Análise de Sinais Dep. Armas e Electronica, Escola Naval V1.1 - Victor Lobo Capítulo 2. Sistemas Lineares e Invariantes no Tempo - SLITS

Documentos relacionados
Resumo. Sinais e Sistemas Sistemas Lineares e Invariantes no Tempo. Resposta ao Impulso. Representação de Sequências

Sistemas de tempo discreto

Sinais e Sistemas. Sistemas Lineares Invariantes no Tempo. Renato Dourado Maia. Universidade Estadual de Montes Claros. Engenharia de Sistemas

Teste Tipo. Sinais e Sistemas (LERCI) 2004/2005. Outubro de Respostas

04/04/ :31. Sumário. 2.1 Sistemas LIT de Tempo Discreto 2.2 Sistemas LIT de Tempo Contínuo 2.3 Propriedades dos Sistemas LIT

Análise de Sinais Dep. Armas e Electronica, Escola Naval V1.1 - Victor Lobo Programa (1/2)

Aula 3 - Classificação de sinais

Controle de Sistemas I

Modelação, Identificação e Controlo Digital

Sinais e Sistemas. Sistemas Lineares Invariantes no Tempo. Renato Dourado Maia. Faculdade de Ciência e Tecnologia de Montes Claros

Teoria Elementar da Probabilidade

Processamento de sinais digitais

Cálculo Numérico BCC760 Interpolação Polinomial

Sinais e Sistemas Discretos

Resumo de Álgebra Linear - parte II

Análise Numérica (4) Equações não lineares V1.0, Victor Lobo, 2004

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012

O processo de filtragem de sinais pode ser realizado digitalmente, na forma esquematizada pelo diagrama apresentado a seguir:

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral.

Matemática. Veículo A. Veículo B. Os gráficos das funções interceptam-se quando 50t = 80t

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES

CIRCUITO LINEAR Um circuito linear é aquele que obedece ao princípio da sobreposição:

Sistemas Lineares e Invariantes de Tempo Discreto

Sistemas de Tempo Discretos

Elementos de Estatística e Probabilidades II

Sinais e Sistemas. Tempo para Sistemas Lineares Invariantes no Tempo. Representações em Domínio do. Profª Sandra Mara Torres Müller.

2 Incerteza de medição

Período : exp( j α) α/2π = N/K (irredutível) em que se N,K Z então K é o período.

REGRESSÃO NÃO LINEAR 27/06/2017

Topologia, geometria e curvas no plano

DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS

Capítulo 6 Filtragem, Amostragem e Reconstrução

Processamento Digital de Sinais

Interpolação Segmentada

Parte I O teste tem uma parte de resposta múltipla (Parte I) e uma parte de resolução livre (Parte II)

Circuitos Eletrônicos Analógicos:

Análise e Processamento de Bio-Sinais. Mestrado Integrado em Engenharia Biomédica. Sinais e Sistemas. Licenciatura em Engenharia Física

1º Exame de Mecânica Aplicada II

ANÁLISE DE SINAIS E SISTEMAS

2 - Análise de circuitos em corrente contínua

Vibrações Aleatórias Dinâmica Estocástica

ELETROTÉCNICA (ENE078)

Termo-Estatística Licenciatura: 4ª Aula (08/03/2013)

PROVA 2 Cálculo Numérico. Q1. (2.0) (20 min)

Processamento Digital de Sinais. Notas de Aula. Estruturas para Sistemas de Tempo. Estruturas para Sistemas de Tempo Discreto. Implementação de SLIT:

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais

XXVII Olimpíada Brasileira de Matemática GABARITO Primeira Fase

Números Complexos. Conceito, formas algébrica e trigonométrica e operações.

5 Implementação Procedimento de segmentação

Um modelo nada mais é do que uma abstração matemática de um processo real (Seborg et al.,1989) ou

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

2 Principio do Trabalho Virtual (PTV)

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Ajuste de um modelo linear aos dados:

Electromagnetismo e Óptica

Problemas Propostos. Frações mássicas, volúmicas ou molares. Estequiometria.

Capítulo 6 Filtragem, Amostragem e Reconstrução

Regressão Múltipla. Parte I: Modelo Geral e Estimação

2 Análise de Campos Modais em Guias de Onda Arbitrários

NÚMEROS COMPLEXOS (C)

Eletrotécnica AULA Nº 1 Introdução

AULA Espaços Vectoriais Estruturas Algébricas.

Processamento de sinais digitais Aula 3: Transformada de Fourier (Parte 1)

Controle de Sistemas I

SÉRIE DE PROBLEMAS: CIRCUITOS DE ARITMÉTICA BINÁRIA. CIRCUITOS ITERATIVOS.

Resumo. Sinais e Sistemas Transformada de Fourier de Sinais Discretos. Sequência de Duração Finita. Série de Fourier

4 Autovetores e autovalores de um operador hermiteano

Análise Complexa Resolução de alguns exercícios do capítulo 1

Notas de Aula de Probabilidade A

Sistemas Lineares e Invariantes

Filtros IIR. 27 de outubro de 2015 IFBA. Fabrício Simões (IFBA) Filtros IIR 27 de outubro de / 49

Caderno de Fórmulas em Implementação. SWAP Alterações na curva Libor

Psicologia Conexionista Antonio Roque Aula 8 Modelos Conexionistas com tempo contínuo

Processamento de Sinal

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

ELE0317 Eletrônica Digital II

Página 293. w1 w2 a b i 3 bi a b i 3 bi. 2w é o simétrico do dobro de w. Observemos o exemplo seguinte, em que o afixo de 2w não

Números Complexos. Conceito, formas algébrica e trigonométrica e operações. Autor: Gilmar Bornatto

EXAME NACIONAL DO ENSINO SECUNDÁRIO MATEMÁTICA A PROVA MODELO N.º 3 PROPOSTA DE RESOLUÇÃO 12.º ANO DE ESCOLARIDADE

CONTROLADORES FUZZY. Um sistema de controle típico é representado pelo diagrama de blocos abaixo:

Filtros são dispositivos seletivos em freqüência usados para limitar o espectro de um sinal a um determinado intervalo de freqüências.

Representação e Descrição de Regiões

Sinais e Sistemas Exame Data: 18/1/2018. Duração: 3 horas

7 - Distribuição de Freqüências

Proposta de resolução GRUPO I

2 Lógica Fuzzy Introdução

Sistemas lineares. Aula 4 Respostas de um SLIT

TE210 FUNDAMENTOS PARA ANÁLISE DE CIRCUITOS ELÉTRICOS

Sistemas Lineares e Invariantes: Tempo Contínuo e Tempo Discreto

Covariância na Propagação de Erros

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória

Análise Exploratória de Dados

Programa de Certificação de Medidas de um laboratório

Processamento Digital de Sinais. Convolução. Prof. Dr. Carlos Alberto Ynoguti

Tópicos Especiais de Álgebra Linear Tema # 1: Aprendendo a trabalhar com o Derive. Introdução ao Derive

Processamento Digital de Sinais. Notas de Aula. Transformada Z. Transformada Z - TZ

Processamento Digital de Sinais - ENG420

4 Sistemas de partículas

Estatística II Antonio Roque Aula 18. Regressão Linear

Transcrição:

Dep. Armas e Electronca, Escola Naval V1.1 - Vctor Lobo 2004 Capítulo 2 Sstemas Lneares e Invarantes no Tempo - SLITS Bblografa (Cap.2 Lourete)(Cap.2 Haykn)(Cap.1,2 Rbero) 1 1 Sstemas Conceto Dcconáro: Um sstema é uma combnação elementos que actuam em conjunto a fm atngr um dado objectvo Algo que transforma um snal noutro, e é tdo como um bloco ou caxa preta Fronteras um sstema: pen que quem o vê e para quê Dagramas blocos Cada bloco é uma caxa negra, caracterzada por um comportamento global Um sstema po eventualmente ser partdo em subsstemas Um sstema po ser agregado com outros para formar um sstema mas alto nível Blocos/ramos/pontos rvação/pontos soma Exemplos sstemas scrtos por dagramas blocos 2 2 Page 1

Dep. Armas e Electronca, Escola Naval V1.1 - Vctor Lobo 2004 Sstemas Lneares e Invarantes no Tempo- SLIT Defnções Lnear Se o sstema tem a resposta Y 1 para uma entrada X 1, e a resposta Y 2 para uma entrada X 2 então, se tver uma entrada X 3 =X 1 +X 2 terá uma resposta Y 3 =Y 1 +Y 2 f(x 1 +x 2 )=f(x 1 )+f(x 2 ) Invarante no tempo Reage sempre da mesma manera A reacção não pen da altura no tempo em que a exctação ocorre 3 3 SLIT - Sst.Lnear e Invarante no Tempo SLIT - Sstema lnear nvarante ao tempo x(n) Sstema h(n) y(n) RESPOSTA IMPULSIVA Resposta ao mpulso untáro Desgna-se por h(n) Entrada d(n) Saída h(n) E quando a entrada não é um mpulso? h(n) servrá para alguma cosa? 4 Page 2

Dep. Armas e Electronca, Escola Naval V1.1 - Vctor Lobo 2004 SLIT - Sst.Lnear e Invarante no Tempo Qualquer snal po ser consrado como a sobreposção város lta drac, com ampltuse tempos dferentes: = + + + Se o sstema é lnear e nvarante no tempo, a saída po ser calculada somando as respostas mpulsvas a cada um sses snas Obtemos assm a CONVOLUÇÃO dos dos snas 5 5 INTERPRETAÇÃO DO SIGNIFICADO DA CONVOLUÇÃO Para um sstema causal e lmtado no tempo, a resposta é smplesmente: h(n) k= N yn ( ) = hk ( ) xn ( k) k = 0 Saída provocada por x(0) x(n)... por x(1) x(0) x(1) x(2) x(3)... por x(2)... por x(3) Saída no nstante 3 (resultado todas as contrbuções) 6 6 Page 3

Dep. Armas e Electronca, Escola Naval V1.1 - Vctor Lobo 2004 Resposta um SLIT A resposta um slt é a convolução da entrada com a resposta mpulsva: Nota: Por vezes chama-se h(n,k) em vez h(n-k), para realçar que se trata da resposta no nstante n provocada pela entrada do momento k Expandndo para um caso concreto (por ex. n=1) y(1)= + x(-2)h(3) + x(-1)h(2) + x(0) h(1) + x(1)h(0) + x(2) h(-1) +. Notação para CONVOLUÇÃO: * X(n)*Y(n) k =+ yn ( ) = xkhn ( ) ( k) k = 7 7 INTERPRETAÇÃO DO SIGNIFICADO DA CONVOLUÇÃO Reornação dos termos da soma k=+ k= k=+ y ( n) = h( k) x( n k) = x( k) h( n k) k= Outra nterpretação gráfca Inverter a resposta mpulsva Passá-lo pelo snal entrada h y x 8 8 Page 4

Dep. Armas e Electronca, Escola Naval V1.1 - Vctor Lobo 2004 Propredas da convolução Assocatvda X(n)*Y(n)*Z(n) = ( X(n)*Y(n) ) *Z(n) = X(n)* ( Y(n)*Z(n) ) X(n) Y(n) A(n) Z(n) B(n) Comutatvda X(n)*Y(n) = Y(n)*X(n) Dstrbutvda X(n)*( Y(n)+Z(n) ) = X(n)*Y(n) + X(n)*Z(n) 9 9 PROPRIEDADES DE SISTEMAS MEMÓRIA Dz-se que um sstema tem memóra se a saída pen entradas anterores (ou posterores) Para que um sstema não tenha memóra a resposta tem que ser da forma? Uma mera multplcação por uma constante Sem memóra Com memóra CAUSALIDADE Dz-se que um sstema é causal quando a sua saída não pen da entrada em nstantes futuros Há mutos sstemas não causas Exemplos em processamento magem A resposta mpulsva um sstema causal é 0 para n<0 Causal Não causal 10 10 Page 5

Dep. Armas e Electronca, Escola Naval V1.1 - Vctor Lobo 2004 PROPRIEDADES DE SISTEMAS INVERTIBILIDADE Dz-se que um sstema é nvertível quando há um sstema (dto nverso) que o anula, modo que o snal não é alterado quando passa por esses dos snas x(n) y(n) z(n)=x(n) h(n) h (n) y(n)=x(n)*h(n) z(n)=y(n)*h (n) = x(n)*h(n)*h (n) h(n)*h (n)= d(n) Exemplo um sstema nvertível: um ntegrador Integrador h(n)=u(n) Dferencador h (n)=d(n)-d(n-1) h(n)*h (n)=u(n)*(d(n)-d(n-1) =u(n)*d(n)-u(n)*d(n-1) =u(n)-u(n-1) =d(n) 11 11 PROPRIEDADES DE SISTEMAS ESTABILIDADE Há város crtéros establda dferentes. Vamos consrar um sstema estável se só se e apresentar uma SAÍDA LIMITADA PARA UMA ENTRADA LIMITADA Uma sequênca dz-se lmtada se x(k) <M k Exemplo: u(n) é lmtada (numca é maor que 1) x (n) = n não é lmtada (ten para nfnto) Para que um sstema seja estável é necessáro que a sua resposta mpulsva seja absolutamente somável y(n) = x(n)*h(n) = Σ x(k)h(n-k) Σ x(k) h(n-k) mas x(k) <M Σ M h(n-k) = M Σ h(n-k) se Σ h(n-k), e fôr N ΜxΝ Um ntegrador é um sstema estável? E o ntegrador com perdas apresentado no acetato 6? E o dferencador do acetato anteror? 12 12 Page 6

Dep. Armas e Electronca, Escola Naval V1.1 - Vctor Lobo 2004 PROPRIEDADES DE SINAIS ENERGIA Defne-se energa um snal como sendo: k =+ Energa = W = x( k) 2 k = Para snas peródcos, é mas convnente usar a energa méda, ou potênca(dado que a energa total é nfnta): Energa meda = k= N 1 1 2 N k = 0 xk ( ) on N=perodo Ou generalzando para qualquer snal: Potenca = P = t=+ k/ 2 1 2 lm xt () k k t= k/ 2 13 13 Convolução em sstemas contínuos Em sstemas contínuos, basta substtur mpulsos por ltas Drac, e somatóros por ntegras 14 14 Page 7

Dep. Armas e Electronca, Escola Naval V1.1 - Vctor Lobo 2004 Descrção sstemas através EQUAÇÕES ÀS DIFERENÇAS Mutos sstemas são scrtos através equações Forma geral: x sstema y O que é uma rvada um snal dscreto? n n 1 2 m d y d y d y d y d x d x a n + a n n 1 +... + a + a + y = b x + b +... + b n 1 2 2 1 0 1 m m dt dt dt dt dt dt N = 0 a d y dt = Equação homogénea M = 0 b d x dt Termo forçado Em sstemas dscretos usam-se dferenças fntas em vez rvadas N M N = Orm do sstema = 0 a y( n ) = = 0 b x( n k) 15 15 Equações às dferenças Por uma questão normalzação, consre-se a 0 =0, e re-escreve-se a equação como: y( n) = N = 1 a y( n ) + Dervadas da saída M = 0 b x( n k) Dervadas da entrada Termos rvados da saída Forma uma equação RECURSIVA Dão orgem a uma resposta mpulsva INFINITA Dão orgem aos fltros IIR ( Infnte Impulse Response) Termos rvados das entradas Formam uma equação NÃO RECURSIVA Dão orgem a uma resposta mpulsva FINITA Dão orgem aos fltros FIR (Fnte Impulse Response) 16 16 Page 8

Dep. Armas e Electronca, Escola Naval V1.1 - Vctor Lobo 2004 Equações às dferenças - Parte homogénea A dnâmca mutos sstemas contínuos po ser scrta através equações dferencas homogéneas ay +by +cy=0 De modo análogo, a corresponnte representação por equações às dfrenças será ay(n-2)+by(n-1)+cy(n)=0 A mplementação a partr das equações às dferenças é medata ay(n-2)+by(n-1)+cy(n)=0 y(n) = -a/c y(n-2) -b/c y(n-1) =0 y(n) -a/c Resposta mpulsva nfnta - IIR a 1 a 2 -b/c y(n-1) y(n-2) 17 17 Equações às dferenças - Parte forçada O snal entrada atrasado po ser obtdo com um taplay, mplementado como um conjunto flp-flops (um regsto slocamento) ou smulado com uma matrz Resposta mpulsva fnta - FIR Smular em Excel, e pos em Matlab, o sstema caracterzado por Exercíco: x(n) x(n-1) b 1 b 0 y(n) a) y(n)=1/3 x(n)+1/3 x(n-1)+1/3 x(n-2) b) y(n)= 0.5 x(n) + 0.5 y(n-1) x(n-2) b 2 quando recebe as seguntes entradas x(n) = d(n) x(n) = n x(n) = u(n) x(n) = sn( 0,1 n) x(n-3) b 3 18 18 Page 9

Dep. Armas e Electronca, Escola Naval V1.1 - Vctor Lobo 2004 Estrutura um fltro genérco Equações às dferenças x(n) b 0 y(n) FIR Fnte Impulse Response Tem atrasos da entrada x(n-1) b 1 a 1 y(n-1) IIR Infnte Impulse Response Tem atrasos da saída x(n-2) x(n-3) b 2 b 3 a 2 a 3 y(n-2) y(n-3) 19 19 Page 10