Neste módulo, faremos uma breve revisão de sinais senoidais a tempo contínuo. Veremos que todo sinal na prática podem ser escritos como uma combinação de sinais senoidais. A vantagem disso é que em muitos casos, como na amostragem, é muito fácil ver o que um sistema faz com uma senóide. Usando o fato de que tudo é uma combinação de senóides, fica então fácil ver o que o sistema faz com um sinal qualquer.

Nesse módulo, veremos as senóides a tempo discreto. Como no caso contínuo, também podemos construir qualquer sinal prático como combinação de senóides. Mas as senóides discretas possuem alguma particularidades. Em particular, veremos que existe uma maior frequência possível para a senóide discreta, e que alguns sinais de diferentes frequências podem ser indistinguíveis. Esse fenômeno está intimamente ligado, por exemplo, ao fato de que a roda de um carro de fórmula 1 parece que está parada na transmissão da TV.

Nesse módulo, estudaremos em detalhe a amostragem, o processo que converte um sinal analógico em um sinal digital. Isso é o que é feito, por exemplo, em uma câmera digital e na gravação de um áudio em um smartphone. Veremos primeiramente o que ocorre quando o sinal amostrado é uma senóide. Com isso, poderemos modelar o aliasing, a principal distorção introduzida no processo. A partir desse modelo, poderemos especificar sistemas que diminuem o impacto dessa distorção.

Nesse módulo, estudaremos a reconstrução, o processo que transforma um sinal digital em um sinal analógico. Veremos como podemos modelar esse processo e, a partir desse modelo, como podemos especificar filtros que minimizem as distorções resultantes.

Esse módulo traz um resumo de tudo o que foi visto no curso. Nesse apanhado geral, veremos a principal conclusão da amostragem, chamada de teorema de amostragem: se a taxa de amostragem e os filtros forem adequadamente escolhidos, é possível recuperar perfeitamente um sinal a partir de suas amostras.