Академический Документы
Профессиональный Документы
Культура Документы
CURSO : PDS
DOCENTE : Solis Lastra, Javier Ulises
INTEGRANTES :
Moreno Acosta, Olenka (15190279)
Sernaque Huiman Juan (12190256)
Solución
Paso 1
Definir los parámetros de nuestro filtro pasabanda.
Banda pasante inferior(fp1): 1.8 kHz
Banda pasante superior(fp2): 3.0 kHz
Banda de atenuación inferior(fa1): 1.5 KHz.
Banda de atenuación superior(fa2): 4.2 KHz.
Frecuencia de muestreo: fm = 12 kHz
Rizado de la banda pasante: δp = 0.1
Rizado de la banda de atenuación: δs = 0.02
Paso 2
Definimos parámetros de la ventana
2
Para el cálculo de M usamos la siguiente formula que fue obtenida en la tabla
anterior
8𝜋
𝑤𝑝1 − 𝑤𝑎1 =
𝑀
2 ∗ 𝜋 ∗ 𝑓𝑝1 2 ∗ 𝜋 ∗ 1800 3𝜋
𝑊𝑃1 = = =
𝑓𝑠 12000 10
2 ∗ 𝜋 ∗ 𝑓𝑎1 2 ∗ 𝜋 ∗ 1500 1𝜋
𝑊𝑎1 = = =
𝑓𝑠 12000 4
3𝜋 1𝜋 𝜋
=> 𝑤𝑝1 − 𝑤𝑎1 = − =
10 4 20
Luego
𝜋 8𝜋
=
20 𝑀
𝑀 = 160
Ahora tomamos el segundo ancho de transición:
8𝜋
𝑤𝑎2 − 𝑤𝑝2 =
𝑀
2 ∗ 𝜋 ∗ 𝑓𝑎2 2 ∗ 𝜋 ∗ 4200 7𝜋
𝑊𝑎2 = = =
𝑓𝑠 12000 10
2 ∗ 𝜋 ∗ 𝑓𝑝2 2 ∗ 𝜋 ∗ 3000 1𝜋
𝑊𝑃2 = = =
𝑓𝑠 12000 2
7𝜋 1𝜋 𝜋
=> 𝑤𝑎2 − 𝑤𝑝2 = − =
10 2 5
Luego
𝜋 8𝜋
=
20 𝑀
𝑀 = 40
Como podemos notar hemos obtenido 2 valores de M. Si bien esto pudo parecer
un error al principio, en realidad es una solución perfecta. Como nos indica en
la publicación de “Spectral Audio Signal Processing” todos los anchos de
transición en los filtros diseñados por el método de la ventana deben ser iguales
al ancho del lóbulo principal de la transformación de la ventana. Por lo tanto,
la única forma de lograr especificaciones cuando hay varias regiones de
transición es establecer el ancho del lóbulo principal al ancho de transición
𝜋 𝜋 𝜋
mínimo. Como 20 es menor que 5 , tomamos como ancho de transición 20, siendo
160 el valor del orden del filtro (M=160)
3
Reemplazando el valor de M en la ecuación (I)
𝑛𝜋
( )
𝑤[𝑛] = { 0.54 − 0.46 cos 80 0 ≤ 𝑛 ≤ 160 } … (𝐼𝐼)
0 𝑜𝑡𝑟𝑜𝑠
Paso 3
Diseñamos un filtro pasabanda ideal
1 𝑠𝑖 𝑤𝑐1 ≤ |Ω| ≤ 𝑤𝑐2
𝐻𝑑(Ω) = { } … (𝐼𝐼𝐼 )
0 𝑠𝑖 𝑜𝑡𝑟𝑜𝑠
Para este paso hallamos las frecuencias de corte de la siguiente forma:
3𝜋 𝜋
𝑤𝑝1 + 𝑤𝑎1 10 + 4 11
𝑊𝑐1 = = = 𝜋 … (𝐼𝑉)
2 2 40
𝜋 7𝜋
𝑤𝑝2 + 𝑤𝑎2 2 + 10 3
𝑊𝑐2 = = = 𝜋 … (𝑉)
2 2 5
Reemplazando (IV) y (V) en (III)
11 3
𝐻𝑑(Ω) = { 1 𝑠𝑖 40
𝜋 ≤ |Ω| ≤ 𝜋 } … (𝑉𝐼)
5
0 𝑠𝑖 𝑜𝑡𝑟𝑜𝑠
Aplicando transformada inversa a (VI)
1 𝜋
ℎ𝑑(𝑛) = ∫ 𝐻𝑑(Ω)𝑒 𝑗Ω𝑛 𝑑Ω
2𝜋 −𝜋
3𝜋 11𝜋 11𝜋 3𝜋
− − 𝜋
1 5 40 40 5
ℎ𝑑(𝑛) = (∫ (0)𝑒 𝑗Ω𝑛 𝑑Ω + ∫ (1)𝑒 𝑗Ω𝑛 𝑑Ω + ∫ (0)𝑒 𝑗Ω𝑛 𝑑Ω + ∫ (1)𝑒 𝑗Ω𝑛 𝑑Ω + ∫ (0)𝑒 𝑗Ω𝑛 𝑑Ω)
2𝜋 −𝜋 −
3𝜋
−
11𝜋 11𝜋 3𝜋
5 40 40 5
11𝜋 3𝜋 11𝜋 3𝜋
1 −
40 5 1 𝑒 𝑗Ω𝑛 − 40 𝑒𝑗Ω𝑛 5
ℎ𝑑(𝑛) = (∫ (1)𝑒 𝑗Ω𝑛 𝑑Ω + ∫ (1)𝑒 𝑗Ω𝑛 𝑑Ω) = ( | + | )
2𝜋 −3𝜋 11𝜋 2𝜋 𝑗𝑛 Ω = − 3𝜋 𝑗𝑛 11
5 40 5 Ω= 𝜋
40
11𝜋 3𝜋 3𝜋 11𝜋
1 𝑒 𝑗(− 40 )𝑛 − 𝑒 𝑗(− 5 )𝑛 𝑒 𝑗 5 𝑛 − 𝑒 𝑗 40 𝑛
( )
ℎ𝑑 𝑛 = [( )+( )]
2𝜋 𝑗𝑛 𝑗𝑛
3𝜋𝑛 11𝜋𝑛
2𝑗 (sin ( 5 ) − sin ( 40 ))
ℎ𝑑(𝑛) =
2𝜋𝑗𝑛
4
3𝜋𝑛 11𝜋𝑛 3𝜋𝑛 11𝜋𝑛
sin ( ) − sin ( ) sin ( ) sin ( )
ℎ𝑑(𝑛) = 5 40 = 5 − 40 … (𝑉𝐼𝐼)
𝜋𝑛 𝜋𝑛 𝜋𝑛
Como se sabe:
Ω𝑛 sin(Ω𝑛)
sin ( )= … (𝑉𝐼𝐼𝐼)
𝜋 Ω𝑛
Aplicando la ecuación (VIII) a cada término de la ecuación (VII) obtenemos:
3𝜋𝑛 3𝜋
sin ( 5 ) 3 sin ( 5 𝑛) 3 3
= = sinc ( 𝑛) … (𝐼𝑋)
𝜋𝑛 5 (3𝜋 𝑛) 5 5
5
11𝜋𝑛 11𝜋
sin ( 40 ) 11 sin ( 40 𝑛) 11 11
= = sinc ( 𝑛) … (𝑋)
𝜋𝑛 40 (11𝜋 𝑛) 40 40
40
Reemplazando (IX) y (X) en (VII)
3 3 11 11
ℎ𝑑(𝑛) = sinc ( 𝑛) − sinc ( 𝑛) … (𝑋𝐼)
5 5 40 40
Paso 4
Para tener una respuesta causal y de fase lineal se retrasa la respuesta
impulsional y luego se multiplica por la ventana
𝑀
ℎ⌈𝑛⌉ = 𝑊[𝑛] . ℎ𝑑 [𝑛 − ] … (𝑋𝐼𝐼)
2
Entonces reemplazando el valor de M=160 en la ecuación (XII)
A continuación, la tabla con los valores de n desde 0 hasta 159 (n toma 160
valores)
5
6
7
(b) Diagrama de bloques con el menor número de retardos: Utilizando
los valores hallados analíticamente se construirá el diagrama de bloques
respectivo, usando ∑𝑀−1
𝑛=0 ℎ [𝑛]. 𝑧
−𝑛
Solución:
159
𝑌(𝑧)
𝐻 (𝑧 ) = = ∑ ℎ[𝑛]. 𝑧 −𝑛
𝑋(𝑧)
𝑛=0
8
159 n h(n)
𝐻 (𝑧) = ∑ ℎ[𝑛]. 𝑧 −𝑛 0 -0.00013
𝑛=0 1 0.000213
2 0.000613
⋮ ⋮
158 0.000213
159 -0.00013
9
(c) Diagrama de respuesta en frecuencia en fase y en magnitud
10
11
12
(d) Aplicación en Matlab verificando la funcionalidad del filtro
especificado.
Se suma una función coseno con una señal aleatoria para luego aplicarle
el filtro pasabanda y mostrar la gráfica obtenida antes y después de ser
filtrada. Así se verificará que nuestro filtro funciona correctamente.
13
14
(e) Aplicación en Matlab utilizando una muestra de voz
Se suma una función seno con una grabación de voz de 5 segundos recién
hecha, para luego aplicar el filtro pasabanda y ver los resultados
mediante gráficas comparativas (del antes y el después de haber aplicado
el filtro).
15
16
17
CONCLUCIÓN:
REFERENCIAS:
18