FILTROS DIGITALES

1
CONCEPTOS GENERALES.

 FILTRO DIGITAL: Proceso computacional que genera una secuencia

discreta a partir de otra, según una regla preestablecida.

  CLASIFICACIÓN
– En función de la forma del módulo de la respuesta en frecuencias
– En función del procedimiento de realización
– En función de la longitud de la respuesta impulsional
– En función de la característica de fase.

  ANÁLISIS:  Proceso por el cual dado un filtro digital Respuesta en

Frecuencias

2
 CONCEPTOS GENERALES.
 SINTESIS O DISEÑO DE FILTROS DIGITALES

 El proceso del diseño del filtro consiste bien en:

   a) La selección de los coeficientes de la ecuación

en diferencias, ó

b) La determinación de la respuesta impulsional

de forma que se cumpla algún criterio sobre las características

en el dominio del tiempo o de la frecuencia.

3
 CONCEPTOS GENERALES.

Ventajas de los filtros digitales:

• Alta inmunidad al ruido

• Alta precisión (limitada por los errores de redondeo en la aritmética
empleada
• Fácil modificación de las características del filtro
• Muy bajo coste

Por estas razones, los filtros digitales están reemplazando

rápidamente a los filtros analógicos.

4
CLASIFICACIÓN DE
FILTROS DIGITALES

•FILTROS FIR
•FILTROS IIR

5
FILTROS FIR

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

y(n)=B0 x(n)+B1 x(n-1)+… BM x(n-M)

lo que da lugar a la función de transferencia:

H(z)=B0+B1 z-1+B2 z-2+…+BM z-M

• La secuencia {Bi} son los coeficientes del filtro.

•La respuesta es por tanto una suma ponderada de valores pasados y presentes de la
entrada. De ahí que se denomine Media en Movimiento (Moving Average)

• La función de Transferencia tiene un denominador constante y sólo tiene ceros.

• La respuesta es de duración finita ya que si la entrada se mantiene en cero durante M

periodos consecutivos, la salida será también cero.
Filtros IIR (Infinite Impulse Response) AR
ARMA

Filtros AR (Autoregresivo)
La ecuación en diferencia de un filtro AR es
y ( n)  A1 y ( n  1)  A2 y (n  2)  ....  AN y ( n  N )  x(n)

lo que da lugar a una función de transferencia:

1
H ( z) 
1  A1 z 1  A2 z  2  ....  AN z  N

• La función de transferencia contiene solo polos.

• El filtro es recursivo ya que la salida depende no solo de la entrada

actual sino además de valores pasados de la salida.

• El término autoregresivo tiene un sentido estadístico en que la salida

7
y[n] tiene una regresión hacia sus valores pasados.
Filtros ARMA (Autoregresivo y Media en Movimiento)
Es el filtro más general y es una combinación de los filtros MA y AR descritos
anteriormente. La ecuación diferencia que descibe un filtro ARMA de orden N es:

y (n)  A1 y (n  1)  A2 y (n  2)  ....  AN y (n  N )  B0 x(n)  B1 x(n  1)  ...  BM x(n  M )

Y la la función de transferencia:

B0  B1 z 1  B2 z 2  ...  BM z  M
H ( z) 
1  A1 z 1  A2 z  2  ....  AN z  N

• 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 también de duración infinita y por tanto es un filtro del tipo IIR.

8
9
10
El proceso de diseño de un filtro digital
requiere tres pasos:

• Establecer las especificaciones del filtro para unas determinadas

prestaciones. Estas especificaciones son las mismas que las
requeridas por un filtro analógico : frecuencias de parabanda y
pasabanda, atenuaciones, ganancia dc, etc.

• Determinar la función de transferencia que cumpla las

especificaciones.

• Realizar la función de transferencia en hardware o software.

11
¿IIR o FIR?

• Los filtros IIR producen en general distorsión de fase, es decir la

fase no es lineal con la frecuencia.

• Los filtros FIR son de fase lineal.

• El orden de un filtro IIR es mucho menor que el de un filtro FIR

para una misma aplicación.

• Los filtros FIR son siempre estables.

12
DISEÑO DE FILTROS IIR

13
 APROXIMACIÓN AL DISEÑO DE FILTROS
ANALÓGICOS
 Se trata de determinar la H(s) de un sistema LIT cuya
correspondiente respuesta frecuencial caiga dentro del
margen de tolerancias especificado.

14
APROXIMACIÓN AL DISEÑO DE FILTROS
ANALÓGICOS

 Constituye un problema de aproximación

funcional: Y ( s)
H ( s) 
X (s)

– Butterworth
j (  )
H ( j )  H ( j  ) e

– Chebyshev   
d ()
d

– Elíticos 2
H ( j )  H ( s) H ( s ) s  j

2
H ( s ) H (  s )  H ( j )  2  s 2

15
 2
Ganancia de un filtro: G ()  10 log H ( j  20 log H ( j

1
Atenuación: A()  20 log
H ( j

Frecuencia de corte Ωc:  H ( j    c


1
H ( j) max
2
1 1
En decibelios: 20 log H ( j  20 log( H ( j max )  20 log H ( j max  20 log
2 2
 20 log H ( j max  3dB

Las pendientes se miden en:

• dB/octava
• dB/decada
16
APROXIMACIÓN BUTTERWORTH

 La aproximación de Butterworth consiste en :

siendo N en orden del filtro, Ωc la frecuencia de corte del filtro, (que

representa una atenuación de 3dB).

17
APROXIMACIÓN BUTTERWORTH

 Se define el filtro Butterworth normalizado como:

 Características:

– Esta aproximación es la que presenta una respuesta mas plana en Ω

=0. ( Para un filtro de orden N, las 2N-1 primeras derivadas de |H(j Ω)|
son nulas en Ω=0.

– Para altas frecuencias presenta una pendiente asintótica de

-20N dB/década.

– En general, la ganancia es monótona decreciente con Ω.

18
APROXIMACIÓN BUTTERWORTH

19
Determinación de la Función de Transferencia

20
21
 En general la función de transferencia de un filtro de
Butterworth de orden N es de la forma:

1
H n ( s) 
1  a1 s  a 2 s 2  ...  a N 1 s N

22
Aproximación de Chebyshev

 La aproximación es:

ε: Controla la amplitud del rizado en paso banda.

k: Controla el nivel de ganancia.

TN(Ω): Polinomio de Chebyshev de 1ª clase y orden N

definido por:

TN(Ω) = cos( N cos-1 Ω ) , | Ω|<1 

TN(Ω) = cosh(N cosh-1 Ω) , |Ω|>1

23
Aproximación de Chebyshev

 Propiedades de los polinomios de Chebyshev :

1) TN(0) =(-1)N/2 si N es par,  0 si N es impar

 2) TN(1) = 1 N
 3) TN(-1) = 1 si N es par, -1 si N es impar

 4) TN (Ω) oscila con rizado constante entre +1 y -1 para

|Ω|<1

5) Para | Ω|>1, TN(Ω) es monótona creciente, tendiendo a

infinito como 2N-1 ΩN
24
 Representación gráfica de los polinomios de Chebyshev de
distintos órdenes.

25
Aproximación de Chebyshev

 A partir de la frecuencia de corte normalizada ( Ω=1),

[Hn(j Ω)]2 pasa a ser monótona decreciente.

FORMA GENERAL EN LA APROXIMACION CHEBYSHEV

        a) N par (N=4)                b) N impar (N=5)

26
Aproximación de Chebyshev

 En pasabanda  oscila entre k (máx.) y k/(1+ ε2) (mín.)

 Se denomina RIZADO en  db (*) a la relación de valores

máximos  y mínimos de [Hn(jS)2] en pasabanda:

 K se escoge para ajustar la ganancia en c.c., así para ganancia unitaria en c.c,
K debe ser:

 A altas frecuencias, la ganancia en dB tiene asintóticamente a:

27
Aproximación de Chebyshev

 Presenta las siguientes características:

– Ganancia en paso banda mas balanceada que la Butterworth.

– La ganancia en paso banda oscila con rizado * constante.

– La ganancia en rechazo de banda decrece monótonamente y es similar

a la Butterworth.

28
Aproximación elíptica

 La aproximación Chebyshev presenta mejores características que la

Butterworth en el paso banda. A altas frecuencias, en el rechazo de
banda, ambas presentan un buen comportamiento, pero sus
características se deterioran progresivamente al decrecer la frecuencia.

 La aproximación elíptica es la que presenta un mejor comportamiento

en este último sentido, al poseer una banda de transición mas estrecha,
comparativamente para un orden dado del filtro.

 La aproximación elíptica presenta rizado constante en el paso banda y

rechazo de banda.

29
Comparación de los tres tipos para un mismo orden

30
Transformaciones en frecuencia
 A partir de estas aproximaciones pueden obtenerse otros tipos de filtros
analógicos a través de una transformación de la variable frecuencial.

31
Transformaciones en frecuencia

 Transformación paso bajo a paso alto 

32
Transformaciones en frecuencia

 Transformación paso bajo a paso alto 

– Si el Filtro es Butterworth o Chebyshev, Ωoh es la frecuencia de corte del
filtro paso alto (que le corresponderá Ωoh / Ωoh =1 rad/seg en el paso bajo
normalizado).

– Si el Filtro es elíptico

33
 Transformación paso bajo a paso banda

siendo Ωoh y B constantes a determinar de forma que se

cumplan las especificaciones del filtro paso banda.

34
DISEÑO DE FILTROS DIGITALES IIR

 Metodología: Dado un filtro analógico, generar un filtro digital con

características similares.

– Aprovechar las ventajas y la simplicidad del diseño analógico.

– Simular con filtros digitales las características de los filtros
analógicos.
 Condiciones:

1) Que se conserven las propiedades esenciales de la respuesta en

frecuencia del Filtro Analógico en la correspondiente al Filtro Digital.
(es decir, que se mapee el eje imaginario del plano S en el círculo
unidad del plano Z)
2) Que se garanticen los requisitos de Estabilidad

35
 Método de la Respuesta Impulsional Invariante

 Método de la aproximación numérica de la ecuación

diferencial

 Método de la Transformación Bilineal

36
MÉTODO DE LA RESPUESTA IMPULSIONAL
INVARIANTE

 Criterio: Encontrar un filtro digital cuya respuesta Impulsional sean

muestras equiespaciadas de la respuesta Impulsional del filtro
analógico.
h(n)=ha(t)t=nT

– Las respuestas en frecuencias del filtro digital estarán

relacionadas con la respuesta en frecuencia del filtro
analógico por:

Es decir, la respuesta en frecuencias del filtro digital consiste

en la suma de infinitos términos de respuestas analógicas
frecuenciales escaladas y desplazadas.

37
 MÉTODO DE LA RESPUESTA IMPULSIONAL
INVARIANTE

 A partir del Teorema del muestreo sabemos que:

Si Ha(jΩ)= 0 para Ω ≥ π/T, entonces:

H(ejw) = 1/T Ha(jΩ) para w≤π

 La siguiente expresión constituye una generalización de la anterior:

38
 MÉTODO DE LA RESPUESTA IMPULSIONAL
INVARIANTE
 Correspondencia entre polos: Sea un polo en s = σ + j Ω , que se
corresponderá con:
   e T
Pz  e sT  e T e jT  e jw siendo 
 w  T
  0    z  1
Preserva la estabilidad del filtro: 
para   0    1
  0    1


s1   1  j1
 Observamos que si: 
  z1  z 2
s    j (  2 / T )
 2 1 1

Lo cual da lugar a una ambigüedad en la localización de los polos, si estos tienen

una parte imaginaria no comprendida entre [-π/T, π/T] 39
 Relación entre el plano S y el plano Z

 Cada franja horizontal de ancho Ωs en el plano S se mapea en la

totalidad del plano Z. Esta ambigüedad es otra manifestación del
fenómeno aliasing, encontrado al muestrear señales analógicas.

40
 MÉTODO DE LA RESPUESTA IMPULSIONAL
INVARIANTE

 T debe escogerse suficientemente pequeño, de forma que todos los

polos del filtro analógico, caigan dentro de la primera franja.

 La técnica de la repuesta Impulsional invariante puede distorsionar la

forma de la respuesta frecuencial por el "aliasing", aun cuando todos
los polos del filtro analógico están en la primera franja.

41
 MÉTODO DE LA RESPUESTA IMPULSIONAL
INVARIANTE

 Ajuste Directo de las Respuestas Impulsionales:

Objetivo:  Computar H(z) directamente a partir de Ha(s).

Expandir Ha(s) en fracciones simples: 

42
 MÉTODO DE LA RESPUESTA IMPULSIONAL
INVARIANTE

Ai  A i e pi t ; t  0
Para cada Hi  sea : h i (t)  
s  pi 0 ; t  0


Muestreando : t  kT : h i (k)  A i e pi kTt
; t  0  H i ( z )   Ai e pi kT z  k
k 0

43
SOLUCIÓN NUMÉRICA DE LA ECUACIÓN DIFERENCIAL

 Criterio: Obtener el filtro digital aproximando las derivadas

de la ecuación diferencial correspondiente a un filtro analógico,
mediante diferencias finitas.
N
d k ya (t ) M d k xa (t )

k 0
ck
dt k
 d k
k 0 dt k

dya (t )  y ( n)  y ( n  1)
  (1)
 y ( n )  
dt  t  nT T
d K y a (t ) 
dt K  
  (k)  y (n)    (1)  (k -1)  y ( n) 
 t  nT

44
SOLUCIÓN NUMÉRICA DE LA ECUACIÓN DIFERENCIAL

Comparando ambas funciones de transferencia:

k
M
1  z 1 
 dk 
T 
H ( z) 
k 0  
k
N
1  z 
1

 ck 
T 
k 0  

d k sk
H ( s)  k 0
N

c
k 0
k sk

Podemos concluir que: H ( z )  H ( s ) s 1 z 1

T

45
 Análisis del mapeo S → Z:

Sustituyendo s=jΩ , resulta:

y expresando el cociente en forma polar:

46
SOLUCIÓN NUMÉRICA DE LA ECUACIÓN
DIFERENCIAL

– Luego, el mapeo de polos es "semiplano izquierdo de s al círculo

anterior en z". Observar que aunque el eje jS no se mapea en el
círculo unidad, los polos caen dentro de éste y por tanto el filtro
digital resulta estable.

– Hay una noción intuitiva según la cual, la simulación discreta del

operador derivada mediante diferencias finitas es mejor cuanto mas
pequeña es la distancia entre muestras (periodo de muestreo).

Esta idea resulta consistente de acuerdo con los resultados

obtenidos. Si T es suficientemente pequeño en L (1) [y(n)], la
respuesta en frecuencias del filtro digital se concentra en la
vecindad de z=1, es decir donde ambos círculos son tangentes, por
lo que el filtro digital sera bastante aproximado al analógico.

47
SOLUCIÓN NUMÉRICA DE LA ECUACIÓN
DIFERENCIAL

– Una aproximación alternativa consiste en reemplazar las derivadas

por una aproximación en diferencias hacia adelante:

L(1) [y(n)] = [y(n+1)-y(n)]/T

la cual presenta la desventaja de que puede dar lugar a filtros

digitales inestables.

– De todos modos, los métodos hasta ahora comentados suelen dar

lugar a resultados insatisfactorios si el filtro que se diseña no es paso
bajo.

48
METODO DE LA TRANSFORMACIÓN
BILINEAL
 CRITERIO: Obtener el filtro digital integrando la ecuación diferencial
correspondiente al filtro analógico y realizando una aproximación
numérica de la misma.

 La transformación se puede expresar como:

49
 Análisis del mapeo S → Z:

 T
 w  2 arctag
2  z 1  1  (T / 2) s  s  jw 2
s    z    sustituyendo  resulta 
T  z 1  1  (T / 2) s  z  e
jw
  2 tag w
 T 2

• Para pequeños valores frecuenciales: Ω=w/T

• A altas frecuencias, la compresión no lineal produce que la

función de transferencia resulte distorsionada cuando se traslada al
dominio w.
50
METODO DE LA TRANSFORMACIÓN
BILINEAL
 La transformación bilineal da lugar a filtros digitales estables
partiendo de filtros analógicos estables.

La respuesta en frecuencias del filtro digital será:

51
METODO DE LA TRANSFORMACIÓN
BILINEAL

– Para evitar la distorsión frecuencial lo que se hace es

predistorsionar las especificaciones originales. Es decir,
predistorsionar wc y wr según la relación:

 con el objeto de determinar los valores apropiados de Ωc y

Ωc para el correspondiente diseño continuo.

– Después de aplicar la TB daría:

2 w T
w  2arctag (T / 2)  2arctag ( tag )  w
T 2 2

52
 DISEÑO DE FILTROS DIGITALES
FIR
 Ventajas:
– Facilidad de diseño para filtros de fase lineal

– Realización eficiente en forma tanto recursiva como no recursiva

– Factible implementación utilizando la FFT

– Los filtros FIR no recursivos, son siempre estables.

– El ruido de redondeo puede hacerse fácilmente pequeño con realizaciones

no recursivas.

 Desventajas:
– Se requiere un número de puntos N alto para aproximar filtros de
transición brusca.
– El retardo de fase puede no ser entero.

53
 DISEÑO DE FILTROS DIGITALES
FIR
Filtros FIR simétricos y antisimétricos

 Un filtro FIR de longitud M se describe por la ecuación en diferencias:

ó bien por la convolución:

a partir de ambas expresiones, se deduce que:

bk=h(k), k=0,1,2,...,M-1

54
 DISEÑO DE FILTROS DIGITALES
FIR
Filtros FIR simétricos y antisimétricos

 El filtro también se puede caracterizar por su función de

transferencia:

que es un polinomio de grado M-1 en la variable z-1.

 Un Filtro FIR tiene fase lineal si su respuesta impulsional satisface la

condición:

55
 DISEÑO DE FILTROS DIGITALES
FIR
Filtros FIR simétricos y antisimétricos

 Teniendo en cuenta estas condiciones de simetría y antisimetría:

 Ahora, si sustituimos z-1 por z en la expresión de H(z) y

multiplicamos ambos lados de la ecuación resultante por
z-(M-1) , obtenemos:

56
 DISEÑO DE FILTROS DIGITALES
FIR
Filtros FIR simétricos y antisimétricos

 Las características de respuesta en frecuencia de filtros FIR de fase

lineal se obtienen evaluando H(z) en el círculo unidad.
 Cuando h(n)=h(M-1-n), H(w) se puede expresar como:

donde Hr( w) es una función real de w y se puede expresar como:

57
 DISEÑO DE FILTROS DIGITALES
FIR
Filtros FIR simétricos y antisimétricos

La característica de fase del filtro para M impar y par es:

 Cuando h(n)=-h(M-1-n) , la respuesta impulsional es antisimétrica.

 Para M impar es h((M-1)/2)=0.

 En este caso:

58
 DISEÑO DE FILTROS DIGITALES
FIR
Filtros FIR simétricos y antisimétricos

donde:

 La característica de fase del filtro para M par y M impar es:

59
DISEÑO DE FILTROS FIR DE FASE LINEAL
USANDO VENTANAS

 Especificación de Hd(w) y determinación (mediante la Transformada

de Fourier) de hd(n):

 En general, hd(n) es infinita, por lo que para producir un filtro FIR de

longitud M, debe ser truncada en un punto
n=M-1. Lo que equivale a multiplicar por una ventana rectangular
w(n):

60
DISEÑO DE FILTROS FIR DE FASE LINEAL
USANDO VENTANAS

 La respuesta impulsional del filtro FIR será:

 Consideremos el efecto de la función ventana en la respuesta en

frecuencias deseada Hd(w), y recordemos que multiplicar por una
función ventana equivale a una convolución en frecuencias de los
espectros, esto es:

61
DISEÑO DE FILTROS FIR DE FASE LINEAL
USANDO VENTANAS

La transformada de Fourier de la ventana rectangular es:

La función ventana tiene una respuesta en magnitud:

Y una fase lineal a tramos:

62
DISEÑO DE FILTROS FIR DE FASE LINEAL
USANDO VENTANAS
La convolución de Hd(w) con W(w) tiene el efecto de suavizar Hd(w)

(a) Proceso de convolución implicado por la truncación de la resp. Impul. deseada

(b) Aproximación típica resultado del ventaneo de la resp. impulsioal deseada

63
 DISEÑO DE FILTROS FIR DE FASE LINEAL
USANDO VENTANAS
 En la elección de la ventana rectangular, hay que llegar a una solución
de compromiso entre:
Elegir M de forma que W(ejw) sea lo mas estrecho posible.

Elegir M de forma que la duración de w(n) se lo mas corta posible.

Otra solución alternativa consiste en usar ventanas menos

abruptas en sus características en el dominio temporal.

Todas estas funciones ventanas tienen lóbulos laterales mas bajos

comparados con la ventana rectangular, sin embrago para un
mismo valor de M el ancho del lóbulo principal es también mas
amplio, por lo que la región de transición del filtro será mas amplia.
Para reducir este ancho, podemos simplemente incrementar la
longitud de la ventana.
64
DISEÑO DE FILTROS FIR DE FASE LINEAL
USANDO VENTANAS

Ventanas usadas para el diseño de filtros FIR

65
DISEÑO DE FILTROS FIR DE FASE LINEAL
USANDO VENTANAS

Características para los distintos tipos de ventanas:

66
DISEÑO DE FILTROS FIR DE FASE LINEAL
USANDO VENTANAS

67
DISEÑO DE FILTROS FIR DE FASE LINEAL
USANDO VENTANAS

68
69
70
71
72
73
74
75
76
77
DISEÑO DE FILTROS FIR DE FASE LINEAL
USANDO VENTANAS

Supongamos que queremos diseñar un filtro FIR de fase lineal paso

bajo y simétrico con una respuesta en frecuencias deseada:

78
DISEÑO DE FILTROS FIR DE FASE LINEAL
USANDO VENTANAS

 El retardo (M-1)/2 es para forzar la longitud M. La respuesta

impulsional es:

Observar que hd(n) es no causal y de duración infinita.

Si se selecciona M impar el valor de h(n) en n=(M-1)/2 es:

79
 DISEÑO DE FILTROS DIGITALES
FIR
Diseño de Filtros FIR de fase lineal por el método de Muestreo en Frecuencia

 Especificamos la respuesta en frecuencias deseada Hd(w) en un

conjunto de frecuencias equiespaciadas:

y calculamos la respuesta impulsional h(n) del filtro FIR a

partir de estas especificaciones. Para reducir los lóbulos
laterales deseable optimizar la especificación de frecuencia
en la banda de transición del filtro.

80
DISEÑO DE FILTROS DIGITALES
FIR
Diseño de Filtros FIR de fase lineal por el método de Muestreo en Frecuencia

Explotando una propiedad básica de simetría de la función de

respuesta en frecuencia muestreada para simplificar los cálculos. Sea
la respuesta en frecuencia deseada del filtro FIR:

Supongamos que especificamos la respuesta en frecuencias del filtro

en las frecuencias anteriores. Entonces, obtenemos:

81
DISEÑO DE FILTROS DIGITALES
FIR
Diseño de Filtros FIR de fase lineal por el método de Muestreo en Frecuencia

Expresando h(n) en función de , obtenemos:

Esta expresión nos permite calcular los valores de h(n) a partir de la

especificación de las muestras en frecuencia

82
 DISEÑO DE FILTROS DIGITALES
FIR
Diseño de Filtros FIR de fase lineal por el método de Muestreo en Frecuencia

Observar que cuando , ambas expresiones se reducen a la DFT

e IDFT respectivamente.
 
Al ser h(n) real:

Esta condición de simetría, junto con las condiciones de simetría para

h(n) ayudan a reducir ala mitad las especificaciones en frecuencias.
Así, las ecuaciones lineales para determinar h(n) a partir de
se simplifican considerablemente.

83