ESZI016-17 PROJETO

DE FILTROS DIGITAIS
Ricardo Suyama
ricardo.suyama@ufabc.edu.br
Sala 728-1
AULA 01 – APRESENTAÇÃO
DO CURSO E INTRODUÇÃO
ESZI016-17 – Projeto de Filtros Digitais
Apresentação
• ESZI016-17– Projeto de Filtros Digitais
• Recomendação: Processamento Digital de Sinais
• Ementa: Características dos Filtros Digitais; Filtros de Fase Linear;
Projeto de Filtros FIR; Projeto de Filtros IIR.

• Características das Aulas

• Aulas Teóricas Expositivas
• Exercícios teóricos e computacionais
Avaliação
Média (M) Conceito

• A avaliação consistirá de M ≥ 8,5 A

7,0 ≤ M < 8,5 B

• Relatórios Individuais 5,0 ≤ M < 7,0 C

• Relatórios em grupo 4,0 ≤ M < 5,0 D

M < 4,0 F
• Projeto

• Conceito Final:
𝑀𝑅𝐼 + 𝑀𝑅𝐺 + 𝑃𝑟𝑜𝑗
𝑀=
3
OU
𝑀𝑅𝐼 + 𝑀𝑅𝐺 + 𝑃𝑟𝑜𝑗
𝑀= + 0,5 × 𝑃𝑟𝑒𝑐
6
Cronograma
Aula Data Conteúdo
01 04/06 Introdução e Revisão – Sistemas LIT e Representação no
Domínio da Frequência
02 08/06 Revisão – Transformada de Fourier de Tempo Discreto,
Amostragem, DFT e Transformada Z
03 11/06 Revisão – Análise de Sistemas no Domínio Transformado /
Estruturas de Filtros Digitais
04 15/06 Laboratório Individual 1
05 18/06 Projeto de Filtros FIR – Parte 1
06 22/06 Projeto de Filtros FIR – Parte 2
07 25/06 Projeto de Filtros FIR – Parte 3
08 29/06 Laboratório Individual 2
09 02/07 Filtros IIR Analógicos
10 06/07 Projeto de Filtro IIR – Parte 1
11 13/07 Laboratório Individual 3
12 16/07 Projeto de Filtro IIR – Parte 2
Cronograma
Aula Data Conteúdo
13 20/07 Projeto de Filtro IIR – Parte 3
14 23/07 Implementação em Precisão Finita
15 27/07 Laboratório individual 4
16 30/07 Laboratório 5 – Parte 1
17 03/08 Laboratório 5 – Parte 2
18 06/08 Laboratório 6 – Parte 1
19x 10/08 Laboratório 6 – Parte 2
20 13/08 Laboratório 7 – Parte 1
21x 17/08 Laboratório 7 – Parte 8
22x 24/08 Desenvolvimento do Projeto Final
23 27/08 Desenvolvimento do Projeto Final
24 28/08 Entrega do Projeto Final
Bibliografia
• INGLE, V. K.; PROAKIS, J. G.; Digital Signal Processing using MATLAB,
Thomson, 2a Ed.,2006.
• SILVA, E. A. B. ; LIMA NETTO, S.; DINIZ, P. S. R.; Processamento Digital de
Sinais – Projeto e Análise de Sistemas, Bookman, 1a Ed., 2004.
• HAYES, M. H.; Processamento Digital de Sinais, Artmed, 1a Ed., 2006.
• MITRA, S. Digital Signal Processing: A Computer Based Approach, McGraw-
Hill, 3a Ed., 2004.
• OPPENHEIM, A. V.; SCHAFER, R. W.; BUCK, J. R. Discrete–Time Signal
Processing, Prentice Hall, 2a Ed., 1999.
• PROAKIS, J. G.; MANOLAKIS, D. K.; Digital Signal Processing: Principles,
Algorithms and Applications, Prentice Hall", 3ª Ed., 1995.
• HAYKIN, S. S.; VAN VEEN, B. Sinais e sistemas, Bookman, 2001.
• CARLSON, G. E. Signal and linear system analysis, 2nd d., John Wiley, 1998.
• LYONS, R. G Understanding digital signal processing / 2 ed, Prentice Hall PTR
2004
• Smith, Steven W. The Scientist and Engineer's Guide to Digital Signal
Processing, California Technical Pub, 1997 (Disponível Online:
http://www.dspguide.com/)
 Motivação – Equipamentos de Áudio

Stereo
Record Player Amplifier

Tape Deck

Equalizador multibanda
HF, MIF-HI, MID-LO, LF
Radio
Limitação do Processamento Analógico de Sinais

• Precisão limitada
• Tolerâncias de Componentes
• Não-linearidade indesejadas
• Repetitividade limitada
• Tolerâncias
• Mudanças nas condições ambientais
• Temperatura
• Vibração
• Sensibilidade a ruído elétrico
• Range Dinâmico limitado (tensão e corrente)
• Dificuldade em implementar certas operações
• Operações não-lineares (e.g., multiplicação)
• Operações variantes no tempo
• Dificuldade para armazenamento de informação
 Processamento Digital de Sinais

“Cool Edit”
Stereo Waveform Editor
Record Player Amplifier
Sound D Sound
Card Left Channel Card
A/D S D/A

Tape Deck P
Right Channel

Multichannel (Stereo) Signals

Analog/ Digital/ Digital Signal Processing:

Radio Continuous- Discrete- 1) Noise Reduction
Time Time -Digital Filtering, etc.
2) Signal Compression
Signals Signals -MP3, JPEG/MPEG Image, etc.
3) Spectral Analysis (e.g., FFT)
Processamento Digital de Sinais
• Representa sinais por meio de uma sequência de
números
• Amostragem ou Conversão Analógico-Digital
• Processamento da sequência por meio de um
processador digital
• Reconstrução do sinal analógico a partir dos números
processados
• Reconstrução ou Conversão Digital-Analógica

digital digital
signal signal
analog analog
signal A/D DSP D/A signal
Exemplo 1: Filtro Analógico Passivo
 Resposta em Frequência
0
R = 1000 , C = 159nF
-1 R + 5%, C + 10%
R - 5%, C - 10%
-2

-3

-4
|H(s)| (dB)

-5

-6

-7 Fase
0
R = 1000 , C = 159nF
-8 R + 5%, C + 10%
R - 5%, C - 10%

-9
-0.5

-10
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5

 (rad)
f (kHz)
-1

Magnitude
-1.5
0 1 2 3 4 5 6 7 8 9 10
f (kHz)
Filtro Digital
digital digital
signal signal
analog analog
signal A/D DSP D/A signal

• Considere que os sinais são amostrados a uma taxa de 𝑓𝑠 = 40𝑘𝐻𝑧, ou

1
seja, o período de amostragem é de 𝑇𝑠 =
40𝑘𝐻𝑧

• Assim
𝑥 𝑛 = 𝑥 𝑛𝑇𝑠
Filtro Digital
• Projeto deve ser feito de acordo com as especificações
definidas a priori
• Frequência de corte : 𝑓𝑐 = 1𝑘𝐻𝑧
• Atenuação na frequência de corte: 3dB

• Considerando a taxa de amostragem 𝑓𝑠 = 40𝑘𝐻𝑧, a saída

do filtro digital será obtida por meio da seguinte equação

𝑦 𝑛 = 0.8541 𝑦 𝑛 − 1 + 0.073 𝑥 𝑛 + 0.073 𝑥 𝑛 − 1

• Como foram obtidos os coeficientes acima? Veremos

mais adiante no curso
Resposta em frequência do filtro digital

0
R = 1000 , C = 159nF
-1 R + 5%, C + 10%
R - 5%, C - 10%
-2
Filtro Digital

-3

-4
|H(s)| (dB)

-5

-6

-7

-8

-9

-10
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
f (kHz)
Exemplo 2: Filtro Passa Baixas de alta
ordem
• Filtro analógico • Filtros passa-baixa digitais
• Vários estágios • Filtro IIR Chebyshev Tipo I de
• Sensibilidade aos parâmetros 6a ordem
• Filtro FIR 129-Taps

• Característica ideal
• 0dB de ripple na faixa de
passagem
• Transição
abrupta/instantânea entre
faixa de passagem e faixa de
rejeição
• Atenuação infinita na faixa de
rejeição
Filtro IIR passa-baixas de 6a ordem
Filtro IIR passa-baixas de 6a ordem
(Pass-Band Ripple de 1.0 dB)
Filtro FIR passa-baixas (129 coeficientes)
Filtro FIR passa-baixas (129 coeficientes) -
Pass-Band Ripple < 0.002 dB
Processamento Digital de Sinais

Importante: não é possível reconstruir adequadamente os

sinais se informações forem perdidas no processo de
amostragem!
Amostrando Sinais
• Suponha que tenhamos a seguinte sequência de valores
𝑥 0 = 0,𝑥 1 = 0.866, 𝑥 2 = 0.866, 𝑥 3 = 0, 𝑥 4 =
− 0.866, 𝑥 5 = −0.866
• Se as amostras foram colhidas de um sinal senoidal, a
intervalos regulares de tempo, qual é o sinal de tempo
contínuo que deu origem a esta sequência de valores?

𝑥 6 =0
Amostrando Sinais
• Na realidade há mais de
uma possibilidade para o
sinal de tempo contínuo
• Considere o sinal de
tempo contínuo

𝑥 𝑡 = sin 2𝜋𝑓0 𝑡

amostrado a uma taxa de 𝑓𝑠

amostras/s (1 amostra a 𝑥 0 = sin 2𝜋𝑓0 0𝑇𝑠
cada 𝑇𝑠 = 1/𝑓𝑠 s),
𝑥 1 = sin 2𝜋𝑓0 1𝑇𝑠
𝑥 𝑛 = sin 2𝜋𝑓0 𝑛𝑇𝑠 ⋮
𝑥 𝑛 = sin 2𝜋𝑓0 𝑛𝑇𝑠
Amostrando Sinais
𝑓𝑠 = 6kHz

𝑓0 = 7kHz
𝑓1 = 7kHz + −1 𝑓𝑠
= 1kHz

𝑓0 = 4kHz
𝑓1 = 4kHz + −1 𝑓𝑠
= −2kHz

Ambiguidade em frequência, ou aliasing

Amostrando Sinais
• Novamente, sabendo que
𝒇𝟎 (𝒌 = 𝟎) 𝒇𝟏 (𝒌 = 𝟏)
𝑥 𝑛 = sin 2𝜋𝑛𝑇𝑠 -3kHz 3kHz
= sin 2𝜋 𝑓0 + 𝑘𝑓𝑠 𝑛𝑇𝑠 -2kHz 4kHz
-1kHz 5kHz
e considerando que 𝑓𝑠 = 6kHz: 0 6kHz
1kHz 7kHz
2kHz 8kHz
3kHz 9kHz
Amostrando Sinais
Amostrando Sinais em Banda-Base
• Considere que estamos
amostrando um sinal cujo
espectro é mostrado na figura (a)

• Como vimos anteriormente, o

processo de amostragem dá
origem a réplicas do espectro
original, espaçadas de 𝑓𝑠 Hz

• Se 𝑓𝑠 é suficientemente alta (>

2𝐵), não há sobreposição das
réplicas → Critério de Nyquist

• No entanto, se 𝑓𝑠 não for ajustado

adequadamente, haverá
sobreposição → aliasing
Sistemas de Tempo Discreto
• Sistema: definido matematicamente como uma transformação
ou operador que mapeia uma sequência de entrada 𝑥 𝑛 em
uma sequência de saída 𝑦 𝑛

𝑦 𝑛 =𝑇 𝑥 𝑛

• Exemplo: Atrasador
𝑦 𝑛 = 𝑥 𝑛 − 𝑛𝑑

• Exemplo: Média Móvel

𝑀
1
𝑦 𝑛 = ෍𝑥 𝑛−𝑘
𝑀+1
𝑘=0
Sistemas de Tempo Discreto
• Sistema sem memória
• Saída do sistema 𝑦 𝑛 para um determinado instante de tempo 𝑛
depende apenas do valor da sequência 𝑥 𝑛 para o mesmo
instante de tempo 𝑛
• Exemplo: 𝑦 𝑛 = 𝑥 𝑛 2

• Sistema Linear
• Suponha que para uma entrada 𝑥1 𝑛 o sistema produz uma saída
𝑦1 𝑛 e para uma entrada 𝑥2 𝑛 o sistema produz uma saída 𝑦2 𝑛 ,
i.e., 𝑦1 𝑛 = 𝑇 𝑥1 𝑛 e 𝑦2 𝑛 = 𝑇 𝑥2 𝑛
• Um sistema é dito Linear se
• 𝑇 𝑥1 𝑛 + 𝑥2 𝑛 = 𝑇 𝑥1 𝑛 + 𝑇 𝑥2 𝑛 = 𝑦1 𝑛 + 𝑦2 𝑛 , e
• 𝑇 𝑎𝑥1 𝑛 = 𝑎𝑇 𝑥1 𝑛 = 𝑎𝑦1 𝑛 , para qualquer constante 𝑎.
Sistemas de Tempo Discreto
• Sistemas Invariantes no Tempo (Invariantes ao
deslocamento)
• Se para um entrada 𝑥1 𝑛 o sistema produz uma saída 𝑦1 𝑛 ,
então a saída para a mesma entrada atrasada no tempo 𝑥2 𝑛 =
𝑥1 𝑛 − 𝑛0 é igual 𝑦2 𝑛 = 𝑦1 𝑛 − 𝑛0

• Sistemas Causais
• Um sistema é dito Causal se, para qualquer escolha de 𝑛0 , o valor
da sequência de saída para 𝑛 = 𝑛0 depende apenas de valores da
sequência de entrada que correspondem a 𝑛 ≤ 𝑛0
• Sistema “não-antecipativo”
Sistemas de Tempo Discreto
• Estabilidade
• Um sistema é dito Estável, no sentido Bounded-Input, Bounded-
Output (Entrada limitada, Saída limitada) se para toda sequência
com valores limitados na entrada produz saídas limitadas também,
i.e.,
𝑥 𝑛 ≤ 𝐵𝑥 < ∞ → 𝑦 𝑛 ≤ 𝐵𝑦 < ∞
• Exemplos:
• Sistema estável: 𝑦 𝑛 = 𝑥 𝑛 − 𝑥 𝑛 − 1 + 0,5 𝑥 𝑛 − 2
• Sistema instável:
𝑦 𝑛 = 𝑎𝑦 𝑛 − 1 − 𝑥 𝑛
para 𝑎 > 1
Síntese de Sequências
• Sequências arbitrárias podem ser representadas como uma
soma ponderada de impulsos deslocados. Por exemplo, a
sequência representada abaixo

pode ser descrita como

𝑥 𝑛 = 𝑎−3 𝛿 𝑛 + 3 + 𝑎1 𝛿 𝑛 − 1 + 𝑎2 𝛿 𝑛 − 2 + 𝑎7 𝛿 𝑛 − 7

• De maneira geral, qualquer sequência pode ser expressa por:

∞

𝑥 𝑛 = ෍ 𝑥 𝑘 𝛿 𝑛−𝑘
𝑘=−∞
Sistemas Lineares Invariantes no Tempo
• Conforme vimos, a sequência de entrada pode ser descrita como
uma soma ponderada de impulsos
∞

𝑥 𝑛 = ෍ 𝑥 𝑘 𝛿 𝑛−𝑘
𝑘=−∞
• Considere a resposta do sistema a um impulso deslocado no tempo,
i.e.,
ℎ𝑘 𝑛 = 𝑇 𝛿 𝑛 − 𝑘

• Se o sistema é linear, temos que

∞ ∞

𝑦 𝑛 =𝑇 ෍ 𝑥 𝑘 𝛿 𝑛−𝑘 = ෍ 𝑥 𝑘 𝑇 𝛿 𝑛−𝑘
𝑘=−∞ 𝑘=−∞
∞

= ෍ 𝑥 𝑘 ℎ𝑘 𝑛
𝑘=−∞
Sistemas Lineares Invariantes no Tempo
• Se além de linear, o sistema é invariante no tempo
• Considere a saída do sistema quando a entrada é um impulso
centrado na origem
ℎ0 𝑛 = 𝑇 𝛿 𝑛
• A resposta do sistema para o mesmo impulso deslocado será
ℎ𝑘 𝑛 = 𝑇 𝛿 𝑛 − 𝑘 = ℎ0 𝑛 − 𝑘 = ℎ 𝑛 − 𝑘
• Assim, podemos representar a resposta do sistema a impulsos
deslocados por apenas uma função ℎ 𝑛 , denominada resposta ao
impulso.
• Dessa forma
∞

𝑦 𝑛 = ෍ 𝑥 𝑘 ℎ 𝑛−𝑘
𝑘=−∞
Sistemas Lineares Invariantes no Tempo
• A saída de um sistema Linear Invariante no Tempo é
dada por
∞

𝑦 𝑛 = ෍ 𝑥 𝑘 ℎ 𝑛−𝑘
𝑘=−∞

𝑦 𝑛 =𝑥 𝑛 ∗ℎ 𝑛

i.e., a saída do sistema é dada pela convolução entre a

sequência de entrada e a resposta ao impulso do sistema.
Convolução
• Saída do sistema pode ser
vista como a superposição
de respostas a amostras
individuais da entrada
(impulsos deslocados no
tempo, e com amplitude
igual à amostra do sinal de
entrada)

• Em outras palavras, a
resposta ao impulso ℎ 𝑛
caracteriza completamente
o sistema linear invariante
no tempo
Convolução
• A saída do sistema é dada
pela soma de convolução
∞

𝑦 𝑛 = ෍ 𝑥 𝑘 ℎ 𝑛−𝑘
𝑘=−∞
• Para cada possível valor de
𝑛, temos de realizar a soma
dos produtos entre a
sequência 𝑥 𝑘 e ℎ(𝑛 − 𝑘)
• Ao lado, ilustramos a
sequência ℎ(𝑛 − 𝑘) para
𝑛 = 0 e para um valor
arbitrário de 𝑛.
Convolução - Exemplo
1.5

• Considere um sistema
com resposta ao impulso 1

ℎ 𝑛 =𝑢 𝑛 −𝑢 𝑛−𝑁
1, 0 ≤ 𝑛 ≤ 𝑁 − 1 0.5

=ቊ
0, caso contrário
0
-10 -8 -6 -4 -2 0 2 4 6 8 10

Cuja entrada é dada por 1.5

1
𝑛
𝑎 , 𝑛≥0
𝑥 𝑛 =ቊ
0, caso contrário 0.5

= 𝑎𝑛 𝑢 𝑛
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
Convolução - Exemplo
y(-7) = 0
1.5

0.5

0
-10 -8 -6 -4 -2 0 2 4 6 8 10

0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(-6) = 0
1.5

0.5

0
-10 -8 -6 -4 -2 0 2 4 6 8 10

0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(-5) = 0
1.5

0.5

0
-10 -8 -6 -4 -2 0 2 4 6 8 10

0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(-4) = 0
1.5

0.5

0
-10 -8 -6 -4 -2 0 2 4 6 8 10

0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(-3) = 0
1.5

0.5

0
-10 -8 -6 -4 -2 0 2 4 6 8 10

0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(-2) = 0
1.5

0.5

0
-10 -8 -6 -4 -2 0 2 4 6 8 10

0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(-1) = 0
1.5

0.5

0
-10 -8 -6 -4 -2 0 2 4 6 8 10

0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(0) = 1
1.5

0.5

0
-10 -8 -6 -4 -2 0 2 4 6 8 10

0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(1) = 1.7
1.5

0.5

0
-10 -8 -6 -4 -2 0 2 4 6 8 10

0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(2) = 2.19
1.5

0.5

0
-10 -8 -6 -4 -2 0 2 4 6 8 10

0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(3) = 2.533
1.5

0.5

0
-10 -8 -6 -4 -2 0 2 4 6 8 10

0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(4) = 2.7731
1.5

0.5

0
-10 -8 -6 -4 -2 0 2 4 6 8 10

0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(5) = 1.9412
1.5

0.5

0
-10 -8 -6 -4 -2 0 2 4 6 8 10

0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(6) = 1.3588
1.5

0.5

0
-10 -8 -6 -4 -2 0 2 4 6 8 10

0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(7) = 0.95117
1.5

0.5

0
-10 -8 -6 -4 -2 0 2 4 6 8 10

0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(8) = 0.66582
1.5

0.5

0
-10 -8 -6 -4 -2 0 2 4 6 8 10

0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(9) = 0.46607
1.5

0.5

0
-10 -8 -6 -4 -2 0 2 4 6 8 10

0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(10) = 0.32625
1.5

0.5

0
-10 -8 -6 -4 -2 0 2 4 6 8 10

0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(11) = 0.2086
1.5

0.5

0
-10 -8 -6 -4 -2 0 2 4 6 8 10

0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(12) = 0.12625
1.5

0.5

0
-10 -8 -6 -4 -2 0 2 4 6 8 10

0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(13) = 0.068601
1.5

0.5

0
-10 -8 -6 -4 -2 0 2 4 6 8 10

0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(14) = 0.028248
1.5

0.5

0
-10 -8 -6 -4 -2 0 2 4 6 8 10

0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(15) = 0
1.5

0.5

0
-10 -8 -6 -4 -2 0 2 4 6 8 10

0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução – Exemplo
3

2.5

1.5

0.5

0
-6 -4 -2 0 2 4 6 8 10 12 14
Propriedades de Sistemas LIT
Estabilidade de Sistemas LIT
• Conforme visto anteriormente, um sistema será estável se
𝑥 𝑛 ≤ 𝐵𝑥 < ∞ → 𝑦 𝑛 ≤ 𝐵𝑦 < ∞

Assim, para sistemas lineares invariantes no tempo

∞ ∞

𝑦 𝑛 = ෍ 𝑥 𝑘 ℎ 𝑛−𝑘 ≤ ෍ 𝑥 𝑛−𝑘 ℎ 𝑘
𝑘=−∞ 𝑘=−∞
se 𝑥 𝑛 ≤ 𝐵𝑥 , então
∞

𝑦 𝑛 ≤ 𝐵𝑥 ෍ ℎ 𝑘
𝑘=−∞
ou seja, se σ∞
𝑘=−∞ ℎ 𝑘 < ∞, a condição acima é satisfeita e o
sistema linear invariante no tempo é estável.
Causalidade de Sistemas LIT
• Um sistema é Causal se, para qualquer escolha de 𝑛0 , o valor da
sequência de saída para 𝑛 = 𝑛0 depende apenas de valores da
sequência de entrada que correspondem a 𝑛 ≤ 𝑛0
• No caso de sistema lineares invariantes no tempo, isso significa que
∞

𝑦 𝑛0 = ෍ 𝑥 𝑘 ℎ 𝑛0 − 𝑘
𝑘=−∞
𝑛0 ∞

= ෍ 𝑥 𝑘 ℎ 𝑛0 − 𝑘 + ෍ 𝑥 𝑘 ℎ 𝑛0 − 𝑘
𝑘=−∞ 𝑘=𝑛0 +1
=0
• O segundo somatório somente será igualmente nulo para qualquer
sequência de entrada caso ℎ 𝑛0 − 𝑘 = 0 para 𝑘 ≥ 𝑛0 + 1, i.e.:
ℎ −1 = 0; ℎ −2 = 0; …
ℎ 𝑘 = 0 para 𝑘 < 0
Equações a diferenças e Sistemas LIT
• Uma classe importante de sistemas LIT consiste de
sistemas que podem ser representados por meio de uma
equação a diferenças, da seguinte forma

𝑎0 𝑦 𝑛 + 𝑎1 𝑦 𝑛 − 1 + ⋯ + 𝑎𝑁 𝑦 𝑛 − 𝑁
= 𝑏0 𝑥 𝑛 + 𝑏1 𝑥 𝑛 − 1 + ⋯ + 𝑏𝑀 𝑥 𝑛 − 𝑀

𝑁 𝑀

෍ 𝑎𝑘 𝑦 𝑛 − 𝑘 = ෍ 𝑏𝑚 𝑥 𝑛 − 𝑚
𝑘=0 𝑚=0
Equações a diferenças
• Tempo contínuo → Equações diferenciais
• Tempo discreto → Equações a diferenças
• Solução de equações a diferenças
𝑦 𝑛 = 𝑦𝑝 𝑛 + 𝑦ℎ 𝑛
onde 𝑦ℎ 𝑛 é a solução homogênea, i.e., solução para a
equação
𝑁

෍ 𝑎𝑘 𝑦ℎ 𝑛 − 𝑘 = 0
𝑘=0
• 𝑦ℎ 𝑛 deve ser da seguinte forma
𝑁
𝑛
𝑦ℎ 𝑛 = ෍ 𝐴𝑚 𝑧𝑚
𝑚=1
Sistemas FIR e IIR
Se 𝑁 = 0 não há recursão → sistema FIR
Se 𝑁 ≥ 1 há recursão
• Um sistema é denominado FIR (Finite Impulse Response)
se a resposta ao impulso do sistema ℎ 𝑛 = 0 para 𝑛 < 𝑎
e 𝑛 > 𝑏, para valores −∞ < 𝑎 < 𝑏 < ∞
• Um sistema é denominado IIR (Infinite Impulse
Response) se a resposta ao impulso do sistema se
estende de −∞ a ∞ .
• Quando o sistema é representado por uma equação a
diferenças
𝑁 𝑀
𝑎𝑘 𝑏𝑘
𝑦 𝑛 = −෍ 𝑦 𝑛−𝑘 +෍ 𝑥 𝑛−𝑘
𝑎0 𝑎0
𝑘=1 𝑘=0
Sistemas FIR e IIR
• Se 𝑁 = 0, não há recursão
𝑀
𝑏𝑘
𝑦 𝑛 = ෍ 𝑥 𝑛−𝑘
𝑎0
𝑘=0
• A resposta ao impulso é dada por
𝑁
𝑏𝑘
ℎ 𝑛 = ෍ 𝛿 𝑛−𝑘
𝑎0
𝑘=1
• Portanto, o sistema é FIR
Sistemas FIR e IIR
• Se 𝑁 > 0, há recursão
𝑁 𝑀
𝑎𝑘 𝑏𝑘
𝑦 𝑛 = −෍ 𝑦 𝑛−𝑘 +෍ 𝑥 𝑛−𝑘
𝑎0 𝑎0
𝑘=1 𝑘=0
• Por exemplo
𝑦 𝑛 = 𝑎𝑦 𝑛 − 1 + 𝑥 𝑛

A resposta ao impulso desse sistema é dado por

ℎ 𝑛 = 𝑎𝑛 𝑢 𝑛

• Portanto, nesse caso o sistema é IIR.

• Importante: 𝑁 > 0 não garante que o sistema será IIR.