UNIVERSIDAD POLITECNICA SALESIANA CONTROL III

Elio Andrs Rojas. Pgina 1

Abstract.- En el presente ensayo se tratara acerca de los
filtros digitales, empezando con su utilidad y ventajas
respecto a los filtros analgicos para luego analizar sus
diferentes tipos como los FIR y los IIR, con sus respectivas
variantes y implementaciones que se pueden realizar con la
herramienta matlab para luego calcular un filtro
demostrativo.

1. INTRODUCCION.

El filtro digital es cualquier procesamiento realizado en una
seal de entrada digital y la implementacin es en hardware
o software de una ecuacin de diferencias.
Existen varias ventajas de los filtros digitales como alta
inmunidad al ruido, alta precisin (limitada por los errores de
redondeo en la aritmtica empleada), fcil modificacin de
las caractersticas del filtro, muy bajo costo.
Por estas razones, los filtros digitales estn reemplazando
rpidamente a los filtros analgicos.
Existen los filtros FIR (Finite Impulse Response) y los filtros IIR
(Infinite Impulse Response).

2. FILTRO FIR.

Un filtro FIR de orden M se describe por la siguiente ecuacin
diferencia:

[]

[]

[ ]

[ ] (1)

Lo que da lugar a la funcin de transferencia:

[]

(2)

La secuencia

son los coeficientes del filtro.

La salida depende slo de la entrada y no de valores pasados
de la salida. La respuesta es por tanto una suma ponderada
de valores pasados y presentes de la entrada. Por eso se
denomina Media en Movimiento. La funcin de Transferencia
tiene un denominador constante y slo tiene ceros.
La respuesta es de duracin finita ya que si la entrada se
mantiene en cero durante M periodos consecutivos, la salida
ser tambin cero.











Existen diversos mtodos para el diseo de filtros FIR, entre
ellos destacan tres. El ms sencillo es el de enventanado de la
respuesta impulsional. Durante mucho tiempo se ha
trabajado en el diseo de filtros analgicos obteniendo para
ello implementaciones caracterizadas porque al llevarlas al
campo digital tenan una respuesta de tipo IIR.
Desde el punto de vista frecuencial se producen una serie de
deformaciones en el espectro del filtro obtenido que nos
llevaran a considerables errores a no ser por el uso de
ventanas pensadas para este uso. Esas ventanas no son ms
que secuencias de longitud finita que tienen una respuesta
frecuencial que permite que al ser multiplicadas por la
funcin de transferencia utilizada el error no sea muy grande.
Bsicamente se utilizan tres tipos de ventanas, la de Kaiser, la
de Hamming y la de Blackman.
A continuacin se pueden ver las ventanas antes
mencionadas:




Figura 1. Ventanas de Kaiser, Hamming y Blackman.


FILTROS DIGITALES.
Universidad Politcnica Salesiana.
Autor: Elio Andrs Rojas-erojasn@est.ups.edu.ec
Cuenca-Ecuador
UNIVERSIDAD POLITECNICA SALESIANA CONTROL III
Elio Andrs Rojas. Pgina 2

Otra metodologa para el diseo de filtros la ofrece el
muestreo en frecuencia de la respuesta Ideal. El
procedimiento asegura un error nulo para la aproximacin en
un conjunto finito de frecuencias, aqullas en las que se
muestrea la respuesta frecuencial ideal. Pero no es posible
controlar directamente la amplitud del error. Tampoco se
conoce un criterio estimativo del orden del filtro.
La tercera metodologa empleada es la del uso de filtros
ptimos, considerados as aquellos con rizado de amplitud
constante. La respuesta frecuencial que ofrecen los filtros
diseados mediante la manipulacin directa del
comportamiento ideal (el enventanado de la respuesta
impulsional o el muestreo de la respuesta frecuencial),
presenta un error en las bandas de paso y atenuadas cuya
amplitud crece en las proximidades de las bandas de
transicin. La solucin a ese problema que aporta esta
metodologa es la de repartir el error por las diversas bandas
usando una funcin que lo permita. Se puede usar el mtodo
de Parks-McClellan o tambin denominado mtodo de
Remez.

Entre las propiedades que se puede comprobar en los
resultados del enventanado para la obtencin de filtros FIR
esta el ajuste del orden del filtro por el mtodo de Remez,
que la anchura de la banda de transicin del filtro, que se
corresponde con la anchura del lbulo principal de la
transformada de la ventana, es tanto menor cuanto mayor
sea la longitud, y en definitiva el orden, de la misma.
Slo dos parmetros son necesarios para la obtencin del
filtro y dichos parmetros (beta y N) son fcilmente
obtenibles a partir de unas frmulas fciles de usar.

El orden del filtro FIR obtenido por el mtodo de Remez es
menor que el obtenido usando la ventana de Kaiser.
La aproximacin elptica al tener un comportamiento de
rizado constante en ambas bandas posibilita que el error
presente alternativamente mximos y mnimos.
Para una selectividad y una discriminacin dada no existe un
diseo de menor orden que el que presenta comportamiento
con rizado de amplitud constante. O de otra forma, fijados el
orden y la selectividad del filtro, no puede obtenerse un
diseo con menor discriminacin, desde el punto de vista de
los filtros FIR.

2.1 Diseo de Filtros FIR con MATLAB.

Funciones de MATLAB para realizar filtros FIR:

2.1.1 Funcin FIR1

>> B = fir1(N,Wn,type,window); (3)

Disea un filtro FIR pasa bajo de orden N (longitud N+1) y
frecuencia de corte Wn (normalizada con respecto a la
frecuencia de Nyquist, 0 <Wn<1). Se pueden especificar otro
tipo de filtros de la misma forma que con los filtros IIR
mediante el parmetro type. Por ejemplo, para un filtro
parabanda:

>> B = fir1(N,[W1 W2],'stop'); (4)

Por defecto la funcin FIR usa la ventana de Hamming. Otro
tipo de ventanas pueden tambin especificarse:

>> B = fir1(N,Wn,bartlett(N+1)); (5)
>> B = fir1(N,Wn,'high',chebwin(N+1,R)); (6)

2.1.2 Funcin FIR2

>> B = fir2(N,F,M,window); (7)

Disea un filtro FIR utilizando el mtodo del muestreo
frecuencial. Los parmetros de entrada es el orden del filtro
N(longitud N+1) y dos vectores F y M que especifican la
frecuencia y la magnitud, de forma que plot(F,M) es una
grfica de la respuesta deseada del filtro.

Se pueden indicar saltos bruscos en la respuesta frecuencial
duplicando el valor de la frecuencia de corte.
F debe estar entre 0 y 1, en orden creciente, siendo el primer
elemento igual a 0 y el ltimo 1. El parmetro window indica
el tipo de ventana a utilizar. Por defecto, usa la ventana de
Hamming.

>> B = fir2(N,F,M,bartlett(N+1)); (8)

Se pueden especificar ms parmetros en esta funcin,

>> B = fir2(N,F,M,npt,lap,window); (9)

La funcin fir2 interpola la respuesta frecuencial deseada
(F,M) con npt puntos (por defecto, npt=512). Si dos valores
sucesivos de F son iguales, se crea una regin de lap puntos
alrededor de este punto (por defecto, lap=25).

2.1.3 Funcin FIRLS

>> B = firls(N,F,M); (10)

Diseo de filtros FIR usando la minimizacin del error por
mnimos cuadrados. Los argumentos de entrada son el orden
del filtro N, y dos vectores F y M, cuyo formato difiere de los
anlogos en la funcin fir2. El filtro obtenido es la mejor
aproximacin a (F,M) por mnimos cuadrados.

F es un vector que indica los lmites de las bandas de
frecuencia en parejas (por tanto el tamao de F debe ser par),
y en orden ascendente entre 0 y 1. M es un vector del mismo
tamao que F que indica la magnitud deseada para cada
banda de frecuencias.
UNIVERSIDAD POLITECNICA SALESIANA CONTROL III
Elio Andrs Rojas. Pgina 3

Tambin existe un argumento opcional que consiste en un
vector W cuyo tamao es la mitad de F. W es un factor de
ponderacin del error para cada banda de frecuencias.

>> B = firls(N,F,M,W); (11)

2.2 Algoritmo de Parks-McClellan

Hay dos funciones en MATLAB para realizar este algoritmo:
remezord y remez.

>> [N,Fo,Mo,W] = remezord(F,M,DEV,Fs) (12)

Calcula el orden N, las bandas de frecuencia normalizadas Fo,
las magnitudes en esas bandas Mo y los factores de
ponderacin W que luego sern utilizados como argumentos
de entrada de la funcin remez. Estos valores cumplen las
especificaciones dadas por F, M, DEV. F es un vector de
frecuencias de corte en Hz, en orden ascendente entre 0 y
Fs/2. Si no se especifica Fs, Fs=2 por defecto. El primer
elemento de F es siempre 0 y el ltimo es siempre Fs/2, pero
no deben ser especificados en el vector F. El vector M indica
la respuesta deseada en cada banda.

>> b = remez(N,Fo,Mo,W); (13)

Con los valores obtenidos en la funcin remezord, podemos
implemantar el algoritmo de Parks-McClellan.


3. FILTRO IIR

Existen dos variaciones de este tipo de filtros: AR y ARMA.

3.1 Filtros AR (Autoregresivo).

La ecuacin de diferencias que describe un filtro AR es:

[] []

[ ]

[ ] (14)

Lo que da lugar a una funcin de transferencia:

[]

(15)

La funcin de transferencia contiene solo polos. El filtro es
recursivo ya que la salida depende no solo de la entrada
actual sino adems de valores pasados de la salida (Filtros con
realimentacin). El trmino autoregresivo tiene un sentido
estadstico en que la salida y[n] tiene una regresin hacia sus
valores pasados.
La respuesta al impulso es normalmente de duracin infinita,
de ah su nombre.

3.2 Filtros ARMA (Autoregresivo y Media en
Movimiento).

Es el filtro ms general y es una combinacin de los filtros MA
y AR descritos anteriormente. La ecuacin de diferencias que
describe un filtro ARMA de orden N es:

[]

[ ]

[ ]

[ ]

[]

[ ]

[ ] (16)

Y la funcin de transferencia:

[]

(17)

Un filtro de este tipo se denota por ARMA(N,M), es decir es
Autoregresivo de orden N y Media en Movimiento de orden
M. Su respuesta a impulso es tambin de duracin infinita y
por tanto es un filtro del tipo IIR.

En el caso de los filtros con respuesta al impulso de longitud
infinita, la expresin de la funcin de transferencia en el
dominio Z es en forma de cociente de polinomios. Por eso, la
forma de obtener en general la salida en este tipo de filtros es
mediante frmulas recursivas.
Una de las particularidades de estos filtros respecto a los tipo
FIR es el hecho de que su comportamiento respecto a la fase
es peor. Adems, estos filtros proceden directamente de la
aplicacin de mtodos que tradicionalmente se han aplicado
en el desarrollo de filtros analgicos tales como eran las
aproximaciones de Butterword, Chebyshev o Elptica.
La implementacin de mayor costo computacional es la
Butterword mientras que la que menos (menor orden) es la
elptica. Por su parte, tanto la implementacin chebyshev
directa como inversa son del mismo orden y, por tanto, de
igual complejidad computacional.
Por otra parte, se comprueba en las mismas grficas que se
manifiestan las caractersticas propias de cada una de las
aproximaciones tratadas.

Las aproximaciones Chebychev y elptica o de Cauer
presentan rizado con amplitud constante en la banda de
paso. La elptica presenta tambin un rizado en la banda
atenuada, al igual que la chebyshev inversa, que sin embargo
presenta una banda de paso plana.
Tambin comprobaremos que la aproximacin inversa de
Chebychev proporciona filtros con menor distorsin de fase
que la aproximacin elptica a costa de aumentar ligeramente
el orden. La aproximacin de Chebychev precisa igual orden
que la inversa de Chebychev, pero su fase se comporta
considerablemente peor.
La aproximacin de Butterworth es la que presenta una fase
ms prxima al ideal para un orden dado, pero el orden que
necesita para cumplir las especificaciones suele ser
notablemente mayor al que requieren las dems.
UNIVERSIDAD POLITECNICA SALESIANA CONTROL III
Elio Andrs Rojas. Pgina 4


4. IMPLEMENTACIN DE FILTROS DIGITALES

4.1 Realizacin de Filtros Digitales

Hay dos formas de realizar filtros digitales: Software o
Hardware. En los dos casos debemos hacer un diagrama con
las operaciones a realizar.

- En software se habla de un diagrama de flujo.
- En hardware es un diagrama de bloques, que
especifica los elementos del circuito y sus
interconexiones.

4.2 Propiedades de los diagramas de bloques.

- Conexiones en cascada: La funcin de Transferencia
global de una conexin en cascada es el producto de
las funciones de Transferencia individuales.


Figura 2. Conexin de dos sistemas en cascada

- Conexiones en paralelo: La funcin de Transferencia
global de una conexin en paralelo es la suma de las
funciones de Transferencia individuales.


Figura 3. Conexin de dos sistemas en paralelo


- Conexin en realimentacin: La salida se realimenta
en la entrada directamente o a travs de otros
subsistema. La funcin de Transferencia global viene
dada por la relacin:

()
()
()()
(18)



Figura 4. Conexin de un sistema con
retroalimentacin


Filtros FIR (MA): Son filtros no recursivos cuya funcin de
Transferencia HMA(z) y su correspondiente ecuacin
diferencia y[n] son de la forma:



Figura 5. Filtro no recursivo


Filtros Autoregresivos: Son filtros recursivos cuya funcin de
Transferencia HAR(z) y su correspondiente ecuacin
diferencia y[n] son de la forma:


Figura 6. Filtro autoregresivo


Filtros ARMA: Son la combinacin de los dos anteriores. Su
funcin de Transferencia y ecuacin diferencia son:


UNIVERSIDAD POLITECNICA SALESIANA CONTROL III
Elio Andrs Rojas. Pgina 5


Figura 7. Filtro ARMA


4.3 Efectos de Cuantizacin.

Cada uno de los filtros tienen ventajas e inconvenientes por
lo cual se debe tener en cuenta los efectos de cuantizacin.

Los efectos de cuantizacin deben ser tenidos muy en cuenta
cuando el diseo se realiza en microprocesadores con
aritmtica de punto fijo. En caso de utilizar micros de 32 bits
con aritmtica en punto flotante, los efectos de cuantizacin
pueden ser despreciados.

El efecto de cuantizar la seal puede estudiarse como el
efecto de aadir un error o una seal de ruido e[n] a la salida
ideal del filtro digital. Este ruido se considera como el efecto
conjunto de varios errores producidos en el procesamiento:

Errores de Cuantizacion: Cuando se implementa un filtro en
hardware (DSPs o ASICs) suele ser habitual trabajar en un
punto fijo ya que es considerablemente ms barato en
trminos de rea de silicio y complejidad en el diseo. Por
ejemplo, las variables del filtro (entradas, salidas y
coeficientes) pueden estar cuantizadas en 16 bits. Al hacer
una multiplicacin necesitaremos 32 bits, que es
posteriormente cuantizado de nuevo a 16 bits. Este tipo de
error puede ser analizado mejor desde un punto de vista
estadstico.


Figura 8. Error analizado desde el punto de vista estadstico.

El error producido al cuantizar x es:

x x Q E = ) ( (19)

El error es cero si todos los bits rechazados son cero, y ser
mximo si todos los bits rechazados son 1.

El error mximo es por tanto:

|
|

+ =

+ =

2 2 2
1
b i
b i
i
a

(20)

El anlisis se hace sumando una seal de ruido a la seal sin
truncar. Esa seal de error tiene la media y varianzas
calculadas previamente.


Figura 9. Diagramas para analizar el efecto de cuantizacion


Utilizando formas en cascada podemos mejorar la varianza
del ruido de cuantizacion, ya que puede disminuirse
emparejando polos y ceros de acuerdo a ciertos criterios y
modificando el orden al cual se realizan las operaciones en
cascada.

Una consecuencia de las operaciones aritmticas es el
overflow, es decir cuando el resultado de una operacin
rebasa el mximo nmero admitido por una cierta
representacin digital, ya que la seal debe mantenerse en
ese nivel mximo, lo que produce fuertes distorsiones en las
seales.

Cuantizacin de coeficientes: Trataremos de investigar el
impacto de la cuantizacin de los coeficientes del filtro en la
funcin de Transferencia del mismo.

Para sistemas de un mayor orden es necesario utilizar las
formas Paralelo o Cascada para tener un mayor control sobre
la situacin de los polos al cuantizar.

Ahora tomaremos en cuenta el efecto de la cuantizacin
sobre los ceros. En el caso de filtros FIR (compuesto
exclusivamente por ceros), sabemos que se caracterizan por
ser de fase lineal. Esto es debido a que los coeficientes son
simtricos (o asimtricos). Por tanto cuantizar los coeficientes
no van a variar la linealidad de fase del filtro.

Lo que si variar es la magnitud de la respuesta. Se puede
demostrar que los ceros de un filtro FIR o bien estn sobre la
circunferencia de radio 1, o estn en parejas con radios
recprocos. Por tanto, en los filtros FIR lo normal es utilizar la
forma directa (I o II). Tambin se podra utilizar la forma en
cascada pero se utiliza menos.

El hecho de que los ceros en un filtro digital estn sobre el
crculo unidad, hace que los coeficientes del numerador sean
+1 -1, por lo que en las formas en cascada se pueden
ahorrar desde un 25 a un 50% en multiplicaciones comparado
con un diseo en paralelo.

UNIVERSIDAD POLITECNICA SALESIANA CONTROL III
Elio Andrs Rojas. Pgina 6

Los ceros en un filtro IIR son ms problemticos. Aqu no
tenemos la seguridad de que los coeficientes son simtricos,
por lo que habr que tener las mismas consideraciones que
las explicadas en el caso de los polos. Aqu adems hay que
tener en cuenta el caso habitual en que varios ceros estn en
z=1 (ver transformaciones bilineales), por lo que su
cuantizacin no tendra efectos graves. Lo
ms normal es utilizar la forma en cascada, aunque se puede
utilizar la forma en paralelo siempre que no haya unas
especificaciones demasiado exigentes.


Figura 10. Efectos de cuantizacion sobre ceros



4.4 Implementacin Hardware de Filtros Digitales.

Las estructuras ms simples para sumar y restar son las
estructuras en serie. El tamao del circuito es mnimo pero
requiere de N ciclos de reloj para producir el resultado (N es
el tamao de los datos en bits). Sin embargo, un circuito tan
pequeo (retrasos pequeos) permite utilizar un reloj de muy
alta frecuencia, lo cual compensa el hecho de necesitar N
ciclos.


Figura 11. Sumador y restador serie

Los sumadores o restadores en paralelo ms sencillos son los
que propagan las llevadas (carry propagate o ripple carry) de
un bit a otro. Como contrapartida producen los retrasos ms
largos.


Figura 12. Restador en paralelo


5. APLICACIONES DE FILTROS DIGITALES.

5.1 Diferenciadores FIR.

Diseo de diferenciadores FIR

La respuesta frecuencial de un diferenciador es H(F)=j2pF,
para |F|FC. FC es la frecuencia hasta la que queremos
diferenciar. Ya que H(F) es imaginario necesitamos secuencias
de los tipos 3 y 4 (simetra impar). Si N es adems impar
h[0]=0.

Para determinar la secuencia h[n] hacemos la transformada
inversa de H(F),

}

= =
Fc
Fc
nF j
n
Fc n sen Fc n Fc n
dF e F j n h
2
) 2 ( ) 2 cos( . 2
. 2 ] [
t
t t t
t
t

(21)

Una vez obtenida la secuencia podemos aplicarle una ventana
para reducir sobreimpulsos. Ntese que para secuencias con
N impar, H(0.5)=0.

Diseo de diferenciadores en MATLAB con las funciones firls
y remez:

Ejemplo para una frecuencia de corte de 0.3 y N=25:



Utilizando funcion firls:

>> Fc=0.3;N=25;
>> B=firls(N,[0 0.3 0.4 0.5]*2,[0 0.3 0 0]*2*pi);
>> [H,W]=freqz(B,1,500);plot(W/(2*pi),abs(H));
UNIVERSIDAD POLITECNICA SALESIANA CONTROL III
Elio Andrs Rojas. Pgina 7


Figura 13. Grafica funcin firls.

Utilizando funcin remez:

>> B=remez(25,[0 0.4 0.4 0.5]*2,[0 0.3 0 0]*2*pi);
>> [H,W]=freqz(B,1,500);plot(W/(2*pi),abs(H));


Figura 14. Grafica funcin remez.


5.2 Transformacin de Hilbert.

Diseo de Transformaciones de Hilbert

La transformacin de Hilbert ideal viene dado por:

) ( . ) ( F signo j F H = (22)

( )
t
t
n
n
n h
cos 1
] [

= (23)
0 ] 0 [ = h (24)

La transformacin de Hilbert desplaza la fase de una seal -
90 (- t /2).

En aplicaciones prcticas se requerir este desplazamiento de
fase hasta una frecuencia FC , de forma que para calcular la
secuencia h[n] hacemos la transformada inversa
obtenindose:

( )
t
t
n
Fc n
n h
cos 1
] [

= (25)

Ya que H(F) es imaginaria, las secuencias deben ser del tipo 3
4.

Ejemplo para una frecuencia de corte FC=0.05.

Utilizando comando firls:

>> B=firls(25,[0.05 0.5]*2,[1 1]);
>> *H,W+=freqz(B,1,500); plot(W/(2*pi),abs(H),r);hold;
>> B=firls(25,[0.05 0.45 0.47 0.5]*2,[1 1 0 0]);
>> [H,W]=freqz(B,1,500);plot(W/(2*pi),abs(H));


Figura 15. Grafica funcin firls.


Utilizando comando remez:

>> B=remez(20,[0.05 0.45 0.47 0.5]*2,[1 1 0 0],[100 1]);
>> [H,W]=freqz(B,1,500);
>> B=remez(25,[0.05 0.5]*2,[1 1]);
>> [H,W]=freqz(B,1,500);



Figura 16. Grafica funcin remez.




0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
Frecuencia normalizda
R
e
s
p
u
e
s
t
a

a

F
r
e
c
u
e
n
c
i
a
Filtro diferenciador
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
Frecuencia normalizada
R
e
s
p
u
e
s
t
a

f
r
e
c
u
e
n
c
i a
Diferenciador
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
0
0.2
0.4
0.6
0.8
1
1.2
1.4
hilbert
frecuencia normalizada
r
s
p
u
e
s
t
a

f
r
e
c
u
e
n
c
i a
0 0.1 0.2 0.3 0.4 0.5
0
0.2
0.4
0.6
0.8
1
hilbert
frecuencia normalizada
r
e
s
p
u
e
s
t
a

f
r
e
c
u
e
n
c
i a
UNIVERSIDAD POLITECNICA SALESIANA CONTROL III
Elio Andrs Rojas. Pgina 8



5.3 Interpolacin y Decimacin.

5.3.1 Filtro de Interpolacin

Para interpolar la seal de entrada no tenemos ms que
aplicar un filtro pasobajo a la salida del up-sampler. De esta
forma los ceros que habamos insertado en el up-sampler se
convierten ahora en valores interpolados.

Podemos obtener las especificaciones del filtro pasobajo
necesario. Supongamos que x[n] ha sido obtenido
muestreando una seal continua x
a
(t) cuyo espectro viene
dado por X
a
(jw). El espectro de x[n] es X(e
j
). Estas dos
transformadas estn relacionadas por la siguiente expresin:

=
|
|
.
|

\
|
=
k
a
T
k
f X
T
f X
0 0
1
) ( (26)

Donde T
0
es el periodo de muestreo. Si muestreamos x
a
(t) a
una frecuencia mayor de forma que T=T
0
/L, obtenemos y[n],
cuya transformada de Fourier es Y(e
j
), tenemos:




=

=
|
|
.
|

\
|
= |
.
|

\
|
=
k
a
k
a
T
L k
f X
T T
k
f X
T
f Y
0 0
. 1 1
) (
(27)


5.3.2 Decimacin: disminucin de la frecuencia de
muestreo en un factor entero.

Down-Sampler.

Hacer un down-sampling de un factor entero M>1 consiste
en guardar uno de cada M valores muestreados y eliminando
los M-1 muestreos intermedios, generando una seal de
salida x
d
[n] de acuerdo con la siguiente relacin: x
d
[n]=x[nM].
Al igual que la operacin de up-sampling, el downsampling es
lineal pero es variante en el tiempo. Disminuir la frecuencia
puede tener implicaciones a la hora de cumplir el teorema del
muestreo, por lo que tendremos que introducir un filtro
pasobajo antes de hacer el down-sampling.

5.3.3 Funcin de Transferencia del Down-Sampler

Creamos una funcin auxiliar x
aux
[n], que definimos:

)
`

=
=
otro
M M n n x
n X
aux
0
.... 2 , , 0 ] [
] [

(28)


Relacionamos x
aux
[n] con x[n] por medio de:

] [ ]. [ ] [ n x n c n X
aux
= (29)

Donde:

)
`

=
=
otro o
M M n
n c
2 , , 0 1
] [ (30)

=
|
.
|

\
|
= =
1
0
2
1
0
2
) . (
1
) (
]. [ .
1
]. [ ]. [ ) (
M
k
kn j
aux
n n
n
M
k
kn j
aux
e z X
M
z X
z n x e
M
n z n x n c z X
t
t
(31)



=

|
|
.
|

\
|
=
|
|
.
|

\
|
=
1
0
) . ( 2
1
0
2 1
1
) ( .
1
) (
M
k
M
k t f j
d
M
k
M
kn j
M
d
s
e X
M
f X e z X
M
z X
t t
(32)

Esto quiere decir que la funcin de transferencia del down-
sampler es la suma de M versiones ensanchadas
(multiplicacin por ts) y desplazadas de la funcin de
transferencia X(z), y multiplicadas por el factor 1/M. Debido a
que se ha disminuido la frecuencia de muestreo en un factor
M.

Este filtro deber colocarse antes del down-sampler para ser
efectivo. Un filtro ideal deber tener una frecuencia de corte
igual a
t
/M. En la prctica siempre tendremos una banda
de transicin por lo que las especificaciones de filtro sern:

( )

s s
s
=
t
t
w
M
M
wc
w
ej H
w
0
1

(33)


5.3.4 Interpolacin y Decimacin en MATLAB:

Interpolacin:

>> N=50;n=0:N-1;L=6;M=L*N;
>> x = sin(2*pi*0.14*n)+ sin(2*pi*0.21*n);
% Generar la secuencia del up-sampler
>> xu = zeros(1,M);
>> n1 = 1:M;
>> xu([1:L:M]) = x;
>> figure;stem(n,x);
>> figure;stem(n1,xu);hold;
% Frecuencia de corte del filtro pasobajo = pi/6 --> 1/12
UNIVERSIDAD POLITECNICA SALESIANA CONTROL III
Elio Andrs Rojas. Pgina 9

>> Nf=30;nf=Nf/2;
>> B = fir1(Nf,1/6);
>> y = filter(6*B,1,xu);
% Desplazar a la izquierda el vector 'y'
>> y(1:M-nf) = y(nf+1:M); y(M-nf+1:M) = zeros(1,nf);
>> plot(n1,y,'r');zoom;
>> [H,F] = freqz(B,1,250,6);


Figura 17 . Seal original


Figura 18. Seal interpolada.

Decimacin:

>> N=50;n=0:N-1;M=6;Nf=30;nf=Nf/2;
>> x = sin(2*pi*0.042*n) + sin(2*pi*0.033*n);
% Filtro pasobajo frecuencia de corte pi/6 --> 1/12
>> B=fir1(Nf,1/6);
>> [H,F]=freqz(B,1,250,1);
>> xd = filter(B,1,x);
% Eliminar el retraso
>> xd(1:N-nf) = xd(nf+1:N);xd(N-nf+1:N)=zeros(1,nf);
% Generar la secuencia de down-sampler
>> y = xd(1:M:N-1);lxd=length(y);
>> figure;plot(n,x,'r',n,xd,'g');
>> figure;stem([1:lxd],y);


Figura 19. Seal original y filtrada


Figura 20. Seal decimada por 6.



6. CONCLUSIONES.

Hemos podido comprobar la importancia de disponer de una
herramienta de clculo potente para el diseo de sistemas
electrnicos complejos como pueden ser los filtros.
Dentro de esas herramientas Matlab se sita como una de las
ms empleadas y la que, por el momento, a conseguido
mayor aceptacin y desarrollo. Por ende, hemos visto las
principales caractersticas de los filtros digitales que se usan
hoy da para aplicaciones diversas en los sistemas
electrnicos. As, podemos concluir que, cuando la fase juega
un papel fundamental en el tratamiento de la seal (por
ejemplo, en el caso de comunicaciones de datos) es mejor el
uso de filtros FIR de mayor costo pero de fase lineal. Mientras
que cuando la fase no toma gran importancia (por ejemplo,
en aplicaciones de audio, donde el oido humano no es capaz
0 50 100 150 200 250 300
-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
0 50 100 150 200 250 300
-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
0 5 10 15 20 25 30 35 40 45 50
-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
1 2 3 4 5 6 7 8 9
-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
UNIVERSIDAD POLITECNICA SALESIANA CONTROL III
Elio Andrs Rojas. Pgina 10

de discernir pequeas variaciones de la fase) el empleo de
filtros IIR, de menor costo, es el apropiado.




7. REFERENCIAS.

[1] Tratamiento de seales en tiempo discreto
Alan V. Oppenheim Ronald W. Schafer

[2]Tratamiento digital de seales, Proakis, John G

*3+ Signals and Systems, Ziemer Rodger E.

*4+ Signals and Systems, A.V. Oppenheim.