DEPARTAMENTO DE ELÉCTRICA Y ELECTRÓNICA

CARRERA DE:
INGENIERÍA ELECTRÓNICA EN AUTOMATIZACIÓN Y CONTROL

PROCESAMIENTO DIGITAL DE SEÑALES

REPORTE N° 11

DISEÑO DE FILTRO PASA BAJOS

TUTOR: ING. RUBEN DARIO LEON VASQUEZ

INTEGRANTES: CISNEROS HUGO

CORO RENNY

FECHA: 2019-06-12
QUITO-ECUADOR
Ejercicio 7.4 Diseño de un filtro pasabajos Butterworth
𝜔𝑠 = 0.3𝜋
𝜔𝑐 = 0.2𝜋

Si 𝝎𝒄 = 𝟎. 𝟐𝝅
𝜋 → 0.5 𝐻𝑧
0.2𝜋 → 𝑥
0.2𝜋 ∗ 0.5
𝑥= = 0.1 𝐻𝑧
𝜋
Si 𝝎𝒔 = 𝟎. 𝟑𝝅
𝜋 → 0.5 𝐻𝑧
0.3𝜋 → 𝑥
0.3𝜋 ∗ 0.5
𝑥= = 0.15 𝐻𝑧
𝜋
Ingresando las especificaciones en el Toolbox de MATLAB para diseño de filtro se tiene que:

Figura 1. Ingreso de datos

En el diagrama de polos y ceros se obtuvo que:

 Figura 2. Polos y zeros

Polos y ceros
Ceros
𝑍1 = 𝑍2 = 𝑍3 = 𝑍4 = 𝑍5 = 𝑍6 = 𝑧 + 1
Polos
𝑃1 = 𝑧 − 0.8591377 − 𝑗0.3097005
𝑃2 = 𝑧 − 0.8591377 + 𝑗0.3097005
𝑃3 = 𝑧 − 0.7511702 − 𝑗0.1982251
𝑃4 = 𝑧 − 0.7511702 + 𝑗0.1982251
𝑃5 = 𝑧 − 0.7003556 − 𝑗0.06764725
𝑃6 = 𝑧 − 0.7003556 + 𝑗0.06764725
𝑋(𝑧)
Obteniendo 𝑌(𝑧)

𝑋 (𝑧 )
𝑌(𝑧)
0.0007378(1 − 𝑧 −1 )6
=
(1 − 1.2686𝑧 −1 + 0.7051𝑧 −2 )(1 − 1.0106𝑧 −1 + 0.3583𝑧 −2 )(1 − 0.9044𝑧 −1 + 0.2155𝑧 −2 )
Desarrollando los polinomios del número y denominador:

𝑋 (𝑧 )
𝑌(𝑧)
0.0007378 ∗ (1 + 6𝑧 −1 + 15𝑧 −2 + 20𝑧 −3 + 15𝑧 −4 + 6𝑧 −5 + 𝑧 −6 )
=
1 − 3.1836𝑧 −1 + 4.6222𝑧 −2 − 3.7795𝑧 −3 + 1.81362𝑧 −4 − 0.47998𝑧 −5 + 0.05444𝑧 −6

Filtro implementado
clc
clear all
close all
%Ejemplo 7.4 Openheim
%xt=cos(2*pi*t)+cos(2*pi*t)
Ts=1;
n=0:1:999;
% Señal de entrada
xn=cos(2*pi*0.09*n*Ts)+cos(2*pi*0.17*n*Ts);

B=[1 6 15 20 15 6 1];
A=[1 -3.1836 4.6222 -3.7795 1.81362 -.479998 0.05444];
B=B*7.378e-4;
y=filter(B,A,xn);
figure
plot(abs(fft(xn)))
title('Frecuencias de la señal entrante (xn)')
figure
plot(abs(fft(y)))
title('Frecuencias de la señal filtrada (y)')
 Figura 3. FFT de la señal de entrada

Figura 4. FFT de la señal de salida del filtro

Ejercicio 2.-
Diseñar un filtro pasa bajo empleando las siguientes especificaciones

𝝎𝒔 = 𝟎. 𝟔𝝅
𝝎𝒄 = 𝟎. 𝟓𝝅

Si 𝝎𝒄 = 𝟎. 𝟓𝝅
𝜋 → 0.5 𝐻𝑧
0.5𝜋 → 𝑥
0.5𝜋 ∗ 0.5
𝑥= = 0.25 𝐻𝑧
𝜋
Si 𝝎𝒔 = 𝟎. 𝟔𝝅
𝜋 → 0.5 𝐻𝑧
0.6𝜋 → 𝑥
0.6𝜋 ∗ 0.5
𝑥= = 0.3 𝐻𝑧
𝜋
Ingresando las especificaciones en el Toolbox de MATLAB para diseño de filtro se tiene que:

Figura 5. Ingreso de datos del filtro

En el diagrama de polos y ceros se obtuvo que:

Figura 6. Polos y zeros

Polos y ceros
Ceros
𝑍1 = 𝑧 + 0.450091 − 𝑗0.892927
𝑍2 = 𝑧 + 0.168855 − 𝑗0.9856409
𝑍3 = 𝑧 + 1
𝑍4 = 𝑧 − 0.168855 + 𝑗0.9856409
𝑍5 = 𝑧 + 0.450091 + 𝑗0.892927

Polos
𝑃1 = 𝑧 + 0.02193171 − 𝑗0.9454978
𝑃2 = 𝑧 + 0.09620001 + 𝑗0.6667301
𝑃3 = 𝑧 − 0.2406475
𝑃4 = 𝑧 − 0.09620001 + 𝑗0.6667301
𝑃5 = 𝑧 + 0.02193171 + 𝑗0.9454978
𝑋(𝑧)
Obteniendo 𝑌(𝑧)

𝑋(𝑧) 𝑘 ∗ ( 𝑧 + 1)(𝑧 + 0.450091 − 𝑗0.892927)(𝑧 + 0.450091 + 𝑗0.892927)

=
𝑌(𝑧) (𝑧 + 0.02193171 − 𝑗0.9454978)(𝑧 + 0.02193171 + 𝑗0.9454978)

(𝑧 + 0.168855 − 𝑗0.9856409)(𝑧 + 0.168855 + 𝑗0.9856409)

(𝑧 − 0.2406475)(𝑧 + 0.09620001 + 𝑗0.6667301)(𝑧 − 0.09620001 + 𝑗0.6667301)

𝑋(0)
Si
𝑌(0)

𝑘 ∗ ( 0 + 1)(0 + 0.450091 − 𝑗0.892927)(0 + 0.450091 + 𝑗0.892927)

(0 + 0.02193171 − 𝑗0.9454978)(0 + 0.02193171 + 𝑗0.9454978)

(0 + 0.168855 − 𝑗0.9856409)(0 + 0.168855 + 𝑗0.9856409)

=1
(0 − 0.2406475)(0 + 0.09620001 + 𝑗0.6667301)(0 − 0.09620001 + 𝑗0.6667301)

Entonces
𝑘 = 0.13615
𝑋(𝑧)
Reescribiendo 𝑌(𝑧)

𝑋(𝑧) 0.13615 ∗ ( 𝑧 + 1)(𝑧 + 0.450091 − 𝑗0.892927)(𝑧 + 0.450091 + 𝑗0.892927)

=
𝑌(𝑧) (𝑧 + 0.02193171 − 𝑗0.9454978)(𝑧 + 0.02193171 + 𝑗0.9454978)

(𝑧 + 0.168855 − 𝑗0.9856409)(𝑧 + 0.168855 + 𝑗0.9856409)

(𝑧 − 0.2406475)(𝑧 + 0.09620001 + 𝑗0.6667301)(𝑧 − 0.09620001 + 𝑗0.6667301)

Realizando el producto en el número y denominador se simplifica a:

𝑋 (𝑧 )
𝑌(𝑧)
0.13615 ∗ (𝑧 5 + 2.237892 𝑧 4 + 3.313757𝑧 3 + 3.219677𝑧 2 + 1.918493𝑧 + 0.774681)
=
(𝑧 5 − 0.39099798𝑧 4 + 1.1408997𝑧 3 − 0.48315𝑧 2 + 0.472307𝑧 − 0.10547338)

Dividiendo el número y denominador par el valor de Z5

𝑋 (𝑧 )
𝑌(𝑧)
0.13615 ∗ (1 + 2.237892 𝑧 −1 + 3.313757𝑧 −2 + 3.219677𝑧 −3 + 1.918493𝑧 −1 + 0.774681)
=
(1 − 0.39099798𝑧 −1 + 1.40899𝑧 3 − 0.48315𝑧 2 + 0.472307𝑧 − 0.10547338)

Filtro implementado
clc
clear all
close all
%Ejercicio 2 Reporte 11
%xt=cos(2*pi*t)+cos(2*pi*t)
Ts=1;
n=0:1:999;
% Señal de entrada
xn=cos(2*pi*0.25*n*Ts)+cos(2*pi*0.35*n*Ts);

B=[1 2.237892 3.313757 3.219677 1.918493 0.774681];

A=[1 -0.39099798 1.40899 -0.48315 0.472307 -0.10547338];
B=B*0.13615;
y=filter(B,A,xn);
figure
plot(abs(fft(xn)))
title('Frecuencias de la señal entrante (xn)')
figure
plot(abs(fft(y)))
title('Frecuencias de la señal filtrada (y)')
Figura 7. FFT de la señal de entrada

Figura 8. FFT de la señal filtrada