TDE 2 (Proposta)

Testando algoritmo de FFT.

  1. Gere um sinal composto por 3 senóides de frequências difentes:

y(t)=1,5sin⁡(2πf1t)+0,8sin⁡(2πf2t)+0,5sin⁡(2πf3t)

onde:

Inicialmente gere 100 amostras, amostradas à fs= 1 KHz.

Deve ser obtida uma figura como:

tde2_onda_0.png

Observação: Notamos um problema de baixa frequência de amostragem na onda de 250 Hz. Note que apenas 4 pontos da senóide(!) são amostrados. Justamente quando a senóide passa por: [0,1,0,−1,0,…], note:

tde2_onda_y3_low_fs.png

Note que são amostrados apenas 4 pontos dentro de um ciclo da onda de 250 Hz:

E então a onda de 250 Hz acaba sendo mau amostrada.

Solução: Aumentar a taxa de amostragem. Na prática se costuma usar fs≥ 10 ou 20 vezes a frequência do sinal mais rápido a ser amostrado.

Realizando alguns testes práticos:

Conclusão final: vamos mudar para fs= 5 KHz para melhorar a reprodução dos sinais.

 

  1. Em seguida, execute o algoritmo de FFT, apresente o diagrama espectral (magnitude vs frequência), e interprete os resultados obtidos.

Note que a resolução frequêncial obtida com fs= 1 KHz recai em:

Δf=1000100=10 Hz.

Com a nova fs= 5 KHz, N=100 pontos, a resolução espectral muda para:

Δf=5000100=50 Hz.

O que pode ser testado, mas não vai permitir reconhecer com precisão o componente na frequênica de 60 Hz.

Para manter a resolução em 10 Hz, teríamos que mudar o número de amostras para:

N=fsΔf=500010= 500 pontos

Recalculando os vetores anteriores para obter 500 pontos:

E então obtemos:

tde2_onda_fs_5Khz.png

que visivelmente é muito melhor que o sinal amostrado à 1 KHz.

Procedendo à FFT e levantamento do especto do sinal:

Confirmando a resolução espectral:

Note que o resultado da FFT é um array de números complexos. Optando por plotar apenas sua magnitude:

Gerando um gráfico do resultado da FFT (Magnitude):

 

fft_pura.png

E então percebemos que o algoritmo de FFT gera um espectro bilateral, ou seja, o resultado são N Pontos (igual à quantidade enviada como amostra do sinal), e o “espectro” resultante é “refletido” entre seu lado esquerdo e direito (são simétricos), em torno da frequência de Nyquist.

A página [angle] (FFT Phase) da Mathworks, até traz/mostra o código para gerar o eixo X (de frequências), de forma bilateral, fazendo:

O que acaba gerando um gráfico como o mostrado abaixo (para o exemplo deles):

https://www.mathworks.com/help/examples/matlab/FFTPhaseExample_01.png

Continuando…

A frequência de Nyquist corresponde à metade da fs adotada, então: fNyquist=5000/2=2.500 Hz.

O que o algoritmo calculou na realidade é uma espécie de “reflexão” do espectro à partir de f>fNyquist. E na realidade, o eixo X do resultado da FFT é uma unidade de frequência chamada “bins”, onde cada bin (componente frequencial), corresponde à bin=fs/N. Este é motivo pelo qual criamos artificialmente o vetor f, variando de 0 até fs/N pelos N pontos gerados, comando:

Se isolamos no gráfico anterior, apenas o lado “esquerdo”, obtemos:

fft_pura2.png

Notamos que os picos da FFT ocorrem nas frequencias esperadas, mas as aplitudes calculadas não correspondem as amplitudes originalmente estabelecidas para a formda de onda y(t). Temos que corrigir as magnitudes originalmente calculadas pelo algoritmo fft. Este algoritmo, escalona o vetor de saída gerado, pelo fator de N pontos usados para calcular a fft.

Então temos que redimensionar as magnitudes calculadas pelo algoritmo fazendo algo como: Ymag=|Y|/N, mas apenas para f>0. Note que o primeiro elemento calculado pela fft corresponde ao nível DC do sinal. Este componente não deve ser duplicado.

Realizando os ajustes no Octave/Matlab:

Note que a variável M2 isola apenas um lado do espectro e depois duplica as magnitudes do espectro (compensando o efeito bilateral do algoritmo fft) mas deixa de fora o primeiro componente, o nivel DC ou f(0). Lembrar ainda que no Octave/Matlab, os índices de vetores/matrizes iniciam e 1 e não em 0.

Agora sim, estamos prontos para mostrar o espectro de magnitude de forma correta:

E finalmente obtemos o gráfico espectral de y(t):

tde2_espectro.png

E percebemos (pelos Datatips), que as amplitudes calculadas para as 3 frequências coincidem com os valores usados para gerar a onda y(t).

Podemos ainda “imprimir” uma tabela dos primeiros 30 pontos do espectro calculados, confirmando os valores encontrados:

E então percebemos que agora determinamos de maneira correta as amplitudes nas frequências esperadas (60, 120 e 250 Hz).

Podemos realizar um gráfico da defasagem do sinal, “pedindo” para o Octave/Matlab calcular os ângulos do vetor complexo Y calculado. Porém o resultado obtido não soa com o esperado:

E é gerado o gráfico:

fase_sinal.png

Note que o gráfico não está incorreto. Ocorre que como o algorimo fft é algo puramente numérico, para cada bin, ele calcula a defasagem angular correspondente, sem considerar se a magnitude daquele bin é relevante ou não. Uma maneira mais objetiva e prática é então “isolar” apenas os componentes frequenciais com amplitudes dominantes e pedir para que seja impresso apenas o ângulo calculado nestas frequências:

Note que ainda temos que realizar uma correção nesta parte, falta dividir o ângulo calculado por π (ou por 90o) e então obteríamos a defasagem nula esperada nos 3 componentes principais de frequência.

 


 

 

  1. O que aconteceria se as ondas apresentam uma ligeira defasagem entre as mesmas? Suponha z(t) como sendo:

z(t)=1,5sin⁡(2πf1t)+0,8sin⁡(2πf2t+30o)+0,5sin⁡(2πf3t+90o)

 

 


Fernando Passold, em 11/11/2026.