Resumo extraído do Capítulo 2 do livro Introduction to Signal Processing de Sophocles J. Orfanidis

Capítulo 2 – Quantização

2.1 Processo de Quantização

Esta secção explica o processo fundamental de quantização, etapa essencial da conversão de sinais analógicos em digitais, após a amostragem.

• Um conversor analógico-digital (ADC) converte cada amostra do sinal $x(nT)$ num valor quantizado $x_Q(nT)$, representável por um número finito de bits $B$, com $2^B$ níveis de quantização.

• A resolução do quantizador, ou largura de quantização $Q$, é $Q = R/2^B$, onde $R$ é a gama total do sinal (full-scale range).

• A quantização por arredondamento é preferível à truncagem, pois introduz menor viés no erro de quantização.

• O erro de quantização $e(nT) = x_Q(nT) - x(nT)$ tem amplitude máxima de $Q/2$, e a variância média do erro é $Q^2/12$. O erro pode ser modelado como ruído branco com distribuição uniforme em $[-Q/2, Q/2]$, desde que o sinal ocupe bem a gama $R$.

• O modelo aditivo de ruído considera que $x_Q(n) = x(n) + e(n)$, sendo $e(n)$ ruído branco, estacionário, não correlacionado com o sinal.

• Para sinais de baixa amplitude, o erro de quantização não é ruído branco, podendo introduzir distorções chamadas granulação.

• A técnica de dithering (adição de ruído antes da quantização) pode eliminar essas distorções, tornando o erro mais aleatório, ainda que à custa de um aumento ligeiro do ruído (3 a 6 dB).

---

2.2 Sobreamostragem e modelação do ruído

Esta secção apresenta técnicas para melhorar a qualidade da quantização sem aumentar o número de bits por amostra.

Conceitos principais:

• O ruído de quantização é uniformemente distribuído no espectro (ruído branco).

• Com sobreamostragem (oversampling), o sinal é amostrado a uma taxa $f_s' > f_s$. Isto espalha o ruído por uma banda maior, reduzindo o ruído na banda útil.

• Mesmo com menor resolução (menos bits por amostra), o desempenho pode manter-se ou até melhorar devido ao maior número de amostras.

Cálculos:

• Com sobreamostragem, a potência de ruído dentro da banda útil é reduzida: $\sigma_e^2 = \sigma_{e'}^2 / L$, com $L = f_s' / f_s$.

• A poupança de bits por sobreamostragem sem modelação de ruído é pequena: $\Delta B = 0.5 \log_2 L$.

• Para aumentar essa poupança, usa-se modelação de ruído, que filtra o ruído de quantização com um filtro $H_{NS}(f)$ para "empurrar" o ruído para fora da banda útil.

• Com quantizadores de ordem $p$ e sobreamostragem, a poupança é maior: $\Delta B = (p + 0.5) \log_2 L - 0.5 \log_2\left(\frac{\pi^{2p}}{2p+1}\right)$.

• Por exemplo, com ordem 2 e $L = 128$, é possível obter o equivalente a um quantizador de 16 bits usando apenas 1 bit por amostra.

Aplicações:

• Esta técnica é usada em conversores delta-sigma, presentes em leitores de CD, sistemas de áudio digital e codificação de voz.

• O sistema de DSP com sobreamostragem permite filtros analógicos mais simples, menor resolução nos conversores, e ainda assim manter a qualidade através de filtragem digital (interpolação e decimação).

---

2.3 Conversores D/A

Esta secção discute os conversores digital-analógico (DACs), focando-se nas convenções de codificação e funcionamento lógico, sem entrar em detalhes eléctricos.

• Um DAC de $B$ bits converte uma palavra digital $[b_1, b_2, ..., b_B]$ num valor analógico $x_Q$ dentro da gama $R$.

• Três tipos de codificação:

  1. Unipolar natural binario: $x_Q = R \cdot \sum_{i=1}^{B} b_i \cdot 2^{-i}$

  2. Bipolar offset binario: igual ao anterior, mas com deslocamento $-R/2$

  3. Complemento para dois: semelhante ao offset binario, mas com o bit mais significativo invertido para representar sinais negativos de forma natural.

• As representações natural e offset têm os mesmos padrões binários, mas diferentes níveis de saída.

• A tabela 2.3.2 mostra, por exemplo com $B = 4$, como as palavras binárias mapeiam para níveis analógicos em cada codificação.

• O código complemento para dois é obtido facilmente a partir da forma natural binaria, complementando os bits e somando 1 (ex: 0011 = +3 → 1101 = −3).

• São apresentadas funções C para simular conversores DAC de  complemento para dois (usando a regra de Horner para calcular $x_Q$).

---

🎓 Quer melhorar os seus resultados na universidade? 

Disponibilizamos explicações de ensino superior adaptadas às suas necessidades, com acompanhamento personalizado para diferentes disciplinas.

✔ Explore a nossa Lista de Matérias disponíveis.

🌟 Veja os testemunhos de alunos que já atingiram melhores notas com o nosso apoio.

📬 Contacte-nos por email ou pelo formulário de contacto e obtenha a ajuda que precisa para dominar os seus estudos!

EuExplico Eu Explico Explicações de Ensino Superior

Resumo extraído do Capítulo 1 do livro Introduction to Signal Processing de Sophocles J. Orfanidis

Capítulo 1 – Amostragem e Reconstrução 

1.1 Introdução

O processamento digital de sinais analógicos ocorre em três etapas:

1. Digitalização: o sinal analógico é amostrado e quantizado, processo conhecido como conversão A/D.

2. Processamento: os sinais digitalizados são manipulados por um processador digital de sinais (DSP).

3. Reconstrução: os sinais processados são convertidos novamente para formato analógico através de uma conversão D/A.

O DSP pode ser implementado com computadores de uso geral, microprocessadores, chips DSP dedicados ou hardware especializado. Os conceitos fundamentais de amostragem e quantização são os pilares do processamento digital e serão aprofundados nos dois primeiros capítulos.

---

1.2 Revisão de Sinais Analógicos

Esta secção revê conceitos fundamentais:

• Um sinal analógico é uma função contínua no tempo, $x(t)$.

• O espectro de frequência é obtido através da Transformada de Fourier $X(\Omega)$, onde $\Omega = 2\pi f$.

• A Transformada de Fourier permite representar o sinal como uma soma de sinusoides.

• A Transformada de Laplace generaliza a de Fourier, introduzindo $s = \sigma + j\Omega$, útil na análise de sistemas com exponenciais.

• O sistema linear é caracterizado por uma resposta ao impulso $h(t)$, e a saída $y(t)$ é dada pela convolução entre $x(t)$ e $h(t)$.

• No domínio da frequência, a saída é $Y(\Omega) = H(\Omega)X(\Omega)$, onde $H(\Omega)$ é a resposta em frequência do sistema.

A filtragem permite atenuar ou realçar componentes de frequência específicas.

---

1.3 Teorema da Amostragem

Esta secção explora os fundamentos da amostragem:

• A amostragem de um sinal consiste em medir o seu valor a intervalos regulares $T$, com taxa de amostragem $f_s = 1/T$.

• A amostragem replica o espectro do sinal em múltiplos inteiros de $f_s$, o que pode levar a aliasing (sobreposição de espectros).

• Para evitar aliasing, o Teorema da Amostragem estabelece que:

  1. O sinal deve ser limitado em banda (não conter frequências acima de $f_{max}$).

  2. A taxa de amostragem deve ser pelo menos o dobro da frequência máxima: $f_s \geq 2f_{max}$ (chamada taxa de Nyquist).

1.3.2 Filtros Anti-Aliasing

Antes da amostragem, é necessário aplicar um filtro passa-baixo analógico que limita o sinal à banda permitida (até $f_s/2$) para evitar aliasing.

1.3.3 Limitações de Hardware

O hardware impõe uma limitação superior à taxa de amostragem, pois cada amostra requer um tempo de processamento $T_{proc}$. Assim, a taxa deve satisfazer:

$$2f_{max} \leq f_s \leq f_{proc}$$

---

1.4 Amostragem de Sinusoides

A análise da amostragem de sinais sinusoidais leva às mesmas conclusões do teorema da amostragem:

• Um mínimo de duas amostras por ciclo é necessário para representar uma sinusoide.

• Quando o sinal não está limitado em banda, conterá componentes de frequência infinitamente altas, impossibilitando uma amostragem correta.

• Se violado o teorema, o processo de reconstrução poderá reconstruir uma frequência errada — fenómeno conhecido como aliasing.

O sinal reconstruído será uma versão do sinal original onde todas as frequências foram mapeadas para o intervalo de Nyquist.

---

1.5 Amostragem Prática e Reconstrução

1.5.1 Sampler Ideal e Reconstructor Ideal

• Um amostrador ideal extrai o valor exato do sinal contínuo em instantes $t = nT$.

• Um reconstructor ideal é um filtro passa-baixo com frequência de corte igual à frequência de Nyquist $f_s/2$.

• Este reconstrutor remove as réplicas espectrais introduzidas pela amostragem e reconstrói o sinal original, se não houver aliasing.

1.5.2 Reconstrução Prática

• Na prática, a reconstrução envolve:

  1. Um retentor de ordem zero, que mantém o valor da última amostra até à seguinte.

  2. Um filtro de suavização (low-pass) analógico que suaviza o sinal em degraus.

• Este método introduz distorções, mas é amplamente utilizado por ser simples e eficaz em muitos casos.

1.5.3 Escolha do Filtro

• Os filtros de reconstrução e antialiasing não podem ser ideais, mas devem atenuar suficientemente as componentes fora da banda desejada.

• A ordem do filtro está relacionada com a rapidez de atenuação em dB por oitava:

  • Por exemplo: um filtro com atenuação de 60 dB/oct corresponde a um filtro de ordem 10 (regra: 6 dB/oct por ordem).

• Filtros mais complexos têm melhor desempenho, mas maior custo e dificuldade de implementação analógica.

---

1.6 Oversampling e Decimação

Oversampling (sobreamostragem)

• Aumentar a taxa de amostragem para além da taxa de Nyquist:

  • Vantagens:

    • Maior separação entre réplicas espectrais.

    • Permite usar filtros antialiasing com menor ordem.

    • Reduz o ruído de quantização (ver Capítulo 2).

    • Diminui a distorção por aliasing.

  • Exemplo: amostragem a 80 kHz para sinais com banda até 20 kHz.

Decimação

• Redução controlada da taxa de amostragem:

  • Antes da redução, o sinal deve ser filtrado com um filtro digital de decimação para evitar aliasing.

  • O filtro atua sobre o sinal digital (pós-amostragem) e remove frequências acima da nova Nyquist.

• Permite que a parte inicial do sistema opere com alta taxa de amostragem e, posteriormente, reduza a taxa para valores padrão (por exemplo, 44.1 kHz para CDs).

---

1.7 Interpolação Digital

Definição

• Processo inverso da decimação: aumenta a taxa de amostragem.

• Implica:

  1. Inserção de zeros entre as amostras (up-sampling).

  2. Aplicação de um filtro interpolador digital que suaviza o sinal e remove as imagens espectrais introduzidas pela inserção dos zeros.

Objectivos

• Produzir um sinal com uma forma mais suave ou compatível com uma nova taxa de processamento.

• Utilizado em:

  • Conversores digitais para analógico com oversampling.

  • Ajustes de taxas de amostragem entre sistemas com frequências diferentes.

Filtro de Interpolação

• Deve ter corte em $\pi/L$ (onde $L$ é o fator de interpolação).

• Tal como na decimação, a qualidade do filtro determina o nível de distorção.

 

🎓 Quer melhorar os seus resultados na universidade? 

Disponibilizamos explicações de ensino superior adaptadas às suas necessidades, com acompanhamento personalizado para diferentes disciplinas.

✔ Explore a nossa Lista de Matérias disponíveis.

🌟 Veja os testemunhos de alunos que já atingiram melhores notas com o nosso apoio.

📬 Contacte-nos por email ou pelo formulário de contacto e obtenha a ajuda que precisa para dominar os seus estudos!

EuExplico Eu Explico Explicações de Ensino Superior

Resolução de pergunta de teste de Processamento Digital de Sinais, IST

Se quiser explicações sobre matérias que encontre neste blogue, contacte-nos, de preferência por email. Este blogue destina-se à divulgação dos nossos serviços. É apenas uma pequena amostra do que sabemos e podemos fazer.

Contacte-nos:

Problema de Processamento Digital de Sinais - IST (DSP)

Se quiser a resolução completa e/ou explicações mais detalhadas sobre esta matéria (ou outras que encontre neste blogue), contacte-nos, de preferência por email. Este blogue destina-se à divulgação dos nossos serviços. É apenas uma pequena amostra do que sabemos e podemos fazer.

Processamento Digital de Sinais - IST (DSP)

Pag. 1 da resolução da pergunta 3

Se quiser explicações sobre matérias que encontre neste blogue), contacte-nos, de preferência por email. Este blogue destina-se à divulgação dos nossos serviços. É apenas uma pequena amostra do que sabemos e podemos fazer.

Processamento Digital de Sinais - FFT

Transformada de Fourier de um sinal sinusoidal com frequência de 60Hz, corrompido com interferência de outro sinal sinusoidal com 1/10 da frequência e, com ruído.

FFT calculada e gráficos gerados no Matlab.

Com a FFT consegue-se o espectro do sinal (representação do sinal em frequência), onde se visualizam as riscas nas frequências presentes (60Hz e 6Hz) e também o Leakage, devido ao comprimento da amostra não conter um número inteiro de períodos do sinal.

Gosta do que encontrou?
Mostre apreciação, buy me coffee

Se quiser explicações sobre matérias que encontre neste blogue, contacte-nos, de preferência por email. Este blogue destina-se à divulgação dos nossos serviços. É apenas uma pequena amostra do que sabemos e podemos fazer.