomenda-se ao leitor sua sincera tentativa de solução, inclusive soluções mais elegantes que as apresentadas sem dúvida são possíveis. Pede-se que soluções descobertas pelo leitor sejam realimentadas ao autor. O uso de recursos informáticos para acesso à Internet também é fundamental para o estudo dos assuntos tratados no livro, pois permite a consulta de referências e fontes disseminadas pela rede, além das citadas no texto. 9 Sinal Periódico e Não Periódico Um sinal x(t) é dito periódico em relação a variável t se existe uma constante T0 > 0 tal que: x (t)=x(t+ T0 ) (2-1) para −∞< t<∞ T0 é chamado período de x(t). O período T 0 define a duração de um ciclo completo de x(t). A Figura 2.1 apresenta um sinal periódico x(t), no caso um trem de pulsos retangulares periódico de período T0 e nível médio, ou de CC, igual a Aτ/T 0, sendo A amplitude do pulso, τ sua largura e T0 o período. Figura 2.1 O ponto inicial para a contagem de tempo de um sinal periódico é arbitrário. Quando possível, este instante é definido de modo a simplificar a descrição matemática do sinal periódico, geralmente forçando o aparecimento de simetrias no seu desenho geométrico. Assim, uma onda periódica retangular pode ser feita um sinal par em sua descrição matemática, como na Figura 2.1. Um sinal não periódico é aquele para o qual não podemos definir uma caracaracterística como a da Equação 1. 10 Um sinal de duração finita, como um pulso, pode ser considerado um sinal não periódico, como o da Figura 2.2. Sinal Determinístico e Sinal Aleatório Um sinal determinístico é aquele cujo valor em um instante futuro pode ser previsto com exatidão, a partir do conhecimento de seu valor no instante presente e de sua lei de formação, ou equação. Exemplo: Um pulso exponencial x(t)=e -t para t > 0, conforme Figura 2.2, ou o sinal periódico da Figura 2.1. Figura 2.2 Um sinal é aleatório quando seu comportamento só pode ser descrito em termos estatísticos. Assim, o conhecimento do valor x(t 0) não permite determinar exatamente x(t1), sendo t1 > t0 (t0 é o valor atual, ou presente, e t 1 é um valor futuro).Não há uma equação exata para descrever x(t). Entretanto, por exemplo, a probabilidade de que x(t 1) esteja dentro de determinada faixa de valores pode ser estimada. 11 A Figura 2.3 apresenta uma descrição gráfica de um sinal de ruido , exemplo de um típico sinal aleatório . Figura 2.3 Potência instantânea A potência instantânea dissipada por um sinal x(t), em uma carga resistiva de valor R Ω, depende se x(t) representa um sinal de tensão ou de corrente. Sua unidade no sistema MKS é o Watt (W). A Figura 2-4 apresenta a expressão de p(t) para ambos os casos. Figura 2-4 x(t) : tensão elétrica (V) ou corrente (A) 12 R : carga (Ω) p : potência instantânea (W) Potência instantânea normalizada. Em estudo de sistemas de comunicações, a potência pode ser normalizada, assumindo-se R=1Ω. Se o valor não normalizado da potência for necessário, ele pode ser calculado, a partir do conhecimento da impedância no ponto.Assim, p( t)=x2 (t) (2-2) Com a normalização de R a 1Ω, a expressão da potência instantânea é a mesma, x(t) sendo uma forma de onda de tensão ou de corrente, conforme mostra a Figura 2-5. Figura 2-5 Potência média. Uma vez estabelecido o intervalo de tempo T 0 , a potência média neste intervalo é definida como: 13 (2-3) Potência média total. Corresponde à potência média para T0 → ∞ (2-4) Quando x(t) for periódico, a potência média total é igual à potência média calculada quando T0 é igual ao período do sinal: (2-5) Energia. Energia representa potência x tempo, que fisicamente significa trabalho. Ou seja, dada uma certa potência, quanto maior o tempo durante o qual aquela potência se manifestar maior a energia dissipada pelo sinal ou fornecida por ele durante aquele tempo. Por isso é que para medir a quantidade de eletricidade fornecida pela companhia distribuidora medimos a quantidade total de energia elétrica consumida pelas nossas casas. 14 Nessa medição de energia, o que importa é o acúmulo energético. Assim, um lâmpada de 30W ligada durante 24h consome tanta energia quanto um chuveiro elétrico de 3600W ligado durante 12min (30x24)=(3600×1/5). A unidade de medida da energia no sistema MKS é o Jaule (J), sendo 1J = 1W×s. (Por conveniência, para medir o gasto energético residencial, utilizamos um múltiplo do J, o kW×hora). Assim, a energia medida ou dissipada durante o tempo T é dada por: (2-6) Energia total Da mesma forma que a potência média total , a energia total é definida para T0→ ∞. (2-7) Sinal de energia. Um sinal de energia é aquele que possui energia total finita. Como consequência, sua potência média total é igual a zero. Exemplo: Um pulso de amplitude e duração finitas. Algumas vezes é conveniente lidar diretamente com a energia. Isto ocorre principalmente com formas de onda utilizadas para gerar pulsos em sistemas digitais, os quais tendo duração mensurável, são parametrizados em uma base de energia/pulso. 15 Algumas vezes, também, pode haver a necessidade da análise de sinais que podem ser considerados sinais de energia, como por exemplo surtos de tensão ou de corrente, causados por indução de elementos externos aos sistemas (queda de raios, por exemplo), na simulação para teste e projeto de sistemas de proteção de linhas e aparelhos. Sinal de potência. É aquele cuja potência média é finita e diferente de zero. Como consequência, sua energia total é sempre E=∞. Exemplo: Um sinal aleatório, com duração teoricamente infinita 1. Em sua maioria, os sinais que lidamos em sistemas de comunicações são sinais de potência (sinais periódicos ou sinais aleatórios como a informação ou o ruido). EXERCÍCIOS A-2.1-Qual a potência total de um sinal de energia? A-2.2-Qual a energia total de um sinal de potência? A-2.3-Um sinal pode ser de energia e de potência simultaneamente? Justifique sua resposta. *A-2.4-Calcule a energia do pulso de RF (rádio frequência) definido pela fórmula abaixo: Sugestão: Para facilitar, considere t 0=0 . Note que 1/f0 não necessariamente é 1 Na verdade, nenhum sinal tem duração infinita. Entretanto, se o seu tempo de duração for muito maior que o tempo de manifestação de parâmetros significativos do sinal sendo observado, ele pode ser considerado infinito por simplificação. 16 igual a T ( ou seja, o pulso de RF não necessariamente tem uma duração múltipla inteira de um período 1/f0). O pulso não é periódico. Ele só ocorre uma vez. T é a duração do pulso. Solução: T [ T ] [ t sen4 π f 0 t T sen 4 π f 0 t Ex =∫ [Asen2 π f 0 t] dt=A − =A² − 2 8 π f0 2 8 πf 0 0 0 2 2 ] A-2.5-Repita o Exercício A-2.4, desta vez supondo que T (duração do pulso) seja um múltiplo inteiro do período da função senoidal que forma o pulso de RF (1/f 0). *A-2.6-Calcule a potência total dissipada pelo pulso de RF do Exercício A-2.4. Solução Px =lim T→ ∞ Ex =0 T pois Ex é finito A-2.7-Calcule a potência dissipada pelo pulso de RF do Exercício A-2.5 no intervalo de t0 a t0+T. R: A2/2 A-2.8-O pulso de RF do Exercício A-2.5 é um sinal de energia, no entanto, o Exercício A-2.7 calculou sua potência como sendo A2/2. Como explicar este fato? A-2.9-Calcule a potência total do sinal periódico {A |sen(2Πf0t)|} conforme a Figura 2.6. Este sinal constitui uma onda senoidal retificada. Suponha sua duração como sendo infinita (-∞<t<∞). R: P=A2/2. A-2.10-Calcule a potência média de 3 períodos do sinal periódico da Figura 2.6 R: A2/2 A-2.11-Calcule a energia de 3 períodos do sinal periódico da Figura 2.6. 17 R: 3TA 2/2 Figura 2.6 *A-2.12-Uma sequência periódica de pulsos retangulares, como na Figura 2.1, de largura de pulso τ e período T, pode ser representado pela fórmula x T(t)=AΠT(t/τ). Baseado nesta representação, faça um gráfico para xT(t)=AΠT[(t-τ1)/τ2]. Solução Figura A-2.12 A-2.13-Baseado no resultado do Exercício A-2.12, faça um gráfico para xT(t)=2Π4(t-1/2). Qual o valor de xT(t) para t=0,5; t=-0,5 e t=-3,5? R: 2; 0 e 2. 18 *A-2.14-Faça um gráfico para 2Π4(t/0,5). Faça -6<t<6. Solução: Figura A-2.14 *A-2.15-Faça um gráfico para xT(t)=Π4[2 (t-1)]. Faça -4<t<9. Solução: x T (t)=Π 4 [2(t−1)]=Π 4 [ (t−1) ] 0,5 Figura A-2.15 19 *A-2.16-Faça um gráfico de xT(t)=Π4(2t-1). Faça -4<t<10. Solução: ∣ x T (t)=Π 4 (2t −1)=Π4 [2 (t−0,5)]=Π4 t−0,5 0,5 ∣ Figura A-2.16 A-2.17-Se um pulso retangular de energia de largura τ e amplitude A, centrado na origem, fosse representado como AΠ(t/τ), como seria a representação matemática para o sinal periódico da Figura 2.1 em termos de um somatório infinito de pulsos de energia de largura τ e amplitude A, centrados em 0, ±1,±2,±3...? *A-2.18-Trace o gráfico do sinal x(t)=[sen(πt)/(πt)], para -10<t<10. O sinal x(t), assim definido, é também conhecido como x(t)=sinc(t). Qual o valor máximo do sinal x(t), e para que valor de t ele ocorre? O 1° zero do sinal x(t) ocorre para que valor de t? O sinal x(t) é um sinal de energia ou de potência? Por quê? 20 R: Valor máximo=1 em t=0; 1° zero do sinal x(t) em t=±1. Solução: Figura A-2.18 sinc(t) é um sinal de energia, pois a sua energia total tende a 1. 21 Perda ou Ganho Em um sistema de comunicações, algumas vezes é necessário relacionarmos a potência média de um sinal presente em um determinado ponto do sistema com a potência média do sinal em outro ponto (por exemplo, o sinal na saída do sistema com o sinal na entrada do sistema). Este relacionamento pode ser realizado simplesmente dividindo-se uma pela outra. Assim, se Psaída= 10 ×Pent, é razoável pensar que o sistema introduziu um ganho de valor 10. Desta forma, se Pent = 5W , Psaída = 50W Pent = 0,5W , Psaída = 5W Pent = 5.10-6W , Psaída = 5.10-5W Para todos os casos acima, o sistema introduziu um ganho de 10 (adimensional). Assim, como houve ganho, poderia ter havido perda, neste caso P saída < Pent . Em geral, ao compararmos a potência em pontos diferentes do sistema, estamos interessados em pontos pelos quais flui o mesmo tipo de sinal, qualitativamente falando (por exemplo, sinais analógicos de voz na mesma banda básica, ou sinais digitais modulados enviados para um satélite ocupando uma determinada banda). 22 Decibel Suponha que um sinal x(t) é transmitido por um sistema de comunicações, e nesse processo ele pode ser atenuado, ou amplificado, no sentido de que sua potência média pode diminuir ou aumentar, respectivamente. Os valores de potência média deste sinal em dois pontos diferentes do sistema podem ser relacionados de duas formas: 1-Relação linear, obtida dividindo-se diretamente os valores de potência 2-Relação logarítmica, obtida de acordo com: X (dB)=10 log 10 Pa Pb (2-8) O valor assim obtido (X) diz-se estar expresso em decibel (a relação abrevia-se dB, de decibel). O valor expresso em dB pode representar uma perda ou um ganho. Se P a representa a potência no ponto A e P b no ponto B, se X(dB) for positivo então P a>Pb. Se X(dB) for negativo, então Pa<Pb. A relação X(dB) também pode representar a relação entre as potências de dois sinais A e B no mesmo ponto do sistema. É o caso, por exemplo, da relação entre a potência de um sinal útil (sinal de informação - SdB) e um sinal de ruido (NdB) [o ruido é um sinal indesejável, e infelizmente está presente em todos os pontos de um sistema , com maior ou menor intensidade – a simbologia N é derivada da expressão “Noise”, que significa ruido, em inglês]. Assim , se S/N = 30dB, significa que naquele ponto do sistema o sinal útil tem potência 1000 vezes maior do que o sinal de ruido. 23 EXERCÍCIOS B-2.1-Em um sistema de comunicações, transmitindo de A para B conforme ilustra a Figura 2-7, a potência do sinal em A é P A=3,2mW. A potência do sinal em B é PB=1,9μW. Calcule PA/PB utilizando valores lineares e logarítmicos. Houve ganho ou perda? Figura 2-7 B-2.2-Em um sistema de comunicações, transmitindo de A para B, a potência do sinal em A é PA=1,9μW, e a potência do sinal em B é P B = 1mW. Calcule PA/PB utilizando valores lineares e logarítmicos. Houve ganho ou perda? *B-2.3-No Exercício B-2.1, qual é a relação, em dB, de P B para PA, e como interpretar este resultado? Solução: B é a saida e A a entrada. Se P B <PA, houve uma perda de 32,3 dB. Também podemos dizer que houve ganho negativo, no valor de -32,3 dB. Daí, concluirmos que ganho negativo significa perda, em dB. B-2.4-No Exercício B-2.2, qual a relação, em dB, de P B para PA, e como se interpreta o resultado? *B-2.5-Um sistema de transmissão apresenta ganho entre dois pontos, A e B, e a relação da potência de A, PA para a potência de B, PB, é de +10dB. Qual o sentido de transmissão? 24 Solução: Vê-se que PA>PB. Como foi afirmado que o sistema apresenta ganho, o sentido de transmissão é de B --->A, ou seja, B é a entrada e A é a saída. B-2.6-Um sistema de transmissão apresenta perda entre dois pontos A e B, e a relação PA/PB vale -3,5dB. Qual o sentido de transmissão? *B-2.7-Vamos supor que desejamos relacionar em unidades logarítmicas a tensão em V. Como seria essa relação expressa em decibéis? Justifique. Solução: Vê-se que PA>PB. Como foi afirmado que o sistema apresenta ganho, o sentido de transmissão é de B --->A, ou seja, B é a entrada e A é a saída. *B-2.8-Em se tratando de tensões, a relação em dB é como no Exercício B-2.7. Se entre dois pontos de um sistema temos uma relação P 1/P0=0.5, qual a relação entre as tensões V1/V0 nestes pontos, sabendo que V 1 gerou P1 e V0 gerou P0, e que a impedância nos dois pontos podem serem consideradas iguais? Solução: 2 P! = V 21 R P0 = V 20 R V1 P! R =0,5= 2 P0 V0 R Simplificando, temos: V1 2 [ ] =0,5 Logo V0 V1 =√ 0,5 V0 B-2.9-Em um sistema de comunicações, no ponto A, a tensão é de 1,3 V. No ponto B, a tensão deste sinal é 0,5 V. Qual o valor, em dB, da relação V B para VA? Suponha impedância de A = impedância de B. B-2.10-Em referência ao Exercício B-9, supondo que a impedância no ponto A seja 25 igual à impedância no ponto B, e sendo ambas iguais a 50 Ω, qual o valor das potências em A e B, em W? dB em relação à 1mW – dBm A potência de um sinal também pode ser expressa em unidades logarítmicas. A definição é semelhante ao decibel, comparando-se o valor de potência no ponto desejado com um valor de referência. Quando esse valor de referência é igual a P0=1mW, a unidade de medida resultante denomina-se dBm (dB em relação a 1mW). O dBm é muito utilizado em cálculos de potência de sinais. Assim, X( dBm)10 log 10 P1 P0 onde P 0=1mW=10−3 W (2-9) dB em relação à 1W – dBW Algumas vezes usa-se um valor de referência P0= 1W. Neste caso, a unidade de medida recebe o nome de dBW (dB em relação a 1W). Em cálculos de balanceamento de enlaces em sistemas de transmissão via satélite, costuma-se usar dBW na indicação de potências. Exemplo de alguns valores: Potência de sinal gerada pelo transmissor para o satélite: 20dBW (100w). Sinal transmitido para o satélite (inclui potência do transmissor+ ganho da antena parabólica): +70dBW (enlace de subida a 8,0GHz). Potência recebida pelo satélite: -110,0dBw (10 -11w). (Satélite geoestacionário a 35800 km de altitude). Inclui perdas no caminho de transmissão (203dB: perda de propagação no espaço livre ) e ganho da antena parabólica de recepção no satélite (+36dB) e alguns outros fatores. 26 EXERCÍCIOS C-2.1-Usando a definição de dBm, faça o seguinte: a-Expresse em dBm uma potência de 10mW; b-Expresse em dBm uma potência de 0,01mW; c-Expresse em dBm uma potência de 1mW; d-Expresse em dBm uma potência de 150mW; e-Expresse em dBm uma potência de 0,15mW; f- Expresse em dBm uma potência de 2mW; g- Expresse em dBm uma potência de 0,5mW. C-2.2-Usando a definição de dBm, faça o seguinte: a-Expresse em mW uma potência X=5dBm; b- Expresse em mW uma potência X=-8dBm; c-Expresse em mW uma potência X=100dBm; d-Expresse em mW uma potência X=-100dBm; e-Expresse em mW uma potência X=8dBm; f-Expresse em mW uma potência X=11dBm; g-Expresse em mW uma potência X=0dBm. C-2.3-Um sistema de transmissão, mostrado na Figura 2.8, com o sentido de transmissão dado, apresenta os valores indicados de potência de sinal nos pontos A, B, C, D e E. Indique se cada bloco insere perda ou ganho, dando o respectivo valor para cada bloco. Indique o valor total do ganho do sistema. Figura 2.8 *C-2.4-Em um sistema de comunicações ocorre a soma de dois sinais, de potências 27 S1 e N1, respectivamente. Calcule a potência do sinal resultante. Dados: S1=10mW N1 = 3mW. Expresse o resultado em dBm. Solução: A soma de potências ocorre em unidades lineares. Assim: S1+N1=10+3=13mW. Passando para dBm, vem: S1 +N1 (dBm)= 11,139 dBm É claro que as duas potências dos sinais em questão deverão ser medidas utilizando a mesma largura de banda no medidor e sob a mesma impedância. C-2.5-Em um sistema de comunicações ocorre a soma de dois sinais, de potências S1 e N1, respectivamente. Calcule a potência do sinal resultante. Dados: S1=-3dBm N1=-15dBm Expresse o resultado em dBm. *C-2.6-A relação sinal/ruido, S/N, em um ponto de um sistema de comunicações, é definida como sendo a razão entre a potência do sinal S, em mW, e a potência do ruido N, também em mW, naquele ponto. Sendo S=10mW e N=5×10-4W, expresse a relação S/N em dB. Solução: S 10×10−3 = =20 N 5×10−4 Logo: S/N(dB)=10 log 10 20=13,01 dB C-2.7-Em um ponto de um sistema de comunicações, a potência do sinal, S, é de -20dBm, e a potência do ruido, N, de -45dBm. Qual a relação S/N em dB? *C-2.8-Em um ponto de um sistema de comunicações a impedância é definida como sendo = 600 Ω resistivos. Se a potência especificada de sinal no ponto é -10dBm, qual o valor em V do sinal? Considere o sinal como sendo senoidal e de 1 KHz de frequência. Solução: Normalmente, refere-se ao valor eficaz do sinal, medido com um voltímetro CA 28 (de um multitester, por exemplo), Em se tratando de sinais senoidais, o valor eficaz vale 0,707 do valor de pico (valor de pico=0V ao |valor máximo|). (V 2ef /600)×103 −10dBm=10log 10 1 Vef é dado em V. ( V 2ef /600)×103 −1 =10 1 Daí, V 2ef=10−4 ×600 portanto, V ef=10−2× √ (600)=0,2449 V=244,9 mV C-2.9-A carga máxima em um ponto de um sistema é 10dBm. Este valor está normalizado a 1Ω . Se a impedância real for 75Ω , qual o valor da amplitude máxima ponto a ponto A de um sinal senoidal a ser aplicado neste ponto, que satisfaça a especificação de carga máxima? *C-2.10-Na entrada de um sistema, deseja-se efetuar um teste onde injetam-se duas frequências diferentes, f1Hz e f2Hz. Se ambas geram uma potência de 0dBm, qual a potência total gerada? Solução: Será o dobro, ou seja +3 dBm. A medição deste valor será obtida desde que a largura de banda do medidor deixe passar as frequências f 1 e f2 sem atenuação e a fonte1 não interfira na fonte2 e vice-versa. *C-2.11-Em um enlace para um satélite, temos a seguinte situação: Potência do transmissor = 25dBW; Ganho de transmissão da antena = 63,4dB; Perdas de propagação = 202,7dB; Tolerância para desvanescimentos de sinal e outras perdas = 10dB; Ganho das antenas de recepção no satélite = 33dB Preencha a tabela abaixo, calculando a potência total recebida pelo satélite em dBW e em W. 29 Cálculo de Balanceamento Potência do transmissor (+) = :_______dBW Ganho de transmissão da antena (+) = :_______dB; = :_______dBW (-) = :_______dB; (-) = :_______dB; (+) = :_______dB; Potência total recebida pelo satélite (?) = :_______dBW Potência total transmitida Perdas de propagação Tolerância para desvanescimentos de sinal e outras perdas Ganho das antenas de recepção no satélite :_______W Solução: Cálculo de Balanceamento Potência do transmissor (+) = :25dBW Ganho de transmissão da antena (+) = :63,4dB; = :88,4dBW (-) = :202,4dB; (-) = :10dB; (+) = :33dB; Potência total recebida pelo satélite (?) = :-91dBW Potência total transmitida Perdas de propagação Tolerância para desvanecimentos de sinal e outras perdas Ganho das antenas de recepção no satélite :7,94x10 10W 30 Domínio do Tempo e Domínio da Frequência Conforme o site http://pt.wikipedia.org/wiki/Domínio_do_tempo da Wikipedia “Domínio do tempo é um termo usado em análise de sinais para descrever a análise de funções matemáticas com relação ao tempo. No domínio do tempo, o valor da função é conhecido em cada instante, no caso de tempo contínuo, ou em vários instantes separados, no caso de tempo discreto.” Assim, podemos dizer que no domínio do tempo a variável livre, nas equações que tratam de sinais e suas relações, representa tempo. Ainda segundo Wikipedia, “Em análise de sinais, domínio da frequência designa a análise de funções matemáticas com respeito à frequência, em contraste com a análise no domínio do tempo. A representação no domínio da frequência pode também conter informação sobre deslocamentos de fase.” Com isto, entendemos que um sinal ou relações em um sistema, podem ser representados sob pelo menos dois pontos de vista principais, um em que existe uma variável livre que é o tempo, e outro em que a variável livre é a fase ou a frequência. Podemos alternar entre uma representação ou outra, desde que haja uma definição precisa da relação entre as duas representações. Exemplo: Conforme a Figura 2-9, uma onda quadrada pode ser representada no domínio do tempo, pela sua forma de onda, ou no domínio da frequência pela sua frequência básica de repetição. Esta é apenas uma das possíveis representações. Outra representação veremos adiante, com a série de Fourier. 31 Figura 2-9 Desde que se convencione que a forma da onda é sempre a de pulsos quadrados, e que a amplitude da frequência sendo positiva significa que a onda quadrada inicia com uma excursão positiva conforme a Figura 2-9, a representação no domínio da frequência não deixa margem a dúvidas. Só fica indeterminada a fase inicial da onda quadrada, que pode ser indicada em um outro gráfico. Sabendo-se as convenções, é possível representar outras formas de onda no domínio da frequência conforme acima, colocando-as como sendo compostas de ondas quadradas. A Figura 2-10 apresenta um exemplo de como a forma de onda em 2-10 c) pode ser considerada uma composição (no caso, soma) das formas de onda em 2-10 a) e b). 32 Figura 2-10 33 Funções Ortogonais e Funções Senoidais Uma determinada forma de onda pode ser decomposta em um conjunto de funções básicas, que são somadas para gerar a dita forma de onda. Veja como exemplo a Figura 2-10, onde a temos a forma de onda em 2-10c), que pode ser considerada uma composição das formas de onda em 2-10 a) e b). A questão é saber que propriedades são desejáveis para a forma de onda básica, a partir da qual as demais formas de onda são geradas. Um dos requisitos é que este conjunto de funções básicas seja o mais abrangente possível, isto é, que se consiga representar o maior número possível de formas de onda. Por exemplo, as formas de onda empregadas na representação da Figura 2-10 são limitadas a representação de formas retangulares. Apesar de muitas funções poderem ser utilizadas como básicas, pode ser demonstrado que uma boa função básica atende ao requisito chamado ortogonalidade. A palavra “ortogonal” vem dos termos gregos “ortho”-reto e “gonia”-ângulo. Portanto ortogonal aponta para o significado ângulo reto (por exemplo, dois vetores bidimensionais fazendo entre si um ângulo de 900 são ortogonais). Matematicamente, para um conjunto de funções ortogonais a integral do produto de qualquer par de funções ortogonais é igual a zero .Assim, sendo m≠n (2.10) Se m=n, temos a área sob o quadrado de f , integrada de a até b. Existem muitos conjuntos de funções ortogonais, entre eles o conjunto dos sinais senoidais. 34 Algumas características tornam interessante o uso de funções senoidais como funções básicas para um conjunto ortogonal: a)Muitos sistemas físicos lineares têm seu comportamento descrito por uma equação da forma: cuja solução vem em forma de funções senoidais. b)Funções senoidais são periódicas. c)A descrição de funções senoidais é invariante para diversas transformações, como derivação ou seja, a derivada de cos (x) (que é uma função senoidal) continua a ser senoidal. Aqui, nós empregaremos a expressão forma de onda senoidal ou função senoidal para se referir tanto a função cos x quanto a função sen x. (veja a Figura 1-11). Funções senoidas: y1=Asen θ ou y2=Acosθ Asen θ = Acos (θ -90°) Parâmetros: A: amplitude (uma grandeza qualquer, por exemplo, V ou A ou W) θ: ângulo ou fase (rad ou graus) t: tempo (s) θ=ωt + α ω: frequência angular (rad/s) α: fase inicial (rad ou graus) ω=2πf 35 f: frequência (Hertz) f=1/T0 T0: período. (s) Representação de Euler de funções senoidais Para o cosseno: (2-11) Esta equação admite uma interpretação gráfica. A função cosseno é dada pela soma de dois fasores2 girantes, um no sentido horário (expoente negativo) e outro no sentido anti horário (expoente positivo). Os dois fasores girando em sentidos opostos e com a mesma velocidade anulam a componente imaginária, que estaria defasada de 90°. A velocidade angular dos fasores é igual a ω. A Figura 2-11 ilustra essa visualização. Figura 2-11 2 Um fasor é um vetor girante centrado na origem (0,0) de um plano complexo, onde o eixo das abscissas representa o eixo imaginário e o eixo real das ordenadas o eixo dos reais. 36 Para o seno: (2-12) Para o seno3], da mesma forma que para o cosseno, esta fórmula admite a seguinte interpretação gráfica, conforme a Figura 2-12. Novamente, temos a soma de dois fasores, só que um deles está rebatido na origem, devido ao sinal negativo. Desta vez, a soma dos dois fasores, anula a componente real, restando uma componente no eixo imaginário A soma resultante é um imaginário, daí a necessidade da divisão por j para o resultado ser um número real. A velocidade de rotação dos fasores é igual a ω. Figura 2-12 3 Na representação de Euler, a componente em cosseno é a projeção do fasor sobre o eixo real, e a componente em seno é a projeção do fasor sobre o eixo imaginário. 37 Sinais Senoidais no Domínio da Frequência-Espectros Um sinal senoidal possui três parâmetros básicos; amplitude, frequência e fase. Uma vez que uma representação gráfica no domínio da frequência gera um gráfico bidimensional, precisamos de dois gráficos, um para a amplitude e outro para a fase. Esses gráficos são representativos do espectro de frequências dos sinais. Assim, cada frequência, ou cada sinal senoidal, gera uma raia do espectro, que corresponde, no gráfico, à uma linha vertical da amplitude ou fase da componente espectral. Dois tipos de representação podem ser utilizados – representação unilateral e representação bilateral. A representação unilateral, também chamada representação positiva do espectro, dá um sentido físico para a frequência. Temos dois gráficos, (um para a amplitude e outro para a fase), ambos apenas para frequências positivas, (eixo das ordenadas em ambos os gráficos) que pode ser graduado em Hz ou em rad/s. A representação bilateral, apesar de à primeira vista parecer mais complicada, na verdade irá simplificar muitas equações posteriores relativas à análise espectral de sistemas, pois como veremos o deslocamento de um espectro para diferentes regiões de frequência ocorrerá de forma a proporcionar raciocínios envolvendo deslocamentos de regiões negativas para positivas, explicando facilmente o surgimento de novas frequências espectrais positivas e reais. Representação unilateral de x(t)=A cos (ωt + α) Conforme mostra a Figura 2-13, o espectro unilateral do cosseno utiliza dois 38 gráficos para a representação no domínio da frequência, um para a amplitude e outro para a fase. Figura 2-13 Representação bilateral de x(t)=A cos (ωt+α) A representação bilateral é baseada na representação fasorial de Euler: Veja a Equação (2-11). Assim, aparece o conceito de frequência negativa, que não tem significado físico, apenas matemático, representando um fasor girando no sentido negativo (e -jωt). A Figura 2-14 apresenta o espectro bilateral do cosseno: O gráfico de amplitudes é sempre positivo, apresentando simetria par. Já o gráfico de fases apresenta simetria ímpar. Note que são necessários dois fasores conjugados para a formação de um sinal real, no caso o cosseno. Fasores conjugados têm a mesma amplitude e fases opostas, girando em direções opostas mas sempre na mesma velocidade. 39 Figura2-14 Representação unilateral de x(t)=Asen(ωt+α) Por convenção, os gráficos do espectro de frequências representam cossenos. Entretanto reconhecendo que, topologicamente falando, o seno também tem a mesma forma de onda que o cosseno, diferindo apenas por uma diferença na fase (os dois são defasados de 90°), os gráficos de espectro de frequência também podem representar senos. Uma forma de fazer isto, sem mudar as convenções iniciais, seria usar a relação trigonométrica sen(ωt+α)=cos(ωt+α-90°). Outra forma seria convencionar quando um gráfico de espectro representa o seno ou quando representa o cosseno. 40 A Figura 2-15 apresenta o espectro unilateral do seno, baseado em que sen(ωt+α)=cos(ωt+α-90°). Figura 2-15 Representação bilateral para x(t)= Asen(ωt+α) Assim como no caso anterior de cosseno, a representação bilateral é baseada na fórmula de Euler, conforme a Equação (2-12). Assim, temos os gráficos de amplitude e fase representados na Figura 2-16 4,5, baseados também na relação sen(ωt+α)=cos(ωt+α-90°). 4 São necessários dois fasores conjugados para a formação de um sinal real, como no caso do cosseno. 5 Dividir por j equivale a acrescentar uma fase de -90°. 41 Figura 2-16 42 EXERCÍCIOS D-2.1-Trace o espectro unilateral de frequências do sinal y(t)=2+7 cos (2π 10 t + π/4) +4 sen (2π 25 t) – 3 cos (2π 30 t) *D-2.2- Repita D-2.1 para a forma bilateral do espectro de frequências. Solução: Conforme Figura D-2.2 Figura D2.2 Nota: Na Figura D-2.2, optou-se por informar através do gráfico de fase o valor negativo da parcela -3cos(30t). Desta forma, o gráfico de amplitudes é sempre positivo. *D-2.3-Suponha que se resolva traçar um gráfico de espectro unilateral de frequências do sinal no Exercício D-2.1, só que utilizando uma escala logarítmica para o eixo das abscissas. Como seria o aspecto deste gráfico? Solução Conforme a Figura D-2.3 43 Figura D-2.3 Nota: Nesta representação, não se consegue expor graficamente o nível de CC, pois log 0 = -∞, Conclui-se que esta não é a representação adequada para o espectro unilateral, se bem que a indicação do nível de CC pode ser feito a parte. *D-2.4-Repita D-2.3 para o gráfico de espectro bilateral. Solução: Não é possível representar o espectro bilateral desta forma, pois não existe logaritmo de número negativo. *D-2.5-Como seriam genericamente traçados gráficos de módulo e fase para o espectro bilateral do sinal definido pela série: Solução: 44 Módulo: Gráficos de barras (exemplo Figura D-2.2), onde para cada n é levantada uma barra vertical com amplitude |X n|. A largura da barra não é importante. n é um inteiro, variando de -∞ a +∞. O eixo das abcissas pode ser graduado diretamente em n, (adimensional) ou em nf0 ou ainda em nω0. f0 é chamada frequência da fundamental de x(t) sendo indicada em Hz. ω 0 é também chamada frequência fundamental de x(t), sendo que, de um modo geral, nω=2πnf. nω é a frequência angular de cada componente de x(t), indicada em rad/s. Em n=0 temos a frequência zero ( em Hz ou rad/s), representando o nível de CC (corrente contínua) existente em x(t). A amplitude de cada barra vertical |X(n)| é igual a ∣ T /2 ∣ 1 ∣X n∣= ∫ x (t )e−jn ω t dt =∣< x(t)e− jn ω t >∣ =|xn +jyn|, onde ω0 = 2πf0 e, pela T −T /2 0 0 fórmula de Euler, x n=< x(t)cos ω 0 t > e y(t )=−< x(t )sen ω0 t > . , sendo n um inteiro, incluindo zero. Fase: Gráficos de barras (exemplo Figura D-2.2), onde para cada n é levantada uma barra vertical com amplitude φn=atan(yn/xn). Nota: Xn e jn ω0 t −jn ω0 t +X*n e φn =∣Xn∣e e jn ω0 t −φn −jn ω0 t +∣Xn∣e e =∣Xn∣{ e jn ω0 t+ φn −jn ω 0 t−φ n +e }= = 2 ∣Xn∣ cos(n ω0 t+ φn ), que representa a harmônica n na série de Fourier compacta de x(t). onde Xn é um número complexo função de n, isto é, X n=x(n) + jy(n), n inteiro e variando de -∞<n<+∞, sendo x(t) um sinal real. Isto implica em que X -n=X+n*, ou seja, x(-n)=x(n) e y(-n)=-y(n). 45 Série de Fourier A série de Fourier decompõe matematicamente um sinal periódico qualquer em um somatório de funções senoidais. Essas funções senoidais formam um conjunto de funções ortogonais, e atendem à condição da Equação (2.10). Assim, as funções base deste conjunto de funções ortogonais são funções senoidais. Pode-se dizer que, ao calcular os valores de amplitude e fase de cada componente senoidal a série de Fourier fornece o espectro de frequências de um sinal periódico. Genericamente, o número de termos da série de Fourier é infinito. Em casos particulares , ou para aproximações numéricas, este número pode ser finito. A análise de sinais no domínio da frequência estuda o comportamento das componentes espectrais de um sinal, componentes que podem ser interpretadas como integrantes da série de Fourier do sinal. Este tipo de análise é particularmente útil em se tratando de sistemas lineares e invariantes no tempo, que atendem ao princípio da superposição. Sua ação sobre o sinal periódico pode ser computada como o somatório, ou a resultante das ações individuais sobre cada componente espectral. Forma expandida da série trigonométrica: (2.13) onde sendo T0 o período de x(t). Cada componente da série tem frequência nω 0. Na série trigonométrica, cada frequência tem uma componente em cosseno de amplitude an e uma componente em seno de amplitude bn. O coeficiente a0 fornece a chamada componente de 46 corrente contínua (CC) do sinal. Dado um determinado sinal periódico x(t), o conjunto das componentes a 0, an, bn e a frequência da fundamental ω0 completamente identificam o sinal. Assim , um sinal periódico pode ser analisado no domínio do tempo, através de sua forma de onda x(t), ou no domínio da frequência, através de seu espectro, obtido calculando-se suas componentes espectrais a 0, an e bn e sabendo-se a frequência ω0 da fundamental, que depende apenas do período do sinal. As componentes espectrais a0, an e bn são obtidas aplicando-se a condição de ortogonalidade da Equação 2.10, obtendo-se: (2.14) (2.15) (2.16) A integração é feita ao longo de um período. O instante inicial t 0 é arbitrário, e geralmente é escolhido de forma a gerar simetrias espaciais na definição da forma de onda x(t), simplificando assim o cálculo dos coeficientes. Observe que como resultado desse cálculo obtém-se um valor para a 0, que corresponde ao valor médio do sinal x(t), e dois vetores, teoricamente de comprimento infinito (isto é, com infinitas componentes), de componentes reais em função de n. A ocorrência de simetrias na definição de x(t) provoca o anulamento de um dos vetores an ou bn , daí a importância na escolha de t 0. Desta forma, demonstra-se que, se x(t) é uma função par, bn=0 para qualquer n, e se x(t) é impar, a n=0 para qualquer n. Traçando-se gráfico de barras dos valores de a0 , an e bn em função da frequência 47 obtém-se o espectro de frequência unilateral de x(t) (n é sempre positivo). O componente de CC (a0) ocorre na origem, ou seja corresponde a ω=0 ou f=0. Os demais componentes ocorrem para a fundamental (n=1, correspondendo a f1=1/T0 ou ω1=2π/T0) e múltiplos (n=2, n=3, n=4,...). Os componentes múltiplos da fundamental são chamados harmônicos. 48 EXERCÍCIOS E-2.1-Calcule a série de trigonométrica de Fourier (coeficientes na forma expandida) e trace o espectro de frequências unilateral do sinal periódico da Figura 2-1. São dados T0=4. Largura de pulso = 1. Amplitude = 2. R: a0 = 0,5 bn=0. an=(4/n)sen(n/4) E-2.2-Calcule a série trigonométrica de Fourier (coeficientes na forma expandida) de um trem de pulsos retangulares, de amplitude A, largura τ e período T 0. Confirme o resultado obtido no Exercício E-2.1. R: a0=Aτ/T0 an=(2A/n)sen(nτ/T0) bn=0. *E-2.3-Faça um desenho do espectro unilateral de frequências do trem de pulsos retangulares de amplitude 2 V, largura 1,5 s e período 4 s. Faça n variar de 0 a 8, calculando 8 componentes do espectro. R: n ω(rad/s) an bn ___________________________________________________ 0 1 2 3 4 5 6 7 8 0 1,57 3,14 4,71 6,28 7,85 9,42 10,99 12,56 0,75 1,18 0,45 -0,16 -0,38 -0,10 0,15 0,17 0,00 0 0 0 0 0 0 0 0 0 Note que a frequência do n-ésimo harmônico é n vezes a da fundamental (n=1). Solução: Para simplificar o cálculo dos coeficientes, o trem de pulsos será representado pela fórmula abaixo: 49 x T (t)=2 Π4 t 1,5 ( ) Conforme resultado do Exercício E 2.2, a0={2x1,5)/4=0,75 an = 2×2×1,5 sinc (0,375×n) A figura E.-2.3 abaixo representa o espectro 4 unilateral de forma gráfica. Figura E-2.3 Esta figura foi obtida, após algumas manipulações com o BROffice Impress, com a seguinte listagem Scilab: X=[]; for n=1:1:8 x=(2*2*1.5/4)*sin(0.375*n*%pi)/(0.375*n*%pi); X=[X x]; end bar(X,.2,'black') xgrid *E-2.4-Para os dados do Exercício E-2.3, faça um esboço para a forma de onda resultante da soma da fundamental com a 4a harmônica do sinal. Considere t≤8. Solução: A fundamental, no caso a componente que corresponde a n=1: x1=C1cos (ω0t), ou seja: x1=1,18 cos(1,57t). Portanto, é um cos de fase zero, amplitude 1,18 e período 50 T=4s. A 4ª harmônica tem n=4. Daí, x4=-0,38cos(6,28t). Portanto, é um cos de amplitude -38 e fase zero. A Figura E -2.4 apresenta um gráfico para x 1+x4 em 2 períodos, correspondendo a t=8s Figura E-2.4 Esta Figura foi obtida com a seguinte listagem para o Scilab: *E-2.5-Para os dados do Exercício E-2.3, demonstre que o 1 o nulo ocorre quando nτ/T0=K, sendo K o menor inteiro positivo e real. Determine n e K. R: n=8 e K=3. Solução: A amplitude da componente 51 C n= 2A τ n τ sen T ( ) . Portanto, Cn=0 pela 1a vez (1o nulo) quando nk =K , sendo K o menor inteiro para a relação T Assim, para o primeiro nulo, n é o nτ , n=1, 2, 3⋯ T menor inteiro para o qual kT n= τ , K=1, 2. 3 ⋯ No caso K KT n= τ 1 2,6666 2 5,3333 3 8 Portanto, o primeiro nulo ocorre para n=8 e K=3. Forma compacta da série trigonométrica: (2.17) Os coeficientes se relacionam com os coeficientes da forma expandida da seguinte forma: (2.18) (2.19) (2-20) Conforme verificamos, a forma compacta é apenas uma outra forma de se escrever a forma expandida, onde ao invés de termos a n (coeficiente do cosseno) e bn (coeficiente do seno) temos cn (coeficiente de um sinal senoidal resultante da soma de um cosseno com um seno de mesma frequência) e a fase resultante θn. O espectro continua a ser unilateral, com dois gráficos, um para c n e outro para θn. 52 EXERCÍCIOS F-2.1-Repita o Exercício E-2.1 para a forma compacta da série de Fourier. R: c0=0,5 cn6=(4/n)sen(n/4) θn=0. F-2.2-Repita o Exercício E-2.2 para a forma compacta da série de Fourier. R: c0=a0, cn=an, bn=0 F-2.3-Repita o Exercício E-2.3 para a forma compacta da série de Fourier. *F-2.4-Prove as Equações 2.18, 2.19 e 2.20. Solução: a n cosn ω0 t+ bn sen n ω0 t=√ (a n + bn )[ 2 2 (√ an 2 n 2 n (a + b ) ) (√ cosn ω 0 t + bn (a2n +b 2n ) ) sen n ω0 t ] Usando a identidade trigonométrica: cos (A−B)=( cosAcosB+ senAsenB)=( an b ×cos A+ n ×senA) e Cn Cn fazendo c n=√ (a2n +b 2n ) e A=ω0t temos que cos B= an Cn e sen B= bn Cn , sendo - B=θn temos que θn =−arc tg bn an Forma complexa da série de Fourier A forma complexa da série de Fourier utiliza a equivalência de Euler expressa nas Equações (2.11) e (2.12), representando o cos e o sen como a soma de dois fasores, um girando no sentido anti-horário (frequência positiva) e outro no sentido horário (frequência negativa). Surge então, para essa representação, o conceito de frequência negativa, que não tem significado físico, apenas matemático. 6 A rigor, cn é sempre positivo, pois representa módulo (valor absoluto). Portanto, os valores negativos da função sen deveriam se refletir na fase, fazendo θn=180° quando sen<0. Por simplificação, admite-se valores para cn <0 e θn=0 sempre. 53 Assim, uma frequência física, real, é dada pela soma de dois fasores, um de frequência positiva e outro, de mesma amplitude, de frequência negativa. A expressão resultante é bastante compacta, e por isso será bastante utilizada neste livro. A série em forma complexa de Fourier se escreve: (2.21) O coeficiente Xn é calculado pela fórmula: (2.22) onde T0 é o período de x(t). O espectro de frequências do sinal x(t) será dado por dois gráficos, ambos função de nω0 ou de n, -ꝏ < n < ꝏ. Sendo n sempre um inteiro, n=0, ±1,±2,±3..., os gráficos serão sempre gráficos de barra, cada barra proporcional ao valor |X n| ou θn, conforme seja o gráfico de módulo ou o gráfico de fases, pois X n é um número complexo, e pode ser escrito na forma n módulo e fase:. Xn=|Xn|ej θ . Para uma função x(t) real, temos sempre o gráfico de |X n| par e o gráfico de θn impar. A série exponencial de Fourier fornece um espectro bilateral, onde a parte negativa do eixo das frequências significa a formação de um fasor girando no sentido horário (-), e necessita de um outro fasor na parte positiva, de mesma amplitude e girando no sentido anti-horário (+), para a representação de um sinal real. 54 EXERCÍCIOS *G-2.1-A figura 2.17 apresenta um circuito de um retificador de onda completa. Para este circuito, quando a entrada x e(t) for o sinal senoidal x e(t)=Asen (2πf0t) a saída será o sinal retificado xs(t)=|Asen(2πf0t)|. (veja a Figura 2-6). Calcule a série complexa de Fourier para xs(t). Forneça as frequências das 4 primeiras harmônicas e o nível de corrente contínua do sinal. Figura 2-17 R: Tomando-se como referência a frequência f0 do sinal senoidal de entrada, temos: fundamental : n=1 : fs1=2f0. 2o harmônico : fs2=4f0. 3o harmônico : fs3=6f0. 4o harmônico : fs4=8f0. O nível de corrente contínua será dado por 2A/π. Solução: Série complexa de Fourier: n=+∞ x s (t )= ∑ X n e jn ω t onde ω0=2π/Ts. 0 n=−∞ Atenção: Se escrevermos ω0=2π/T como é usual, corremos o risco de confundir o período da onda não retificada, identificado por T, com o período T s do sinal retificado, pois Ts=T/2 e assim ω0=4л/T=4πf0. X n= 1 Ts t 0+ Ts ∫ x s (t) e−jn ω t dt onde ω0=2π/Ts. 0 t0 Sabendo que Ts=T0/2, e fazendo t0=0, temos: 55 T0 /2 2 X n= Ts −jn ∫ A(sen 2 π t/T 0) e 4π t T0 dt Daí, 0 2A 1 X n= π 1−4n 2 ( ) Frequência dos 5 primeiros harmônicos: 1º harmônico: fs1=ω0/2π =2f0, f0=1/T0, onde T0 é o período da onda de entrada. 2º harmônico: fs2=4f0. 3º harmônico: fs3=6f0. 4º harmônico: fs4=8f0 5º harmônico: fs5=10f0 *G-2.2-Faça um esboço do espectro de frequências complexo de Fourier dos sinais xe(t) e xs(t) do Exercício G-2.1. Calcule até a 5a harmônica. Solução: a)Sinal xe(t)=Asen2πf0t Este é um sinal senoidal. Portanto, é um sinal de frequência f 0, ou seja, só tem uma componente no espectro, que é o próprio sinal. Utilizando a fórmula de Euler, sen x= e jx −e−jx 2j , então e j2 πf t −e−j2 π f t x e (t)=Asen 2 π f 0 t=A = 2j A j2 π f t A − j2π f t A j2π f t A −j2 π f e − e =− j e +j e 2j 2j 2 2 0 0 0 0 0 0 t Portanto, X e1+ = −j π A − j π2 A e = (− j=e 2 ) coeficiente para n=+1 2 2 X e1−= jπ A j π2 A e = ( j=e 2 ) 2 2 coeficiente para n=-1 A Figura G 2-2.1 apresenta o espectro do sinal acima: 56 Figura G-2-2.1 b)Sinal xs(t): A série do sinal de saída é dada por: x s (t)= ∞ ∑ n =−∞ e jn4π f t , n=1,2 ,3,⋯ f0 é a frequência do sinal de entrada, xe(t). 0 As frequências do espectro de xs(t), são múltiplos pares de fo. Segundo o resultado do Exercício G-2.1, n Xn/A 0 0,64 ±1 -0,21 ±2 -0,04 ±3 -0,02 ±4 -0,01 ±5 -0,006 2A 1 X n= π 1−4n 2 ( ) . Assim, A Figura G-2.2 ilustra graficamente este espectro de frequência, em função de n. O afastamento entre raias é de 2f0. 57 Figura G-2.2 *G-2.3-De que maneira o conteúdo espectral do sinal de entrada x e(t) do Exercício G-2.1 foi alterado pelo circuito retificador? E a potência? Analise e comente em relação à distribuição espectral do sinal de saída x s(t), à distribuição de potência na frequência do sinal de entrada em relação ao sinal de saída e em relação a linearidade do circuito retificador. Solução: O sinal de entrada é um sinal senoidal puro. Possui apenas uma componente espectral, de frequência f0. O espectro complexo de Fourier, atendendo à convenção matemática da série complexa, apresenta f0 e -f0 conforme a Figura G 2-1. O nível C.C. do sinal de entrada é zero. A potência média é A 2/2. Podemos afirmar, portanto, que toda a potência do sinal de entrada está concentrada na frequência f0 do espectro. Já o nível de C.C. do sinal de saida é bastante elevado, correspondendo a quase 64% da amplitude máxima do sinal de entrada. A menor frequência do espectro de saida vale 2f0, com uma amplitude relativa de 42% da amplitude do sinal de entrada. Além disso, o espectro do sinal de saida apresenta valores em todos os múltiplos pares de f0, inclusive em fs=0 (C.C.). Entretanto, a potência total do sinal de saida é a metade que a potência rms de entrada. Isto pode ser verificado realizando-se a integral do quadrado de xs(t)2 ao longo do período do sinal de saida, que é a metade do período de entrada. Ou ainda, vê-se logo que a área sob a curva de x s(t)2 é a metade da área sob xe(t)2, quando considerados os períodos respectivos. 58 Conclui-se, portanto, que o circuito retificador é um circuito não linear, pois não atende ao princípio da superposição. Podemos dizer que a frequência f0 foi espalhada no espectro nas frequências componentes do sinal de saida, pelo circuito retificador. A maior parte da potência fica concentrada em f=0 (0,41=0,642). *G-2.4-Calcule a série exponencial de Fourier de um trem de pulsos retangulares, de amplitude A, largura τ e período T 0. Assuma simetria par pela escolha adequada de t0, conforme a Figura 2-1. R: Solução: A série exponencial de Fourier de um sinal periódico x(t) se escreve: +∞ x(t)= ∑ n=−∞ Xn e jn ω0 t n é sempre um número real , inteiro, variando de −∞ a +∞ Xn é o coeficiente da série. O período do sinal periódico x(t) sendo considerado=T0, temos que ω0=2Л/T0 , onde ω0 representa o intervalo de frequência espectral entre componentes do espectro. Temos que a série exponencial tem componentes espectrais positivas e negativas, usando portanto a representação bilateral. É baseada na fórmula de Euler, onde uma função senoidal é representada por dois fasores conjugados, Para um sinal x(t) real, para representar uma componente são necessários 2 componente, uma positiva e outra negativa, X n e-X-n Sendo x(t) um sinal real, Xn e X-n são complexos conjugados. Cálculo de Xn 1 X n= T0 t0 + T0 ∫ x(t)e− jn ω t dt , ou seja, a integração é feita ao longo de um ¿ t= t0 período da variável livre t. O instante inicial t 0 pode ser arbitrado, normalmente 59 sendo escolhido de modo a facilitar o cálculo da integral de X n. No caso deste exercício, como valor para t 0 deve ser escolhido para que a integral seja simétrica, será feito t0=-T0/2, de modo que Xn fica: τ/ 2 X n= A A 2 sen (n ω¿ τ /2) −jn ω t e dt= ∫ T 0 −τ /2 T0 n ω0 0 = A τ sinc n τ T0 T0 f0 = Assim, a série exponencial de Fourier do ω0 1 = 2 π T0 sinal pedido é: t A ΠT0 ( τ )= +∞ ∑ n=−∞ jn ω t A τ sinc n τ e T0 T0 0 Obs: Para se escrever a série, basta Xn. Por isso, a resposta numérica foi dada em termos de Xn. *G-2.5-Trace o gráfico do espectro bilateral do trem de pulsos do Exercício G-2.4. Para o traçado, considere T0=4τ e repita para T0=10τ, primeiro mantendo T0 invariável e variando τ, e depois mantendo o valor de τ constante e variando T 0. Solução: As Figuras G-2.5-1 a G-2.5-4 apresentam o resultado pedido. Na Figura G-2.5-1, T0=1 e τ=0,25. Na Figura G-2.5-2, T0=1 e τ=0,1. Na Figura G-2.5-3, T0=4 e τ=1. Na Figura G-2.5-4, T0=10 e τ=1. 60 Figura G-2.5-1 Figura G-2.5-2 61 Figura G-2.5-3 Figura G-2.5-4 As quatro Figuras acima foram geradas usando a listagem abaixo, escrita e reproduzida em qualquer editor de textos, para o software matemático Scilab. 62 pi=4*atan(1); Nn=input('Entre com o numero de componentes unilaterais: '); T0=10; tau=T0/10; A=1; X=[]; for n=-Nn:1:Nn if n == 0 then xx=A*tau/T0; else xx=(A*tau/T0)*((sin(n*pi*tau/T0)/(n*pi*tau/T0))); end X=[X xx]; end bar(X,0.2,'black') xgrid *G-2.6-Para o Exercício G-2.5, verifique e relate o que acontece com os espectros. Em particular, determine quantas raias do espectro existem desde n=0 até a primeira raia nula e relacione este resultado com os valores de T 0 e τ. Verifique também onde ocorre o 1º nulo do espectro, para n, f e ω. Verifique o que acontece se T0/τ=4,75. Solução: Analisando os gráficos do Exercício anterior verificamos que a forma geral do espectro é de uma função “sinc“, e que o número de raias até o 1° nulo depende apenas da relação T0/τ. Por exemplo, na Figura G-2.5-3, onde T0/τ=4 , o 1° nulo ocorre para n=4. Desta forma, existem 3 raias não-nulas, o 1°, o 2° e o 3° harmônicos. O 4°harmônico é nulo. Assim, em relação a n, a forma geral das funções “sinc” é a mesma para uma dada relação τ/T0 , não dependendo dos valores particulares de τ ou T0. Entretanto, se o eixo das abcissas for graduado para ω ou f, a forma exata dos espectros dependerá dos valores particulares de τ ou T. Isto pode ser visto se considerarmos que ω0=2л/T, sendo ω0=afastamento entre raias, e que o 1° nulo ocorrerá para ω=2Л(T/τ)xT=2Л/τ. Portanto, temos: Gráfico G-2.5-1: Espaçamento entre raias (em ω)= 2Л/1= 2Л. 1° nulo: ω=2Л/τ=2Л/0,25=8Л rad/s. 63 Gráfico G-2.5-2: Espaçamento entre raias (em ω)= 2Л/1= 2Л. 1° nulo: ω=2Л/τ=2Л/0,1=20Л rad/s. Gráfico G-2.5-3: Espaçamento entre raias (em ω)= 2Л/4= Л/2. 1° nulo: ω=2Л/τ=2Л/1=2Л rad/s. Gráfico G-2.5-4: Espaçamento entre raias (em ω)= 2Л/10= Л/5. 1° nulo: ω=2Л/τ=2Л/1=2Л rad/s. Se T0/τ=4,75, e o eixo das abcissas graduado em n, o 1° nulo ocorrerá para n=4,75. Como as raias só acontecem para n um número inteiro, tanto o 4 ° quanto o 5° harmônicos existirão e serão diferentes de zero. . Figura G-2.6-1 *G-2.7-A partir das fórmulas de Euler, Equações 2-11 e 2-12, mostre que c n=2|Xn|. Solução: Equação 2-11: 64 Equação 2-12: A série exponencial se escreve: Onde Xn é um fasor de módulo |Xn| e fase α Temos que:, se x(t) é um sinal real, então X n é complexo conjugado de X-n, e somamos um fasor com frequência positiva com seu correspondente fasor complexo conjugado negativo para obter uma componente real de x(t): X n e jn ω t +X *n e− jn ω t =∣Xn∣e jn ω t +α +∣Xn∣* e−( jn ω t +α)=∣Xn∣{e( jn ω t+ α) +e−(jn ω t +α) }=2∣Xn∣cos (n ω0 t+ α) 0 0 0 0 Assim, comparando com a série compacta, vemos que: X 0=C 0 e 2∣Xn∣=C n 0 0 65 Transformada de Fourier Quando f(t) é uma função não periódica qualquer seu espectro de frequências é calculado através da transformada de Fourier. A transformada de Fourier pode ser justificada como uma passagem ao limite da série de Fourier. Para visualizarmos essa passagem, consideremos um sinal periódico qualquer, fT(t), conforme ilustrado na Figura 2-18, e imaginemos que seu período T tende a infinito. Figura 2-18 Função periódica quando T tende a infinito A série de Fourier de fT(t) se escreve: onde 66 Quando T0→∞,. a função periódica fT(t) tende a f(t) – vide Figura 2.18. Também ω 0 se torna tão pequeno que podemos considerá-lo um infinitésimo, e a variável discreta nω0 se transforma na variável continua ω. As raias do espectro se tornam tão unidas que se transformam em uma função continua, porém de amplitude muito pequena, praticamente um infinitésimo, pois são proporcionais a 1/T 0, como mostra a equação para Fn. Substituindo-se o valor de Fn na série de Fourier para fT(t), e fazendo t0 = -T0/2, sem perda de generalidade, vem: Quando T0→∞., ω0→dω e nω0→ variável contínua ω e fT(t) → f(t). O somatório tende a uma integral e temos: Assim, temos : (2.23) (2.24) As equações (2.23) e (2.24) definem respectivamente a transformação direta e inversa de Fourier. 67 Como, de um modo geral, F(ω) é uma função complexa, pode ser representada nas formas polar e cartesiana: onde Como a transformada de Fourier é definida como uma integral, é na verdade uma soma infinita de termos infinitamente pequenos, dando como resultado um valor finito. Se f(t) representa um sinal real, isto é, sem partes imaginárias, então |F(ω)| é uma função par, e (ω) uma função impar. 68 EXERCÍCIOS *H-2.1-Calcule o espectro de densidade de frequências de um pulso retangular de largura τ e amplitude A. Desenhe o gráfico de F(ω) pelo menos até |ω|<8π/τ. R: F(ω)=Aτsinc(ωτ/2π) sendo sinc(x)=sen(πx)/πx. Solução: Como não foi definida a posição no tempo do pulso retangular, para simplificar o cálculo este pulso retangular será será representado pelo sinal simétrico x(t)=AΠ(t/τ), conforme a Figura H-2.1.1 abaixo. Figura H-2.1.1 Assim, X(ω) será calculado pela integral: +τ 2 [ −j ω τ jω τ ] − jω t 2 −e 2 = 2 X (ω)=∫ x (t)e dt=∫ Ae dt= Ae ] −τ =A e −∞ −τ − jω 2 −jω 2 jω τ − jω τ sen ω τ 2A e 2 −e 2 2A 2 = ω = ω sen ω τ =A τ =A τ sinc ω τ τ 2j 2 2π ω 2 +∞ − jω t [ +τ −j ω t ] ( ) ( ) 69 Graficamente, temos, para A=1 e τ=1: Aτ -2π/τ 2π/τ Figura H-2.1.2 A figura acima foi gerada pela listagem abaixo, feita para o software Scilab; pi=4*atan(1); A=1; tau=1; X=0; w=-8*pi:0.1:8*pi; X=A*tau*(sin(w.*tau/2)./(w.*tau/2)); plot2d(w,X) xgrid *H-2.2-Calcule o espectro de densidade de frequências do sinal x(t)=AΠ[(t-τ)/τ], sendo x(t) uma função retangular de amplitude A, centrada em t=τ e de largura τ. Desenhe o gráfico de X(ω) (módulo e fase) pelo menos até |ω|<8π/τ. R: Aτsinc(ωτ/2π)e-jωτ Solução: Um possível gráfico para o pulso x(t) está apresentado na Figura H-2.2.1. 70 Figura H-2.2.1 Utilizando o resultado anterior e a propriedade do deslocamento no tempo podemos escrever: Se AΠ(t/τ) <----------> Aτsinc(ωτ/2π) então AΠ(t-τ/τ)<---------> Aτsinc(ωτ/2π)e-jωτ O acréscimo linear de fase corresponde, portanto, a um deslocamento no tempo. A Figura H-2.2.2 mostra como fica característica de fase do pulso. Como podemos observar, é uma reta passando pela origem, com inclinação -τ (sendo τ o retardo de tempo do pulso). Figura H-2.2.2 A característica de amplitude é como na Figura H-2.1.2. 71 *H-2.3-Esboce o gráfico do espectro de densidade de frequências do sinal x(t)=2Π[(t-3)/1,5], representado na Figura 2-19. Solução: Desafio para o leitor. *H-2.4-Para o sinal x(t)=2Π[(t-3)/1,5], representado na Figura 2-19, calcule a contribuição para o valor do pulso em t=3s, pela faixa de frequências do espectro que vai de 0,9 a 1,1Hz. R: -0,5 V para o valor do pulso em t = 3s, que é de 2 V. Figura 2-19 Portanto, o valor x(t0) é formado pela contribuição de todas as frequências do espectro. No caso deste Exercício, foi solicitada a contribuição da faixa de frequências de 0,9 a 1,1Hz, para o valor x(3). Como podemos observar da Figura 2-19, x(3)=2. Como este valor, para ser obtido, precisa da contribuição de toda a faixa de frequências de X(ω), a faixa pedida, de 0,9 a 1,1Hz, contribuirá com apenas uma parcela g(3) para x(3)=2. Sendo X(ω) representativo do espectro complexo de Fourier, vamos calcular 2 parcelas, uma relativa à parte negativa do espectro e outra relativa à parte positiva do espectro. Assim, temos: −2 π(0,9) 2 π(1,1) 1 1 g1 (3)= X(ω)e jω 3 dω+ X(ω)e jω 3 dω No caso, ∫ ∫ 2 π −2 π(1,1) 2 π 2 π(0,9) X (ω)=3 sinc ( ω×1,5 − j ω3 )e Assim, 2π 72 2,2 π −1,8 π 1 ω×1,5 ω×1,5 g1 (3)= 3sinc( )d ω+ ∫ 3sinc( )d ω A ∫ 2 π −2,2 π 2π 2π 1,8 π integral da função sinc(ωx1,5/2π) pode ser calculada aproximadamente para o intervalo considerado, que é mínimo. Assim, ω sinc(ωx1,5/2π) 2,2π 2,0π 1,8π -0,17 -0,21 -0,21 Portanto,sinc(ωx1,5/2π)≈0,21 para 1,8π<|ω|<2,2π Daí, 3 g1 (3)= 2π [∫ −1,8 π −2 ; 2 π 2,2 π ] (−0,21) dω+ ∫ (−0,21) d ω =−0,5 1,8 π Portanto a faixa de frequências especificada, de 0,9 a 1,1Hz, contribui com aproximadamente -0,5V para o valor do pulso em t=3V, que é de 2V. H-2.5-Para o pulso retangular especificado no Exercício H-2.4, calcule a contribuição da mesma faixa de frequências de 0,9 a 1,1Hz para o valor do pulso em 0,7s. R: 0,076 V aproximadamente. *H-2.6-Qual a contribuição da frequência de 1Hz para o valor do pulso especificado em H-2.4 em t=3s? R: 0 V. Solução: Conforme o conceito de espectro de densidade de frequências é necessário uma faixa de frequências para uma contribuição finita ao valor do sinal. Uma única frequência gera uma contribuição infinitesimal, portanto zero. *H-2.7-Utilizando a propriedade da derivação no tempo, calcule o espectro de densidade de frequências do sinal da Figura 2-20. 73 R: Figura 2-20 Solução: A propriedade da derivação no tempo estabelece que: x (t)<-----> X(ω) dx(t ) <-----> j ω X (ω) dt d 2 (t) 2 <-----> ( j ω) X ( ω) (dt)2 Baseado no exposto acima, a solução consiste em se derivar o sinal x(t) em sucessão, até se obter um sinal cuja transformada é conhecida. Aplica-se então a propriedade acima para obter X(ω). 74 Assim, derivando-se uma vez x(t), obtém-se: Figura H-2.7.1 Derivando-se novamente, obtém-se: Figura H-2.7.2 De resultados anteriores, observa-se que: d 2 x =2 Π( t ) 8 (dt)² Daí, temos que ( j ω) 2 X( ω)=2×8sinc ( ω×8 ) 2π 75 Então X (ω)= 4ω 16 sinc(4 ω π ) =−16 sinc( π ) 2 2 ( jω) ω *H-2.8-Compare e comente as eventuais diferenças entre os espectros de densidade de frequência dos sinais x1(t)=2Π(t/4) e x2(t)=2Π(t/8). Faça gráficos dos sinais no domínio do tempo e dos respectivos espectros, observando as respectivas escalas. R: Solução: Os pulsos x1(t) e x2(t) são ambos retangulares, com o mesmo formato e centrados na origem. Apenas x2(t) é mais largo, no tempo. Verifica-se que no domínio da frequência ocorre o oposto, isto é, o pulso mais estreito tem o espectro comparativamente mais largo na frequência. Este fato é interpretado dizendo-se que o pulso mais estreito é mais rápido do que o outro, pois tem uma duração menor. Consequentemente, possui frequências maiores, espalhando mais seu espectro. Entretanto, por uma questão de conservação de energia, o espectro do pulso mais largo tem amplitude maior que o espectro do pulso mais estreito, nesse caso. Gráficos: Desafio para o leitor. *H-2.9-Sendo F(ω) a transformada de Fourier de f(t), ache a transformada de Fourier de f(t)cos(ω0)t. Apresente uma solução literal e uma solução gráfica. R: 1/2F(ω-ω0)+1/2F(ω+ω0) 76 Solução: Pela fórmula de Euler, cos (ω0 t)= e j ω t + e− jω t 2 0 0 Daí, a transformada de f(t)cosω0 t é: +∞ X (ω)= ∫ f (t) −∞ e jω t +e− jω t −j ω t e dt 2 0 0 Assim ¿∞ +∞ ( ∫ f (t)e−j ωt )e jω t +( ∫ f (t)e−j ωt )e− jω t 0 X (ω)= −∞ 0 2 −∞ Aplicando-se a propriedade do desvio na frequência, escreve-se imediatamente: X(ω)=1/2F(ω-ω0)+1/2F(ω+ω0) Solução gráfica: O sinal x(t) é um sinal qualquer, com um certo espectro de frequências. Ao multiplicarmos os dois sinais, estamos fazendo com que um sinal de frequência e amplitude máximas fixa são multiplicadas por frequências variáveis de x(t). O resultado é a modificação da amplitude máxima de cosω0t, conforme as variações de x(t). x(t) pode ser qualquer sinal, inclusive senoidal. Neste caso particular , x(t).cosω0t, considerando ω0 a maior frequência. Por exemplo, seja f 0 =80Hz e x(t) uma senoide de 5Hz. cos (2π80t) x(t) Figura H-2.9.1 Figura H-2.9.2 77 x(t).cos (2π80t) Figura H-2.9.3 O produto x(t).cos (2π80t) atende à relação trigonométrica: 1 1 cos (At ). cos (Bt )= [cos (A+ B)t ]+ [cos( B−A) t] 2 2 Esta relação pode ser mostrada graficamente. Assim, A+B=85Hz. B-A=75Hz. Figura H-2.9.4 Figura H-2.9.5 78 1/2cos(B+A)+1/2cos(B-A). Figura H-2.9.6 x(t).cos (Bt). Figura H-2.9.7 Conforme podemos ver, os dois gráficos acima são idênticos. Um foi obtido pela soma de duas frequências, respectivamente (B+A) e (B-A), e o outro pelo produto das frequências A e B. É claro que x(t) representa um sinal complexo, com um espectro de densidade de frequências e não apenas uma frequência A. Entretanto, podemos intuir que o resultado é válido para F(ω). No momento, é o máximo que podemos fazer. Experimente repetir este Exercício após os conhecimentos da função impulso unitário e da convolução. Esta operação de produto é a base da Modulação em amplitude AM-DSB-SC. 79 Função Impulso A função impulso unitário δ(t), também chamada impulso de Dirac, pode ser definida simplificadamente como uma função cuja área total é igual a 1, ou seja (2-25) Além disso, só existe em t=0. Um impulso δ(t) é graficamente representado por uma seta na origem, de comprimento proporcional à sua área, que no caso é igual a 1 conforme mostra a Equação 2-25. A Figura 2-21 ilustra a representação gráfica de um impulso unitário. Figura 2-21 Pela definição apresentada, a função impulso de Dirac só existe quando o argumento da função é igual a zero. Como só existe no ponto t=0, sua duração é igual a zero, no entanto a área total sob a função é igual a 1. Para compatibilizar esta duas condições, que são contrárias ao conhecimento que temos de uma função, imaginamos então que a amplitude da função impulso é infinita. Assim, dizemos que a função impulso de Dirac tem amplitude infinita, intensidade igual a 1 e está localizada no valor do argumento = 0. Genericamente, uma função impulso pode estar centrada em um ponto qualquer do eixo, e possuir uma área difente de 1. Nesse caso, sua representação gráfica é uma seta de comprimento proporcional à área, centrada no ponto adequado do eixo. De qualquer modo, sempre imaginamos que sua amplitude é infinita. 80 EXERCÍCIOS I-2.1-Qual o valor da função δ(t) em t=1s? I-2.2-Qual a área total sob a função δ(t)? *I-2.3-Qual o valor da função impulso δ(t) em t=0? Solução Considera-se que a amplitude de um impulso, onde estiver localizado, é infinita. No caso, estará localizado em t=0. Portanto, a resposta é infinito. I-2.4-Qual o valor da integral (2.26) I-2.5-Qual o valor da função δ(t)f(t) em t=0,5s? f(t)≠0 para t=0.5s. *I-2.6-Qual o valor da função δ(t)f(t)? Solução δ(t)f(t)=δ(0)f(0) = infinito *I-2.7-Qual o valor da integral (2.27) Solução +∞ +∞ +∞ ∫ δ(t−T) f (t)dt=−∞ ∫ δ(t=T) f (T )dt=f (T) −∞ ∫ δ( 0)dt=f (T) −∞ I-2.8-Qual o valor da integral (2.28) 81 *I-2.9-Represente graficamente as funções em a, b,c e d abaixo: a) δ(t-T); b) f(t)δ(t-T), sendo f(t) uma função qualquer; c) d) Solução a) δ(t-T) Figura I-2.9.1 b) f(t)δ(t-T) Figura I-2.9.2 82 c) Figura I-2.9.3 d) Figura I-2.9.4 *I-2.10-Calcule a transformada de Fourier de um impulso unitário. Interprete o resultado. Solução +∞ F(ω)= ∫ f (t)e− jω t dt −∞ No caso, f(t)=δ(t) +∞ F(ω)= ∫ δ(t)e−j ωt dt −∞ 83 +∞ ∫ δ(t)f (t) dt=f (0) Como δ(t)=0 para t≠0, e −∞ F(ω)=e−j ω0 =1 Portanto, a “função” impulso unitário possui um espectro de densidade de frequências constante e igual à unidade. Isto significa que o impulso unitário gera todas as frequências simultaneamente, de 0 até infinito, com a mesma intensidade, I-2.11-Faça um gráfico do espectro de densidade de frequências do impulso unitário. *I-2.12-A partir da definição da série complexa de Fourier, e da transformada de Fourier de ejωot, defina formalmente uma expressão para o espectro de densidade de frequências ou transformada de Fourier de um sinal periódico. Interprete o resultado. R: (2-29) Solução Dado um sinal periódico xT(t), de período T, já vimos que este sinal pode ser representado pela série de Fourier: +∞ x T (t)=∑ Xn e jn ω t onde 0 −∞ Portanto, a T.F. de xT(t) será: +∞ +∞ −∞ −∞ X T (ω)= ∫ ( ∑ Xn e jnω t )e−j ω t dt 0 ω0= (2 π) T 84 Invertendo-se a integral e o somatório, e fazendo-se u=ω-nω0 +∞ +∞ − jut X T (ω)=∑ ∫ X n e −∞ −∞ +∞ +∞ −∞ −∞ − jut dt=∑ Xn ∫ e dt Mas se +∞ −j ω t δ(t )e dt=1 ∫ −∞ segundo o resultado do Exercício I-2.10, então 1 +∞ 1×e j ωt dω=δ(t ) , pela fórmula da transformação inversa. ∫ 2 π −∞ 1 +∞ 1×e−j ωt dt=δ(−ω) ∫ 2 π −∞ Mas acontece que Portanto, δ(ω)=δ(−ω) , pois a função só existe na origem, em ω=0. Portanto +∞ ∫ e− jut dt=2 π δ(u)=2 π δ(ω−n ω0 ) −∞ Assim, ∞ X T (ω)=2 π ∑ X n δ( ω−n ω0 ) −∞ onde ω 0= 2π T Esta expressão representa formalmente o espectro de densidade de frequências do sinal periódico xT(t). Conforme vemos, XT(ω) apresenta as mesmas informações que a série de Fourier do sinal periódico xT(t), ou seja, o valor de cada componente, X n , e o intervalo entre cada componente, ω0. Apenas a forma de apresentação é diferente. Assim, o tratamento espectral dos sinais periódicos e não-periódicos é unificado, pela transformada de Fourier. 85 *I-2.13-Calcule o espectro de densidade de frequências de uma sequência periódica de impulsos periódicos, conforme ilustrado na Figura 2-22. Forneça o gráfico do espectro e interprete o resultado. Figura 2-22 R: (2-30) Solução O trem de impulsos periódicos é uma extensão do conceito de impulso unitário. Assim, temos δT(t), apresentado na Figura 2-22. Sendo δT(t) um sinal periódico, seu espectro de densidade de frequência é dado por: ∞ X T (ω)=2 π ∑ X n δ( ω−n ω0 ) onde −∞ ω 0= 2π T Xn, o coeficiente da série de Fourier do sinal periódico δT(t). No caso, +T / 2 + T/ 2 1 1 −jn ω (0) 1 − jnω (0 ) 1 −jn ω t X n= ∫ δ (t)e dt= e δ(t)dt= e = ∫ T −T /2 T T T −T /2 0 0 Portanto, X T (ω)=δω (ω)=ω 0 0 Graficamente, +∞ ∑ n=−∞ δ(ω−n ω 0) 0 86 Figura I-2.13 Portanto, vê-se que a transformada de um trem de impulso unitários é também um trem de impulsos unitários na frequência, separados por um intervalo de frequências de ω0 , que pode ser chamado de δω (ω). 0 *I-2.14-Calcule o espectro de densidade de frequências de um sinal senoidal de frequência f0 Hz. Solução Um sinal senoidal tem apenas uma frequência espectral. Portanto, seu espectro deve esta concentrado em um único valor, que é |f 0|. Formalmente, temos que calcular a T.F. de um sinal senoidal x 1 (t)=Acos (ω0 t+ θ) , sendo +∞ X 1( ω)=∫ Acos(ω 0 t+θ)e− jω t dt −∞ Esta transformada pode ser calculada partindo-se da fórmula de Euler: cos γ= e j γ +e− j γ 2 e do conhecimento que e jω t ←→2 π δ(ω−ω0) , que é uma 0 das propriedades da T.F., a do deslocamento na frequência. Assim, x 1 ( t)=Acos (ω0 t +θ)= e j(ω 0 t+θ) −j (ω 0 t +θ ) +e 2 =A e j ω0 t jθ −j ω 0 t ×e e +A 2 − jθ ×e 2 87 [ ] [ ] e jω t ×e jθ e− j ω t×e− j θ X 1 (ω)=T.F. A +T.F. A =A /2 e jθ 2 π δ (ω−ω0 )+A /2 e j θ 2 π δ (ω+ω 0) 2 2 0 0 Portanto pois +∞ ke j ω t ←→ k ∫ e−j (ω−ω ) t dt=2 π k δ( ω−ω 0) 0 0 −∞ segundo o desenvolvimento do Exercício 2-12. Se θ=0, temos a transformada do cosseno: Acos (ω0 t)←→ A π [δ(ω+ω0 )+δ( ω−ω 0)] Se θ=-π/2, temos a transformada do seno, pois cos (θ-π/2)=sen(θ). Asen (ω 0 t)←→A π[δ(ω−ω0 ) e j−π/ 2 +δ(ω−ω0)e j π/ 2] Mas e j− π/2 =cos(−π/ 2)+ jsen (−π/2)=− j e e j π/ 2=cos (π /2)+ jsen (π /2)= j Portanto, podemos escrever: Asen (ω 0 t)←→A π[ jδ(ω+ ω0 )− jδ( ω−ω 0)] As transformadas do cos e do sen admitem uma interpretação gráfica: T.F.(Asen t) T.F.(Acos t) jAπ Aπ Aπ -ω0 ω0 ω0 -ω0 -jAπ Figura I-2.14 88 Convolução A convolução entre duas funções x1(t) e x2(t) é definida pela integral: (2-31) τ é a variável de integração. Como é uma integral com limites, o resultado é uma função de t, y(t). Sendo assim, podemos escrever que: (2-32) Esta forma admite uma interpretação interessante: O valor da convolução entre duas funções, x 1(t) e x2(t) para t = t0, ou seja y(t0), é numericamente igual a área sob o produto das funções x 1(τ) e x2(t0-τ). Como τ é a variável dentro da integral, x1(τ) é a própria função x1(t) [apenas mudou o nome da variável, de t para τ, mas a função é a mesma]. Como t 0 = constante dentro da integral, x2(t0-τ) pode ser a função x 2(-t +t0), ou seja, a função x 2(t) rebatida em torno do eixo vertical, x2(-t), que sofre um deslocamento t0 à direita. A convolução y(t) se escreve com a simbologia y(t)=x1(t)∗x2(t). Conforme mostra a Figura 2-23, o resultado final para t=t 0 [y(t0)] é a área sob o produto x1(τ)x2(t0-τ). Para obtermos o resultado para qualquer t 0 , temos que imaginar x1(t) parada e x2(t) rebatida em torno do eixo vertical e passeando sobre x 1(t), desde um deslocamento t0 negativo suficiente para haver sobreposição até um deslocamento positivo também suficiente para a sobreposição. A ausência de sobreposição significa convolução=0. Se os pulsos tiverem duração infinita, a convolução vai de -∞ a +∞. 89 Figura 2-23 Uma vez que (2-33) é indiferente qual das duas funções é rebatida, para o resultado da convolução. A convolução é uma operação básica. Pode-se demonstrar que o resultado do processamento de um sinal qualquer x(t) por um sistema linear e invariante no tempo, que atende ao princípio da superposição, é a convolução entre x(t) [o sinal de entrada] e a função característica h(t) do sistema, que é a resposta ao impulso unitário do sistema. 90 EXERCÍCIOS J-2.1Determine a expressão e apresente o esboço da convolução entre os pulsos x1(t)=Π(t/4) e x2(t)=Π(t/8). As funções x1(t)=Π(t/4) e x2(t)=Π(t/8) são pulsos retangulares centrados na origem, de amplitude =1 e largura 4 e 8, respectivamente. R: y(t) =0 para t<-6 y(t)=(t+6) para -6<t<-2 y(t)=4 para -2<t<2 y(t)=(-t+6) para 2<t<6 y(t)=0 para t>6 *J-2.2-Determine a expressão e faça o gráfico da convolução entre as funções u(t) e ΛW(t). A função u(t) é o degrau unitário, cuja amplitude =1 para t>0, e = 0 para t<0, e ΛW(t) é o pulso triangular, centrado na origem, de amplitude =1 e largura = 2W. R: y(t)=0 para t<-W y(t)=[t2+2tW+W2]/[2W] para -W<t<0 y(t)=W-[-t2+2tW-W2]/[2W] para 0<T<W y(t)=W para t>W 91 Solução A Figura J-2.2.1 apresenta o gráfico de ambos os sinais, ou seja, o degrau unitário e o pulso triangular. Para realizar a convolução entre os dois sinais, podemos manter um deles fixo e o outro deslizando sobre o primeiro, realizando-se uma inversão do segundo em relação ao eixo vertical [x2(-τ)] e calculando-se a área sob a intercessão, variando-se o deslocamento t entre ambas. A convolução é função do deslocamento t. No caso, faremos 1 τ>0 x1(τ) = u(τ), o degrau unitário= 0 τ<0 τ é como denominamos a variável de integração. Isto é feito por conveniência, para que a convolução, que é o resultado de infinitas integrações, cada qual correspondente a um deslocamento, resulte função de t. Por conveniência, escolhemos x2(τ)=ΛW(τ), pois x2(τ) é uma função par, e assim ΛW(-τ)=ΛW(τ). Figura J-2.2.1 92 a) y(t)=0 para t<-W Figura J-2.2.2 a) t +W b) y ( t)= ∫ [( 0 −1 t+ w t 2 +2tW + W² τ+ )]d τ= W W 2W para -W<t<0 Figura J-2.2.2 b) 93 c) y ( t)=S1 + S1 = W 2 W −S2 2 S 2= ( W−t)2 2W 2 logo S1 = W ( W−t) − 2 2W Portanto y ( t)=W− (W−t) 2 2W para 0<t<W Figura J-2.2.2 c) 94 d)Para t>W, a convolução é constante e igual a W, pois a superposição dos dois sinais resulta em 1. x2=x2, e portanto a convolução é igual à área de x2 , que é igual a W. Figura J-2.2.2 d) e)Representação gráfica da convolução final: Figura J-2.2.2 e) 95 Convolução no Tempo e na Frequência: A propriedade da convolução no tempo estabelece que, se (2-34) então (2-35) No domínio da frequência, temos que, se: (2-36) então (2-37) Resumindo (2-38) 96 EXERCÍCIOS *K-2.1-Um sistema tem resposta ao impulso de Dirac igual a h(t). Se a ele é aplicado um sinal de entrada g(t), determine o espectro do sinal de saída, Y(ω), em função do espectro do sinal de entrada, G(ω) e da transformada H(ω) de h(t). Sabe-se que y(t)=g(t)∗h(t). Comente o resultado. R: Y(ω)=H(ω).G(ω) Solução: Figura K-2.1.1 Como y(t)=g(t)∗h(t), então +∞ y ( t)= ∫ g ( τ) h (t−τ )d τ −∞ Portanto +∞ +∞ −∞ −∞ Y (ω)=∫ { ∫ g(τ )h (t−τ)d τ }e− j ω t dt= +∞ +∞ −∞ −∞ = ∫ g (τ)[ ∫ h ( t−τ )e− j ω t dt]d τ = +∞ = ∫ g (τ) H (ω)e− j ω τ d τ −∞ devido à propriedade do deslocamento no tempo. Portanto, +∞ Y (ω)=H(ω) ∫ g ( τ)e− jω τ d τ=H(ω)×G(ω) −∞ 1 1 cos (At ). cos (Bt )= [cos (A+ B)t ]+ [cos( B−A) t] 2 2 97 Comentário: A transformada do impulso unitário é igual a 1, conforme foi visto no Exercício I-2.10. Portanto, neste caso, Δ(ω)=1 (ou seja, a transformada de δ(t) é igual a 1). Pelo resultado acima, Y(ω) = H(ω). Sendo a função de transferência de um sistema definida como sendo a relação entre a transformada da saida pela transformada da entrada, segue-se que neste caso H(ω) é a própria função de transferência do sistema. A transformada inversa de H(ω), h(t), é chamada equação característica do sistema. É a resposta no tempo ao impulso unitário. Conhecendo-se h(t), uma operação de convolução no tempo permite obter a resposta do sistema a qualquer outra entrada x(t). K-2.2-Utilizando a propriedade da convolução no tempo demonstre a comutatividade da convolução entre x1(t) e x2(t) [isto é, x1(t)∗x2(t)=x2(t)∗x1(t)]. *K-2.3-Utilizando a propriedade adequada, calcule pela convolução a transformada de Fourier do pulso triangular [ A ٨τ]. R: Aτsinc2(ωτ/2π). Solução A função triangular [ A ٨τ] é um pulso, centrado na origem, com formato triangular, amplitude máxima na origem A e se estende de -τ a +τ, portanto tem largura total de 2τ, conforme abaixo definido matematicamente e o aspecto gráfico na Figura K-2.3.1. 98 Figura K-2.3.1 Duas propriedades da convolução são: Tempo Frequência x 1 (t)∗x2 (t) X 1( ω)×X 2 (ω) 2 π [x 1( t)×x 2 (t)] X 1( ω)∗X2 (ω) A função A ٨τ (t) pode ser considerada como resultado da convolução entre dois pulsos retangulares iguais de largura τ e amplitude √ (A)τ Assim, √ √ A t A t A ٨τ (t)= τ Π( τ )∗ τ Π( τ ) Logo se X 1 (ω)=X2 (ω)= √ A τ sinc( ω τ ) 2π (comprove graficamente) . 99 Pelo teorema da convolução no tempo A ٨τ (t)←→X 1 (ω)×X 2 (ω)=A τ sinc2 ( ω τ ) 2π Assim, foi empregada a convolução no tempo para o cálculo de A ٨τ(t) a partir do pulso retangular e a respectiva propriedade para o cálculo da transformada. Deixamos ao leitor a tarefa de implementar graficamente as funções assim obtidas. *K-2.4-Deduza uma fórmula geral para a convolução entre dois pulsos retangulares centrados na origem, não necessariamente iguais. Faça o gráfico do resultado. (Veja o resultado do Exercício K-2.1). R: Um trapézio simétrico em relação ao eixo vertical, centrado na origem, cuja altura vale A1.A2.τ2 , o lado superior vale τ1-τ2 e a base vale τ1+τ2. Solução Utilizando-se a interpretação gráfica da convolução e observando que temos 3 situações distintas de sobreposição dos pulsos, a saber: ∣t∣> ( τ 1+ τ 2 2 τ 1−τ 2 ∣t∣< 2 ( ) ( τ 1−τ 2 τ +τ <∣t∣< 1 2 2 2 ) ( ) e ) verifica-se que a convolução resultante é uma função trapezoidal, da forma: (confirme). Figura K-2.4 100 Pelo resultado de K-2.1, um dos pulsos poderia ser o sinal de entrada, e o outro a equação característica de um sistema linear. Como ambos são pulso retangulares, no domínio da frequência temos o produto entre duas funções sinc. É interessante observar que no caso dos pulsos serem iguais, a Figura K-2.4 corresponde a um triângulo isósceles, cuja transformada é proporcional a sinc2. *K-2.5-Analise, a partir da propriedade da convolução na frequência, o espectro de densidade de frequências de x2(t). Comente o resultado obtido, principalmente se x(t) for um sinal limitado em frequência [isto é, se X(ω)=0 além de um certo valor para ω]. Solução Como x2(t)=x(t).x(t), então, pelo teorema a convolução na frequência: x 2 (t)←→ 1 X(ω)∗X (ω) 2π Portanto, X(ω) convolui com ela própria, fornecendo o espectro de x2(t). Se X(ω) 'limitado em frequência, sua frequência máxima é ω m, valor finito. Independente da forma exata de X(ω), sua convolução com ela própria possui o dobro da largura de X(ω). Portanto, conclui-se que quando x(t) possui um espectro limitado a uma valor máximo ωm, x2(t) possui um valor limitado ao dobro, ou seja, 2 ωm. *K-2.6-Utilizando a definição de convolução expressa em (2-31) e considerando x1(t)=δ(t), obtenha a convolução x1(t)∗x2(t), sendo x2(t) uma função qualquer. Dê uma interpretação gráfica ao resultado. Solução +∞ x 1 (t)∗x2 ( t)= ∫ x 1 (τ) x 2 ( t− τ)d τ −∞ Se x 1 (t)=δ( t) Então 101 +∞ +ϵ +ϵ −∞ −ϵ −ϵ x 1 (t)∗x2 ( t)= ∫ δ( τ ) x 2(t −τ)d τ=∫ δ ( τ) x 2 ( t−τ )d τ=x2 ( t) ∫ δ ( τ) d τ=x 2 (t). Desta forma, podemos dizer que a convolução com uma função impulso reproduz a função. Interpretação gráfica: Supondo x2(t)=f(t) Figura K-2.6 *K-2.7-Refaça o Exercício K-2.6 utilizando a análise no domínio da frequência aplicada às funções impulso. Solução: No domínio da frequência, y(t )=x1 (t )∗x 2 (t)←→X1 (ω). X 2 (ω)=Y(ω) Se x1(t)=δ(t) ------>δ(ω)=1 Logo, Y(ω)=X2(ω) Portanto y(t)=x2(t) 102 K-2.8-Utilize o Exercício K-2.6 para obter a convolução y(t)=δ(t-T) ∗x2(t), sendo x2(t) um sinal qualquer. K-2.9-Repita o Exercício K-2.8 utilizando expressões no domínio da frequência. K-2.10-Utilizando a convolução de uma função qualquer x(t) com uma função degrau unitário, calcule a transformada da ∫x(t)dt. R: (2-39) 103 Sistemas Lineares-Função de Transferência No nosso estudo consideraremos principalmente sistemas lineares e invariantes no tempo (abreviadamente sistemas LTI). Esses sistemas são teóricos, e seu modelo matemático representa uma aproximação do que ocorre na natureza, com os sistemas reais. Muitas vezes, o modelamento de que necessitamos para representar um comportamento físico de um sistema pode ser feito através de sistemas LTI, que são relativamente simples. A característica básica de um sistema LTI é que a entrada e a saida são relacionadas por uma equação integro diferencial com coeficientes constantes: (2-40) onde ai são os coeficientes relacionados à entrada x(t) e bi os coeficientes relacionados à saída y(t). Definindo-se o operador p como: (2-41) e (2-42) Então, fica (2-43) Fazendo-se a transformada de Fourier para ambos os membros da equação acima tem-se: (2-44) 104 Daí, define-se a função de transferência H(ω) como sendo a razão entre a transformada da saída e a transformada da entrada, o que para um sistema LTI resulta na divisão de dois polinômios em ω, de coeficientes constantes e onde m<n. Se m≥n, sempre se pode dividir o numerador pelo denominador (N/D), obtendo-se um resto R e um quociente Q, ambos os polinômios em ω, onde N/D=Q+R/D e a ordem de R<ordem de D. Desta forma, continua-se a ter a divisão de dois polinômios, R\D, onde a ordem de R é menor que a ordem de D. (2-45) A função de transferência H(ω) tem as mesmas características de uma transformada de Fourier conforme definido pelas Fórmulas (2-23) e (2-24). Aplicando-se as equações (2-38) à equação (2-45) temos que: (2-46) Com aplicação da equação (2-46), é possivel obter-se a saída y(t) a partir da entrada x(t), através de uma convolução no domínio do tempo. Por isso h(t) é chamada equação característica do sistema LTI. Assim , um sistema LTI pode ser representado no domínio da frequência pela sua função de transferência H(ω) ou no domínio do tempo por sua equação característica h(t), sendo que H(ω) e h(t) formam um par de transformadas de Fourier: (2-47) e (2-48) 105 EXERCÍCIOS *L-2.1-Um sistema LTI é excitado [função de entrada x(t)] por uma função impulso unitário δ(t) [impulso de Dirac]. Obtenha uma resposta geral para a transformada da saída y(t), em termos da função de transferência H(ω) do sistema. *Sugestão: Resolva o Exercício I-2.10, e aplique a equação (2-45). R: Y(ω)=H(ω). Solução Segundo o Exercício I-2.10, a transformada do impulso unitário é igual a 1. Portanto, se um sistema LTI recebe como entrada uma função x(t)=δ(t), e como saida gera uma função h(t), assim expressa no domínio do tempo, é claro que no domínio da frequência a transformada de h(t), H(ω), é a resposta do sistema à unidade. Assim, um LTI pode ser caracterizado por h(t), no domínio do tempo, ou por H(ω), no domínio da frequência. h(t) é a resposta do sistema ao impulso unitário. A Equação (2-45) define uma função de transferência: Portanto Y (ω)=X(ω) . H(ω) Portanto, conhecendo-se H(ω), função de transferência do sistema LTI, pode-se determinar a transformada da resposta a qualquer entrada x(t). *L-2.2-Um sistema LTI é excitado por uma função de entrada x(t), cuja transformada de Fourier é X(ω). A saída é y(t). Sendo H(ω) a função de transferência do sistema LTI, estabeleça uma equação geral, no domínio do tempo, relacionando y(t), x(t) e h(t), transformada inversa de H(ω), e mostre que h(t) é a resposta impulsiva do sistema LTI. 106 Solução Pelo teorema da convolução no tempo, se então Relacionando-se a expressão acima com a Equação (2-45) pode-se escrever que : y ( t)=x (t)∗h (t ) Por resposta impulsiva queremos dizer a resposta do sistema LTI à x(t)=δ(t). Se isto ocorrer, então y(t)=h(t), pela expressão acima. *L-2.3- O resultado obtido no Exercício L-2.2 é muito importante. Ele permite determinar, no domínio do tempo, a resposta y(t) de um sistema LTI à qualquer entrada x(t) desde que se conheça ou determine h(t), que é a resposta impulsiva ou equação característica do sistema. No Exercício L-2.2, ela foi deduzida a partir da Equação 2-45, que foi obtida a partir da definição de função de transferência de sistemas LTI. Partindo agora do resultado do Exercício K-2.6, e interpretando a integral de convolução como o limite de um somatório (onde cada termo do somatório é igual a [x(τ) Δτ]δ(t-τ), Δτ tendendo a zero), demonstre o resultado de L-2.2 utilizando o princípio da superposição aplicado a sistemas LTI. Solução Sabemos que qualquer sinal x(t) pode ser escrito como: +∞ x ( t)=x( t)∗δ(t)=∫ x( τ)δ(t−τ) d τ −∞ Para maior clareza, vamos expressar a relação acima como o limite de um somatório (qualquer integral pode ser expressa desta forma): 107 ∞ ∑ x ( t)= lim Δ τ→0 t =−∞ K Δ τ x (t K )δ (t−t K ) No limite, Δτ--->dτ (um infinitésimo), e tK tende a uma variável contínua. Na expressão acima, temos um somatório infinito de impulsos, cada impulso com uma área igual a Δτx(tK). Assim, pelo princípio da superposição, sendo x(t) aplicado na entrada do sistema LTI temos na sua saida: y ( t)= lim ∞ ∑ Δ τ→ 0 t K=−∞ +∞ Δ τ x(t K )h ( t−t K )=∫ x( τ) h ( t−τ )d τ=x(t)∗h (t) −∞ Portanto, confirmamos que o conhecimento de h(t) permite a determinação de y(t) para qualquer x(t), sendo h(t) a resposta impulsiva do sistema LTI, que é a transformada inversa da função de transferência H(ω). Por esse motivo, h(t) é também chamado de equação característica do sistema LTI. L-2..4-Calcule a resposta no tempo de um sistema LTI à uma entrada x(t)=e jωot . Utilize a definição de convolução no tempo. R: y(t) = H(ω0) e jωot . *L-2.5-Um sistema LTI tem resposta impulsiva h(t). Sendo x(t) a entrada, obtenha Y(ω), em função de X(ω) e H(ω). Observe o resultado de L-2 e aplique o teorema da convolução no tempo. R: Y(ω)=H(ω).X(ω) Solução Segundo o Exercício L-2.2 y ( t)=x (t)∗h (t) Portanto Y(ω)=H(ω).X(ω) *L-2.6- Calcule a resposta de um sistema LTI à um sinal x(t) = cos ω 0t. Utilize a fórmula de Euler para o cosseno e o Exercício L-2..4. Interprete o resultado. 108 R: y(t)=| H(ω0) |cos [ω0t+θ(ω0)] Solução Podemos escrever que: x ( t)=cos (ω0 t)= e j ω0 t −j ω 0 t +e 2 Mas já foi visto no Exercício L-2.4 que se a entrada for e H(ω0) e jωot jωot , a resposta será . Assim, se x (t)=e j ω t → y(t )=H(ω 0)e j ω t 0 0 Portanto, se x (t)=e− j ω t → y(t )=H(−ω0 )e− j ω t 0 0 Mas se h(t) é uma função real de t, então H(-ω0)=H*(ω0). Portanto, se H(ω0 )=∣H(ω0 )∣e j θ (ω ) , então 0 H(−ω 0)=∣H( ω0 )∣e− j θ(ω ) e 0 { y ( t)=∣H(ω 0)∣ e j[ ω t+ θ (ω )]+ e− j[ω 2 0 0 0 t+ θ(ω 0)] } Portanto y ( t)=∣H(ω 0)∣cos (ω0 t+ θ (ω0 )) Assim, conclui-se que um sistema linear LTI não altera a frequência de um sinal senoidal aplicado em sua entrada, apenas sua amplitude e sua fase relativa. Pelo princípio da superposição, se x(t)=Acos( cos ω 0t+θ1(ω0)) então y(t)=A|H(ω0)|( cos ω0t +θ2( ω0)). A função de transferência do sistema em ω0 será H(ω0)=|H(ω0)|ej(θ2-θ1). *L-2.7-Estabeleça um método prático para determinar experimentalmente, em laboratório, uma função de transferência de um sistema LTI. Suponha que estão disponíveis um gerador de sinais senoidais, um osciloscópio de dois canais e uma carga resistiva de valor adequado. Solução A função de transferência H(ω), conforme sugerido pelo resultado do Exercício L-2.8, pode ser obtida para um sinal senoidal de frequência ω0 injetando-se na entrada do sistema um x(t)=Acos(ω0t). 109 A amplitude de sinal de saida será A|H(ω 0t)|. Logo, a amplitude da função de transferência é dada pela relação entre a amplitude da saida e da entrada. A fase introduzida pelo sistema é devida ao retardo de tempo introduzido pelo sistema. Se o sistema introduz um retardo t 0 s , a fase introduzida será t0ω0 rad. Uma forma de medir essa fase é medindo o desvio de tempo entre a saida e a entrada, o que pode se feito com precisão pelo osciloscópio, principalmente. se este for dotado de um dispositivo de linha de retardo. Variando-se a frequência do oscilador, obtêm-se uma boa descrição da função de transferência do sistema dentro de uma certa faixa de frequência de interesse. A Figura L-2.7 apresenta uma montagem que pode ser utilizada. Figura L-2.7 Geralmente as entradas de um osciloscópio são de alta impedância, de modo que sua introdução no circuito de medida não afeta as características do sinal sendo medido. Como o sistema LTI deve se “casado em suas impedâncias” nominais de entrada e saida, a impedância do oscilador deve ser ajustada para coincidir com a impedância de entrada do sistema, bem como a carga com a impedância de saida do sistema. *L-2.8-Para um circuito elétrico, a função de transferência pode ser obtida conhecendo-se sua topologia e as características elétricas de seus componentes, 110 usando-se ferramentas de cálculo apropriadas. Obtenha a função de transferência para a rede RC conforme a Figura 2-24; forneça também os gráficos bilaterais de módulo e fase. Figura 2-24 R: Sendo H(ω) complexo, possui módulo e fase, dados respectivamente por: e Solução 1 ZC Y jω C 1 = = = X R +Z C 1 1+ j ω RC R+ jωC H( ω)= e 1 1 /RC = 1+ j ω RC 1/ RC+ j ω Aplicando-se a regra do divisor de tensão Daí, então Chamando a=1/(RC), temos que 111 A Figura L-2.8.1 apresenta a curva para |H(ω)|, e a Figura L-2.8.2 apresenta a curva de ângulo para H(ω), ambas obtidas através da listagem abaixo: j=sqrt(-1) ww=5000 R=100 C=.00001 a=1/(R*C) H3=abs(a/(a+j*a)) alfa1=[] WW=[] HH=[] for omega=-ww:1:ww; H1=(1/(R*C))/(1/(R*C)+j*omega); H2=abs(H1); WW=[WW omega]; HH=[HH H2]; alfa=-atan(omega/a); alfa1=[alfa1 alfa]; end scf(1) plot2d(WW,HH) xgrid scf(2) plot2d(ww,alfa1) xgrid Os valores de R e C são, respectivamente R=100Ω e C=10μF. Observamos que para |ω|=a, ∣H (ω)∣= 1 =0,707 √( 2) Portanto, a largura de banda de 3 dB do filtro é proporcional ao valor de a. No caso, a= 1000 rad/s. Como a é inversamente proporcional a RC, o filtro é mais rápido para valores menores de RC. RC tem a dimensional de s. 112 Figura L-2.8.1 Figura L-2.8.2 RC é a chamada “constante de tempo do filtro”. *L-2.9-Usando a transformada inversa da função de transferência, calcule a resposta impulsiva do circuito RC da Figura 2-24. R: u(t) é a função degrau unitário (veja Exercício J-2.2) 113 Solução a H(ω)= a+ j ω Conforme visto no Exercício L-2.8, De uma tabela de transformadas, temos 1 e−at u ( t)←→ a+ j ω −at ae Logo a u ( t)←→ a+ j ω h ( t)= 1 −t /(RC) e RC Considerando que a=1/(RC) *L-2.10-Calcule a saída y(t) do circuito RC da Figura 2-24 quando a entrada x(t) for uma função degrau unitário. R: Solução y ( t)=x (t)∗h (t)=u (t)∗h ( t) h ( t)= 1 e RC −t RC Mas u ( t) −t conforme Exercício anterior. Portanto 1 RC y ( t)=u ( t)∗ e u (t) RC 1 +∞ −τ y ( t)= e RC u( τ)u ( t− τ)d τ RC ∫ −∞ Daí, Como −τ e RC u ( τ) só existe para τ>0 e u(t-τ)=1 para τ<t e u(t-τ)=0 para τ>t, então quando t>0 existe sobreposição e consequentemente temos 114 t [ ] t t − 1 1 e−( τ/ RC) y ( t)= e−τ /(RC) d τ= =−[e−(t / RC)−1]=1−e (RC ) ∫ RC 0 (RC) −1 (RC ) 0 Quando t<0 não há sobreposição e y(t)=0. Portanto, t − RC y ( t)=[1−e ]u (t) *L-2.11-No circuito RC da Figura 2-24, R= 1 kΩ e C= 1 μF. Calcule y(t) se x(t)=10cos(2π106)t. Interprete o resultado. R: Solução Para um sinal senoidal, se x(t)=cos(ω0t), y(t)=|H(ω0)|cos(ω0t+θ(ω0)). Para o filtro 1 H(ω)= 1+ j ω RC RC, Sendo ω0=2π.106 rad/s, R=103Ω e C=10-6F. Sendo a=1/RC=103. ∣H (ω0 )∣= 103 −4 =1,6×10 6 2 12 √(10 +(2 π) 10 ) θ( ω0)=−atan ω0 ( a )=−atan (2 π×10 )=−89,99 3 o Portanto, y ( t)=−1,6×10−3 sen (2 π×106 t) pois cos(ωt-90o)=-sen (ωt) O resultado acima indica que a frequência de saida é a mesma que a do sinal de entrada. Entretanto, o desvio de fase é muito grande, praticamente -90 o. Além disso, A amplitude de saida é muito pequena. Isto indica que a atuação do filtro é muito forte nesta frequência. 115 *L-2.12-No circuito RC da Figura 2-24, x(t) é um pulso retangular definido pela fórmula x(t)=AΠ[(t-τ/2)/τ] (ver Exercício H-2.2). Calcule y(t) e faça gráficos de y(t) para τ/RC >> 1 e τ/RC << 1. Interprete os resultados. R: Solução Segundo o Exercício L-2.9, a equação característica do filtro RC é −t 1 RC h ( t)= e u ( t) RC +∞ Assim y (t)= ∫ h ( z) x (t−z)dz −∞ Utilizando como auxílio a interpretação gráfica da convolução, vemos que temos 3 situações: 1º) t<0 2º) 0<t<τ e 3º) t>τ Para a 1ª situação, t<0, não há sobreposição, e y(t)=0. t z Para a 2ª situação, 0<t<τ, e t − A − RC y ( t)=∫ e dz=A [1−e RC ] 0 RC t y ( t)= ∫ t−τ A e RC − z RC − dz=A [1−e t RC − ]e (t −τ) RC Finalmente, para t>τ, temos: A Figura L.2-12-1 apresenta um exemplo para o sinal de saida quando τ/RC>>1, isto é, o pulso de saída é muito parecido com o pulso de entrada, sendo pequena a distorção apresentada pelo filtro. Isto se justifica pois o espectro de frequências do pulso retangular é proporcional a 1/τ,que é muito menor que a largura de banda do filtro, que é proporcional a a=1/RC. Desta forma o pulso é pouco afetado pelo filtro. 116 Figura L.2-12-1 A Figura L.2-12-2 representa um exemplo para quando τ/RC <<1. Nota-se, neste caso, uma grande deformação do pulso de saida em relação ao pulso de entrada. Isto se justifica pois τ/RC sendo <<1, então a largura de de banda do filtro é muito menor que a largura de banda do pulso de entrada, causado grande distorção. Figura l.2-12-2 As Figuras L.12-2-1 e L.12-2-2 fora geradas pela listagem a seguir, para tau=80 e tau=5 respectivamente, e A=2. A listagem roda no Scilab 4.0: A=2 tau=5 R=2000 C=1E-03 z=tau/(R*C) tt1=[] hh1=[] 117 for t=-100:.1:0 h1=0.00000000000001; hh1=[hh1 h1]; tt1=[tt1 t]; end plot2d (tt1,hh1) xgrid hh2=[] tt2=[] for t=0:.1:tau; h2=A*[1-exp(-t/(R*C))]; tt2=[tt2 t]; hh2=[hh2 h2]; end plot2d(tt2,hh2) xgrid tt3=[] hh3=[] for t=tau:.1:100 h3=A*[1-exp(-tau/(R*C))].*[exp(-(t-tau)/(R*C))]; hh3=[hh3 h3]; tt3=[tt3 t] ; end plot2d(tt3, hh3) xgrid *L-2.13-Obtenha a função de transferência e a resposta impulsiva do sistema conhecido como segurador de ordem zero (Zero Order Hold – ZOH) apresentado na Figura 2-25. Figura 2-25 Faça os gráficos correspondentes e interprete. R: 118 Solução A resposta impulsiva do sistema é sua resposta ao impulso unitário. Assim , considerando que em sua entrada seja aplicado uma função impulso unitário, na entrada do integrador teremos a diferença de dois impulsos, δ(t)-δ(t-T). T é o retardo entre os dois impulsos aplicados na entrada do integrador. É como se ao impulso em t=0 correspondesse um eco em t=T, de área de sinal oposto ao 1º impulso. Assim, na saida do integrador temos um pulso retangular de largura T e amplitude =1, iniciando em t=0 e terminando em t=T, pois a integração do eco anula a integração do impulso a partir de t=T. Assim, y ( t)=h( t)=Π( t−T/2 ) T Fica como desafio para o leitor a obtenção da função de transferência e uma confirmação do valor obtido. Fica também a realização dos gráficos correspondentes. *L-2.14-Um sistema de transmissão apresenta o efeito de multicaminho, que ocorre quando o sinal chega ao receptor por dois ou mais caminhos com retardos diferentes. Considerando o caso de apenas dois caminhos, o sistema em questão pode ser representado pelo diagrama da Figura-2-26. 119 Figura 2-26 Obtenha o módulo e a fase da função de transferência deste sistema e comente o resultado obtido. Sugestão: Faça gráficos aproximados de |H(ω)| e θ(ω). Considere K1=K2=1, e os gráficos vão desde – π/(t2-t1) a +π/(t2-t1). Comente sobre os gráficos obtidos. R: 120 Solução − j ω t1 H(ω)=K 1 e ( H(ω)=K 1 1+ ∣H (ω)∣=K1 ∣H (ω)∣=K 1 ∣H (ω)∣=K 1 √ −j ω t2 +K 2 e ( =K 1 1+ K 2 − jω (t −t ) − jω t e e K1 2 1 ) 1 K2 K2 −j ω t cos ω (t 2−t 1)− j sen ω (t 2−t 1 ) e K1 K1 ) 2 [ ][ K K 1+ 2 cos ω(t 2−t 1) + 2 sen ω(t 2−t 1 ) K1 K1 √[ √[ 2 ] 1 Portanto K2 K 22 K 22 2 2 1+ 2 cos ω( t 2−t 1)+ 2 cos ω(t 2 −t 1)+ 2 sen ω(t 2 −t 1) K1 K1 K1 2 1+ 2 K2 K2 cos ω( t 2−t 1)+ 2 K1 K1 [ ] K2 sen ω (t 2−t 1 ) K1 θ h (ω)=−ω t 1−atan K 1+ 2 cos omega (t 2−t 1) K1 ] e Desafio para o leitor: Gerar e representar gráficos para |H(ω)| e θh(ω). ] 121 Transmissão sem Distorção Um sinal x(t) pode ser transmitido através de um sistema LTI sem sofrer distorção. Isto ocorre se a saída y(t) for uma réplica da entrada x(t), Assim, se y(t)=Kx(t-t0), sendo K e t0 constantes, admite-se que o sistema LTI transmitiu sem distorções o sinal de entrada x(t). Desta forma, para que o sinal de saida seja uma réplica do sinal de entrada, caracterizando a transmissão sem distorção, admite-se que possa existir um fator de escala K e um fator de tempo, ou retardo de tempo, t 0, entre a saida y(t) e a entrada x(t) aplicada ao sistema. Função de transferência para transmissão sem distorção: Se (2-49) Então (2-50) Portanto, a função de transferência de um sistema LTI que transmite sem distorção, a função de transferência ideal , será: (2-51) Desta forma, para transmissão sem distorção, a característica da amplitude da função de transferência deve ser constante , e a característica de fase deve ser linear, isto é, da forma -ωt 0. Vemos que a inclinação da característica de fase é igual ao tempo de retardo introduzido pelo sistema (-t0 ). Assim, o retardo deve ser constante e independente da frequência. Não confundir com a fase introduzida, que deve ser proporcional a ω. Na verdade, quanto maior a frequência, mais negativa é a fase introduzida, para que seja obedecida a característica -ωt0. 122 Largura de Banda Significa a largura da faixa de frequências em que o sinal tem eficácia, ou seja, a diferença entre a maior frequência com amplitude significativa e a menor frequência com amplitude significativa do espectro do sinal, normalmente designada por B (B geralmente expressa em Hz). Na prática, existirá um valor de B associado a um determinado critério, em função da aplicação. Por exemplo, na transmissão de sinais de voz, em telefonia fixa, a UIT (União Internacional de Telecomunicações, da qual o Brasil faz parte), cita que alguns países acharam necessário prover pelo menos 20 a 26dB de rejeição, na codificação de frequências de voz na faixa de 15 a 60Hz. Na faixa superior do espectro de voz, acima de 4.6 KHz, o nível de atenuação recomendado é superior a 25dB. Então, convencionou-se considerar que o sinal de voz em telefonia ocupa a faixa de 300 a 3400Hz (B=3100Hz). Na prática, para simplificar o raciocínio em várias situações, utiliza-se um B nominal de 4KHz para o sinal telefônico (espectro unilateral de 0 a 4KHz). Na transmissão de sinais de voz em comunicações militares, onde o mais importante é a mínima ocupação espectral e o reconhecimento da mensagem, não a identificação da voz do elemento falante, a faixa do sinal é mais reduzida que na telefonia comercial fixa, ficando em torno de 500Hz a 2500Hz (B=2000Hz). Para outros tipos de sinais, as características são diversas, e também os valores adotados de B. Sistemas que recebem sinais já modulados, como repetidores ou receptores de sinais de satélite, caracterizam-se por receber sinais em alta frequência, os quais podem trabalhar com valores máximos e mínimos de f, em 123 valores absolutos, bem maiores do que B. Por exemplo, no sistema SPADE, usado no satélite INTELSAT IV, um transponder de 36MHz (espécie de repetidor no satélite) tem a capacidade de receber um sinal modulado em FM com uma portadora de 6302MHz e B=45KHz, e retransmiti-lo para a terra em FM com uma portadora 4077MHz e B= 45 khZ (A portadora representa o valor central de frequências que tem largura de banda B). Assim, vemos que um sinal, com um banda B=45KHz, pode estar localizado em valores absolutos de frequência muito diferentes. A largura de banda B pode também estar associada a um sistema LTI. Os sinais de voz usados na transmissão telefônica em AM e em transmissões militares, podem terem sido gerados pela mesma fonte, por exemplo locutores falando em um microfone, e desta forma teriam o mesmo espectro original. O que os faz terem espectros diferentes, com larguras de banda B diferentes, para cada aplicação, é que eles foram processados por sistemas LTI também diferentes, adequados a cada aplicação. Esses sistemas LTI especiais recebem o nome de filtros. Associado a um filtro existirá sempre uma largura de banda WHz, que molda o espectro original do sinal aplicado em sua entrada, gerando o sinal de saída com largura de banda B=WHz. Deve-se prestar atenção quanto à convenção que está sendo usada para representar o espectro. O valor de largura de banda, relativo a um sinal ou a um sistema linear pode ser bem diferente, se referido a um espectro unilateral ou bilateral. 124 Filtros Ideais São sistemas LTI que possuem características de transmissão específicas dentro da faixa de frequências que constitui sua largura de banda W. Fora desta faixa, eles eliminam todo o sinal. Admitem 3 classes principais: 1-Filtro passa baixa (FPB), 2-Filtro passa alta (FPA) e 3-Filtro passa faixa (FPF). 1-Filtro passa baixa (FPB) A Figura 2-27 apresenta uma visão da função de transferência do FPB (forma bilateral). Como a frequência de corte inferior (ω ci) é igual a -ωC, e a superior (ωcs) é igual a +ωc, só existe um valor de frequência de corte que é ω C, sendo que W=ωC/2π corresponde à largura de banda física, em Hz, considerando apenas a parte positiva do espectro. Figura 2-27 Observe que a existência da parte negativa do espectro, é matematicamente necessária para que a função H FPB(ω) seja uma função real, pois estamos usando o espectro bilateral da transformada de Fourier. A equação característica de qualquer sistema LTI, inclusive um FPB, é a transformada inversa da função de transferência H(ω) do sistema. Assim, temos: 125 Portanto, utilizando as propriedades da simetria e do desvio no tempo: Este resultado é mostrado na Figura 2-28, para t0=1 s e B=2Hz. Conforme já foi definido no Exercício E-2.3, a função sinc(x)=[sen(πx)]/(πx)]. No caso, temos o argumento x=2W(t-t0). Portanto, ela se anula para valores do argumento, isto é, de x=k (k=±1,±2,±3...). O valor máximo ocorre em x=0, ou seja, em t=2B(t-t 0)=0, isto é, em t=t0=1s, quando sinc(x)=1, logo h(1)=2W=4. Os zeros ocorrerão em t=2W(t-1)=k=±1,±2,±3..., ou seja, em t=1.25, 0.75, 1.5, 0.5, etc. Portanto, a distância entre os dois primeiros zeros, a partir do máximo, é 1/W=0.5s. Conforme verificamos, a função h(t) tem existência de -∞ a +∞. O impulso só é aplicado em t=0. No entanto, a resposta do sistema ocorre desde antes, para valores de t<0. É como se o sistema já soubesse que o impulso vai ser aplicado, e começa a responder desde antes, o que fisicamente é impossível de ocorrer. Figura 2-28 126 Neste caso, dizemos que a resposta do sistema é antecipatória, porque ocorre antes da excitação ser aplicada. Formalmente, sistemas físicos são excitados a partir de t=0, e sua resposta também ocorre para t≥0, sendo chamados sistemas causais (plural de causal). A largura de banda W de um FPB ideal é ω C/2π, e se diz que sua faixa de frequências de passagem é de 0 à WHz (falando em termos de frequência como uma coisa física, ou seja, falando em termos do espectro unilateral). Podemos considerar também o espectro bilateral. Neste caso, como já vimos, o conceito de frequência adquire o aspecto matemático de uma variável pertencente aos números reais e portanto pode assumir valores positivos e negativos. Conforme a relação de Euler, para gerar uma função real é preciso um par de fasores girando em sentidos opostos, ou seja, todo sinal real possui matematicamente um espectro bilateral, no qual o espectro das amplitudes é sempre uma função par, e o espectro de fases é sempre uma função impar da variável real, a frequência. Neste caso, podemos dizer que a largura de banda de um FPB ideal é 2ω c, em rad/s, ou ωc/π em Hz. Devemos sempre ser claros quando estamos nos referindo ao espectro unilateral ou bilateral. Para as frequências dentro da faixa de passagem do filtro, isto é, para as frequências entre -ωc e +ωc, o filtro se comporta como um sistema LTI sem distorção, conforme pode se comprovar pela Figura 2.27. Isto significa que um sinal com faixa de frequências entre -ω c e +ωc, passará inalterado pelo filtro, apenas sofrerá um retardo no tempo, igual a t 0. 127 2-Filtro passa alta (FPA) A Figura 2-29 apresenta o gráfico de função de transferência do FPA. Conforme podemos observar, o filtro elimina todas as frequências abaixo da frequência de corte ωc. As frequências acima de ω c são transmitidas sem distorção ao passarem pelo filtro. A frequência de corte é também ωc. Porém, o FPA funciona ao contrário do FPB. Para o FPA, o valor W=ω c/2π tem significado diferente do FPB. Enquanto para este W é o valor da largura de banda, em Hz, para o FPA W é infinita. Figura 2-29 Para as frequências dentro da faixa de passagem do filtro, isto é, para as frequências abaixo de -ωc e acima de +ωc, o filtro se comporta como um sistema LTI sem distorção, conforme pode se comprovar pela Figura 2.29. I Isto significa que um sinal com faixa de frequências abaixo de -ω c e acima de +ω c, passará inalterado pelo filtro, apenas sofrerá um retardo no tempo, igual a t 0. Portanto, um FPA pode ser considerado um dispositivo eliminador de frequências baixas do sinal. Se o sinal aplicado ao filtro tiver frequências com |ω|<|ωc|, elas serão eliminadas pelo filtro, e na saída do mesmo a frequência mínima do sinal terá módulo igual a ωc. 128 O FPA ideal, assim como o FPB, também não pode ser construído fisicamente, pois apresenta uma resposta impulsiva não causal, e serve apenas como modelo matemático simplificador. A resposta impulsiva é requisitada no Exercício M-2.10. 3-Filtro passa faixa (FPF) O FPF, como o nome indica, permite a passagem livre de apenas uma faixa de frequências. Possui duas frequências de corte, ωci (frequência de corte inferior) e ωcs (frequência de corte superior). Naturalmente, ω cs > ωci e W = (ωcs- ωci)/2π. A Figura 2-30 apresenta o espectro bilateral do FPF, HFPF(ω). Figura 2-30 129 EXERCÍCIOS *M-2.1-Considere o sinal x(t)=10cos(tπ+π/5)+5sen(2πt – π/4) + cos (6πt +π/3) sendo aplicado na entrada de um FPB ideal com ω c=4π e t0= 1 s. Determine a expressão do sinal y(t) na saída do filtro e trace as formas de onda de x(t) e y(t). Considere t variando de -5 a 5 s, com um intervalo mínimo de 0.1 s. Solução: O sinal de entrada é composto por 3 frequências, respectivamente ω1=π, ω2=2π e ω3=6π rad/s. O FPB é ideal, e possui uma frequência de corte ωc=4π rad/s. Logo, de antemão podemos inferir que o sinal de saida será composto por apenas duas frequências, ω1=π, ω2=2π. Mas qual serão as formas de onda de x(t) e y(t)? Evidentemente, isto dependerá do defasamento entre as frequências de entrada e do retardo oferecido pelo sistema. Podemos resolver essa questão supondo inicialmente que o sistema tenha retardo zero, e inserindo posteriormente o retardo de 1s em y(t), e aplicar o principio da superposição, calculando a saida correspondente a cada x. Mas mesmo assim ainda temos que considerar o defasamento entre os sinais de entrada. Pode-se também calcular logo as três grandezas envolvidas, x(t), y(t) e h(t), utilizando o teorema da convolução no tempo: y ( t)=x (t)∗h (t) Para isto, é muito fácil utilizarmos um software para cálculo matemático, como o Scilab. A convolução, no Scilab, é calculada com apenas 1 comando, convol. A rotina utilizada é apresentada após as Figuras abaixo. Nesta rotina do Scilab, utilizaremos a equação característica do FPB : Outra coisa a ser considerada é que teoricamente tanto x(t) quanto y(t) são sinais de potência, portanto têm duração infinita ( de -∞ a+∞). Mas para poder usar um processamento numérico, ou mesmo desenhar um gráfico é preciso limitar a variável livre a valores finitos máximos e mínimos. Portanto, as respostas obtidas são limitadas a um certo intervalo, fora do qual elas não têm validade. Mas como saber se o resultado obtido é correto (ao menos aproximadamente)? Um critério é comparar as respostas segundo duas maneiras diferente de obtê-las. Uma, mais restritiva quanto aos parâmetros de cálculo, porém com boa probabilidade de 130 acerto nos resultados. Outra mais geral, que pode ser facilmente estendida a outros tipos de sinais e sistemas. No nosso caso, a primeira valida a segunda. As duas formas foram empregadas, e deram origem aos resultados das figuras abaixo, geradas pelo Scilab: Figura M-2.1-1 Sinal de entrada Figura M-2.1-3 Saida x1+x2 Figura M-2.1-2 Resposta Impulsiva h(t) do sistema Figura M-2.1-4 Saida representando a convoluçao entre as duas Figuras acima Observe que a Figura M-2.1-3 representa a soma de x 1+x2, sinais com frequências respectivamente ω1=π, ω2=2π, que são inferiores a frequência de corte do FPB ωc=4π. Seria a saida do filtro, se o retardo fosse zero. Como o tempo de retardo do filtro é 1s, o valor em t=0 corresponde a t=1, etc. Este resultado valida o apresentado na Figura M-2.1-4, que é dado pela convolução entre o sinal de entrada e a resposta impulsiva do FPB. Note que o valor de retardo do filtro já está computado. As Figuras acima foram geradas pela utilização da rotina listada a seguir, que é 131 aplicável a versões 4.0 do Scilab. pi=4*atan(1); t=-5:0.01:5; x1=10*cos(pi*t+pi/5); x2=5*sin(t-pi/4); x3=cos(6*pi*t+pi/3); x4=x1+x2+x3; x9=x1+x2; scf(0) plot2d(t,x4) xgrid scf(1) plot2d(t,x9) xgrid omegac=4*pi; t0=1; W=omegac/(2*pi); x=2*W*(t-t0); sinc=(sin(pi*x))./(pi*x); h=2*W*sinc; scf(2); plot2d(t,h) xgrid scf(3) y=convol(x4,h); tt=-10:0.01:10; plot2d(tt,0.01*y) xgrid *M-2.2-Trace a resposta impulsiva h(t) para o FPB do Exercício M-2.1. Considere t de -5 a +5 s, com um intervalo mínimo de 0.1 s. Solução Na verdade, a solução deste exercício está contida na solução do Exercício M-2.1. A listagem a seguir é um subconjunto de comandos da listagem apresentada no Exercício M-2.1, que roda no Scilab Versão 4.0: pi=4*atan(1); t=-5:0.01:5; omegac=4*pi; t0=1; W=omegac/(2*pi); x=2*W*(t-t0); sinc=(sin(pi*x))./(pi*x); h=2*W*sinc; 132 scf(2); plot2d(t,h) xgrid A Figura M-2.2-1 apresenta o gráfico para h(t), conforme geradp pela listagem acima: Figura M-2.2-1 *M-2.3-Conforme sabemos, y(t)=x(t)∗h(t). Comprove esta relação, obtendo a referida convolução para o caso do Exercício M-2.1. Sugestão: Elabore uma rotina computacional na linguagem de sua preferência, e utilize como entrada os vetores correspondentes à x(t) e h(t), para t de -5 a +5 s com intervalo de 0.099 s (para evitar divisão por zero). A saída deve ser comparada com y(t) obtido em M-2.1. Solução Novamente, este é um sub-produto do Exercício M-2.1. M-2.4-De acordo com o Exercício H-2.2, uma função retangular em ω de amplitude A, centrada em ω0 e de largura 2ωc se escreveria AΠ[(ω-ω0)/2ωc]. Daí, escreva a expressão da função de transferência de um FPB ideal com retardo t 0. Justifique sua resposta. R: H(ω) = Π[(ω/2ωc)] e-jωto M-2.5-Sabendo que W=ωc/2π, e também que B≤ ou ≥ ω c/2π, onde ωc é a frequência de corte do FPB, interprete o significado de B e W e deduza a expressão de h(t): 133 h(t) é a resposta impulsiva do FPB. *M-2.6-Trace o gráfico do pulso sinc x(t)=Asinc(2Bt). Considere 2 conjuntos de parâmetros:A1=1; B1=2 e A2=2; B2=4. A transformada de Fourier do pulso é X(ω)=(A/2B)Π (ω/4πB). Deduza esta expressão e calcule X(ω) para cada conjunto [A1,B1] e [A2,B2]. Trace os gráficos correspondentes e compare com os gráficos dos pulsos sinc. Estabeleça por sua conta as escalas das ordenadas e das abscissas mais adequadas. Solução A Figura M-2.6.1 apresenta gráfico de x(t) para o 1º conjunto de valores [A,B]=[1,2]; Figura M-2.6.1 Para o 2º conjunto [A, B]=[2,4] temos a Figura M-2.6.2; Figura M-2.6.2 As Figuras acima foram geradas com a seguinte listagem (Scilab 4.0): 134 pi=4*atan(1); A=1; (2); B=2; (4); t0=0; t=-5:0.0009:5; x=2*B*(t-t0); sinc=(sin(pi*x))./(pi*x); x=2*B*sinc; scf(1) plot2d(t,x) xgrid De uma tabela de transformadas compatível temos que: Asinc (2Wt )←→ A f Π( ) 2W 2W Daí, se x(t)=Asinc(2Bt) então X(ω)=(A/2B)Π (ω/4πB) As Figuras M-2.6.3 e M-2.6.4 apresentam X(ω) para os 2 conjuntos de valores [A,B]=[1,2] e [A,B]=[2,4], respectivamente. Figura M-2.6.3 Figura M-2.6.4 Conforme verificamos, a largura da função no domínio do tempo varia de forma inversa no domínio da frequência (se a função se alarga no tempo, isto é se a sua duração é maior, então ela se estreita na frequência, e vice-versa). Apesar de termos comprovado apenas para um caso particular, podemos generalizar para qualquer sinal. *M-2.7-Considere o pulso sinc do Exercício M-2.6 sendo aplicado a um FPB ideal com largura de faixa WHz (W=ωc/2π), ganho unitário e retardo zero. Considere duas 135 situações: B>W e B<W. Para cada uma das situações, calcule a expressão para o sinal de saída y(t). Estabeleça comparações entre os dois casos, anotando o que acontece com a amplitude e a duração no tempo do pulso de entrada nos dois casos. Solução 1ª situação: B>W: Nesse caso, a largura de banda do sinal de entrada é modificada pelo filtro. Como a função de entrada é retangular em ω, sua representação no tempo é uma função sinc. Portanto, o sinal de saida, terá um espectro de frequências ainda retangular, porém, como B>W, este sinal de saida terá um espectro mais estreito que o de entrada, ficando limitado à uma frequência ωC. Este sinal, no domínio do tempo, tem a forma da transformada inversa da função retangular, ou seja a função sinc. Na verdade, pela ação do filtro, o espectro do sinal de saida será igual à função de transferência do filtro. No domínio do tempo, temos uma convolução entre duas funções sinc, a função de entrada e a equação característica do filtro. O resultado, isto é, o sinal de saida, é também expresso como uma função sinc no domínio do tempo. Daí concluímos que a convolução entre funções sinc de espalhamentos diferentes resulta ainda numa função sinc, que é igual à sinc mais espalhada. Em outras palavras: y ( t)=x (t)∗h ( t)=2Bsinc ( 2Bt)∗2Wsinc( 2Wt)=2Wsinc( 2Wwt) sendo B>W. 2ª situação: B<W: Nesse caso, o FPB não afeta o sinal de entrada, que possui menor largura de banda. Assim, o sinal de saida reproduz a entrada. Seguindo o mesmo raciocínio anterior, temos nesse caso: y ( t)=x (t)∗h ( t)=2Bsinc (2Bt)∗2Wsinc( 2Wt)=2Bsinc (2Bt ) sendo B<W. A amplitude, como a função de transferência tem valor =1, fica inalterada a amplitude máxima da função de transferência. Entretanto,no caso descrito pela situação 1. O sinal de saida possui largura de banda menor que o sinal de entrada, sua energia é menor, e sua amplitude máxima no domínio do tempo deverá também diminuir. 136 *M-2.8-Considere uma função degrau unitário sendo aplicado à entrada de um FPB ideal de largura de banda W e t0=0. Calcule numericamente a saída y(t) do filtro para -4/W<t<4/W. Utilize o software de sua preferência, mas considere um número suficiente de amostras dos vetores de entrada para que se obtenha um gráfico claro e bem preciso. Discuta a precisão do sinal de saída em função do incremento utilizado nas variáveis e do comprimento dos vetores. Solução Conforme vimos no Exercício K-2.10, a convolução de uma função qualquer com o degrau unitário resulta na integral da função. Neste Exercício, temos como sinal de saida do filtro a convolução entre o sinal de entrada e a equação característica do sistema. Como o sinal de entrada é um degrau unitário, a saida será igual a integral da equação característica do FPB. Portanto, será igual à integral de h(t)=2Wsinc(2Wt). Esta é uma integral não-trivial, e só pode ser calculada numericamente. A Figura M-2.8 apresenta a função de saida, obtida pela rotina abaixo, escrita para rodar no Scilab versão 4.0. Esta rotina calcula numericamente a integral de uma função qualquer, definida pelo comando function, pelo método de Simpsom. pi=4*atan(1); W=1.5; fqq=[]; nn=[]; ss=[]; xx=[]; function [r]=IQ(v) r=(2*W)*(sin(2*W*pi*v)/(2*W*pi*v)); endfunction t=0; nx1=-1.; nx2=5.; for ny=nx1:0.01:nx2; nz=-1.5; s=0.; fq=0.; n=0.; for x=nz:0.01:ny n=n+1; s=IQ(x); fq=fq+2*s; end fq=fq-(IQ(nz)+IQ(ny)); fq=((ny-nz)/(2.*(n-1))).*fq; int=fq; 137 fqq=[fqq fq]; nn=[nn n]; xx=[xx x]; end scf(0) plot2d(xx,fqq) xgrid Figura M-2.8 Quanto aos parâmetros do cálculo, eles podem ser ajustados convenientemente na rotina. *M-2.9-Um FPB tem uma função de transferência dada por: conforme mostra a Figura 2-31. Esta função não tem módulo constante na faixa de passagem do filtro, apresentando uma distorção linear em atenuação. Um pulso g(t), também limitado em banda à BHz, B=W, é aplicado à entrada deste filtro, conforme mostra a Figura 2-32. Ache a saída r(t). Trace o gráfico resultante considerando k=0,1; t0=0,5 s; T=0,1 s, e W=1.5Hz. R: r(t)=g(t-t0)+(k/2)g(t-t0+T)+(k/2)g(t-t0-T) 138 Figura 2-31 Figura 2-32 Solução Sendo g(t) <-----> G(ω) e r(t) <-----> R(ω) então R(ω)=G(ω)R(ω). Portanto, R (ω)=G(ω)[1+ kcos ω T ]e− j ω t e j ω T +e− j ωT cos ω T= 2 0 Mas Então R (ω)=G(ω)e−j ω t + (k /2)G(ω)e−j ω (t −T) + (k /2)G(ω)e−j ω(t + T) 0 0 0 Daí, pela propriedade do deslocamento no tempo, r (t)=g (t−t 0 )+( k /2) g( t−t 0+ T)+(k / 2) g( t−t 0−T) Nota-se que o sinal de saida é composto pela adição do sinal de entrada deslocado no tempo com 2 “ecos” do sinal de entrada, com a amplitude multiplicado pelo fator k/2 e deslocamento relativo +T e -T. Isto irá distorcer o pulso de saida, 139 fazendo com que sua forma seja diferente do pulso de entrada. Para gerar figuras representando este fato, usamos a listagem a seguir, para o Scilab 4.0, entretanto, para melhor visualização, usamos T=0.35 e W=5. pi=4*atan(1); W=5; tau=1/W; k=0.1; t0=0.5; T=.35; A=1; ww=[]; HH=[]; xx=[]; yy=[]; tt=[]; for w=-W-.5:0.01:W+.5 H=1+k*cos(w*T); HH=[HH H]; ww=[ww w]; end scf(0) plot2d(ww,HH) xgrid for t=-2:0.01:2; z1=t; x=A*exp(-pi*(z1/tau)^2); z2=t-t0-T; z3=t-t0+T; y=A*exp(-pi*((z1-t0)/tau)^2)+k*A*exp(-pi*(z2/tau)^2)+k*A*exp(-pi*(z3/tau)^2); xx=[xx x]; yy=[yy y]; tt=[tt t]; end scf(1) plot2d(tt,xx) xgrid scf(2) plot2d(tt,yy) xgrid As Figuras geradas pela listagem acima são as Figuras M-2.9.1, M-2.9.2 e M-2.9.3 a seguir representadas: 140 Figura M-2.9.1 Figura M-2.9.2 Figura M-2.9.3 141 M-2.10-Considerando que a função de transferência de um FPA, conforme vemos na Figura 2.29, é igual a 0 para ω<ω c e igual a e-jωto para ω>ωc, deduza a expressão de H(ω) do FPA baseado na resposta do Exercício M-2.4. R: M-2.11-Deduza a expressão da resposta impulsiva h(t) do FPA mostrado na Figura 2-29: R: *M-2.12-Defina o que seria um Filtro Elimina Faixa. Escreva uma possível função de transferência e função característica para esse filtro. Apresente também algumas aplicações. Solução Um Filtro Elimina Faixa, como o nome já sugere, é o inverso de um Filtro Passa Faixa, isto é, um filtro que deixa passar livremente as frequências fora de sua faixa de passagem, e elimina completamente frequências dentro desta faixa. Sendo assim, sua função de transferência pode se escrever: H(ω)FEF=[1−H(ω)FPF ]e ⁻ j ω t0 Uma possível função característica para este filtro seria dada pela transformada inversa da equação acima. Consultando-se uma tabela de transformadas e aplicando-se a propriedade da multiplicação por cosω0t, tem-se: h ( t)FEF=[δ (t −t 0 )−2cos (ω 0 (t−t 0 ))×( 2Wsinc2W(t−t 0))] M-2.13-Mostre que um Filtro Elimina Faixa pode ser composto pela associação em série, ou cascata de um FPB e um FPA. 142 Filtros Fisicamente Realizáveis Um filtro fisicamente realizável deve ser causal. Isto significa que um filtro fisicamente realizável deve ter h(t)=0 para t<0 . [h(t) é a resposta do filtro ao impulso unitário]. A função de transferência H(ω) é transformada de Fourier de h(t). Pode ser demonstrado que h(t) causal implica em que |H(ω)| não pode ser zero, qualquer que seja o intervalo de frequências considerado. Desta forma, um filtro fisicamente realizável sempre permitirá a transferência de sinais da entrada para a saida. O que acontece é que existe uma banda de frequências, chamada banda de passagem do filtro, em que a transferência é feita quase sem perdas, às vezes até com um pouco de ganho, enquanto que fora da banda de passagem do filtro esta transferência é muito atenuada. No filtro ideal, H(ω) tem características de transmissão sem distorção dentro da banda de passagem, e se anula completamente fora desta banda. Na frequência de corte, há uma descontinuidade, pois a característica de corte é vertical. De um lado, |H(ω)|=1, e do outro, |H(ω)|=0. Em um filtro fisicamente realizável isso não pode acontecer, a curva de corte tem uma característica monotônica, sendo sempre uma curva crescente ou decrescente com ω. Conforme a complexidade e o tipo de construção do filtro, essa característica pode ser mais ou menos inclinada. Também dentro da banda de passagem do filtro, a característica de fase não é ideal, portanto a característica de transferência tenta se aproximar de uma transmissão sem distorção. De um modo geral, deve existir uma troca entre a inclinação da curva de corte e a característica de fase; quanto maior a inclinação, mais distante do ideal é a fase, e vice-versa (a fase ideal tem uma relação linear com ω, ou seja, -ωt 0, sendo t0 o retardo de transmissão através do filtro). 143 Outro ponto a considerar é a atenuação fora da banda de passagem, ou a chamada atenuação na banda de rejeição do filtro. Como vimos, para um filtro fisicamente realizável, |H(ω)| nunca pode ser completamente anulada. Portanto, na banda de rejeição, |H(ω)| terá sempre um valor residual, ainda que muito baixo. Poderá apresentar variações significativas, afastando-se bastante de uma característica de transferência ideal, porém sempre será menor que o valor na banda de passagem. É comum a transferência através do filtro ser expressa em termos da potência média dos sinais na entrada e na saída do filtro. Neste caso, é usual se expressar a relação entre a potência média da saída pela potência média da entrada em dB. Como |H(ω)|=|Y(ω)|/|X(ω)|, (2-52) Portanto, o valor |H(ω)|2 em dB pode ser dado por: (2-53) Finalmente, para um filtro fisicamente realizável, devemos considerar que a característica da curva de corte não pode ser perfeitamente vertical, como um filtro ideal. A inclinação pode ser dada pela diferença em frequência correspondendo a determinados valores de atenuação, em dB. Largura de banda W de filtros fisicamente realizáveis Um filtro fisicamente realizável pode ter características de FPB, FPF e FPA. Se for um FPB, a curva de corte é decrescente, no sentido de que o ganho na faixa de passagem do filtro decresce com o aumento de ω, durante o corte. Se for um FPA, a curva é crescente, no sentido de que o ganho vai aumentando com ω durante o 144 corte. Se for um FPF, possui duas curvas de corte, uma crescente e outra decrescente. A frequência de corte é definida estabelecendo-se pontos específicos da curva de corte. Um ponto específico muito usado é o ponto de -3dB. Neste ponto, a potência nominal de saída é ½ da potência nominal na entrada do filtro, o que conforme a Equação 2-53 corresponde a 3dB de atenuação, ou seja, um ponto de -3dB na curva de corte. Como exemplo, consideremos um FPB, cujo módulo do quadrado da função de transferência aparece na Figura 2-33. Neste exemplo, o patamar de atenuação ocorre em -7dB, e o ponto de meia potência, de -3dB, determina a frequência de corte ω C e a largura de banda W=ω C / 2π. Se os sinais de entrada e saída forem senoidais, o que é muito comum em procedimentos de teste, a potência média destes sinais é dada por A 2/2, onde A é a amplitude máxima destes sinais. Portanto, para a potência decrescer à metade, o valor eficaz decresce de 0,707 = √2. , Figura 2-33 Assim como foram utilizados os pontos de -3dB para definir a LB, poderiam ter sido empregados pontos de -10dB, ou -30dB, ou algum outro critério a ser definido. Desta forma, antes de falarmos em LB de um filtro fisicamente realizável, devemos 145 definir qual critério será utilizado para definição de sua LB. Esta definição de LB pode também ser aplicada aos sinais na entrada do filtro e na saída do filtro, fixando desta forma o valor de B. Geralmente, critérios equivalentes são empregados para definição da LB W do filtro e B dos sinais de entrada e saida, de modo que B=W nos pontos de entrada e saida do filtro. Filtro passa baixa RC A Figura 2-24 apresenta um circuito RC que pode ser considerado um filtro passa baixa fisicamente realizável. Este é um filtro simples, mas bastante utilizado, em várias aplicações. Conforme o resultado do Exercício L-2.8, e As funções derivadas das fórmulas acima devem ser traçadas no Exercício L-2.8. Entretanto, das fórmulas acima, verifica-se que para ω=0, log o ponto máximo da curva de atenuação. Para ω=a, 10 log 10 10 | H(ω) |=0. Este é | H(ω) |2=-3. Portanto, em ω=a, temos um ponto de meia potência. Sendo um ponto característico do FPB RC, podemos dizer que para este filtro a largura de banda W=a/2πHz, sabendo que ωc=a=1/RC rad/s RC é chamado a constante de tempo do filtro. 146 EXERCÍCIOS *N-2.1-Calcule a função de transferência do filtro passa faixa RLC da Figura 2-34, considerando como sinal de entrada a corrente x(t) e como sinal de saída a tensão y(t). Figura 2-34 R: Solução A relação entre a tensão e a corrente é a impedância do circuito. Assim, segundo Close, H(ω)= 1 R = 2 1 1 + + jω C 1+ jRC ω −1/( LC) ω R ( jω L) ( ) *N-2.2-Supondo que para o Exercício N-2.1 , sejam definidos e sendo 147 ωR – frequência de ressonância do filtro Q – fator de mérito ou fator Q do filtro Calcule H(ω) , | H(ω) | e θ(ω) em função de ω R e Q. R: Solução H(ω)= H(ω)= R R = 2 2 2 (ω −ω R ) 1 C ω −ω R 1+ jRC × 1+ jR 1 √ LC L ω×ωR ω× √ LC 2 √( ) R ω2−ω 2R 1+ jQ ω×ω R ( ) Assim, ∣H(ω)∣= R √ ω2−ω2R 1+ Q ω×ω R 2 ( ) 2 e ω2−ω2R θ(ω)=−arctg Q ω×ω R ( ) N-2.3- Trace a curva para o lado positivo do espectro bilateral |H(ω)| do Exercício N-2.2, identificando seu valor máximo, e em qual frequência ele ocorre. Chamando ω1 e ω2 as frequências de meia potência do filtro, ou seja, quando |H(ω)|2=|Hmax(ω)|2/2, calcule-as e a largura de banda W de meia potência do filtro. Qual o papel de Q? R: 148 N-2.4-Analise a função de transferência equivalente para filtros conectados em série (cascata), em paralelo e em realimentação conforme a Figura 2-35. O objetivo é encontrar o filtro equivalente (Feq) em função dos filtro individuais, tendo evidentemente um Feq para cada estrutura apresentada. É suposto que cada um dos filtros não afeta as característica dos demais. Figura 2-35 *N-2.5-Estabeleça a função de transferência de um equalizador 7 que possa ser utilizado para compensar a distorção de amplitude causada pelo efeito de multicaminho do Exercício L-2.14. R: 7 Um equalizador é um tipo de filtro que é geralmente inserido no caminho de recepção do sinal, de modo que Hcanal∙Hequal.=Ke- jωto (ou seja, o equalizador tenta compensar a distorção do canal, de modo que a resposta global seja a de um sistema sem distorção, ao menos na banda do canal). 149 Solução O equalizador, de função de transferência H eq(ω) , é um sistema linear colocado em série com o canal, modificando-o, de modo que, Hfinal (ω)=H canal (ω)×Hequal (ω) Como o objetivo é alcançar transmissão sem distorção dentro da faixa de banda do canal, então Hfinal ( ω)=Ke −j ω t d onde K e td são constantes arbitrárias dentro da faixa do canal. Assim Ke− j ω t H equal (ω)= H canal (ω) d Para a distorção causada pelo efeito multicaminho, ( Hcanal (ω)=K1 1+ K 2 − j ω(t −t ) − j ω t e e K1 2 1 ) 1 Portanto K ×e− jω (t −t ) K1 H equal (ω)= K [1+ 2 e−j ω(t −t ) ] K1 d 1 2 1 *N-2.6-A Figura 2.36 apresenta o esquema básico de um equalizador de linha de retardo com derivações, um filtro transversal, no caso com 3 tomadas. Determine sua função de transferência na banda de passagem do filtro. 150 Figura 2-36 R: Solução Do esquema do equalizador, temos que y ( t)=a −1 x ( t)+ a 0 x (t−T)+a 1 x (t−2T) Daí, aplicando-se a propriedade do deslocamento no tempo, e notando-se que Hequal (ω)= Y(ω) X(ω) *N-2.7-Demonstre que o filtro transversal do Exercício N-2.6 pode ser utilizado como equalizador para compensar a distorção de multicaminho apresentada no Exercício L-2.14 e estabeleça valores de a-1, a0 e a1 para que isto aconteça. Sugestão: Utilize o resultado do Exercício N-2.5, fazendo K=K 1 e t0=t1, e utilize a seguinte expansão em série: 1/(1+x)=1-x+x2-x3+x4+... R: a-1=1; a0=-(K2/K1); a1=(K2/K1)2 e T=t2-t1 151 Solução Conforme visto no Exercício L-2.14, o efeito multicaminho provoca distorção de amplitude e fase, pois K ×e− jω (t −t ) K1 H equal (ω)= K [1+ 2 e−j ω(t −t ) ] K1 d 1 2 1 Como K e td são arbitrários, podemos fazer K=K12, e td=2t1, obtendo-se: K1×e− j ω(−t ) Hequal (ω)= K [1+ 2 e−j ω (t −t )] K1 1 2 1 Expandindo-se Hequal(ω) em uma série binomial 1 =1−x + x 2−x 3 +x 4 −... 1+ x 2 3 4 K K K K Hequal (ω)=1− 2 e− j ω(t −t ) + 2 e−2j ω(t −t )− 2 e−3j ω(t − t ) + 2 e−4j ω(t −t )−... K1 K1 K1 K1 2 1 ( ) 2 1 ( ) 2 1 ( ) 2 1 Comparando-se esta expressão com a obtida no Exercício N-2.6, conclui-se que Hequal(ω) pode ser aproximada por um equalizador empregado um filtro transversal com tantas tomadas quanto o número de termos necessários a uma boa aproximação na expansão binomial. Para o filtro transversal com 3 tomadas, Hequal (ω)=1− K 2 − j ω(t −t ) K 2 2 −2j ω(t −t ) K 2 3 −3j ω(t − t ) e + e − e K1 K1 K1 2 1 ( ) 2 1 ( ) sendo portanto a−1=1 −K 2 a 0= K1 T=t 2−t 1 a 1= K2 2 K1 2 1 152 N-2.8-Mostre graficamente que, se B>W na entrada do filtro, então B=W na saída do filtro (FPB ou FPF, naturalmente, pois um FPA tem W= ꝏ). *N-2.9-A Figura 2-37 apresenta o diagrama esquemático de um FPB muito utilizado na prática, chamado filtro Butterworth de 3 a ordem. Considere os seguintes valores para este circuito: R = C1 = C2 = L 200 Ω 1/(800πW) F 3C1 = 400/(3πW) H sendo W a largura de banda em Hz, que corresponde aos pontos de -3dB do filtro. Considerando W=1000Hz, trace o módulo da função de transferência H(ω) do filtro. Indique os valores em dB de |H(ω)| para as frequências de 200Hz, 400Hz, 1000Hz, 1200Hz e 2500Hz. R: 200Hz: 0dB; 400Hz: 0dB; 1000Hz: -3dB 1200Hz: -6dB 2500Hz: -23,9dB Figura 2-37 Solução A rotina abaixo fornece um gráfico, apresentado na Figura N-2.9, onde podem ser observados os valores até 1200Hz. 153 pi=4*atan(1); i=sqrt(-1); V1=1; 'Butter6' B=1000; omegaB=2*pi*B; C_Bu=(1/(800*pi*B)); R=200; C1=C_Bu ; L=400/(3*pi*B); C2=3*C1; R_Bu=200; HH=[]; omeg=[]; HHdB=[]; for omega=0.1:1:2.5*pi*B s=i.*omega; C1=(1/(800*pi*B)); L=400/(3*pi*B); z1=R_Bu; z2=1/(s*C1); z3=s*L; z4=1/(s*3*C1); zz2=(z2*(z3+z4))/(z4+z2+z3); V3=(z4/(z3+z4))*(zz2/(z1+zz2))*V1; H=abs((z4/(z3+z4))*(zz2/(z1+zz2))); HdB=20*log10(H); HHdB=[HHdB HdB]; HH=[HH H]; omeg=[omeg omega]; end plot2d(omeg/(2*pi), HHdB) xgrid A rotina pode ser facilmente modificada para incluir o valor de 2500Hz. Figura N-2.9 154 N-2.10- Qual o valor aproximado, em unidades lineares, para a atenuação do filtro em 2500Hz? E em 10 Khz? *N-2.11-Trace a resposta impulsiva h(t) do FPB da Figura 2-37. R: Figura 2-38 Por conveniência a Figura 2-38 foi obtida com os seguintes valores para os elementos do filtro: W=12Hz, C1=0,66μF, C2=200μF, L=1,7H, R=100Ω. Conforme podemos observar da Figura 2-38, a resposta ao impulso é causal, sendo =0 para t<0. Solução A rotina abaixo pode ser usada para obter o gráfico da Figura 2-38. Roda em Scilab versão 4.0 ou inferior. A resposta está reproduzida no gráfico da Figura N-2.11, gerada pela rotina (após empregar recursos de edição de imagem do próprio Scilab). pi=4*atan(1); i=sqrt(-1); s=poly(0,'s') B=12; fator=1 ; omegaB=2*pi*B; C_Bu=(1/(400*fator*pi*B)); R=100*fator ; C1=C_Bu; L=200*fator/(3*pi*B) ; C2=3*C1; z1=R; z2=1/(s*C1); z3=s*L; 155 z4=1/(s*3*C1); zz2=(z2*(z3+z4))/(z4+z2+z3); V3=(z4/(z3+z4))*(zz2/(z1+zz2)); s1=tf2ss(V3); t=0:0.001:1; xset("window",11); xselect(); y=csim('impulse',t,s1); plot2d(t',y') a=get("current_axes"); a.font_size=5; xgrid A largura de banda usada B=12Hz, pequena para que a largura do pulso seja próxima de da unidade (1/12 =0.08). Apenas um critério. Figura N-2.11 *N-2.12-A Figura 2-39 apresenta um diagrama em blocos de um sistema utilizando o FPB da Figura 2-37. Em que condições podemos afirmar que a função de transferência equivalente do sistema é H1HFPBH2? 156 Figura 2-39 Solução Quando as funções de transferência não interferirem uma com a outra. Isto ocorre quando a saida de uma não interfere com a entrada de outra, em termos de impedâncias. No caso em questão, como só temos 3 funções de transferência ligadas em cascata, basta que a saida de H1 não interfira com a entrada de H FPB, e a saida de HFPB não interfira com a entrada de H2. Isto será possível se a impedância de saida de H1 for muito baixa, a impedância de entrada de HFPB seja muito alta, de modo a não interferirem mutuamente , a impedância de saida de HFPB seja muito baixa e a impedância de entrada de H2 seja bem alta para que HFPB não afete H2 e vice-versa. N-2.13-Considere um FPB-RC como o da Figura 2-24. Considerando R=100Ω, calcule o valor de C tal que a frequência de corte (-3dB) seja W=1000Hz. Calcule a atenuação, em dB, à 2000Hz. Apresente seus cálculos. R: 1,6 μF; -7dB. N-2.14-Ainda para o filtro RC da Figura 2-24, suponha R=500Ω. Para este novo valor de R, calcule o valor de C tal que a frequência de corte (-3dB) continue a ser =1000Hz. Calcule a atenuação, em dB, à 5000Hz. Apresente seus cálculos. R: 300 nF; -14,15dB. 157 Amostragem A operação de amostragem é básica na conversão de sinais analógicos em digitais, e vice-versa. Simplificadamente falando, ela realiza um recorte do sinal, transmitindo ou processando apenas determinadas partes, ou amostras do sinal. Desta forma, ao invés de se transmitir um sinal analógico durante todo o tempo em que ele está sendo gerado, são transmitidos apenas alguns valores do sinal. Isto permite que esses valores sejam codificados por exemplo, utilizando códigos binários. Desta forma, um sinal analógico, que possui uma infinidade de valores, pode ser processado ou transmitido digitalmente. E mais: no intervalo de tempo entre duas amostras sucessivas do sinal analógico, o sistema digital pode se ocupar de outras operações, como por exemplo, transmitir ou processar outras amostras pertencentes a outros sinais, ou realizar qualquer outra operação. Por isso é que um computador pessoal pode realizar simultaneamente diversas tarefas, como por exemplo, tocar uma música ao mesmo tempo em que edita um texto. Na verdade, o computador só realiza uma tarefa de cada vez, apenas produz a ilusão de realizar diversas tarefas simultaneamente porque ele picota cada uma, realizando um pedacinho de cada uma de cada vez. É claro que para a amostragem de um sinal analógico funcione, é preciso que se consiga reconstituir o sinal analógico a partir de suas amostras. Para isso existe uma regra, expressa pelo teorema da amostragem, que será visto logo adiante A operação de conversão A/D ou seu inverso, a operação D/A, são essenciais para os sistemas atuais. Um exemplo clássico está na telefonia, onde a fonte e o destino são analógicos, enquanto os meios de transmissão são digitais. Outro exemplo é um CD de música, a qual é gravada e armazenada no CD em forma digital, sendo convertida em forma analógica para audição. Diversos outros exemplos existem, em várias áreas envolvendo a transmissão e/ou processamento de sinais. 158 Teorema da amostragem “Um sinal limitado em frequência à BHz (isto é, um sinal cujo espectro de frequências é praticamente =0 para |ω|>2πB rad/s ) é univocamente determinado por seus valores (amostras) tomados à intervalos uniformes e menores do que 1/2B segundos” Normalmente, x(t) vai de baixas frequências até certa f max, e sua largura de banda é aproximadamente B=fmax, e portanto deve ser amostrado à uma taxa superior a 2BHz, ou seja, a frequência de amostragem é f0≥2BHz. BHz representa a maior frequência que x(t) é capaz de gerar com amplitude significativa. Aqui, como método aproximado, será empregado o espectro de densidade de frequências de x(t) para representação no domínio da frequência, dado por sua transformada de Fourier, X(ω). A justificativa é que a medição ou determinação da forma exata do espectro não é importante, bastando a suposição de que X(ω) ≃ 0 para ω> ωmax, sendo desta forma ωmax considerada a frequência máxima do espectro de x(t), ou seja, a frequência a partir da qual a contribuição espectral de x(t) é considerada insignificante ou desprezível. Esta frequência ω max é importante para determinação da frequência de amostragem, f0Hz. A frequência de amostragem, em rad/s, é ω 0, que deve ser superior a no mínimo 2ωmax, sendo ω max=2πB rad/s. Mas o que é, exatamente, uma amostra do sinal x(t)? 159 Amostra de x(t) e sua representação Uma amostra significa a medição do valor do sinal em um determinado instante de tempo. Uma amostra é, portanto o valor (digamos, em V), do sinal x(t) no instante t 0 ( em segundos - s). Mas como determinar, praticamente, o valor de uma amostra? Compreenda que a duração da medição, que ocorre no instante t 0, deve ser muito pequena, durando um valor Δt onde Δ→0. Isso, na prática, não é um problema, pois as taxas de amostragem usadas (que podem chegar a dezenas de MHz, no caso de sinais de imagens, por exemplo) são muito menores do que as taxas com que são gerados os sinais de controle de largura de pulsos de amostragem, que nos modernos circuitos eletrônicos podem chegar a GHz, ou seja, da ordem de 1000 vezes maior. Isto significa que a largura dos pulsos de amostragem pode ser muito pequena em relação ao período de amostragem. Pulsos assim tão estreitos podem ter seu espectro de frequência modelados aproximadamente por uma série de Fourier composta por uma sequência periódica de impulsos de Dirac, como na Equação 2-29. Devido à largura do pulso, Xn é muito pequeno, fazendo com que as áreas dos impulsos sejam correspondentemente pequenas. Na Figura 2-40 representa-se o modelo matemático da amostragem, o qual utiliza um elemento central, que é um elemento multiplicador. Assim, a operação de amostragem é representada, essencialmente, por uma multiplicação entre x(t), o sinal de entrada, e uma sequência de impulsos unitários. Essa sequência é periódica, e a taxa de amostragem é ω 0=2π/T. Como resultado temos o sinal amostrado, x s(t). Cada amostra é representada por um impulso cuja área é proporcional ao valor da amostra, x(t 0). 160 x(t) é um sinal limitado em frequência. Portanto, seu espectro é nulo acima de um determinado valor de frequência, ωmax... Figura 2-40 As amostras da Figura 2-40 não podem ser produzidas por sistemas físicos reais, pois foram geradas a partir de funções impulso, que têm amplitude infinita. Na prática o valor de cada amostra é representada pela amplitude de um pulso muito estreito, gerado pela base de tempo do circuito amostrador. Entretanto, nesta etapa, é conveniente utilizarmos o modelo teórico apresentado na Figura 2-40, pois é simples de ser analisado e atende ao que se deseja. A Figura 2-41 ilustra uma representação para o espectro de x(t), cuja forma exata não é relevante ao problema, então este espectro será genericamente representado conforme a Figura 2-41, mostrando que ele é nulo acima de uma certa frequência ωmáx: Figura 2-41 161 Espectro do sinal amostrado O sinal amostrado, no domínio do tempo, segundo o modelo da Figura 2-40 é: conforme mostra a Figura 2-42: Figura 2-42 Analiticamente, podemos escrever Considerando que (ver Exercício L-2.13) Então Portanto Da equação acima, vemos que o espectro do sinal amostrado é uma função periódica em ω, sendo uma repetição, com o período ω 0 (frequência de amostragem), do espectro fundamental X(ω). Este fato, em conjunto com X(ω) 162 limitado em frequência, faz com que a função periódica resultante (periódica em ω, note bem) tenha uma composição espectral com lóbulos que não se sobrepõem, desde que atendida a condição de que ω0 > 2ωmax. A situação assim formada permite que se utilize um filtro para a recuperação isolada de qualquer parte do espectro periódico. Teoricamente, se este filtro tiver características de um filtro passa baixas ideal, cuja frequência de corte ω C satisfaça a condição ωmax<ωC<ω0-ωmax ,então, na saída do filtro, teremos apenas o espectro do sinal original, X(ω). A Figura 2-43 ilustra graficamente o que foi descrito pelas equações, inclusive mostrando a ação do FPB sobre o espectro de X s(ω). Figura 2-43 Exemplo da amostragem de um sinal senoidal Vamos exemplificar realizando a amostragem de uma onda analógica senoidal, de frequência ω0=1 rad/s e período T [y(t)=sen(ω0t) e T=2π]. A Figura 2-44 apresenta esta situação. 163 Figura 2-44 O quadro 1 apresenta valores mais precisos de t e y Conforme podemos observar, para 1 período de y(t) [T=2π= 6.2831853], temos exatamente a diferença de tempo entre a 6a amostra e a 1a, demonstrando que temos assim 5 amostras em 1 período de y(t), ou seja, uma frequência de amostragem 5 vezes maior que a de y(t). A 6a amostra repete o valor da 1a, dando início portanto a um novo ciclo de amostragem. Quadro 1 164 EXERCÍCIOS *O-2.1-Utilizando a notação para funções retangulares definida nos exercícios da sequência A, defina a função de transferência ideal do FPB utilizado na recuperação do sinal amostrado. Suponha que a sequência amostradora δ T(t) tenha exatamente o dobro da frequência máxima (BHz) de x(t), ou seja T=1/2B (intervalo de Nyquist). Desenhe o gráfico da função de transferência do sinal amostrado X S(ω) nestas condições. R: H(FPB)=TΠ[ω/(4πB)]. Solução O FPB ideal tem a função de transferência conforme a Figura 2-43. Como a amostragem tem exatamente o dobro da frequência máxima (Bhz) de x(t). a função de transferência do FPB ideal tem exatamente W=B, assim |H(FPB)|=TΠ[ω/(4πB)]. A Figura O-2.1 mostra um aspecto geral para |H(ω)| neste caso. Figura O-2.1 *O-2.2-Desenvolva uma equação no domínio do tempo, que descreva o processo de reconstrução de um sinal analógico x(t) a partir de um FPB aplicado a suas amostras. Considere o modelo de amostragem da Figura 2-40 e utilize o intervalo de Nyquist (T=1/2B) na obtenção das amostras. *Sugestão: Estabeleça a função característica h(t) de um FPB ideal [que nada mais é do que a transformada inversa de H(FPB)], a seguir estabeleça a convolução entre xs(t) e h(t). 165 R: Solução No domínio do tempo, a operação de filtragem que reconstitui x(t) a partir do sinal amostrado é analisada como sendo a convolução de x s(t) com h(t)=Ţ 1[H(ω)]: x ( t)=xs ( t)∗h (t) Sendo H(ω)=T Π ( ω ) 4πB então, h ( t)=2 T Bsinc(2 Bt )=sinc(2 Bt) . pois T=1/(2B). x s (t )= Mas +∞ ∑ x( nT)δ(t−nT), n =0,±1,±2,±3... n =−∞ ou seja, é um somatório de funções impulso, sendo a área de cada impulso igual a (xnT) (valor das amostras em t=nT). Pela teoria dos sistemas lineares, e pelo princípio da superposição, escreve-se imediatamente que: ∞ ∞ n=−∞ n=−∞ x ( t)=h(t)∗ ∑ x ( nT)δ(t−nT)= ∑ x (nT) h( t)∗δ( t−nT) Portanto x ( t)= +∞ ∑ x( nT) h ( t−nT)= n =−∞ +∞ ∑ x (nT)sinc[2B(t −nT)] n=−∞ Esta última equação descreve o processo de interpolação no domínio do tempo para reconstrução de x(t) a partir de suas amostras x(nT). O-2.3-Um sinal x(t) é amostrado, e gera os valores de amostras abaixo: x(0)=1 x(1)=2 x(2)=4 x(3)=2 x(4)=1 x(5)=0 Calcule o valor aproximado de x(2,5). Considere que o processo utilizou o intervalo de Nyquist. 166 R: x(2,5)=3,22. O-2.4-Um sistema de tratamento de sinais resolve fazer a amostragem de um sinal analógico empregando o esquema da Figura 2-45 : Figura 2-45 Supondo que seja obedecido o teorema da amostragem, isto é: 2π/T > 2ωmax. a-Calcule e desenhe o espectro de densidade de frequência da sequência de pulsos pT(t). b-Calcule e desenhe o espectro do sinal amostrado X s(ω). 167 Reconstituição do Sinal Analógico Na reconstituição D/A, temos como ponto de partida uma sequência de códigos, ou sequência de valores numéricos de amostras, que chegam ao conversor D/A à taxa de amostragem utilizada. O que precisa ficar bem comprendido é que não importa o método eletrônico usado na amostragem do sinal analógico, pois essa amostra será representada por um código digital, que se traduz pelo valor da amostra quantizada. Para ser transformada de volta em um sinal analógico na recepção, essa sequência de valores precisa adquirir característica física com energia suficiente para gerar um sinal analógico que consiga excitar um sistema subsequente, como um amplificador, por exemplo. Portanto, a primeira etapa da conversão D/A consiste em reconstituir os pulsos que originaram os valores das amostras. Isto é feito, usando um conjunto de fontes de corrente para gerar os valores de amostras a partir da sequência recebida de códigos. Após a geração das amostras, um circuito Hold mantém o último valor gerado até que o próximo seja recebido, dando um formato de escada á onda reconstituída. Assim , a saída do Hold descreve uma curva em escada que se aproxima da forma do sinal analógico, conforme a ilustra a Figura 2-46. A saída do Hold possui componentes em alta frequência que precisam ser atenuadas. Isto é feito por um FPB com frequência de corte ωC que satisfaça a condição ω max<ωC<ω0-ωmax . Este FPB tem características severas para a curva de corte. 168 Figura 2-46 Na prática, essas características não são fáceis de serem conseguidas. Por isso, a frequência de amostragem é cerca de 10 vezes ou mais que o valor de ωmax , nos sistemas onde isso é possível, facilitando assim a construção do filtro. Nos sistemas onde o valor da frequência de amostragem é crítico, devendo estar próximo de 2ωmax , (digamos , no máximo 10% maior) uma solução possível é realizar uma interpolação como a de Nyquist (ver Exercício O-2.2) , e calcular valores intermediários de amostras (ver Exercício O-2.3). Por exemplo, podem ser calculadas 4 amostras entre duas amostras transmitidas. Isto permite a construção de circuitos Hold onde o degrau é bem menor (no caso, T/4), facilitando a construção do FPB. Para tanto, possivelmente seria empregado um filtro digital, para implementação do interpolador, cujos princípios de funcionamento estão fora do escopo deste livro. Outra solução possível seria o emprego de circuitos que já realizam uma interpolação (digamos, uma interpolação linear) na saída do gerador de correntes, ao invés do Hold. Isto permitiria a obtenção de curvas mais próximas do verdadeiro sinal analógico, diminuindo os requisitos para o FPB. 169 Efeito “aliasing” O efeito “aliasing” ocorre quando, por um motivo ou por outro, o sinal a ser amostrado possui energia significativa em frequências maiores do que ω 0/2 (ω0 é a frequência de amostragem). Em primeiro lugar, vamos compreender melhor o efeito "aliasing", como ocorre e que problemas acarreta, e em seguida como minimizá-lo na prática. Para começar, imaginemos que pretendemos amostrar um sinal x(t) senoidal de frequência f1Hz. Pelo teorema da amostragem, esse sinal deve ser amostrado à uma taxa f0 = 1/T ≥ 2f1Hz. A Figura 2-47 apresenta o que acontece com o sinal x(t) após a amostragem, do ponto de vista do espectro. Estamos usando o modelo da Figura 2.40. Na Figura 2-47, o teorema da amostragem é obedecido; portanto, o sinal senoidal que foi amostrado é perfeitamente recuperado após o FPB. Suponha agora que o sinal senoidal de entrada altere sua frequência para 2f 1Hz . Com estes valores de frequência do sinal de entrada, não será possível a recuperação do sinal original na recepção, após o FPB, se a frequência de amostragem não for modificada; Figura 2-47 A Figura 2-48 mostra o que acontece se tentarmos usar o mesmo esquema da 170 Figura 2-47, numa situação em que não atende a condição em que a frequência de amostragem deve ser no mínimo o dobro da frequência do sinal de entrada, para que este seja corretamente recuperado a partir de suas amostras. Na Figura 2-48, por hipótese, mantemos o mesmo valor para a frequência de amostragem que na Figura 2-47, entretanto a frequência do sinal de entrada é o dobro. Efetivamente, a análise dos gráficos da Figura 2-48 mostra que a frequência do sinal recuperado é (ω0-2ω1). Este resultado admite uma interpretação gráfica interessante, apresentada na Figura 2-49. Figura 2-48 Na Figura 2-49, ω2 corresponde à frequência do sinal de entrada, que na Figura 2-48 é igual à 2ω1. Por hipótese, ω2=ω0/2+Δω. 171 Desta forma, ω2>ω0/2. Assim, segundo o teorema da amostragem, não será possível a reconstituição do sinal original de entrada na saída do sistema, à partir de suas amostras. Mas ω2=ω0/2+Δω. Assim, ωA=ω0/2-Δω. Portanto, a frequência ω2 de entrada foi rebatida em torno da frequência de corte do FPB da recepção, que no caso é um filtro de Nyquist (filtro ideal PB onde a frequência de corte é exatamente igual à metade da frequência de amostragem). Isto caracteriza o efeito "aliasing". Frequências de entrada superiores à metade da frequência de amostragem ω 0 são rebatidas em torno de ω 0/2, aparecendo na saída e somando-se às frequências já existentes do espectro. Figura 2-49 A Figura 2-50 ilustra o que acontece quando o sinal de entrada possui várias frequências, representadas por um espectro contínuo. Para que aconteça o efeito "aliasing", ωmax>ω0/2. E isto é exatamente o que acontece na Figura 2-50. 172 Figura 2-50 As frequências rebatidas pelo efeito "aliasing" em torno de ω0/2 somam-se às frequências já existentes do espectro, provocando sua deformação quando forem reconstituídas, principalmente nas frequências mais altas do espectro. Filtro anti-aliasiag É óbvio que todo sistema de conversão A/D-D/A deve ser resguardado contra a possibilidade de ocorrência do efeito "aliasing". Isto é feito por um filtro especial, chamado de filtro anti-"aliasing". Este filtro, que genericamente é um FPB, com frequência de corte ω c=ω0/2, é usado no início de todo sistema de conversão A/D, sendo localizado sempre antes do circuito responsável pela amostragem. 173 Quantização A operação de quantização necessariamente ocorrerá após uma amostragem, pois é impossível designarmos um código digital a uma amostra sem que este código pertença a um conjunto finito de palavras. Uma amostra tem um número infinito de valores, e assim é necessário uma “aproximação” de seu valor real a um valor pré-definido, dentro de um intervalo de valores designado “quanta”. Geralmente, este valor pré-definido corresponde ao centro do quanta, conforme ilustra a Figura 2-51. Nesta Figura, ilustra-se o sinal amostrado e o correspondente sinal quantizado. Por hipótese, as amostras são aproximadas para o centro do intervalo, que neste caso correspondem ao número real e inteiro L-i, do conjunto (-L, -L+1, -L+2,...-L+L,...,L-2, L-1, L). L=2N, para utilização de códigos binários com N bits. Assim, com N=10, L=1024, com o quanta tendo um valor Δv=|Vmax|/(L/2) (são L/2 valores positivos e L/2 valores negativos). Por exemplo, se |Vmax|=0,75V, o quanta vale Δv=0,0014648V para um código com 10bits. Vmax, o valor máximo da tensão a ser codificada, é estimado a partir do conhecimento das características estatísticas do sinal analógico sendo codificado. A existência de um Vmax deverá levar em conta que exite uma probabilidade de que seja ultrapassado, por maior que seja seu valor. A probabilidade de que isto venha a ocorrer é tanto menor quanto maior for o valor de V max. Assim, níveis de tensão de valor elevado na entrada ( > V max ) poderão saturar o conversor A/D e levar a ocorrência de distorção. 174 Figura 2-51 Ruido de Quantização A quantização, ou seja, a divisão da escala vertical, ou das abcissas (a escala horizontal, ou das ordenadas, é geralmente reservada à variável tempo), é uma operação inerente a qualquer sistema de amostragem. Na verdade, é inerente a qualquer medição de uma variável que realizarmos com um instrumento qualquer, por exemplo, a medição de um comprimento linear com uma régua. No caso, o quanta corresponde a menor divisão da régua que podemos usar com precisão, a metade da menor divisão (geralmente, 0,5mm, numa escala 1:1). O código transmitido corresponde aos valores quantificados. Na recepção, a amostra é reconstituída, a partir do valor decodificado. Mas não existe mágica. O valor real da amostra perdeu-se para sempre. O que pode ser recuperado pelo 175 receptor é o valor quantizado da amostra, que foi codificado e transmitido. Assim, num sistema que utiliza o processo descrito nos parágrafos acima para o processamento de sinais analógicos por sistemas digitais, é inevitável a ocorrência de uma diferença entre o sinal original e o sinal reconstituído, causada pela quantização. Esta diferença traduz-se por um ruido associado ao sinal, chamado ruido de quantização e que afeta a qualidade da comunicação. Este ruido é diretamente proporcional ao “quanta” do sistema. Quando a quantização é “uniforme”, isto é, quando o quanta é constante para toda a excursão do sinal e igual a Δv=|Vmax|/(L/2), a potência média do ruido de quantização pode ser estimada considerando que: a)O valor máximo do ruido de quantização ocorre nas extremidades do intervalo e vale Δv/2. No centro do quanta o erro é nulo (=0). b)A distribuição estatística da variável aleatória que é o erro de quantização é aproximada para uma distribuição uniforme dentro de um quanta, que é um intervalo pequeno (Δv), em comparação com o intervalo total que é igual a LΔv=2|Vmax |, seja qual for a sua distribuição estatística verdadeira. c)O valor médio quadrático (valor rms) do erro de quantização pode então ser calculado como: Δv 2 (valor rms do erro)= 1 q 2 dq ∫ Δ v −Δ v 2 Assim, o valor rms do erro=(Δv)2/12=|Vmax|2/3L2. Portanto, conforme previsto, quanto menor o quanta, menor o ruido de quantização. 176 Quantização Não-Uniforme Suponha um sistema com quantização uniforme, onde o sinal a ser amostrado apresente alta probabilidade de ocorrência de valores de baixa amplitude relativa, de modo que estes valores sejam muito mais frequentes que valores bem mais altos (por exemplo, valores 10 vezes mais altos). Esse sistema, para que a potência média do sinal em relação a potência média do ruido de quantização (relação S/Nq) seja adequada para o transporte daquele tipo de sinal, exige um valor de N tal que o tamanho do quanta seja o necessário a obtenção de uma potência de ruido adequada. Note que nesta quantização o valor rms do ruido de quantização é constante e independente do valor rms do sinal (Δv2/12). Isto faz com que a relação S/N q seja menor em baixas amplitudes do que em altas amplitudes do sinal. O resultado final é uma relação S/Nq nivelada por baixo. Para minorar este problema, foi estabelecida a quantização não-uniforme. A ideia básica é casar o quanta às características dinâmicas do sinal. Desta forma, o quanta é feito pequeno para baixas amplitudes do sinal e maior para altas amplitudes do sinal. Assim, a relação S/Nq é aproximadamente constante para uma grande gama dinâmica do sinal de entrada, sendo obtida para valores de N (que representa o número de bits do código) relativamente menores que para uma quantização uniforme equivalente. A quantização não-uniforme é usada em telefonia, na conversão A/D-D/A usada no sistema telefônico. Ela é especificada nas Rec G.711 da UIT, que são adotadas internacionalmente como referência por diversos países europeus e americanos. A especificação da quantização não-linear é feita em termos do sistema analógico equivalente das curvas de compressão. 177 A ideia é comprimir adequadamente o sinal de entrada, e a seguir utilizar quantização linear sobre o sinal comprimido. Isto é uma herança do início da tecnologia, dos primeiros sistemas PCM comerciais, lá pelos anos 70. Naquela época, ainda não existiam CI's. As placas dos conversores A/D eram montadas utilizando transistores e tratavam simultaneamente 30 canais analógicos nos antigos MUX PCM-30. Naquele tempo, fazia sentido a compressão de sinais, que era uma tecnologia analógica. Hoje em dia, esta técnica está completamente ultrapassada. Os conversores A/D-D/A são implementados em um único chip, numa base por canal. A quantização linear é feita em primeiro lugar, com uma taxa de bits elevada (10 bits - N=1024- valor típico) para obter-se um valor relativamente pequeno de "quanta". A seguir, reduz-se o código para a taxa final, que é 8 bits (N=256 - valor típico), abandonando-se adequadamente certos códigos de 10 bits, realizando então uma compressão conforme especificado. O resultado final é equivalente à compressão especificada pela Rec G.711. Na G.711, duas curvas de compressão são utilizadas, com resultados semelhantes. A chamada “lei A”, adotada para o Brasil e utilizada na Europa, e a “lei μ” usada nos EUA e Japão. Sempre que houver necessidade de uma adaptação (por exemplo, em ligações telefônicas para os EUA), essa será feita no lado da “lei μ” por acordo internacional entre as operadoras. A lei A, assim chamada por causa do parâmetro A, cujo valor típico é estabelecido em A=87.6, está representada a seguir: 178 (2.54) Nas expressões acima, m é o sinal de entrada e v o sinal comprimido de saida Já a lei μ, utilizada nos EUA e Japão, é dada por: (2.55) O valor típico de μ é 255. 179 EXERCÍCIOS *P-2.1-Sabemos que se o sinal analógico x(t) for amostrado segundo o modelo teórico da Figura 2-40, a sequência de amostras consiste de uma sequência de impulsos, cada qual com uma área que é proporcional ao valor da amostra x(nT), porém a amplitude de cada impulso é infinita. Este é um modelo teórico, não pode ser fisicamente realizado [entretanto, podemos realizá-lo em nossa imaginação]. Por isso, vamos chamar a sequência de impulsos, na saída de amostrador da Figura 2-40, de xis(t) ( O subíndice i referindo-se a uma entidade irreal). Por outro lado, a forma em escada, saída do circuito Hold conforme a Figura 2-46, é um sinal que com certeza tem existência física real. O valor de cada amostra está representado pela amplitude de cada pulso de largura T, sendo T o intervalo de amostragem. Este sinal será chamado xs(t). Demonstre que, com o auxílio da teoria de sistemas lineares, é possível estabelecer um modelo matemático e assim obter o espectro de densidade de frequências de xs(t). Explique o resultado obtido e comente todas as considerações teóricas que julgar necessário. R: T é o intervalo de amostragem. Solução Consideremos o esquema de amostragem da Figura 2.45, apresentado no Exercício O-2.4. Vemos que o sinal amostrado consiste de uma sequência de pulsos de amplitude constante. A amplitude de cada pulso é proporcional ao valor de cada amostra, x(nT). Conforme é verificado, nesse esquema de amostragem o espectro de frequência do sinal amostrado é dado por: +∞ 1 X s (ω)=τ sinc ω τ × × ∑ (ω−n ω0 ) 2 π T n=−∞ ( ) 180 onde ω0=2π/T No caso do ZOH, τ=T, e Nesta expressão, vê-se que o espectro do sinal amostrado é uma soma de espectros deslocados em nω0, mas cada parte do espectro é modificada pela função sinc(ωT/2π). Desta forma, a saída de um ZOH, apesar de ser um circuito não linear, pode ser modelada por técnicas da teoria de sistemas lineares. Observe que o ZOH só precisa ser considerado no lado de recepção de um sistema amostrado, na etapa de reconstituição do sinal analógico. No lado de transmissão, pelo contrário, temos a equação geral: +∞ 1 X s (ω)=τ sinc ω τ × × ∑ (ω−n ω0 ) 2 π T n=−∞ ( ) onde ω0=2π/T τ deve ser o menor possível, para que o espaço livre entre amostras caiba outras informações, como por exemplo outas amostra de um sistema multiplexado. *P-2.2-Com base no resultado obtido no Exercício P-2.1, explique porque o filtro Q(ω) da Figura 2-46, que teoricamente é um FPB, não deve ter sua característica de transferência plana, mas sim com algum reforço nas frequências mais agudas (isto é, próximas de ωmax). Solução O filtro Q(ω) é o filtro de reconstituição. Na amostragem ideal em que a função amostradora é uma sequência de impulsos, Q(ω) é um Filtro passa-baixas ideal, com frequência de corte ωC=ω0/2=T/π, sendo que a frequência máxima do sinal amostrado é igual a B=ω0/2π, isto é, está sendo usado o intervalo de amostragem de Nyquist. Para o ZOH, que usa pulsos de largura T, o sinal recuperado é multiplicado pela ωT função sinc( ) 2π portanto deformado por uma função como na Figura P-2.2 181 Figura-2.2 Nesta figura,T=1 e serve apenas como exemplo. Para que a resposta final não seja distorcida, é necessário que seja acrescentado um equalizador que compense a distorção observada, como na Figura P-2.2.1. Figura -P-2.2.1 P-2.3-Explique porque o uso de um interpolador de Nyquist que diminua o intervalo de amostragem para T/5 iria simplificar o projeto do FPB Q(ω). Baseie sua explicação num diagrama em blocos do sistema onde o interpolador de Nyquist seja um dos componentes do diagrama em blocos. Pode detalhar suficientemente os sinais no pontos do diagrama (mostrando sua 182 forma no tempo e na frequência) , mas não precisa entrar em detalhes reais construtivos dos blocos, os quais não são objeto de estudos neste livro. P-2.4-Explique, com detalhes, como ocorre a deformação no espectro do sinal recuperado na Figura 2-50. P-2.5-Considere um sistema que utiliza a amostragem conforme o modelo de reconstituição da Figura 2-43, onde o FPB utilizado na recepção para recuperar o sinal de entrada a partir das suas amostras não é um filtro de Nyquist, isto é, sua frequência de corte ωc<ω0/2. Nestas condições, analise o comportamento do sistema perante o efeito "aliasing". P-2.6-Dê uma explicação para o fato de que, na prática, se o sinal de entrada for limitado em frequência a ωmáx, a frequência de amostragem ω0 tem um valor mínimo sempre um pouco maior que 2ω máx, ou seja, sempre existe uma certa folga na designação desse valor. P-2.7-O que acontece com o efeito "aliasing" se a curva de corte do FPB de reconstituição não é vertical, como no caso de um FPB ideal? P-2.8-Um sistema de transmissão emprega amostragem como uma das etapas na digitalização de sinais analógicos. Os parâmetros do sistema são: -Frequência máxima do sinal analógico de entrada: 4 KHz. -Frequência de amostragem: 9 KHz. -Potência média do sinal analógico: -10dBm. Calcule a relação S/N para um sinal interferente de frequência 5 KHz e potência +10dBm, se o filtro anti-"aliasing" apresenta uma característica de corte com uma inclinação de 80dB por oitava acima de 4KHz. Calcule também a frequência do sinal interferente na saída do sistema. Considere o filtro de reconstrução ideal e de Nyquist. Refaça os cálculos sem a presença do filtro anti-"aliasing". Interprete os resultados. R: Com o filtro anti-"aliasing": Relação S/N: 9dB. Frequência interferente: 4 KHz. Sem o filtro anti-"aliasing": Relação S/N: -11dB. 183 Densidade Espectral de Energia e de Potência O estudo de sinais de natureza aleatória é parte fundamental para a compreensão de muitos fenômenos físicos que ocorrem no mundo real, também na área de comunicações. A densidade espectral de potência é peça fundamental neste estudo, pois fornece uma descrição de sinais e sistemas aleatórios no domínio da frequência. A função básica de um sistema de comunicações é o transporte de informação. A informação, seja lá de que forma se apresente, é de natureza essencialmente aleatória. Qual o valor em se transmitir uma informação já conhecida? Apenas a necessidade de complementação, ou de repetição . Se uma partida de futebol é transmitida ao vivo, sua reprise em vídeo-tape já não será tão emocionante. Em sistemas de comunicações, lidamos essencialmente com sinais elétricos, oriundos de diversas fontes, como a fonte de informação, fontes de interferências e ruidos, fontes de sinais de controle, de sinais de medições, etc. A maioria se encaixa na classificação de aleatórios, mesmo aqueles que teoricamente seriam bem determinados, como os sinais de controle. Muitas vezes, por exemplo, não conseguimos saber, ou determinar, a fase exata de um sinal senoidal ou retangular utilizado em uma medição de sistema. Assim, não temos como determinar com precisão uma equação matemática que o represente. O ferramental matemático, necessário à elaboração de modelos preditivos, que são usados tanto para a análise quanto para o desenvolvimento e projeto de novos sistemas, baseia-se em estudos voltados aos processos que geram sinais aleatórios. Neste item, introduzimos a noção de densidade espectral de potência baseados, ainda, na descrição determinística de sinais. Entretanto, mesmo esta descrição é importante ao início do estudo, pois fornece definições e conclusões que são válidas e indicam compreensões conceituais importantes. 184 A função densidade espectral, como o nome indica, é uma função que fornece a concentração de energia ou de potência do sinal no domínio da frequência. Os sinais de energia possuem uma densidade espectral de energia, enquanto os sinais de potência, incluindo-se aí os sinais aleatórios, possuem uma densidade espectral de potência. Nesta parte do livro, estudaremos a função densidade espectral de energia ou de potência do ponto de vista de sinais determinísticos, isto é sinais definidos por uma fórmula g(t) conhecida. Isso não significa que os resultados obtidos não valem para sinais aleatórios. Apenas têm que ser corretamente interpretados. Um sinal aleatório, por exemplo um sinal de ruido, pode ser caracterizado de várias formas. Ele pode ser representados pelo seus parâmetros estatísticos, como também pode ser representado por amostras registradas em um aparelho qualquer que guarde uma memória de seus valores, como um registrador gráfico, por exemplo. Neste último caso obtém-se uma forma de g(t) para o sinal aleatório, observando-se que o g(t) assim foi obtido em instantes de tempo passados, e portanto representa apenas amostras que já ocorreram, do sinal aleatório em questão. Portanto, toda função derivada destes valores registrados representará amostras de funções deste processo aleatório. Quando, porém, este tempo de registro for suficientemente longo em relação aos parâmetros estatísticos que caracterizam o processo, essas amostras de funções podem , na média, se aproximar o suficiente dos resultados do processo. Densidade espectral de energia, ou espectro de densidade de energia lA energia total de um sinal g(t) é dada pela Equação (2-7); genericamente, t i pode ser qualquer valor pertencente ao campo dos reais, assim: 185 Mas , pela Equação (2-24) Assim, Portanto Mas se g(t) é uma função real de t, então A função |G(ω)|2 é chamada de espectro de densidade de energia de g(t), Ψ g(ω), ou densidade espectral de energia de g(t). Autocorrelação de g(t) A função de autocorrelação pode ser definida para um sinal g(t), quando for possível determinar seus valores, pela integral: (2-56) Se fizermos, na fórmula acima, uma mudança de variável, x=t-τ, logo t=x+τ, vemos imediatamente que φg(-τ)=φg(+τ), ou seja, a autocorrelação é sempre uma função par. 186 Além disso, se olharmos para a definição de convolução (Equação 2-31), vemos que há bastante semelhanças entre as duas definições, ao ponto de podermos escrever: (2-57) A autocorrelação é uma convolução da função com ela mesma, sem o rebatimento que caracteriza a convolução. Agora, se fizermos τ=0 em (2-56), vemos imediatamente que φ g(0) = energia total de g(t) [veja a definição de energia total em (2-7), considerando que t i pode ter qualquer valor real, inclusive –∞]. Quando g(t) é um sinal de energia (um pulso finito, por exemplo), a autocorrelação tem seu valor máximo na origem, decrescendo com |τ|. Esse valor máximo é igual a energia total do pulso. Função de autocorrelação e a densidade espectral Pode ser demonstrado, conforme feito a seguir, que a função de autocorrelação e a função densidade espectral de energia formam um par de transformadas de Fourier. Ou seja: As equações acima podem ser demonstradas a partir da equação (2-57) e do fato que, se Portanto, 187 Logo, (2-58) Portanto, a função de autocorrelação e o espectro de densidade de energia formam um par de transformadas de Fourier. Autocorrelação e espectro de densidade de potência Para sinais de potência, a autocorrelação tal como definida na equação (2-54), tem valor infinito na origem. Para esses sinais, a função de autocorrelação tem que ser redefinida, usando uma passagem ao limite. As condições de existência da transformada de Fourier impõe limitações à φ g(τ), de modo que (2-56) é válida para sinais de energia. Porém, conforme visto no Exercício A-2.7, nós calculamos a potência de um sinal de energia, dividindo sua energia pela sua duração T. Assim, se considerarmos um sinal de potência g(t) e o mutiplicarmos por um pulso retangular de duração T e amplitude 1 (representado uma janela no tempo de abertura T), então podemos escrever que: (2-59) gT(t) é a forma truncada de g(t), e portanto é um sinal de energia e possui uma função de autocorrelação, φgT(τ), cuja transformada de Fourier, gT(ω)= |GT(ω)|2 representa o espectro de densidade de energia de g T(t). Assim como Podemos imaginar que existam os limites: 188 Sendo: Sg(ω) : Espectro de densidade de potência de g(t) Rg(τ) : Função de autocorrelação de g(t) Ainda considerando que (2-60) Então,podemos supor que (2-61) Portanto, para um sinal de potência g(t), a função de autocorrelação e o espectro de densidade de potência formam um par de transformadas de Fourier. A equação (2-61) é a conclusão de um teorema, denominadao teorema de Wiener-Kinchine, que estabelece que a função de autocorrelação e o espectro de densidade de potência formam um par de transformadas de Fourier. Na verdade, o teorema de Wiener-Kinchine provê uma forma geral para a definição do espectro de densidade de potência, válida para sinais determinísticos e aleatórios. Sua demonstração completa está fora do escopo deste livro. O espectro de densidade de potência é reconhecido como uma foma matematicamente válida de representação de um sinal aleatório no domínio da frequência. A partir de parâmetros estatísticos do sinal aleatório, ele pode ser calculado e definições, tais como largura de banda podem serem usadas para esses sinais, em cálculos ou medições. 189 Potência e espectro de densidade de potência Podemos escrever a potência total de um sinal de potência g(t) como: gT(t) é a versão truncada de g(t), logo é um sinal de energia. Assim sendo Logo Já sabemos que o limite no interior da última integral acima, se existir, é o espectro de densidade de potência de g(t), Sg(). Logo Fazendo uma mudança de variáveis, =2f, temos: 190 Ruido O ruido, como o próprio nome indica, é uma perturbação ao sinal transportado por um sistema de comunicações, que a ele se adiciona, provocando erros e distorções. O ruido pode ter causas naturais assim como pode ser provocado pelo próprio homem. O sinal elétrico que o representa é classificado como aleatório. O ruido de causas naturais geralmente não pode ser evitado. É o caso, por exemplo, de ruido gerado por indução elétrica provocada por descargas atmosféricas (raios), ou pelo ruido térmico gerado pela agitação aleatória de eletrons no interior de um condutor a certa temperatura, ou do ruido intergalático captado por uma antena parabólica voltada para o céu, em um enlace de comunicação via satélite. Já o ruido provocado pelo próprio homem algumas vezes pode ser evitado ou bastante atenuado em sua geração, como por exemplo a limitação de banda e de geração de frequências espúrias imposta por orgãos regulatórios ao sinal gerado por diversos sistemas de comunicação, ou à radiação eletromagnética gerada por vários aparelhos eletrônicos. Alguém já escutou o ruido causado pela indução de 120Hz em um amplificador alimentado diretamente por um destes chamados “eliminadores de pilhas” (também conhecido como “humm”)? Este é um exemplo de ruido, na verdade uma interferência, provocado pela indução da CA, utilizada normalmente em nossas residências, e provocado pelo homem. Seu efeito pode ser minimizado por uma filtragem adequada na saída do “eliminador de pilhas”, diminuindo assim a potência do sinal interferente. Geralmente, podemos dizer que o ruido não é proposital, mesmo que seja provocado por causas não naturais, como por exemplo, o funcionamento de outras máquinas ou sistemas construídos pelo homem. Algumas vezes, entretanto, a interferência é gerada propositalmente, tentando 191 provocar a ocorrência de ruidos e sinais que possam prejudicar ou impedir uma comunicação. Todo sistema de comunicações precisa ser projetado e construído de forma a minimizar o efeito causado pelo ruido, seja controlando sua intensidade em pontos específicos do sistema ou diminuindo suas consequências, porém nem todo sistema de comunicações precisa ser projetado visando diminuir os efeitos de uma interferência proposital. Por exemplo, um receptor comercial de rádio FM não é construído para ser imune a interferências propositais. Uma estação “pirata” é capaz de sobrepor o seu sinal ao de uma estação comercial registrada e em dia com a legislação vigente, em uma certa área geográfica. Entretanto, um sistema militar, principalmente se for utilizado em situações extremas, precisa ser construído de modo a suportar a presença de sinais interferentes capazes de prejudicar ou mesmo impedir a sua operação. Por essas e outras razões, é muito importante o estudo dos sinais de ruido. Uma das facetas desses estudos está voltada para a caracterização do ruido, com o objetivo de construir modelos matemáticos que possam ser utilizados na simulação de sistemas e na predição de seus efeitos na comunicação. Já foi mencionado neste livro o parâmetro “relação S/N”, que é a relação entre a potência do sinal útil (S) e a potência do sinal de ruido (N), em um determinado ponto de um sistema. O conhecimento deste valor no “front-end” de receptores é fundamental ao projeto e dimensionamento desses subsistemas, cuja função básica é justamente captar e reforçar o sinal útil em um ponto extremo de um enlace de comunicações, quando ele está mais enfraquecido pelas atenuações e distorções provocadas pelo meio de transmissão utilizado. O valor de N (potência do ruido) geralmente adotado é um valor médio, derivado das causas mais prováveis. Um modelo muito usado, pela sua simplicidade, é o do 192 ruido AWGN (“aditive white gaussian noise”)8. O modelo AWGN é baseado em que o ruido, sendo um sinal aleatório, e sendo várias as fontes de ruido, em se somando dão como resultado uma distribuição gaussiana para suas amplitudes. A caracterização de um sinal aleatório, como o ruido AWGN, exige a definição de termos cujo significado é principalmente estatístico, e está fora do escopo deste livro que lida essencialmente com definições válidas para sinais determinísticos. Entretanto, considerando que um registro de um sinal já ocorrido, durante um período de tempo T, é uma forma de se obter uma representação determinística de um sinal aleatório, e esta representação é tanto mais precisa quanto maior o tempo de observação T, comparado aos parâmetros temporais do sinal estatístico sendo observado, podemos usar o que já foi estudado em uma caracterização muito empregada para o ruido AWGN, em termos de espectro de densidade de potência e potência de ruido. Espectro de densidade de potência do ruido AWGN O ruido AWGN possui um espectro de densidade de potência constante para toda a faixa de frequências, de 0 a ∓ꝏ. Assim podemos dizer que: para o ruido AWGN. O fator 2 aparece na fórmula acima por mera conveniência. Quando nos referimos à banda BHz de um sinal, geralmente B refere-se ao lado positivo do espectro desse sinal. 8 A sigla AWGN (“aditive white gaussian noise”) decorre de certas características desse sinal de ruido. Assim, o ruido é aditivo (isto é, ele se adiciona algebricamente ao sinal útil). A denominação “white”, que significa branco, refere-se ao espectro de densidade de potência, que possui contribuições de todas as frequências do espectro, por analogia com a luz branca, que se decompõe em uma combinação de todas as frequências do espectro visível. “Gaussian” significa gaussiano, e diz respeito à um dos parâmetros estatísticos do sinal, a distribuição das amplitudes. Isto confere à forma de onda um aspecto característico, bem representado na Figura 2-3. “Noise, como já foi dito, significa ruido. 193 Para obter sua potência, no entanto, temos que considerar a contribuição também do lado negativo. Como, em se tratando de ruido AWGN, para uma banda B a contribuição do lado positivo do espectro, de largura B, é igual à contribuição do lado negativo, de largura também igual a B, e por simetria aparece o fator 2. Por exemplo, a potência de ruido em uma banda BHz é 2BN 0/2=BN0 Watts. O fato do espectro ser constante implica em que a função de autocorrelação do ruido, que é a transformada inversa do espectro, é um impulso de Dirac localizado em τ=0, de área N0/2. 194 EXERCÍCIOS *Q-2.1-Determine o espectro de densidade de energia de um pulso retangular g(t)=⊓(t/T), e calcule sua energia E g. Se o sinal g(t) for processado por um FPB ideal de largura de banda fcHz, determine a energia Ey de saída. Considere T=10 ms e fc com 3 valores: 10Hz, 100Hz e 1000Hz. Interprete os resultados obtidos, comparando a largura do pulso de entrada com as larguras de banda propostas e as respectivas respostas impulsivas do filtro, observando a deformação do pulso ao passar pelo filtro. Além das energias, obtenha também as formas de onda de entrada e saída em cada caso. R: Eg=0,01 J 1: T=10 ms e fc=10Hz: Ey=0,002 J 2: T=10 ms e fc=100Hz: Ey=0,009 J 3: T=10 ms e fc=1000Hz: Ey=0,0099 J Solução A energia de um pulso retangular é igual a E(J)=T(s)xamplitude(V)=0,01J. Por outro lado, no domínio da frequência, o espectro de densidade de energia do pulso retangular é: S(f)=(AT)2sinc2(fT). No caso, A=1V e T=0,01s. Portanto, S(f)=(Tsinc)2(fT) A energia é dada pela integral deste pulso. Quando o pulso passa pelo FPB ideal, seu espectro de frequências é limitado pelo filtro. Consequentemente sua energia diminui. A energia de entrada pode ser calculada pela fórmula: ∞ E i (J )=2×∫ ( Tsinc (fT))2 df 0 Para o sinal de saida, a energia do pulso de saida será dada por: fc E 0 (J )=2×∫ ( Tsinc (fT))2 df 0 195 Infelizmente, as integrais acima são não-elementares, e só podem ser resolvidas por métodos numéricos ou gráficos. A listagem a seguir pode ser usada para resolução das equações acima utilizando um método numérico. A aplicação desta listagem para o Scilab 4.0 gera as respostas numéricas apresentadas. pi=4*atan(1); T=0.01; fc=100; function [r]=IQ(v) r=2*(T*((sin(pi*v))/(pi*v))^2) endfunction N=fc*T; s=0; fq=0; n=0; for x=0.0001:0.01:N n=n+1; s=IQ(x); fq=fq+2*s; end fq=fq-(IQ(k)+IQ(N)); fq=((N-k)/(2.*(n-1))).*fq A forma de onda do sinal de saida é dada pela transformada inversa do espectro de frequências do sinal de saida. Este espectro, no caso, é igual ao espectro de entrada, que é uma função sinc, truncada na frequência pelo filtro. Daí, temos uma deformação do pulso. Parece que esta deformação será tanto maior quanto maior for a truncagem no espectro, ou seja, será tanto maior quanto menor for a largura de banda do filtro. Assim, a Figura Q.2-1 apresenta a forma de onda do pulso na saida do FPB ideal, quando em sua entrada temos um pulso retangular, em tres situações: quando a relação τW=2, 1/2 e1/4. O pulso de entrada tem amplitude igual a 1, e larguras respectivamente iguais a 2,82s, 1,41s e 1s. 196 Figura Q-2-1 Note que os pulsos representados na Figura Q.2-1 são não-causais, pois o filtro é ideal. A Figura Q.2-1 foi obtida pela listagem abaixo, variando-se seus parâmetros adequadamente: pi=4*atan(1); T=6; TT=T+50; T1=sqrt(.25); tau=T1*2; tt=[]; xx=[]; omegac=T1*pi; t0=1; for t=-T:0.011:T; if abs(t)<T1 then x=1; else x=0; end tt=[tt t]; xx=[xx x]; end scf(0) plot2d(tt,xx) 197 xgrid f=-10:0.011:10; T2=2*T1; sinc=(sin(pi*T2*f))./(pi*T2*f); H=T2*sinc; scf(1) plot2d(f,H) xgrid t=-50:0.011:50; W=omegac/(2*pi); sinc=(sin(pi*2*W*(t-t0)))./(pi*2*W*(t-t0)); h=2*W*sinc; scf(2) plot2d(t,h) xgrid y=(1/100)*convol(h,xx); scf(3) tt=-TT:0.011:TT-0.011; plot2d(tt,y) xgrid *Q-2.2-Obtenha a função de autocorrelação de um sinal senoidal g(t)=Acos(ω0t+ϴ). Sugestão: Faça Solução A sugestão acima considera apenas um (1) período da função, pois a função g(t)=Acos(ω0t+ϴ) é periódica, portanto um sinal de potência e o limite quando T--->infinito é igual à integral considerando apenas um (1) período. Assim, T /2 ϕg ( τ)= ∫ 2 A cos (ω 0 t+θ) cos( ω0 [t+ τ]+θ)dt = −T/ 2 T/2 2 =A /2 [ ∫ −T /2 cos ω0 τ dt + T/2 ∫ cos (2 ω0 t+ ω0 τ+2 θ) dt ] −T /2 A última integral acima é nula, portanto 198 A2 ϕg (τ )= cos ω0 τ 2 *Q-2.3-Obtenha o espectro de densidade de potência do sinal senoidal g(t)=Acos(ω0t+θ). Interprete e apresente um gráfico do resultado. R: Solução Como ϕg ( τ )←→Sg (ω) Então Esta equação pode ser representada graficamente, conforme a Figura Q.2-3. Figura Q.2-3 Q-2.4-A partir da função densidade espectral de potência de um sinal senoidal, calcule sua potência total. R: A2/2 199 *Q-2.5-Obtenha a expressão geral do espectro de densidade de potência de um sinal periódico de período T 0 em termos do coeficiente G n da série complexa de Fourier. Sugestão: Observe os seguintes passos: 1-Obtenha a expressão para G(ω), transformada de Fourier de g(t), um sinal periódico. 2-Obtenha a expressão para GT(ω), que é a transformada de Fourier da versão truncada de g(t), usando o fato de que g T(t) pode ser considerado o produto de g(t) por um pulso retangular de largura T e amplitude 1, centrado na origem, logo G T(ω) pode ser obtido pelo teorema da convolução na frequência. Observe o passo 1. 3-Escreva a expressão para o espectro de densidade de energia de g T(t). 4-Aplique a definição e obtenha uma expressão inicial para S g(ω), que é igual a 1/T do espectro de densidade de energia de gT(t) quando T tende a infinito. 5-Resolva o limite para T tendendo a infinito da expressão obtida no passo 3, considerado que uma função (sinc)2, quando concentrada na origem, tende a uma função impulso. Calcule a área desta função impulso. R: onde Gn é o coeficiente da série de Fourier do sinal periódico g(t). Solução g( t)= +∞ G n e jn ω t ∑ n=−∞ ω0 = 0 2π T sendo Gn o coeficiente de ordem n da série complexa de Fourier do sinal periódico g(t): +t / 2 1 − jn ω t G n = ∫ g( t)e dt T −T / 2 0 Portanto, a transformada de Fourier do sinal periódico g(t) é dada por: n=+∞ G(ω)=2 π ∑ n =−∞ G n δ(ω−n ω0 ) ω0= 2π T 200 sendo T o período de g(t). Mas 1 G(ω)∗T sinc(ω T/2 π) 2π Sendo GT(ω) a transformada da versão truncada de g(t). GT ( ω)= Utilizando a propriedade da convolução na frequência, vem n=+∞ G(ω)=2 π ∑ n =−∞ G n δ(ω−n ω0 ) Mas n =+∞ GT (ω)=T sinc( ω T /2 π)∗ ∑ Gn δ(ω−n ω0)= n=−∞ n =+∞ =T ∑ n=−∞ Gn sinc [ ( ω−n ω0 ) 2π ] Portanto n=+∞ Sg (ω)=lim ∑ ∣Gn∣2 T sinc2 T→ ∞ n =−∞ [ (ω−n ω 0) 2π ] Observe que quando T--->infinito, a função T sinc2 [ (ω−n ω0 ) 2π ] tende a ficar concentrada na origem, com amplitude infinita, ou seja, um impulso. Resta determinar a área deste impulso, ou seja +∞ T ∫ sinc2 −∞ [ ] xT dx 2π Considerando a definição de energia, temos que a energia total de um pulso retangular, de largura T, e amplitude unitária, é igual a T. Daí, 2 ∣ { }∣ 1 +∞ 1 +∞ T 2 ET = ∣G(ω)∣ d ω= T sinc ω ∫ ∫ 2 π −∞ 2 π −∞ 2π 1 +∞ 2 T = T sinc2 ω d ω=T ∫ 2 π −∞ 2π ( ) portanto +∞ T2 T 2 T= sinc ω dω ∫ 2 π −∞ 2π ( ) d ω= 201 Daí, +∞ 2 ( 2 π=T ∫ sinc ω −∞ T dω 2π ) Portanto, quando T-->infinito, T sinc 2 [ ( ω−n ω0 )T 2π ] tende a um impulso, localizado em nω0, de área igual a 2л. Dai, podemos escrever que n=+∞ Sg (ω)=2 π ∑ ∣G(n)∣2 δ(ω−n ω0 ) n =−∞ ou seja, o PSD de um sinal periódico é um somatório de funções impulso, onde a área de cada impulso é dada por 2л |Gn|2 , onde Gn é o coeficiente da série complexa de Fourier de g(t). Cada impulso está localizado em nω0 , sendo ω0 a fundamental de g(t). *Q-2.6-A partir da expressão acima calcule a potência de um sinal senoidal g(t)=Asenω0t. Apresente os passos intermediários. Solução O coeficiente de Fourier de um sinal senoidal é: G= A ± j π2 e 2 Daí, |G|2=A2/4 Para um sinal senoidal, Sg (ω)=2 π [ A / 4 δ( ω−ω 0)+ A /4 δ(ω+ ω0) ] 2 2 Portanto Potência Total=1/2л x 2л x [A2/4+A2/4]=A2/2. *Q-2.7-Considere um sinal g(t) sendo processado por um sistema linear com função de transferência H(ω). Obtenha uma relação entre as densidades de potência da entrada e da saída, Sg(ω) e Sy(ω). Justifique seus resultados. R: 202 Solução ∣GT (ω)∣2 Sg (ω)=lim T T→ ∞ sendo g T ( t)←→GT (ω) gT(t) é a versão truncada de g(t). Quando T tende a infinito, podemos considerar a resposta y T(t) do sistema corresponde à entrada gT(t), pois o tempo de duração do sinal é grande o suficiente para desprezarmos quaisquer resíduos de yT(t) além do tempo T. Daí, podemos considerar como válida a relação: Y T (ω)=H(ω)×GT (ω) para T →∞ Daí, segue-se que 1 1 2 2 ∣Y T (ω)∣ =lim ∣H(ω)×G T (ω)∣ = T →∞ T T →∞ T 2 =∣H(ω)∣ lim ∣GT (ω)∣2 =∣H(ω)∣2 Sg (ω) SY (ω)=lim T →∞ *Q-2.8-Um espectro de densidade de potência S g(f)=3 para f=∓10Hz, e 0 para |f|>10. Calcule a potência de g(t) em Watts. Solução O espectro acima é do tipo bilateral, conforme a especificação de f. Portanto, deve-se calcular a contribuição de frequências positivas e negativas. A expressão +∞ +10 −∞ −10 P= ∫ Sg (f )df=3 ∫ df =60W permite calcular essa potência. *Q-2.9-Se ao invés da variável f, em Q-2.8, houvesse sido especificada a variável , fazendo-se Sg()=3, quais seriam os valores limites da janela em para a potência do sinal g(t) não varie. Solução No caso de utilização da variável ω (rad/s), a fórmula para cálculo da potência se modifica para: 203 1 +∞ P= ∫ Sg (ω) d ω 2 π −∞ Nesta expressão, ω=2лf é a frequência angular equivalente, medida em rad/s. No caso, os limites de integração são -ω1 a +ω1, e a integral acima fica: +ω 1 1 3 60= 3 d ω= [2 ω1 ] ∫ 2 π −ω 2π Daí, ω1=20л. 1 Como era de se esperar, uma vez que a potência do sinal não se alterou, nem o valor da função de densidade espectral, os limites de frequência foram convertidos de Hz para rad/s. *Q-2.10-Uma bateria de 12V CC é ligada a um resistor de 1, dissipando uma potência de 144W. A representação do espectro de densidade de potência deste sinal pode ser 144(f) W/Hz. Como seria essa representação se a variável livre fosse ? Solução Este caso requer interpretação. Temos que levar em conta que a mudança de variáveis implica uma mudança de escala no eixo das ordenadas, ou de frequências, expressa pela relação ω= 2лf. Evidentemente, a potência total tem que ser a mesma, em ambos os casos. Expressando o eixo das frequências em Hz, temos que: +∞ P= ∫ 144 δ (f )df=144W −∞ Expressando o eixo das frequências em rad/s, temos que P= +∞ 1 +∞ 2 π +∞ 144 δ (ω)d ω= 144 δ(2 π f ) df=144 ∫ δ(x)dx=144W ∫ ∫ 2 π −∞ 2 π −∞ −∞ pois ω= 2лf, consequentemente dω= 2лdf. Além disso, como a função impulso só existe para o argumento =0, tanto faz δ( 2лf) ou δ(x), a função impulso só existirá em x=0, e assim δ( 2лf) = δ(x). 204 Distorções Um fato do qual não se pode ignorar é que, por mais perfeito que seja um sistema de comunicações, ele sempre introduzirá distorção ao sinal sendo transmitido. De acordo com a nossa definição de distorção, diversas formas podem ser consideradas. Se a linearidade de amplificação não é a mesma, em função da amplitude do sinal, se frequências espúrias forem geradas pelo sistema, se a amplificação não for a mesma, em toda a banda de transmissão, se interferências de outros sistemas afetam a transmissão, etc, tudo isso pode ser considerado distorção. Entretanto, no momento, estudaremos 3 tipos de distorção, que são bastante comuns: Distorção de atenuação ou de amplitude A distorção em amplitude é facilmente descrita no domínio da frequência, significando simplesmente que as componentes de frequência na saida não se encontram na proporção correta. A distorção de amplitude é geralmente especificada em termos de uma resposta em frequência (vide Exercício L-2.7), isto é, a faixa de frequências para a qual |H(ω)| deve ser constante com uma certa tolerância (p. ex., ±1 dB) de modo que distorção de amplitude seja suficientemente pequena. Observemos que as condições acima são requeridas apenas na faixa de frequências onde o sinal x(t) possui energia no espectro. Assim, se x(t) for limitado em frequência à Bhz, as condições de transmissão sem distorção só precisam ser satisfeitas em |ω|<2πB. Distorção de fase ou retardo de grupo Segundo as condições de transmissão sem distorção, o desvio de fase deve ser proporcional à frequência: 205 θ(ω)=-ωt0 Daí, conclui-se que t0 deve ser constante para todas as frequências da banda do sinal. Quando θ(ω) é não-linear, ocorrerá distorção. Como avaliar, porém, a linearidade de fase de um sistema? Isto pode ser obtido verificando-se, por exemplo, se dθ(ω)/dω é constante, ao longo da banda de interesse. Veremos agora como pode ser evidenciado o fator dθ(ω)/dω. Consideremos o sinal y(t). y (t)=x( t)e jω p t x(t) é um sinal real, de baixa frequência, limitado em banda `B=W, sendo W a largura da banda de interesse. A projeção de y(t) no eixo real fornece: A Figura 2-52 apresenta, apenas como exemplo, para melhor visualização, uma forma hipotética de φ. Figura 2-52 206 Observe da Figura 2-52 que a linha hipotética que une os picos do sinal é chamada “envoltória”, e que a envoltória positiva é igual a |x(t)|, e a envoltória negativa é -|x(t)|. O sinal y(t) ocupa uma banda ao redor de p. Isto pode ser demonstrado pela aplicação da propriedade do desvio na frequência, obtendo-se que: (2-62) Supondo y(t) aplicado à um sistema linear, considera-se que a transmissão é sem distorção se na saida tivermos: (2-63) A Equação (2-63) nos diz que o retardo t g, sofrido pela envoltória, deve ser constante para todas as frequências da banda de y(t), porém o ângulo pode sofrer um retardo diferente, dado por tp=-p/p, para transmissão sem distorção na banda de y(t). Em outras palavras, o retardo sofrido pela envoltória, ao passar pelo sistema, deve ser constante ao longo da banda, para que sua forme não se altere. O retardo da envoltória também é chamado de retardo de grupo. Através do retardo de grupo, pode-se avaliar a linearidade de fase do sistema. Vamos mostrar que isso é possível. Supondo que y(t) foi transmitido através de um sistema LTI cuja característica de transferência na banda seja dada por: (2-64) Considerando a característica de fase uma função de , a transmissão será sem distorção se ()=-t0. Vamos supor que a característica de fase tenha alguma não linearidade ao longo da banda, como seria o caso de um sistema prático, como por exemplo a característica de fase do FPB dado na Figura 2-53. A rigor, portanto, temos uma transmissão com distorção. 207 Figura 2-53 Entretanto, supondo que a banda de passagem B do sinal y(t), dado pela Equação (2-60), seja << W, a banda de passagem do sistema LTI considerado, podemos aproximar () pelos dois primeiros termos da expansão de ( ) em uma série de Taylor em torno do ponto p: (2-65) onde (2-66) Estaríamos assim fazendo uma linearização da curva de fase, para um sinal y(t) de banda estreita. Uma vez que o sinal y(t) é aplicado em sua entrada, o espectro do sinal y p(t) na saida do sistema é dado por Yp(ω): (2-67) onde 208 Portanto, yp(t) pode ser obtido calculando-se a transformada inversa de Y p(ω), ou seja, a transformada inversa da Equação (2-67). Sabemos que: (2-68) (propriedade do desvio no tempo) e que: (2-69) (propriedade do desvio na frequência) Logo, pela combinação das Equações (2-68) e (2-69), concluímos que: (2-70) A projeção sobre o eixo real fornece: (2-71) Portanto, o sinal y(t) foi defasado de p=(p) na frequência, correspondendo a um retardo tp=-p/p. Entretanto, a envoltória de y(t) sofreu um retardo de t g=-'p. tp é chamado o retardo da portadora, e tg o retardo de grupo ou retardo da envoltória. Portanto, o retardo de grupo, cuja constância ao logo da faixa de interesse define a linearidade de fase do sistema, pode ser avaliado através do retardo que a envoltória de um sinal como y(t) sofre ao ser processado pelo sistema, variando-se a frequência de y(t). Distorção não linear Um sistema contendo elementos não lineares não pode ser descrito por funções de transferência H(ω), que são derivadas de funções íntegro diferenciais lineares. Ao invés da função de transferência H(ω), pode-se utilizar a relação entre valores 209 instantâneos da entrada e da saida que define uma “característica de transferência”, ou “curva característica do sistema”. Sob condições de pequenas variações do sinal de entrada em torno de um ponto de operação, pode ser possível a linearização da curva característica, conforme exemplificado na Figura 2-54. Figura 2-54 Um modelo mais geral é a aproximação da curva de transferência por: (2-72) onde x(t) é a entrada e y(t) é a saida. Linearização em torno do ponto de operação Neste caso, supondo que sendo X(ω) limitado em frequência a BHz. 210 Portanto Sendo X(ω) limitado em frequência à Bhz, temos que: é limitado em frequência a 2BHz e é limitado à 3BHz e assim sucessivamente. A não linearidade provocou, portanto, o aparecimento de componentes de frequências na saida que não existiam na entrada, e que se sobrepõem às frequências que estavam originalmente na banda. Utilizando filtragem, as componentes adicionadas para |ω|>2πB podem ser removidas, mas permanecem as componentes para |ω|<2πB. Para obter uma avaliação quantitativa, é necessário especificar o sinal x(t). Fazendo-se x(t)=cos ω0t, têm-se: Vê-se que, em virtude da distorção não linear, aparecem na saida harmônicas da frequência de entrada. Os valores numéricos de a 0, a1, a2, a3 etc, dependem do sistema. Este tipo de distorção não linear é também chamada distorção harmônica. Ela pode ser quantizada relacionando-se a amplitude de cada harmônico com a 211 amplitude da fundamental. Assim, por exemplo, a distorção harmônica de 2ª ordem é: Harmônicas de ordem mais alta são tratadas de forma similar. Se a entrada x(t) é uma soma de senoides, cosω 1t +cosω2t, a saida inclui todos os harmônicos de ω1 e ω2, mais os termos resultantes de produto cruzado qu levarão à frequências ω2+ ω1, ω2-ω1, ω2-2ω1, etc. Essas frequências, somas e diferenças das frequências de entrada e seus harmônicos, são chamadas de produtos de intermodulação. 212 EXERCÍCIOS – Sequência R *R-2.1-Estabeleça um método para medição em laboratório da distorção de atenuação de um sistema de uma entrada e uma saída. Você dispõe dos seguintes equipamentos: Um gerador de sinais, capaz de gerar sinais senoidais em freqûencias ajustáveis na banda W do sistema em teste, com amplitude pico a pico ajustável de 0 à 3 V e impedância de saída baixa, em torno de 5 Ω. Um medidor de valores rms, capaz de medir na banda do sistema, com alta impedância de entrada (da ordem de 10 KΩ), com escala calibrada em V. Sabemos que a precisão dos valores de amplitude gerados e medidores, por limitações do instrumental, é de ∓20% do valor nominal, mas desejamos uma precisão nas medições pelo menos igual ao dobro da especificada para a estabilidade dos aparelhos, que é de ∓1% do valor nominal. O sistema sob teste possui impedância de entrada e saida nominais de 600Ω e atenuação de 3 dB no centro da banda, e o sinal de teste de entrada deve gerar uma potência de -10dbm0 nominais em toda a banda a ser medida. Pelo menos 10 valores de frequência devem ser avaliados, igualmente espaçados na banda do sistema. Espera-se que a distorção de atenuação seja inferior a ∓1 dB na banda medida. Solução: A distorção de atenuação é a obtenção da atenuação (módulo) do sistema para diversos valores de frequência dentro da faixa de atuação do sistema, e a partir desses valores o cálculo da diferença (normalmente em dB) do valor obtido para cada frequência e um valor de referência. Por exemplo para sistemas telefônicos, na faixa de voz (a faixa de voz assume o valor nominal de 0-4 kHz, nestes sistemas). . Assim, se atn(620Hz) = 4 dB. atn(720Hz) = 3,5dB. atn(820Hz) = 3,0dB. atn(920Hz) = 2,5dB. atn(1020Hz) = 3,0dB. atn(1120Hz) = 3,0dB. 213 atn(1220Hz) = 4,0dB. atn(1320Hz) = 4,5dB. atn(1420Hz) = 4,0dB. Então, tomando-se como referência a atn a 1020Hz, 3dB, temos que a distorção de atenuação medida para esta faixa é: dis(820Hz) = 4,0-3,0=1dB. dis(720Hz) = 3,5-3,0=0.5dB dis(820Hz) = 3,0-3,0=0,0dB dis(920Hz) = 2,5-3,0=-0.5dB dis(120Hz) = 3,0-3,0=0,0dB dis(1120Hz) = 3,0-3,0=0,0dB dis(1220Hz) = 4,0-3,0=1,0dB dis(1320Hz) = 4,5-3,0=1,5dB dis(1420Hz) = 4,0-3,0=1,0dB Portanto, a distorção de atenuação pode ser calculada a partir da característica de módulo da atenuação do sistema, também chamada de resposta em frequência do sistema. A Figura R-2.1 apresenta uma montagem de teste que pode ser utilizada para obtenção da resposta em frequência do sistema, em função dos recursos disponíveis. Inicialmente, com a chave ch-1 voltada para a posição a, medir a tensão de entrada no sistema fornecida pelo oscilador senoidal, previamente ajustado para uma frequência específica na faixa de medida. Supondo que o sistema em teste vá ser usado em um sistema de telecomunicações num ponto de nível relativo de 0dB (o ponto de 0dB é o ponto de referência para alocação de níveis de potência nos demais pontos do sistema em teste), a potência de -10dBm0 corresponde a uma potência de -10 dBm. Isto corresponde à uma tensão rms de 0,224V sobre 600Ω. Portanto,o nível de saida do gerador deve ser ajustado para que se meça 0,224V no ponto a. A seguir, comuta-se a chave para o ponto b e mede-se a tensão rms de saida com o voltímetro. Como a impedância de entrada é igual a impedância de saida, o 214 módulo da atenuação em dB do sistema pode ser calculado por: atn(dB)=20×log 10 (Vsaida /V entrada )2 Note que Ventrada=0,224V. Este procedimento deve ser realizado para todas as frequências de medição. Solução: A distorção de atenuação é a obtenção da atenuação (módulo) do sistema para diversos valores de frequência dentro da faixa de atuação do sistema, e a partir desses valores o cálculo da diferença (normalmente em dB) do valor obtido para cada frequência e um valor de referência. Por exemplo para sistemas telefônicos, na faixa de voz (a faixa de voz assume o valor nominal de 0-4 kHz, nestes sistemas). . Assim, se atn(620Hz) = 4 dB. atn(720Hz) = 3,5dB. atn(820Hz) = 3,0dB. atn(920Hz) = 2,5dB. atn(1020Hz) = 3,0dB. atn(1120Hz) = 3,0dB. atn(1220Hz) = 4,0dB. atn(1320Hz) = 4,5dB. atn(1420Hz) = 4,0dB. Então, tomando-se como referência a atn a 1020Hz, 3dB, temos que a distorção de atenuação medida para esta faixa é: dis(820Hz) = 4,0-3,0=1dB. dis(720Hz) = 3,5-3,0=0.5dB dis(820Hz) = 3,0-3,0=0,0dB dis(920Hz) = 2,5-3,0=-0.5dB dis(120Hz) = 3,0-3,0=0,0dB dis(1120Hz) = 3,0-3,0=0,0dB dis(1220Hz) = 4,0-3,0=1,0dB 215 dis(1320Hz) = 4,5-3,0=1,5dB dis(1420Hz) = 4,0-3,0=1,0dB Portanto, a distorção de atenuação pode ser calculada a partir da característica de módulo da atenuação do sistema, também chamada de resposta em frequência do sistema. A Figura R-2.1 apresenta uma montagem de teste que pode ser utilizada para obtenção da resposta em frequência do sistema, em função dos recursos disponíveis. Inicialmente, com a chave ch-1 voltada para a posição a, medir a tensão de entrada no sistema fornecida pelo oscilador senoidal, previamente ajustado para uma frequência específica na faixa de medida. Supondo que o sistema em teste vá ser usado em um sistema de telecomunicações num ponto de nível relativo de 0dB (o ponto de 0dB é o ponto de referência para alocação de níveis de potência nos demais pontos do sistema em teste), a potência de -10dBm0 corresponde a uma potência de -10 dBm. Isto corresponde à uma tensão rms de 0,224V sobre 600Ω. Portanto,o nível de saida do gerador deve ser ajustado para que se meça 0,224V no ponto a. A seguir, comuta-se a chave para o ponto b e mede-se a tensão rms de saida com o voltímetro. Como a impedância de entrada é igual a impedância de saida, o módulo da atenuação em dB do sistema pode ser calculado por: atn(dB)=20×log 10 (Vsaida /V entrada )2 Note que Ventrada=0,224V. Este procedimento deve ser realizado para todas as frequências de medição. 216 Figura R-2.1 R-2.2-A Figura 2/G.713, especificada pelo ITU-T é relativa à distorção com a frequência do retardo de grupo esperado entre interfaces a 2 fios de canais PCM em frequências de voz (Recomendação G.713 do ITU-T). A referência é o retardo de grupo mínimo medido na banda, o qual não deve exceder 750μs. Foram obtidos os seguintes valores em uma medição: Valor mínimo (em 1000Hz): 650,0μs. Em 1100Hz: 650,2μs. Em 1200Hz: 650,5μs; Em 2020Hz: 656,0μs. Você aceitaria esse sistema como atendendo à Recomendação? Porquê? R-2.3-Um sinal de “banda de passagem” pode ser representado pela Equação (2-73): (2-73) g1(t) e g2(t) são sinais passa baixa limitados em frequência à [(ω 2-ω1)/4π]Hz. Mostre que para um sinal com uma banda de passagem, a condição para transmissão sem distorção através de um sistema com função de transferência H como na Figura 2-55 se reduz a: 217 tg é constante ao longo da banda. Figura 2-55 R-2.4- Justifique adequadamente que o valor t g do Exercício R-2.3 representa efetivamente o retardo da envoltória de g0(t). R-2.5-Mostre que o retardo de grupo t g do Exercício R-2.3- é diferente do retardo existente na frequência ωp . R-2.6-Considere un FPB RC como na Figura 2-24. Este filtro pode ser considerado sem distorção para sinais passa baixa com banda B<<1/(2πRC). Faça uma pesquisa em artigos e sites da Internet e na bibliografia relacionada e mostre que mesmo em frequências f >1/(2πRC), este filtro pode transmitir sinais de banda de passagem praticamente sem distorção, desde que o sinal tenha uma largura de banda estreita. 218 R-2.7-Um dispositivo não linear possui y(t)=a 0+a1x(t)+a2x2(t). Se x(t)=cos(ω1t) +cos(ω2t), relacione as componentes de frequência presentes em y(t). Supondo agora que ω2=3ω1/2, e que y(t) é processado por um FPB ideal com frequência de corte = ω2, relacione agora as componentes de frequência na saida do filtro. 219 Bibliografia 1-Autor: A.B. CARLSON Título: Communication Systems: An Introduction to Signals and Noise in Electrical Communication Editoria: McGraw-Hill, 1968 2-Autor: S. HAYKIN Título: An Introduction to Analog and Digital Communications Editoria: John Wiley and Sons, 1989 3-Autor: S. HAYKIN Título: Communication Systems Third Edition Editoria: John Wiley & Sons, 1994 Outros livros de interesse: Proakis & Salhe (Ing. de sist. de com. em geral); B. P. Lathi (Telecommunication Systems); Clark Hess (circuitos eletrônicos para realizar modulação).