You are on page 1of 13

140 Anexo A: Análise e processamento de sinal

A.2 Séries temporais de dados. Amostragem

A observação da evolução das diversas grandezas físicas envolvidas nos problemas de


ANEXO engenharia de estruturas é normalmente efectuada recorrendo à utilização de
transdutores. Estes equipamentos, que permitem a conversão de grandezas mecânicas,
noutro tipo de grandezas de mais fácil medição e tratamento, fornecem usualmente
como imagem da grandeza observada uma tensão eléctrica proporcional ao parâmetro
físico que se pretende observar e que se apresenta como um registo contínuo no
tempo.

ANÁLISE E PROCESSAMENTO DE SINAL No entanto, um registo contínuo pode ser representado por uma sucessão de valores
numéricos, geralmente equidistantes, o qual se designa por registo discreto e cujos
respectivos valores numéricos são genericamente designados por dados. A este
conjunto ordenado de dados finito dá-se a designação de série temporal, ou amostra,
SUMÁRIO: Com a introdução deste anexo pretende-se apresentar alguns conceitos com duração T.
sobre a análise e processamento de sinais digitais, nomeadamente sobre os
fundamentos da análise espectral, bem como alguns dos possíveis erros que lhe À operação de passagem de um registo contínuo (sinal analógico) para um registo
estão associados e que têm origem nas opções tomadas, sobre o processamento, que discreto (sinal digital), dá-se o nome de amostragem. A qual se baseia na obtenção de
usualmente se efectua. uma “amostra”, a qual se pretende que seja representativa do sinal contínuo.

A.1 Introdução

u(t)
A análise e processamento de sinais, são dois conceitos que se encontram
intimamente ligados. Em termos gerais, pode-se afirmar que, o processamento tem
como principal função remover as componentes espúrias dos dados (sinais) medidos
experimentalmente, enquanto que a análise tem por objectivo apresentar os dados
experimentais numa forma mais fácil de interpretar, fazendo ressaltar aspectos
importantes que neles se encontram camuflados. Em termos práticos, na óptica da
observação experimental, o processamento efectua a ponte entre a aquisição de sinais Figura A.1 Amostragem de um sinal contínuo u(t).
e parte inicial da sua análise.
Na prática, a transformação de um sinal analógico num sinal digital é assegurada pela
Atendendo ao facto de a teoria da análise e processamento de sinal ser uma acção dos designados conversores analógico/digital (A/D).
ferramenta fundamental para as várias técnicas experimentais de análise de vibrações
e identificação de parâmetros dinâmicos em estruturas, nesta anexo apresenta-se de A amostragem de um sinal u(t), consiste na obtenção de uma série de N valores
uma forma sistemática algumas das questões mais relevantes para a análise e espaçados no tempo de um intervalo t, tais que:
processamento de sinais, com vista à sua compreensão para o desenvolvimento e
implementação de rotinas que permitam a identificação dos parâmetros dinâmicos das uk u tk e T N t
estruturas de uma forma sistemática e fidedigna.
Tendo em conta a regularidade temporal do processo de amostragem descrito, admite-
Tendo em conta os objectivos apresentados, neste anexo descrevem-se: se que as séries temporais que se apresentam resultam de uma amostragem periódica,
o processo usualmente utilizado para a digitalização de sinais, explorando os sendo portanto constituídas por valores equidistantes no tempo. A este espaçamento
conceitos associados à operação de amostragem e às séries de dados temporal t, dá-se a designação de intervalo de amostragem ou período de
temporais; amostragem. A partir deste conceito, surge naturalmente a noção de frequência de
os fundamentos relativos à análise espectral de sinais, os erros que lhe estão amostragem, dada pela expressão:
associados e as técnicas mais utilizadas para reduzir os seus efeitos;
o funcionamento de filtros, no domínio do tempo e da frequência;
1
as operações de decimação e “zoom”. fa
t

a qual traduz, o número de amostras efectuadas por unidade de tempo.

Nesta fase, e reflectindo sobre a operação de amostragem, é pertinente a seguinte


questão: “Qual o critério a utilizar na escolha do intervalo de amostragem ( t)?”.
A.3 Análise espectral. Fundamentos 141 142 Anexo A: Análise e processamento de sinal

Tendo em consideração, que se pretende que a “amostra” seja representativa do sinal Posteriormente apresentam-se algumas questões relacionadas com a aplicação prática
amostrado, então deveria ser possível, a partir do conhecimento de t e dos valores da da transformada discreta de Fourier (a qual foi generalizada a partir da utilização do
série, reconstruir ou reconstituir, de modo unívoco, o sinal contínuo que lhe deu algoritmo da FFT). Finalmente apresentam-se alguns dos erros que estão associados
origem. Intuitivamente pode-se afirmar que a desejada reconstrução (unívoca) do ao processamento de sinal e que se reflectem na análise espectral.
sinal, a partir da série, é tanto melhor quanto menor for o valor de t. No entanto, esta
condição por si só é insuficiente, uma vez que do ponto de vista prático poderá não
ser a mais ajustada, pois caso o valor de t seja excessivamente pequeno obter-se-á A.3.1 Da série de Fourier à transformada de Fourier
informação redundante (série com demasiados pontos), tendo como consequência,
uma desnecessária sobrecarga do esforço computacional. Para se compreender completamente o conceito de transformada de Fourier, é
necessário recuar à ideia que deu origem à série de Fourier e percorrer o caminho até
Nos trabalhos de Shannon (1949), apresenta-se um critério designado por Teorema da se obter a transformada de Fourier. Pelo que, nesta subsecção se apresenta este
Amostragem, que estabelece os pressupostos a seguir no estabelecimento de uma caminho de uma forma resumida, mas que no essencial é importante para a
adequada gama de valores para a escolha do intervalo de amostragem t. abordagem que posteriormente se utiliza em relação ao conceito de transformada de
Fourier .
Genericamente, vejamos o que estabelece o Teorema da Amostragem. Considere-se
um sinal contínuo u(t) e a correspondente série temporal uk, dele obtida por A ideia fundamental que está na base da descoberta de Fourier, assenta no
amostragem periódica de intervalo t; admita-se que aquele sinal tem transformada pressuposto de que é possível representar uma função definida no domínio do tempo,
de Fourier e, que esta é identicamente nula fora de um intervalo de frequência [-F, F], com um determinado comprimento T, através da soma de um número infinito de
em que F representa uma frequência finita qualquer; esta consideração implica que funções sinusoidais (ou ondas), com o mesmo comprimento da função. Esta ideia
fora daquela gama de frequências o sinal não possui conteúdo energético, designando- pode ser visualizada através do esquema apresentado na figura seguinte, onde se
se devido a este motivo por sinal de banda limitada. O Teorema da Amostragem mostram, em perspectiva, várias das infinitas ondas cuja soma permite reconstituir
mostra que, se a série uk é obtida com uma frequência de amostragem superior a 2F, uma dada função f(t), definida num intervalo de comprimento T.
ou seja:

1 Onda 11
fa 2F
t Onda 10
Onda 9
então é possível reconstruir, univocamente, o sinal u(t) utilizando para o efeito
Onda 8
adequadas fórmulas de interpolação [Carvalhal et al., 1989].
Onda 7
Assim sendo, uma série temporal obtida de um sinal u(t), utilizando uma frequência Onda 6
de amostragem fa nunca poderá fornecer informação sobre o conteúdo energético Onda 5
desse mesmo sinal acima de:
Onda 4

fa Onda 3
fN
2 Onda 2
Onda 1
em que fN é usualmente designada por frequência de Nyquist. Onda 0 = c te
Valor médio de f(t) no intervalo T

0 T t
te
A.3 Análise espectral. Fundamentos f(t) fT(t) = c + Onda 1 + Onda 2 + Onda 3 + Onda 4 + ...

A análise espectral, representa a possibilidade de representar no domínio da Figura A.2 Conceito de decomposição de uma função em ondas sinusoidais.
frequência uma função definida no domínio do tempo, mediante a sua decomposição
em ondas sinusoidais de amplitude e frequências variáveis. Os fundamentos da Em termos gerais a aproximação em série de Fourier de uma dada função f(t), num O valor médio de uma função num
análise espectral (análise no domínio da frequência), baseiam-se na abordagem de dado intervalo T, de comprimento T, pode ser representada (na forma trigonométrica) intervalo de comprimento T corres-
conceitos como as Séries de Fourier e as transformadas de Fourier e de Laplace. ponde à altura de um rectângulo de
através da seguinte série (somatório de infinitas ondas) base T cuja área seja igual à área sob
Nesta secção dedica-se especial atenção à transformada discreta de Fourier e ao mais a função no referido intervalo. Dado
divulgado algoritmo computacional que a tornou popular, a transformada rápida de que a área A sob a função é dada pelo
Fourier, conhecida pela sigla FFT (“Fast Fourier Transform”). f T (t) cte onda n c te a n cos n t b nsen n t , n n integral da função definido no
n 1 n 1
intervalo T então fica
Antes de abordar os conceitos relacionados com a transformada de Fourier é cujos coeficientes são obtidos através das seguintes médias T
fundamental introduzir alguns aspectos relativos às séries de Fourier, as quais estão 1
v med f (t) T
f (t) dt
na génese da transformada de Fourier, pelo que em primeiro lugar se apresenta o T
T 0
te 1
caminho que vai desde a ideia que está na base das séries de Fourier até ao formato c f (t) T
f (t)dt
final da transformada discreta de Fourier e transformada contínua de Fourier. T0
Apresenta-se igualmente o conceito de transformada inversa de Fourier.
A.3 Análise espectral. Fundamentos 143 144 Anexo A: Análise e processamento de sinal

T seguinte forma
2
an 2. f (t).cos n .t T
f (t) cos( n t)dt , n 1, 2, 3, ...
T0
T
1 n t 2
2 fT t FT n ei , n n ,
bn 2. f (t).sen n .t f (t) sen( n t)dt , n 1, 2, 3, ... T n T
T
T0
Quando T tende para (T ), então =2 /T tenderá para d ( d ), a
Esta descoberta de Fourier, acerca da decomposição de funções em ondas, em variável discreta n tenderá para uma variável contínua ( n ), e o sinal de
conjunto com a fórmula de Euler dos números complexos, foram posteriormente Figura A.3 Utilização do conceito de somatório deverá assim ser substituído pelo sinal de integral ( ): “soma de
desenvolvidas por Laplace e deram origem a poderosas ferramentas matemáticas de integral para cálculo do valor médio
de uma função num intervalo [0,T]. infinitas parcelas infinitesimais”, e, no limite, fica
grande interesse: as célebres transformadas de Fourier e de Laplace (generalização
das transformadas de Fourier).
1 t i t
f t F ei d F f t e dt
A série de Fourier, previamente apresentada na forma trigonométrica, pode ser escrita 2
de forma mais compacta, e matematicamente mais vantajosa, recorrendo à
representação complexa das funções coseno e seno, obtendo-se assim a denominada O anterior par de funções, F( ) e f(t), escrito na forma
representação da série de Fourier na forma complexa.
i t
De facto, utilizando a famosa fórmula de Euler dos complexos ei x F f (t) F( ) f (t)e dt Transformada de Fourier
cos x i senx
pode-se escrever

i i
-1 1
nt nt nt nt
ei e e iei ie F F( ) f (t) F( ).ei t d Transformada Inversa de Fourier
cos( n t) sen( n t) Pela anterior definição de an e bn 2
2 2
pode-se concluir facilmente que
a n a n e bn b n , n é usualmente designado como um par Transformada de Fourier (da função f(t)) e
e portanto, com base nestas expressões, pode-se obter a pretendida expressão
an a( n
) correspondente Transformada Inversa de Fourier.
correspondente à forma complexa da série de Fourier. De facto

i i
Atendendo à definição de an e bn A transformada de Fourier F( ) é uma função complexa de variável real contínua
nt nt nt nt T T
ei e iei ie a n i bn 1 1
f T (t) vmed an bn f (t).cos( n t)dt i f (t).sen( n t)dt (no domínio da frequência) e a correspondente transformada inversa f(t) coincide com
n 1 2 2 2 T0 T0
T a função original f(t), que é uma função real de variável real t (no domínio do tempo).
a n i bn 1
f (t). cos( n t) i.sen( n t) dt
2 T0 i nt
e
an i bn nt
a n i bn i nt
f T (t) vmed ei e
n 1 2 2 ou seja A.3.2 Aplicação da transformada discreta de Fourier a séries temporais

1 T
a0 i b0 an i bn a k i bk i a n i bn 1 i nt
A aplicação da transformada discreta de Fourier (TDF), generalizou-se após o
0t nt kt f (t) e dt
f T (t) ei ei e 2 T0 surgimento do algoritmo da FFT, pelo que se apresentam agora alguns aspectos que
2 n 1 2 k 2
se consideram relevantes para a sua aplicação prática, nomeadamente aquando da sua
Note-se que para n = 0 ( 0 0 ) fica aplicação a sereis temporais de dados provenientes da realização de ensaios
o que, admitindo agora n = … ,-3, -2, -1, 0 ,1, 2, 3, … , pode ser simplificado para a T T
a 0 i b0 1 i 0t
1 experimentais.
seguinte forma f (t) e dt f (t) dt v med
2 T0 T0
As séries temporais provenientes dos ensaios de vibração ambiental, são consideradas
an i bn nt , n.
f T (t) ei n como funções aleatórias estacionárias. Caso estas funções estejam definidas num
n 2 domínio com limites de integração infinitos, então não possuem transformada de
Fourier. Esta dificuldade é ultrapassada, considerando apenas um intervalo de
Tendo em conta as anteriores expressões para an e bn verifica-se facilmente que comprimento finito T, no entanto, em termos práticos é sempre esta a situação que se
nos depara, uma vez que experimentalmente recolhemos “amostras” finitas, para as
T
an i bn 1 i nt quais já existe transformada de Fourier. A transformada obtida nestes casos, designa-
f T (t) e dt
2 T0 se por transformada discreta de Fourier (TDF), que no domínio da frequência se
encontra limitada a um conjunto finito de frequências discretas, afastadas entre si de
Convenciona-se então, designar por Transformada Discreta de Fourier da função f(t),
no intervalo finito de comprimento T, a função complexa F( n) (função de variável 1 1
f
real discreta, n) dada por T N t

T em que N é número de amostras e t o espaçamento entre amostras no domínio do


i n t a n i bn
FT n fT t e dt T , n n tempo. Enquanto que a banda de frequências discretas estará contida dentro do
0
2
intervalo [-fN,fN], em que fN, representa a já referida frequência de Nyquist e pode ser
determinada pela seguinte expressão
Com a anterior definição, a aproximação de uma função fT(t) em série de Fourier,
num intervalo de comprimento T (intervalo [0,T] ou [-T/2,T/2]), pode ser escrita na
A.3 Análise espectral. Fundamentos 145 146 Anexo A: Análise e processamento de sinal

1 às quantidades reais. Enquanto que os erros de variância (aleatórios) se


fN
2 t traduzem por desvios aleatórios relativamente à média estimada dessas
quantidades.
Atendendo ao carácter discreto das séries temporais, e o facto de estas serem
representativas de um determinado sinal contínuo x(t), substituído por uma sequência Os erros por sobreposição e escorregamento, estão associados ao carácter finito da
de valores {xn}={x(n t)}, em que n = 1, 2, 3, ..., N e que a transformada contínua de análise espectral, usualmente efectuada, e são considerados como os mais importantes
Fourier X( ) é substituída pela TDF, representada pela sequência {Xk}={X(k f)}, erros na análise de sinais, pelo que seguidamente se refere um conjunto de técnicas
em que k = 1, 2, 3, ..., N, em que os valores de k superiores a N/2 podem ser correntemente utilizadas para minimizar ou mesmo eliminar o seu efeito.
calculados com base nos anteriores, desde que fN = (N/2) f. Desta forma, o par
apropriado de transformadas de Fourier será então descrito através das seguintes Relativamente aos erros por sobreposição, a única maneira de efectivamente se
expressões: conseguir eliminar, consiste na colocação de um filtro analógico, designado por filtro
“anti-aliasing”, entre a saída dos transdutores e a entrada do sistema de conversão
N analógico-digital, que elimine o contributo de todas as frequências acima da
i n t
Xk X k f t xn e frequência de Nyquist. Por vezes, tenta-se eliminar este efeito à custa de um aumento
n 1
da frequência de amostragem, no entanto, esta é uma técnica sem garantia absoluta de
N sucesso, dado que o verdadeiro conteúdo espectral do sinal é desconhecido à partida.
n t
xn x n t f X k ei
k 1
No que diz respeito aos erros por escorregamento, o seu efeito é normalmente
atenuado recorrendo à aplicação de “janelas de dados”. De entre os vários tipos
Como já foi referido, o advento da generalização da aplicação da TDF surgiu com a janelas de dados existentes: rectangular, exponencial, “cosine-taper”, “Hanning”,
transformada rápida de Fourier (FFT), a qual não é mais do que um algoritmo “Welch”, triangular (“Parzen”); entre outras, é aconselhável o uso de uma janela com
desenvolvido sob a forma de uma “ferramenta computacional”, que permite calcular a uma forma distinta da rectangular. O objectivo da aplicação de uma janela de dados
TDF de uma forma rápida e eficiente, este algoritmo é uma consequência dos não rectangular é o de reduzir as descontinuidades do sinal periodizado nas fronteiras
trabalhos de Cooley e Tuckey (1965). do período de amostragem, T. No caso de sinais de tipo aleatório (que é o caso dos
sinais de resposta registados em ensaios de vibração ambiental) é generalizada a
É no entanto de referir, que a FFT possui a limitação, ou inconveniente, de apenas utilização de uma janela de Hanning.
apresentar a sua forma mais eficiente no caso em que a série a que se aplica ter um
número N de pontos igual a uma potência inteira de 2, isto é, tal que N=2n. Existem, No exemplo seguinte aborda-se o problema dos erros por sobreposição (“aliasing
no entanto, algumas formas de ultrapassar este tipo de limitação, embora em alguns errors”), utilizando para o efeito um sinal que resulta da soma de três ondas.
casos, com uma relativa perda de eficiência. Todavia, caso se pretenda aplicar
directamente o algoritmo original, mais eficiente, é possível truncar a série ou,
proceder ao acrescentamento de zeros, o que é ainda melhor. Exemplo A.1 Análise de um sinal constituído pela soma de três ondas. Efeito de “Aliasing”.

Para concluir, sublinha-se que a utilização da FFT, reduz o número de operações Considere-se um sinal constituído pela soma de três ondas com as seguintes frequências: 5 Hz, 10 Hz e 15 Hz, como se mostra na Figura
envolvidas. Daqui resulta uma maior precisão numérica, pela existência de menos A.4. A cinza está representado o sinal contínuo, enquanto que os pontos a preto correspondem à representação das ondas e do sinal,
erros de arredondamento ou de truncatura, usualmente designados por ruído considerando uma frequência de amostragem de 40 Hz.
aritmético.
u1(t)

A.3.3 Erros

Ao longo de todo o processo referente à caracterização do conteúdo espectral


associado a uma determinada grandeza física através da aquisição e análise de um
u2(t)

determinado sinal que se supõe representativo da sua evolução temporal, são


cometidos alguns erros, provenientes quer do processo de medição, quer da aplicação
das técnicas de processamento de sinal. Estes erros têm, em geral, origens ou causas
distintas e podem ser agrupados nos três seguintes grupos:
Erros por sobreposição ou dobragem (“aliasing errors”), que surgem devido ao
u3(t)

facto de os sinais se encontrarem discretizados e manifestam-se pelo


aparecimento de energia associada a frequências superiores à frequência de
Nyquist;
Erros por escorregamento ou efeito de fuga (“leakage effect”), os quais estão
u(t)

associados ao carácter finito das séries temporais e tem como consequência a


distribuição da energia associada a uma determinada frequência por uma banda
de frequências em torno desta; t (s)
Erros de carácter estatístico, os quais se podem subdividir em erros de viés Figura A.4 Soma de três ondas, representadas por sinais contínuos (linha a azul) e discretos (pontos a vermelho).
(“bias errors”) e erros de variância (“random errors”). Os erros de viés
caracterizam-se por desvios sistemáticos das quantidades estimadas em relação Na Figura A.5, faz-se a representação do sinal resultante da soma das três ondas, sob a forma de um espectro de potência, onde
A.3 Análise espectral. Fundamentos 147 148 Anexo A: Análise e processamento de sinal

claramente ressaltam três picos, precisamente para as frequências das três ondas que compõem o sinal.

[(m/s2)2/Hz]

[(m/s2)2/Hz]
Densidade Espectral de Potência

Densidade Espectral de Potência


f (Hz)
Figura A.7 Espectro do sinal discreto obtido a partir da soma das ondas de 5, 10 e 25 Hz.
f (Hz)
Figura A.5 Espectro do sinal discreto obtido a partir da soma das ondas de 5, 10 e 15 Hz. Mostra-se finalmente um terceiro caso, em que este efeito é logo detectado no domínio do tempo. Considera-se então, novamente um
sinal composto pela soma de três ondas, agora com 5, 10 e 38 Hz, mostrando-se igualmente a sua representação em contínuo e a sua
Utiliza-se agora o mesmo processo para mostrar o efeito de aliasing. Assim considera-se agora um sinal composto pela soma, também de amostragem utilizando a frequência de amostragem de 40 Hz , como se mostra na Figura A.8
três ondas, com 5 Hz, 10 Hz e 25 Hz, como se mostra na Figura A.6, as quais são novamente representadas a azul por sinais contínuos e
por pontos a vermelho, resultantes de uma amostragem a 40 Hz.

u1(t)

u1(t)
u2(t)

u2(t)
u3(t)

u3(t)
u(t)

u(t)
t (s)
Figura A.8 Soma de três ondas, representadas por sinais contínuos (linha a azul) e discretos (pontos a vermelho).
t (s)
Figura A.6 Soma de três ondas, representadas por sinais contínuos (linha a azul) e discretos (pontos a vermelho).
Analisando a figura anterior verifica-se claramente que no domínio do tempo se está a representar, para a terceira onda, uma forma
discreta que nada tem a ver com as suas características, representadas para o caso de um sinal contínuo, mas sim com as características de
Na Figura A.7, apresenta-se o espectro de potência do sinal discreto resultante da soma das ondas com 5, 10 e 25 Hz de frequência, de
uma onda com uma frequência mais baixa.
notar que agora surge também um pico para a frequência de 15 Hz, que não é mais que o reflexo da frequência da onda de 25 Hz em
torno da frequência de Nyquist (20 Hz). Este é uma forma clara de mostrar o efeito de aliasing. Na Figura A.9, apresenta-se o espectro de potência do sinal discreto resultante da soma das ondas com 5, 10 e 38 Hz de frequência, no
qual se verifica que surge agora um pico para a frequência de 2 Hz, o qual corresponde ao efeito de aliasing para a onda de 38 Hz, isto é,
a sua dobragem em torno da frequência de Nyquist (20 Hz) dá precisamente 2 Hz.
A.3 Análise espectral. Fundamentos 149 150 Anexo A: Análise e processamento de sinal

u1(t)
u2(t)
u3(t)

[(m/s2)2/Hz]
u1(t)

Densidade Espectral de Potência


t (s) t (s)
(a) (b)
Figura A.11 Final dos registos das ondas: (a) com frequências 5, 10 e 15 Hz; (b) com frequências 4, 9 e 14 Hz.
f (Hz)
Figura A.9 Espectro do sinal discreto obtido a partir da soma das ondas de 5, 10 e 38 Hz. Analisando as figuras anteriores, verifica-se claramente o efeito de “leakage”, o qual se traduz por uma ligeira diminuição da amplitude
dos picos, para a Figura A.10 (b), em oposição ao que acontece na Figura A.10 (a), sendo que esse abaixamento reflecte-se num aumento
Resta salientar que, o pico que surge na frequência de 2 Hz, para além de corresponder a um efeito de aliasing, está também afectado da base dos picos, o qual é um reflexo do designado efeito de escorregamento do conteúdo energético do pico ressonante para as
pelo efeito de leakage ou escorregamento, o qual se descreve no exemplo A.2. frequências da vizinhança. Pode-se então colocar a seguinte questão: porque é que num caso acontece e no outro não? A razão é simples
e tem a ver com o comprimento das amostras e com o período associado à frequência das ondas. Com esse objectivo procede-se à analise
do final dos registos, como se mostra na Figura A.11.
Como já se referiu anteriormente, para além do efeito de escorregamento (ou Verifica-se que para as ondas às frequências 5, 10 e 15 Hz os registos terminam com o final dos períodos das ondas enquanto que para as
“aliasing”), é também importantíssimo abordar o fenómeno de escorregamento (ou frequências 4, 9 e 14, os registos terminam, sem que esse “terminus” coincida com o “terminus” do período das ondas.
“leakage”), o qual se aborda nos exemplos seguintes.

Exemplo A.2 Análise de dois sinais constituídos pela soma de três ondas. Ilustração do efeito de escorregamento (“Leakage”). Exemplo A.3 Análise de um sinais constituído pela soma de três ondas. Ilustração do efeito de escorregamento (“Leakage”).

Para discutir o efeito de escorregamento ou “leakage”, considere-se novamente um sinal constituído pela soma de três ondas com as Analise-se novamente o sinal constituído pela soma das três ondas com as frequências 5, 10 e 15 Hz, considere-se agora duas situações
seguintes frequências: 5, 10 e 15 Hz e um outro sinal constituído pela soma de três ondas com as seguintes frequências: 4, 9 e 14 Hz. distintas: um registo com 25.60 segundos e um outro registo com 25.75 segundos, dos quais se mostra o seu “terminus” na Figura A.14,
Considere-se que ambos os sinais são amostrados com uma frequência de amostragem de 40 Hz e que têm um comprimento total de enquanto que na Figura A.15, se mostra os respectivos espectros do sinal discreto que resulta das somas.
25.60 segundos (amostras com 1024 pontos). Na Figura A.10 apresentam-se os espectros referentes a cada uma das opções consideradas.

u1(t)
u2(t)
u3(t)

[(m/s2)2/Hz]
Densidade Espectral de Potência
u1(t)

t (s) t (s)
(a) (b)
f (Hz) f (Hz)
Figura A.12 Final dos registos das ondas com frequências 5, 10 e 15 Hz: (a) registo com 25.60 s; (b) registo com 25.75 s.
(a) (b)
Figura A.10 Espectro do sinal discreto obtido a partir da soma das ondas de: (a) 5, 10 e 15 Hz; (b) 4, 9 e 14 Hz..
A.4 Filtragem de sinais 151 152 Anexo A: Análise e processamento de sinal

circuitos electrónicos, enquanto que a segunda se baseia no desenvolvimento de


implementações numéricas.

O recurso à utilização de filtros digitais, reveste-se de particular interesse, em especial


devido ao cada vez maior número de ferramentas digitais disponíveis e ao baixo custo
que lhes está associado. No entanto é importante salientar que, a utilização de filtros
digitais não dispensa a utilização de filtros analógicos, nomeadamente nas situações
em que se pretende eliminar ou atenuar o efeito dos erros por sobreposição

[(m/s2)2/Hz]
(“aliasing”). Neste tipo de casos, é fundamental eliminar as componentes de
frequência superiores à frequência de Nyquist antes da aquisição do sinal, pois de
outra forma a série poderá vir contaminada pelos erros de sobreposição, impossíveis

Densidade Espectral de Potência


de eliminar em fase posterior à custa de qualquer tipo de filtragem digital, correndo-se
o risco de interpretar erradamente certas componentes em frequência como
componentes do sistema analisado.

f (Hz) f (Hz) Um outro aspecto importante da aplicação de filtros, é a remoção de tendências


(a) (b)
Figura A.13 Espectro do sinal discreto obtido a partir da soma das ondas de 5, 10 e 15 Hz: : (a) registo com 25.60 s; (b) registo com existentes nos sinais. Após a amostragem, verifica-se por vezes a existência de um
25.75 s. desvio relativamente ao zero das amplitudes (“off-set”), o qual se deve à não
estabilização completa do sensor durante o intervalo de observação. É conveniente
Analisando as figuras anteriores, verifica-se claramente que pelo facto de as ondas que constituem o sinal com 25.75, não terminarem eliminar este tipo de tendência, pois a sua existência poderá introduzir algumas
com o fim de um período, leva a que ocorra o efeito de escorregamento ou “leakage”. É de salientar que neste caso os sinais são perturbações durante a fase de processamento.
praticamente iguais, apenas não tem o mesmo comprimento, o que é a grande problema relacionado com a ocorrência deste efeito, isto é,
com o comprimento das amostras que se consideram para analisar um determinado sinal.
Usualmente, a remoção deste tipo de tendências é efectuada através a um ajuste por
mínimos quadrados de uma função polinomial. No entanto, em muitos dos casos
Atendendo ao que foi expresso nos exemplos anteriores, é importante salientar que, o correntes verifica-se que esta tendência é aproximadamente constante, pelo que o
efeito de escorregamento ou “leakage” também contribuí para a existência de erros na polinómio a ajustar é de grau zero, em que a constante que minimiza o quadrado da
avaliação dos coeficientes de amortecimentos modais, utilizando para o efeito o diferença entre o sinal e o polinómio é, afinal, a média do sinal. Nestas condições, se
método da meia potência, por exemplo. Tendo em conta que a avaliação dos considerarmos a série inicial amostrada como {xn}, a remoção deste de uma tendência
coeficientes de amortecimentos modais dependem da largura dos picos de constante dará origem a uma nova série {yn}, dada por
ressonância, então é fácil perceber que a existência do efeito de escorregamento, faz
N 1
com que as frequências de meia potência se afastem do valor da frequência 1
yn xn xk
correspondente ao pico ressonante, devido ao aumento da largura dos picos, N k 0
contribuído desta forma também para os erros existentes na avaliação dos coeficientes
de amortecimentos modais, a partir de resultados com duração finita em que se
aplicam técnicas de processamento de sinal. Nestas circunstâncias, quanto mais curtas
forem as amostras utilizadas maiores serão os erros associados ao efeito de A.4.1.1 Tipos básicos de filtros
escorregamento ou “leakage”.
Tendo em conta a linguagem técnica que lhes está associada, definem-se os seguintes
tipos de filtros ideais:
passa-baixo, que em termos ideais é um filtro que elimina toda a banda de
A.4 Filtragem de sinais frequências acima de uma determinada frequência de corte, deixando passar
todas as frequências abaixo da frequência de corte;
Verificou-se até aqui que, a observação experimental de uma determinada grandeza passa-alto, surge como um filtro que tem uma função inversa, em relação ao
física, pode ser desvirtuada pela ocorrência de erros na fase de aquisição e anterior, ou seja, elimina toda a gama de frequências abaixo da frequência de
processamento do sinal, ou então, por perturbações oriundas de fontes exteriores ao corte, deixando passar todas as frequências acima da frequência de corte;
sistema estrutural analisado. Atendendo a este facto, é fundamental prevenir o passa-banda, resulta da associação em série dos outros dois tipos, pelo que a
aparecimento, antes da amostragem, e proceder à eliminação ou atenuação, após a sua utilização tem como objectivo eliminar a banda de frequências fora de um
amostragem, das componentes do sinal que não sejam intrínsecas da grandeza física dado intervalo [ 1 , 2], deixando passar todas as frequências contidas dentro
observada ou que se revelem inúteis ou prejudiciais para a análise a desenvolver, pelo do intervalo;
que, usualmente, se recorre à utilização de filtros. elimina-banda, advém da associação em paralelo de um filtro ideal passa-
baixo e de um filtro ideal passa-alto, em contraposição com o anterior elimina
No âmbito da análise espectral de sinais, pode-se, de uma forma simplista, definir um a banda de frequências dentro de um dado intervalo [ 1 , 2];
filtro como um elemento condicionador de sinal, selectivo em frequência, que,
consoante as suas características, deixa passar (transmite) ou atenua (filtra) uma Importa referir que, os filtro ideais que se acabaram de definir não existem, quanto
frequência particular ou uma banda de frequências [Carvalhal et al. 1989]. muito, é possível desenvolver filtros reais que, nas condições específicas em que vão
ser utilizados, constituem aproximações satisfatórias dos filtros com características
A operação de filtragem pode ser efectuada, quer por via analógica quer por via ideais.
digital, a primeira requer uma implementação física, baseada num conjunto de
A.4 Filtragem de sinais 153 154 Anexo A: Análise e processamento de sinal

Definem-se agora alguns termos utilizados na teoria dos filtros, essenciais para a sua
compreensão. Considere-se então, um filtro como um sistema linear e invariante no
tempo, cuja função de transferência é dada por

H H ei

[mm/s2]
Aceleração
o termo H , designa-se usualmente por ganho do filtro, exprime-se em dB na
forma

G 20 log H dB
t (s)
o valor inverso do ganho 1 H , designa-se por atenuação, que também se exprime Figura A.15 Registo de aceleração sem DC, depois da aplicação de um filtro passa-alto digital.
em dB na forma Mais uma vez se salienta o facto de que só se deve eliminar bandas de frequências que não sejam relevantes para a análise a efectuar.
Neste caso concreto, do registo que se apresenta, eliminaram-se frequências abaixo de 1 Hz, quando as frequências de interesse da
A 20 log H dB estrutura se situavam acima do 4 Hz, pelo que o conteúdo em frequência que se eliminou em nada afecta o conteúdo de interesse para
uma análise correcta do comportamento dinâmico da estrutura.

finalmente, denomina-se por atraso, o simétrico da derivada da fase, em ordem a o Na figura seguinte apresentam-se como exemplo do efeito no domínio da frequência da aplicação do filtro passa-alto aos registos obtidos
qual se representa na forma experimentalmente, para o exemplo da estrutura do edifício de 3 pisos, utilizado no 3º capítulo.

d
d

Exemplo A.4 Eliminação de baixas frequências, aplicação de um filtro passa-alto digital.

Neste exemplo apresenta-se um registo de aceleração que é afectado por dois fenómenos que usualmente ocorrem nos ensaios de
vibrações. O primeiro, é usualmente conhecido como efeito de DC (a sigla DC é uma abreviatura de “direct current” – corrente contínua
– frequência zero), e é caracterizado, no domínio do tempo, por um desvio constante das medições em relação ao “zero” (como se pode

[(mm/s2)2/Hz]
verificar na Figura A.14). No domínio da frequência, caracteriza-se por um valor não nulo para a frequência zero. O segundo fenómeno,
está relacionado com a falta de estabilização dos transdutores, caracterizando-se no domínio do tempo por “oscilações” na medição da
grandeza física (ver Figura A.14). No domínio da frequência, este efeito traduz-se numa concentração “anormal” de conteúdo energético

Densidade Espectral de Potência


numa banda de frequências próximas de zero, como se mostra na Figura A.16 (a). Na Figura A.15, apresenta-se o mesmo registo, depois
de lhe aplicar um filtro passa-alto digital, no qual foram eliminadas as frequências numa banda inferior a 0.5 Hz.

f [Hz] f [Hz]
(a) (b)
Figura A.16 Espectros normalizados médios: (a) antes da aplicação do filtro passa-alto; (b) depois da aplicação do filtro passa-alto.

Analisando a figura anterior, facilmente se verifica que a aplicação do filtro passa-alto permitiu a eliminação de da banda de frequências
abaixo de 1 Hz existente na Figura A.16 (a), que na Figura A.16, já não aparece. É de notar que a eliminação daquela banda de
frequências, teve como consequência a subida dos valores das amplitudes para as restantes frequências ao longo do espectro.

[mm/s2]
Aceleração
A.5 Decimação
t (s)
Figura A.14 Registo de aceleração com DC e mau comportamento a baixas frequências. A decimação é uma operação interessante, especialmente, nos casos em que se
pretende reduzir os tamanho das séries temporais para análises posteriores. Por
definição a decimação, consiste em escolher um conjunto de dados, considerando
uma frequência de amostragem inferior, e eliminar os restantes. Pelo que as séries de
dados iniciais, com intervalo de amostragem t, dão lugar a séries com menor número
de pontos, com um novo intervalo de amostragem d t, dando origem a uma nova
frequência de Nyquist f’N = 1/(2 d t). Todavia, é necessário ter em conta que todo o
conteúdo em frequência acima do valor da nova frequência de Nyquist será dobrado
(“folded” or “aliased”) para o novo intervalo [0 f’N]. Para evitar o efeito de “aliasing”,
a série temporal inicial deverá ser filtrada antes de se efectuar a operação de
A.7 Conclusões 155 156 Anexo A: Análise e processamento de sinal

decimação, eliminando o conteúdo em frequência acima de 1/(2 d t) utilizando um


filtro digital passa-baixo.

A.6 Zoom

Como se viu na subsecção anterior, a operação de decimação, é uma técnica de


processamento que permite melhorar a resolução em frequência, sem com isso
aumentar o espaço de armazenamento do sinal observado. No entanto, dada a forma
como é realizada, a sua aplicação apenas permite melhorar substancialmente a
resolução para as baixas frequências. Pelo que, quando se pretende aumentar muito a
resolução do espectro numa banda estreita, na vizinhança de uma dada frequência
qualquer, é normalmente utilizada a técnica de “zoom”.

Esta técnica pode ser implementada de duas formas: uma baseada em técnicas
destrutivas e a outra em técnicas não destrutivas.

Genericamente, é importante salientar o facto de as técnicas destrutivas, se basearem


em métodos através dos quais são introduzidas modificações ao sinal observado.
Como se tratam de técnicas destrutivas, é necessário armazenar o sinal e iniciar o
processo sempre se pretenda analisar uma nova banda de frequências de interesse.
Apresentam como vantagem, o facto de não ser necessário aumentar o tamanho da
série.

Por seu lado a implementação da técnica de “zoom” recorrendo a técnicas não


destrutivas, baseia-se no aumento do tamanho da amostra, quer por aumento do tempo
de observação da série, quer por adição de zeros.

A.7 Conclusões

Neste anexo, expuseram-se alguns conceitos e noções (de base mas essenciais),
relativos à análise e processamento de séries temporais de dados (sinais digitais).
Uma vez que o grande objectivo deste trabalho se centra em aplicações a engenharia
civil, foi dada maior ênfase a sistemas físicos, cuja variável dependente, ou de
referência, é o tempo, que aliás é a situação mais frequente, na resolução deste tipo de
problemas de engenharia com recurso à teoria dos sistemas.
158 Anexo B: Método do decremento aleatório

inicial. abordados no âmbito deste trabalho).


Enquadram-se nos designados
métodos de duas fases, os quais
No âmbito dos trabalhos de [Cole 1968], as funções RD foram inicialmente
avaliam em primeiro lugar as funções
interpretadas como a resposta das estruturas em regime livre, segundo ele a resposta de correlação e só depois é que estas
de uma estrutura a uma excitação aleatória para o instante de tempo genérico t, é são analisadas recorrendo ao ajuste de
ANEXO composta por três componentes: modelos paramétricos com vista à
identificação das características
i) a resposta devida aos deslocamentos iniciais (para o instante t0); dinâmicas dos sistemas estruturais.
ii) a resposta devida às velocidades iniciais (para o instante t0);
O método do decremento aleatório é
iii) a resposta às acções aleatórias, desde o instante t0 até ao instante t = t0+ t. precisamente uma das possíveis vias
para avaliar as funções correlação.
Considere-se uma série temporal da resposta, se dessa série forem retiradas amostras,
MÉTODO DO DECREMENTO ALEATÓRIO sempre com o mesmo deslocamento inicial, efectuando a média dessas amostras,
verifica-se que, à medida que se consideram mais amostras, a componente da resposta
aleatória tende a anular-se e a desaparecer, o mesmo acontece com a componente da
resposta devida à velocidade inicial, uma vez que as componentes de velocidade
SUMÁRIO: Neste anexo introduz-se os fundamentos do método do decremento positivas (corte em subida) são anuladas pelas componentes de velocidades negativas
aleatório, essenciais para a abordagem que se efectua no capítulo 3 sobre a (corte em descida), restando somente a componente da resposta em regime livre
aplicação dos métodos de identificação modal estocástica no domínio da frequência devida aos deslocamentos iniciais.
após a determinação das funções de decremento aleatório. Pelo que neste anexo, se
abordam precisamente a forma como se podem obter aquelas funções, ou melhor a
matriz daquelas funções.

B.1.1 Funções de decremento aleatório

Para o estabelecimento das funções de RD, considerem-se dois processos estocásticos


B.1 Introdução estacionários x(t) e y(t), cujas respectivas auto funções RD são definidas com base no
valor espectável sob a condição T, de acordo com as seguintes expressões:
O método do decremento aleatório, é conhecido na literatura inglesa por “random
decrement” – abreviado pela sigla RD, trata-se de uma técnica que, foi utilizada pela
D xx E x t | Tx t D yy E y t | Ty t
primeira vez por [Cole 1968], no âmbito da caracterização dinâmica e detecção de
danos em estruturas aeroespaciais sujeitas às condições normais de operação.
Posteriormente, a aplicação desta técnica foi abordada por outros autores, dos quais Por sua vez as funções cruzadas RD, podem-se definir na forma seguinte:
de destacam os trabalhos desenvolvidos por [Ibrahim 1977, 1979, 2001], [Vandiver et
al. 1982], [Brincker et al. 1991, 1992] e [Asmussen 1997], sendo que este último D xy E x t | Ty t D yx E y t | Tx t
explora e aplica este interessante método na identificação modal de estruturas de
engenharia civil.
Do ponto de vista prático, assume-se que os processos estocásticos x(t) e y(t), também
Os trabalhos de [Cole, 1968], desenvolvidos na NASA, cingiam-se à análise são ergódicos, neste caso, desde que se consiga extrair, das séries temporais, um
individualizada das séries temporais da resposta, com vista à obtenção de frequências número de amostras N suficientemente grande, as funções RD anteriores, podem-se
naturais de vibração e coeficientes de amortecimento. Com os trabalhos de [Ibrahim avaliar com base nas seguintes expressões:
1977], foram introduzidos os conceitos de auto funções de decremento aleatório e É também usual designar as funções
N N
funções cruzadas de decremento aleatório, com base nas quais é possível obter, de decremento aleatório como ˆ 1 ˆ 1
D xx x ti | Tx ti D yy y ti | Ty ti
também, as configurações modais das estruturas. funções RD [Asmussen 1997; N i 1 N i 1
Rodrigues 2004] e representá-las
através da letra D. N N
Posteriormente [Vandiver et al. 1982], estabeleceu a relação entre as funções de RD e ˆ 1 ˆ 1
D xy x ti | Ty ti D yx y ti | Tx ti
as funções de correlação, sustentada no facto de as auto funções RD serem N i 1 N i 1
proporcionais às funções de auto-correlação, para processos estocásticos estacionários
gaussianos de média nula, no caso de se utilizar uma condição de passagem por um As estimativas das funções RD, avaliadas com base nas expressões anteriores, são
nível, para obtenção das funções de RD. Em [Brincker et al. 1992] é introduzida a estimativas não enviesadas [Brincker et al. 1992; Asmussen 1997], sendo essa uma
definição duma condição inicial generalizada, verifica-se igualmente a relação das das vantagens do método do decremento aleatório.
funções de RD com as funções de correlação e com as suas primeiras derivadas em
ordem ao tempo.

Actualmente esta técnica é utilizada para estimar, de uma forma rápida e simples, as É importante salientar que as funções
funções de correlação, com base na média de um conjunto de amostras seleccionadas de correlação são usualmente
B.1.2 Condições iniciais
utilizadas nos métodos de
a partir de séries temporais da resposta a acções ambientais, sendo que a selecção das
identificação modal estocática no
amostras obtidas respeita a verificação da ocorrência de uma determinada condição domínio do tempo (os quais não são A aplicação do método do decremento aleatório assenta no critério de selecção das
B.1 Introdução 159 160 Anexo B: Método do decremento aleatório

condições iniciais, para a extracção de amostras a partir das série temporais da


resposta. Segundo [Asmussen 1997], as condições iniciais usualmente utilizadas
como critério de selecção, no método do decremento aleatório, são as seguintes:

i) condição inicial de passagem por um nível;


ii) condição inicial de máximos locais;
iii) condição inicial de pontos positivos;
iv) condição inicial de passagem por zero com inclinação positiva.

Importa referir que, embora a fundamentação do método RD se baseie em termos da


resposta em deslocamentos, é equivalente aplicar o processo de avaliação das funções
de RD à resposta em aceleração, que, é a grandeza física usualmente medida em
ensaios de vibração ambiental. Nessas circunstâncias, as condições iniciais para
extracção das amostras são definidas em função da aceleração e/ou da sua derivada
em ordem ao tempo.

No primeiro critério são seleccionadas amostras que têm o seu início quando a série
temporal passa um determinado valor definido da aceleração – Tx(t) ={x(t) = a}, em
subida ou em descida. No segundo critério seleccionam-se amostras que tenham como
ponto inicial os máximos locais da série temporal, isto é pontos cujas primeiras
derivadas são nulas. Enquanto no terceiro critério são seleccionadas amostras cujos
pontos iniciais estejam compreendidos entre dois limites a e b, que deverão ter o
mesmo sinal. Por fim, no quarto critério seleccionam-se amostras que tenham como
ponto inicial a ordenada nula e declive positivo, isto é primeira derivada positiva.

Utilizando cada um dos critérios anteriores, obtêm-se funções RD com diferentes


valores iniciais. Por exemplo, utilizando o primeiro critério, obtêm-se funções RD que
no instante inicial apresentam um valor de aceleração igual a a e primeira derivada
nula. Por outro lado, a escolha do nível a é fundamental, pois condiciona a qualidade
dos resultados. Um nível a baixo permite a selecção de mais amostras, contudo, os
erros associados ao processo de medição têm maior relevância. Em [Asmussen 1997],
é demonstrado que para a aplicação do primeiro critério existe um nível a óptimo, o
qual é um múltiplo do desvio padrão ( x) da série temporal em análise:

a 2 x

As funções RD estimadas com base nos primeiros três critérios de selecção são
proporcionais às funções de correlação, enquanto que, as funções RD estimadas
através do quarto critério de selecção são proporcionais à primeira derivadas das
funções de correlação.

As funções de correlação estimadas através das funções RD, podem ser utilizadas na
segunda fase dos métodos de duas fases no domínio do tempo, ou podem ser
utilizadas para determinar as funções de densidade espectral de potência nos métodos
no domínio da frequência. Esta última possibilidade é apresentada pela primeira vez
em [Rodrigues 2004].
162 Referências Bibliográficas

Chopra A. K. (1995) – “Dynamics of Structures: Theory and Applications to Earthquake Engineering”, Prentice Hall, New
Jersey.

Clough R. e Penzien J.(1993) – “Dynamics of Structures: 2ª Edição”, McGraw-Hill, New York.

Cole, H. (1968) – “One-The-Line Analysis of Random Vibrations”, AIAA Paper nº 68-288.

Cooley, J. W.; Tukey, J. W. (1965) – “An algorithm for the machine calculation of complex Fourier series” Math. of Comp.,
Vol. 19, Nº 90.

Corrêa, M. R.; Campos Costa, A. (1992) – “Ensaios Dinâmicos da Ponte sobre o Rio Arade”, Pontes Atirantadas do Guadiana
e do Arade, ditado por J.A. Fernandes, L.O. Santos, LNEC, Portugal.

Crawford, R.; Ward, H.S. (1964) – “Determination of natural period of buildings”, Bulletin of the Seismological Society of
REFERÊNCIAS BIBLIOGRÁFICAS America, Vol. 54, N. 6, p. 1743-1756.

Delaunay, D.; Grillaud, G.; Biétry, J.; Sacré, C. (1999) – “Wind response of long span bridges: In situ measurements and
Allemang, R.J.; Brown, D.L. (1982) – “A correlation Coefficient for Modal Vector Analysis”, Proceedings of the IMAC I, modal analysis”, IMAC XVII, Kissimmee, USA.
Orlando, USA.
Delgado, R. (1984) – “O método dos elementos finitos na análise dinâmica de barragens incluindo a interacção sólido-
líquido”, Tese de Doutoramento, Faculdade de Engenharia da Universidade do Porto.
Asmussen, J. C. (1997) – “Modal Analysis Based on the Random Decrement Technique”, PhD Thesis, Department of Building
Technology and Structural Engineering, Aalborg University.
Felber, A. J.; (1993) – “Development of a Hybrid Bridge Evaluation System”, Ph. D thesis, Department of Civil Engineering,
Bendat J., Piersol A.; (2000) – “Random Data: Analysis and Measurement Procedures, 3rd Edition”. Wiley-Interscience. University of British Columbia, Vancouver, Canada.

Guerreiro, L. (1999) – “Osciladores lineares contínuos”, Apontamentos da disciplina de Dinâmica e Engenharia Sísmica do
Bendat, J.; Piersol, A. (1993) – “Engineering Applications of Correlation and Spectral Analysis 2nd Edition”. John Wiley &
Sons. Mestrado em Engenharia de Estruturas, IST.

Brincker, R.; Zhang, L.; Andersen, P. (2000) – “Ouput-Only Modal Analysis by Frequency Domain Decomposition”, Ibrahim, S.R. (1977) – “The use of Random Decrement Technique for Identification of Structural Modes of Vibration”, AIAA
Proceedings of The ISMA25 Noise And Vibration Engineering Volume 11. Leuven, Belgium, pp. 717-723, September 13-15. paper, Vol. 77, p. 1-9.

Juang, J. N. (1994) – “Applied System Identification”, Prentice Hall, USA.


Brincker, R.; Ventura C.; Andersen, P. (2001) – “Damping Estimation by Frequency Domain Decomposition”, Proceedings
of The IMAC XIX, Kissimme, USA.
Klema, V.C.; Laub, A.J. (1980) – “The singular Value Decomposition: its Computation and some Applications”, IEEE
Brownjohn, J.M.W.; Dumanoglu, A.A.; Severn, R.T.; Blakeborough, A. (1989) – “Ambient vibration survey of the Bosporus Transaction on Automatic Control, AC-25(2), 164-178.
suspension bridge”, Earthquake Engineering and Structural Dynamics, Vol. 18, p. 263-283.
Litter, J.D. (1995) – “An Assessment of Some of the Different Methods for Estimating Damping from Full-Scale Testing”,
Journal of Wind Engineering and Industrial Aerodynamics, N. 57, p. 179-189.
Caetano, E. (1992) – “Identificação Experimental de Parâmetros Dinâmicos em Sistemas Estruturais”, Tese de Mestrado,
Faculdade de Engenharia da Universidade do Porto.
Magalhães, F. (2004) – “Identificação modal estocástica para validação experimental de modelos numéricos”, Tese de
Caetano, E. (2000) – “Dynamics of Cable-stayed Bridges: Experimental Assessment of Cable-Structure Interaction”, PhD Mestrado, Faculdade de Engenharia da Universidade do Porto.
Thesis, Faculdade de Engenharia da Universidade do Porto.
Maia, N.M.M.; Silva, J.M.M.; He, J.; (1997) – “Theoretical and experimental modal analysis”, Research Studies Press Ltd.,
Somerset, England, 468p.
Câmara, R.; (1989) – “Modelos Para Estudo do Comportamento Dinâmico de Barragens de Betão pelo Método dos
Elementos Finitos”. Tese para Especialista, LNEC, Lisboa.
MATLAB (2003) – “The language of technical computing”, http://www.mathworks.com/ Version 6.1 (Release 13).
Carvalhal, F. J.; Costa, C. de O.; Azevedo, F. S. (1989) – “Elementos de Sistemas e de Análise e Processamento de Sinais” -
Curso, LNEC. Newland, D. E. (1975) – “An introduction to random vibration and spectral analysis”, Longman Group Ltd. United
Kingdom.
Referências Bibliográficas 163

Paultre, P.; Proulx, J.; Talbolt, M. (1995) – “Dynamic testing procedures for highway bridges using traffic loads”, Journal of
Structural Engineering, Vol. 121, N. 2, p. 362-376, ASCE.

Pedro, J. O. (1977) – “Dimensionamento de Barragens Abóbada pelo Método dos Elementos Finitos”, Tese para especialista
(Memória 479), LNEC.

Peeters, B. (2000) – “System Identification and Damage Detection in Civil Engineering”, PhD Thesis, Structural Mechanics,
Civil Engineering Department, K.U. Leuven, Belgium.

Prevosto, M. (1982) – “Algoritmes d’Identification des Caractéristiques Vibratoires de Structures Mécaniques Complexes”,
PhD Thesis, Université de Rennes I, France.

Priestley, M., (1969) – “Structural Behaviour of Buildings from Dynamic Measurements under Ambient Excitation”, Relatório
do LNEC.

Rodrigues, J. (2004) – “Identificação Modal Estocástica. Métodos de Análise e Aplicações em Estruturas de Engenharia
Civil”, Tese de Doutoramento, Faculdade de Engenharia da Universidade do Porto.

Shih, C.Y.; Tsuei, Y.G.; Allemang, R.J.; Brown, D.L. (1988) – “Complex Mode Identification Function and its Application to
Spatial Domain Parameter Identification”, Mechanical Systems and Signal Processing, vol. 2, N. 4, p. 367-377.

Structural Vibration Solutions Aps; (2008) –“ARTeMIS Extractor, Release 3.4, User’s Manual”, Denmark.

Tedesco, J.W.; McDougal, W.G; Ross, C.A. (1999) – “Structural Dynamics: Theory and Applications”, Addison-Wesley.

Ventura, C.; Brincker, R. (2000) – “Modal Identification of Output Only Systems – Course Notes”, Short Course, Universidad
Politecnica de Madrid.

Welch, P.D. (1967) – “The use of Fast Fourier Transform for the estimation of Power Spectra: a Method based on the
averaging over short modified periodograms”, IEEE Transation on Audio and Electro-Acoustics, AU-15(2).

Westergaard, H. M. (1933) – “Water Pressures on Dams during Earthquakes”, American Society of Civil Engineers,
Transactions, vol. 98, pp. 18-433. Discussion, pp. 434-472.

Zienkiewicz, O.C. (1967) – “The Finite Element Method in Structural and Continuum Mechanics”, Ed. McGraw-Hill.