Comunidação Digital 2

PUCRS Faculdade de Engenharia Departamento de Engenharia Eltrica
Comunicaes Digitais por F.C.C De Castro e M.C.F. De Castro

1
Captulo II Codificao de Fonte
A Codificao de Fonte o processo que visa reduzir o mximo possvel a
informao redundante da Seqncia de Informao em sua sada, seqncia esta obtida a
partir do processamento do sinal de entrada ( ) t m (ver Figura 1.1). O Codificador de Fonte
envolve basicamente quatro sub-processos:
1. Amostragem: Processo atravs do qual o sinal contnuo no tempo ( ) t m transformado
em um sinal discreto no tempo. Ou seja, valores (amostras) do sinal ( ) t m so
seqencialmente tomados em instantes distintos, igualmente espaados no tempo de
um intervalo
s
T , e so levados sada do processo de amostragem. Especificamente, o
sinal ( ) t m transformado no sinal ( )
s
nT m , onde
s
T denominado de intervalo de
amostragem e ! , ,1 0 n o ndice do instante de amostragem. Como para um dado
sistema digital o intervalo de amostragem
s
T definido e constante, para efeito de
simplificao de representao, comum o sinal ( )
s
nT m ser referido como ( ) n m . Nesta
representao n interpretado como o instante
s
nT t no qual o valor do sinal ( ) t m
levado sada do processo de amostragem.
2. Quantizao: Processo atravs do qual o sinal ( ) n m contnuo em amplitude
transformado em um sinal ( ) n m
q
discreto em amplitude (valor). Ou seja, dado ( ) n m no
instante n, ( ) n m
q
assumir um dos M possveis valores, denominados nveis de
quantizao, do conjunto { }
1 1 0

M
m m m , , , ! , sendo
1 1 0
< < <
M
m m m ! , com
( ) n m m >
0
e ( ) n m m
M
<
1
para todo e qualquer n. Especificamente, ( ) ( ) { } n m Q n m
q
,
onde {} Q o operador que representa a quantizao do valor do argumento e dado
por {} ( )
k
m Q
k
m
min arg ,
k
m , 1 1 0 M k , , , ! . O operador {} Q pode ser
interpretado da seguinte maneira: Dado um valor x a ser quantizado, a operao
definida por { }
k
m x x Q
k
m
min arg ,
k
m , 1 1 0 M k , , , ! , testa todas a M
possveis distncias
k
m x e atribui a { } x Q aquele elemento
q
m do conjunto
{ }
1 1 0

M
m m m , , , ! que resultou na menor distncia
q
m x . Quanto menor o
nmero M de nveis de quantizao utilizados para representar ( ) n m , menos fiel ser a
representao e maior ser o rudo de quantizao, conforme veremos na Seo 2.2.1.
3. Codificao: Processo atravs do qual cada um dos M possveis valores de ( ) n m
q
,
{ }
1 1 0

M
m m m , , , ! , mapeado em uma seqncia (ou bloco) de M N
2
log dgitos
binrios (ou bits). Ou seja, cada um dos elementos do conjunto { }
1 1 0

M
m m m , , , !
associado um nmero representado por N bits. O tipo de mapeamento a ser utilizado
dependente do cdigo adotado.
4. Compresso: Processo no qual cada uma das M possveis seqncias de N bits,
representativas de cada um dos M possveis valores de ( ) n m
q
, tm o seu nmero
2
de bits N reduzido para um valor menor como decorrncia da eliminao da
informao redundante em ( ) n m
q
, atravs de um Algoritmo de Compresso
(Huffman, Lempel-Ziv, etc...). Em muitos sistemas prticos o processo de Compresso
ocorre durante o processo de Codificao.
2.1 Amostragem
O princpio bsico que rege o processo de amostragem pode ser expresso atravs do
denominado Teorema da Amostragem, cujo enunciado :
Seja ( ) t m um sinal limitado em banda tal que
M
f a freqncia mais alta de seu
espectro, freqncia a partir da qual as componentes espectrais de ( ) t m podem ser
consideradas de magnitude desprezvel. Sejam os valores de ( ) t m determinados a
intervalos constantes de
s
T segundos tal que
M s
f T 2 1 , isto , ( ) t m periodicamente
amostrado a cada
M s
f T 2 1 segundos. Ento as amostras ( )
s
nT m de ( ) t m , ! , ,1 0 n ,
univocamente determinam ( ) t m . Em decorrncia deste fato, o sinal ( ) t m pode ser
reconstrudo a partir de ( )
s
nT m atravs de um filtro adequado.
Note que o Teorema da Amostragem exige que a razo (freqncia) de amostragem
M s s
f T f 2 1 seja rpida o suficiente de modo que pelo menos duas amostras sejam
tomadas durante o perodo
M
f 1 da componente espectral de ( ) t m de maior freqncia.
O processo de amostragem reconstruo pode ser melhor compreendido atravs
da Figura 2.1.
Figura 2.1: Processo de amostragem. (a) Sinal ( ) t m a ser amostrado. (b) Funo de
amostragem ( ) t S . (c) Operao de amostragem ( ) ( ) t m t S . (d) Sinal ( ) t m amostrado.
3
O sinal em banda-base ( ) t m a ser amostrado mostrado na Figura 2.1a. Um trem de
pulsos peridicos ( ) t S , de largura infinitesimal dt , amplitude unitria e perodo
s
T (Figura
2.1b) aplicado a um multiplicador (Figura 2.1c) conjuntamente com o sinal ( ) t m . A sada
( ) ( ) t m t S do multiplicador emula a operao de uma chave que fecha durante dt segundos
periodicamente a cada
s
T segundos. Uma amostra de ( ) t m levada sada do
multiplicador toda vez que a chave fecha, conforme mostra a Figura 2.1d. Isto , toda vez
que ocorre um pulso em ( ) t S situao que representa a chave fechada o valor de ( ) t m
naquele instante aplicado sada do multiplicador. Para qualquer outro instante de tempo
a sada do multiplicador apresenta o valor zero.
O sinal ( ) t S peridico de perodo
s
T e, quando expandido em Srie de Fourier,
tem a representao mostrada na Equao 2.1.
( )
1
]
1
,
_
4 +
,
_
2
2
+ ! cos cos
s s s s
T
t
T
t
T
dt
T
dt
t S
(2.1)
Para
M s
f T 2 1 a sada ( ) ( ) t m t S do multiplicador dada por
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ] ! cos cos + 4 2 + 2 2
2
+ t f t m t f t m
T
dt
t m
T
dt
t m t S
M M
s s

(2.2)
O primeiro termo da srie em (2.2) o prprio sinal ( ) t m a menos de um fator
multiplicativo constante
s
T dt . O espectro do produto de um sinal qualquer ( ) t x por um
sinal senoidal de freqncia
c
dado por
( ) ( ) { } ( ) ( ) ( ) ( ) ( ) ( ) [ ]
c c c
j X j j X j t t x + + +
2
1
exp exp cos
(2.3)
onde ( ) ( ) { } t x j X o espectro de ( ) t x e o operador {} representa o operador
Transformada de Fourier [Carlson]. Isto , ao multiplicarmos ( ) t x por ( ) + t
c
cos , o
espectro de ( ) t x sofre uma translao de freqncia e passa a ter como freqncia central a
freqncia
c
. Portanto, supondo que o espectro ( ) ( ) { } t m j M de ( ) t m seja limitado
em banda tal que
M
f a sua freqncia mais alta (Figura 2.2a), ento os termos
( ) ( ) ( ) t kf t m
M
2 cos , ! , ,4 2 k , em (2.2) do origem ao espectro mostrado na Figura 2.2b.
Note que o termo ( ) ( ) t m T dt
s
em (2.2) d origem poro do espectro que se estende de 0
a
M
f na Figura 2.2b. Embora o espectro de magnitude de um sinal real tenha simetria par,
mostrado aqui apenas o eixo positivo do domnio freqncia por questes de simplicidade
e conciso.
4
Figura 2.2: Espectro resultante do processo de amostragem. (a) Espectro sinal ( ) t m . (b)
Espectro sinal amostrado.
Suponhamos que o sinal amostrado ( ) ( ) t m t S passe atravs de um filtro passa-baixa
com freqncia de corte
M
f cuja funo de transferncia aproxime-se da funo de
transferncia ( ) j
LP
H de um filtro passa-baixa ideal, conforme mostrado na Figura 2.2b.
Note que o filtro elimina todas as rplicas do espectro de ( ) t m centradas em ! , 4 ,
M M
f f 2 ,
mas transfere na ntegra sua a sada o espectro ( ) j M que se estende de 0 a
M
f .
Portanto, aps o processo de amostragem, o sinal ( ) t m original pode der recuperado
sem distoro na sada de um filtro passa-baixa com freqncia de corte
M
f , prximo do
filtro ideal, desde que a freqncia de amostragem
s
f seja maior ou igual a
M
f 2 .
A Figura 2.3a mostra a banda de guarda que obtida quando
M s
f f 2 > . A banda de
guarda sempre utilizada na prtica porque elimina a necessidade do filtro passa-baixa ser
ideal (i.e., o filtro no necessita apresentar declividade infinita na freqncia de corte).
Tipicamente, para um sinal de voz KHz .3 3
M
f , quando ento adota-se KHz .0 8
s
f . A
banda de guarda resultante de KHz . . . 4 1 3 3 2 0 8 .
A Figura 2.3b mostra a superposio das rplicas do espectro ( ) t m original,
superposio que ocorre quando
M s
f f 2 < . Para esta situao, no h forma de filtragem
que consiga recuperar o sinal original ( ) t m sem distoro. Tal distoro denominada de
aliasing, (alias: pseudnimo em ingls) porque o espectro original sofre interferncia de
uma rplica dele mesmo com outro nome, isto , sofre interferncia dele mesmo s que
transladado em freqncia.
5
Figura 2.3: (a) Banda de guarda resultante de
M s
f f 2 > . (b) Superposio de espectros
resultante de
M s
f f 2 < .
A freqncia de amostragem mnima
M s
f f 2 para que no haja ocorrncia de
aliasing tambm denominada de Freqncia de Nyquist. Um aumento da razo de
amostragem para alm da Freqncia de Nyquist aumenta a largura da banda de guarda e
facilita o processo de filtragem para recuperao do sinal ( ) t m' no receptor digital (Ver
Figura 1.2). No entanto, um aumento da freqncia de amostragem aumenta a banda
passante necessria para a transmisso do sinal amostrado atravs do sistema digital porque
ser necessrio transmitir mais amostras no mesmo intervalo de tempo.
2.1.1 Amostragem Natural
A amostragem instantnea atravs de um trem de pulsos ( ) t S de largura
infinitesimal dt , vista na Seo 2.1, uma idealizao terica que, embora instrutiva e
didtica, no corresponde implementao prtica de sistemas amostradores. At porque
uma impossibilidade construir circuitos de chaveamento com rapidez suficiente para emular
uma chave que feche e abra instantaneamente.
Um forma de amostragem mais prxima da implementao prtica a denominada
Amostragem Natural, mostrada na Figura 2.4.
6
Figura 2.4: Amostragem natural. (a) Forma de onda do sinal em banda-base ( ) t m . (b) Sinal
amostrador ( ) t S . (c) Sinal amostrado ( ) ( ) t m t S .
Na amostragem natural, o sinal amostrador ( ) t S um trem de pulsos de largura ,
amplitude unitria e perodo
s
T (Figura 2.4b). Note que o sinal amostrado ( ) ( ) t m t S consiste
de uma seqncia de pulsos de amplitude varivel (Figura 2.4c) e que o topo de cada pulso
no plano (non-flat-top: topo-no-plano em ingls), seguindo a forma de onda do sinal
em banda-base ( ) t m (Figura 2.4a).
Assim como na amostragem instantnea, na amostragem natural o sinal ( ) t m' no
receptor digital (Ver Figura 1.2) pode ser reconstrudo exatamente atravs de um filtro
passa-baixa com freqncia de corte
M
f desde que o sinal ( ) t m no transmissor digital
tenha sido amostrado a uma razo
s s
T f 1 igual ou maior do que a Freqncia de
Nyquist, sendo
M
f a freqncia mais alta do espectro de ( ) t m e
s
T o intervalo de
7
amostragem. Para verificar a veracidade desta assero, consideremos que o sinal ( ) t S
(Figura 2.4b) peridico de perodo
s
T e, quando expandido em Srie de Fourier, tem a
representao mostrada na Equao 2.4.
( )
1
]
1
,
_
2 2 +
,
_
2 1
2
+
2 1
! cos cos
s s s s
T
t
C
T
t
C
T T
t S

(2.4)
onde
,
_
,
_
s
s
n
T
n
T
n
C
sen
(2.5)
Para
M s s
f T f 2 1 o sinal amostrado ( ) ( ) t m t S dado por
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ] ! cos cos + 4 2 + 2 2
2
+
2 1
t f C t m t f C t m
T
t m
T
t m t S
M M
s s

(2.6)
Portanto, o espectro do sinal ( ) ( ) t m t S definido por (2.6), tal que, assim como na
amostragem instantnea, um filtro passa-baixa com freqncia de corte
M
f entrega em sua
sada ( ) t S
0
o sinal
( ) ( ) t m
T
t S
s
0
(2.7)
que o mesmo sinal resultante da filtragem do sinal definido por (2.2), exceto que dt
substitudo por .
De (2.7) observa-se que a amplitude de ( ) t S
0
proporcional
s
T . Portanto para
sistemas no-multiplexados no tempo, no raro maximizar
s
T at a unidade para que
seja maximizado o nvel do sinal ( ) t S
0
. No entanto, em sistemas multiplexados TDM
[Carlson][Taub] (TDM: Time Division Multiplex em ingls), a diferena
s
T define o
intervalo de tempo disponvel para a insero dos demais sinais a serem multiplexados no
tempo conjuntamente com ( ) t m . Portanto, em sistemas TDM existe um compromisso entre
o nmero de sinais multiplexados e o nvel do sinal recuperado aps filtragem passa-baixa
no receptor.
2.1.2 Amostragem Flat-top
A amostragem natural descrita na Seo 2.1.1 raramente utilizada na prtica. Ao
invs, pulsos com topo plano (flat-top: topo plano em ingls) so usualmente utilizados,
conforme mostra a Figura 2.5a.
8
Figura 2.5: Amostragem flat-top. (a) Sinal amostrado por amostragem flat-top. (b) Rede
linear cuja funo ( ) j H tal que transforma o pulso ( ) t x de amplitude unitria e largura
infinitesimal dt no pulso ( ) t y de amplitude unitria e largura .
Neste tipo de amostragem os pulsos tem amplitude constante e definida pelo valor
do sinal ( ) t m em algum ponto dentro do intervalo do pulso. No entanto, por convenincia,
na Figura 2.5a o instante de amostragem coincide com o incio dos pulsos.
Na amostragem flat-top impossvel recuperar o sinal ( ) t m' atravs de um filtro
passa-baixa no receptor digital sem que ocorra distoro. No entanto, a amostragem flat-top
tem o mrito de simplificar a implementao dos circuitos eletrnicos utilizados para
executar a operao de amostragem [Taub].
Para compreendermos o mecanismo gerador da distoro inerente amostragem
flat-top, seja o espectro do sinal ( ) t m , dado por ( ) ( ) { } t m j M , limitado em banda
freqncia mxima
M
f . O espectro do sinal amostrado flat-top ( ) ( ) { } t m j M

determinado considerando que os pulsos flat-top podem ser gerados passando o sinal
instantaneamente amostrado da Figura 2.1d atravs da rede da Figura 2.5b, a qual possui
funo de transferncia ( ) j H . A funo ( ) j H tal que transforma o pulso ( ) t x de
9
amplitude unitria e largura infinitesimal dt no pulso ( ) t y de amplitude unitria e largura
. A funo ( ) j H determinada atravs de
( )
( ) { }
( ) { } t x
t y
j
H
(2.8)
onde ( ) t x pode ser representado por um impulso de intensidade dt e
( ) { } ( ) [ ] dt e dt dt e t dt t x
t
t j t j

0

(2.9)
( ) { }
2
,
_
1
]
1
2 2 2
2
2
2
2
sen
j
e e
j
e e
j
e
dt e t y
j j j j
t j
t j
(2.10)
Assim, de (2.8), (2.9) e (2.10)
( )
( )
2
2
sen
H
dt
j
(2.11)
Portanto, o espectro ( ) ( ) { } t m j M

do sinal amostrado flat-top dado por
( ) ( ) ( ) ( )
( )
2
2

sen
H
dt
j M j j M j M
(2.12)
E na banda de freqncias que se estende de 0 a
M
f , considerando o primeiro
termo de (2.2) e considerando (2.12), podemos escrever
( ) ( )
( )
M
s
f f j M
T
j M 0
2
2
,
sen
(2.13)
Por simplicidade, vamos assumir que o espectro ( ) ( ) { } t m j M do sinal ( ) t m
seja constante e igual a
0
M dentro da faixa 0 a
M
f , conforme mostra a Figura 2.6a. A
Figura 2.6b mostra o espectro do sinal ( ) t m amostrado instantaneamente e a Figura 2.6c
mostra a magnitude do fator ( ) 2 2 sen em (2.13) com fator de escala . A Figura
2.6d mostra a magnitude do espectro do sinal amostrado flat-top ( ) ( ) { } t m j M

.
10
Figura 2.6: Espectro resultante da amostragem flat-top. (a) Espectro ( ) ( ) { } t m j M do
sinal ( ) t m constante e igual a
0
M dentro da faixa 0 a
M
f para efeito de simplificao. (b)
Espectro do sinal ( ) t m amostrado instantaneamente. (c) Magnitude do fator
( ) 2 2 sen na Equao (2.13) com fator de escala . (d) Magnitude do espectro
( ) ( ) { } t m j M

do sinal amostrado flat-top.
11
Observe que a medida que a largura dos pulsos flat-top diminui, o grfico de
( ) 2 2 sen achata devido ao primeiro nulo 1 afastar-se de origem. Em
conseqncia, a medida que diminui, o espectro ( ) ( ) { } t m j M

(Equao (2.13) e
Figura 2.6d) torna-se cada vez mais semelhante ao espectro ( ) ( ) { } t m j M na
faixa
M
f f 0 . Portanto, quanto mais estreitos os pulsos flat-top menor a distoro do
sinal ( ) t m' recuperado no receptor e, adversamente, menor a sua amplitude
s
T . Para
compensar a distoro introduzida pelo fator ( ) 2 2 sen sem diminuir
demasiadamente a amplitude
s
T no raro so utilizados filtros compensadores que
aproximam a funo ( ) [ ]
1
2 2 sen no domnio freqncia.
2.1.3 Amostragem Sample-and-Hold
Quando o nvel de amplitude do sinal recuperado ( ) t m' de importncia maior que
a distoro introduzida pelo fator ( ) 2 2 sen , como acontece, por exemplo, quando a
informao enviada atravs de um canal de transmisso com baixa SNR, comum fazer
1
s
T , conforme mostra a Figura 2.7.
Figura 2.7: Amostragem Sample-and-Hold.
Portanto, na banda de freqncias que se estende de 0 a
M
f , o espectro
( ) ( ) { } t m j M

do sinal resultante de amostragem Sample-and-Hold dado por
( ) ( )
( )
M
f f j M j M 0
2
2
,
sen
(2.14)
A Figura 2.8a mostra o espectro do sinal ( ) t m amostrado instantaneamente e a
Figura 2.8b mostra a magnitude do fator ( ) 2 2 sen em (2.14) com fator de escala .
A Figura 2.8c mostra a magnitude do espectro ( ) ( ) { } t m j M

do sinal resultante da
amostragem Sample-and-Hold.
12
Figura 2.8: Espectro resultante da amostragem Sample-and-Hold. (a) espectro do sinal
( ) t m amostrado instantaneamente. (b) Magnitude do fator ( ) 2 2 sen na Equao
(2.14) com fator de escala . (c) Magnitude do espectro ( ) ( ) { } t m j M

do sinal
resultante da amostragem Sample-and-Hold.
Observe que a distoro introduzida pelo fator ( ) 2 2 sen considervel,
problema que usualmente contornado pelo uso de compensadores ( ) [ ]
1
2 2 sen .
Uma das possibilidades de implementao de compensadores ( ) [ ]
1
2 2 sen
determinar ( ) ( ) [ ] { }
1 1
2 2 sen t c e executar a convoluo de ( ) t c com ( ) t m' no
receptor.
2.2 Quantizao
A maior limitao de um sistema de transmisso analgico ocorre na situao em
que necessrio enviar informao atravs de longas distncias. Uma vez rudo tendo sido
adicionado ao sinal ao longo do canal de transmisso de um sistema analgico possvel
13
minimizar seu efeito, mas nunca eliminar. Esta a grande diferena entre um sistema
analgico e um sistema digital. O sinal recebido em um sistema analgico gradativamente
degradado a medida que a SNR do canal cai. No entanto, um sistema digital apresenta um
limiar de SNR no canal acima do qual o sinal recebido sem degradao perceptvel.
Portanto, repetidores colocados em pontos ao longo do canal nos quais a SNR encontre-se
acima do limiar permite a comunicao entre pontos remotos com excelente fidelidade.
Este efeito de limiar, caracterstico de sistemas digitais, devido, em parte, ao efeito da
quantizao. A operao de quantizao tem o grande mrito de, para um valor
suficientemente alto de SNR, o rudo aditivo ser totalmente separado do sinal.
A Figura 2.9 mostra graficamente a operao de quantizao ( ) ( ) { } t m Q t m
q
, ou
( ) ( ) { } n m Q n m
q
se considerarmos que, antes de ser quantizado, ( ) t m amostrado a
intervalos
s
T . Portanto, desnecessria a indexao temporal explcita das variveis
envolvidas. Assume-se que o instante de amostragem ocorre no incio de cada intervalo
s
T
e que ( ) t m varia entre os limites
L
V e
H
V .
Figura 2.9: Operao de quantizao ( ) ( ) { } t m Q t m
q
, ou ( ) ( ) { } n m Q n m
q
fora do contexto
temporal.
Observe na Figura 2.9 que a operao {} Q realizada {} ( )
k
m Q
k
m
min arg ,

k
m , 1 1 0 M k , , , ! , { }
1 1 0

M
m m m , , , ! com 8 M . A quantidade
( ) M V V S
L H
denominada de passo de quantizao ou passo do quantizador
(quantizer step). A qualquer instante, o erro de quantizao ( ) ( ) ( ) t m t m t e
q q
tal que
14
2 S e
q
. Obviamente, quanto maior M, mais ( ) t m
q
assemelha-se a ( ) t m e, portanto,
menor ser ( ) t e
q
.
Vamos considerar agora a situao em que o sinal quantizado ( ) t m
q
recebido por
um repetidor ao longo do percurso da informao at o destino, conforme mostra a Figura
2.10. Vamos supor que o repetidor seja o mais simples possvel, isto , o repetidor
composto de um amplificador e de um quantizador.
Figura 2.10: Efeito regenerativo em um repetidor simples, por conseqncia do processo de
re-quantizao.
Observe que existe rudo superposto ao sinal ( ) t m
q
recebido. Mas, suponhamos
que o repetidor esteja em um ponto ao longo do canal no qual a SNR seja tal que o nvel de
rudo superposto seja quase sempre menor do que 2 S . Portanto, o quantizador do
repetidor, ao re-quantizar o sinal ( ) t m
q
recebido, remove o rudo a ele superposto,
regenerando o sinal ( ) t m
q
original. Em raros instantes, quando o nvel de rudo ultrapassa
o limiar 2 S , um erro retransmitido adiante.
Observe tambm que quanto maior o passo de quantizao S maior ser a remoo
de rudo superposto pelo processo de quantizao. No entanto, quanto maior for S maior
ser o erro de quantizao ( ) ( ) ( ) t m t m t e
q q
. O erro de quantizao pode ser considerado
como um rudo superposto ao sinal aps a quantizao e denominado de rudo de
quantizao.
A mdia quadrtica do rudo de quantizao uma medida da potncia do rudo de
quantizao, esta ltima necessria ao clculo da SNR de quantizao.
15
2.2.1 Rudo de Quantizao
A potncia do rudo gerado no processo de quantizao dada pela mdia
quadrtica do erro de quantizao. No domnio tempo, a potncia de rudo de quantizao
dada por
( )
2
2
2

2
1
T
T
q
T
q
dt t e
T
e lim .
(2.15)
Mas (2.15) no de determinao prtica, principalmente porque no conhecemos
analiticamente a funo ( ) ( ) ( ) t m t m t e
q q
. Isto , ( ) t m aleatrio pois depende da fonte
de informao (voz, imagem, dados, etc...), o que sugere que seja utilizada a mdia
estatstica ao invs da mdia no tempo para o clculo da potncia de rudo. Na realidade, o
uso da mdia estatstica no lugar da mdia no tempo baseia-se na suposio de que o sinal
( ) t m (e, em conseqncia, ( ) t e
q
) seja um processo aleatrio Ergdico, i.e, um processo em
que a mdia no tempo livremente intercambivel pela mdia estatstica [Taub].
Seja ( ) m f a funo densidade de probabilidade do sinal ( ) t m . Seja ( )dm m f a
probabilidade que ( ) t m assuma um valor dentro da faixa 2 dm m a 2 + dm m . Ento a
mdia do quadrado (= mdia quadrtica) do erro de quantizao dada por
( )( ) ( )( ) ( )( )

2 +
2
2
1
2 +
2
2
1
2 +
2
2
0
2
1
1
1
1
0
0
+ + +
S m
S m
M
S m
S m
S m
S m
q
M
M
dm m m m f dm m m m f dm m m m f e ! .
(2.16)
Obviamente a funo densidade de probabilidade ( ) m f no constante ao longo do
intervalo de valores
H L
V m V possveis a ( ) t m . No entanto, para uma grande nmero M
de nveis de quantizao, o passo de quantizao ( ) M V V S
L H
pequeno comparado
com a faixa de excurso
L H
V V de ( ) t m . Nesta situao, razovel supor que ( ) m f seja
aproximadamente constante dentro da faixa 2 S m a 2 + S m . Ento, podemos substituir
( ) m f no primeiro termo de (2.16) pela constante
0
c , assim como podemos substituir ( ) m f
no segundo termo de (2.16) pela constante
1
c , e assim por diante, de modo que
( ) ( ) ( )

2 +
2
2
1 1
2 +
2
2
1 1
2 +
2
2
0 0
2
1
1
1
1
0
0
+ + +
S m
S m
M M
S m
S m
S m
S m
q
M
M
dm m m c dm m m c dm m m c e ! ,
(2.17)
( ) ( ) ( )
2 +
2
3
1
1
2 +
2
3
1
1
2 +
2
3
0
0
2
1
1
1
1
0
0
1
]
1
+ +
1
]
1
+
1
]
1
S m
S m
M
M
S m
S m
S m
S m
q
M
M
m m
c
m m
c
m m
c e ! ,
(2.18)
16
( ) ( )
( ) ( )
( ) ( )
1
]
1
3
2
3
2 +
+
+
1
]
1
3
2
3
2 +
+
+
1
]
1
3
2
3
2 +
3
1 1
3
1 1
1
3
1 1
3
1 1
1
3
0 0
3
0 0
0
2
M M M M
M
q
m S m m S m
c
m S m m S m
c
m S m m S m
c e
!
,
(2.19)
1
]
1
12
+ +
1
]
1
12
+
1
]
1
12
3
1
3
1
3
0
2
S
c
S
c
S
c e
M q
! ,
(2.20)
( )

1
0
2 2
1 1 0
2
1
]
1
12
1
]
1
12
+ + +
M
k
k M q
S c
S S
S c S c S c e ! .
(2.21)
Mas
k
c o valor da funo densidade probabilidade de ( ) t m dentro da faixa
2 S m
k
a 2 + S m
k
, 1 1 0 M k , , , ! . Portanto S c
k
o valor da probabilidade do valor
de ( ) t m ocorrer dentro da faixa 2 S m
k
a 2 + S m
k
. Como a probabilidade de que o
valor de ( ) t m ocorra dentro da faixa
H L
V m V 1.0, ento 0 1
1
0
.
M
k
k
S c e (2.21) resulta
em
1
]
1
12
2
2
S
e
q
.
(2.22)
A Equao (2.22) define a potncia do rudo aditivo gerado pelo processo de
quantizao. Para calcularmos a SNR de quantizao, consideremos, por simplicidade, que
a funo densidade de probabilidade ( ) m f do sinal ( ) t m seja constante ao longo do
intervalo
H L
V m V e que V V V
L H
. Logo, ( ) V m f 2 1 . Para qualquer
quantizador prtico, a potncia do sinal quantizado menos a potncia do rudo de
quantizao aproximadamente igual do sinal ( ) t m . Portanto, a potncia de sinal (sem
rudo) aps o processo de quantizao pode ser dada pela potncia ( ) t m
2
do sinal ( ) t m
atravs de
( ) ( )
2
2 2
3
2
1
V
V
V
dm t m
V
t m
(2.23)
mas, se o nmero de nveis de quantizao M, ento V MS 2 e cada nvel de quantizao
pode ser representado por nmero de M N
2
log bits. Logo de (2.23) temos
( )
( )
12
2
2
MS
t m
(2.24)
e de (2.22) e (2.24) podemos obter a SNR de quantizao dada por
17
( )
( )
N N
q
M
e
t m
2
2
2
2
2
2 2
Q
SNR
(2.25)
N
N
6 2 10
2
log SNR
Q
[dB]
(2.26)
2.3 Codificao
Nesta etapa do Codificador de Fonte, o sinal ( ) t m
q
(ou ( ) n m
q
) resultante do
processo de amostragem seguido do processo de quantizao transformado em uma
seqncia numrica em base binria. Cada amostra ( ) n m
q
mapeada em uma
seqncia (ou bloco) de M N
2
log dgitos binrios (ou bits), conforme mostra a Figura
2.11 para 8 M , sendo { }
1 1 0

M
m m m , , , ! o conjunto de M possveis valores de ( ) n m
q
ou nveis de quantizao.
Figura 2.11: Processo de codificao do sinal ( ) t m
q
em uma seqncia numrica em base
binria. Tal processo muitas vezes referido como modulao (ou codificao) PCM
(PCM: pulse code modulation) [Taub].
Uma possvel implementao em hardware do mapeamento mostrado na Figura
2.11 o conversor A/D (A/D: analog to digital) mostrado na Figura 2.12. O sinal ( ) t m
q

aplicado na entrada
i
V e a sada resultante do mapeamento so os sinais
2
b
1
b
0
b . Os sinais
18
4
b e
3
b no so utilizados porque so necessrios somente 3
2
M N log bits para
representar 8 M nveis de quantizao. Os amplificadores operacionais U1 e U2 so
alimentados por fonte simtrica de Vcc t volts. A tenso de alimentao do comparador
U3, flip-flops e porta AND assimtrica e de Vcc + volts . Os flip-flops so do tipo T
(toggle) e trocam o estado lgico da sada Q na borda de descida da entrada T. Cada sinal
de sada
i
b pode assumir os valores lgicos { } 1 0, de acordo com os nveis de tenso
{ } Vcc ,+ 0 .
Figura 2.12: Possvel implementao do mapeamento mostrado na Figura 2.11 atravs de
um conversor A/D.
Da Figura 2.12 temos que
1
]
1
,
_
,
_
2
+
,
_
4
+
,
_
8
+
,
_
16

R
R
b
R
R
b
R
R
b
R
R
b
R
R
b Vcc V
0 1 2 3 4 x
/ / / /
(2.27)
[ ]
0 1 2 3 4 x
b b b b 16b Vcc V + 2 + 4 + 8 +
(2.28)
onde
i
b pode assumir os valores lgicos { } 1 0, em (2.27) e (2.28). Ainda,
( )
x i f y
V R R V
(2.29)
de modo que
( )[ ]
0 1 2 3 4 i f y
b b b b 16b R R Vcc V + 2 + 4 + 8 +
(2.30)
mas, por simplicidade, se adotarmos
f
R e
i
R tal que ( ) 1
i f
R R Vcc , ento
19
0
0
1
1
2
2
3
3
4
4
y
b 2 b 2 b 2 b 2 b 2 V + + + + .
(2.31)
Portanto, (2.31) d um valor decimal de tenso correspondente ao valor binrio
4
b
3
b
2
b
1
b
0
b .
O funcionamento do A/D pode ser descrito atravs de um exemplo. Suponhamos
que ( ) t m
q
=
i
V =3 Volts. Inicialmente todos os flip-flops esto resetados, e portanto todas as
sadas esto no estado lgico 0. Logo, de (2.31), 0
y
V . Como
y i
V V > o comparador U3
gera Vcc +
c
V e portanto ( ) t Vclock
t
V , o que faz os flip-flops incrementarem a
contagem desde 0
4
b , 0
3
b , 0
2
b , 0
1
b e 0
0
b at 0
4
b , 0
3
b , 0
2
b , 1
1
b e
1
0
b . Quando esta contagem atingida, 3
y
V (Equao 2.31) o que faz
y i
V V ,
0
c
V e 0
t
V , parando o incrementar da contagem dos flip-flops. O valor decimal
correspondente sada digital 0
4
b , 0
3
b , 0
2
b , 1
1
b e 1
0
b 3V, que
precisamente a tenso de entrada ( ) t m
q
=
i
V =3 Volts.
Obviamente a contagem deve ser suficientemente rpida para o pior caso, isto ,
aquele em que os flip-flops devam contar dentro do intervalo de amostragem
s
T at o
nmero binrio representativo do maior nvel de quantizao. Em outras palavras,
M T t
s
< .
Para reconstruo do sinal ( ) t m' a partir da seqncia binria recebida no receptor,
o Decodificador de Fonte implementa o dual do conversor A/D, denominado conversor
D/A (D/A: digital to analog). Uma possvel implementao de um conversor D/A
mostrado na Figura 2.13.
Figura 2.13: Possvel implementao do mapeamento inverso da Figura 2.11 atravs de um
conversor D/A.
20
O conversor D/A da Figura 2.13 utiliza flip-flops do tipo S/R. Um flip-flop S/R leva
a sada Q ao estado lgico 1 quando a entrada S est no estado lgico 1, e leva a sada Q ao
estado lgico 0 quando a entrada R est no estado lgico 1. Se ambas as entradas esto no
estado lgico 0, a sada Q no alterada. Atravs de raciocnio semelhante ao empregado
para descrio do A/D, a sada
0
V dada por
( )[ ]
0 1 2 3 4 i f 0
b b b b 16b R R Vcc V + 2 + 4 + 8 +
(2.32)
ou fazendo ( ) 1
i f
R R Vcc ,
0
0
1
1
2
2
3
3
4
4
0
b 2 b 2 b 2 b 2 b 2 V + + + + .
(2.33)
Portanto, a sada
0
V definida por (2.33) d um valor decimal de tenso
correspondente ao valor binrio
4
b
3
b
2
b
1
b
0
b de entrada.
Observe, de (2.26), que um conversor A/D de 8 bits apresenta dB SNR
Q
48
enquanto que um conversor A/D de 16 bits apresenta dB SNR
Q
96 .
O processo de codificao do sinal ( ) t m
q
em uma seqncia numrica em base
binria muitas vezes referido como modulao (ou codificao) PCM (PCM: pulse code
modulation) [Taub].
2.4 Compresso
No processo de compresso, cada uma das M possveis seqncias de M N
2
log
bits resultantes da codificao PCM, representativas de cada um dos M possveis valores de
( ) n m
q
, tm o seu nmero de bits N reduzido para um valor menor como decorrncia
da eliminao da informao redundante em ( ) n m
q
, atravs de um cdigo para
compresso de dados.
O cdigo para compresso de dados considera cada uma das seqncias resultante
da codificao PCM como uma mensagem de N bits e associa a cada uma delas uma
palavra-cdigo cujo nmero de bits depende da probabilidade de ocorrncia da mensagem.
Palavras-cdigo com menos bits so atribudas a mensagens com maior probabilidade de
ocorrncia, e palavras-cdigo com mais bits so atribudas a mensagens com menor
probabilidade de ocorrncia. Este critrio crucial para a eficincia da compresso. Um
cdigo que segue este critrio faz com que mensagens que ocorrem freqentemente
necessitem de menos bits para serem transmitidas e, portanto, o efeito global o de permitir
que mais informao possa ser transmitida no mesmo intervalo de tempo. A probabilidade
de ocorrncia de cada mensagem depende da estatstica da fonte do sinal ) (t m : vdeo, voz,
etc.
Na prtica, para determinao da probabilidade de ocorrncia de cada mensagem,
aplica-se na entrada do sistema digital um nmero suficiente de classes de sinais
representativos da fonte do sinal ) (t m . Simultaneamente, registra-se as mensagens
resultantes na sada do quantizador em geral um nmero
m
n bastante grande de
mensagens necessrio. Aps o processo de registro, conta-se o nmero de cada tipo de
21
mensagem ocorrida, dentre os M tipos possveis, e divide-se a contagem de cada tipo por
m
n . O conjunto de M valores obtidos, cuja soma forosamente tende para 1.0, uma boa
aproximao das probabilidades de ocorrncia de cada uma das M possveis mensagens.
Cdigos para compresso com base no princpio bits ade probabilid so
denominados de processos para Codificao por Entropia [Proakis], sendo entropia um
conceito a ser estudado adiante neste texto. O veterano Cdigo Morse, utilizado para enviar
informao por telegrafia desde a I Guerra Mundial, um exemplo histrico desta classe de
cdigos. Cada letra do alfabeto A Z uma mensagem do Cdigo Morse. O conjunto de
caracteres utilizado para compor as palavras-cdigo do Cdigo Morse o conjunto
{ } " " , " " . A cada mensagem atribudo uma seqncia de pontos e/ou traos
representados em telegrafia por tons audveis curtos e/ou longos. O mapeamento
cdigo palavra mensagem do Cdigo Morse tal que letras mais provveis na escrita
inglesa so associadas a palavras-cdigo curtas e letras menos provveis so associadas a
palavras-cdigo longas. A letra E, por exemplo, a letra mais freqente na escrita em
ingls e representada por um nico " " .
No contexto de Codificao por Entropia, o denominado Cdigo de Huffman, a ser
estudado adiante neste texto, quase que universalmente utilizado. A compresso por
codificao de Huffman tima no sentido de que o nmero mdio de bits requerido por
palavra-cdigo na sada do compressor para representar os M nveis de quantizao
codificados em mensagens de M N
2
log bits reduzido ao mnimo possvel sem que
cause degradao.
Nesta seo discutiremos brevemente os algoritmos de compresso denominados
-Law e A-Law, basicamente utilizados em sistemas digitais para transmisso de voz
humana, como em telefonia celular, por exemplo. Os algoritmos -Law e A-Law no so
timos como o Cdigo de Huffman o , no entanto, tm o mrito de o custo computacional
de sua operao ser menor que o custo computacional de um compressor com base no
Cdigo de Huffman, alm de atenderem os requisitos psico-acsticos envolvidos na
transmisso de sinais de voz.. O algoritmo -Law utilizado na Amrica enquanto que o
algoritmo A-Law utilizado na Europa.
A amplitude do sinal de voz humana tem uma distribuio estatstica caracterizada
por menores amplitudes terem alta probabilidade de ocorrncia, enquanto que maiores
amplitudes raramente ocorrem. Portanto, sob o ponto de vista do princpio de compresso
bits ade probabilid , menos bits devem ser atribudos a amostras correspondentes
a menores amplitudes. Por outro lado, estudos indicam que o processo de audio humano
um processo psico-acstico que apresenta sensibilidade logartmica, no qual sons de baixa
amplitude transportam mais informao ao crebro do que sons de alta amplitude. Sob este
ponto de vista, mais bits devem ser atribudos a amostras correspondentes a menores
amplitudes.
Portanto, a codificao PCM com um nmero N fixo de bits por amostra
(mensagem) ineficiente tanto sob o ponto de vista psico-acstico como sob o ponto de
vista de compresso ( bits ade probabilid ). Equivalentemente, pode ser dito que a
causa da ineficincia a quantizao com passo S uniformemente igual ao longo da faixa
22
de excurso
L H
V V de ( ) t m , denominada quantizao uniforme . Ou seja, a quantizao
uniforme resulta em uma qualidade excessivamente alta para sinais de amplitude alta, raros
de ocorrer, e resulta em pronunciada distoro por truncamento para sinais de baixa
amplitude, mais freqentes, e com maior contedo de informao sob o ponto de vista
psico-acstico. Ou ainda, a quantizao uniforme resulta em mensagens com mais bits do
que o necessrio para sinais de alta amplitude e em mensagens com menos bits do que o
necessrio para sinais de baixa amplitude.
Uma possvel soluo para o compromisso entre eficincia de compresso e
sensibilidade psico-acstica utilizar um processo de quantizao no-uniforme no qual o
passo de quantizao S aumenta medida que aumenta o nvel de quantizao. O resultado
global obtido em comparao com a quantizao uniforme um menor nmero de bits do
que seria necessrio para representar sinais de baixa amplitude sem distoro por
truncamento e um menor nmero de bits do que seria necessrio para representar largas
excurses do sinal ( ) t m sem saturar o quantizador (maior faixa dinmica).
Uma das maneiras de se obter quantizao no-uniforme manter o quantizador
uniforme mas previamente submeter o sinal ( ) t m transformao logartmica denominada
-Law, definida por
( )
( )
( )
+ 1
+ 1
ln
ln
sgn
x
x y
(2.34)
onde x o sinal ( ) t m normalizado para o intervalo ] , [ 1 1 , y representa o sinal ( ) t m
transformado e 255 . No Decodificador de Fonte do receptor o sinal ( ) t m' submetido
transformao inversa
( )
[ ]
1 + 1
y
y x sgn .
(2.35)
Outra forma de quantizao no-uniforme atravs da denominada A-Law, definida
por
( )
( )
( )
'
1
+
+ 1
1
+
x x
x
y
A 1 ,
lnA 1
x A ln
sgn
A x 0 ,
lnA 1
x A
sgn
(2.36)
com 6 87 . A , cuja operao inversa
( )
( )
( ) ( )
( )
'
1
+
+
1 + 1
+

,
_
x y
y
x
A
lnA 1
,
lnA 1 A
A ln y exp
sgn
A
lnA 1
y 0 ,
A
lnA 1
y sgn
(2.37)
A Figura 2.14 compara as curvas de compresso para os algoritmos -Law e A-Law.
23
Figura 2.14: Curvas de compresso resultantes dos algoritmos -Law e A-Law.
O processo de compresso pelos algoritmos -Law e A-Law raramente aplicado
ao sinal ( ) t m ou ao sinal ( ) t m
q
. Ao invs disto, a compresso feita digitalmente em cada
uma das seqncias de N bits resultantes da codificao PCM. Por exemplo, no caso do
algoritmo -Law, usualmente 13 N . O algoritmo -Law considera cada uma das
seqncias resultante da codificao PCM como uma mensagem de 13 bits e associa a cada
uma delas uma palavra-cdigo de 8 bits de acordo com uma tabela de mapeamento de bits.
Os detalhes de implementao dos algoritmos -Law e A-Law e respectivas tabelas de
mapeamento de bits podem ser encontrados nos artigos
A-Law and -Law Companding Implementations Using the TMS320C54x, Application
Note SPRA163A, Texas Instruments, December 1997.
TMS320C6000 -Law and A-Law Companding with Software or the McBSP,
Application Report SPRA634, Texas Instruments, April 2000.
disponveis para download em http://www.ee.pucrs.br/~decastro/download.html
24
2.5 PCM Diferencial (DPCM)
Quando um sinal de udio ou vdeo amostrado a uma razo ligeiramente maior
que a Freqncia de Nyquist, o sinal amostrado resultante passa a exibir uma alta
correlao entre amostras adjacentes.
O significado desta alta correlao que, na mdia, o sinal no varia rapidamente de
uma amostra para a outra.
Quando estas amostras altamente correlacionadas so codificadas em um
codificador PCM padro, conforme o visto na Seo 2.3, as mensagens ou seqncias de
bits resultantes apresentaro informao redundante. Isto significa que mensagens que no
so absolutamente essenciais transmisso de informao so geradas como resultado do
processo de codificao. Removendo esta redundncia antes da codificao pelo conversor
A/D resulta um aumento da eficincia do sinal codificado em transportar informao.
Se ns conhecemos uma parcela suficiente de um sinal redundante ns podemos
inferir o resto do sinal, ou pelo menos tentar fazer a estimativa mais provvel. Em
particular, se ns conhecemos o comportamento passado de um sinal at um determinado
ponto no tempo ento possvel fazer alguma inferncia sobre seus valores futuros. Tal
processo de inferncia conhecido como predio. Embora existam inmeros mtodos de
predio, no contexto de codificao DPCM nos limitaremos denominada Predio
Linear. Na Predio Linear uma amostra futura obtida como uma combinao linear de
um conjunto de amostras passadas.
Suponhamos, ento, que um sinal em banda-base ( ) t m amostrado a uma razo
Nyquist s s
f T f > 1 produzindo uma seqncia de amostras correlacionadas ( )
s
nT m
espaadas no tempo de um intervalo
s
T . Como o intervalo de amostragem
s
T definido e
constante, para efeito de simplificao, a seqncia ( )
s
nT m ser representada por ( ) n m .
Nesta representao n interpretado como o instante
s
nT t no qual o valor do sinal ( ) t m
levado sada do processo de amostragem.
O fato de que possvel predizer valores futuros de ( ) n m prov motivao para a
implementao do esquema de quantizao diferencial mostrado na Figura 2.15.
25
Figura 2.15: Sistema DPCM. (a) Codificador (no transmissor digital) (b) Decodificador (no
receptor digital).
No sistema DPCM a entrada do quantizador {} Q o sinal de erro
) ( ) ( ) ( n m n m n e
(2.38)
o qual a diferena entre o sinal de amostrado entrada ( ) n m e a predio ( ) n m do mesmo.
O sinal ( ) n m o resultado do processo de predio linear aplicado sobre um
conjunto de amostras passadas do sinal ( ) n m
q
, este ltimo sendo uma verso quantizada do
sinal ( ) n m .
O sinal de erro ) (n e denominado de erro de predio visto que seu valor representa
a incapacidade do Preditor Linear em prever ( ) n m com exatido.
Ao aplicarmos a sada do quantizador ( ) ( ) { } n e Q n e
q
ao conversor A/D obtemos a
seqncia ) (n y de bits DPCM ou mensagens codificadas em DPCM .
A sada do quantizador pode ser decomposta em
( ) ( ) { } ( ) ) (n q n e n e Q n e
e q
+
(2.39)
onde ( ) n q
e
representa o rudo ou erro de quantizao visto na Seo 2.2.1.
Observe na Figura 2.15a que a sada do quantizador ( ) ( ) { } n e Q n e
q
, isto , o erro
de predio quantizado, adicionado ao valor predito ( ) n m para formar o sinal de entrada
( ) n m
q
do Preditor Linear:
( ) ( ) ( ) n e n m n m
q q
+
(2.40)
26
A interpretao de ( ) n m
q
em (2.40) a seguinte: De (2.38) temos que
) ( ) ( ) ( n e n m n m + . Logo, se, ao invs de ) (n e , acrescentarmos predio ( ) n m a verso
quantizada de ) (n e , i.e., ( ) ( ) { } n e Q n e
q
, ento o resultado ser a verso quantizada ( ) n m
q
do sinal original ( ) n m .
Substituindo (2.39) em (2.40), temos
( ) ( ) ( ) ) ( n q n e n m n m
e q
+ +
(2.41)
mas de (2.38) temos que ) ( ) ( ) ( n e n m n m . Da, de (2.41) temos
( ) ( ) ) (n q n m n m
e q
+
(2.42)
que representa a verso quantizada ( ) n m
q
do sinal original ( ) n m atravs da decomposio
do sinal quantizado ( ) n m
q
em sinal original ( ) n m e rudo de quantizao ( ) n q
e
.
A Equao (2.42) pode ser interpretada da seguinte maneira: No importando a
capacidade de predio do Preditor Linear, o sinal quantizado ( ) n m
q
, na entrada do
Preditor Linear, difere do sinal original ( ) n m apenas do valor do rudo ou erro de
quantizao ( ) n q
e
.
A vantagem do sistema DPCM sobre o sistema PCM fica evidenciada atravs do
seguinte raciocnio: Seja {} Q um quantizador com M nveis de quantizao e passo de
quantizao ( ) M V V S
L H
, sendo
L H
V V a faixa dinmica do sinal em sua entrada.
No caso do sistema DPCM, se o Preditor Linear prev ( ) n m com exatido, ento a faixa
dinmica
L H
V V do sinal ) (n e na entrada de {} Q ser muito menor do que a faixa
dinmica do sinal ( ) n m na entrada de {} Q para o caso do sistema PCM. Portanto, para um
mesmo M, ( ) M V V S
L H
ser menor para o sistema DPCM do que para o sistema
PCM, o que implica que a potncia do erro de quantizao 12
2 2
S q
e
, dada por (2.22),
menor no sistema DPCM do que no sistema PCM.
A Figura 2.15b mostra o decodificador DPCM, localizado no decodificador de
fonte no receptor digital. Note na Figura 2.15a que, no transmissor digital, a soma da
predio ) ( n m com a verso quantizada ( ) ( ) { } n e Q n e
q
do erro de predio ) (n e resulta
no sinal quantizado ( ) ( ) ( ) n e n m n m
q q
+ . O D/A na Figura 2.15b gera em sua sada o
sinal ( ) n e
q
~
, que uma aproximao do sinal ( ) n e
q
no transmissor, aproximao resultante
da eventual degradao de ( ) n e
q
pela transmisso atravs do canal. Mas, quanto ao
processo de predio, o fluxo de sinal no receptor (Figura 2.15b) o mesmo do transmissor
(Figura 2.15a ), de modo que ( ) ( ) ( ) n e n m n m
q q
~
~
~
+ . De fato, se o canal de transmisso no
introduzir nenhuma degradao no sinal transmitido, ento ( ) ( ) n m n m
q q

~
.
27
2.5.1 Predio Linear
A Predio Linear considera o problema de predio da amostra ( ) 1 + i u ,
subseqente a um conjunto conhecido de amostras consecutivas prvias ( ) ( ) { } ! , , 1 i u i u
pertencentes a uma srie temporal discreta ( ) i U , problema este conhecido como predio a
um passo.
No contexto de codificao DPCM, ( ) 1 + i u representa a estimativa ( ) n m da
predio do sinal amostrado original ( ) n m no instante n, e ( ) ( ) { } ! , , 1 i u i u representa o
conjunto de amostras passadas de ( ) n m
q
na entrada Preditor Linear, isto ,
( ) ( ) { } ! , , 1 i u i u = ( ) ( ) { } ! , , 2 1 n m n m
q q
. Tendo sido feita a associao entre codificao
DPCM e Predio Linear, para manter a nomenclatura e elementos descritivos prprios da
rea de predio, doravante nesta seo passaremos a tratar do problema de predio linear
de maneira desvinculada do contexto de codificao DPCM. Apenas quando necessrio,
estabeleceremos um paralelo entre as duas reas.
Em predio linear, a estimativa da amostra predita, ( ) 1 + n u , expressa como uma
combinao linear de M (no confundir com o nmero de nveis de quantizao!) amostras
prvias ( ) ( ) ( ) { }. 1 , , 1 , + M n u n u n u ! Os coeficientes 1 , , 1 , 0 , M k W
k
! que
ponderam tal combinao linear definem um filtro FIR [Strum] transversal. A Figura 2.16
detalha um preditor FIR de ordem M, o qual mostrado no instante n naquela figura
[Haykin]. Portanto, como o instante definido, visando tornar compactas as equaes no
desenvolvimento que segue, no ser explicitado o indexador n para as variveis
envolvidas, a menos que n no seja inequivocamente definido pelo contexto. Um preditor
linear de ordem M utiliza M amostras prvias conhecidas da srie temporal para estimar
( ) 1 + n u , no entanto, necessita do conhecimento de todas as amostras que compem a srie
para emular a matriz de correlao associada.
A funo de custo J mede o erro mdio quadrtico entre a estimativa da predio
( ) ( ) 1 + n u n y e o valor efetivamente obtido para a amostra em questo, ( ) 1 + n u . O vetor
W que define o filtro FIR tem seus coeficientes determinados de forma a minimizar a
funo de custo J.
Conforme pode ser observado na Figura 2.16, a amostra predita ( ) 1 + n u dada por
( ) ( ) ( ) u W k n u W n y n u
T
M
k
k
+

1
0
1
(2.43)
28
Figura 2.16: Filtro Linear Transversal utilizado como preditor de ( ) 1 + n u com ordem de
predio 8 M . {} E o operador que resulta no valor esperado do argumento [Taub].
Da Figura 2.16, o erro de predio e(n) pode ser expresso por
( ) ( ) ( ) n y n d n e
(2.44)
O operador gradiente aplicado com o intuito de obter os valores para os pesos W
i
do filtro transversal que minimizem a funo de custo J, resolvendo-se a equao . 0 J
Assim, tomando a derivada parcial da funo de custo J com relao a cada peso W
i
,
{ } ( ) ; 2 2 2
2
'
'
'

i i i i i
i
W
y
e E y d
W
e E
W
e
e E e E
W W
J
J
(2.45)
1 , , 1 , 0 M i !
E, considerando o gradiente a partir do instante n, teremos
( ) ( )
( )
( ) ( ) ( ) ( ) { } i n u n e E k n u W
W
n e E
W
n y
n e E n J
M
k
k
i i
i

'
'
2 2 2
1
0
(2.46)
Como a funo de custo J uma funo quadrtica, J ser globalmente mnimo para
. 0 J Assim, a partir da Equao (2.46) podemos escrever que
( ) ( ) ( ) { } 0 2 i n u n e E n J
i
(2.47)
Substituindo as Equaes (2.43) e (2.44) na Equao (2.47), obteremos
29
( ) ( ) ( ) 0
1
0

'
1
]
1
i n u k n u W n d E
M
k
k
(2.48)
Distribuindo os produtos e rearranjando a Equao (2.48),
( ) ( ) { } ( ) ( ) { } i n u n d E i n u k n u E W
M
k
k

1
0
(2.49)
Observa-se no lado esquerdo da igualdade expressa na Equao (2.49), que
( ) ( ) { } ( ) i k R i n u k n u E
uu

(2.50)
onde
uu
R a funo de auto-correlao do processo aleatrio u (=processo estocstico)
para um atraso i k entre as amostras, com 1 , , 1 , 0 , M i k ! [Taub]. Da mesma forma,
observando o lado direito da igualdade expressa na Equao (2.49),
( ) ( ) { } ( ) i R i n u n d E
du

(2.51)
onde
du
R a funo de correlao cruzada entre o processo aleatrio que descreve a sada
desejada ( ) 1 + n u d e o processo u.
Considerando as Equaes (2.50) e (2.51), a Equao (2.49) pode ser reescrita como
( ) ( ) 1 , 1 0 ;
1
0
M- , , i i R i k R W
du uu
M
k
k
!
(2.52)
Para escrever a Equao (2.52) sob a forma matricial, consideremos que seja
( ) ( ) ( ) ( ) [ ]
T
M n u n u n u n u 1 1 + ! , tal que
( ) ( ) { } n u n u E
T
R
(2.53)
isto
( ) ( ) { } ( ) ( ) { } ( ) ( ) { }
( ) ( ) { } ( ) ( ) { }
( ) ( ) { } ( ) ( ) { } ( ) ( ) { }
1
1
1
1
]
1
+ + + +

+
1 1 1 1 1
1 1 1
1 1
M n u M n u E n u M n u E n u M n u E
n u n u E n u n u E
M n u n u E n u n u E n u n u E
!
" # " "
" !
!
R
(2.54)
ou
( ) ( ) ( )
( ) ( )
( ) ( ) ( )
1
1
1
1
]
1
0 2 1
0 1
1 1 0
uu uu uu
uu uu
uu uu uu
R M R M R
R R
M R R R
!
" # " "
" !
!
R
(2.55)
30
Para melhor ilustrar as Equaes (2.53), (2.54) e (2.55), consideremos um exemplo.
Para o caso em que M=3, teremos ( ) ( ) ( ) ( ) [ ]
T
n u n u n u n u 2 1 e R ser dado por
( ) ( ) [ ] n u n u E
T
R
(2.56)
( )
( )
( )
( ) ( ) ( ) [ ]
'

1
1
1
]
1
2 1
2
1 n u n u n u
n u
n u
n u
E
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( ) 1
1
1
]
1
0 1 2
1 0 1
2 1 0
uu uu uu
uu uu uu
uu uu uu
R R R
R R R
R R R
Mas, como ( ) ( ) x R x R
uu uu
, R poder, por fim, ser expresso como
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )1
1
1
]
1
0 1 2
1 0 1
2 1 0
uu uu uu
uu uu uu
uu uu uu
R R R
R R R
R R R
R
(2.57)
Seja, agora, o vetor P definido por
( ) ( ) { } n u n d E P
(2.58)
( ) ( ) { } ( ) ( ) { } ( ) ( ) { } [ ] +
T
M n u n d E n u n d E n u n d E 1 1 !
( ) ( ) ( ) [ ]
T
M P P P 1 1 0 !
e seja tambm o vetor de pesos dado por
[ ]
T
M
W W W W
1 1 0

!
(2.59)
Assim, partindo das Equaes (2.52), (2.53), (2.55), (2.58) e (2.59), teremos
P W R
(2.60)
A Equao (2.60) denominada Equao de Wiener-Hopf [Haykin]. A soluo de
(2.60) para W define os coeficientes do filtro linear transversal mostrado na Figura 2.16. O
filtro prediz com o mnimo erro quadrtico mdio a amostra ( ) 1 + n u de uma srie temporal
que apresenta correlao entre as M prvias amostras. Se a matriz de correlao R da srie
temporal no-singular para M definido, ento W pode ser obtido por
P W
1
R
(2.61)
31
sendo P o vetor que define a correlao cruzada entre o vetor ( ) n u de entrada e a sada
desejada ( ) ( ) 1 + n u n d .
importante observar que, para uma dada srie temporal com
t
N amostras totais,
apresentando correlao entre M amostras consecutivas prvias ao instante a ser predito, a
preciso com que Re P representam as correlaes envolvidas ser tanto maior quanto
maior for
t
N com relao a M.
Isto ocorre porque, na prtica, no se conhece o processo aleatrio subjacente que
determina a srie temporal em questo. Portanto, no so conhecidas as funes correlaes
que so realmente envolvidas no processo. Assim, o operador {} E nas Equaes (2.53) e
(2.58) substitudo pela mdia dos vetores de M componentes envolvidos no cmputo de
Re P, mdia esta realizada sobre o intervalo de
t
N amostras totais conhecidas da srie
temporal.
Desta maneira, a predio linear s tem sentido quando o processo aleatrio
subjacente estacionrio [Taub], pois, em caso contrrio, Re P no so univocamente
definidas, mesmo para
t
N suficientemente grande. Ou seja, se a srie temporal resulta de
um processo aleatrio no-estacionrio, Re P variam ao longo da srie, invalidando a
Equao (2.61) para a obteno do vetor de pesos W. A soluo algumas vezes adotada
assumir que a srie temporal estacionria em intervalos e adaptar Re P para cada
intervalo. No entanto, o nmero de amostras em cada intervalo nem sempre suficiente
para expressar com fidelidade a operao {} E .
Esta a razo do uso cada vez mais disseminado de tcnicas de predio no-linear,
as quais, embora apresentem custo computacional maior, contornam a necessidade de um
nmero grande de amostras conhecidas, suficientes para que o operador {} E seja
aproximado com fidelidade pela mdia temporal.
Objetivando reduzir a complexidade computacional envolvida no cmputo da
Equao (2.61), como R resulta em uma matriz Teptliz [Gantmacher], a sua inverso ,
em geral, realizada pelo mtodo de Durbin-Levinson [Haykin], muito embora a
pseudo-inverso de Moore-Penrose via Decomposio em Valores Singulares
[Haykin][Press] seja freqentemente utilizada para contornar os problemas resultantes de
uma matriz Rquase singular.
No contexto de codificao DPCM, utiliza-se para construir Re P um conjunto
suficientemente grande formado pela amostras passadas mais recentes de ( ) n m
q
de forma
que Re P so reavaliados a cada nova predio ou a cada
p
N predies. A cada nova
reavaliao de Re P os coeficientes do filtro W so obtidos por P W
1
R e so enviados
ao filtro do receptor atravs do canal de transmisso [Proakis]. Uma alternativa para evitar
a ocupao de parte da banda-passante do canal com a transmisso dos coeficientes do
filtro o preditor do receptor calcular W a partir do sinal recebido. No entanto, como
ocorre degradao de sinal no canal, nem sempre o sinal recebido ser uma rplica fiel do
sinal transmitido e o preditor do receptor poder acabar predizendo rudo e interferncia.
32
Isto deteriorar a performance do decodificador DPCM, a menos que os cdigos corretores
de erro do Decodificador de Canal compensem a degradao.
Note ainda que, a partir da inicializao de um sistema DPCM, devido sada do
preditor ser realimentada para sua entrada, tanto o preditor do transmissor como o do
receptor necessitam de um razovel nmero de amostras at que consigam reduzir o erro de
predio a nveis aceitveis.
2.5.2 Critrio de Avaliao do Erro de Predio
Adotaremos como critrio para avaliao da qualidade de um preditor linear o
critrio sugerido por Gershenfeld e Weigend em [Weigend]. Este critrio de avaliao
considerado referncia pela comunidade de pesquisadores da rea de predio.
A qualidade da predio ser expressa em termos da razo entre as somas de erros
quadrticos mostrada em (2.62).
( )
( )
t
t t
t
t t
observao observao
predio observao
2
1
2
(2.62)
Em (2.62) o denominador expressa o erro mdio quadrtico (MSE) de predio
obtido para a chamada predio pela ltima amostra., que, como veremos, o preditor
utilizado na Modulao Delta. Tal mtodo de predio considera que a melhor predio
possvel para a prxima amostra consiste simplesmente em repetir o valor efetivamente
observado para a amostra atual. O valor obtido por tal critrio para o MSE tomado como
normalizador para o MSE resultante das diferenas entre os valores efetivamente obtidos,
aps a observao da amostra em questo, e os respectivos valores obtidos pelo preditor
que est sendo avaliado. Uma razo inferior a 1.0 corresponde a uma predio melhor do
que aquela obtida pela simples repetio do valor efetivamente observado para a amostra
anterior quela a ser predita limiar que qualifica um preditor que pretenda ser til.
O erro obtido atravs do procedimento expresso em (2.62) chamado Erro Mdio
Quadrtico Normalizado (Normalized Mean Squared Error) e referido na literatura por
NMSE.
Expressando (2.62) em forma de equao, teremos
( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
+
+ +
n
i
n
i
n
i
n
i
i u i u
i u i u
i o i o
i p i o
n
0
2
0
2
1
2
1
2
1
1 1
1
NMSE
(2.63)
onde ( ) i o e ( ) i p so respectivamente a observao (o valor efetivamente observado) e a
predio no instante i. Para uma dada srie temporal U com
t
N amostras totais o erro ao
final do processo de predio de U dado por ) 1 NMSE(
t
N , onde 1
t
N o ndice do
ltimo elemento da srie.
33
2.5.3 Exemplo Predio de Manchas Solares
Nesta seo apresenta-se os resultados obtidos para a predio linear da srie
Sunspots, com 280
t
N amostras totais. Cada um dos 280 pontos que constituem esta srie
corresponde ao nmero normalizado da ocorrncia anual de manchas solares, no perodo de
1700 a 1979. Esta srie, mostrada na Tabela 2.1, clssica no contexto de predio, tendo
sido historicamente uma das primeiras sries temporais estudadas. Ela serve ao nosso
estudo visto que apresenta um nvel de correlao semelhante ao obtido por amostragem
com
Nyquist s
f f > , usada em codificao DPCM.
Tabela 2.1: Srie temporal Sunspots. Ano Nmero Normalizado da Ocorrncia Anual de
Manchas Solares. Downloaded de ftp://ftp.santafe.edu/pub/Time-Series/data/sunspots.
1700
0.0262
1701
0.0575
1702
0.0837
1703
0.1203
1704
0.1883
1705
0.3033
1706
0.1517
1707
0.1046
1708
0.0523
1709
0.0418
1710
0.0157
1711
0.0000
1712
0.0000
1713
0.0105
1714
0.0575
1715
0.1412
1716
0.2458
1717
0.3295
1718
0.3138
1719
0.2040
1720
0.1464
1721
0.1360
1722
0.1151
1723
0.0575
1724
0.1098
1725
0.2092
1726
0.4079
1727
0.6381
1728
0.5387
1729
0.3818
1730
0.2458
1731
0.1831
1732
0.0575
1733
0.0262
1734
0.0837
1735
0.1778
1736
0.3661
1737
0.4236
1738
0.5805
1739
0.5282
1740
0.3818
1741
0.2092
1742
0.1046
1743
0.0837
1744
0.0262
1745
0.0575
1746
0.1151
1747
0.2092
1748
0.3138
1749
0.4231
1750
0.4362
1751
0.2495
1752
0.2500
1753
0.1606
1754
0.0638
1755
0.0502
1756
0.0534
1757
0.1700
1758
0.2489
1759
0.2824
1760
0.3290
1761
0.4493
1762
0.3201
1763
0.2359
1764
0.1904
1765
0.1093
1766
0.0596
1767
0.1977
1768
0.3651
1769
0.5549
1770
0.5272
1771
0.4268
1772
0.3478
1773
0.1820
1774
0.1600
1775
0.0366
1776
0.1036
1777
0.4838
1778
0.8075
1779
0.6585
1780
0.4435
1781
0.3562
1782
0.2014
1783
0.1192
1784
0.0534
1785
0.1260
1786
0.4336
1787
0.6904
1788
0.6846
1789
0.6177
1790
0.4702
1791
0.3483
1792
0.3138
1793
0.2453
1794
0.2144
1795
0.1114
1796
0.0837
1797
0.0335
1798
0.0214
1799
0.0356
1800
0.0758
1801
0.1778
1802
0.2354
1803
0.2254
1804
0.2484
1805
0.2207
1806
0.1470
1807
0.0528
1808
0.0424
1809
0.0131
1810
0.0000
1811
0.0073
1812
0.0262
1813
0.0638
1814
0.0727
1815
0.1851
1816
0.2395
1817
0.2150
1818
0.1574
1819
0.1250
1820
0.0816
1821
0.0345
1822
0.0209
1823
0.0094
1824
0.0445
1825
0.0868
1826
0.1898
1827
0.2594
1828
0.3358
1829
0.3504
1830
0.3708
1831
0.2500
1832
0.1438
1833
0.0445
1834
0.0690
1835
0.2976
1836
0.6354
1837
0.7233
1838
0.5397
1839
0.4482
1840
0.3379
1841
0.1919
1842
0.1266
1843
0.0560
1844
0.0785
1845
0.2097
1846
0.3216
1847
0.5152
1848
0.6522
1849
0.5036
1850
0.3483
1851
0.3373
1852
0.2829
1853
0.2040
1854
0.1077
1855
0.0350
1856
0.0225
1857
0.1187
1858
0.2866
1859
0.4906
1860
0.5010
1861
0.4038
1862
0.3091
1863
0.2301
1864
0.2458
1865
0.1595
1866
0.0853
1867
0.0382
1868
0.1966
1869
0.3870
1870
0.7270
1871
0.5816
1872
0.5314
1873
0.3462
1874
0.2338
1875
0.0889
1876
0.0591
1877
0.0649
1878
0.0178
1879
0.0314
1880
0.1689
1881
0.2840
1882
0.3122
1883
0.3332
1884
0.3321
1885
0.2730
1886
0.1328
1887
0.0685
1888
0.0356
1889
0.0330
1890
0.0371
1891
0.1862
1892
0.3818
1893
0.4451
1894
0.4079
1895
0.3347
1896
0.2186
1897
0.1370
1898
0.1396
1899
0.0633
1900
0.0497
1901
0.0141
1902
0.0262
1903
0.1276
1904
0.2197
1905
0.3321
1906
0.2814
1907
0.3243
1908
0.2537
1909
0.2296
1910
0.0973
1911
0.0298
1912
0.0188
1913
0.0073
1914
0.0502
1915
0.2479
1916
0.2986
1917
0.5434
1918
0.4215
1919
0.3326
1920
0.1966
1921
0.1365
1922
0.0743
1923
0.0303
1924
0.0873
1925
0.2317
1926
0.3342
1927
0.3609
1928
0.4069
1929
0.3394
1930
0.1867
1931
0.1109
1932
0.0581
1933
0.0298
1934
0.0455
1935
0.1888
1936
0.4168
1937
0.5983
1938
0.5732
1939
0.4644
1940
0.3546
1941
0.2484
1942
0.1600
1943
0.0853
1944
0.0502
1945
0.1736
1946
0.4843
1947
0.7929
1948
0.7128
1949
0.7045
1950
0.4388
1951
0.3630
1952
0.1647
1953
0.0727
1954
0.0230
1955
0.1987
1956
0.7411
1957
0.9947
1958
0.9665
1959
0.8316
1960
0.5873
1961
0.2819
1962
0.1961
1963
0.1459
1964
0.0534
1965
0.0790
1966
0.2458
1967
0.4906
1968
0.5539
1969
0.5518
1970
0.5465
1971
0.3483
1972
0.3603
1973
0.1987
1974
0.1804
1975
0.0811
1976
0.0659
1977
0.1428
1978
0.4838
1979
0.8127
34
A predio estimada ( ) 1 + n u , neste caso, expressa como uma combinao linear
de 4 amostras prvias, equivalendo a dizer que a ordem da predio linear adotada
4 M . Os valores para os coeficientes que ponderam tal combinao linear foram obtidos
atravs de (2.61) e so 1.35782
0
W , 0.442764
1
W , 0.186194
2
W e 0.175639
3
W ,
de tal forma que a Equao (2.43) resulta em:
( ) ( ) ( ) ( ) ( ) 3 0.175639 2 0.186194 1 0.442764 1.35782 1 + + n u n u n u n u n u
O valor obtido para o Erro Mdio Quadrtico Normalizado final
0.608 ) 1 NMSE(
t
N , conforme Equao (2.63).
importante salientar que, apesar de a ordem de predio ser 4 M , a predio
linear aqui efetuada necessita do conhecimento prvio de todos os 280
t
N elementos da
srie temporal para montar a matriz de correlao R, expressa por (2.55), na tentativa de
aproximar o operador {} E pela mdia temporal obtida a partir dos elementos conhecidos.
A Figura 2.17 apresenta as representaes grficas da srie Sunspots, observada e
predita.
Figura 2.17: Srie Sunspots Predio Linear 4 M , 0.608 ) 1 NMSE(
t
N .
35
A Tabela 2.2 lista o script LinPred.m , para Matlab 5.0, utilizado neste exemplo.
Tabela 2.2: Script LinPred.m , para Matlab 5.0, o qual implementa um preditor linear de
ordem M. Os argumentos de linha de comando so:
TimeSeriesInFile Arquivo de entrada numrico-ascii contendo os valores da srie temporal a ser predita
Pred&ObsOutFile Arquivo de sada numrico-ascii contendo na coluna da esquerda os valores preditos e na
coluna da direita os valores observados.
ARCoefsOutFile Arquivo de sada numrico-ascii contendo os coeficientes do vetor W.
ARModelOrder Ordem de predio M (ordem do modelo auto-regressivo).
% One step ahead linear predictor for scalar time series
% Uses Durbin-Levinson algorithm to solve Wiener-Hopf (=Yule-Walker)
% equations
%
% USE: LinPred TimeSeriesInFile Pred&ObsOutFile ARCoefsOutFile ARModelOrder
%
% By Cristina & Fernando De Castro November 2000
function LinPred(TimeSeriesInFile, PredObsOutFile, ARCoefsOutFile,
ARModelOrder)
if nargin != 4
disp('LinPred: TimeSeriesInFile Pred&ObsOutFile ARCoefsOutFile
ARModelOrder');
return
end
n=eval(ARModelOrder);
% read time series into S
InFp=fopen(TimeSeriesInFile,'rt');
S=fscanf(InFp,'%f');
fclose(InFp);
% predict S into P
[a,g]=lpc(S,n);
th=poly2th(a,[],[1]);
P=predict(S,th,1);
LenS=length(S);
LenP=length(P);
NSmpls=min(LenS,LenP);
% plot
k=1:NSmpls; plot(k,S,'b',k,P,'r');
% output Pred & Obs
OutFp=fopen(PredObsOutFile,'wt');
fprintf(OutFp,'%8.6g\t%8.6g\n',[P';S']);
fclose(OutFp);
ErrEn=0;
PredEn=0;
% NMSE calculation
for k=2:NSmpls
ErrEn=ErrEn+(S(k)-P(k))^2;
PredEn=PredEn+(S(k)-S(k-1))^2;
36
end
NMSE=ErrEn/PredEn;
str=sprintf('\nNMSE=%5.3g\n',NMSE); disp(str);
%disp('AR Coefficients:');disp(a);
% output AR Coefficients
OutFp=fopen(ARCoefsOutFile,'wt');
fprintf(OutFp,'%8.6g\n',a');
fclose(OutFp);
2.6 Modulao Delta (DM)
Vimos que a correlao resultante da amostragem a uma razo ligeiramente maior
que a Freqncia de Nyquist permite a predio do sinal a ser codificado. Na codificao
DPCM, esta caracterstica explorada no sentido de reduzir a faixa dinmica
L H
V V do
erro de predio ) (n e na entrada do quantizador {} Q , reduzindo assim a potncia
12
2 2
S q
e
do erro de quantizao.
Nesta linha de pensamento, o seguinte raciocnio surge naturalmente: Uma
amostragem a uma razo ligeiramente maior que a Freqncia de Nyquist gera amostras
correlacionadas o que permite a predio do sinal a ser codificado e, portanto, reduz a faixa
dinmica
L H
V V do sinal ) (n e na entrada de {} Q . Ento, se utilizarmos uma amostragem
bem acima da Freqncia de Nyquist poderemos obter uma predio to boa (devido a alta
correlao resultante da super-amostragem) que a faixa dinmica
L H
V V do sinal ) (n e na
entrada de {} Q tender para zero e com isto poderemos reduzir o nmero M de nveis de
quantizao necessrios para 2 M . Esta a idia bsica que rege o funcionamento da
Modulao Delta (DM). Na realidade, a DM nada mais do que um sistema DPCM com
um A/D de 1 bit ( 2 M ).
Na sua forma mais simples, um sistema DM prov uma aproximao em forma de
escada para uma verso super-amostrada do sinal em banda-base ( ) t m (super-amostragem:
Nyquist s s
f T f >> 1 ), conforme mostra a Figura 2.18.
37
Figura 2.18: Sinais envolvidos na Modulao Delta.
Em um sistema DM o erro de predio ) (n e quantizado atravs do quantizador
{} Q em apenas dois nveis de quantizao + ou (i.e., 2 M ), conforme mostra a
Figura 2.19c, correspondendo respectivamente a um erro positivo e a um erro negativo.
Assim, se no incio de um intervalo de amostragem
s
T o sinal ( ) t m
q
encontra-se abaixo de
( ) t m , ento ( ) t m
q
incrementado de + , conforme observa-se na Figura 2.18. Por outro
lado, se no incio de um intervalo de amostragem o sinal ( ) t m
q
encontra-se acima de ( ) t m ,
ento ( ) t m
q
incrementado de . Desde que ( ) t m no varie demasiadamente rpido, o
sinal em escada ( ) t m
q
aproxima ( ) t m com uma preciso tal que ( ) ( ) < t m t m
q
. Assim,
( ) t m
q
uma aproximao de ( ) t m .
A Figura 2.19a mostra o codificador de um sistema DM. Note que o Preditor Linear
substitudo por um preditor do tipo
1
z (preditor pela ltima amostra). O bloco
1
z
repete em sua sada no instante n o valor em sua entrada no instante n-1, de modo que
( ) ( ) 1 n m n m
q
(
1
z significa, no contexto da Transformada Z [Strum], um atraso
s
T no
tempo, ou a amostra anterior). Esta modificao possvel porque um sistema DM amostra
o sinal banda-base ( ) t m a uma razo
Nyquist s s
f T f >> 1 , o que resulta em alta correlao
entre as amostras de ( ) n m , e, portanto, permite que um simples preditor pela ltima
amostra seja suficiente para predizer o sinal.
38
Figura 2.19: Sistema DM. (a) Codificador (no transmissor digital) (b) Decodificador (no
receptor digital). (c) Curva de transferncia do quantizador {} Q .
O erro de predio ) (n e na entrada do quantizador {} Q dado por
) ( ) ( ) ( ) ( ) ( 1 n m n m n m n m n e
q (2.64)
a sada de {} Q dada por
( ) ( ) { } )) ( sgn( n e n e Q n e
q

(2.65)
onde
'
<
1 +
0 x 1, -
0 x ,
) sgn(x
(2.66)
e a entrada do preditor
1
z
( ) ( ) ( ) ( ) ( ) n e n m n e n m n m
q q q q
+ 1 +
(2.67)
39
A realimentao da sada do preditor
1
z sua entrada atravs de um somador
forma um bloco Acumulador. Por exemplo, consideremos o instante . 0 n A sada do
preditor
1
z ( ) 0 0 m porque ( ) 1 n m
q
no existe. Da, de (2.67), ( ) ( ) 0 0
q q
e m . Seja
agora o instante . 1 n A sada do preditor
1
z ( ) ( ) ( ) 0 0 1
q q
e m m . De (2.67),
( ) ( ) ( ) ( ) ( ) 1 + 0 1 + 1 1
q q q q
e e e m m . Seja agora o instante . 2 n A sada do preditor
1
z
( ) ( ) ( ) ( ) 1 + 0 1 2
q q q
e e m m . De (2.67), ( ) ( ) ( ) ( ) ( ) ( ) 2 + 1 + 0 2 + 2 2
q q q q q
e e e e m m . E
assim prosseguiramos recursivamente de modo que o Acumulador executa a operao
( ) ( ) ( ) ( ) ( ) ( )

0 0 0

n
i
n
i
n
i
q q
n e n e n e n m sgn sgn
(2.68)
A Equao (2.68) interpretada da seguinte maneira: No instante de amostragem
s
nT o acumulador incrementa a aproximao ( )
s q
nT m ( sinal ( ) t m
q
na Figura 2.18) de
na direo positiva ou negativa dependendo do sinal algbrico do erro de predio ) (
s
nT e .
Em outras palavras, se o sinal de entrada ( ) n m maior que a predio mais recente
( ) n m um incremento positivo + aplicado aproximao ( ) n m
q
. Por outro lado, se o
sinal de entrada ( ) n m menor que a predio mais recente ( ) n m um incremento negativo
aplicado aproximao ( ) n m
q
. Desta maneira, o Acumulador procura acompanhar
as amostras de entrada variando o valor da aproximao em degraus de valor t .
A Figura 2.19b mostra o decodificador de um sistema DM. O D/A gera em sua
sada o sinal ( ) n e
q
~
, que uma aproximao do sinal ( ) n e
q
no transmissor, aproximao
resultante da eventual degradao de ( ) n e
q
pela transmisso atravs do canal. Como o
fluxo de sinal no receptor (Figura 2.19b) o mesmo do transmissor (Figura 2.19a ), ento
( ) ( ) ( ) n e n m n m
q q
~
~
~
+ . Assim como no sistema DPCM, se o canal de transmisso no
introduzir nenhuma degradao no sinal transmitido, ento ( ) ( ) n m n m
q q

~
.
O sinal ( ) n m
q
~
possui um espectro amplo devido s transies rpidas da forma de
onda em escada. Este rudo de alta freqncia gerado no receptor de um sistema DM
eliminado pelo filtro passa-baixa para recuperao do sinal ( ) t m , com freqncia de corte
M
f , sendo
M
f a maior freqncia do espectro de ( ) t m , conforme visto na Seo 2.1.
2.6.1 Rudo de Quantizao de um Sistema DM
Sistemas DM so sujeitos a dois tipos de erro de quantizao:
1- Distoro por declividade excessiva em ( ) t m (slope-overload distortion).
2- Rudo granular.
A distoro slope-overload similar limitao slew-rate dos Amplificadores
Operacionais [Wait], isto , ela resulta da incapacidade do codificador DM acompanhar
variaes demasiadamente rpidas no sinal ( ) t m .
40
O sinal quantizado ( ) n m
q
pode ser decomposto em
( ) ( ) ) (n q n m n m
e q
+
(2.69)
onde ( ) n q
e
representa o rudo ou erro de quantizao visto na Seo 2.2.1.
Substituindo (2.69) em (2.64)
( ) ) ( ) ( ) ( ) ( ) ( 1 1 1 n q n m n m n m n m n e
e q (2.70)
Portanto, exceto pelo erro de quantizao ) ( 1 n q
e
, o erro de predio ( ) n e na
entrada do quantizador {} Q a diferena entre duas amostras consecutivas de ( ) t m , e pode
ser interpretado como a verso discreta e ruidosa da derivada do sinal ( ) t m .
Se ns considerarmos a regio de mxima declividade do sinal ( ) t m , i.e.
( )
dt
t dm
max , ento a seqncia de amostras da aproximao ( )
s q
nT m , para ser capaz de
acompanhar ( ) t m nesta regio de mxima declividade, ter que ser incrementada com
uma rapidez tal que satisfaa a condio
( )
dt
t dm
T
s
max
(2.71)
caso contrrio ocorrer distoro slope-overload, conforme mostrado na Figura 2.20.
Figura 2.20: Erro de quantizao em um sistema DM.
Por outro lado, quando ( ) t m tende a uma reta horizontal, o acumulador tentar
acompanhar ( ) t m variando o valor da aproximao ( ) n m
q
em degraus de valor t , o que
forosamente resultar em uma alternncia de degraus para cima e para baixo em torno da
reta horizontal. Esta alternncia denominada de Rudo Granular, conforme mostrado na
Figura 2.20.
41
Portanto, percebe-se que existe a necessidade de um valor grande para
objetivando acomodar sinais de grande faixa dinmica enquanto que um pequeno
necessrio para representar com preciso sinais aproximadamente constantes. A escolha do
adequado resulta, como conseqncia, em um compromisso entre distoro
slope-overload e rudo granular.
2.7 Comentrios Comparativos entre PCM, DPCM e DM
A grande vantagem da DM a sua simplicidade de implementao. O custo
computacional do preditor
1
z utilizado em DM (o qual um simples registrador do ltimo
valor ocorrido de ( ) n m
q
) irrisrio se comparado com o custo computacional do Preditor
Linear utilizado em um codificador DPCM. No entanto, a DM exige uma taxa de
amostragem muito maior de que DPCM ou PCM.
Para sinais de voz, a relao sinal-rudo de quantizao
Q
SNR obtida para um
sistema DPCM com um preditor linear de ordem 5 cerca de 12 dB mais alta do que a
obtida para um sistema PCM padro com mesmo nmero M de nveis de quantizao. O
aumento da ordem do preditor linear para alm da ordem 5 resulta em pouco aumento
adicional da
Q
SNR .
De (2.26), cada 6dB de reduo no rudo de quantizao equivale ao aumento de 1
bit no A/D. Assim, podemos expressar os 12 dB de melhora da
Q
SNR obtida com DPCM
em relao PCM em termos da taxa de transmisso em R [ ] s bits . Ou seja, para a mesma
Q
SNR e mesma taxa de amostragem KHz 8
s
f (tpica para sinal de voz) um sistema
DPCM com um preditor de ordem 5 necessita 2 bits (12dB 2bits) a menos por amostra
do que um sistema PCM. Portanto, sob KHz 8
s
f , um sistema DPCM transmite o mesmo
nmero de amostras por segundo que um sistema PCM mas economiza
16Kbps bits KHz 2 8 na taxa de transmisso (menor banda-passante necessria).
2.8 DPCM e DM Adaptativos (ADPCM e ADM)
Objetivando acomodar sinais de faixa dinmica e estatstica variveis surgiram os
sistemas ADPCM e ADM.
Tipicamente, a cada instante n um sistema ADPCM ajusta o passo de quantizao
n
S do quantizador {} Q de acordo com a varincia { } ! var de um conjunto
( ) ( ) ( ) { } L n n n e 2 1 e , , e , ! ! de L amostras passadas do sinal ( ) n e na entrada de {} Q .
Em geral,
{ } ( ) ! var f S S
n n

1 + (2.72)
onde ( ) f uma funo analtica tal que { } ( ) 0 1 < . var ! f para { } ! var experimentalmente
considerado um valor baixo e { } ( ) 0 1 > . var ! f para { } ! var experimentalmente considerado
um valor alto. O critrio experimental da classificao de { } ! var como alto/baixo em geral
a reduo do rudo de quantizao resultante.
42
Em conseqncia, o Preditor Linear deve reavaliar periodicamente Re P e calcular
os coeficientes do filtro W por P W
1
R no s devido eventual no-estacionariedade
do sinal (ver Seo 2.5.1) como tambm devido variao adaptativa em
n
S .
Um sistema ADM tipicamente utiliza a seguinte regra de adaptao para :
( ) ( )
1

1
n
b
n
b
n
n

(2.73)
onde 1 uma constante determinada experimentalmente objetivando a reduo do erro
de quantizao (por exemplo, 5 1 . adequado para sinais de voz), ( ) 1 2 b b e
n
b e
1 n
b so respectivamente o ltimo e o penltimo bit gerados na sada ) (n y do codificador
de um sistema DM (Figuras 2.19a e 2.18).
Assim, se em um determinado instante n comea a ocorrer distoro slope-overload,
ento forosamente
1
n n
b b , ( ) ( ) 1
1 n
b
n
b e a conseqncia
n
ser multiplicado
por , aumentando e reduzindo a distoro. Por outro lado, se em um determinado
instante n comea a ocorrer rudo granular, ento forosamente
1
n n
b b ,
( ) ( ) 1
1 n
b
n
b e a conseqncia
n
ser dividido por , diminuindo e
reduzindo o rudo.
A Figura 2.21 mostra o erro de quantizao em um sistema ADM para voz adaptado
por (2.73). A comparao com a Figura 2.20 mostra uma considervel reduo da
distoro slope-overload e do rudo granular.
Figura 2.21: Erro de quantizao em um sistema ADM.
43
2.9 Referncias Bibliogrficas
[Carlson] A. B. Carlson, Communication Systems, McGraw-Hill, 1965.
[Proakis] J. G. Proakis, Digital Communications, McGraw-Hill, 1995.
[Taub] H. Taub and D.L. Schilling, Principles of Communications Systems,
McGraw-Hill, 1986.
[Wait] J.V. Wait, L.P. Huelsman and G.A. Korn, Introduction to Operational
Amplifier Theory and Applications, McGraw-Hill, 1975.
[Strum] R. D. Strum and D. E. Kirk, First Principles of Discrete Systems and
Digital Signal Processing, Addison-Wesley, 1989.
[Haykin] S. Haykin, Adaptive Filter Theory, 3
rd
ed., Prentice Hall, Upper Saddle
River, New Jersey, 1996.
[Gantmacher] F. R. Gantmacher, The Theory of Matrices, vol.1, Chelsea Publishing
Company, New York, NY, 1977.
[Press] W. H. Press, S. A. Teukolsky, W. T. Vetterling and B. P. Flannery.
Numerical Recipes in C, 2
nd
ed., Cambridge Uniersity Press, 1992.
[Weigend] A. S. Weigend and N. A. Gershenfeld. Time Series Prediction: Forecasting
the Future and Understanding the Past. Addison-Wesley Publishing
Company, 1994.

Comunidação Digital 2

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Comunidação Digital 2

Hochgeladen von

Copyright:

Verfügbare Formate

PUCRS Faculdade de Engenharia Departamento de Engenharia Eltrica

Comunicaes Digitais por F.C.C De Castro e M.C.F. De Castro

Das könnte Ihnen auch gefallen