Академический Документы
Профессиональный Документы
Культура Документы
DE FILTROS DIGITAIS
Ricardo Suyama
ricardo.suyama@ufabc.edu.br
Sala 728-1
AULA 01 – APRESENTAÇÃO
DO CURSO E INTRODUÇÃO
ESZI016-17 – Projeto de Filtros Digitais
Apresentação
• ESZI016-17– Projeto de Filtros Digitais
• Recomendação: Processamento Digital de Sinais
• Ementa: Características dos Filtros Digitais; Filtros de Fase Linear;
Projeto de Filtros FIR; Projeto de Filtros IIR.
M < 4,0 F
• Projeto
• Conceito Final:
𝑀𝑅𝐼 + 𝑀𝑅𝐺 + 𝑃𝑟𝑜𝑗
𝑀=
3
OU
𝑀𝑅𝐼 + 𝑀𝑅𝐺 + 𝑃𝑟𝑜𝑗
𝑀= + 0,5 × 𝑃𝑟𝑒𝑐
6
Cronograma
Aula Data Conteúdo
01 04/06 Introdução e Revisão – Sistemas LIT e Representação no
Domínio da Frequência
02 08/06 Revisão – Transformada de Fourier de Tempo Discreto,
Amostragem, DFT e Transformada Z
03 11/06 Revisão – Análise de Sistemas no Domínio Transformado /
Estruturas de Filtros Digitais
04 15/06 Laboratório Individual 1
05 18/06 Projeto de Filtros FIR – Parte 1
06 22/06 Projeto de Filtros FIR – Parte 2
07 25/06 Projeto de Filtros FIR – Parte 3
08 29/06 Laboratório Individual 2
09 02/07 Filtros IIR Analógicos
10 06/07 Projeto de Filtro IIR – Parte 1
11 13/07 Laboratório Individual 3
12 16/07 Projeto de Filtro IIR – Parte 2
Cronograma
Aula Data Conteúdo
13 20/07 Projeto de Filtro IIR – Parte 3
14 23/07 Implementação em Precisão Finita
15 27/07 Laboratório individual 4
16 30/07 Laboratório 5 – Parte 1
17 03/08 Laboratório 5 – Parte 2
18 06/08 Laboratório 6 – Parte 1
19x 10/08 Laboratório 6 – Parte 2
20 13/08 Laboratório 7 – Parte 1
21x 17/08 Laboratório 7 – Parte 8
22x 24/08 Desenvolvimento do Projeto Final
23 27/08 Desenvolvimento do Projeto Final
24 28/08 Entrega do Projeto Final
Bibliografia
• INGLE, V. K.; PROAKIS, J. G.; Digital Signal Processing using MATLAB,
Thomson, 2a Ed.,2006.
• SILVA, E. A. B. ; LIMA NETTO, S.; DINIZ, P. S. R.; Processamento Digital de
Sinais – Projeto e Análise de Sistemas, Bookman, 1a Ed., 2004.
• HAYES, M. H.; Processamento Digital de Sinais, Artmed, 1a Ed., 2006.
• MITRA, S. Digital Signal Processing: A Computer Based Approach, McGraw-
Hill, 3a Ed., 2004.
• OPPENHEIM, A. V.; SCHAFER, R. W.; BUCK, J. R. Discrete–Time Signal
Processing, Prentice Hall, 2a Ed., 1999.
• PROAKIS, J. G.; MANOLAKIS, D. K.; Digital Signal Processing: Principles,
Algorithms and Applications, Prentice Hall", 3ª Ed., 1995.
• HAYKIN, S. S.; VAN VEEN, B. Sinais e sistemas, Bookman, 2001.
• CARLSON, G. E. Signal and linear system analysis, 2nd d., John Wiley, 1998.
• LYONS, R. G Understanding digital signal processing / 2 ed, Prentice Hall PTR
2004
• Smith, Steven W. The Scientist and Engineer's Guide to Digital Signal
Processing, California Technical Pub, 1997 (Disponível Online:
http://www.dspguide.com/)
Motivação – Equipamentos de Áudio
Stereo
Record Player Amplifier
Tape Deck
Equalizador multibanda
HF, MIF-HI, MID-LO, LF
Radio
Limitação do Processamento Analógico de Sinais
• Precisão limitada
• Tolerâncias de Componentes
• Não-linearidade indesejadas
• Repetitividade limitada
• Tolerâncias
• Mudanças nas condições ambientais
• Temperatura
• Vibração
• Sensibilidade a ruído elétrico
• Range Dinâmico limitado (tensão e corrente)
• Dificuldade em implementar certas operações
• Operações não-lineares (e.g., multiplicação)
• Operações variantes no tempo
• Dificuldade para armazenamento de informação
Processamento Digital de Sinais
“Cool Edit”
Stereo Waveform Editor
Record Player Amplifier
Sound D Sound
Card Left Channel Card
A/D S D/A
Tape Deck P
Right Channel
digital digital
signal signal
analog analog
signal A/D DSP D/A signal
Exemplo 1: Filtro Analógico Passivo
Resposta em Frequência
0
R = 1000 , C = 159nF
-1 R + 5%, C + 10%
R - 5%, C - 10%
-2
-3
-4
|H(s)| (dB)
-5
-6
-7 Fase
0
R = 1000 , C = 159nF
-8 R + 5%, C + 10%
R - 5%, C - 10%
-9
-0.5
-10
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
(rad)
f (kHz)
-1
Magnitude
-1.5
0 1 2 3 4 5 6 7 8 9 10
f (kHz)
Filtro Digital
digital digital
signal signal
analog analog
signal A/D DSP D/A signal
• Assim
𝑥 𝑛 = 𝑥 𝑛𝑇𝑠
Filtro Digital
• Projeto deve ser feito de acordo com as especificações
definidas a priori
• Frequência de corte : 𝑓𝑐 = 1𝑘𝐻𝑧
• Atenuação na frequência de corte: 3dB
0
R = 1000 , C = 159nF
-1 R + 5%, C + 10%
R - 5%, C - 10%
-2
Filtro Digital
-3
-4
|H(s)| (dB)
-5
-6
-7
-8
-9
-10
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
f (kHz)
Exemplo 2: Filtro Passa Baixas de alta
ordem
• Filtro analógico • Filtros passa-baixa digitais
• Vários estágios • Filtro IIR Chebyshev Tipo I de
• Sensibilidade aos parâmetros 6a ordem
• Filtro FIR 129-Taps
• Característica ideal
• 0dB de ripple na faixa de
passagem
• Transição
abrupta/instantânea entre
faixa de passagem e faixa de
rejeição
• Atenuação infinita na faixa de
rejeição
Filtro IIR passa-baixas de 6a ordem
Filtro IIR passa-baixas de 6a ordem
(Pass-Band Ripple de 1.0 dB)
Filtro FIR passa-baixas (129 coeficientes)
Filtro FIR passa-baixas (129 coeficientes) -
Pass-Band Ripple < 0.002 dB
Processamento Digital de Sinais
𝑥 6 =0
Amostrando Sinais
• Na realidade há mais de
uma possibilidade para o
sinal de tempo contínuo
• Considere o sinal de
tempo contínuo
𝑥 𝑡 = sin 2𝜋𝑓0 𝑡
𝑓0 = 7kHz
𝑓1 = 7kHz + −1 𝑓𝑠
= 1kHz
𝑓0 = 4kHz
𝑓1 = 4kHz + −1 𝑓𝑠
= −2kHz
𝑦 𝑛 =𝑇 𝑥 𝑛
• Exemplo: Atrasador
𝑦 𝑛 = 𝑥 𝑛 − 𝑛𝑑
𝑀
1
𝑦 𝑛 = 𝑥 𝑛−𝑘
𝑀+1
𝑘=0
Sistemas de Tempo Discreto
• Sistema sem memória
• Saída do sistema 𝑦 𝑛 para um determinado instante de tempo 𝑛
depende apenas do valor da sequência 𝑥 𝑛 para o mesmo
instante de tempo 𝑛
• Exemplo: 𝑦 𝑛 = 𝑥 𝑛 2
• Sistema Linear
• Suponha que para uma entrada 𝑥1 𝑛 o sistema produz uma saída
𝑦1 𝑛 e para uma entrada 𝑥2 𝑛 o sistema produz uma saída 𝑦2 𝑛 ,
i.e., 𝑦1 𝑛 = 𝑇 𝑥1 𝑛 e 𝑦2 𝑛 = 𝑇 𝑥2 𝑛
• Um sistema é dito Linear se
• 𝑇 𝑥1 𝑛 + 𝑥2 𝑛 = 𝑇 𝑥1 𝑛 + 𝑇 𝑥2 𝑛 = 𝑦1 𝑛 + 𝑦2 𝑛 , e
• 𝑇 𝑎𝑥1 𝑛 = 𝑎𝑇 𝑥1 𝑛 = 𝑎𝑦1 𝑛 , para qualquer constante 𝑎.
Sistemas de Tempo Discreto
• Sistemas Invariantes no Tempo (Invariantes ao
deslocamento)
• Se para um entrada 𝑥1 𝑛 o sistema produz uma saída 𝑦1 𝑛 ,
então a saída para a mesma entrada atrasada no tempo 𝑥2 𝑛 =
𝑥1 𝑛 − 𝑛0 é igual 𝑦2 𝑛 = 𝑦1 𝑛 − 𝑛0
• Sistemas Causais
• Um sistema é dito Causal se, para qualquer escolha de 𝑛0 , o valor
da sequência de saída para 𝑛 = 𝑛0 depende apenas de valores da
sequência de entrada que correspondem a 𝑛 ≤ 𝑛0
• Sistema “não-antecipativo”
Sistemas de Tempo Discreto
• Estabilidade
• Um sistema é dito Estável, no sentido Bounded-Input, Bounded-
Output (Entrada limitada, Saída limitada) se para toda sequência
com valores limitados na entrada produz saídas limitadas também,
i.e.,
𝑥 𝑛 ≤ 𝐵𝑥 < ∞ → 𝑦 𝑛 ≤ 𝐵𝑦 < ∞
• Exemplos:
• Sistema estável: 𝑦 𝑛 = 𝑥 𝑛 − 𝑥 𝑛 − 1 + 0,5 𝑥 𝑛 − 2
• Sistema instável:
𝑦 𝑛 = 𝑎𝑦 𝑛 − 1 − 𝑥 𝑛
para 𝑎 > 1
Síntese de Sequências
• Sequências arbitrárias podem ser representadas como uma
soma ponderada de impulsos deslocados. Por exemplo, a
sequência representada abaixo
𝑥 𝑛 = 𝑎−3 𝛿 𝑛 + 3 + 𝑎1 𝛿 𝑛 − 1 + 𝑎2 𝛿 𝑛 − 2 + 𝑎7 𝛿 𝑛 − 7
𝑥 𝑛 = 𝑥 𝑘 𝛿 𝑛−𝑘
𝑘=−∞
Sistemas Lineares Invariantes no Tempo
• Conforme vimos, a sequência de entrada pode ser descrita como
uma soma ponderada de impulsos
∞
𝑥 𝑛 = 𝑥 𝑘 𝛿 𝑛−𝑘
𝑘=−∞
• Considere a resposta do sistema a um impulso deslocado no tempo,
i.e.,
ℎ𝑘 𝑛 = 𝑇 𝛿 𝑛 − 𝑘
𝑦 𝑛 =𝑇 𝑥 𝑘 𝛿 𝑛−𝑘 = 𝑥 𝑘 𝑇 𝛿 𝑛−𝑘
𝑘=−∞ 𝑘=−∞
∞
= 𝑥 𝑘 ℎ𝑘 𝑛
𝑘=−∞
Sistemas Lineares Invariantes no Tempo
• Se além de linear, o sistema é invariante no tempo
• Considere a saída do sistema quando a entrada é um impulso
centrado na origem
ℎ0 𝑛 = 𝑇 𝛿 𝑛
• A resposta do sistema para o mesmo impulso deslocado será
ℎ𝑘 𝑛 = 𝑇 𝛿 𝑛 − 𝑘 = ℎ0 𝑛 − 𝑘 = ℎ 𝑛 − 𝑘
• Assim, podemos representar a resposta do sistema a impulsos
deslocados por apenas uma função ℎ 𝑛 , denominada resposta ao
impulso.
• Dessa forma
∞
𝑦 𝑛 = 𝑥 𝑘 ℎ 𝑛−𝑘
𝑘=−∞
Sistemas Lineares Invariantes no Tempo
• A saída de um sistema Linear Invariante no Tempo é
dada por
∞
𝑦 𝑛 = 𝑥 𝑘 ℎ 𝑛−𝑘
𝑘=−∞
𝑦 𝑛 =𝑥 𝑛 ∗ℎ 𝑛
• Em outras palavras, a
resposta ao impulso ℎ 𝑛
caracteriza completamente
o sistema linear invariante
no tempo
Convolução
• A saída do sistema é dada
pela soma de convolução
∞
𝑦 𝑛 = 𝑥 𝑘 ℎ 𝑛−𝑘
𝑘=−∞
• Para cada possível valor de
𝑛, temos de realizar a soma
dos produtos entre a
sequência 𝑥 𝑘 e ℎ(𝑛 − 𝑘)
• Ao lado, ilustramos a
sequência ℎ(𝑛 − 𝑘) para
𝑛 = 0 e para um valor
arbitrário de 𝑛.
Convolução - Exemplo
1.5
• Considere um sistema
com resposta ao impulso 1
ℎ 𝑛 =𝑢 𝑛 −𝑢 𝑛−𝑁
1, 0 ≤ 𝑛 ≤ 𝑁 − 1 0.5
=ቊ
0, caso contrário
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
1
𝑛
𝑎 , 𝑛≥0
𝑥 𝑛 =ቊ
0, caso contrário 0.5
= 𝑎𝑛 𝑢 𝑛
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
Convolução - Exemplo
y(-7) = 0
1.5
0.5
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(-6) = 0
1.5
0.5
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(-5) = 0
1.5
0.5
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(-4) = 0
1.5
0.5
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(-3) = 0
1.5
0.5
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(-2) = 0
1.5
0.5
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(-1) = 0
1.5
0.5
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(0) = 1
1.5
0.5
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(1) = 1.7
1.5
0.5
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(2) = 2.19
1.5
0.5
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(3) = 2.533
1.5
0.5
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(4) = 2.7731
1.5
0.5
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(5) = 1.9412
1.5
0.5
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(6) = 1.3588
1.5
0.5
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(7) = 0.95117
1.5
0.5
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(8) = 0.66582
1.5
0.5
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(9) = 0.46607
1.5
0.5
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(10) = 0.32625
1.5
0.5
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(11) = 0.2086
1.5
0.5
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(12) = 0.12625
1.5
0.5
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(13) = 0.068601
1.5
0.5
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(14) = 0.028248
1.5
0.5
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução - Exemplo
y(15) = 0
1.5
0.5
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
0
-6 -4 -2 0 2 4 6 8 10 12 14
Convolução – Exemplo
3
2.5
1.5
0.5
0
-6 -4 -2 0 2 4 6 8 10 12 14
Propriedades de Sistemas LIT
Estabilidade de Sistemas LIT
• Conforme visto anteriormente, um sistema será estável se
𝑥 𝑛 ≤ 𝐵𝑥 < ∞ → 𝑦 𝑛 ≤ 𝐵𝑦 < ∞
𝑦 𝑛 = 𝑥 𝑘 ℎ 𝑛−𝑘 ≤ 𝑥 𝑛−𝑘 ℎ 𝑘
𝑘=−∞ 𝑘=−∞
se 𝑥 𝑛 ≤ 𝐵𝑥 , então
∞
𝑦 𝑛 ≤ 𝐵𝑥 ℎ 𝑘
𝑘=−∞
ou seja, se σ∞
𝑘=−∞ ℎ 𝑘 < ∞, a condição acima é satisfeita e o
sistema linear invariante no tempo é estável.
Causalidade de Sistemas LIT
• Um sistema é Causal se, para qualquer escolha de 𝑛0 , o valor da
sequência de saída para 𝑛 = 𝑛0 depende apenas de valores da
sequência de entrada que correspondem a 𝑛 ≤ 𝑛0
• No caso de sistema lineares invariantes no tempo, isso significa que
∞
𝑦 𝑛0 = 𝑥 𝑘 ℎ 𝑛0 − 𝑘
𝑘=−∞
𝑛0 ∞
= 𝑥 𝑘 ℎ 𝑛0 − 𝑘 + 𝑥 𝑘 ℎ 𝑛0 − 𝑘
𝑘=−∞ 𝑘=𝑛0 +1
=0
• O segundo somatório somente será igualmente nulo para qualquer
sequência de entrada caso ℎ 𝑛0 − 𝑘 = 0 para 𝑘 ≥ 𝑛0 + 1, i.e.:
ℎ −1 = 0; ℎ −2 = 0; …
ℎ 𝑘 = 0 para 𝑘 < 0
Equações a diferenças e Sistemas LIT
• Uma classe importante de sistemas LIT consiste de
sistemas que podem ser representados por meio de uma
equação a diferenças, da seguinte forma
𝑎0 𝑦 𝑛 + 𝑎1 𝑦 𝑛 − 1 + ⋯ + 𝑎𝑁 𝑦 𝑛 − 𝑁
= 𝑏0 𝑥 𝑛 + 𝑏1 𝑥 𝑛 − 1 + ⋯ + 𝑏𝑀 𝑥 𝑛 − 𝑀
𝑁 𝑀
𝑎𝑘 𝑦 𝑛 − 𝑘 = 𝑏𝑚 𝑥 𝑛 − 𝑚
𝑘=0 𝑚=0
Equações a diferenças
• Tempo contínuo → Equações diferenciais
• Tempo discreto → Equações a diferenças
• Solução de equações a diferenças
𝑦 𝑛 = 𝑦𝑝 𝑛 + 𝑦ℎ 𝑛
onde 𝑦ℎ 𝑛 é a solução homogênea, i.e., solução para a
equação
𝑁
𝑎𝑘 𝑦ℎ 𝑛 − 𝑘 = 0
𝑘=0
• 𝑦ℎ 𝑛 deve ser da seguinte forma
𝑁
𝑛
𝑦ℎ 𝑛 = 𝐴𝑚 𝑧𝑚
𝑚=1
Sistemas FIR e IIR
Se 𝑁 = 0 não há recursão → sistema FIR
Se 𝑁 ≥ 1 há recursão
• Um sistema é denominado FIR (Finite Impulse Response)
se a resposta ao impulso do sistema ℎ 𝑛 = 0 para 𝑛 < 𝑎
e 𝑛 > 𝑏, para valores −∞ < 𝑎 < 𝑏 < ∞
• Um sistema é denominado IIR (Infinite Impulse
Response) se a resposta ao impulso do sistema se
estende de −∞ a ∞ .
• Quando o sistema é representado por uma equação a
diferenças
𝑁 𝑀
𝑎𝑘 𝑏𝑘
𝑦 𝑛 = − 𝑦 𝑛−𝑘 + 𝑥 𝑛−𝑘
𝑎0 𝑎0
𝑘=1 𝑘=0
Sistemas FIR e IIR
• Se 𝑁 = 0, não há recursão
𝑀
𝑏𝑘
𝑦 𝑛 = 𝑥 𝑛−𝑘
𝑎0
𝑘=0
• A resposta ao impulso é dada por
𝑁
𝑏𝑘
ℎ 𝑛 = 𝛿 𝑛−𝑘
𝑎0
𝑘=1
• Portanto, o sistema é FIR
Sistemas FIR e IIR
• Se 𝑁 > 0, há recursão
𝑁 𝑀
𝑎𝑘 𝑏𝑘
𝑦 𝑛 = − 𝑦 𝑛−𝑘 + 𝑥 𝑛−𝑘
𝑎0 𝑎0
𝑘=1 𝑘=0
• Por exemplo
𝑦 𝑛 = 𝑎𝑦 𝑛 − 1 + 𝑥 𝑛
ℎ 𝑛 = 𝑎𝑛 𝑢 𝑛