Professional Documents
Culture Documents
ANÁLISE DE FOURIER
Série de Fourier
1
A) Representação de Sinais por Série de Fourier
Introdução
Neste capítulo vamos introduzir as transformações de sinais Série de
Fourier e Transformada de Fourier, que convertem sinais do domínio do
tempo em representações no domínio da freqüência.
5
Convergência da Série de Fourier:
Sabe-se que um sinal periódico f(t) tem uma representação em série de
Fourier se ele satisfazer as seguintes condições de Dirichlet:
T /2
∫−T / 2 | f (t ) | dt = finita < ∞
(ii) A função f(t) possui um número finito de máximos e mínimos em um
período.
6
A convergência é satisfeita, somente quando um número infinito de
termos for incluído na expansão da série de Fourier. Se a série for
truncada, ou seja, se um número finito de termos for usado na expansão
da série, como na verdade deve ser em quase todas as aplicações práticas,
então a aproximação exibirá um comportamento oscilatório em torno da
descontinuidade, conhecido como Fenômeno de Gibbs. Quando o
número de termos cresce, a curva resultante oscila com freqüência
crescente e a amplitude decrescente.
4 termos na série 16 termos na série
1.5 1.5
1 1
0.5 0.5
0 0
0.5 0.5
1 1
1.5 1.5
0 0.5 1 1.5 2 2.5 3 3.5 4 0 0.5 1 1.5 2 2.5 3 3.5 4
Tempo, s 3
Tempo, s 3
x 10 x 10
7
Determinação dos Coeficientes da Série:
Os coeficientes an, a0 e bn são obtidos através da utilização das propriedades
de ortogonalidade das funções trigonométricas.
Um conjunto de funções {φk(t)} é ortogonal em um intervalo a<t<b, se para
duas funções quaisquer φm(t) e φn(t) no conjunto existe a integral
T /2 0 , m≠n
∫−T / 2 φm (t ) φn (t ) dt = rn , m=n
T /2 0 , m≠n
∫−T / 2 cos ( mω0 t )cos ( n ω0 t ) dt =
T / 2 , m = n ≠ 0
T /2 0 , m≠n
∫−T / 2 sen ( mω0 t )sen ( n ω0 t ) dt =
T / 2 , m = n ≠ 0
T /2
∫−T / 2 sen (mω0t )cos (nω0t ) dt = 0 8
As equações anteriores mostram que as funções {1, cosω0t, cos2ω0t, ..., cosn
ω0t, ..., senω0t, sen2ω0t, ..., sennω0t} formam um conjunto de funções
ortogonais em um intervalo –T/2 < t< T/2.
Usando as equações mostradas em slide anterior e combinando com a
equação (1), chega-se às expressões dos coeficientes da série de Fourier:
2 T /2
an = ∫ f (t ) cos (nω0t ) dt , n = 0,1,2,... (2)
T − T / 2
2 T /2
bn = ∫
T −T / 2
f (t ) sen (nω0t ) dt , n = 1,2,... (3)
2 T /2 (4)
a0 = ∫ f (t ) dt
T − T / 2
Observa-se que (4) está contida em (2). E esta equação (4) mostra que o
primeiro termo da série (a0/2) é o valor médio da função em um período.
Logo, se a função for simétrica em relação ao eixo das abscissas, este
primeiro termo da série é igual a zero.
9
Simetria Ondulatória – Funções Pares e Ímpares
10
Propriedades:
i) Qualquer função f(t) pode ser expressa como a soma de duas
componentes, das quais uma é par e outra é ímpar, ou seja:
f (t ) = f p (t ) + f i (t )
ii) Se f(t) for uma função periódica par, sua série de Fourier consiste
somente dos termos an (n=0,1,...), ou seja, de uma constante e dos termos
em co-senos:
a0 ∞
f (t ) = + ∑ an cos nω0t
2 n =1
iii) Se f(t) for uma função periódica impar, sua série de Fourier consiste
somente dos termos bn (n=1, 2,...), ou seja, de termos em senos:
∞
f (t ) = ∑ bnsen nω0t
n =1
11
Forma Complexa da Séries de Fourier – Espectro de Freqüência
f (t ) =
2 n =1 2
(
a0 ∞ 1 jnω0t
+ ∑ an e +e − jnω0t
+ bn
2j
)e (
1 jnω0t − jnω0t
−e
)
a0 ∞ 1 1
f (t ) = + ∑ (an − jbn )e jnω0t + (an + jbn )e − jnω0t
2 n =1 2 2 12
Definindo:
1 1 1
c0 = a0 , cn = (an − jbn ), c− n = (an + jbn )
2 2 2
Logo,
∞
f (t ) = c0 + ∑ (cn e jnω0t + c− n e − jnω0t )
n =1
∞ ∞
f (t ) = c0 + ∑ cn e jnω0 t
+ ∑ c− n e − jnω0t
n =1 n =1
∞ −∞
f (t ) = c0 + ∑ cn e jnω0t
+ ∑n
c e jnω0 t
n =1 n = −1
∞
f (t ) = ∑ cne jnω0t (7) Série de Fourier Complexa
n = −∞
13
Determinação dos Coeficientes da Série de Fourier Complexa:
1
cn = (an − jbn )
2
Os coeficientes cn são valores complexos
1 T /2 T /2
T ∫−T / 2 ∫−T / 2
cn = f (t ) cos( nω0 t ) dt − j f (t ) sen( nω0 t ) dt
1 T /2
cn = ∫ f (t )[cos(nω0t )dt − j sen(nω0t )]dt
T − T / 2
1 T /2
cn = ∫ f (t ) e − jnω0t dt n = 0,±1,±2,....
T −T / 2
1 T /2 jnω0t
c− n = ∫
T −T / 2
f (t ) e dt
1
| cn | (an2 bn2 ) e n arc tg ( - bn / an )
2
15
Como os índices n assumem somente valores inteiros, os espectros de
amplitudes e de fases, não são curvas contínuas e sim surgem como linhas
verticais (raias) nas variáveis discretas nω0. Portanto, tais gráficos denominam-
se espectro de freqüência discreta. A representação dos coeficientes complexos
cn em função da variável complexa nω0 especifica a função periódica f(t) no
domínio da freqüência, do mesmo modo que a função f(t) em função de t a
especifica no domínio do tempo.
É usual representar tais espectros apenas em relação ao eixo de freqüências
positivas, pois o lado esquerdo (lado das freqüências negativas) contém a
mesma informação que o direito, já que os coeficientes c*n são os complexos
conjugados de cn. Na Figura abaixo é mostrado um exemplo de um espectro de
amplitudes. 0.6
0.5
|cn| 0.4
Cn
0.3
0.2
0.1
0 16
5 10 15 20 25 30 35 40
w Freqüência
B) Transformada De Fourier de Sinais Contínuos
A expansão por série de Fourier é uma forma de representação de
funções periódicas em termos de um somatório de funções harmônicas.
Para funções não-periódicas é necessário uma adequação da análise de
Fourier ao problema.
Nesta análise, um sinal transiente pode ser visualizado como um sinal
periódico tendo seu período tendendo ao infinito.
Da Série de Fourier à Transformada de Fourier:
Seja um sinal não-periódico x(t)=0 para -T1 > t > T1 :
Sinal Transiente
∞
X (ω) = ∫ x(t ) e- jωt dt Transformada de Fourier
−∞
Logo,
1 ∞ jωt Transformada Inversa de
x(t ) =
2π ∫− ∞
X ( ω) e dω
Fourier
As duas integrais acima formam o Par de Integrais de Fourier. Este par
também pode ser escrito por (quando considera-se freqüência em Hz):
∞ ∞
X(f ) = ∫ x (t ) e - j 2 πft
dt x(t ) = ∫ X ( f ) e j2πft df
−∞ −∞
19
Simbologia:
X ( f ) = ℑ{x(t )}
−1
ou x(t ) ← ℑ → X ( f )
x(t ) = ℑ { X ( f )}
O gráfico de |X(f)| versus f é um espectro contínuo.
No espectro das amplitudes complexas de um sinal periódico, se o período
aumenta, a freqüência fundamental diminui e as componentes em
freqüência dos harmônicos ficam mais próximas entre si, fazendo com que
a disposição das raias tendam a uma distribuição contínua e a série de
Fourier vem a tornar-se uma integral.
CnT0
Exemplo: T 0 = 4T 1
T0= 8T1
T0= 16T1
20
Convergência das Transformadas de Fourier:
As condições de Dirichlet são condições suficientes, mas não necessárias
para a existência da Transformada de Fourier de uma determinada
função.
Condições de Dirichlet:
(i) A função x(t) é absolutamente integrável em módulo, isto é:
∞
∫−∞ | x(t ) | dt = finita < ∞
(ii) A função x(t) possui um número finito de máximos e mínimos dentro
de qualquer intervalo finito.
(i) Linearidade
Se x(t) ←ℑ→ X(ω) e se y(t) ←ℑ→ Y(ω), então
ax( t ) + by ( t ) ← ℑ → aX ( ω ) + bY ( ω )
x( t )e jω0t ← ℑ → X ( ω − ω 0 )
(iv) Escalonamento
1 ω
x( at ) ← ℑ → X
|a| a
22
(v) Reverso no tempo
x ( −t ) ← ℑ → X ( − ω )
23
(vii) Simetria ou Dualidade
X ( t ) ← ℑ → 2π x( −ω )
X ( t ) ← ℑ → x ( −f )
24
x( t ) = x par ( t ) + x impar ( t )
X (−ω) = X ∗ (ω)
25
Exemplos de Aplicação da Transformada de Fourier:
i) T.F. da Função Pulso Retangular Simétrico
x(t ) = A, | t |< T0
x(t ) = 0, | t |> T0
∞
X( f ) = ∫ x(t ) e -j2πft dt
−∞
T0 -j 2πft T0
X(f ) = ∫ Ae dt = A∫ e -j 2πft dt
−T0 −T0
X( f ) =
A
-j 2πf
T0
∫−T0 A e
u
du =
A
-j 2πf
e [
-j 2πft T0
−T0 ]
X( f ) =
A
-j 2πf
( e -j 2πfT 0 − e j 2πfT0 = ) π f 2j
e (
A 1 j 2πfT0
− e − j 2πfT0 )
A
X(f ) = sen(2πfT0 )
πf
26
A 2T0
X(f ) = sen(2πfT0 ) ×
πf 2T0
sen(2πfT0 )
X ( f ) = 2 AT0
2πfT0
27
(ii) T.F. da Função Pulso Retangular (Função Porta)
τ A τ A A
- j2πft - j2πft
X (f ) = ∫0 A e dt = e = (e - j2πfτ - 1) = e - jπfτ (e - jπfτ - e + jπfτ )
- j2πf 0 - j2πf - j2πf
| X ( f ) |= Aτ | sinc( πfτ) |
28
Funções portas com diferentes durações e magnitudes das
respectivas transformadas
Magnitude da Transformada de Fourier da Função Porta
Função Porta 0.2
1.2
0.18
1 0.16
0.14
0.8
0.12
0.1
0.6
0.08
0.4 0.06
0.04
0.2
0.02
0
0 10 8 6 4 2 0 2 4 6 8 10
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Freqüência [Hz]
Tempo [s]
Função Porta
1.2
Magnitude da Transformada de Fourier da Função Porta
0.1
1 0.09
0.08
0.8
0.07
0.06
0.6
0.05
0.4 0.04
0.03
0.2
0.02
0.01
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tempo [s] 0
10 8 6 4 2 0 2 4 6 8 10
Freqüência [Hz]
x (t ) = K δ(t )
∞ - j2πft ∞
X (f ) = ℑ{ x (t )} = ∫− ∞ K δ(t ) e dt = K ∫− ∞ δ(t ) e - j2πft dt
∞
∫− ∞ δ(t − t 0 ) x (t ) dt = x (t 0 ) Propriedade da função
Delta de Dirac
Portanto, ∞
X (f ) = K ∫− ∞ δ(t ) e - j2πft dt = K e - j2πf0 = K
Logo,
ℑ{K } = Kδ( f )
ℑ{K } = 2πKδ(ω)
31
iv) T.F. da Função Co-seno
1 jω 0 t
x(t ) = cos(ω0t ) x(t ) = (e + e − jω 0 t )
2
1 jω 0 t 1
X (ω) = ℑ{x(t )} = ℑ{e } + ℑ{e − jω0t }
2 2
(* Obs : ℑ{x(t )e jω t } = X (ω − ω0 ))
0 ( * Obs : ℑ{K } = 2πKδ(ω) )
1 1
X (ω) = 2πδ(ω − ω0 ) + 2πδ(ω + ω0 )
2 2
1 1
X (ω) = πδ(ω − ω0 ) + πδ(ω + ω0 ) X ( f ) = δ( f − f 0 ) + δ( f − f 0 )
2 2
A T.F. do co-seno consiste de duas funções delta de Dirac simétricas,
uma localizada em f0 e outra em - f0.
32
Teorema Parseval para Sinais Não-Periódicos de Energia finita
Sendo x(t) um sinal de energia finita, sua energia é dada por:
∞
Ex = ∫ | x(t ) |2 dt
−∞
que pode ser expressa em termos de X(f), ou seja:
∞ ∞ ∞
E x = ∫ x(t ) x (t )dt = ∫ x(t ) ∫ X ∗ ( f )e − j 2πft df dt
∗
−∞ −∞ −∞
∞ ∞
∞
E x = ∫ x(t ) x (t )dt = ∫ X ( f ) ∫ x(t )e − j 2πft dt df
∗ ∗
−∞ −∞ −∞
∞ ∗ ∞
Ex = ∫ X ( f ) X ( f ) df = ∫ | X ( f ) |2 df
−∞ −∞
Então, ∞ 2 ∞
Ex = ∫ | x(t ) | dt = ∫ | X ( f ) |2 df
−∞ −∞
| X ( f ) |2 = S xx ( f )
34
C) TRANSFORMADA DE FOURIER DISCRETA
A Transformada de Fourier têm sido usada com sucesso através dos anos
para resolver muitos tipos de problemas de engenharia, física e matemática.
Esta transformada, como já visto, é definida para funções contínuas (ou
analógicas).
A partir dos anos 60 a transformada de Fourier tem sido implementada na
forma digital (surgindo a Transformada de Fourier Discreta) em vários
tipos de analisadores. Estes analisadores computam a forma digital (ou
discretizada) de espectros de potência, funções de resposta em freqüência e
outras funções no domínio da freqüência a partir de sinais medidos
(amostrados) no domínio do tempo, todos a partir da Transformada de
Fourier Discreta.
Nesta seção é apresentada a técnica conhecida com Transformada de
Fourier Discreta (TFD) ou DFT (sigla da técnica em inglês) para
seqüências de comprimento finito.
35
A implementação da Transformada Discreta de Fourier ou simplesmente
DFT (“Discrete Fourier Transform”), veio a ser prática em 1965 quando
Cooley e Turkey descreveram um algorítmo para computar a DFT de
forma bem eficiente. Seu algorítmo (e outros como ele) tornaram-se
conhecidos como a Transformada Rápida de Fourier ou FFT (“Fast
Fourier Transform”).
Usando o algorítmo da FFT, analisadores digitais de sinais podem
computar a DFT em milisegundos ao invés de horas como era feita em
décadas passadas.
A computação direta da DFT de uma função contendo N pontos, requer
N2 operações; onde uma operação é definida como uma multiplicação
mais uma adição. O algorítmo de Cooley e Tukey requer
aproximadamente N×log2N operações, sendo N potência de 2.
Muitos outros métodos para computação eficiente da DFT têm sido
descobertos, contudo, todos os quais que requerem em torno de N×log2N
operações têm sido conhecidos como FFT’s.
36
Seja x[n]uma seqüência de tamanho finito de comprimento N, isto é,
x[n] = 0 Fora do intervalo 0 ≤ n ≤ N-1
1 N −1
X [k ] = ∑
N n =0
x[ n ] W kn
N k = 0,1,.., N-1
sendo WN = e − j ( 2 π / N )
A TFD (ou DFT) inversa é dada por:
N −1
x[n] = ∑ X [k ] WN− kn n = 0,1,.., N-1
n =0
37
Solução: (a)
W30 = 1 1
(
W3 = e )
− j ( 2 π / 3) 1
= −0,5 − j 0,866
2
W3 = e ( )
− j ( 2 π / 3) 2
= −0,5 + j 0,866 W3 = (e
3
) =1
− j ( 2 π / 3) 3
W34 = W31
2
X [0] = ∑ x[ n ] W 0
3 = 1+ 2 +1 = 4
n =0
2
X [1] = ∑ x[n] W31n = x[0] W30 + x[1] W31 + x[2] W32 =
n =0
= 1(1) + 2( −0,5 − j 0,866) + 1(−0,5 + j 0,866) = −0,5 − j 0,866
2
X [2] = ∑ x[ n ] W3
2n
= x[ 0] W3
0
+ x[1] W3
2
+ x[ 2] W 4
3 =
n =0
= 1(1) + 2( −0,5 + j 0,866) + 1(−0,5 − j 0,866) = −0,5 + j 0,866
38
(b) Resultados do Matlab:
» x=[1 2 1];
» xfft=fft(x)
xfft =
4.0000 -0.5000 - 0.8660i -0.5000 + 0.8660i
O que se percebe?
R: O Matlab calcula a DFT através da fórmula mostrada com a exceção do
parâmetro (1/N). Portanto o usuário deve dividir o resultado da fft por N.
Por quê?
R: Porque muitos autores definem a DFT sem a divisão por N, que surge
dividindo na expressão da IDFT.
39
Fórmulas da Discretização dos Sinais no Domínio do Tempo e no
Domínio da Freqüência.
1 1
∆t = ∴ fs =
fs ∆t s
1 1
∆f = ∴ T= ∴ T∆f = 1
T ∆f
41
Natureza e Disposição dos Coeficientes de Fourier no Espectro
42