1 Amostragem

Amostragem de sinais contı́nuos

• O processo de representar um sinal contı́nuo por meio de amostras

discretas é denominado amostragem.

• De modo geral, elege-se um perı́odo de amostragem T e coleta-se amos-

tras de um sinal contı́nuo a cada T instantes de tempo.

• O sinal a tempo discreto obtido a partir das amostras do sinal contı́nuo

é, também denominado, sinal amostrado.

Amostragem de sinais contı́nuos

• A amostragem de sinais baseia-se em dois pontos principais:

– obter uma representação com menos informações de um sinal, de

modo a transmiti-lo por meio de um canal de comunicação, o qual
possui banda limitada;

1
 – recuperar a informação transmitida do lado do receptor sem dis-
torções.

• Fica claro que quanto maior a taxa de amostragem, mais fácil é repro-
duzir o sinal.

• Entretanto, pode haver um desperdı́cio de banda, sem que haja melho-

rias na qualidade.

• Determinar com qual taxa amostrar é, portanto, um ponto crucial.

Amostragem de sinais contı́nuos

Teorema da Amostragem de Nyquist
Um sinal a tempo contı́nuo limitado em frequência pode ser amostrado e
reconstruı́do com erro nulo a partir de suas amostras se a taxa de amostra-
gem ωs utilizada for, ao menos, duas vezes maior do que a maior frequên-
cia ωm do sinal, ou seja, ωs > 2ωm .

• O limiar 2ωm é denominado taxa de Nyquist e é um atributo do sinal

sendo amostrado.

• Por outro lado, o limiar ωs /2 é denominado frequência de Nyquist e é

um atributo do amostrador.

• Ademais, note que

2π 2π 1
T = < =
ωs 2ωm 2fm

ou seja, o perı́odo de amostragem deve ser tal que T < (2fm )−1 , sendo
fm a máxima frequência do sinal em Hertz.

Amostragem por trem de impulsos

• Seja p(t) um trem de impulsos dado por

∞
X
p(t) = δ(t − kT )
k=−∞

2
 • O sinal amostrado xa (t) é tal que
∞
X ∞
X
xa (t) = x(t)p(t) = x(t) δ(t − kT ) = x(kT )δ(t − kT )
k=−∞ k=−∞

ou, em termos frequenciais,

∞
!
1 1 2π X
Xa (ω) = X(ω) ∗ P (ω) = X(ω) ∗ δ(ω − kωs )
2π 2π T k=−∞
∞
1 X
= X(ω − kωs )
T k=−∞

Exemplo

x(t) X(ω)
1 1

t ω
−ωm ωm

xa (t) Xa (ω)
1 1
T

t ω
−ωm ωm ↑ ωs
(ωs −ωm )

3
Reconstrução ideal

• De posse das amostras do sinal, faz-se necessário recuperar o sinal a

tempo contı́nuo do lado receptor.

• Para tanto, requer-se, primeiramente, a eliminação de réplicas do es-

pectro de frequência Xa (ω).

• Tal objetivo pode ser satisfeito utilizando um filtro passa-baixas ideal

H(ω) = T Gωs (ω)

Xa (ω)

1
T

ω
−ωm ωm ωs ωs ↑
2 (ωs +ωm )

Reconstrução ideal

• Em termos matemáticos, o espectro do sinal recuperado é dado por

Xr (ω) = Xa (ω)H(ω) = Xa (ω)T Gωs (ω)

4
 • Utilizando a transformada inversa de Fourier e lembrando que
2π
F{sinc(ω0 t/(2π))} = Gω (ω)
ω0 0
tem-se que o sinal recuperado no tempo é
∞
  !  
ωs t X ωs t
xr (t) = xa (t) ∗ sinc = x(t) δ(t − kT ) ∗ sinc
2π k=−∞
2π
∞ ω  ∞ ω 
s s
X X
= x(t) sinc (t − kT ) = x(kT ) sinc (t − kT )
k=−∞
2π k=−∞
2π

• Portanto, um sinal contı́nuo pode ser recuperado com erro nulo a partir
de suas amostras por meio de uma combinação linear de funções sinc
(interpolação).

Exemplo

• Considere o sinal x(t) = cos(2t) − sen(5t).

• Esse sinal é amostrado com um perı́odo T = 0.5 s, gerando o sinal
discreto representado em vermelho na figura.

5
 • Utilizando um filtro ideal do lado do receptor, é possı́vel reconstruir o
sinal original a partir de suas amostras.

• Em magenta, verde e preto são apresentadas, respectivamente, as apro-

ximações do sinal recuperado utilizando 3 amostras, 7 amostras e 13
amostras.

• Note que as aproximações tornam-se mais precisas quanto maior o nú-

mero de amostras utilizadas.

Interpolação linear

• Alternativamente, pode-se realizar a interpolação das amostras por

meio de funções triangulares.

• Essas funções podem ser vistas como aproximações da função sinc.

6
 • A principal vantagem é que o cálculo torna-se mais simples, pois requer-
se apenas a soma de segmentos de reta.

Exemplo – Interpolação linear

• Aplicando a aproximação linear ao sinal amostrado do exemplo ante-

rior, tem-se o sinal recuperado (utilizando 13 amostras) em magenta.

• O sinal recuperado por meio de funções sinc (em preto), utilizando a

mesma quantidade de amostras, também é apresentado para compara-
ção.

7
 t

Amostragem por impulsos aproximados

• Em termos práticos, não é possı́vel gerar o sinal impulso com exatidão.

• Todavia, pode-se realizar a amostragem por meio de um trem de im-

pulsos aproximados, o qual é descrito por
+∞
X 1
p(t) = G∆ (t − kT ), 0<∆<T
k=−∞
∆

8
 p(t)
1
∆

t
−4T −3T −2T −T −∆ ∆ T 2T 3T 4T
2 2

• Sendo x(t) um sinal limitado em frequência, é possı́vel reconstruı́-lo a

partir de suas amostras utilizando um filtro passa-baixas ideal de faixa
ωs dado por
H(ω) = T Gωs (ω)

Demonstração

• O sinal amostrado xa (t) é tal que

∞ ∞
X 1 X 1
xa (t) = x(t) G∆ (t − kT ) = x(t) G∆ (t) ∗ δ(t − kT )
k=−∞
∆ k=−∞
∆

• Por meio da transformada de Fourier, tem-se

( ∞
)
1 1 X
Xa (ω) = X(ω) ∗ F G∆ (t) ∗ δ(t − kT )
2π ∆ k=−∞
∞
!
1 ∆ X
= X(ω) ∗ sinc( ω)ωs δ(ω − kωs )
2π 2π k=−∞
∞
ωs X ∆
= X(ω) ∗ sinc( kωs )δ(ω − kωs )
2π k=−∞
2π
1 1X ∆
= X(ω) + sinc( kωs )X(ω − kωs )
T T k6=0 2π

• Portanto, X(ω) = T Gωs (ω)Xa (ω).

9
Amostragem por pulsos

• De modo geral, pode-se amostrar um sinal contı́nuo por meio de um

trem de pulsos quaisquer.

• Entretanto, para realizar a reconstrução do sinal original a partir do

sinal amostrado xa (t), é necessário considerar a forma de onda utilizada
na amostragem para filtrar o espectro Xa (ω), de modo a compensar
distorções introduzidas pelo amostrador.

• Considerando que um sinal x(t) é amostrado por um trem de pulsos

p(t), a forma genérica de um filtro passa-baixas ideal de faixa ωs capaz
de recuperar o espectro do sinal x(t) sem distorção a partir de xa (t) é
dada por
T Gωs (ω)
H(ω) = Xa (ω)
P (ω)
sendo P (ω) a transformada de Fourier do pulso utilizado na amostra-
gem.

Exemplo
Determine a expressão da transformada de Fourier do filtro que recupera o
sinal x(t) sem distorção a partir de
+∞
X
xa (t) = x(k10)p(t − k10), p(t) = Tri4 (t)
k=−∞

Aliasing

• O fenômeno de aliasing ocorre quando o perı́odo de amostragem é ina-

dequado, isto é, quando o perı́odo utilizado é superior ao limitante
advindo da frequência de Nyquist.

• Para um perı́odo de amostragem demasiadamente grande, há a sobre-

posição dos espectros em frequência do sinal amostrado.

• Assim, torna-se impossı́vel recuperar o sinal original, pois espectros

vizinhos acarretam em distorções sobre o espectro de interesse.

10
Aliasing

X(ω)

ω
−ωm ωm

Xa (ω)
ωs = 4ωm
1
T

ω
−ωm ωm ↑ ωs
(ωs −ωm )

11
Aliasing

X(ω)

ω
−ωm ωm

Xa (ω)
ωs = 3ωm
1
T

ω
−ωm ωm ↑ ωs
(ωs −ωm )

12
Aliasing

X(ω)

ω
−ωm ωm

Xa (ω)
ωs = 2ωm
1
T

ω
−ωm ω↑m ωs
(ωs −ωm )

13
Aliasing

X(ω)

ω
−ωm ωm

Xa (ω)
ωs = 1.5ωm
1
T

ω
−ωm ↑ ωm ωs
(ωs −ωm )

14
Aliasing

• Em termos práticos, todavia, assegurar a frequência de Nyquist pode

não ser o suficiente para recuperar o sinal sem distorção.

• Idealmente, utiliza-se uma frequência de amostragem, ao menos, 5 vezes

maior do que a frequência de Nyquist.

15
Exercı́cio
Determine o máximo valor do intervalo T < Tmax entre as amostras tal que
o sinal x(t) seja recuperado sem erro a partir das amostras x(kT ), sendo

x(t) = sen(4t) − cos(3t) sen(2t) + 2

2 Filtragem
Filtragem

• Modificação seletiva no espectro de frequência de um sinal.

• Principais objetivos:

– condicionamento de dados;
– ressaltar informações;
– limpeza de ruı́do.

Filtros seletivos em frequência

Passa-baixa Passa-alta Passa-faixa

H(ω) H(ω) H(ω)

ω ω ω
−ωc ωc −ωc ωc −ωc2 −ωc1 ωc1 ωc2

Filtragem

• Filtros ideias não são realizáveis na prática.

• A atenuação das componentes acima da frequência de corte deve ser

finita.

16
 • Considere um filtro passa-baixa ideal cuja transformada de Fourier é
H(ω) = Gω0 (ω). A resposta ao impulso desse filtro é
2π ω 
0
h(t) = sinc t
ω0 2π

• Note que h(t) é não causal, pois h(t) 6= 0 para t < 0; portanto, não
implementável fisicamente.

• Filtro reais, a tempo contı́nuo, podem ser construı́dos por meio de

circuitos elétricos utilizando elementos passivos e ativos.

Exemplo: Filtro passa-baixas de segunda ordem

− R
R
+

+
x(t) − C C y(t)
−

• A função de transferência do filtro é

 2
1
H(ω) = 
 
jω |{z}
RC +1

τ

• A resposta ao impulso, por sua vez, é

1 −t/τ
h(t) = te u(t)
τ2

17
 Exemplo: Filtro passa-baixas de segunda ordem
1
τ = 0.5
τ =1
0.9 τ =2

0.8

0.7

0.6
H(ω)

0.5

0.4

0.3

0.2

0.1

0
2 4 6 8 10
ω

18
 Exemplo: Filtro passa-baixas de segunda ordem
1
k=2
k=3
0.9

0.8

0.7

0.6
H(ω)

0.5

0.4

0.3

0.2

0.1

0
2 4 6 8 10
ω

Filtros reais
Para um filtro passa-baixas, as especificações tı́picas são as seguintes:
• A resposta em frequência do filtro na faixa de passagem ω ∈ [0, ωp ]
deve apresentar um ganho mı́nimo e uma variação máxima (ripple).
• A resposta em frequência do filtro na faixa de rejeição ω > ωr deve

19
 apresentar uma atenuação mı́nima.
• O intervalo [ωp , ωr ], denominado faixa de transição, é para viabilizar a
realização dos filtros.
• A frequência de corte ωc é tipicamente
√ definida como a frequência na
qual o ganho é igual a |H(0)|/ 2 (≈ −3 dB).

Filtros reais: Especificações

M (ω)

0
0 ωp ωr
ω

20
Filtro de Butterworth
Definição
O filtro passa-baixas de Butterworth de ordem m > 0, m ∈ Z, satisfaz
1
|H(jω)|2 =  2m
ω
1+ ωc

• O ganho do filtro de Butterworth satisfaz as seguintes propriedades:

– O ganho DC é 1 e o ganho tende a 0 para ω → +∞;
√
– Na frequência ωc o ganho é 1/ 2 do ganho DC;
– O ganho tende a 1 para ω < ωc e tende a 0 para ω > ωc a medida
que m → +∞.

Exemplo
Projete um filtro de Butterworth que atenda às seguintes especificações:
1. ganho DC igual a 1;
2. frequência de corte ωc = 1000;
3. faixa de transição: ωp = 250 e ωr = 2000;
4. variação do ganho na faixa de passagem menor do que ∆ = 0.01;
5. atenuação mı́nima na faixa de transição igual a a = 100.

Solução
Considerando a expressão para o módulo da resposta em frequência do
filtro, tem-se que os requisitos 4 e 5 são atendidos simultaneamente se
1 1 log ((1 − ∆)−2 − 1)
r <1−∆ ⇒ m= ⇒ m > 1.41

ωp
2m 2 log(ωp /ωc )
1+ ωc

1 1 1 log (a2 − 1)
r  2m < a ⇒ m = 2 log(ωr /ωc ) ⇒ m > 6.64
ω
1+ r
ωc

Portanto, m = 7 satisfaz as especificações.

21
Solução

M (ω)

0
0 ωp ωc ωr
ω

Função de transferência do filtro de Butterworth

• Considerando que a resposta ao impulso do filtro de Butterworth é real,

a função |H(jω)|2 pode ser escrita em termos da função de transferência

22
 H(s) como

|H(jω)|2 = H(jω)H ∗ (jω) = H(jω)H(−jω) = H(s)H(−s)

s=jω

• Definindo
1
G(s) = H(s)H(−s) =  2m
s
1 + (−1)m ωc

tem-se que os polos pk = ωc λk da função G(s) são as raı́zes da equação

(−1)m λ2m + 1 = 0 ⇒ λ2m = (−1)m−1 = ej(m−1+2k)π
dadas por
m−1+2k
λ = (−1)m−1 = ej 2m
π
, m > 0, k = 1, 2, . . . , 2m

• Note que os polos de G(s) estão uniformemente distribuı́dos sobre uma

circunferência de raio ωc no plano complexo.

Função de transferência do filtro de Butterworth

• Considerando que o filtro de Butterworth é causal e BIBO estável, os

polos de H(s) devem possuir parte real negativa. Desse modo, k deve
satisfazer
m − 1 + 2k π m − 1 + 2k 3π
j π>j e j π<j
2m 2 2m 2
• Logo,
1 1
k> , k <m+ ⇒ k = 1, 2, . . . , m
2 2
• Dessa forma, H(s) (BIBO estável) é dada por
m
Y ωc
H(s) =
k=1
s − pk

sendo
m+2k−1
pk = ωc ej 2m
π
, k = 1, 2, . . . , m

23
Exemplo
Encontre a função de transferência de um filtro de Butterworth que atenda
as especificações:
• −3 dB na frequência ω = 1 rad/s;
• ganho de 0.1 para frequências maiores que ω = 2 rad/s.

Solução
• A frequência de corte do filtro é ωc = 1.
• O parâmetro m é tal que
1 1 log ((0.1)−2 − 1)
r < 0.1 ⇒ m = ⇒ m > 3.31
 2m
ω
2 log(2/1)
1+ r
ωc

ou seja, m = 4.
• A função de transferência é tal que
ωc4
H(s) =
(s − p1 )(s − p2 )(s − p3 )(s − p4 )
• Sabendo que,
m+2k−1
pk = ωc ej 2m
π
, k = 1, 2, . . . , m
então
p1 = −0.3827 + j0.9239, p2 = −0.9239 + j0.3827,
p3 = −0.9239 − j0.3827, p4 = −0.3827 − j0.9239

Solução
• Portanto,
1
H(s) =
s4 + 2.613s3 + 3.414s2 + 2.613s + 1
• Para ω = 2, tem-se
|H(j2)| ≈ 0.041 < 0.1

24
Realização do filtro de Butterworth

• A realização de um filtro de Butterworth de m-ésima ordem é

R1 L1 L2

+
x(t) − C1 C2 Cm R y(t)
−

25