P. 1
CursoEletrônica_1A

CursoEletrônica_1A

|Views: 16|Likes:
Published by Yan Vasconcellos

More info:

Published by: Yan Vasconcellos on Apr 07, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

04/07/2011

pdf

text

original

Curso de Eletrônica Parte Analógica Ademarlaudo Barbosa I – Introdução 1.

1 Representação de grandezas em termos de variáveis complexas (corrente, tensão, impedância, capacitância, indutância) A relação mais elementar entre grandezas físicas de interesse em eletrônica é possivelmente a expressa pela chamada Lei de Ohm. Esta ‘lei‘ estabelece que, para uma diferença ou variação de tensão elétrica, V, aplicada entre os terminais de um resistor cuja resistência tem valor R, haverá passagem de corrente elétrica I. As grandezas V, I e R se relacionam de acordo com a expressão: V = RI (1)

Um circuito simples que permite a verificação desta relação linear entre grandezas físicas é esboçado na Fig. 1a. Outra regra semelhante é válida quando se trata de um capacitor, de capacitância C, em lugar do resistor. Neste caso há relação linear entre a corrente e a taxa de variação de tensão (Fig. 1b):
dV dt

=

1 C

I

(2)

Uma terceira relação linear é encontrada quando um indutor, cujo coeficiente de auto indutância é L, é sujeito a uma variação de corrente. Uma diferença de tensão então surge entre os terminais do indutor, expressa por: V = L dI dt (3)

V

R

I

V

C

I

I

L

V

(a)

(b)

(c)

Fig. 1: Circuitos simples em que se verificam relações lineares entre grandezas elétricas

Tomemos um sinal elétrico, por exemplo uma corrente variando harmonicamente no tempo com freqüência constante ω, que seja descrito pela equação: I (t ) = I o cos(ωt ) (4)

Conforme veremos na Seção 1.2, qualquer outro sinal pode ser analisado como uma superposição de contribuições de forma análoga a (4), daí sua importância genérica. Nos circuitos com R, C e L, teremos respectivamente as seguintes relações:
V (t ) = RI o cos(ωt ) V (t ) = ω1C I o sen(ωt ) = ω1C I o cos(ωt − π ) 2 V (t ) = −ωLI o sen(ωt ) = −ωLI o cos(ωt − π ) = ωLI o cos(ωt + π ) 2 2

(5)

Portanto, no resistor a tensão e a corrente estão em fase, enquanto no capacitor e no indutor as mesmas estão defasadas de 90o. O significado físico de uma defasagem ϕ fica bastante claro se notamos que
ϕ ωt ± ϕ = ω ( t ± ω ) = ωt , ϕ t, = t ± ω

(6)

Ou seja, ϕ está relacionado com o tempo de atraso ou avanço de um sinal relativamente a outro, conforme ilustrado na Fig. 2. Podemos interpretar que, no caso do circuito com capacitor, a variação de tensão gera uma variação de corrente no capacitor depois de um intervalo π/2ω. No circuito com indutor a variação de tensão é gerada pela variação de corrente. Se observamos apenas a amplitude dos sinais, fica preservada a expressão da Lei de Ohm para os circuitos da Fig. 1, V = ZI, com Z = R, 1/ωC, ωL, respectivamente para os casos do resistor, capacitor e indutor. Entretanto as diferenças de fase não podem ser negligenciadas, já que determinam o comportamento de quaisquer outros circuitos envolvendo R, L e C. Esta situação sugere evidentemente o uso de uma notação matemática em termos de números complexos. Rescrevamos (4) como:

I (t ) = I o e iωt
Em conseqüência, as equações (5) devem ser re-escritas como: V (t ) = RI (t ) 1 V (t ) = iωC I (t ) V (t ) = iωLI (t ) Em (7) fica claro um primeiro benefício da notação envolvendo números complexos: ela proporciona uma expressão genérica para a Lei de Ohm. Neste

(7)

0 0 5 10 15 Tempo Fig.contexto podemos introduzir o conceito de impedância.5 0. 2: Representação gráfica de sinais harmônicos defasados .. desde que tenhamos em mente que os valores ‘reais’ para tensão e corrente são dados pela parte real das expressões complexas para I(t) e V(t). que podemos entender como o equivalente dinâmico da resistência elétrica: Z resistor = R Z capacitor = 1 iωC = − ωiC (8) Z indutor = iωL Note-se que não há prejuízo da descrição dos fenômenos físicos.0 Sinal defasado + π /2 Sinal defasado ..5 -1..0 Amplitude 0.+ Zn 1 Z paralelo = 1 Z1 + 1 Z2 +.5 1. Z.0 -0. O mesmo procedimento utilizado no cálculo de associação de n resistores nos fornece a regra para associação de impedâncias: Z serie = Z1 + Z2 +.π 2 Sinal original 1.+ Z1n (9) 2. A presença do número i nas fórmulas para impedância indica que o componente em questão introduz defasagem..

A ação de um circuito envolvendo componentes R. que passou a ser uma multiplicação por uma constante complexa.1 – Série de Fourier Sabemos que qualquer função matemática de comportamento periódico pode ser representada por uma série de senos e cossenos1. . L e C sobre um sinal de entrada pode então ser analisada a partir da resposta destes componentes a cada possível freqüência ω. integral de Fourier.2 Representação matemática de sinais elétricos (série de Fourier.1. transformada de Fourier. Pode-se demonstrar que f (t ) = onde ao = an = bn = 2 T ao 2 + ∑ (an cos(nωt ) + bn sen(nωt )) n =1 ∞ (10) ∫ f (t )dt 0 T 2 T ∫ f (t ) cos(nωt )dt 0 T (11) 2 T 2π T ∫ f (t )sen(nωt )dt 0 T ω= Esta representação é possível porque o conjunto das funções sen(nωt) e cos(nωt) se comporta como o equivalente a uma base vetorial para funções periódicas. expressa em (8). as funções seno e cosseno proporcionam algo análogo a uma base ortonormal com a qual se pode expressar qualquer das funções periódicas. convolução) As relações (7). como ser contínua por intervalo e assumir valores limitados. Ou seja. Convém portanto familiarizar-se com as ferramentas matemáticas existentes para o tratamento de funções expressas por uma superposição de contribuições elementares. se os valores assumidos por uma função são tomados em analogia com os componentes de um vetor. já que: 1 Desde que atenda certas condições. são válidas para o caso de um sinal representado por (4). Seja T o período de uma tal função f(t). fast-fourier-transform. 1. da maneira como foram apresentadas. a introdução de uma notação complexa simplificou a relação entre V(t) e I(t).2. Nesse caso particular. em lugar de uma derivação ou de uma integração. Veremos a seguir que qualquer forma de sinal elétrico pode ser tratada matematicamente como uma superposição de termos semelhantes a (4).

Genericamente. Valores crescentes de n acrescentam as contribuições dos harmônicos de freqüências proporcionalmente crescentes (nω). e 1 para n=m. a representação em série tende à própria função f(t) à medida que n tende a infinito. (para todo n) n=9 n=8 n=7 n=6 n=5 n=4 n=3 n=2 n=1 n=0 Fig. Note-se que. expressa por f(t) = t. os limites do intervalo vão de to a to+T. Os termos de alta freqüência (nω →∞) são justamente os mais importantes para se representar as regiões singulares. conforme assegurado pela expressão (10). 3 apresenta as contribuições acumuladas para os termos correspondentes a n=0 até n=9.2 T ∫ sen(nωt )sen( mωt ) = δ o T nm 2 T ∫ cos(nωt ) cos(mωt ) = δ o T nm (12) 2 T ∫ sen(nωt ) cos(mωt ) = 0 o T Com δnm = 0 para n≠m. para t entre zero e um. tomemos a função ‘dente de serra’ . onde to é um instante qualquer. Como exemplo. como as descontinuidades. bastando que estes limites cubram um período completo. período um. As relações (12) são válidas independentemente dos limites de integração. de f(t). 3: Representação da função ‘dente de serra’ em Série de Fourier . Portanto não é obrigatório que se integre de 0 a T. Para esta função verifica-se facilmente que as contribuições de cada termo da série são especificadas pelos coeficientes: ao = 1 an = 0 bn = − n1π Fig.

podemos escrever os seguintes termos: an e i ( nωt ) = an cos(nωt ) + ian sen(nωt ) bn e i ( nωt ) = bn cos(nωt ) + ibn sen(nωt ) an e − i ( nωt ) = an cos(nωt ) − ian sen(nωt ) bn e − i ( nωt ) = bn cos(nωt ) − ibn sen(nωt ) Com estes últimos encontramos: 1 2 (16) (an − ibn )ei( nωt ) + 1 (an + ibn )e −i( nωt ) = an cos(nωt ) + bn sen(nωt ) 2 Portanto (10) pode também ser escrita como: . Partindo da identidade: e ± iϕ = cos ϕ ± i sen ϕ . Uma expressão ainda mais simples para (10) é possível quando fazemos apelo a variáveis complexas. cujas freqüência são múltiplos da freqüência fundamental ω=2π/T.Lembrando que: an cos(nωt ) + bn sen(nωt ) ≡ ρ n cos(nωt − ϕ n ) onde (13) ρ n = a n 2 + bn 2 ϕ n = tg −1 (14) ( ) bn an podemos re-escrever (10) como: f (t ) = ao 2 + ∑ ρ n cos(nωt − ϕ n ) n =1 ∞ (15) Em (15) fica evidente a interpretação de que f(t) pode ser decomposta como uma soma de oscilações harmônicas. Cada termo da soma de harmônicos contribui com amplitude ρn. e apresenta ângulo de fase ϕn.

sua representação se reduz a termos simples: os harmônicos. Podemos agora avançar em direção a uma representação mais abrangente para funções matemáticas que representem grandezas físicas. Para isto basta que f(t) seja conhecida num certo intervalo de duração finita. Partindo de (18). Podemos notar inicialmente que qualquer sinal elétrico expresso por uma função f(t) pode ser efetivamente considerado como uma superposição de harmônicos. A Série de Fourier representa uma função periódica de período T. façamos as seguintes mudanças de notação: .(an − ibn ) c − n = 1 (an + ibn ) 2 cn = 1 2 ∞ ao f (t ) = + ∑ c n e i ( nωt ) + c − n e − i ( nωt ) 2 n =1 [ ] (17) Ou ainda de forma mais simples. O número de termos necessários não é necessariamente infinito.2 – Transformada de Fourier Os resultados da seção anterior já nos permitem vislumbrar a importância da Série de Fourier. já que a partir de algum termo n a representação pode ser considerada satisfatória segundo algum critério prático. e em particular a própria função f(t) no intervalo em que é conhecida (por exemplo de 0 a T). Por outro lado. Por mais complicada que seja a forma de f(t) .2. o comportamento de um dispositivo que produza algum sinal elétrico pode ser avaliado se conhecemos sua resposta aos harmônicos. se agrupamos os termos cn e c-n num mesmo somatório: f (t ) = n =−∞ ∑c e n ∞ i ( nωt ) (18) De acordo com as definições anteriores teremos: co = cn = ao 2 = T 1 T ∫ f (t )dt 0 T T (19) − i ( nωt ) 1 T ∫ f (t )[cos(nωt ) − i sen(nωt )]dt = ∫ f (t )e 1 T 0 0 dt Em (18) toda informação referente às amplitudes e aos ângulos de fase de cada harmônico está contida nos coeficientes cn: cn = 1 2 (an − ibn ) (20) cn = an 2 + bn 2 = ρ n Arg(cn ) = − bn = − tan(ϕ n ) an 1. Este fato é importante para análise e desenvolvimento de circuitos elétricos.

Nestas condições podemos escrever: f (t ) = ∞ 1 2π ∞ −∞ ∫ F (ω )e iωt dω (24) F (ω ) = −∞ ∫ f ( t )e −iωt dt Em (24) t e ω são variáveis efetivamente contínuas. Esta última é mais abrangente. descrito por . Desde que seja possível calcular (24). Diz-se que F(ω) é a Transformada de Fourier de f(t). Nestes termos. As funções f(t) e F(ω) são relacionadas por uma transformação que remete a função f. a freqüência ‘fundamental’. F(ω) remete a f(t). Reciprocamente. (18) é refeita como: f (t ) = 1 2π ω =−∞ ∑ F(ω )e ∞ iωt δω (22) Suponhamos agora que se queira representar a função f(t) num intervalo de –T/2 a T/2. E a freqüência fundamental está sendo tratada como um intervalo de freqüência: δω. Um exemplo: um pulso elétrico de forma gaussiana. Naturalmente a interpretação atribuída à Série de Fourier continua sendo pertinente no caso da Transformada de Fourier. definida no domínio da variável t.nω → ω ω → δω cn ≡ F (ω ) = 1 T (21) ω 2π F (ω ) = 1 2π F (ω )δω Com as mudanças acima estamos fazendo de ω uma variável que assume os valores das freqüência dos harmônicos (múltiplos de 2π/T. já que não é limitada ao caso em que a função a se representar seja periódica. pode-se fazer uso transformação. Os coeficientes cn apenas são re-escritos convenientemente com uma função de ω. a freqüência fundamental torna-se tão pequena que ω tende a uma variável contínua e δω se torna um elemento de diferenciação. Outro aspecto importante da Transformada de Fourier é que ela provê a composição espectral – distribuição em termos de amplitudes e fases das freqüência que compõem a representação de f(t) – em termos de uma função. De acordo com (19) e (21): F(ω ) = Tc n = −T 2 ∫ f (t )e T 2 − iωt dt (23) Quando fazemos o intervalo tender a infinito. à função F. e que f(t) é a Transformada de Fourier inversa de F(ω). segundo a notação anterior). que de fato o são. definida no domínio da variável ω.

condição que não é obedecida por funções simples como f(t) = constante ou f(t) = sen(ωt). Um recurso que estende a aplicabilidade da Transformada de Fourier consiste em se limitar ao intervalo de t = 0 a t = +∞ . Geralmente os eventos tratados têm início em um instante definido (ex. Por outro lado.f (t ) = e − t 2 Para este pulso temos F(ω ) = π e − ω4 2 Como a Transformada de Fourier encontrada para este caso é real. 1. e multiplicar a função em questão por um fator que a reduza a zero em t = +∞. Um fator conveniente é a função e-rt. deslocamento em tempo e deslocamento em freqüência. a maioria das funções de interesse prático não se referem a eventos que duram de -∞ a +∞. que chamaremos F(p). onde r é um número real tal que: e-rt f(t) = 0 para t = +∞. a função a se representar tem que ser nula para t = ±∞ . Em particular.: t=0). e que as defasagens são todas nulas . As seguintes propriedades são válidas para duas funções relacionadas pela Transformada de Fourier: f ( at ) ⇔ 1 a 1 a F( ω ) a (25) t f ( a ) ⇔ F(aω ) h(t − t o ) ⇔ F(ω )e 2πiωto f (t )e −2πiω ot ⇔ F(ω − ω o ) As propriedades acima são referidas respectivamente como: escala em tempo.3 Transformada de Laplace A utilização da Transformada de Fourier é frequentemente limitada na prática pela condição de existência das integrais que a definem. f(t) deve ser nula para o intervalo de t = -∞ a t = 0. com p=r+iω: F ( p) = ∫[ 0 ∞ e − rt f (t ) e − iωt dt = ∫ e − pt f (t )dt 0 ] ∞ (26) A Transformada de Fourier inversa para e-rt f(t) deve ser tal que: . A Transformada de Fourier para e-rt f(t) nesse caso é dada por uma outra função.2. escala em freqüência. Para isto. concluímos de (20) e (21) que F(ω) exprime diretamente a amplitude da contribuição do harmônico de freqüência ω (ρn = cn= F(ω)dω/2π).

+∞ 1 2π −∞ ∫ F( p)e iωt dω = { 0 →( t < 0 ) e − rt f ( t )→ ( t > 0 ) Então. que estende a aplicabilidade do procedimento da Transformação de Fourier à quase totalidade dos casos de interesse físico. e que os termos F(ω) e F(-ω) se referem à mesma freqüência ω. finalmente obtemos para t>0: f (t ) = r + i∞ 1 2 πi r − i∞ ∫ F( p)e pt dp (27) As expressões (26) e (27) são análogas a (24). Note-se que para r=0 a transformada de Laplace reproduz a transformada de Fourier para a função f(t). É pertinente uma comparação entre os três procedimentos acima expostos (Série de Fourier. O caso da Série de Fourier é o que se presta mais claramente a esta interpretação. Temos assim uma nova relação de transformação: f (t ) = r + i∞ 1 2 πi ∞ r − i∞ ∫ F( p)e pt dp (28) F( p) = ∫ f (t )e − pt dt 0 Esta é a chamada Transformação de Laplace. lembrando que a mesma está relacionada com os coeficientes an e bn da Série de Fourier.1. Tomemos o caso da função utilizada como exemplo para a Série de Fourier na Seção 1. Transfornada de Fourier e Transformada de Laplace). podemos escrever: f (t ) = +∞ e rt 2π −∞ ∫ F( p)e iωt dω = +∞ 1 2π −∞ ∫ F( p)e pt dω Como dω=dp/i. para t>0. que define a a relação entre f(t) e F(ω) pela Transformação de Fourier. e os coeficientes an e bn foram calculados em 1. A Transformada de Fourier para esta f(t) é: F(ω ) = e − iω ( 1 ω2 i + ω − ω12 ) A partir de F(ω) podemos chegar facilmente à composição espectral de f(t).2.1: → >> f (t ) = {0→00<tt<11 t (29) A interpretação que nos guia é: f(t) pode ser analisada como sendo composta de oscilações harmônicas.2. A amplitude de cada oscilação é dada por (14). A composição espectral é então dada por: .

0 0 5 10 15 20 25 30 35 ω Fig.0 -1.10 0. teremos para a Série de Fourier: ϕ n = ArcTg ( ∞) = π 2 Com a Transformada de Fourier calculamos os ângulos de fase a partir do argumento da função F(ω) : ϕ (ω ) = − Arg [F (ω )] = −tg −1 [ sen( ω ) −ω cos(ω ) 1−cos(ω ) −ω sen( ω ) ] A Figura 4 inclui os resultados para amplitudes e fases encontrados via Série de Fourier e Transformada de Fourier para o caso da função definida em (29).0 -0. 0.0 0.5 Série Integral Ângulo de Fase 1.2 0.25 0.35 1.05 0.8 Amplitude Amplitude ω 0. para o caso da função ‘dente de serra’.0 0.5 2.5 -1. 04: Comparação entre resultados da Série de Fourier e da Integral de Fourier.20 0. A operação (28) nos fornece: F ( p ) = −e − p ( 1 p + 1 p2 )+ 1 p2 .5 -2.00 0 100 200 300 400 500 600 700 0.0 1. Para a Transformada de Laplace a interpretação é um pouco menos evidente.5 0.15 0.30 0. já que os coeficientes an são todos nulos.ρ (ω ) = 2 F (ω ) = 2 F (ω ) F * (ω ) = 2 ω2 {2 + ω 2 − 2 cos(ω ) − 2ω sen(ω )} 2 1 Quanto aos ângulos de fase.0 0 10 20 30 40 50 60 70 Integral Série Série Integral 0.4 ω 2.6 0.

Segundo (26). . p=r+iω. que finalmente é obtida por simples substituição da variável p. diagrama de Bode Na Seção 1. F(p) 1 1 1 p2 1 pn 1 p+a 1 ( p + a )2 1 p 2 +ω 2 p p 2 +ω 2 1 p2 −a2 p p2 −a2 p+b ( p + a )2 p+b p 2 +ω 2 p+a ( p + a ) 2 +ω 2 1 ω 1 a f(t) δ(t) γ(t) t tn ( n −1) ! e − at te − at 1 ω sen(ωt ) cos(ωt ) senh( at ) cosh( at ) [1 + (b − a)t ]e − at b 2 + ω 2 sen(ωt + ϕ ) ↔ tgϕ = e − at cos(ωt ) e − at sen(ωt ) 1 b−a 1 ab ω b ω ( p + a ) 2 +ω 2 1 ( p + a )( p + b ) 1 p ( p + a )( p + b ) p ( p + a )( p + b ) 1 p ( p 2 +ω 2 ) 1 ω2 (1 − be (e − at − e − bt ) be − at − ae − bt b−a − ae b−a − at − bt ) [1 − (ωt + 1)e ] − ωt 1. F(p) é Transformada de Fourier para e-rt f(t). O interesse da Transformada de Laplace é precisamente facilitar o cálculo das representações espectrais.3 Função de transferência. e introduzem também uma defasagem.1 ficou demonstrado que o comportamento dos componentes elementares de circuitos elétricos em resposta a uma oscilação harmônica depende da freqüência desta oscilação. recuperamos exatamente a função F(ω) já calculada pela Transformada de Fourier. Entretanto. A partir destas podem-se calcular as Transformadas de Laplace para a maioria das funções de interesse prático [Ver Tabela 01]. Dada f(t). portanto a composição espectral a que ela remete se refere à função atenuada pelo fator r. por iω. e se fizermos r=0 (⇒sem atenuação de f(t)) na expressão acima. Já são conhecidas e catalogadas em tabelas as Transformadas de Laplace para várias funções fundamentais. geralmente o cálculo de F(p) é mais simples que o cálculo de F(ω).

05: Representação genérica de um circuito elétrico com sinais de entrada e saída. a função de transferência T será o produto das funções de transferência dos sub-circuitos: T = T1 T2 . e que as diferenças de fase são adequadamente levadas em conta quando adotamos a representação de grandezas incluindo variáveis complexas. Notamos imediatamente que ambas dependem da freqüência. Definimos para este circuito uma função. em particular um sinal elétrico. T é uma função complexa.. 05 representa um circuito ao qual é apresentado um sinal de entrada.Na seção seguinte vimos que uma função.. no caso geral. para um circuito composto por n sub-circuitos conectados em cascata. A Fig. Tn (33) . pode ser entendido como composto por um espectro de oscilações. O tratamento matemático é facilitado pelo uso de funções incluindo parte real e parte imaginária. Ventrada circuito Vsaída Fig. e exprimem respectivamente o ganho e a defasagem introduzidos pelo circuito. que chamamos Função de Transferência ( T ). Trata-se de uma representação simples. que gera um sinal de saída. que traduz seu efeito sobre o sinal de entrada: Vsaida = TVentrada (30) Sabemos que a ação do circuito pode introduzir diferenças de fase entre saída e entrada. e como tal pode ser representada como: T= Vsaida Ventrada = Ae iϕ (31) A e ϕ são grandezas reais. Podemos agora buscar uma função que expresse o efeito de um circuito elétrico sobre um sinal apresentado a sua entrada. mas circuitos mais complexos poderão ser analisados a partir deste. Fica assim admitido que. T = A(ω ) = ganho Arg(T ) = ϕ (ω ) = fase (32) Demonstra-se facilmente que.

Tomemos o caso de um circuiro RC. Geralmente se mostram estas funções em um gráfico. Nesta escala a unidade é chamada decibel (dB): 1dB = 20 Log10 Vsaida Ventrada (37) . e ν = ω/ωo. Por esta mesma razão é também usual se definir a unidade de ganho em escala logarítmica. em escala Log-Log. Fazendo ωo = 1/RC. O gráfico de A e ϕ em função da freqüência é conhecido como Diagrama de Bode. as expressões acima podem ser re-escritas de forma mais simples: A(ν ) = 1 1+ν 2 ϕ (ν ) = − ArcTan(ν ) (36) As funções A e ϕ incluem as informações essenciais. como o mostrado na Fig. É fácil mostrar que: T= Vsaida Ventrada = 1 1+ iωC 1 i ωC = 1 1+ iωRC (34) Daí tiramos A(ω ) = 1 1+ω 2 R 2 C 2 ϕ (ω ) = − ArcTan(ωRC ) (35) Ventrada Vsaída Fig. 06: Exemplo de circuito RC. 06. já que a composição espectral e o ganho podem cobrir várias ordens de grandeza. necessárias à compreensão do comportamento do circuito.

derivando os dois lados de (38) chegamos a: dI dt I = − RC ⇒ I (t ) = I o e t − RC Q (t ) = ∫ I (t ) dt = I o RC 1 − e ( t − RC ) o (39) Onde Io é a corrente quando t=0.5 0. que será una função definida no domínio do tempo. Supõe-se portanto que T atue sobre funções também definidas no domínio da freqüência. 06.1 1 0. devemos então primeiramente computar a Transformada de Fourier F(ω) para f(t) . Como Ventrada = Vo = RIo. multiplicá-la pela função de transferência T(ω). podemos escrever: . 07: Ganho e Fase (Gráfico de Bode) para o circuito da Fig. Assim são levados em conta o ganho e a fase para cada componente harmônico.01 0.0 Ângulo de fase [Radianos] 0.0 0. Vemos também. e assim trabalhar diretamente no domínio da variável tempo: R dQ + Q = Ventrada dt C (38) A solução para (38) é conhecida para o caso Ventrada = constante = Vo .7 -1.6 0.9 Ganho (dB] 0. Ventrada = f(t).001 0. e finalmente computar a transformada inversa de T(ω)F(ω).0 0. ou seja. que dVsaida dt = 1 dQ C dt ⇒ Vsaida = 1 C ∫ I (t )dt =RI (1 − e ) t − RC (40) Daqui obtemos uma expressão analítica equivalente ao que parece ser a função de transferência no domínio do tempo.4 0. Para conhecermos o sinal de saída correspondente a um dado sinal de entrada. Nesse caso. 06 Note-se que a função de transferência (34) é expressa em termos da variável ω.1.1 1 10 100 ν ν Fig.5 -1. Em casos como o da Fig. pelo que em (30) e (31) Ventrada e Vsaída são as transformadas de Fourier para Ventrada(t) e Vsaída(t). para obter uma expressão analítica para o sinal de saída podemos nos servir também da equação diferencial que governa o comportamento do circuito. do próprio circuito.5 0.8 -0. referente ao sinal de saída. no domínio da freqüência.

que estabelece que para as funções f(t). definida como: f (t ) = g * h = −∞ ∫ g(τ )h(t − τ )dτ ∞ (42) Um enunciado mais objetivo para este teorema é: a transformada de Fourier da Convolução de duas funções é o produto das transformadas de Fourier individuais ( g*h ⇔ GH). cujas transformadas de Fourier são F(ω). então f é a convolução de g e h. 1. De acordo com a definição da função de transferência. T(t) . a relação entre os sinais de entrada e saída geralmente não pode ser expressa por uma simples operação de multiplicação. segundo uma distribuição de ‘pesos’ dada pela função g. Esta operação pode ser entendida como uma média temporal. Entretanto. H(ω). que é a multiplicação por uma função T(t). não é possível encontrar T(t) tal que Vsaída(t) = T(t)Ventrada(t). tais que F=GH.5 Transformada de Fourier Discreta e Fast Fourier Transform (FFT) O cálculo analítico de transformadas de Fourier é inviável em muitos casos de interesse prático. Pode-se também recorrer a técnicas de cálculo numérico para computar as transformadas de Fourier conforme mostramos a seguir. mesmo para circuitos simples como o da Fig. Em (41) isto foi possível porque o sinal de entrada é uma constante. dados o sinal de entrada e a função de transferência. . este teorema nos permite afirmar que: Vsaida (ω ) = T (ω )Ventrada (ω ) ⇒ Vsaida (t ) = T (t ) * Ventrada (t ) (43) Dado o sinal de entrada. 1.T= Vsaida Vo = 1− e t − RC (41) Nesse caso particular o sinal de saída é obtido de uma maneira simples. A expressão (42) mostra que. para cada instante t. Para um sinal de entrada genérico. Sabemos que esta é uma impossibilidade física. cujo resultado é a função f. o circuito estaria transmitindo sinais instantaneamente. 06. G(ω). g(t) e h(t). a função h é reconstruída de -∞ a +∞. Caso isto fosse possível. no domínio do tempo. para T(ω). Esta via é a utilização do ‘Teorema da Convolução’.4 Convolução Uma outra via é possível quando se pretende obter o sinal de saída no domínio do tempo. sem tempo de propagação. Para estes casos buscam-se soluções numéricas para as mesmas. Vsaída(t) é portanto calculável desde que se conheça a transformada de Fourier inversa.

N-1 (44) Os valores fk correspondem a f(k∆t). 2π/τ = 2π/(N∆t).. Então ∆tmin =1/(2νmax)... n=0. Substituímos a integral de Fourier definida em (24) por uma soma de termos discretos: F (ω n ) = −∞ ∫ ∞ f (t )e −iωnt dt ≈ ∑ f k e k =0 N −1 −i 2π Nn t tk ∆ ∆t = ∑ f k e k =0 N −1 −i 2π Nn t k∆t ∆ ∆t = ∆t ∑ f k e k =0 N −1 − 2 πink N O último dos somatórios acima define o que chamamos de transformada de Fourier discreta: um conjunto de valores Fn . onde τ é o intervalo de tempo em que f está definida. . Este número é determinado pelo Teorema da Amostragem. e o número mínimo de amostragens é nmin=τ/∆tmin. 2. Com estes N valores podemos supostamente gerar N equações com N incógnitas. Note-se que (45) é facilmente interpretável como uma operação matricial. Suponha-se que uma amostragem seja registrada a cada ∆t segundos (portanto a uma freqüência ν=1/∆t).N-1. em que o vetor F é gerado pela atuação de uma matriz M sobre o vetor f: [F ]= [M ][ f ] k kn n (46) onde: M nk = e π − 2N i nk (47) O mesmo procedimento permite a computação da transformada inversa. tais que: Fn = ∑ f k e k =0 N −1 ink − 2 πN (45) Por comodidade estamos admitindo ∆t = 1. Admitamos que a composição espectral de f(t) contenha componentes limitados a uma freqüência máxima ωmax=2πνmax. que devolve os valores fk a partir dos Fn : . A freqüência νmax=1/(2∆tmin) é conhecida como ‘Freqüência de Nyquist’... O Teorema da Amostragem estabelece que f pode ser inequivocamente amostrada desde que a freqüência de amostragem seja maior que 2νmax.. 1. Partimos então desta substituição de f pelo conjunto de valores fi : f → fk. com k = 0. e portanto computar os N pontos da transformada de Fourier (F→Fk). procuraremos computar valores de F múltiplos da freqüência fundamental. Por analogia com a Série de Fourier.Dada uma função f(t) para a qual se procura a transformada de Fourier.. Certamente um número mínimo de amostragens é necessário para se caracterizar inequivocamente a função original. passamos então a tratá-la como um conjunto finito de valores numéricos amostrados..

E assim recursivamente. 11} {7. 13} {3. uma vez que para cada um dos N elementos do conjunto Fn ou fk é realizado um somatório de N termos complexos envolvendo os elementos de outro conjunto. para cada termo Fk teremos: Fk = F2p + M k F2ik k (49) Onde Fp e Fi são transformadas de Fourier discretas com N/2 termos. cada um com N/4 termos. 8.1010. 10. em vez de se realizar 16 produtos para gerar a transformada de Fourier. 9} {5.1101.1) que. basta combinar termos adjacentes para se formar o que corresponde a um dos 2m-1 termos do somatório precedente. Então o somatório (45) pode ser dividido em dois.1100. 10} {6. 12. e da mesma forma sucessivamente até se chegar ao somatório completo.f n = ∑ Fn e N k =0 N −1 2 πi nk (48) O cálculo de (45) ou (46) envolve pelo menos 2N2 operações numéricas. A seqüência de arranjos será: {0. 10.0100. 5.0110. Seja por exemplo N=16. 14} {1. 7.1111} Esta última corresponde a: . 9. 4. 10 14} } {1.0011.1011.11. 4. 13} {3. 3.1010. Em cada somatório há que se realizar N multiplicações.1000. 6.0100.1001. 13. 12} {2.0001. 6. 6.1101. 3.0001. portanto da ordem N2 operações no total.1011.0110. 2. 14.0101. É fácil demonstrar (ver §1. 15} (1 x 16 termos) {0. podemos realizar combinações (somas) de termos adjacentes de modo a gerar o mesmo resultado. 7. 9.0111. 8} {4.0101. 9. 8.1110. cada um com N/2 termos. 12. Escrevendo o resultado em notação binária encontramos: {0000.0010.1111} Tomemos agora os bits na ordem reversa: {0000. 8. 15} (2 x 8 termos) {0. 11.5.0010. Dispondo os termos do último somatório na ordem adequada. 15} (8 x 2 termos) {0} {8} {4} {12} {2} {10} {6} {14} {1} {9} {5} {13} {3}{11} {7} {15} (16 x 1 termo) Se dispusermos os termos na ordem acima. 15} (4 x 4 termos) {0.1000. Em (49) cada termo pode também ser dividido em dois outros somatórios.1110. 5. um contendo os termos com k ímpares outro com os k pares.1.1001. Em seguida podem-se somar os termos adjacentes deste último para formar os 2m-2 termos do somatório anterior. 2.1100. respectivamente os termos pares e ímpares do somatório original. 4. até que se chegue a N somatórios de um termo cada. 14} {1. 12} {2. 13. respectivamente fk ou Fn. 5. 11. Suponhamos entretanto que o número N seja uma potência de 2 (2m). 7.0111.0011. Uma curiosidade está embutida na ordem aparentemente exótica dos termos no último arranjo.

de modo que os termos possam ser adequadamente agrupados em subconjuntos. Por esta razão é chamado de Fast Fourier Transform (FFT). Utilizemos as regras [50]-[52] para fazer a estimativa de m(p) e a(p).{0. termos adjacentes são reagrupados recursivamente.5. Em seguida. enquanto que em (46) a dimensão é NxN. 4. esta equação só permite o cálculo dos termos F0 até FN/2. usando a notação definida em (46) e (47): [F ]= [M n n(2k ) ][ f ]+ M [M n 2k n( 2k ) ][ f ].1 Número de operações necessárias para o cálculo da FFT De acordo com (45). Naturalmente está suposto que o número N é uma potência de 2 ( N = 2p. permite um cálculo mais rápido. 13. as matrizes que aparecem na equação acima têm dimensão N/2 x N/2. notemos que: M ( n + N )( 2 k ) 2 =e π − 2N i ( n + N )( 2 k ) 2 =e π π − 2N i ( n )( 2 k ) − 2N i ( N )( 2 k ) 2 e =e π − 2N i ( n )( 2 k ) −2πi e =e π − 2N i ( n )( 2 k ) = M n( 2k ) e que M n+ N 2 =e π − 2N i ( n + N ) 2 =e π π − 2N i n − 2N i ( N ) 2 e =e π − 2N i n −πi e = −e π − 2N i n = −M n Portanto. 8. 12. 16} Portanto basta considerar os índices na notação binária e reverter os bits para se obter a ordenação adequada de termos. 5. 3. de modo a compor a transformada de Fourier com N termos a partir de N transformadas de Fourier incluindo um único termo. Sejam m(p) e a(p) respectivamente os números de multiplicações e de adições (ou subtrações) necessárias ao cálculo de uma FFT com 2p termos. 7. 10. 6. 2. p inteiro). para computar todos os termos teremos: [F ]= [M n n(2k ) ][ f ]+ M [M n 2k n( 2k ) ][ f ] 2 k +1 (para 0 ≤ n ≤ (para N 2 N 2 − 1) [51] [52]  F n+ N  = M n ( 2 k ) [ f ]− M n M n ( 2 k ) [ f ] 2 2k 2 k +1     [ ] [ ] ≤ n ≤ N − 1) Podemos agora proceder a uma estimativa do número de operações necessárias ao cálculo da FFT. 15. 9. ou seja. onde M 2 k +1 n =e π − 2N i n [50] Entretanto. Este processo reduz o número de operações necessárias ao cálculo da transformada. a separação dos termos da transformada de Fourier em termos pares e ímpares leva a: Fn = ∑ f 2 k e k =0 N −1 2 ( − 2πinN 2 k ) + ∑ f 2 k +1e k =0 N 2 −1 2 − 2 πin (N k +1) = ∑ f 2k e k =0 N 2 −1 ( − 2 πinN 2 k ) +e − 2 πin N ∑ k =0 N 2 −1 f 2 k +1e ( − 2 πinN 2 k ) Ou seja. 14. De fato. 1. 1. 11. . Para os termos restantes.

temos: F 0 = M 00 f 0 + M 0 ( M 00 f1 ) = f 0 + M 0 f1 F 1 = F 0+1 = M 00 f 0 − M 0 ( M 00 f1 ) = f 0 − M 0 f1 Tivemos portanto uma multiplicação e duas adições: m(1)=1. a(2)=8. A transformada de Fourier para uma função que só contém um termo. . Está claro que o agrupamento dos termos pares e ímpares da transformada. No caso de N=4 (p=2) realizamos 4 multiplicações em lugar das 16 que seriam normalmente necessárias pelo procedimento sugerido em (46). juntamente com as propriedades (51) e (52) permitem a redução do número de operações de cálculo. é o próprio termo: Fu = M00fu = fu. Para p=2 (4 termos). Para p=1 (2 termos). fu.Lembremos que a subdivisão dos termos iniciais em termos pares e ímpares leva a 2p transformadas de um único termo. temos: F 0 = M 00 f 0 + M 02 f 2 + M 0 ( M 00 f1 + M 02 f 3 ) = f 0 + f 2 + M 0 ( f1 + f 3 ) F 1 = M 10 f 0 + M 12 f 2 + M 1 ( M 10 f1 + M 12 f 3 ) = f 0 + M 12 f 2 + M 1 ( f1 + M 12 f 3 ) F 2 = F 0 + 2 = M 00 f 0 + M 02 f 2 − M 0 ( M 00 f1 + M 02 f 3 ) = f 0 + f 2 − M 0 ( f1 + f 3 ) F 3 = F 1+ 2 = M 10 f 0 + M 12 f 2 − M 1 ( M 10 f1 + M 12 f 3 ) = f 0 + M 12 f 2 − M 1 ( f1 + M 12 f 3 ) Ou seja. F 0 = A + M 0B F 1 = C + M 1D F 2 = A − M 0B F 3 = C − M 1D Onde A = f0 + f 2 B = f1 + f 3 C = f 0 + M 12 f 2 D = f1 + M 12 f 3 Chegamos portanto a: m(2)=4. a(1)=2.

] Podemos agora provar que de fato o número de operações necessárias à FFT é proporcional a NLog2N. se m( p) = 1 Np 2 então m( p + 1) ≡ 2m( p) + 2 p = 2(1 Np ) + 2 p = 2 p p + 2 p = 2 p ( p + 1) = 1 2 p +1 ( p + 1) 2 2 Mas 2p+1 é o número N’ de termos que tem a transformada quando p’ = p+1.. vale a seguinte regra recursiva: m( p) = 2m( p − 1) + 2 p −1 [m(1) = 2..Pode-se verificar que. Igualmente: a( p + 1) ≡ 2a( p) + 2 p +1 = 2(Np ) + 2 p +1 = 2(2 p p) + 2 p +1 = 2 p +1 p + 2 p +1 = 2 p +1 ( p + 1) Donde: a( p ' ) = N ' p ' Em conclusão. e mostramos que também é válida para p+1. para um inteiro p qualquer.. a(2) = 8. Portanto é válida para todo p. m(3) = 12 . frisemos que o número nop de operações necessárias ao cálculo da FFT de N termos é dado por: n op = 1 NLog 2 N + NLog 2 N = 3 NLog 2 N 2 2 . m(2) = 4.. podemos mostrar que m( p ) = 1 NLog 2 N = 1 Np 2 2 a ( p ) = NLog 2 N = Np Para isto fazemos apelo ao método indutivo..] a( p ) = 2a ( p − 1) + 2 p [a(1) = 2. De fato. no qual admitimos que a igualdade é válida para algum inteiro p. Ou seja.. Portanto: m( p ' ) = 1 N ' p ' 2 E concluímos que a relação vale para qualquer p. a(3) = 24 .

em função do número de termos envolvidos. quanto maior for o número de termos. evidenciando a redução no tempo de computação .Fig 08 mostra uma comparação entre o número de operações requeridas pelas transformadas de Fourier regular (46) e FFT (51. Evidentemente. 1010 109 108 107 Tra rm a regular nsfo ad 100 10-1 Nú e to de o ra es m ro tal pe çõ 105 104 103 102 101 100 100 101 102 Nú mero d termo e s 103 104 Nop(FFT)/Nop(TF) 105 10 6 FFT 10-2 10-3 10-4 100 101 102 Núm d termos ero e 103 104 Fig. menor o tempo de computação requerido pela FFT relativamente ao tempo de computação para a transformada regular. Direita: quociente entre as curvas do primeiro gráfico. 08: Esquerda: número de operações em função do número de termos no cálculo da FFT e da transformada regular.52).

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->