CAPÍTULO 2: ANÁLISE DE SINAIS PERIÓDICOS:

SÉRIE DE FOURIER
CAPÍTULO 2: ANÁLISE DE SINAIS PERIÓDICOS

Introdução
Um dos principais objetivos de se analisar sinais é o de determinar o conteúdo
de frequência ou a faixa de frequência de sinais. Isto é de extrema importância
em diversos campos de aplicação. Em comunicações, sinais transmitidos por
estações AM são limitados na faixa de 535 kHz a 1650 kHz. Sinais de
estações FM ocupam a faixa de frequência entre 88 MHz a 108 MHz, as de
televisão UHF ocupam faixas entre 470 MHz e 890 MHz, e assim por diante,
para os demais tipos de serviços. Um sinal de voz típico ocupa uma faixa de
200 Hz a 4 kHz. Através da análise de sinais é possível entender como um
sinal de voz ou de música é transmitido em outra faixa de frequência (através
de modulação).
CAPÍTULO 2: ANÁLISE DE SINAIS PERIÓDICOS

Introdução
Uma outra aplicação importante de análise de sinais é a
eliminação de certos tipos de ruídos como o de máquinas,
transformadores de potência, ventiladores industriais, etc. Estes
tipos de equipamentos geram sinais periódicos, que podem ser
decompostos em vários sinais. Um microfone pode captar esse
ruído e um sistema computadorizado analisar este sinal e gerar
um outro sinal que é a imagem do ruído (um anti-ruído). Isto
cancela o ruído, não afetando a conversa normal entre as
pessoas que estejam no ambiente, por exemplo, dentro de um
avião.
CAPÍTULO 2: ANÁLISE DE SINAIS PERIÓDICOS

Introdução
Neste capítulo aborda-se a primeira parte da análise dos sinais de
tempo contínuo, enfatizando-se os sinais periódicos, através da
série de Fourier. No Capítulo 3, serão analisados em detalhes os
sinais aperiódicos, com o auxílio da transformada de Fourier. Antes,
porém, pretende-se discutir alguns conceitos preliminares sobre
espectros de linhas, produto vetorial e similaridades entre sinais
variáveis no tempo.
 CAPÍTULO 2: ANÁLISE DE SINAIS PERIÓDICOS

FASORES GIRATÓRIOS
Considere, inicialmente, o problema do regime permanente
sinusoidal, tal qual estudado na teoria de circuitos eléctricos.
Nesse caso, os sinais são constituídos por sinusóides eternos
e têm representação temporal como ilustrado na Figura, e
conforme discutido na Capítulo 1 da cadeira da ASS. Assim, se
x(t) for um sinal senoidal, então x 𝑡 = 𝐴𝑐𝑜𝑠 𝜔0 𝑡 + 𝜃
onde A é o valor de pico ou amplitude, 𝜔0 é a frequência
angular e 𝜃 é o ângulo de fase.
 CAPÍTULO 2: ANÁLISE DE SINAIS PERIÓDICOS
Sinal sinusoidal eterno.

A frequência angular, 𝜔0 [rad/s], relaciona-se com a frequência linear, 𝑓0 [Hertz],

através de 𝜔0 = 2π𝑓0 .
Conforme já foi enfatizado, a sinusóide eterna trata-se de uma
aproximação idealizada, em vista de considerar todos os instantes de tempo (-∞< t
< ∞). O modelo torna-se mais preciso, à medida que os tempos de observação
sejam longos comparados com o seu período T = 2𝜋/𝜔0 .
 CAPÍTULO 2: ANÁLISE DE SINAIS PERIÓDICOS
Espectro de linhas unilateral
A representação espectral do sinal senoidal pode ser obtida em termos de fasores
girantes, deduzidos a partir do teorema de Euler: 𝑒 ±𝑗𝜃 = 𝑐𝑜𝑠𝜃 ± 𝑗. 𝑠𝑖𝑛𝜃.
onde 𝜃 é um ângulo arbitrário. No caso da sinusóide eterna do slide anterior, percebe-se que:
𝑡 = 𝑅𝑒 𝐴𝑒 𝑗𝜃 . 𝑒 𝑗𝜔0𝑡 .
O termo entre colchetes em 𝑡 = 𝑅𝑒 𝐴𝑒 𝑗𝜃 . 𝑒 𝑗𝜔0𝑡 . pode ser interpretado como um
vetor girando no plano complexo, z, conforme ilustra a Figura. Assim, define-se o fasor girante
associado a v(t) como sendo o número complexo (na forma polar).
𝑧 = 𝑧(𝑡) = 𝑅𝑒 𝐴𝑒 𝑗𝜃 . 𝑒 𝑗𝜔0𝑡 .
O fasor girante tem magnitude A, gira no sentido anti-horário numa taxa de𝑓0 ciclos
por segundo (ou Hertz) e em t = 0 forma um ângulo 𝜃 com o eixo real positivo. A projeção do
fasor sobre o eixo real permite recuperar x(t), conforme estabelecido por 𝑡 = 𝑅𝑒 𝐴𝑒 𝑗𝜃 . 𝑒 𝑗𝜔0𝑡
 CAPÍTULO 2: ANÁLISE DE SINAIS PERIÓDICOS
Uma representação equivalente para o fasor complexo z(t), no domínio da frequência, constitui
o espectro de linhas (ou raias) unilateral, mostrado na Figura a seguir. Este diagrama informa
que na frequência de oscilação 𝑓0 , o fasor girante tem magnitude A, representado através de
uma linha no espectro de magnitudes, e fase 𝜃, representado por uma linha no espectro de
fases.

A fim de padronizar a representação espectral dos sinais, torna-se adequado estabelecer as

seguintes convenções [3]:
a) A variável independente para representar o espectro é a frequência linear, f , (e não a
frequência angular, 𝜔. Um valor particular de f é identificado por um subscrito como, por
exemplo, 𝑓0 ;
b) Os ângulos de fase são medidos em relação à função co-seno. Sinais em seno precisam ser
convertidos para co-senos, através da identidade: sen𝜃 = cos(𝜃 -900 );
c) Considera-se que a magnitude é sempre uma grandeza positiva. Quando sinais negativos
estão presentes, utiliza-se a identidade: -A.cos 𝜃 = A.(cos 𝜃 ± 1800 ).
 CAPÍTULO 2: ANÁLISE DE SINAIS PERIÓDICOS
Exemplo 2.1:
Esboçar o espectro unilateral do sinal 𝑤 𝑡 = 7 − 10 cos 40𝜋𝑡 − 600 −
4 sin 120𝜋𝑡 cuja forma de onda está desenhada na Figura esta desenhada neste slide abaio.

Solução: O espectro de linhas unilateral de w(t) pode ser obtido observado-se que 𝑤 𝑡 =
7 cos 20𝜋𝑡 + 10 cos 2𝜋20𝑡 + 1200 + 4cos(2𝜋60𝑡 − 900 ) e encontra-se
desenhado na Figura abaixo.
 CAPÍTULO 2: ANÁLISE DE SINAIS PERIÓDICOS

O exemplo anterior é muito ilustrativo pois

evidencia que uma superposição de sinusóides com
diferentes frequências e fases pode dar origem a uma
forma de onda não- sinusoidal, embora ainda periódica.
Assim, pode-se indagar se uma outra forma de onda
arbitrária (porém periódica) como uma dente-de-serra,
por exemplo, poderia ser sintetizada a partir da
superposição de sinusóides. Nas próximas seções esta
conjectura será confirmada, através do estudo da série
de Fourier.
 CAPÍTULO 2: ANÁLISE DE SINAIS PERIÓDICOS
Espectro de linhas bilateral
As representações espectrais unilaterais podem não ser tão interessantes e genéricas
quanto a representação denominada espectro bilateral, que envolve frequências positivas e
1
negativas. Nesse caso, recorre-se à propriedade dos números complexos𝑅𝑒 𝑍 = (𝑧 + 𝑧 ∗ ) ,
2
onde z é uma grandeza complexa e z* é o seu complexo conjugado. Assim, a partir de
𝑡 = 𝑅𝑒 𝐴𝑒 𝑗𝜃 . 𝑒 𝑗𝜔0𝑡 e 𝑧 = 𝑧(𝑡) = 𝑅𝑒 𝐴𝑒 𝑗𝜃 . 𝑒 𝑗𝜔0𝑡 , para 𝑧 = 𝐴. 𝑒 𝑗𝜃 . 𝑒 𝑗𝜔𝑡 , obtém-se:

onde 𝜔0 = 2𝜋𝑓0 . O par de fasores conjugados em

encontra-se desenhado, no plano complexo, conforme a conjugados em

 CAPÍTULO 2: ANÁLISE DE SINAIS PERIÓDICOS

Por sua vez, o espectro de linhas bilateral, encontra-se registrado

na Figura, aqual inclui informações sobre ambos os fasores: o fasor normal,
associado à frequência positiva (+𝑓0 ), e o fasor conjugado, correspondente
à frequência negativa (𝑓0 ), a fim de especificar a direção de rotação
negativa (no sentido horário).

Conforme se observa, o espectro de magnitudes possui simetria par,

enquanto o espectro de fases tem simetria ímpar.
 CAPÍTULO 2: ANÁLISE DE SINAIS PERIÓDICOS
Exemplo 2.2:
Esboçar o espectro bilateral do sinal w(t) estudado no exemplo 2.1.
Solução: O sinal w(t) pode ser rescrito como:

e portanto, obtém-se o espectro mostrado

 CAPÍTULO 2: ANÁLISE DE SINAIS PERIÓDICOS

Produto Escalar

Análise da “semelhança” entre vetores. A magnitude do vetor erro em b) é menor que nos casos a) e c)
 CAPÍTULO 2: ANÁLISE DE SINAIS PERIÓDICOS

Recorrendo-se a álgebra vetorial, pode-se especificar o fator constante C12 aplicando-

se a definição de produto escalar:
 CAPÍTULO 2: ANÁLISE DE SINAIS PERIÓDICOS
Um critério bastante usado para minimizar fe(t) constitui na minimização do erro
quadrático médio,∈, ou seja, na minimização de:

onde (t2-t1) é um intervalo de observação dentro do qual deseja-se efetuar a

comparação dos sinais. Assim, torna-se necessário estabelecer o valor de C12 que
satisfaça a condição:

ou, substituindo a equacao , que satisfaça a

Como f1(t) não depende de C12, a primeira integral acima é nula e, portanto, obtém-
se que:
 CAPÍTULO 2: ANÁLISE DE SINAIS PERIÓDICOS

Ressalta-se a semelhança entre a expressão

para sinais, e

para vetores. Assim, por analogia com vetores, C12f2(t) representa a componente de f1(t) sobre o
sinal f2(t). Além disso, define-se o produto escalar entre as funções,
• f (t).f (t) 1 2 , num intervalo (t1,t2) por
 Bibliografia:
[1] Schwartz, M. & Shaw, L., Signal Processing: Discrete Spectral Analysis,
Detection, and Estimation, McGraw-Hill, 1975.
[2] Oppenheim, A.V. , Willsky, A.S. and Young, I.T., Signals and Systems, Prentice-
Hall Signal Processing Series, 1983.
[3] Carlson, A.B., Communication Systems – An Introduction to Signal and Noise in
Electrical Communication, Third edition, McGraw-Hill, 1986. [4] Lathi, B.P., Sistemas
de Comunicação, Editora Guanabara, 1979
[5] Close, C.M., Circuitos Lineares, vol.1, Ed da Universidade de São Paulo e Livros
Técnicos e Científicos Ed. S.A., 1975.
[6] Roden, M.S., Analog and Digital Communication Systems, Fourth edition,
Prentice Hall, 1996.
[7] Spiegel, M.R., Análise de Fourier, McGraw-Hill, 1976.
[8] Glisson, T.H., Introduction to System Analysis, McGraw-Hill, 1985.
[9] Papoulis, A., Signal Analysis, McGraw-Hill International Editions, 1984. [10]
Oppenheim, A.V. & Schafer, R.W., Discrete-Time Signal Processing, Second
Edition, Prentice Hall, USA, 1999.