You are on page 1of 26

Avaliao da Qualidade da Energia Eltrica S.M.Deckmann e J. A.

Pomilio

4. Anlise de Sinais Discretizados

A anlise, agora, trata de sinais contnuos, porm amostrados no tempo. Os mtodos das
transformadas de Fourier e Laplace so muito teis para tratar funes temporais contnuas mas
no para tratar sinais amostrados usando processamento digital.

4.1. Amostragem de sinais


Para poder explorar a capacidade de processamento digital de sinais e utilizar as tcnicas das
transformadas de Fourier, por exemplo, preciso encontrar uma representao funcional para uma
amostra do sinal.
Isto resolvido pela funo impulso ou delta de Dirac (t), definida por:

( t ) = para t = 0
( t ) = 0 para t 0

( t ). dt = 1

para t = 0
= 0 para t 0
V-se que a integral do impulso a funo degrau. Ou ainda,

( t t a ) = para t = t a
( t t a ) = 0 para t t a


( t t a ). dt = 1 para t = t a
=0 para t ta

(0) (ta)

0 t 0 ta t

Figura 4.1 Impulso aplicado na origem (do tempo) e deslocado

Questo: Qual ser a TF da funo (0)?


Pela definio de TF tem-se: ( ) = ( t ). e j t . dt
Atravs da funo pode-se discretizar uma funo contnua f(t) em um instante t=ta
qualquer, uma vez que a integral define o valor da funo apenas para o instante t=ta , sendo zero
para qualquer outro instante:


( t t a ). f ( t ). dt = f ( t a )

Portanto a TF de (0) resulta em:



( w ) = ( t ).e j t . dt = e j t = 10 < <
t =0

DSCE FEEC UNICAMP 1


Avaliao da Qualidade da Energia Eltrica S.M.Deckmann e J. A. Pomilio

o que quer dizer que o impulso na origem contm todas as freqncias com igual amplitude e
deslocamento nulo de fase. Essa a razo pela qual, idealmente, basta aplicar um impulso para se
determinar a resposta em freqncia de um sistema.
G( ) = 1

1
(0)

0 t G( ) = 0

Figura 4.2 Transformada de Fourier do impulso na origem.

interessante notar que se o impulso ocorre fora da origem, em t = T, ou seja:



( ) =

( t T ). e jt . dt = e jT = 1 T .

a fase no mais zero, mas decresce proporcionalmente ao deslocamento T. A amplitude continua


unitria sobre todo o espectro de freqncias. Notar que se T 0 resulta fase nula.

G( ) = 1

1
(0)

1 0

G( ) = T
0 T cresc. t

T
-
T cresc.

Figura 4.3 Efeito de rotao da fase para impulso se deslocando no tempo.

DSCE FEEC UNICAMP 2


Avaliao da Qualidade da Energia Eltrica S.M.Deckmann e J. A. Pomilio

Figura 4.4 Resposta em frequncia do impulso.


Acima: impulso prximo da origem (ou quando t0). Abaixo: impulso deslocado no tempo.

4.2. Transformada Discreta de Fourier


Seja o sinal f(t), amostrado com intervalos regulares T, representado por:

f ( kT ) = x o . ( t ) + x1 . ( t T ) + x 2 . ( t 2T )+ .... k = 0 ,1,2...

Como vale o princpio da superposio, pode-se escrever diretamente a TF como sendo:

( ) = x 0 + x 1 .e j T + x 2 .e j 2 T + ... = x
k = 0 ,1 , 2 ...
k .e jk T < <

Essa a chamada Transformada Discreta de Fourier (TDF). Apesar de ser fcil escrever a
TDF para uma srie de amostras de um sinal, a visualizao da forma resultante para () no
simples. Isso se deve a:

i) os termos e-j.T tm espectros contnuos que se superpem;


2
ii) os termos e-j.T, e-j.2.T, e-j.k.T so peridicos em freqncia, com perodo = , logo
T
o espectro resultante tambm resulta peridico:

DSCE FEEC UNICAMP 3


Avaliao da Qualidade da Energia Eltrica S.M.Deckmann e J. A. Pomilio

F()

/T 2/T
-2/T -/T 0

Figura 4.5 Espectro peridico de sinal amostrado com intervalo T.

Notar que quando T 0 (amostragem contnua), o intervalo de repetio em freqncia


tende a infinito, resultando um nico espectro. No caso de sinal amostrado, ocorre a repetio

desse espectro a cada 2/T. Nesse caso s se necessita conhecer o espectro entre e , que o
T T
restante ser uma repetio desse espectro. Da hiptese anterior (T 0), conclui-se que o espectro

entre e , representa o espectro do sinal contnuo (no amostrado), numa faixa mais restrita
T T
de freqncias.

4.3. Exemplos de Espectros de Sinais Amostrados

Exemplo 1: Onda Cossenoidal f ( t ) = A . cos 1 t

Coeficientes da TF:
T1
2
1
a0 =
T1 A.cos( t ).dt = 0
T
1
1
2

T1 T1
2 2
1 1
A. cos( t ). e A. cos t. (cos t j sen t ). dt
j 1 t
a1 = 1 . dt = 1 1 1
T1 T T1 T1
1
2 2

DSCE FEEC UNICAMP 4


Avaliao da Qualidade da Energia Eltrica S.M.Deckmann e J. A. Pomilio

T1
2
A 1 A A
=
T1 T1 2
.(1 sen 21t ). dt =
2T1
.T1 =
2

2

T1
2
1
A. cos(k. t ). e
j 1 t
ak = 1 . dt = 0 k 1
T1 T
1
2

Figura 4.6 Sinal senoidal contnuo e seu espectro discreto.

Se a mesma cossenide for amostrada com intervalo T, o que muda no domnio da


freqncia que o espectro torna-se repetitivo e essa repetio definida pelo intervalo de
amostragem T.

Figura 4.7 Sinal senoidal amostrado e espectro discreto peridico.

Exemplo 2: Onda retangular


Como visto anteriormente, os coeficientes da srie de Fourier deste sinal so dados por:


1 2
a0 =
T1 A . dt = T
1
A

DSCE FEEC UNICAMP 5


Avaliao da Qualidade da Energia Eltrica S.M.Deckmann e J. A. Pomilio

2
sen k
2A sen( k 1 ) 2A T
ak = . = .
1
k0
T1 k 1 T1 2
k
T1

Figura 4.8 Onda retangular e espectro correspondente.

Se essa onda quadrada for amostrada com intervalo de amostragem T, tem-se a repetio
desse espectro em torno de /T.

Figura 4.9 Onda retangular amostrada e respectivo espectro peridico.

2
Obs: Se na amostragem T0, ento , ou seja, a repetitividade do espectro tende a sumir e
T
volta-se ao sinal contnuo.

Como se v, o espectro que interessa encontra-se na faixa < . Como o espectro
T T

simtrico em torno da origem, basta obter o espectro na faixa 0 .
T
Se T aumenta (taxa de amostragem diminui), a distncia entre as funes SINC diminui,
criando superposio dos espectros, o que pode comprometer a filtragem para se isolar apenas o
lbulo central do espectro.

Exemplo 3: Seqncia Finita de Amostras

Na prtica, o processo de amostragem do sinal tem comeo e fim, resultando uma seqncia
finita de amostras. interessante verificar o efeito que essa limitao impe sobre o espectro
estimado. Para ilustrar, tome-se uma seqncia de nove amostras:

DSCE FEEC UNICAMP 6


Avaliao da Qualidade da Energia Eltrica S.M.Deckmann e J. A. Pomilio

0 T 9T t

Figura 4.10 Sinal com 9 amostras

Suponha-se que esse sinal volta a se repetir, repetindo-se a cada intervalo T1= 9T.

0 T T1 2T1 t

Figura 4.11 Sinal peridico com 9 amostras por perodo

Como o sinal agora peridico, pode-se determinar a freqncia fundamental:

1 =
2 2
=
T1 9T
[rd s ].
8 10
A 4 harmnica ser 4 = 4 1 = e a 5 harmnica 5 = . Portanto, se a informao do
9T 9T

espectro est contida em s possvel obter o espectro at a 4 harmnica. O restante uma
T

repetio espelhada desse espectro a partir de = .
T
Isso no surpresa pois, pelo teorema de amostragem, necessita-se de pelo menos duas
amostras por perodo para ter a informao de freqncia e, com 9 amostras, s se pode obter o
nvel CC e mais 4 harmnicas.
Uma outra forma de sintetizar isso dizer que com N amostras pode-se obter N/2 freqncias
harmnicas. Notar que ao diminuir o intervalo de amostragem, T, aumenta a resoluo em
freqncia.

4.4 Anlise de sinais empregando a Transformada Discreta de Fourier (TDF)

A TDF uma transformao que se aplica para sinais amostrados e que leva ao algoritmo de
clculo da Transformada Rpida de Fourier (em ingls FFT). O algoritmo da FFT permite calcular
N componentes do espectro contidos no intervalo 0 , a partir do processamento de N
2 T
amostras temporais do sinal, igualmente espaadas de T. O espaamento ou resoluo em
freqncia () dado por:
max
= onde max = T = intervalo de amostragem
N T
2
2
Logo: = N = n o de amostras do sinal
N .T

DSCE FEEC UNICAMP 7


Avaliao da Qualidade da Energia Eltrica S.M.Deckmann e J. A. Pomilio

2k
A freqncia da k-sima harmnica , portanto: k = k = 0,1,2....N-1
NT

Considere-se o espectro de um sinal amostrado como sendo:

( ) = x o + x1 . e jT + x 2 . e j 2T + x 3 . e j 3T ...+ x N 1 . e j( N 1 )T

A harmnica de ordem k pode ser representada por:

2 k 2 k 2 k 2 k
j j2 j3 j ( N 1 )
( ) = X ( k ) = x0 + x1 . e N
+ x 2 .e N
+ x 3 .e N
= ...x N 1 . e N

N 1 kn
j2
= xn . e N
k=0,1,2...N-1
n =0

n=0,1,2...N-1 indica o contador das amostras temporais do sinal xn.


k=0,1,2...N-1 indica a ordem harmnica. A partir de k = N o espectro se repete.
2

Assim, para obter a TDF do sinal amostrado tem-se que variar os valores de n e k. Para
simplificar a notao, define-se o operador complexo de rotao que aparece em todas as N
amostras como sendo:

j .2 2 2
WN = e N
= cos j . sen
N N

Notar que quanto maior o valor de N, menor o deslocamento angular dado por WN.
Usando a notao compacta, a TDF das N amostras fica sendo:
N 1
X ( k ) = x N .W Nn k k = 0 ,1,2...N 1 ordem harmnica
n =0

Para calcular todos os valores espectrais de X tem-se N2 operaes de multiplicao


complexa, alm das N(N-1) somas complexas.
O grande benefcio da FFT que esse nmero de operaes cai para 2.N.log2N
multiplicaes complexas, o que d uma significativa reduo de tempo de processamento.
Exemplificando:

N = 128 = 2 7
N 2 = 2 14 = 16384 reduo de 9:1 operaes
2 N log 2 N = 256 .7 = 1792

N = 1024 = 2 10
N 2 = 2 20 = 1048576 reduo de 51:1 operaes
2 N log 2 N = 2048 .10 = 20480

DSCE FEEC UNICAMP 8


Avaliao da Qualidade da Energia Eltrica S.M.Deckmann e J. A. Pomilio

Para elaborar o algoritmo da FFT deve-se quebrar a sequncia de amostras em subconjuntos


pares/mpares. Esses subconjuntos so transformados e subdivididos sucessivamente at se chegar
operao elementar entre duas amostras (dizimao no tempo). Essa decomposio requer que
N seja potncia inteira de 2.
Seja pois: N = 2
Como N par, pode-se expressar a TDF separando xn nas duas sequncias de N amostras
2
pares e mpares:
N 1 N 1
X( k ) = x
n par
n .W nk
N + x
n mpar
n .W Nn k k = 0 ,1,2....N 1

Para explicitar os contadores de amostras pares e mpares usa-se um novo contador r


definido de forma que:
n = 2r para n par
para r= 0, 1, 2, 3,....(N/2-1)
n = 2r+1 para n mpar

N N
1 1
2 2
X (k ) = x
r =0
2r .WN2 r k + x2 r +1.WN( 2 r +1) k
r =0

Pode-se verificar que ocorrem redundncias nesses operadores, por exemplo:


2
2 j

W = e
j 2 j 4 N
=e =e = WN
2 N N 2
N
2

Levando em conta essa redundncia conclui-se que cada somatrio torna-se uma TDF de
N amostras:
2
N N
1 1
2 2
X( k ) = x
r =0
.W Nrk2 + W Nk . x 2 r +1 .W Nr k
2r
r =0 2
k = 0 ,1,2...N 1
1 4243 1 44244 3
TDF par TDF mpar

Como N continua sendo nmero par, pode-se repetir essa quebra, resultando 4 TDF de N
2 4
amostras. Continuando, chega-se a N TDF de apenas 2 amostras. Esse processo de quebra das
2
amostras temporais em subconjuntos chamado dizimao temporal. A cada etapa tem-se uma
relao entre as TDF de um estgio m para o seguinte, do tipo:

X k k (p) + W k . X k (q)
(p) = X m (I)
m +1 N m

k
onde X m ( p , q ) = valores das TDF pares (p) e mpares(q) no estgio m para harmnica k;
m = estgio da dizimao m=1,2,3...
p, q = ndices par e mpar p,q=0,1,2...( N 1 )
2
k = ordem harmnica k=0,1,2...N-1

DSCE FEEC UNICAMP 9


Avaliao da Qualidade da Energia Eltrica S.M.Deckmann e J. A. Pomilio

A expresso (I) anterior d os termos pares de X mk +1 . Faltam os termos mpares. Notar que o
ndice k varia at N-1, enquanto r varia at (
N
1). Para os demais termos, k = r + N , os
2 2
coeficientes da TDF iro se repetir, pois como:

(r + N )
j . 2 2
}1
r+N N j 2r j 2r
W N
2
=e
=e N
. e j = e N
= WNr

N
basta calcular os operadores W Nr para r = 0 ,1,2...( 1 ) , e usar o seguinte par de equaes para
2
N
k = r = 0 ,1,2...( 1).
2
X mk +1 ( p ) = X mk ( p) + WNk . X mk (q) p conjunto par
X mk +1 (q ) = X mk ( p) WNk . X mk (q ) q conjunto mpar

Esse par de equaes chamado de operao borboleta devido sua forma de


representao grfica, mostrada no exemplo a seguir.

EXEMPLO:
Supondo N=23=8 amostras, o clculo da FFT pode ser representado pelo seguinte diagrama
que ter =3 estgios. A decomposio (dizimao) comea de trs para frente para se chegar
operao inicial entre duas amostras.

Primeira dizimao:
m=1 m=2 DFT (N=8) m=3
k
X2 (0)
x0 X3 (0) 0
W0
x2 X3 (1) 1
par DFT 1
(N=4) W
x4 X3 (2) 2
2
W
x6 X3 (3) 3
3
W

x1 W4 X3 (4) 4

x3 W5 X3 (5) 5
DFT
mpar (N=4)
x5 W6 X3 (6) 6

x7 W7 X3 (7) 7
X2 (7)

Figura 4.12 Primeiro estgio de dizimao

DSCE FEEC UNICAMP 10


Avaliao da Qualidade da Energia Eltrica S.M.Deckmann e J. A. Pomilio

N
r+
Devido simetria do tipo WN 2
= WNr pode-se escrever:

W 4 = W 0
W 5 = W 1
W 6 = W 2
W 7 = W 3

e com isso a operao bsica (borboleta) fica sendo:

X (0)= X 2 (0)+W 0 X 2 ( 4) para k =0 ( primeiro termo par )


Operao Bsica: 3
X 3 ( 4)= X 2 (0)W X 2 ( 4) para k =4 ( primeiro termo mpar )
0

Repetindo as operaes para as DFT menores, obtm-se para o segundo estgio da


dizimao:

m=1 m=2 m=3


k
X1 (0) X2 (0)
x0 X3 (0) 0
par DFT W0 W0
(N=2)
x4 2 X3 (1) 1
W
W1
x2 W
4 X3 (2) 2
DFT X1 (2) X2 (2) 2
mpar W
(N=2) 6
x6 W X3 (3) 3
X1 (3) W3

X1 (4)
x1 W4 X3 (4) 4
par DFT W
0
(N=2) X3 (5) 5
x5 2 W5
W

x3 X3 (6) 6
DFT W
4
W6
mpar
(N=2) X3 (7) 7
x7 6
W W7
X1 (7) X2 (7)

Figura 4.13 Segundo estgio de dizimao

X 2 (0)= X1(0)+W o X1( 2)



Operao Bsica:
X ( 2)= X1(0)W o X1( 2)
2

DSCE FEEC UNICAMP 11


Avaliao da Qualidade da Energia Eltrica S.M.Deckmann e J. A. Pomilio

m=1 m=2 m=3


k
X1 (0) X2 (0)
x0 0 X3 (0) 0
0
W W W0
4
x4 W 2 X3 (1) 1
W 1
W
x2 4 X3 (2) 2
W
0 X2 (2) 2
W W
x6 W
4
W
6 X3 (3) 3
X1 (3) 3
W

X1 (4)
x1 0
W4 X3 (4) 4
W 0
W
4
x5 W 2 W
5 X3 (5) 5
W

x3 X3 (6) 6
W
4
W6
0
W
x7 W
4
W
6 7
W
X3 (7) 7
X1 (7) X2 (7)
Figura 4.14 Terceiro estgio de dizimao

X1 (0)= X 0 (0)+W 0 X 0 (1)


Operao Bsica:
X1 (1)= X 0 (0)W X 0 (1)
o

Portanto, o algoritmo para N=8 amostras pode ser reduzido s seguintes operaes:

x0 X (0)
0
x4 W -1 X (1)
x2 0 X (2)
W -1

x6 0 -1 W
2
X (3)
W -1

x1 W0 -1 X (4)
0 -1 1
x5 W W -1 X (5)

x3 W
0
-1 X (6)
-1 W2

x7 W
0 -1 W
2
-1 W3 -1
X (7)

Figura 4.15 Conjunto de operaes para dizimao de N=8 amostras.

DSCE FEEC UNICAMP 12


Avaliao da Qualidade da Energia Eltrica S.M.Deckmann e J. A. Pomilio

Uma concluso importante que se as 8 amostras temporais forem reordenadas na seqncia:


x 0 , x 4 , x 2 , x 6 , x 1 , x 5 , x 3 , x7 ,
ento todos os clculos podem ser feitos nas prprias
posies no vetor de dados, de modo que ao final das operaes se obtenha as componentes
harmnicas ordenadas automaticamente de 0 a N-1. Alm disso, s preciso calcular os seguintes
operadores de rotao:
2
j i
o
W ,W ,W 1 2
eW 3
W =ei N

Para implementar a FFT tem-se que sistematizar alguns procedimentos:

1) escolher N como sendo potncia de 2 (Ex: N=23=8);


isto decide o nmero de estgios da decomposio (=3 estgios).
2
N j r
2) calcular previamente os operadores W Nr r = 0 ,1,2... 1 , com W Nr = e N
2
usualmente isso feito em termos de cos( ) j sen( ) .
3) reordenar as amostras de modo que se possa oper-las diretamente. A seqncia a ser usada
depende do nmero de estgios, ou seja, do tamanho N do vetor a processar. Uma tcnica
usada nessa ordenao a chamada "reverso de bits".

Exemplos de reordenao pelo mtodo de reverso de bits:

N=4
AMOSTRA ORDEM BITS REVERTE ORDEM
INICIAL FINAL
X(1) 0 00 00 0
X(2) 1 01 10 2
X(3) 2 10 01 1
X(4) 3 11 11 3
N=8
AMOSTRA ORDEM BITS REVERTE ORDEM
INICIAL FINAL
X(1) 0 000 000 0
X(2) 1 001 100 4
X(3) 2 010 010 2
X(4) 3 011 110 6
X(5) 4 100 001 1
X(6) 5 101 101 5
X(7) 6 110 011 3
X(8) 7 111 111 7

4) uma vez ordenadas as amostras, realizam-se os clculos das clulas:

X m +1 ( p ) = X m ( p ) + W r X m (q )
borboleta bsica
X m +1 (q ) = X m ( p ) W r X m (q )

para todos os conjuntos p, q e todos os estgios m, varrendo os operadores W r requeridos.

DSCE FEEC UNICAMP 13


Avaliao da Qualidade da Energia Eltrica S.M.Deckmann e J. A. Pomilio

4.5. Algoritmo para Reverso de Bits

Para fazer as trocas de posio que permitem o clculo da FFT in loco e economizar memria
do computador, utiliza-se um algoritmo clssico que faz essa reverso.
Seja o vetor de amostras temporais designado por: X(I) = [1,2,3...N]
O algoritmo seguinte faz a troca de posies Xi de acordo com a regra da reverso de bits.

Incio: escolha
N= potncia de 2

X(I)=[1,2,3...N]

Imprimir vetor
de entrada X(I)

L=1
Imprimir vetor
I=1, N-1 Fim
de sada X(I)

I:L
<
XL=X(L)

X(L)=X(I)

K=N/2

L=L+K K:L
<
L=L-K

K=K/2

Figura 4.16 Algoritmo para troca de posio de dados, baseado na reverso de bits.

Seja N=4
Amostras X(1) X(2) X(3) X(4)
L=1
I=1 Y(1)=X(1) (no muda)
I=L
K=N/2=2
K>L
L=L+K=1+2=3
I=2
I<L
XL=X(3)
X(3)=X(2) Y(3)=X(2) [antigo X(2)]
X(2)=XL Y(2)=X(3) [antigo X(3)]
K=N/2=2
K<L
L=L-K=3-2=1
K=K/2=1

DSCE FEEC UNICAMP 14


Avaliao da Qualidade da Energia Eltrica S.M.Deckmann e J. A. Pomilio

K=L
L=L+K=1+1=2
I=3
I>L
K=N/2=2
K=L
L=L+K=2+2=4
I=4 Y(4)=X(4) (no muda)
Fim do programa

4.6. Algoritmo da FFT

Supondo que o vetor de entrada j tenha sido revertido, pode-se operar os termos Yi segundo
a regra da borboleta, varrendo os diversos estgios da dizimao ordenadamente. O algoritmo
apresentado a seguir realiza essas operaes para um vetor [Y], definido como complexo, de
tamanho N=2M. Nesse algoritmo o vetor Y(I) deve ser definido como varivel complexa, assim
como U e W.

Entrada: vetorY(I)
[X(I) revertido]

M=log2N

L=1, M

LE=2^L

U=1+j0

W=cos(2/LE)-jsen(2/LE)

K=1, LE/2

IP=K, N step LE

IQ=IP+LE/2

T=Y(IQ)*U

Z(IQ)=Y(IP) -T
Z(IP)=Y(IP) +T

U=U*W

Imprimir vetor
de saida Z(I)

Fim
Figura 4.17 Algoritmo das operaes "borboleta" da FFT.

DSCE FEEC UNICAMP 15


Avaliao da Qualidade da Energia Eltrica S.M.Deckmann e J. A. Pomilio

4.7. Entrada e Sada da FFT

Para testar todo o processo da FFT precisa-se inicialmente gerar a seqncia de amostras do
sinal de entrada e no final converter o vetor de sada em espectro de amplitude e fase das
harmnicas.
Duas situaes devem ser consideradas: quando se conhece a frequncia fundamental do
sinal a ser analisado (que , normalmente, o caso de aplicaes no sistema eltrico) e quando se
desconhece o sinal a ser analisado.

4.7.1 Frequncia fundamental conhecida


Por facilidade, considere-se um sinal de espectro conhecido: x( t ) = A1 sen 2 f 1 t , com
freqncia fundamental f1 dada, e N amostras por perodo T1.
Para o uso da FFT (que exige uma quantidade de amostras que seja potncia de 2)
conveniente que se tenha um nmero inteiro de ciclos, de modo que deve-se ter uma quantidade de
amostras por ciclo que tambm seja potncia de 2, o mesmo ocorrendo com a quantidade de ciclos
(ou, equivalentemente, o tempo total de amostragem).
Para analisar o espectro do sinal, basta tomar as N amostras espaadas em intervalos iguais a
T de modo que:
T1 1 1
T= = f1 =
N Nf1 NT
As amostras do sinal contnuo x(t), tomadas a intervalos T, podem ser expressas pela funo
discreta:
2
x( nT ) = A1 sen 2 f 1 ( nT ) = A1 sen
N
{
n = x( n ) nn =
=
0 ,1,2...N 1
1,2 ,3...N
Acrescentando-se uma harmnica de ordem h, pode-se escrever, por semelhana, a srie de
amostras como sendo:
2 2 h
x( n ) = A1 sen n + Ah sen n
N N

Notar que a freqncia fundamental no aparece explicitamente. Essa informao est


implcita no perodo 2 n para n=N, considerando o intervalo entre amostras consecutivas como
N
1
T = .
f1N

Amostrando um ciclo com N amostras, a mxima frequncia observvel :


1 N
f max = = f1 , ou seja, so necessrias duas amostras por perodo para poder identificar sua
2T 2
frequncia.
Mantida a frequncia de amostragem, T, para amostrar 2 ciclos da fundamental so
necessrias 2N amostras.
A Resoluo Espectral, que a capacidade de identificar freqncias distintas,
inversamente proporcional quantidade de ciclos amostrados.
Assim, se foram amostrados 2 ciclos da fundamental, a resoluo ser de f1/2, ou seja, ser
possvel verificar se existem componentes mltiplas deste valor.
Deste modo, amostrando um ciclo de 60 Hz com N=64 amostras, resulta fmax=32 60=1920
Hz. Portanto, n=0,1,2...31 representam as harmnicas de 60 Hz que so observveis se tomarmos
um perodo com 64 amostras.

DSCE FEEC UNICAMP 16


Avaliao da Qualidade da Energia Eltrica S.M.Deckmann e J. A. Pomilio

Anteriormente foi verificado que o espectro se repete a partir de =/T, logo:


1
max = = 2 f max f max =
T 2T
max 2 1 f
= = f = = max
N NT NT N
2 2

Para melhorar (aumentar) a resoluo em freqncia, o que se pode fazer aumentar o


nmero de ciclos amostrados com a mesma taxa por perodo. No caso de amostrarmos 4 ciclos em
vez de um, a resoluo em freqncia ser 4 vezes maior, pois:
f f
4 N ( 2)
f = max = 1
4

Essa informao til para se converter o vetor de sada para a escala de freqncias
correspondentes, pois permite saber a qual frequncia corresponde cada posio do vetor de sada
da FFT, o qual comea em zero (nvel mdio) e segue com os mltiplos inteiros de f, at (n-1)f.

4.7.2 Frequncia fundamental desconhecida


Este pode ser considerado o caso geral.
O ponto de partida so definies do sistema de aquisio de dados que estabelece o perodo
de amostragem (T) e a quantidade de amostras (n), a qual que deve ser potncia de 2. Uma vez que
no possvel identificar freqncias com menos de 2 amostras por ciclo, a definio da taxa de
amostragem delimita a parte superior do espectro que se pode identificar, enquanto a quantidade de
amostras delimita a mnima frequncia, pois quanto menor for a quantidade de amostras, para um
dado T, menor o intervalo de tempo total amostrado (nT), o que implica na mnima frequncia
identificvel (2/nT).
Como o sinal analisado desconhecido, o estabelecimento da escala de frequncia para o
espectro deve ser construda sabendo que a posio inicial do vetor corresponde ao nvel mdio
(frequncia zero) e que a ltima posio corresponde a (n-1)/nT, ou seja, tende ao limite da
frequncia de amostragem.
Desta forma, no sentido crescente, o vetor de sada da FFT segue a ordenao de frequncia:
1 2 (n 1)
0, , ...
nT nT nT

Exemplo:
Sinal conhecido: f1=60 Hz; 16 amostras por ciclo, 4 ciclos amostrados.
Tempo total de amostragem: 4/60 s.
Total de amostras: 16*4=64 amostras
Frequncia de amostragem: 16*60=960 Hz
Intervalo de amostragem: T=1,04166 ms
Resoluo espectral: 60/4 = 15 Hz

A escala de frequncia, correspondente a cada posio do vetor de sada da FFT ser: 0, 15


Hz, 30 Hz, 45 Hz, 60 Hz, ... , 930 Hz, 945 Hz
O espectro passa a se repetir a partir de 32*15=480 Hz
Fazendo a mesma anlise pelo caso geral, em que no se conhece a frequncia fundamental,
mas tem-se apenas a quantidade de amostras (64) e o intervalo de amostragem (1,04166 ms), o
espectro apresentado em valores mltiplos de 1/nT, ou seja, 960/64= 15 Hz.

DSCE FEEC UNICAMP 17


Avaliao da Qualidade da Energia Eltrica S.M.Deckmann e J. A. Pomilio

4.7.3 Sada da FFT


Uma vez obtido o vetor Z(I), I=1,2...N pela FFT, resulta um vetor complexo que precisa ser
interpretado no domnio da freqncia.
Como se usou o processo de calculo da TDF na forma exponencial complexa, resultam as
amplitudes das harmnicas pela relao:
Abs( Z1 ) Abs ( Z I )
A0 = AI 1 = para I>1
N N
2

Im( Z I )
I = tg 1 dependendo do quadrante e de Re(.) 0 e I>1
Re( Z I )

OBS: para obter preciso da fase preciso sobre-amostrar o sinal. Para N=512 pontos por
ciclo, o erro no ngulo (em graus) aproximadamente igual ordem harmnica, ou seja:
I=2 (Componente fundamental) 10
I=6 (quinta harmnica) 50
Exemplo
Seja uma onda quadrada com 4 amostras por perodo (N=4):

I X(I) Y(I) aps reverso de


+1 bits
1 1 1
2 1 -1
3 -1 1
4 -1 -1
Figura 4.18 Onda quadrada com 4 amostras por perodo

Seguindo o algoritmo tem-se:


N=4 RETORNA AO LOOP L
M=2
L=1 at M L=2
LE=2^L=2 LE=4
U=1+j0 U=1
W=cos()-jsen() W=-j
K=1 at LE/2=1, ou seja, faz apenas uma passada K=1
IP=K=1 IP=1
IQ=IP+LE/2=1+1=2 IQ=3
T=X(IQ)*U=Y(2)*U=-1 T=0
Z(IQ)=Y(IP)-T=Y(2)=1+1Z(2)=2 Z(3)=0
Z(IP)=Y(IP)+T=Y(1)=1-1Z(1)=0 Z(1)=0
IP=1+LE=3 U=-j
IQ=3+1=4
T=Y(4)*U=-1 IP=2
Y(IQ)=Y(4)=1+1Z(4)=2 IQ=4
Y(IP)=Y(3)=1-1Z(3)=0 T=-2j
IP=3+LE=5 Z(4)=2+j2
Z(2)=2-j2
SAI DO LOOP IP
SAI do LOOP K SAI DO LOOP L
FIM

DSCE FEEC UNICAMP 18


Avaliao da Qualidade da Energia Eltrica S.M.Deckmann e J. A. Pomilio

A seqncia de mudanas no vetor :


Z(1) Z(2) Z(3) Z(4)
Entrada do algoritmo 1 -1 1 -1
1 2 1 -1
0 2 1 -1
0 2 1 2
0 2 0 2
0 2 0 2
0 2 0 2
0 2 0 2+j2
Sada do algoritmo 0 2-j2 0 2+j2

Sada (coeficientes da Trans. de Fourrier): A0=0


Abs( Z 2 ) 8 Abs( Z 4 ) 8
A1= = =0,707 A2=0 A3= = =0,707
N 4 N 4

O valor A0 corresponde ao valor mdio. Devido ao uso da srie na forma complexa bilateral,
as amplitudes das harmnicas so metade do valor real. A1 corresponde componente na
frequncia fundamental, A2 corresponde segunda harmnica e assim sucessivamente.
No entanto, sabe-se que com 4 amostras possvel identificar at a segunda componente
harmnica, ou seja, aps esta frequncia os resultados no tm significado. Neste exemplo, o valor
da componente A3, que corresponderia terceira harmnica, deve ser descartado.
Quando se analisa o valor da componente fundamental, observa-se que o mesmo est errado,
pois sabido que a fundamental desta onda quadrada tem amplitude 4/. Ou seja, a amostragem
muito reduzida, embora permita identificar corretamente a frequncia, no capaz de calcular
corretamente a amplitude.
Na verdade, o valor identificado corresponde ao de uma senide de mesma frequncia e com
amplitude 2, amostrada nos ngulos de 45, 135, 225 e 315, ou seja, com os mesmo valores
das amostras da onda quadrada original.
A figura a seguir mostra o resultado do algoritmo da FFT, sempre tomando apenas 4
amostras por ciclo, mas analisando um nico ciclo (resoluo de 60Hz) e analisando quatro ciclos
(resoluo de 15 Hz). Os resultados devem ser considerados at a componente A2, e coincidem nas
freqncias detectadas e na amplitude (ambas erradas). O termo A3 pode ser analisado como a
reflexo do espectro em frequncia em torno da frequncia de Nyquist, ou seja a mxima
frequncia observvel (120 Hz, neste caso).

0.8 0.8

0.7 0.7
X: 60
Y: 0.7071
0.6 0.6

0.5 0.5

0.4 0.4

0.3 0.3

0.2 0.2

0.1 0.1

0 0
0 20 40 60 80 100 120 140 160 180 0 50 100 150 200 250

a) b)
Figura 4.19 FFT de onda quadrada em 60 Hz, amplitude unitria, com quatro amostras por ciclo:
a) Um ciclo de observao; b|) Quatro ciclos de observao (resoluo de 15 Hz).

DSCE FEEC UNICAMP 19


Avaliao da Qualidade da Energia Eltrica S.M.Deckmann e J. A. Pomilio

Quando se amplia a quantidade de amostras por ciclo, aumenta a capacidade de deteco de


freqncias mais elevadas, bem como a preciso de estimao das amplitudes das componentes
harmnicas de baixa ordem. O erro na estimativa da amplitude persiste para as componentes de
ordem, elevada devido a menor amostragem relativa.
O espectro a seguir foi obtido com 32 amostras por perodo, o que implica numa frequncia
de Nyquist de 960Hz, a partir da qual o espectro se mostra espelhado. A componente fundamental
(metade do valor real) foi de 0,6376, e seu valor correto de 2/, ou seja, 0,6366. Devido
riqueza espectral da onda quadrada, h uma interferncia entre o espectro e seu correspondente
espelhado, o que compromete a preciso dos valores.

0.7

0.6 X: 60
Y: 0.6376

0.5

0.4

0.3

0.2

0.1

0
0 200 400 600 800 1000 1200 1400 1600 1800 2000

Figura 4.20 FFT de onda quadrada em 60 Hz, amplitude unitria e 32 amostras por ciclo.
Espectro analisvel at 16 x 60=960Hz.

Tome-se agora para anlise uma onda senoidal (amplitude unitria) com 20% de 5
harmnica (300Hz), 10% de nona harmnica (540Hz), e de um nvel CC unitrio. O sinal e o
respectivo espectro so mostrados a seguir.
O algoritmo identifica exatamente o nvel CC, bem como as componentes oscilatrias, tanto
em termos de frequncia quanto de amplitude. A amostragem leva a uma frequncia de Nyquist de
960Hz e garante que no h interferncia entre os componentes dos espectros, de modo que os
valores de amplitude so corretamente estimados. Em relao fase, os valores obtidos para as
harmnicas so: 56,25 para a fundamental, -33,75 para a quinta harmnica e 168,8 para a nona
harmnica. Os valores presentes na funo contnua so, respectivamente: 45, 0 e 0.
Verifica-se assim a baixa exatido na estimativa das fases. Para melhorar estes valores
preciso sobre-amostrar o sinal, ou seja, ter muitas mais amostras por ciclo e por harmnica de
interesse.
Com 32 amostras por ciclo, o erro, na frequncia fundamental de 360/32=11,25. Na quinta
harmnica ser cinco vezes maior, ou seja, 56,25, e assim por diante.

DSCE FEEC UNICAMP 20


Avaliao da Qualidade da Energia Eltrica S.M.Deckmann e J. A. Pomilio

2.5

1.5

0.5

- 0.5
0 20 40 60 80 100 120 140

200
1

0.9 150

0.8
100 X: 60
0.7 Y: 56.25

50
0.6 X: 60
Y: 0.5
0.5 0

0.4 -50

0.3
-100
0.2
-150
0.1

0 -200
0 200 400 600 800 1000 1200 1400 1600 1800 2000 0 200 400 600 800 1000 1200 1400 1600 1800 2000

Figura 4.21 Forma de onda e respectivo espectros de amplitude e de fase obtidos com 32 amostras
por ciclo.

Ao reduzir a taxa de amostragem para 16 amostras por ciclo, a frequncia em torno da qual
se d o espelhamento do espectro se reduz para 480 Hz, como mostra a figura a seguir,
impossibilitando qualquer anlise acima desta frequncia. O nvel CC continua adequadamente
estimado, no entanto h um embaralhamento nas componentes de ordem elevada, pois a
componente vista em 420Hz no existe no sinal, sendo o reflexo da nona harmnica. Neste caso,
como no h coincidncias entre as componentes originais e as refletidas, as amplitudes so
corretas.

2.5 1

0.9
2 0.8

0.7
1.5
0.6

1 0.5

0.4
0.5
0.3

0.2
0 X: 420
0.1 Y: 0.05

-0.5 0
0 10 20 30 40 50 60 70 0 100 200 300 400 500 600 700 800 900 1000

Figura 4.22 Forma de onda e respectivo espectro obtido com 16 amostras

DSCE FEEC UNICAMP 21


Avaliao da Qualidade da Energia Eltrica S.M.Deckmann e J. A. Pomilio

4.8 Unidades para Amplitudes no Domnio da Freqncia


Uma vez que em muitas aplicaes necessrio conhecer a relao sinal/rudo, sendo que o
rudo pode ser vrias ordens de grandeza menor que o sinal, comum que se representem as
amplitudes relativas em escala logartmica, o que permite comprimir a escala para abranger vrias
dcadas.
devido a Graham Bell que se adota o decibel (dB) para medir relaes de amplitudes ou de
potncias em escala logartmica. Define-se o decibel como sendo:
1dB = 20.log10 (razo de amplitudes) = 10.log10 (razo de potncias)
Para verificar essa relao basta assumir que a potncia associada a um sinal proporcional
ao quadrado da sua amplitude A:
P = kA 2
P kA 2 A
10 log = 10 log 2 = 20 log
P0 kA0 A0

Valores comumente usados em escala dB e as razes correspondentes so dados na tabela


seguinte:

dB Razo(A) Razo(P)
40 100 104
20 10 100
10 10 10
3 2 2
0 1 1
1
-3 0,5
2
1
-10 0,1
10
-20 0,1 0,01
-40 0,01 10-4

Obs: Notar que 20dB corresponde a 1 dcada em amplitudes e que 3dB corresponde razo 2 de
potncias.

4.9 Janelas de Ponderao das Amostras


Quando o nmero de amostras cobre ciclos inteiros do sinal amostrado, no aparece o erro de
truncamento no espectro calculado.
No entanto, se a amostragem do sinal no cobrir ciclos inteiros, o espectro calculado ir
apresentar o fenmeno de vazamento espectral ("leakage"), que se traduz no seguinte erro bsico:
as amplitudes calculadas sofrem um achatamento e um espalhamento em torno das raias
espectrais originais.

DSCE FEEC UNICAMP 22


Avaliao da Qualidade da Energia Eltrica S.M.Deckmann e J. A. Pomilio

A1
A1
Ak
Ak

0 f1 fk 0 f1 fk
Ciclos completos. Ciclos incompletos.
Figura 4.23 Efeito de aplicao de FFT sobre amostras que no se referem a ciclos completos do
sinal.

Este efeito pode ser visualizado no sinal a seguir, que apresenta a mesma forma de onda
mostrada anteriormente mas com um nmero no inteiro de ciclos, bem como o respectivo
espectro. Note que a identificao da frequncia ainda se mostrou correta (o que nem sempre
acontece, pois pode haver um deslocamento do pico), mas com grande erro de amplitude.
2.5 1

2
0.8

1.5
0.6
1 X: 60
Y: 0.3988
0.4
0.5

0 0.2

-0.5 0
0 20 40 60 80 100 120 140 0 500 1000 1500 2000

Figura 4.24 Amostragem de ciclos fracionrios e respectivo espectro.

Como esse erro devido basicamente ao truncamento do sinal, uma forma usual de se
contornar tal efeito utilizar funes de ponderao ou janelas ("windows") para atenuar o
impacto de truncamento. Essas janelas, porm, alteram a energia do sinal e, por isso, introduzem
um fator adicional de escala de amplitude.
Existem muitos tipos de janelas e cada uma produz um efeito particular sobre o espectro do
sinal. Pode-se dizer que uma janela causa dois efeitos principais sobre o espectro:
a) reduz o efeito de vazamento e, portanto, atenua as raias laterais do espectro calculado,
melhorando a identificao de frequncias;
b) "engorda" a banda em torno das raias principais, afetando a identificao da amplitude.

A1
A1
Ak Ak

0 f1 fk 0 f1 fk

Sem Janela de Ponderao. Com Janela de Ponderao.


Figura 4.25 Efeito sobre o espectro ao se aplica janelas no sinal amostrado com ciclos
fracionrios.

DSCE FEEC UNICAMP 23


Avaliao da Qualidade da Energia Eltrica S.M.Deckmann e J. A. Pomilio

O que distingue uma janela da outra o compromisso entre esses dois efeitos. Por exemplo:

W ( k ) =1 0 k N 1
Janela re tangular
W ( k )=0 diferente

W ( k )= 2 k 0 k N
N 2
Janela triangular
2k
W ( k )= 2 N kN
N 2

k
W ( k ) = 0 ,54 0 , 46 cos 2 N 0 k N 1

Janela Hamming
W ( k )=0 diferente

Comparando os espectros das figuras 4.24 e 4.26, nota-se um menor espalhamento. A


identificao de freqncias mais precisa, embora tenha aumentado o erro de amplitude, o que
esperado pois o sinal amostrado sofre atenuao nas bordas, exatamente para reduzir seu efeito no
clculo da FFT.
Com o aumento na quantidade de ciclos, mesmo que haja truncamento, o efeito relativo do
ciclo incompleto se torna desprezvel.
2.5
0.7

2 0.6

1.5 0.5

0.4
1
X: 60
0.3 Y: 0.2454
0.5
0.2
0
0.1

-0.5 0
0 20 40 60 80 100 120 140 0 500 1000 1500 2000

Figura 4.26 Aplicao da janela de Hamming em sinal amostrado e seu efeito sobre o espectro.

0 0 0

-20dB -20dB -20dB

-40dB

a) Janela retangular b) Janela triangular c) Janela de Hamming.


Figura 4.27 Os espectros das janelas.

DSCE FEEC UNICAMP 24


Avaliao da Qualidade da Energia Eltrica S.M.Deckmann e J. A. Pomilio

Existem vrios outros tipos de janelas de ponderao (Blackman, Hanning, Exponencial,


etc). Quanto maior for a atenuao dos lbulos laterais do espectro da janela, melhor a janela.
Mas tambm desejvel que o lbulo principal seja o mais estreito possvel para dar maior
acuidade em torno das freqncias contidas no sinal que se deseja analisar.
A figura 4.28 mostra que, com nmero inteiro de ciclos, a aplicao da janela indiferente. A
FFT calcula com preciso a amplitude (o aplicativo presente no osciloscpio j fornece o valor
eficaz da harmnica) e identifica corretamente a frequncia. J com nmero fracionrio de ciclos, a
frequncia no bem identificada, bem como h erro na amplitude.

Figura 4.28 Janela retangular com nmero inteiro (esq) e fracionrio (dir) de ciclos.

Ao aumentar a quantidade de ciclos, mesmo no havendo um nmero inteiro de ciclos, os


erros de frequncia e de amplitude so minimizados, como mostra a figura a seguir.

Figura 4.29 FFT com grande quantidade de ciclos.

Considerando uma onda quadrada, quando se tem uma quantidade de ciclos inteiros, a
identificao da frequncia correta, assim como a amplitude. No caso ilustrado na figura a seguir,
a onda quadrada tem 2V de amplitude, o que leva a uma fundamental com 2,546V de amplitude e
1,8V de valor eficaz. No entanto, para ciclos fracionrios, repetem-se os erros na identificao da
frequncia e no valor da amplitude.

DSCE FEEC UNICAMP 25


Avaliao da Qualidade da Energia Eltrica S.M.Deckmann e J. A. Pomilio

Figura 4.30 Janela Hamming com nmero inteiro (esq) e fracionrio (dir) de ciclos.

Novamente, com uma grande quantidade de ciclos, o erro na identificao da frequncia se


reduz mas persiste o erro de estimativa da amplitude.

Figura 4.31 Efeito do aumento do nmero de ciclos na FFT para diferentes janelas.

DSCE FEEC UNICAMP 26

You might also like