Академический Документы
Профессиональный Документы
Культура Документы
[]
[ ]
[ ] (1)
Lo que da lugar a la funcin de transferencia:
[]
(2)
La secuencia
[ ]
[ ] (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.