4.

AMOSTRAGEM
Os sinais contínuos no tempo são por definição constituídos por um número
infinito de pontos, mesmo os de duração finita, pois podem ser descritos por
uma função contínua no tempo contendo eventualmente alguns pontos de
descontinuidade. A representação destes sinais no domínio das frequências
pode ser uma função contínua ou, se o sinal for periódico um número infinito
de valores (pontos isolados) igualmente espaçados em frequência. Em ambos
os casos são necessários infinitos pontos quer no tempo quer na frequência para
representar um sinal contínuo no tempo, o que é incompatível com o
processamento computacional caracterizado por recursos de memória
limitados.
Por outro lado, os sinais discretos no tempo com duração finita e a sua
representação espectral em termos de DFT são compatíveis com o
processamento computacional por poderem ser representados por um número
limitado de pontos quer no tempo quer na frequência.
No entanto os sinais normalmente encontrados na natureza são contínuos.
Por exemplo se falarmos para um microfone e registarmos o sinal eléctrico
produzido por este verificamos que se trata de um sinal contínuo. Então não
será este sinal processável computacionalmente? Certamente que sim, de outro
modo não existiriam redes telefónicas de comunicação digital. A ideia é
converter um sinal contínuo de duração finita num sinal discreto também de
duração finita. Isto pode ser facilmente conseguido tomando valores
instantâneos ou amostras igualmente espaçadas do sinal contínuo. A questão
que agora se coloca será em que condições estas amostras podem representar
completamente o sinal contínuo, ou seja será o sinal contínuo recuperável a
partir das suas amostras ? Se sim então não existiu perda de informação na
 4.2

conversão do sinal contínuo para discreto. Neste capítulo vamos verificar que
de facto sob certas condições um sinal contínuo pode ser completamente
representado pelas suas amostras, o que é matematicamente provado pelo
teorema da amostragem também conhecido como teorema de Nyquist.

4.1 Amostragem por trem de impulsos

A figura seguinte mostra que a multiplicação de um sinal contínuo por um
trem de impulsos origina um sinal ainda contínuo constituído pelos valores
instantâneos do sinal original nos instantes onde apareceram os impulsos.
Como este sinal resultante é nulo entre os valores instantâneos do sinal original
pode facilmente converter-se num sinal discreto tomando simplesmente os
valores instantâneos ou amostras do sinal original.

T. F.

T. F.

T. F.
 4.3

O lado direito da figura mostra o processo de amostragem por trem de

impulsos no domínio das frequências. Este processo de amostragem requer que
o sinal a amostrar x(t) seja um sinal de largura de banda limitada também
denominado por vezes sinal do tipo passa baixo, ou se não possuir
componentes de baixa frequência sinal do tipo passa-banda. Este sinal a
amostrar é, no domínio dos tempos multiplicado por um trem de impulsos, o
que pela propriedade da modulação é equivalente a convolver o seu espectro
pelo espectro do trem de impulsos. Como o espectro de um trem de impulsos é
ainda um trem de impulsos espaçados e de amplitude 2π/T sendo T o período
do trem de impulsos (ver pág. 3.15) o espectro do sinal amostrado pode ser
calculado directamente pela propriedade da modulação como segue

x p (t )  p(t ) x(t )
T. F. X p ( w) 
1
P(w) * X (w)
2

1   2 
 2   1   2 
X p w      X d   X  w  k
2  T
wk 
k    T   T k   T 

ou seja o espectro do sinal amostrado consiste em repetições sucessivas do

espectro do sinal original centradas em k2π/T, e multiplicadas por 1/T como
sugere a figura da página anterior (figura do lado direito da página, 3ª figura a
contar de cima). Constata-se pela mesma figura que se a frequência de
amostragem é grande as repetições espectrais do sinal original não se
sobrepõem e o sinal original pode ser recuperado a partir das suas amostras por
um filtro passa baixo, ou por outras palavras para que não seja perdida
informação do sinal no processo de amostragem é necessário que o número de
amostras por período seja suficiente. A figura logo abaixo mostra o caso em
que a frequência de amostragem é pequena originando sobreposição espectral
 4.4

nas várias repetições do espectro do sinal original, fenómeno ao qual se dá o

nome de aliasing. O espectro do sinal original não é recuperável do espectro do
sinal amostrado, o que significa que o processo de amostragem danificou o
sinal original de forma irreparável.
Para que não exista aliasing é necessário que, como se constata da figura
WM  Ws  WM

onde WM representa a componente espectral mais elevada do sinal e Ws a

velocidade angular de amostragem 2π/T. A equação anterior é mais vulgar na
forma Ws  2WM e é conhecida como o teorema da amostragem, ou de Nyquist,
que pode ser enunciado do seguinte modo:
Teorema da Amostragem:
Seja x(t) um sinal de banda limitada com X(w)=0 para |w|>wM. Então x(t) é
determinado de modo único pelas suas amostras x(nT), n=0, ±1, ±2, … se
ws>2wM onde ws=2π/T.
Dadas estas amostras, x(t) pode ser reconstruído através da geração de um trem
de impulsos periódico de amplitudes iguais às amplitudes das amostras. Este
trem de impulsos é então processado por um filtro passa-baixo com ganho T e
frequência de corte compreendida entre wM e (ws-wM). O sinal de saída deste
sistema é x(t).

4.2 Amostragem por “Zero-Order Hold”

Os conversores de sinais contínuos para sinais discretos, chamados ADC
(Analog Digital Converter) têm o seu principio de funcionamento baseado num
método conhecido por amostragem e retenção (sample and hold). Quando um
valor é convertido de analógico para digital a saída do conversor é mantida
 4.5

inalterada até que o próximo valor seja convertido como mostra a figura
seguinte.

A questão que se coloca agora é saber de que forma o sinal contínuo poderá ser
recuperado a partir das suas amostras quando estas são obtidas por amostragem
e retenção. Consideremos então o esquema equivalente do sistema de
amostragem e retenção que pode ser visto como uma amostragem por trem de
impulsos seguida de convolução com um pulso rectangular (compreenda bem
este detalhe !!) mostrado na figura seguinte.

A figura seguinte mostra a resposta do sistema anterior a um sinal hipotético

x(t).
 4.6

O filtro para recuperar o sinal original hr é agora mostrado na figura seguinte e

pode ser calculado com base no pressuposto de que a cascata de sistemas h0 e
hr deve ser tal que o seu equivalente seja o filtro passa-baixo ideal que permite
recuperar x(t) a partir da sua versão amostrada por trem de impulsos.

Como H0(w) e H(w) são conhecidos, Hr(w) pode ser facilmente calculado
como
T

 2 sin wT / 2

jw
T 2
e H ( w)
 jw
H o (w)  e H r ( w) 
 2 sin wT / 2
2
 w 
 w 

A figura seguinte mostra a resposta em frequência do filtro que permite a

reconstrução do sinal a partir das suas amostras obtidas por amostragem e
retenção
 4.7
H r (w)

4.3 Reconstituição de um sinal através das suas amostras

Na secção 4.1 concluímos que a recuperação de um sinal contínuo a partir de
uma sua versão amostrada poderia ser efectuada por filtragem passa baixo ideal
desde que não tivesse existido aliasing no processo de amostragem. Então no
domínio dos tempos o sinal recuperado xr(t) é obtido por convolução do sinal
amostrado xp(t) com a resposta impulsional do filtro passa-baixo ideal com
ganho na banda passante de T, ou seja
x r (t )  x p (t ) * h(t )

onde por definição de amostragem por trem de impulsos xp(t) é dado por

x p (t )   xnT  t  nT 
n  

Então o sinal recuperado xr(t) é dado por

  
x r t   x p t  * ht     x    nT ht   d   xnT ht  nT 
 n   n  

h(t) é a transformada inversa de Fourier de uma função rectangular de

amplitude T e de largura ws/2 ou seja

ws wt
h(t )  T
sin c s 
2  2 
Então o sinal recuperado por filtragem passa-baixo ideal xr(t) pode ser escrito
como
 4.8

ws  ws t  nT  
xr (t )   x(nT )T 2 sin c
n   2



A equação anterior não é mais que uma fórmula de interpolação dado que
descreve como é que as amostras x(nT) devem ser ligadas para integrarem uma
função contínua xr(t). Repare que no caso da amostragem e retenção a
interpolação é feita pela convolução com a função h 0(t), sendo o sinal x0(t) (ver
pág. 4.6) neste caso uma aproximação a x(t). Por outro lado a interpolação com
a função sinc implementa a reconstrução exacta de x(t) no caso de não ter sido
violado o teorema de Nyquist. A figura seguinte (lado esquerdo) elucida este
tipo de interpolação. O lado direito da figura mostra a diferença entre a
interpolação com a função sinc (interpolação ideal) e a interpolação efectuada
pela amostragem e retenção. Podemos verificar que a aproximação por
amostragem e retenção é uma aproximação muito grosseira da interpolação
ideal (filtragem passa-baixo ideal), no entanto é suficiente na maioria dos
casos, o que significa que o filtro cuja resposta em frequência é mostrada na
figura ao cimo da pág. 4.7 não é em geral usado.

x(t )

x p (t )

xr (t )  xt 
 4.9

Tipicamente os sinais reais são de largura de banda extensa requerendo por

isso filtragem passa-baixo antes de serem amostrados. Esta filtragem melhora o
desempenho da interpolação por amostragem e retenção pois diminui o
aliasing inevitavelmente presente na aproximação de um sinal pela sua versão
obtida por amostragem e retenção. Outro factor bastante relevante que
normalmente justifica a não necessidade de recuperação ideal do sinal a partir
da sua versão obtida por amostragem e retenção está relacionada com as
características dos mecanismos de percepção humana (visão, audição, étc) que
normalmente são do tipo passa-baixo. Isto significa que para frequências
próximas da frequência de amostragem os mecanismos de percepção humana
atenuam significativamente os sinais compensando a aproximação por
amostragem e retenção uma vez que se diminui o aliasing. Isto pode ser
constatado por análise da parte direita da figura anterior supondo que o sinal
que vai ser visto vai ser bastante atenuado para frequências altas,
nomeadamente compreendidas entre ws/2 e ws. Não deixe de ver o exemplo do
livro da disciplina referente a este assunto pois são imagens difíceis de
reproduzir neste documento.
Um tipo de aproximação frequentemente usado na prática é a interpolação
linear que consiste em ligar as amostras através de segmentos de recta como
mostra a figura seguinte.
 4.10

A figura seguinte mostra que este tipo de interpolação é equivalente a uma

convolução do sinal amostrado por trem de impulsos com um pulso triangular
cuja função de transferência é dada por

 wT 
H ( w)  T sin c 2  
 2 

A figura seguinte mostra as respostas em frequência do filtro de interpolação

ideal e do filtro real aplicado ao sinal quando se utiliza a interpolação linear.

A título comparativo a interpolação linear é teoricamente melhor que a

interpolação por amostragem e retenção, uma vez que a função sinc 2 atenua
mais as altas frequências (frequências na vizinhança de ws) que a função sinc,
 4.11

dado o quadrado de um número inferior à unidade ser menor que o próprio

número.

4.4 O efeito da sub-amostragem (“Aliasing”)

O teorema da amostragem (páginas 4.2 e 4.3) mostra que um sinal só é
recuperável integralmente a partir de uma sua versão amostrada no caso de não
ter ocorrido aliasing no processo de amostragem, ou seja se a condição
Ws  2WM foi verificada, apesar de nos instantes de amostragem o sinal
reconstruído e o sinal original serem sempre coincidentes, ou seja xr nT   xnT  .

Vamos verificar que mesmo com tantos pontos coincidentes o sinal

reconstruído pode ser bastante diferente do sinal original. Vamos para este
propósito considerar a amostragem de um sinal sinusoidal, cuja transformada
de Fourier se encontra apresentada na figura seguinte, onde se distinguiu
graficamente o impulso situado em w0 do impulso situado em –w0. Esta
distinção é necessária pois permite detectar oposição de fase entre o sinal
reconstruído e o sinal original. Seja xt   cosw0 t  , cuja transformada de
Fourier X w    w  w0    w  w0  está representada na figura seguinte

X(w)

π π

-w0 w0 w

A transformada de Fourier do sinal amostrado será constituída por infinitas

repetições de X(w) centradas em kws com k inteiro a variar de –∞ até +∞,
 4.12

como mostra a equação derivada na página 4.3 e repetida aqui por

conveniência

1   2 
X p w   Xwk 
T k   T 

A figura seguinte mostra o caso em que a sinusoide é amostrada com Ws  6WM ,

ou seja onde são retiradas 6 amostras por período. Como se pode constatar da
figura o sinal reconstruído é igual ao sinal original pois o filtro passa-baixo
consegue isolar o espectro integral do sinal original

O caso ilustrado na figura seguinte é para Ws  3WM , correspondendo portanto a

outro caso de não violação do teorema de Nyquist onde se mostra que com 3
amostras por período se recupera ainda o sinal original a partir da sua versão
amostrada.
 4.13

A figura seguinte mostra o caso em que 4Ws  6WM , portanto onde existe
aliasing, o que pode ser confirmado comparando o sinal reconstruído a partir
da sua versão amostrada com o sinal original. Repare que o sinal reconstruído
está em oposição de fase com o sinal original x(t) dado que os fazores
inverteram o seu sentido de rotação de um sinal para o outro. A oposição de
fase pode ser constatada verificando que todos os mínimos do sinal
reconstruído coincidem temporalmente com máximos do sinal original. O
recíproco não é verdadeiro porque entretanto o aliasing provocou alteração da
frequência do sinal original.

A figura seguinte mostra mais um caso onde existe aliasing e onde é maior a
diferença entre o sinal reconstruído e o sinal original

Consideremos agora um exemplo completo envolvendo o teorema da

amostragem.
 4.14

Seja v(t)=[Link](w0t+φ) com A=1 e w0=120π um sinal que representa a

vibração de um ponto material. Imagine que observa esse ponto iluminado por

luz estroboscópica, cuja iluminação i(t) pode ser descrita por i (t )    (t  kT )
k  
com 1/T a frequência da luz estroboscópica. O olho humano pode ser
modelado por um filtro passa-baixo ideal de frequência de corte 20 Hz. O sinal
observado é do tipo r(t)= v(t).i(t).
a) Esboce V(w) indicando o efeito de w0 e φ.
b) Esboce I(w) indicando o efeito de T.
c) Esboce R(w) para T um pouco menor que T de Nyquist. Determine T de
Nyquist.
d) Suponha que ws=w0+20π. Esboce R(w) admitindo que o olho humano
funciona como foi descrito. Exprima va(t) (posição aparente) na forma
va(t)=[Link](wat+φa).
e) Repita a alínea anterior para ws=w0-20π.

a) Estamos na presença da transformada de Fourier de um cosseno de fase não

nula pelo que usando a propriedade do deslocamento no tempo obtemos
    

  w  w0    w  w0 
j w
v(t )  cos( w0t   )  cos  w0  t   T. F. V (w)  e w0

  w0 

arg[V(w)]
|V(w)|
φ
π π
-w0
w0
-w0 w0 w -φ

w0 é a velocidade angular sendo por isso uma medida da velocidade a que se

desloca a massa considerando a amplitude do movimento não dependente da
 4.15

velocidade. Se a amplitude e a velocidade do movimento da massa são

dependentes, o que é intuitivo que aconteça na prática, pois quanto mais se
puxar a mola maior a força exercida na massa e consequentemente maior a
aceleração da mesma então apenas podemos dizer que w0 é uma medida do
tempo que a massa demora a regressar ao mesmo lugar, ou por outras palavras
a fazer um ciclo (trajecto) completo.
A fase indica a diferença temporal entre a origem dos tempos e o máximo da
função sinusoidal (cosseno). Neste caso ter uma fase não nula significa apenas
que quando se começou a medir o tempo a velocidade da massa não era a
máxima, ou seja esta não estaria a passar na posição de repouso.

b) I(w) representa a transformada de Fourier de um trem de impulsos. O

espectro de um trem de impulsos é ainda um trem de impulsos espaçados e de
amplitude 2π/T sendo T o período do trem de impulsos (ver pág. 3.15)


T. F. 2 
2
i (t )    (t  kT )
k  
I ( w) 
T
  (w  k T
)
k  

i(t) I(w)

1 2π/T

T. F.
0 T 2T 3T t 0 2π/T 6π/T w

T é o período de amostragem ou seja o intervalo de tempo que decorre entre os

instantes em que a massa é iluminada. Isto significa que a posição absoluta da
massa é vista de T em T unidades de tempo.
 4.16

c) Esta é uma situação quase de aliasing, ou seja ainda é possível recuperar o

sinal original mas não existe muita margem de variação (aumento) para o
período de amostragem que permita ainda a recuperação do sinal, ou seja w0 é
pouco menor que ws-w0.
T |R(w)|

π/T π/T

-ws-w0 -ws -w0 w0 ws ws+w0 w

-ws+w0 ws-w0

d) Este é um caso onde existe aliasing pois ws=w0+20π <<2w0

1 |R(w)|
π/T π/T

-260π -140π -w0 -20π 20π 120π 140π 260π w

Além disso como se pode verificar da figura a fase está invertida, pois o fazor
positivo e negativo ficaram com velocidades simétricas da do sinal original.
Deste modo aparentemente a massa desloca-se muito mais lentamente e com
sentido inverso do movimento real, o que significa que deu menos que uma
volta completa durante o tempo de amostragem. Pela figura podemos verificar
que a velocidade aparente (provocada por falsificação da velocidade da massa
devido a amostragem inadequada) da massa é agora descrita pela seguinte
equação
1 w
va (t )  cos( 0 t   )
T 6

e) Este é uma caso onde também existe aliasing pois ws=w0-20π <<2w0
 4.17

1 |R(w)|
π/T π/T

-220π -w0 -100π 20π 100π 120π 220π w

No entanto agora não há inversão de fase pelo que durante o tempo de

amostragem a massa deu mais que uma volta completa, pelo que a sua
velocidade é dada por aparente
1 w
va (t )  cos( 0 t   )
T 6

4.5 Processamento digital de sinais contínuos

Foi mencionado na introdução deste capítulo que a maioria dos sinais
encontrados na natureza são analógicos. No entanto se estes sinais forem
digitalizados sem ocorrência de aliasing podem ser integralmente armazenados
em unidades de memória de computadores como discos rígidos por exemplo. É
também um facto que os níveis de desempenho e flexibilidade dos
computadores, microprocessadores e eventualmente circuitos integrados
dedicados têm tornado mais atraente o processamento digital daqueles sinais. A
vantagem principal do processamento digital está directamente relacionada
com a flexibilidade dos computadores no sentido de que a alteração do sistema
corresponderá tão somente a uma alteração do algoritmo implementado
(programa). Para um processamento analógico alterar o sistema significa
projectar e executar um circuito eléctrico completamente novo. Outra
vantagem significativa está relacionada com a capacidade de armazenamento
 4.18

de informação conseguida hoje em dia em sistemas computadorizados. A

figura seguinte mostra em diagrama de blocos como é que se pode processar
digitalmente um sinal contínuo.

O sistema global é um sistema contínuo visto que tem como entradas e saídas
sinais contínuos, no entanto o processamento é digital. O sinal de entrada é
convertido para discreto através de um processo de amostragem, é processado
pelo sistema discreto e finalmente convertido novamente para contínuo através
de um processo de interpolação como por exemplo a filtragem passa-baixo
discutida na secção 4.1. A figura seguinte mostra em termos de diagrama de
blocos a conversão de um sinal contínuo para um sinal discreto

A figura seguinte mostra duas versões discretas do mesmo sinal x(t) obtidas a
diferentes frequências de amostragem
 4.19

Na prática temos o sinal contínuo e sabemos com que sistema contínuo

queremos processá-lo. Imagine o exemplo simples envolvendo modulação
DSB apresentado na 3ª aula, transparência 38. Imagine que o sinal analógico
modulado em DSB seria agora amostrado (digitalizado) e transmitido numa
rede digital. O receptor tem agora 2 possibilidades para tratar o sinal ou seja
torná-lo audível. A primeira possibilidade e que envolveria muito mais
circuitos seria optar por um tratamento puramente analógico. Neste caso o sinal
seria filtrado (interpolado) por um filtro passa-baixo para ficar contínuo e
seguidamente seria demodulado analogicamente como mostrado no exemplo.
Outra possibilidade seria efectuar todo este processo sem necessidade de tornar
analógico o sinal discreto modulado. É fácil verificar que a recuperação do
sinal passa por uma filtragem passa-banda em torno da frequência da portadora
para não alterar os outros canais eventualmente existentes e seguidamente
demodulação. A questão que se coloca agora é como projectar o tal filtro
passa-banda? A primeira coisa que necessitamos fazer é relacionar o espectro
do sinal digital x[n] com o espectro do sinal contínuo x(t), que é sempre
conhecido, pois de outro modo não conseguimos projectar o sistema digital.
Por outras palavras sabemos o tipo de transformações que pretendemos que o
 4.20

sistema digital imponha ao sinal analógico, pelo que se soubermos que sinal
digital entra neste sistema digital poderemos projectar este último de forma a
transformar o sinal digital (e indirectamente o analógico) do modo pretendido.
Verificámos na secção 4.1, por dedução no domínio das frequências, que a
transformada de Fourier do sinal amostrado é dada por

1 
X p ( w)   X ( w  kws )
T k  

No entanto podemos ainda determinar esta transformada recorrendo a cálculos

só no domínio dos tempos e depois comparar as transformadas do sinal
contínuo e da sua versão amostrada. O sinal contínuo é multiplicado por um
trem de impulsos, ou seja


x p (t )   x (nT ) t  nT 
n  
c

Calculando a transformada de Fourier de xp(t) pela definição obtemos

   
X p w    xc (nT ) t  nT e  jwt dt  ...   xc (nT )e  jwnT

n   n  

Por definição a transformada de Fourier de x[n] é dada por


X ()   xne
n  
 jn
 4.21

Comparando as duas transformadas anteriores e verificando que nos instantes

de amostragem o sinal discreto e amostrado têm o mesmo valor, ou seja
xn  xc nT  verificamos que


X ( )  X p  
T 

O que significa que a transformada de Fourier do sinal amostrado e a

transformada de Fourier do sinal discreto são iguais a menos de um
escalonamento nas frequências como elucida a figura seguinte.

Como exemplo consideremos o sistema de processamento digital de sinais

contínuos mostrado na figura seguinte, com o qual se pretende remover um eco
de uma mensagem. O sinal à entrada do sistema é dado por sc t   x(t )  x(t  T0 )

com |α|<1.
 4.22

NOTA: Antes de ver este exemplo veja o apresentado nas aulas teóricas (pág.
75)

sp(t) s[n]
sc(t)

a) Suponha que o atraso do eco relativamente à mensagem T0 é tal que

T0<π/wM onde wM é a componente de frequência mais elevada que
compõe o sinal. Verifique que se pode tomar como período de
amostragem T=T0.
b) Determine a equação de diferenças do filtro digital h[n] tal que yc(t) seja
proporcional a x(t).
c) Suponha que numa aplicação real com fala telefónica amostrada a 8 kHz
e fM= 4kHz se mediu o atraso do eco T0=0,55 ms. Determine a
frequência de amostragem que permite a remoção do eco pelo sistema da
figura. Neste caso determine wM que minimiza a perda de informação do
sinal de fala no processo de amostragem.

a) Se T=T0 então T< π/wM ou ainda wM < π/T, ou ainda 2wM < 2π/T que é o
teorema de Nyquist pelo que se T=T0 não haverá aliasing.

b) Para projectar o filtro digital temos que conhecer espectralmente s[n]. Como
vimos nesta secção o espectro de s[n] é o espectro de sp(t) a menos de um
escalonamento nas frequências. Finalmente o espectro de s p(t) pode ser obtido
 4.23

através de repetições do espectro de sc(t) centradas em kws. Sabemos que o

sinal contínuo à entrada do sistema é dado por

sc t   x(t )  x(t  T0 )

Como a transformada de Fourier é um operador linear podemos aplicá-la a

ambos os membros da equação anterior e usando ainda a propriedade do
deslocamento no tempo obtemos


S c ( w)  X ( w)  e  jwT0 X ( w)  X w 1  e  jwT0 
A transformada de Fourier do sinal amostrado é então dada pelo teorema da
amostragem


1
S p ( w) 
T
S
n  
c ( w  kws )

Neste momento já conhecemos espectralmente S(Ώ) pois verifica-se a seguinte

igualdade


S ()  S p  
T 
Ou seja


 S   n2 
1
S ()  c
T n  

Esta equação representa repetições sucessivas e em número infinito do espectro

de sc(t) escalonado em frequência. De todas estas repetições apenas aquela
 4.24

centrada em Ώ=0 será seleccionada pelo filtro passa-baixo de ganho T que irá
recuperar yc(t). Para simplificar a equação anterior e sem perda de generalidade
podemos então designar S0(Ώ) como a parte do sinal S(Ώ) que apareceria à
saída do sistema caso h[n] fosse igual a δ[n] (o sistema digital não modificasse
o sinal de entrada).


S0 ()  X () 1  e  j 
O que se pretende com o nosso filtro digital é que se obtenha uma saída
proporcional a x[n], seja kx[n] para a entrada s[n]. Então pela equação anterior
a resposta em frequência do sistema terá que ser

Y  kX 
H  
k
 

X  X  1  e  j
 1  e  j

A equação de diferenças do filtro digital é agora facilmente determinada a

partir da sua resposta em frequência

Y 
H  
k

X   1  e  j
ou seja

 
Y  1  e  j  kX ()

Aplicando transformada inversa de Fourier a ambos os membros da equação

anterior e usando a propriedade do deslocamento no tempo obtém-se a equação
diferenças do filtro digital necessário à remoção do eco.
 4.25

yn  kxn  yn  1

A resposta impulsional do filtro digital é a transformada inversa de Fourier da

sua resposta em frequência e pode ser determinada com o auxilio das tabelas
das transformadas. Verifique que das tabelas temos

 nun T. F. 1
1  e  j

pelo que
hn  k    un
n

Esta alínea pode também ser resolvida integralmente no domínio dos

tempos. Pretende-se que a saída do filtro digital seja proporcional à entrada, ou
seja

yn  kxn

No entanto o sinal x[n] existe apenas como parte integrante do sinal s[n],
cuja forma é

sn  sc nT   x(nT )  xnT  T 

ou seja
 4.26

sn  xn  xn  1

Como sabemos qual o sinal desejado à saída do filtro e sabemos ainda que
o filtro digital é linear e invariante no tempo (só tratamos sistemas com estas
características no âmbito deste curso) podemos relacionar directamente y[n]
com s[n] a partir da relação conhecida (desejada) de y[n] com x[n] e da relação
conhecida (última equação) de s[n] com x[n]. A relação desejada entre a
entrada e a saída é

yn  kxn

Se o sistema é linear e invariante no tempo então também se verifica a seguinte

igualdade
yn  1  kxn  1

Adicionando membro a membro as duas últimas equações obtemos e equação

de diferenças do filtro digital, ou seja

yn  yn 1  ksn

Aplicando o operador transformada discreta de Fourier (DTFT) a ambos os

membros da equação anterior obtemos a resposta em frequência do filtro
digital mostrada ao cimo da página 4.24.
 4.27

c) O sinal à entrada do sistema é dado por s c t   x(t )  x(t  T0 ) pelo

que a sua versão amostrada será dada por sn  sc nT   x(nT )  xnT  T0 

 T0 
ou seja s n   xn   x n  T  . Por definição de sinal discreto T0/T terá que

ser um número inteiro. Por outro lado para que não haja aliasing o período de
amostragem não poderá exceder os 0,125 ms pois a largura de banda do sinal
de fala são 4 kHz, o que é um dado do problema. Além disso temos T0=0,55
ms. Temos então que resolver a seguinte equação 0,55=kT sujeita à restrição
T< 0,125 ms, onde k é uma constante. Verifica-se então que k=5 e T=0.11 ms.
Isto significa uma frequência de amostragem de 9,0909 kHz pelo que o sinal de
fala pode ser aproveitado em termos de banda até cerca de 4,5 kHz ao que
corresponde uma velocidade angular máxima wM=2πx4,5 k rad/seg.

4.6 Amostragem no domínio das frequências

Na secção 4.1 foi apresentado o teorema da amostragem para sinais limitados
em frequência ou de banda limitada e contínuos. Sabemos das propriedades da
transformada de Fourier que para sinais contínuos existe a dualidade entre os
domínios do tempo e da frequência. Deste modo é expectável que um sinal
contínuo e limitado no tempo possa, sob certas condições, ser representado por
uma versão amostrada da sua transformada de Fourier. Consideremos então a
amostragem nas frequências elucidada pela figura seguinte
 4.28



 X (kw ) w  kw 
~
X ( w)  X ( w) P( w)  0 0
k  

T. F. 1 
 2 
p(t )     t  k 
w0 k    w0 

T. F. 1 
 2 
~
x (t )   x t  w k 
w0 k    0 

A transformada inversa de Fourier de um trem de impulsos pode ser derivada

usando a propriedade da dualidade e o facto sobejamente conhecido nesta
altura que a transformada de Fourier de um trem de impulsos é ainda um trem
de impulsos espaçados e de amplitude 2π/T sendo T o período do trem de
impulsos (faça este exercício !!). Multiplicar o espectro do sinal por um trem
de impulsos é equivalente no domínio dos tempos a efectuar a convolução do
sinal com a transformada inversa de Fourier do trem de impulsos, o que não é
mais que a aplicação da propriedade da convolução, ou seja


 2  
 2 
x (t )  x(t ) * p(t )   x 
 1 1
~

   t   
k  
k d  ...   x t  w k 
w0 w0  w0 k    0 
 4.29

Conclui-se da última equação que amostrar o espectro do sinal corresponde a

repetir o sinal indefinidamente no tempo, sendo essas repetições espaçadas de
2π/w0. Verifique que amostrar a transformada de Fourier significa tornar o
sinal periódico uma vez que o espectro do sinal amostrado fica reduzido a um
trem de impulsos igualmente espaçados sendo por isso a transformada de um
sinal periódico. Verifique ainda que a convolução de um sinal limitado no
tempo por um trem de impulsos infinito é um sinal periódico. Tendo em mente
estas duas verificações confirme agora a coerência do resultado encontrado.
A figura seguinte elucida o processo de amostragem em frequência no
2
domínio dos tempos e mostra que sob a condição  2Tm , sendo Tm a duração
w0

temporal do sinal, o sinal x(t) pode ser integralmente recuperado por uma
janela temporal limitada no tempo de modo a retirar as repetições do sinal
causadas pela sua convolução com o trem de impulsos.

T. F. w
W ( w)  2 sin c 
 w0 
 4.30

O processo de recuperação do sinal mostrado na figura anterior pode ser

descrito no domínio das frequências como a convolução da transformada de
Fourier do espectro da janela com a transformada de Fourier do sinal periódico
x t  ,
~ ou seja

X w  X wW ( w)
1 ~
2
Onde


 X (kw ) w  kw 
~
X ( w)  0 0
k  

Pelo que a saída do sistema constituído pela janela é dada por


 w  kw0 
X ( w)   X ( kw0 ) sin c 
k    w 0 

O que significa que mais uma vez a interpolação exacta é uma interpolação
com a função sinc, exactamente como acontecia com a recuperação de um sinal
no domínio dos tempos a partir das suas amostras. Perceba bem que a equação
anterior representa no domínio das frequências a forma como se devem unir as
amostras, que neste caso estão no domínio das frequências, para obter o sinal
original que foi previamente amostrado no domínio das frequências.

4.7 Amostragem de sequências

De modo semelhante ao que acontece com os sinais contínuos também os
sinais discretos podem sob certas condições ter a sua representação temporal
mais reduzida, ou seja constituída por um menor número de pontos, podendo
posteriormente estes sinais ser recuperados a partir da sua versão amostrada
 4.31

(reduzida) também por filtragem passa-baixo. Considere-se então o amostrador

discreto representado na figura seguinte

A nova sequência xp[n] que resulta do processo de amostragem é igual à

sequência original x[n] em múltiplos inteiros do período de amostragem N,
sendo nula nos pontos intermédios o que se pode representar matematicamente
por
 xn, se n é múltiplo de N
x p n  
0, noutros casos

A análise do processo no domínio das frequências é muito idêntico ao caso

da amostragem de sinais contínuos no tempo descrito na secção 4.1. Pelo uso
da propriedade da modulação em tempo discreto temos que
 4.32

 T. F. X p  
x p n  xn pn   xkN  n  kN   PX   d
1
k  
2 2

como P(Ώ) é também um trem de impulsos na frequência dado por

2 
P       k s
N k  

Xp(Ώ) pode ser calculado resolvendo o integral na penúltima equação ou

seja
N 1
X p     X   k 
1
s
N k 0

A equação anterior mostra que o espectro do sinal amostrado é constituído

por repetições do espectro do sinal original tal como acontecia no caso
contínuo. Também neste caso o sinal original pode ser recuperado da sua
versão amostrada por filtragem passa-baixo desde que não tenha ocorrido
aliasing ou seja desde que se tenha verificado a condição s  2M como pode
ser verificado na figura seguinte que descreve todo o processo no domínio das
frequências. A parte inferior da figura mostra o caso onde ocorreu aliasing e o
filtro de recuperação tem ganho N na banda passante e não é mostrado na
figura.
 4.33

4.8 Reconstituição da sequência a partir das suas amostras

A reconstituição da sequência original a partir das suas amostras pode ser
efectuada por filtragem passa-baixo, como mostra a figura seguinte, e a forma
de interpolação subjacente é também em tudo semelhante ao caso contínuo.
 4.34

Como para o caso contínuo a forma da interpolação é obtida pela transformada

inversa de Fourier do filtro passa-baixo convolvida com o sinal amostrado, ou
seja x r n  x p n* hn , onde a resposta impulsional do filtro passa-baixo é dada
por (ver transparência 57 das aulas teóricas)

N c  n
hn  sin c c 
2   

Pela equação no cimo da página 4.32 podemos escrever


N c  
xr n  x p n* hn   xkN  sin c c n  kN 
k   2   

A equação anterior mostra, como para o caso contínuo, que a recuperação

exacta do sinal original a partir das suas amostras é efectuada por interpolação
com a função sinc desde que não tenha ocorrido aliasing. No entanto a
interpolação com a função sinc requer a implementação de um filtro passa-
baixo ideal que na prática não é possível de obter, sendo apenas possível obter
razoáveis aproximações. Deste modo convém reescrever a equação anterior de
uma forma mais geral, como função do filtro de reconstrução ou interpolador


xr n  x p n* hn   xkN h n  kN 
r
k  

4.9 Amostragem de sequências nas frequências

Como aconteceu para o caso contínuo (secção 4.6) também no caso discreto
se pode colocar a seguinte questão: Em que condições se pode compactar a
representação espectral de um sinal discreto e também de que forma este pode
 4.35

ser integralmente recuperado a partir dessa sua representação mais compacta?

Por outras palavras conhecendo espectralmente x[n], ou seja conhecendo X(Ώ)
que é uma função contínua, sob que condições amostras de X(Ώ) podem
representar integralmente x[n]?
A figura seguinte ilustra o processo de amostragem nas frequências de um
sinal discreto (lado esquerdo da figura) bem como o seu processo equivalente
no domínio dos tempos (lado direito da figura).

A semelhança com o caso contínuo é evidente. A multiplicação do espectro

do sinal pelo trem de impulsos P(Ώ), cujo objectivo é reduzir a representação
espectral de x[n], tem como equivalente no domínio dos tempos uma
periodização do sinal x[n], uma vez que este é convolvido com p[n] dado por
 4.36


 2 
pn 
1
0
  n  k  
k    0

Então o sinal x[n] convolvido com p[n] pode ser calculado como


x n  xn* pn  ...   xn  kN 
~ N
2 k  

Como se pode verificar no lado direito da figura anterior se o sinal discreto

no tempo for de duração finita, seja N1, é totalmente recuperável por uma
janela passa-baixo no tempo com ganho Ώ0 desde que se verifique a seguinte
2 2
desigualdade  N1 , ou equivalentemente   0 . Portanto, como em
0 N1

todos os processos de amostragem isto significa que é necessário um número

mínimo de amostras de modo a permitir efectuar posteriormente a recuperação
do sinal original.

4.10 Decimação de sequências

Consideremos a amostragem de sequências tal como foi apresentada na
secção 4.7. A sequência amostrada xp[n] (figura da página 4.31) pode ser
representada de modo mais compacto eliminando os pontos anulados pela
multiplicação pelo trem de impulsos e retendo a informação que entre cada
amostra devem ser colocados (N-1) zeros, sendo N o período do trem de
impulsos. A sequência que resulta da eliminação desses pontos nulos é
chamada de sequência decimada. A figura seguinte elucida o processo de
decimação.
 4.37

Relacionamos agora espectralmente a sequência x[n] com a sequência

decimada xd[n], atendendo a que

xd n  xnN   x p nN 

Por definição de transformada discreta de Fourier


X d     x ne
n  
d
 jn

E também

X p     x ne
n  
p
 jn

Substituindo a antepenúltima equação na penúltima obtém-se


X d     x nN e
n  
p
 jn

Efectuando agora uma mudança de variável na última equação de n para k

com k=nN obtém-se
 k

 x k e
 j
X d    p
N

k  
 4.38

Comparando a última e antepenúltima equação verificamos que



n

 x ne
 j
X d   p
N
 X p 
n   N

ou seja, a decimação tem como efeito compactar a sequência no tempo mas

apresenta o fenómeno inverso na mesma proporção no domínio das
frequências. A parte direita da figura anterior elucida o procedimento da
decimação e mostra que a sequência decimada apresenta maior variação
temporal que a sequência x[n] pelo que terá que apresentar um conteúdo
espectral mais largo.
Verifica-se facilmente a partir da figura anterior, que se x[n] for o resultado
de um processo de amostragem de um sinal contínuo, então decimar
corresponde a diminuir a frequência de amostragem, ou aumentar o período de
amostragem (intervalo de tempo entre amostras). Por esta razão este processo é
conhecido como down-sampling. Repare que aumentar o intervalo de tempo
entre amostras corresponde a diminuir o número de amostras, o que é de facto
a decimação. No entanto se um sinal contínuo tiver sido amostrado por
exemplo à frequência de Nyquist (frequência de amostragem mínima), todo o
espectro estará ocupado ( ver página 4.1 Xp(w)) e não haverá espaço nas
frequências para decimar, pois este processo corresponde como acabámos de
ver a um alargamento espectral. Neste caso como a decimação necessita de
espaço espectral, esta só poderá ser eficientemente efectuada se o sinal for
previamente filtrado, no entanto neste caso só é preservada a informação de
muito baixa frequência do sinal evitando-se contudo o aliasing. A figura
seguinte mostra este fenómeno
 4.39

4.11 Interpolação de sequências

Chama-se interpolação ao processo inverso da decimação, ou seja dada uma
sequência introduzimos entre cada amostra (N-1) zeros e passamos o sinal por
um filtro passa-baixo para o “alisar”. Deste modo obtemos um sinal que no
tempo varia mais lentamente ou seja diminui-se a largura de banda necessária
para transmitir o sinal. Este processo é exactamente o inverso da decimação
pelo que a sua derivação teórica poderá ser descrita de modo inverso também,
ou seja, partindo de xd[n] e chegando a x[n]. A figura seguinte elucida o
processo
 4.40

4.12 Exemplo: Transmodulação digital

Uma das áreas mais férteis no uso das técnicas de processamento digital de
sinal descritas nestas últimas secções é a área das telecomunicações
nomeadamente as redes digitais de comunicações. Estas redes transmitem
sinais contínuos na forma de sinais discretos utilizando os conceitos de
amostragem descritos neste capítulo. A partilha de um canal de comunicação
por vários sinais pode ser feita de 2 modos. No modo TDM (Time Division
Multiplexing) cada sinal a ser transmitido usa toda a largura de banda do canal
e os sinais dividem entre si o canal no tempo, ou seja cada um usa um certo
tempo de transmissão dando depois a vez aos outros. O modo alternativo de
comunicação tem o nome de FDM (Frequency Division Multiplexing). Neste
modo de comunicação todos os canais são transmitidos simultaneamente e cada
um usa a sua banda de frequências (ver exemplo no acetato 38 das aulas
 4.41

teóricas). Os sinais multiplexados num destes modos são seguidamente

digitalizados para transmissão digital. A rede digital de comunicações é
constituída por troços TDM e troços FDM pelo que se torna necessário fazer a
respectiva conversão. A este processo de conversão dá-se frequentemente o
nome de transmodulação ou transmultiplexação. A implementação directa
deste procedimento requer conversão do sinal discreto para contínuo,
desmultiplexação e demodulação para obtenção do sinal original, e
seguidamente nova modulação, multiplexação e digitalização. Todo este
processo é obviamente mais eficiente se for integralmente feito por meios
digitais. A figura seguinte mostra em diagrama de blocos a transmodulação
TDM para FDM mostrando-se seguidamente um exemplo completo.

Considere uma rede digital de comunicação de voz com 2 troços, onde no

primeiro troço a multiplexação de canais é TDM sendo no 2º troço FDM.
Pretendem-se transmitir 4 canais de fala simultaneamente. O sinal de fala é
 4.42

filtrado passa-baixo a 4 kHz e amostrado a 8 kHz, sendo os canais depois

multiplexados como mostra a figura seguinte (troço TDM).

x1(t) x1p(t) Conv.

X
x1(nT)=x1[n]
+ +
x2(t) x2p(t) Conv. x x
X
x2(nT)=x2[n] Mux
x3(t) x3p(t) Conv. 4 canais
X TDM Signal
x3(nT)=x3[n]
x4(t) x4p(t) Conv.
X x4(nT)=x4[n]

p(t)

a) Esboce o espectro dos sinais amostrados e dos sinais discretos.

b) Determine a frequência de amostragem mínima que permitiria a
transmissão simultânea dos 4 canais em FDM.
c) Considere o sistema de transmodulação TDM para FDM inteiramente
digital cujo diagrama de blocos se apresenta na página anterior e represente nos
domínios temporal e espectral o fenómeno do “upsampling” (interpolação).
Determine o espectro de cada sinal digital depois do bloco de “upsampling”.
d) Determine o espectro do sinal FDM.
e) Represente em termos de diagrama de blocos um sistema capaz de
recuperar os sinais originais a partir da sua versão FDM.
f) Represente em termos de diagrama de blocos um sistema que
implemente a transmultiplexação mas que faça o “upsampling” directamente
no sinal contínuo.
 4.43

a) Sabemos do teorema da amostragem que o espectro do sinal amostrado é

constituído por repetições do espectro do sinal original centradas em kws sendo
ws a velocidade angular de amostragem, ou seja

1  2
X p ( w)   X ( w  k )
T k   T

Sabemos ainda que o sinal analógico a transmitir, sinal de fala, é

previamente filtrado a 4kHz para poder ser amostrado a 8 kHz sem ocorrência
de aliasing. Consideremos então que o espectro do sinal a amostrar seja do tipo
(A forma do espectro para sinais de fala depende do tempo, ou seja do que está
a ser dito no momento e não tem a forma apresentada, no entanto a forma do
espectro é para nós irrelevante, o que se impõe é que se evite o aliasing)

2 4krad / s

Pela equação anterior, deduzida na secção 4.1, podemos construir o espectro

do sinal amostrado repetindo indefinidamente o espectro do sinal analógico a
amostrar (figura anterior) em kws com ws=2π/T. A figura seguinte mostra este
espectro supondo T=T1
 4.44

2 8krad / s

Finalmente o espectro do sinal digital constituído pelas amostras do sinal de

fala pode, como demonstrado na secção 4.5, ser obtido a partir do espectro do
sinal amostrado escalonando o eixo das frequências como


X ( )  X p  
T 

Deste modo o espectro do sinal digital é mostrado na figura seguinte

b) Se os 4 canais são transmitidos em FDM então significa que são

transmitidos simultaneamente cada um ocupando a sua banda de frequências.
A figura seguinte mostra, só para frequências positivas, os 4 canais analógicos
multiplexados em FDM. O sinal repete-se para as frequências negativas.
Portanto um canal multiplexado em FDM ocupa o dobro da banda. Na verdade
existem 2 tipos de modulação para o qual isto não acontece que são as
modulações SSB e VSB, no entanto estamos a assumir a modulação DSB
apresentada como exemplo na transparência 38 das aulas teóricas. Assumindo
então que cada canal multiplexado ocupa o dobro da banda a frequência de
amostragem mínima terá que ser neste caso 8 vezes superior à frequência de
 4.45

Nyquist, ou seja 64 kHz. Como o canal 1 segue em banda base a frequência de

Nyquist para o sinal apresentado na figura seguinte será de 2(24+4)=56 kHz .
A figura seguinte elucida o procedimento.

XFDM(w)
X2 X3 X4
X1

- wM wM ws=8wM w

A expressão temporal do sinal em FDM será

xFDM (t )  x1 (t )  x2 (t ) cos(2 8000t )  x3 (t ) cos(2 16000t )  x4 (t ) cos(2 24000t )

E o diagrama de blocos do multiplexador será

x1(t) x1p(t)
X

x2(t) x2p(t)
X X xp(t)
cos(w2t) Σ
x3(t) x3p(t)
X X
cos(w3t)
x4(t) x4p(t)
X X

p(t) cos(w4t)

c) Neste momento sabemos que os canais foram amostrados a 8 kHz, foram

seguidamente multiplexados em TDM e deveriam ter sido amostrados a 64
kHz (na verdade são apenas 56 kHz pois um dos canais vai em banda base, mas
 4.46

generalizemos para o caso de todos os canais irem multiplexados em FDM)

devido a requisitos relacionados com o modo de transmissão FDM. É
necessário fazer então o up-sampling de 8 (2N sendo N o número de canais), o
que pode ser efectuado usando apenas processamento digital de sinal. O up-
sampling está descrito na secção 4.11. A figura seguinte elucida o processo no
domínio das frequências. As duas figuras da parte superior mostram a
transformada de Fourier do sinal amostrado a 8 kHz e a transformada de
Fourier da sequência (sinal discreto).

Xp(w) 1/T

- wM ws 2ws 3ws 4ws w

wM X(Ώ) 1/T
Interpolação de
uma amostra
-π π 2π 4π 6π 8π Ώ

Xi1(Ώ) 2

-π π 2π 4π Ώ

X(Ώ) 2/T

Repetição do
processo 2 vezes
- π/2 π/2 2π 4π Ώ
8/T

Xi(Ώ)

-π/8 π/8 15π/8 2π 17π/8

 4.47

d) O espectro FDM digital será o resultado da convolução do espectro de

cada sinal digital com a transformada de Fourier dos cossenos mostrados
no diagrama de blocos da página 4.41, ou seja

XFDM(Ώ)

- π/8 π/8 π/4 π/2 3π/4 π Ώ

e) A recuperação dos sinais contínuos a partir do espectro da figura anterior

é feita do seguinte modo:
O canal transmitido em banda base precisa apenas ser filtrado passa-baixo
para o separar dos outros, seguidamente precisa de ser restabelecida a
frequência de amostragem por down-sampling (decimação 8:1) para
compensar o up-sampling (interpolação 1:8) efectuado antes da modulação
FDM digital. Agora que o sinal está na sua versão amostrada necessita
apenas de filtragem passa-baixo para ser recuperado.
Para os restantes canais o processo tem que ser complementado com os
passos necessários à passagem de cada canal para a banda base, ou seja
filtragem passa-banda para separação dos outros canais, desmodulação FDM
que consiste em nova modulação seguida de filtragem passa-baixo. Neste
momento com o canal em banda base e separado dos outros canais é
necessário restabelecer a frequência de amostragem e recuperar o sinal
contínuo a partir das suas amostras. A figura seguinte elucida o processo.
 4.48
xFDM[n] 1 T x1(t)
Decimação
8:1
-π/8 π/8 w -π/T π/T w

1 2 T x2(t)
Decimação
X
8:1
π/8 3π/8 w -π/8 π/8 w -π/T π/T w
cos(πn/4)
1 2 T x3(t)
Decimação
X
8:1
3π/8 5π/8 w -π/8 π/8 w -π/T π/T w

cos(πn/2)
1 2 T x4(t)
Decimação
X
8:1
5π/8 7π/8 w -π/8 π/8 w -π/T π/T w
cos(3πn/4)

f) Fazer o up-sampling no sinal contínuo implica desmultiplexar os sinais

multiplexados em TDM, passá-los para contínuos e voltar a amostrar agora a
64 kHz. Depois seria necessário multiplexá-los em FDM. Este processo requer
processamento contínuo no tempo. Nas 2 alíneas anteriores usou-se apenas
recursos digitais. A figura seguinte elucida o que seria necessário efectuar caso
não se conhecesse o processamento digital de sinais contínuos.

T x1(t) x1p(t) Conv.

X x1(nT)=x1[n]
-π/T π/T w
cos(πn/4)
T x2(t) x2p(t) Conv.
X x2(nT)=x2[n] X
-π/T π/T w FDM Digital

cos(πn/2)
Σ
T x3(t) x3p(t) Conv.
X x3(nT)=x3[n] X
-π/T π/T w

T
x4(t) x4p(t) Conv.
X x4(nT)=x4[n] X
-π/T π/T w

p(t)
cos(3πn/4)
64 kHz