Transformadas de Fourier

Transformada de Fourier no tempo contínuo (TFTC)

A equação de análise

É uma transformação de um domínio de uma variável real $\mathrm {x(t)}$ de tempo continuo em uma variável complexa $\mathrm {X(\Omega )}$ de frequência contínua.

$\mathrm {\ DT\rightarrow DF}$.

$\mathrm {x:\mathbb {R} \rightarrow \mathbb {C} }$.

$$\mathrm {X(\Omega )\equiv {\mathcal {F}}\{x(t)\}\ {\overset {\underset {\mathrm {def} }{}}{=}}\int _{-\infty }^{\infty }x(t)\ e^{-j\Omega t}\operatorname {d} \!t}$$

A equação de síntese

É uma transformação de um domínio de uma variável complexa $\mathrm {X(\Omega )}$ de frequência contínua em uma variável real $\mathrm {x(t)}$ de tempo continuo.

$\mathrm {\ DF\rightarrow DT}$.

$\mathrm {X:\mathbb {C} \rightarrow \mathbb {R} }$.

$$\mathrm {x(t)\equiv {\mathcal {F}}^{-1}\{X(\Omega )\}\ {\overset {\underset {\mathrm {def} }{}}{=}}{\frac {1}{2\pi }}\int _{-\infty }^{\infty }X(j\Omega )\ e^{j\Omega t}\operatorname {d} \!\Omega }$$

Transformada de Fourier no tempo discreto (TFTD)

• O sinal $\mathrm {x(n)}$ é discreto no tempo, e o sinal $\mathrm {X(\Omega )}$ é contínuo e periódico em $\mathrm {2\pi }$.

A equação de análise

É uma transformação de um domínio de uma variável real $\mathrm {x(n)}$ de tempo discreto em uma variável complexa $\mathrm {X(\omega )}$ frequência contínua periódica.

$\mathrm {\ DT\rightarrow DF}$.

$\mathrm {x:\mathbb {R} \rightarrow \mathbb {C} }$.

$$\mathrm {X(e^{j\omega })\equiv {\mathcal {F}}\{x(n)\}\ {\overset {\underset {\mathrm {def} }{}}{=}}\sum _{n=-\infty }^{\infty }x(n)\ e^{-j\omega n}}$$

A equação de síntese

É uma transformação de um domínio de uma variável complexa $\mathrm {X(\omega )}$ de frequência contínua periódica em uma variável real $\mathrm {x(n)}$ continua.

$\mathrm {\ DF\rightarrow DT}$.

$\mathrm {X:\mathbb {C} \rightarrow \mathbb {R} }$.

$$\mathrm {x(n)\equiv {\mathcal {F}}^{-1}\{X(e^{j\omega })\}\ {\overset {\underset {\mathrm {def} }{}}{=}}{\frac {1}{2\pi }}\int _{-\infty }^{\infty }X(e^{j\omega })\ e^{j\omega n}\operatorname {d} \omega }$$

Transformada de Discreta de Fourier (TDF)

• O sinal $\mathrm {x(n)}$ é discreto no tempo, e o sinal $\mathrm {X(k)}$ é discreto e periódico em $\mathrm {2\pi }$.

A equação de análise

É uma transformação de um domínio de uma variável real $\mathrm {x(n)}$ de tempo discreto em uma variável complexa $\mathrm {X(k)}$ frequência discreta periódica.

$\mathrm {\ DT\rightarrow DF}$.

$\mathrm {x:\mathbb {R} \rightarrow \mathbb {C} }$.

$$\mathrm {X(k)\equiv {\mathcal {F}}\{x(n)\}\ {\overset {\underset {\mathrm {def} }{}}{=}}\sum _{k=0}^{N-1}x(n)\ e^{-j(2\pi /N)kn}}$$

, para $\mathrm {0\leq k\leq N-1} \$

A equação de síntese

É uma transformação de um domínio de uma variável complexa $\mathrm {X(\omega )}$ de frequência discreta periódica em uma variável real $\mathrm {x(n)}$ discreta.

$\mathrm {\ DF\rightarrow DT}$.

$\mathrm {X:\mathbb {C} \rightarrow \mathbb {R} }$.

$$\mathrm {x(n)\equiv {\mathcal {F}}^{-1}\{X(k)\}\ {\overset {\underset {\mathrm {def} }{}}{=}}{\frac {1}{N}}\sum _{n=0}^{N-1}X(k)\ e^{j(2\pi /N)kn}}$$

, para $\mathrm {0\leq n\leq N-1} \$

Obtenção da TDF a partir da amostragem da TFTD

Sinais discretos no tempo podem ser representados pela sua TFTD, que é uma função continua periódica em $\mathrm {2\pi }$ de $\mathrm {\omega }$ :

$$\mathrm {X(e^{j\omega })=\sum _{n=-\infty }^{\infty }x(n)e^{-j\omega n}}$$

Para que a mesma possa ser utilizada no processamento de sinais digitais é necessário que a variável frequência seja também discreta. Se amostrarmos uniformemente a frequência $\mathrm {\omega }$ em N amostras entre 0 e $\mathrm {2\pi }$ é possível obter a TDF (ou DFT - Discrete Fourier Transform). Assim se tomarmos N frequências $\mathrm {\omega _{k}=(2\pi /N)k} \$ com $k\in \mathbb {Z} \$, and $\mathrm {0\leq k\leq N-1} \$, obtemos o espectro amostrado uniformemente:

$$\mathrm {X'(e^{j\omega })=X(e^{j\omega })\sum _{k=-\infty }^{\infty }\delta \left(\omega -{\frac {2\pi }{N}}k\right)}$$

.

O sinal equivalente no tempo pode ser obtido aplicando a transformada inversa e a convolução:

$$\mathrm {x'(n)={\mathcal {F}}^{-1}\{X'(e^{j\omega })\}=x(n)*\left({\frac {N}{2\pi }}\sum _{p=-\infty }^{\infty }\delta (n-Np)\right)={\frac {N}{2\pi }}\sum _{p=-\infty }^{\infty }x(n-Np)}$$

.

O que mostra que o sinal Esse sinal $\mathrm {x'(n)} \$ são repetições periódicas (com período N) do sinal discreto $\mathrm {x(n)} \$ original.

• Note que N o período de repetição do sinal $\mathrm {x'(n)} \$ é o mesmo período de repetição das N amostras da TFTD $\mathrm {X(e^{j\omega })} \$ original.
• Se o comprimento L o sinal do $\mathrm {x(n)} \$ for maior que N o período de repetição do sinal $\mathrm {x'(n)} \$, haverá sobreposição das amostras no tempo (time aliasing), e não será possível recuperar o sinal original.
• Por outro lado, se $\mathrm {L\leq N} \$ então $\mathrm {x'(n)} \$ é a repetição periódica exata de $\mathrm {x(n)} \$.

$$\mathrm {x(n)={\frac {2\pi }{N}}x'(n)}$$

, para $\mathrm {0\leq n\leq N-1} \$.

Portanto, é possível recuperar as amostras do sinal digital no tempo $\mathrm {x(n)} \$ a partir das suas amostras digitais na frequência, desde que o período de repetição das N amostras de frequencia seja maior ou igual ao comprimento L do sinal no tempo.