PSD29007-Engtelecom(2018-2) - Prof. Marcos Moecke

Registro on-line das aulas

Unidade 1

Unidade 1 Aula 1 (26 jul) Apresentação da disciplina Autoinscrição na Plataforma Moodle de PSD29007 (engtelecom) Revisão de Sinais e Sistemas no tempo discreto em Matlab: Revisão de Sinais e Sistemas no tempo discreto em Matlab: Explorar a interface do Matlab. Funções de visualização das variáveis no workspace. Execução de instruções passo a passo. Escrita de script .m Uso da execução das seções de um script. Incremento de valor e execução. EXEMPLOS: Leia com atenção e execute o exemplo (Moving-Avarage Filter) na página de help da função filter. ATUAL Aula 2 (31 jul) Revisão de Sinais e Sistemas no tempo discreto em Matlab: Leia com atenção o help Using FFT, abra o script clicando no botão [Open this Example]. Execute o script seção após seção. Note o uso da fft para determinar a frequência das manchas solares. Para melhorar o desempenho no Matlab recomendo que leiam a pagina do Help, . Também gostaria de lembra-los que a tecla F9 executa o código destacado no Help. Programação com scripts .m. Leia sobre manchas solares para entender o que são os dados do segundo exemplo. Sinais no dominio do tempo e dominio da frequencia. Uso da função fft Exemplo de uso da FFT %% Signal in Time Domain % Use Fourier transforms to find the frequency components of a signal buried in noise. % Specify the parameters of a signal with a sampling frequency of 1 kHz and a signal duration of 1.5 seconds Fs = 1000; % Sampling frequency T = 1/Fs; % Sampling period L = 1500; % Length of signal t = (0:L-1)*T; % Time vector % Form a signal containing a 50 Hz sinusoid of amplitude 0.7 and a 120 Hz sinusoid of amplitude 1. S = 0.7*sin(2*pi*50*t) + sin(2*pi*120*t); % Corrupt the signal with zero-mean white noise with a variance of 4. X = S + 2*randn(size(t)); % Plot the noisy signal in the time domain. It is difficult to identify the frequency components by looking at the signal X(t). subplot(211); plot(1000*t(1:200),X(1:200)) title('Signal Corrupted with Zero-Mean Random Noise') xlabel('t (milliseconds)') ylabel('X(t)') %% Signal in Frequency Domain % Compute the Fourier transform of the signal. Y = fft(X); % Compute the two-sided spectrum P2. Then compute the single-sided spectrum P1 based on P2 and the even-valued signal length L. P2 = abs(Y/L); P1 = P2(1:L/2+1); P1(2:end-1) = 2*P1(2:end-1); % Define the frequency domain f and plot the single-sided amplitude spectrum P1. % The amplitudes are not exactly at 0.7 and 1, as expected, because of the added noise. % On average, longer signals produce better frequency approximations. f = Fs*(0:(L/2))/L; subplot(212); plot(f,P1) ylim([0 1.05]) title('Single-Sided Amplitude Spectrum of X(t)') xlabel('f (Hz)') ylabel('|P1(f)|') % Now, take the Fourier transform of the original, uncorrupted signal and retrieve the exact amplitudes, 0.7 and 1.0. Y = fft(S); P2 = abs(Y/L); P1 = P2(1:L/2+1); P1(2:end-1) = 2*P1(2:end-1); plot(f,P1) title('Single-Sided Amplitude Spectrum of S(t)') xlabel('f (Hz)') ylabel('|P1(f)|') Amostragem de Sinais (Experimento 1.2) Relembrar teorema da amostragem. Efeito da amostragem abaixo da frequência de Nyquist. Aliasing. Notar que as amostras de um sinal $s_{1}(t)=cos(2\pi \times 3t)$ (3 Hz) e um sinal $s_{2}(t)=cos(2\pi \times 7t)$ (7 Hz) são idênticas quando amostrado com um sinal de 10 Hz. Experimento 1.2 % Exemplos e Experimentos baseados no livro: % DINIZ, P. S. R., DA SILVA, E. A. B., e LIMA NETTO, S. Processamento Digital de Sinais: Projeto e Análise de Sistemas. 2. ed. Porto Alegre: Bookman, 2014. 976 p. ISBN 978-8582601235. %% Experimento 1.2 fs = 10; % frequencia (Hz) de amostragem dos sinais Ts = 1/fs; fase = 0; time = 0:Ts:(1-Ts); f1 = 3; % frequencia (Hz) do sinal s_1 f2 = 7; % frequencia (Hz) do sinal s_2 s_1 = cos(2*pi*f1*time+fase); s_2 = cos(2*pi*f2*time+fase); fsa = 1000; % frequência auxiliar de amostragem usada apenas para representação dos sinais originais Tsa = 1/fsa; time_aux = 0:Tsa:(1-Tsa); figure(1); stem(time,s_1,'ob'); hold on; plot(time_aux, cos(2*pi*f1*time_aux+fase),'--k'); stem(time,s_2,'+r'); plot(time_aux, cos(2*pi*f2*time_aux+fase),'--m'); hold off; legend('s_1 discreto','s_1 contínuo','s_2 discreto','s_2 contínuo') DICAS: No help on-line da Matworks, usando o botão [Try This Example > Try in your browser], permite executar o código no próprio browser sem ter nenhuma instalação do Matlab. Para verificar que o código realmente é executado mude a amplitude do ruído randômico para 0.1 ou 0.5, insira o comando close all antes da primeira linha, e execute todo o código [Run All] No help do Matlab, usando o botão [Open this Example], é possível executar o código seção a seção.

Unidade 2

Unidade 2 Aula 15 e 15 (10 e 13 abr) Filtros Digitais: Filtros IIR: Uso do Matlab. Ver as funções de discretização usadas no Matlab: bilinear, impinvar Ver em IIR Filter Design Uso das funções buttord, butter, cheb1ord, cheby1, cheb2ord, cheby2, ellipord, ellip para o projeto de filtros IIR digitais (sem o parâmetro 's'). O projeto dos filtros digitais IIR baseados na transformada bilinear no Matlab é realizada em dois passos: (1) Determinação da ordem do filtro; (2) Determinação dos coeficientes do numerador $b(n)$ e denominador $a(n)$ de $H(z)$ . Outros tipos de filtros IIR: yulewalk, iirnotch, iirpeak, iircomb,filtfilt, maxflat, invfreqz e outros filtros de modelagem paramétrica. -->

Unidade 3
Unidade 3

Unidade 4

Unidade 4 Aula 27 e 28 (25 e 29 mai) As aulas foram suspensas pela direção do campus em funções da GREVE DOS CAMINHONEIROS Aula 29 (05 jun) Filtros Digitais: Quantização Ver Fixed-Point Filter Properties Ver Use Filter Designer with DSP System Toolbox Software x=-0.2; % Word length = 8, fraction length = 7 q=quantizer([8,7]); xq=quantize(q,x); binxq=num2bin(q,xq) % Word length = 16, fraction length = 15 q1=quantizer([16 15]); xq1 = quantize(q1,x); binxq1=num2bin(q1,xq1) Utilizando o filtro projetado na AE2 e AE3, faça a realização desse filtro quantizando-o com o menor número de bits, que preserve a especificação do mesmo. Se necessário o projeto inicial pode ser modificado inserindo ganhos de guarda na passagem, na rejeição, e também uma banda de guarda na especificação inicial das frequências de passagem e rejeição. Verifique qual dos filtros IIR ou FIR resulta na menor área para a sua realização. Ler Tipos de arredondamento, An introduction to different rounding algorithms Aula 30 (08 jun) Uso do Simulink Uso dos blocos de simulação sinewave, scope e Spectrum Analyzer. Outros blocos mux, demux, sum, product. Create Simple Model [1] Aula 31 (12 jun) Uso do Simulink Tipos de Solver (Choose a Solver). Diferença entre processamento por amostra e processamento por quadro (Sample- and Frame-Based Concepts). Exemplos: Filtragem - frame based Modulações Analógicas Amostragem de sinais Digital Filter Design Block, [2], [3] É importante ler informações complementares sobre o Solver Pane, Model Simulation, Types of Solvers, Solvers for Discrete-Event Systems. É importante ler informações complementares sobre, Tempo de amostragem (Time Sample), View Sample Time Information, Vector Concatenate, Matrix Concatenate Para configurar o Simulink para sistemas discretos execute o comando dspstartup.m antes de abrir um novo modelo. -->

Unidade 5 - PROJETO FINAL
Unidade 5 - PROJETO FINAL

Avaliações

• Entrega dos diversas Atividades Extraclasse ao longo do semestre.
• Entrega do Projeto Final. O projeto é avaliado nos quesitos:

1) Implementação do Sistema,

2) Documentação,

3) Avaliação Global do aluno no projeto.

• Entrega dos Atividades Extraclasse ao longo do semestre AE1 a AE(N). A entrega, detalhes e prazos de cada AE serão indicados na plataforma Moodle

Referências Bibliográficas

Curso de Engenharia de Telecomunicações