O processamento de sinais é uma área fundamental na engenharia elétrica e na ciência da computação, com aplicações que vão desde a análise de áudio até a comunicação digital. O Raspberry Pi, um microcomputador de baixo custo e altamente versátil, é uma plataforma ideal para projetos de processamento de sinais devido à sua capacidade de executar software sofisticado e interagir com hardware externo.

Neste artigo, vamos explorar como você pode usar o Raspberry Pi para realizar tarefas básicas de processamento de sinais. Vamos focar em exemplos práticos que utilizam a biblioteca Python numpy para manipulação de sinais e matplotlib para visualização. O uso do Python torna o desenvolvimento mais acessível e a grande quantidade de bibliotecas disponíveis facilita a implementação de algoritmos complexos.

Exemplos:

1. Instalação das Bibliotecas Necessárias: Primeiro, precisamos instalar as bibliotecas necessárias. Abra o terminal no seu Raspberry Pi e execute os seguintes comandos:

   sudo apt-get update
   sudo apt-get install python3-pip
   pip3 install numpy matplotlib

2. Gerar e Visualizar um Sinal Senoidal: Vamos começar gerando um sinal senoidal simples e visualizando-o. Crie um arquivo Python chamado sine_wave.py e adicione o seguinte código:

   import numpy as np
   import matplotlib.pyplot as plt
   
   # Parâmetros do sinal
   freq = 5  # Frequência em Hz
   sampling_rate = 500  # Taxa de amostragem em Hz
   duration = 1  # Duração em segundos
   
   # Criação do vetor de tempo
   t = np.linspace(0, duration, int(sampling_rate * duration), endpoint=False)
   
   # Gerar o sinal senoidal
   signal = np.sin(2 * np.pi * freq * t)
   
   # Plotar o sinal
   plt.plot(t, signal)
   plt.xlabel('Tempo [s]')
   plt.ylabel('Amplitude')
   plt.title('Sinal Senoidal')
   plt.show()

   Execute o script no terminal com o comando:

   python3 sine_wave.py

3. Filtragem de Sinais: Agora, vamos adicionar ruído ao nosso sinal e aplicar um filtro passa-baixa para removê-lo. Adicione o seguinte código ao seu script sine_wave.py:

   from scipy.signal import butter, lfilter
   
   # Função para criar um filtro passa-baixa
   def butter_lowpass(cutoff, fs, order=5):
      nyq = 0.5 * fs
      normal_cutoff = cutoff / nyq
      b, a = butter(order, normal_cutoff, btype='low', analog=False)
      return b, a
   
   # Função para aplicar o filtro
   def lowpass_filter(data, cutoff, fs, order=5):
      b, a = butter_lowpass(cutoff, fs, order=order)
      y = lfilter(b, a, data)
      return y
   
   # Adicionar ruído ao sinal
   noise = np.random.normal(0, 0.5, signal.shape)
   noisy_signal = signal + noise
   
   # Aplicar o filtro passa-baixa
   cutoff = 7  # Frequência de corte em Hz
   filtered_signal = lowpass_filter(noisy_signal, cutoff, sampling_rate)
   
   # Plotar o sinal original, ruidoso e filtrado
   plt.figure(figsize=(10, 6))
   plt.subplot(3, 1, 1)
   plt.plot(t, signal)
   plt.title('Sinal Original')
   plt.subplot(3, 1, 2)
   plt.plot(t, noisy_signal)
   plt.title('Sinal com Ruído')
   plt.subplot(3, 1, 3)
   plt.plot(t, filtered_signal)
   plt.title('Sinal Filtrado')
   plt.xlabel('Tempo [s]')
   plt.tight_layout()
   plt.show()

   Execute novamente o script:

   python3 sine_wave.py