Pdsapuntes

UNIVERSIDAD NACIONAL DE SAN AGUSTIN DE AREQUIPA
FACULTAD DE INGENIERIA DE PRODUCCION Y SERVICIOS

DEPARTAMENTO ACADEMICO DE INGENIERIA ELECTRONICA
ESCUELA PROFESIONAL DE INGENIERIA ELECTRONICA

CURSO: PROCESAMIENTO DIGITAL
DE SEALES

AREQUIPA PER

2012

Apuntes de Aula

Wildor Ferrel Serruto
Curso: Procesamiento Digital de Seales Profesor: Wildor Ferrel Serruto
1
P
P
r
r
o
o
c
c
e
e
s
s
a
a
m
m
i
i
e
e
n
n
t
t
o
o
D
D
i
i
g
g
i
i
t
t
a
a
l
l
d
d
e
e
S
S
e
e
a
a
l
l
e
e
s
s

1 1. . I In nt tr ro od du uc cc ci i n n
D De ef fi in ni ic ci i n n
El Procesamiento Digital de Seales (PDS) es la disciplina que estudia los
fundamentos matemticos y algortmicos del tratamiento de seales y de la
informacin que contienen las seales utilizando un sistema electrnico digital como
por ejemplo, un computador, un DSP, un FPGA.
- Procesamiento: Realizacin de operaciones de acuerdo a un algoritmo para
transformar los datos o extraer informacin de ellos.
- Digital: Sistema electrnico digital como un computador, un DSP, un FPGA.
- Seal: Magnitud variable por medio de la cual se transmite informacin.
Hacer procesamiento digital de seales significa
Procesamiento Realizar operaciones o transformaciones
Digital mediante un computador u otro circuito electrnico digital
de Seales sobre funciones del tiempo y/o del espacio.
C Cl la as si if fi ic ca ac ci i n n d de e l la as s s se e a al le es s
Por el tipo de funcin y el tipo de variable
- Seal analgica Funcin continua de variable continua.
- Seal de tiempo discreto Funcin continua de variable discreta.
- Seal digital Funcin discreta de variable discreta.
Por el nmero de dimensiones:
- Seal unidimensional Ejemplo: seal de voz, ( ) t s
- Seal bidimensional Ejemplo: imagen, ( ) y x s ,
- Seal multidimensional Ejemplo: Seal de video en blanco y negro ( ) t y x v , , , seal
de video a color ( ) ( ) ( ) ( ) | | t y x b t y x g t y x r t y x u , , , , , , , , =
F Fu un nd da am me en nt to os s d de el l P PD DS S ( (B Ba as se es s m ma at te em m t ti ic ca as s) )
- Modelado de seales analgicas:
o Transformada de Fourier, transformada de Laplace, filtros analgicos.
Operaciones de convolucin y correlacin.
- Modelado de seales y sistemas de tiempo discreto:
o La Transformada Z, la transformada de Fourier de tiempo discreto (DTFT),
la transformada discreta de Fourier (DFT).
o Operaciones de convolucin y correlacin.
o Estructuras bsicas de sistemas de tiempo discreto.
- Algoritmos de procesamiento digital de seales.
o Reduccin o incremento de la tasa de muestreo.
o Transformada rpida de Fourier (FFT).
o Diseo de filtros digitales.
2
I Im mp pl le em me en nt ta ac ci i n n d de el l P PD DS S
- Por software, en computadores de propsito general (Ejemplo: en una PC)
- Por hardware (Ejemplo: con FPGAs)
- Por software ms hardware especfico para PDS (Ejemplo: con un DSP TMS320C)
Un procesador digital de seal (DSP-Digital Signal Processor), es un dispositivo que
implementa hardware especializado para acelerar la ejecucin de los algoritmos de
procesamiento digital de seales.
V Ve en nt ta aj ja as s
- Inmunidad a ruido (mayor precisin).
- Implementacin por software (mayor flexibilidad).
- Realizacin de funciones que no son posibles en procesamiento analgico de
seales
D De es sv ve en nt ta aj ja a
- En algunas aplicaciones la desventaja pueden ser el mayor costo y/o el
procesamiento lento.

C Co om mp pa ar ra ac ci i n n d de el l m mo od de el la ad do o d de e u un n s si is st te em ma a d de e t ti ie em mp po o c co on nt ti in nu uo o y y u un n
s si is st te em ma a d de e t ti ie em mp po o d di is sc cr re et to o
Sistema de tiempo continuo

Ecuacin diferencial
( )
( ) ( )
( )
( ) ( )
t d
t x d
d
t d
t x d
d t x d
t d
t y d
c
t d
t y d
c t y
M
M
N
N
+ + + + + + =
1 0 1

Funcin de transferencia
( )
( )
( )
N
N
M
M
s c s c
s d s d d
s X
s Y
s H

+ + +
= =
1
1 0
1

Filtro
Analgico
x(t) y(t)
x(t) y(t)
t t
3
Respuesta a una seal de entrada
( ) ( ) ( )
}

= t t t d t h x t y

Respuesta en frecuencia

Sistema de tiempo discreto

Ecuacin en diferencias lineales con coeficientes constantes
| | | | | | | | | | | | M n x b n x b n x b N n y a n y a n y
M N
+ + + + = 1 1
1 0 1

Funcin de transferencia
( )
( )
( )
N
N
M
M
z a z a
z b z b b
z X
z Y
z H

+ + +
+ + +
= =
1
1
1
1 0
1

Respuesta a una seal de entrada
| | | | | |
=
=
m
m n h m x n y

0
( ) H j O
O

Filtro
Digital
x[n] y[n]
0
n
x[n]
0
n
y[n]
4

C Co om mp pe et te en nc ci ia a g ge en ne er ra al l d de el l c cu ur rs so o
- Capacidad de disear sistemas electrnicos que satisfagan las especificaciones
tcnicas acordes con las polticas econmicas, ambientales, sanitarias y de
seguridad.
- Capacidad de aplicar conocimientos de matemticas, ciencia e ingeniera en la
solucin de problemas del rea.
- Capacidad para disear y realizar experimentos, as como analizar e interpretar
los datos en el rea de ingeniera electrnica.
- Capacidad de analizar y disear sistemas electrnicos conformados por
componentes de hardware y software.
C Co om mp pe et te en nc ci ia as s e es sp pe ec c f fi ic ca as s d de el l c cu ur rs so o
De las clases de teora:
- Aplica el modelamiento matemtico y algortmico en el procesamiento de
seales.
- Analiza e identifica los principales componentes de un sistema de procesamiento
digital de seales.
- Comprende y domina los conceptos bsicos sobre las seales de tiempo
discreto, los sistemas de tiempo discreto, las transformadas relacionadas y su
aplicacin para la resolucin de problemas de procesamiento de seales.
De las clases de laboratorio:
- Analiza e identifica las caractersticas tcnicas de las tarjetas DSP.
- Implementa sistemas bsicos de procesamiento digital de seales con tarjetas
DSP.
C Co on no oc ci im mi ie en nt to os s p pr re ev vi io os s
Fundamentos de clculo. Algebra de nmeros complejos. Anlisis de Fourier de
tiempo continuo. Filtros analgicos. Programacin en MATLAB.

0
( ) H e
je

e
2t
5
B Bi ib bl li io og gr ra af f a a
[1] OPPENHEIM A. V., SCHAFER R.W. Segunda Edicin.
Tratamiento de Seales en Tiempo Discreto.
Prentice Hall Iberia, Madrid, 2000

[2] PROAKIS J. G., MANOLAKIS D. G. Tercera Edicin.
Tratamiento Digital de Seales. Principios, algoritmos y aplicaciones.
Prentice Hall, Madrid, 1998

[3] LI TAN.
Digital Signal Processing. Fundamentals and Applications.
Elsevier, DeVry University, Decatur, Georgia, 2008

[4] MARIO ACEBAL J. B. Segunda Edicin.
Tratamiento Digital de la Seal. Una introduccin experimental
Alfaomega, Mxico, 1999

6
2 2. . C Co on nv ve er rs so or r I Id de ea al l d de e T Ti ie em mp po o C Co on nt ti in nu uo o a a
T Ti ie em mp po o D Di is sc cr re et to o
D Di ia ag gr ra am ma a d de e B Bl lo oq qu ue es s d de e u un n s si is st te em ma a d de e P Pr ro oc ce es sa am mi ie en nt to o D Di ig gi it ta al l d de e S Se e a al le es s
A An na al l g gi ic ca as s

P Pr ro oc ce es sa am mi ie en nt to o D Di ig gi it ta al l d de e S Se e a al le es s A An na al l g gi ic ca as s

M Mo od de el lo o d de el l C Co on nv ve er rs so or r C C/ /D D

D Do om mi in ni io o T Te em mp po or ra al l

( ) ( )
=
=
n
T n t t s o

( ) ( ) ( ) t s t x t x
c s
=

C/D
x
c
(t) x[n]
T
D/C
y
c
(t) y[n]
T
Sistema de
Tiempo Discreto
x
c
(t) x[n]
s(t)
Conversor de Tren de
Impulsos Ponderados a
Secuencia

x
s
(t)
x
c
(t) x[n]
T
y
c
(t) y[n]
T
DSP
DAC
ADC
x
sens
(t)
Filtro
Antisola-
pamiento
y
r
(t)
Filtro de
Recons-
truccin
x(t)
Sensor
7
( ) ( ) ( )
=
=
n
c s
T n t t x t x o

( ) ( ) ( )
=
=
n
c s
T n t nT x t x o

( ) | | ( )
=
=
n
s
T n t n x t x o

D Do om mi in ni io o F Fr re ec cu ue en nc ci ia al l

( ) ( )
=
=
k
T
k
T
j S
t
O o
t
O
2
2

( ) ( ) ( ) O O
t
O j S j X j X
c s
- =
2
1

( ) ( ) ( )
=
=
k
T
c s
k j X
T
j X
t
O O
2
1
;
T
s
t
O
2
=

( ) ( ) ( )
=
=
k
s c s
k j X
T
j X O O O
1

S Se e a al l c co on n E Es sp pe ec ct tr ro o n no o L Li im mi it ta ad do o

-O
S

O
S

O 0
( ) O j X
C

1
2O
S
O 0
( ) O j X
S

O
S
-O
S

-2O
S

8
F Fi il lt tr ro o A An nt ti is so ol la ap pa am mi ie en nt to o

Ejemplo 1
La frecuencia de muestreo es 40 kHz. El filtro anti-solapamiento usado es un filtro de
Butterworth pasa-bajas con frecuencia de corte de 8 kHz. El nivel de solapamiento
en la frecuencia de corte debe ser 1%. Determine el orden del filtro anti-
solapamiento.

Para el filtro de Butterworth la magnitud de la respuesta en frecuencia es:
|()|

El nivel de solapamiento en la frecuencia de corte es:

n 1 2 3 4
Nivel de solapamiento (%) 34.30 8.82 2.21 0.55
C/D
x
a
(t) x[n]
T
D/C
y
c
(t) y[n]
T
Sistema de
Tiempo
Discreto
Filtro
Antisola-
pamiento
x
c
(t)
H
aa
(jO)
-O
S

O
S

O
0
( ) O j H
1
O
C

9
3 3. . S Se e a al le es s d de e T Ti ie em mp po o D Di is sc cr re et to o
S Se ec cu ue en nc ci ia as s b b s si ic ca as s
Impulso unitario

Escaln unitario

Secuencia exponencial
| | x n A n
n
= o , ;
A R A , ; , o o e > 0

0 1 < < o

o >1

Secuencia senoidal
| | ( ) x n Asen n n = + e
0
u ,

n 0
x[n]
n 0
x[n]
1
n
0
o[n]
0 n
x[n]
1
n 0
...
u[n]
10
O Op pe er ra ac ci io on ne es s b b s si ic ca as s
Sean
| | x n
1
y
| | x n
2
dos secuencias,
Adicin :
| | | | | | y n x n x n = +
1 2

Multiplicacin de dos secuencias:
| | | | | | y n x n x n =
1 2

Multiplicacin por un escalar :
| | | | y n x n = o
2

Producto interno :
| | | | y x n x n = -
1 2

| | | | =
-
x n x n
n
1 2

Desplazamiento :

n
d
> 0

| |
| | y n x n n
d
=
1

Ejemplo 2
Dadas las secuencias | | x n
1
y | | x n
2
, escribir un programa en MATLAB para
determinar y graficar:
a) La secuencia | | x n
3
que es la suma de las secuencias | | x n
1
, | | x n
2
.
b) La secuencia | | x n
4
como el producto de las secuencias | | x n
1
, | | x n
2
.
n 0
x
1
[n]
n
0
x
1
[n + n
d
]
n
0
x
1
[n - n
d
]
11
c) La secuencia | | x n
5
obtenida mediante el desplazamiento de | | x n
1
a la
izquierda en 2 unidades de tiempo.

%************************************************
% Programa Matlab para el Ejercicio 1
%************************************************
% Reinicializar el ambiente
clear; clf;
% Generar las secuencias
x1=[0 0 0 1 2 3 4 3 2 1 0 0 0];
x2=[0 0 4 3 2 1 0 0 0 0 0 0 0];
% a) Adicion
x3=x1+x2;
% b) Multiplicacion
x4=x1.*x2;
% c) Dezplazamiento a la izquierda en 2 posiciones
x5=zeros(1,13);
nd=2;
x5(1:13-nd)=x1(nd+1:13);
%for m=1:13-nd
% x5(m)=x1(m+2);
%end;
% Graficar x1,x2,x3
subplot(3,1,1);
stem([-6:6],x1);
ylabel('x1'); xlabel('n');
subplot(3,1,2);
stem([-6:6],x2);
subplot(3,1,3);
stem([-6:6],x3);
title('Adicion'); ylabel('x3'); xlabel('n');
pause;
% Graficar x1,x2,x4
subplot(3,1,3);
stem([-6:6],x4);
n 0
x
1
[n]
1
2
3
4
0 n
x
2
[n]
1
2
3
4
12
title('Multiplicacion'); ylabel('x4'); xlabel('n');
pause;
% Graficar x1,x5
subplot(2,1,1);
stem([-6:6],x1);
subplot(2,1,2);
stem([-6:6],x5);
title('Dezplazamiento'); ylabel('x5'); xlabel('n');

R Re el la ac ci io on ne es s i im mp po or rt ta an nt te es s
- La secuencia escaln unitario se expresa a travs de la secuencia impulso
unitario de la siguiente forma :
| | | |
=
=
n
m
m n u o

- A su vez, la secuencia impulso unitario se expresa a travs de la secuencia
escaln unitario en la forma :
| | | | | | 1 = n u n u n o
- Toda secuencia puede ser expresada como una suma ponderada de impulsos
unitarios :
| | | | | |
=
=
m
m n m x n x o

C Cl la as si if fi ic ca ac ci i n n d de e l la as s s se ec cu ue en nc ci ia as s p po or r s su u e ex xt te en ns si i n n
Secuencia de extensin finita :
| | | | - < = < - < = > n x n n n y n x n n n
1 1 2 2
0 0 / , / ,

Secuencia de extensin infinita :
a) Secuencia derecha
| | | | - < = < / - < = > n x n n n y n x n n n
1 1 2 2
0 0 / , / ,

b) Secuencia izquierda
| | | | / - < = < - < = > n x n n n y n x n n n
1 1 2 2
0 0 / , / ,

n n
2

...
n n
1
n
2

n n
1

...
13
c) Secuencia bilateral
| | | | / - < = < / - < = > n x n n n y n x n n n
1 1 2 2
0 0 / , / ,

S Se ec cu ue en nc ci ia a p pe er ri i d di ic ca a
| | n x es peridica | | | | n N n x n x N + = - /
P Pe er ri io od di ic ci id da ad d d de e l la a s se ec cu ue en nc ci ia a c co os se en no oi id da al l
En tiempo continuo, la funcin ( ) t
0
cos e es peridica para cualquier valor real de la
frecuencia. El periodo es:
0
2
e
t
= T

En tiempo discreto, la relacin
( ) n
0
cos e = ( ) ( ) N n +
0
cos e
se cumple si k N t e 2
0
= , donde N y k son enteros
Por lo tanto, la secuencia ( ) n
0
cos e es peridica si y slo si
N
k
=
t
e
2
0

para algn N y k enteros; caso contrario, ( ) n
0
cos e no es peridica.

Por ejemplo, la secuencia ( ) n
4
3
cos
t
es peridica con periodo 8 = N . En cambio, la
secuencia ( ) n 3 cos no es peridica
La secuencia compleja
n j
Ce
0
e
es peridica si
( ) N n j
e
+
0
e
=
n j
e
0
e
.
Esto se cumple si k N t e 2
0
= , donde N y k son enteros.
Las exponenciales complejas con frecuencias
0
e y r + t e 2
0
son iguales.
B Ba aj ja as s y y a al lt ta as s f fr re ec cu ue en nc ci ia as s
En tiempo continuo, la funcin ( ) t
0
cos e oscila ms rpidamente a medida que
aumenta la frecuencia.
En tiempo discreto, puesto que las secuencias ( ) n
0
cos e y ( ) ( ) n r + t e 2 cos
0
son
iguales, las frecuencias
0
e y r + t e 2
0
son equivalentes.
Para la secuencia ( ) n
0
cos e cuando la frecuencia aumenta de 0 a t aumentan
tambin las oscilaciones. Sin embargo, cuando la frecuencia aumenta de t a 2t las
oscilaciones se hacen ms lentas.
Las frecuencias en la vecindad de k = t e 2
0
se llaman bajas frecuencias, mientras
que las frecuencias en la vecindad de t t e + = k 2
0
se dice que son altas
frecuencias.
n
...
...
14
4 4. . S Si is st te em ma as s d de e t ti ie em mp po o d di is sc cr re et to o
Un sistema de tiempo discreto es una transformacin que hace corresponder a
cada secuencia de entrada una secuencia de salida.
| | | | { } y n T x n =

Ejemplo. Sistema de diferencia regresiva
| | | | | | y n x n x n = 1

T Ti ip po os s d de e s si is st te em ma as s
Sistema causal
La salida depende de valores pasados y/o del valor presente de la entrada.
Sistema no causal
La salida depende de valores futuros.
Ejemplo. Sistema de diferencia progresiva:
| | | | | | y n x n x n = + 1
Sistema estable.
A toda secuencia limitada de entrada le corresponde una secuencia limitada de
salida.
| | | | - s - s L x n L n L y n L n
x x y y
, ,

Sistema inestable
Por lo menos, a una secuencia limitada de entrada le corresponde una secuencia
ilimitada de salida.
Ejemplo. Sistema acumulador :
| | | | y n x k
k
n
=
=

T
| | x n

| | y n

2 1 -1 -2 0 n
x[n]
-1 0
n
y[n]
15
Sistema lineal
Sistema que cumple con el principio de superposicin.
| | | | { } | | { } | | { } T ax n bx n aT x n bT x n
1 2 1 2
+ = +

Sistema invariante en el tiempo
Un desplazamiento en el tiempo de la secuencia de entrada produce el mismo
desplazamiento de la secuencia de salida.
| | { } | |
| | { } | |
T x n y n T x n n y n n
d d
= =
R Re es sp pu ue es st ta a d de e u un n s si is st te em ma a L LT TI I
Respuesta de un sistema al impulso unitario
| | | | { } h n T n = o
En un sistema LTI, la respuesta a una secuencia de entrada se expresa:
| | | | | | y n x m h n m
m
=
=

Sistema FIR :
| | h n tiene extensin finita
Sistema IIR :
| | h n tiene extensin infinita
C C l lc cu ul lo o d de e l la a s sa al li id da a p po or r c co on nv vo ol lu uc ci i n n

| | | | | |
=
=
m
m n h m x n y

Ejemplo 3
La secuencia
| | x n es aplicada a la entrada de un sistema LTI. Encontrar la
secuencia de salida, si la respuesta del sistema al impulso unitario es
| | h n .

C Co on nv vo ol lu uc ci i n n l li in ne ea al l
Es la operacin efectuada sobre secuencias :
| | | | | | | | x n x n x m x n m
m
1 2 1 2
- =
=

En sistemas LTI tenemos : | | | | | | y n x n h n = -

-
| | x n

| | h n

| | y n

1
x[n]
n 0
2
3
4
1
h[n]
n 0
16
Propiedades de la convolucin
- Conmutativa
- Asociativa
- Distributiva
Conexin en serie de sistemas LTI

Conexin en paralelo de sistemas LTI

C Co on nv vo ol lu uc ci i n n p po or r b bl lo oq qu ue es s
Mtodo de solapamiento-suma
Definicin de un bloque:
| |
| |
s s +
=
. . , 0
1 0 ,
c c
L n rL n x
n x
r

Secuencia de entrada expresada a travs de los bloques | | | | rL n x n x
r
r
=
=0

Secuencia de salida:
| | | | | | n h n x n y * = ;
| | | | | | | | | | n h rL n x n h rL n x n y
r
r
r
r
* *
0 0

=
=
= |
.
|
\
|
=
; | | | |
=
=
0 r
r
rL n y n y
Bloque de salida: | | | | | |
P
L
r
P L
r
n h n x n y *
1

=
+

Se observa que | | rL n y
r
se solapa con ( ) | | L r n y
r
1
1
+
+
, y que las muestras de
solapamiento se suman.
E Ec cu ua ac ci i n n e en n d di if fe er re en nc ci ia as s l li in ne ea al le es s c co on n c co oe ef fi ic ci ie en nt te es s c co on ns st ta an nt te es s ( (L LC CC CD DE E) )
Muchos sistemas lineales e invariantes en el tiempo (sistemas LTI) se describen
mediante la ecuacin:
| | | |

= =
=
M
r
r
N
k
k
r n x b k n y a
0 0

Si hacemos a
0
1 =
| | | | | | | |
| | | |
y n b x n b x n b x n M
a y n a y n N
M
N
= + + +

0 1
1
1
1
...
...

| | | | h n h n
1 2
- | | h n
2
| | h n
1

| | | | h n h n
1 2
+ +
| | h n
1

| | h n
2

17
C C l lc cu ul lo o d de e l la a s sa al li id da a p po or r r re ec cu ur rs si i n n
Ejemplo 4
Para el sistema descrito por
| | | | | | | | 2 1 2 1
2
2
+ = n y n y n x n y
hallar la salida si | | | | n n x o = , si las condiciones iniciales son: | | 0 1 = y , | | 0 2 = y
Solucin:
| | 0 0 0 2 0
2
2
0 = + = y
| |
2
2
0 0 2 1
2
2
1 = + = y
| | 1 0
2
2
2 0
2
2
2 = + = y

| |
2
2
2
2
1 2 0
2
2
3 = + = y
| | 0 1
2
2
2 0
2
2
4 = + = y

| |
2
2
2
2
0 2 0
2
2
5 = + = y

| | | | | | | | n y n y n x n y + = 1 2 1
2
2
2

| | | | | | | | 2 1 2 1
2
2
+ + + + = m y m y m x m y

| | | | | | | | 2 1 2 1
2
2
+ + + + = n y n y n x n y

| | | | | | | | 0 0 0 2 0
2
2
1 2 2 2
2
2
3 = + = + = y y x y

Dada la ecuacin en diferencias:
| | | | | | | |
| | | | N n y a n y a
M n x b n x b n x b n y
N
M

+ + + =
... 1
... 1
1
1 0
(1)
Despejamos | | N n y :
| | | | | | | |
| | | | ( ) | | 1 ... 1
1
... 1
1 1
1 0

+ + + =
N n y
a
a
n y
a
a
n y
a
M n x
a
b
n x
a
b
n x
a
b
N n y
N
N
N N
N
M
N N
(2)
Se calculan las muestras de salida a partir de las condiciones iniciales:

| | | | | | | | | | | |

, 1 , , 1 , , , 1 , 2 ,
0 0 0 0 0 0
+ + + + N n y N n y N n y n y n y n y

(2)
Condiciones
iniciales
(1)
18
C Ca au us sa al li id da ad d d de e u un n s si is st te em ma a L LT TI I
| | 0 , 0 < = n n h
E Es st ta ab bi il li id da ad d d de e u un n s si is st te em ma a L LT TI I
Un sistema LTI es estable | | <

= n
n h
Suficiencia
Demostraremos que, si | | <
= n
n h entonces el sistema es estable
Sea | | n x acotada,
| | < s Lx n x
.
Luego,
| | | | | |
=
=
k
k n h k x n y =
= | | | |
=

k
k h k n x | | | |
=
s
k
k h k n x | |
=
s
k
k h Lx
| | | |
=
s
k
k h Lx n y
.
Si | | <
= n
n h entonces | | n y es acotada. En
consecuencia, el sistema es estable.
Necesidad
Demostraremos que, si | | =
= n
n h entonces el sistema no es estable.
Sea | | n x definida por:
| |
| |
| |
| |
| |
=
=
=

0 , 0
0 ,
n h si
n h si
n x
n h
n h

| | n x es acotada, ya que
| | 1 s n x
.
La salida es: | | | | | |
=
=
k
k n h k x n y
Para 0 = n , tenemos:
| | | | | |
=
=
k
k h k x y 0 =
| |
| |
| | k h
k
k h
k h

=
| |
| |
k
k h
k h
2

| | | |
=
=
k
k h y 0
Si | | =
= n
n h , entonces | | =
= k
k h .
Esto significa que | | n y no es acotada. En consecuencia, el sistema no es estable.
19
Ejemplo 5
La secuencia
| | x n
n
c c
=
s <
1 0 10
0
, ,
, . .

es aplicada a la entrada de un sistema LTI con respuesta al impulso
| |
( )
h n
n
c c
n
=
>
1
2
0
0
,
, . .
.
a) Calcular analticamente la secuencia de salida por convolucin lineal. Slo
los grficos obtenerlos con un programa en MATLAB.
b) Compruebe su resultado con la funcin conv del MATLAB y muestre los
grficos de las secuencias.

%****************************************************
% Programa para el Ejercicio 2 a)
%****************************************************
clear; clf
% Formar la secuencia de salida con 20 muestras
y0_9=2-(1/2).^[0:9];
y10_19=((2^10)-1)*((1/2).^[10:19]);
y=[y0_9 y10_19];
% Graficar la secuencia de salida
stem([0:19],y);
title('Secuencia de salida');
ylabel('y[n]'); xlabel('n');
%*****************************************************
% Programa para el Ejercicio 2 b)
%*****************************************************
clear; clf
% Formar la secuencia de entrada
x=[ones(1,10) zeros(1,10)];
% Formar la respuesta al impulso
h=[(1/2).^[0:19]];
% Efectuar la convolucion
yy=conv(x,h);
% Tomar 20 muestras de la secuencia de salida
y=yy(1:20);
% Graficar x,h,y
subplot(3,1,1);
stem([0:19],x);
grid; title('Secuencia de entrada');
ylabel('x[n]'); xlabel('n');
subplot(3,1,2);
20
stem([0:19],h);
grid; title('Respuesta al impulso');
ylabel('h[n]'); xlabel('n');
subplot(3,1,3);
stem([0:19],y);
grid; title('Secuencia de salida');
ylabel('y[n]'); xlabel('n');
Ejemplo 6
Escriba un programa en MATLAB para efectuar las siguientes tareas :
a) Generar una secuencia senoidal
| | x n de 50 muestras con frecuencia 2 25 t
rad/muestra.
b) Obtener una secuencia | | x n
1
adicionando a la secuencia inicial un ruido
aleatorio uniformemente distribuido en el intervalo -0,25 a 0,25.
c) Obtener la secuencia | | y n recursivamente filtrando la secuencia | | x n
1
con un
sistema promedio mvil de tamao 5.
%****************************************************
% Programa para el Ejercicio 3
%****************************************************
clear; clf
% Formar la secuencia de entrada
N=50;
x=sin(2*pi*[0:N-1]/25);
% Formar la secuencia con ruido aditivo
x1=x+0.5*(rand(1,N)-0.5);
% Calcular la secuencia de salida para el sistema de
% promedio movil de tamano 5
for n=1:N
y(n)=mean(x1(max(n-4,1):n));
end;
% Graficar las secuencias
subplot(3,1,1);
stem([0:N-1],x);
grid; ylabel('x[n]'); xlabel('n');
subplot(3,1,2);
stem([0:N-1],x1);
grid; ylabel('x1[n]'); xlabel('n');
subplot(3,1,3);
stem([0:N-1],y);
grid; ylabel('y[n]'); xlabel('n');

21
C Co or rr re el la ac ci i n n c cr ru uz za ad da a
Para las secuencias | | n x e | | n y , la secuencia
| | | | | |
=
=
k
xy
n k y k x n r

| | | | | |
=
+ =
k
xy
k y n k x n r
se llama correlacin cruzada de | | n x e | | n y .
La correlacin cruzada de | | n y e | | n x es:
| | | | | |
=
=
k
yx
n k x k y n r = | | | |
=
+
k
k x n k y
Se cumple que | | | | n r n r
yx xy
= .
Comparando la expresin de la convolucin | | | | | | | |
=
= -
k
k n y k x n y n x con
| | | | | |
=
=
k
xy
n k y k x n r podemos escribir | | | | | | n y n x n r
xy
- =
Autocorrelacin
Para la secuencia | | n x la secuencia de autocorrelacin es | | | | | |
=
=
k
xx
n k x k x n r
En MATLAB se usa la funcin xcorr:
x=[ 4 2 1 0];
y=[-1 -1 1 1];
Rxy=xcorr(x,y)
Ryx=xcorr(y,x)
Rxx=xcorr(x)
Ryy=xcorr(y)
Correlacin de secuencias peridicas
Para las secuencias peridicas | | n x e | | n y la correlacin cruzada se define en la
forma:
| | | | | |

+
=
M
M k
M
xy
n k y k x
M
n r
1 2
1
lim
La autocorrelacin de | | n x ser:
| | | | | |

+
=
M
M k
M
xx
n k x k x
M
n r
1 2
1
lim
Si las secuencias | | n x e | | n y tienen un mismo perido igual a N, el promedio en un
intervalo infinito es igual al promedio en un nico intervalo mayor o igual al periodo,
es decir, siendo MN:
| | | | | |
=
=
1
0
1
M
k
xy
n k y k x
M
n r

| | | | | |
=
=
1
0
1
M
k
xx
n k x k x
M
n r
Las secuencias | | n r
xy
y | | n r
xx
son peridicas y tienen el mismo periodo N.
22
Aplicacin de la correlacin en la determinacin de la distancia de blancos
| | | | | | n w D n x n s + =o

| | n r
sx
tiene un pico en D n =
Aplicacin de la correlacin en la identificacin de una seal peridica oculta en
una seal con ruido
Sea la secuencia | | n y de la forma:
| | | | | | n w n x n y + =
| | n x es una secuencia peridica con periodo desconocido N ,
| | n w es un ruido aleatorio.
Se desea determinar el periodo N.
Para ello calculamos la autocorrelacin de | | n y :
| | | | | |
=
=
1
0
1
M
k
yy
n k y k y
M
n r =
= | | | | ( ) | | | | ( )
=
+ +
1
0
1
M
k
n k w n k x k w k x
M
=
= | | | |
=

1
0
1
M
k
n k x k x
M
+ | | | |
=

1
0
1
M
k
n k w k x
M
+
+ | | | |
=

1
0
1
M
k
n k x k w
M
+ | | | |
=

1
0
1
M
k
n k w k w
M
=
= | | | | | | | | n r n r n r n r
ww wx xw xx
+ + +

Ejemplo 7
Escriba un programa en MATLAB que realice las siguientes tareas:
a) Genere la seal [] (
) (
) con 500 muestras.

b) Forme la seal [] adicionando a [] un ruido aleatorio, uniformemente
distribuido, con amplitud 1 y una media de 0.
c) Calcule [] como la autocorrelacin peridica de [].
d) Halle [] como la autocorrelacin peridica de [].
e) A partir de [], determine el periodo de [].
f) Forme un tren de impulsos [] con el periodo encontrado.
g) Determine [] como la correlacin cruzada peridica de [] con el tren
de impulsos.
h) Determine [] como la auto-correlacin peridica de [].
23
%********************************************
% Aplicacion de la correlacion en la
% identificacion de una seal peridica
% oculta en una seal con ruido
%********************************************
close all; clear all;
N=500;
n=[0:N-1];
x=0.5*cos((pi/26)*n)+0.5*cos((pi/13)*n);
w=2*(rand(1,N)-0.5);
y=x+w;
Rx=xcorr(x,'biased');
Ry=xcorr(y,'biased');
RRy=xcorr(Ry,'biased');

%Determinamos el periodo
[max1,pos1] = max(RRy)
[min2,pos2] = min(RRy(pos1+1:length(RRy)))
[max3,pos3] = max(RRy(pos1+pos2+1:length(RRy)))
periodo=pos2+pos3

% Formamos el tren de impulsos
s=zeros(1,length(y));
m=1;
while m<length(y)
s(m)=1;
m=m+periodo;
end
% Hallamos la correlacin de y con el tren de impulsos
Rys=periodo*xcorr(y,s, 'biased');
RRys=8*xcorr(Rys,'biased');
% Graficamos
subplot(311);
plot(n,x);grid;
title('Secuencia original');
subplot(312);
plot(n,y);grid;
title('Secuencia con ruido');
subplot(313);
stem(n,s);grid;
title('Tren de impulsos');
pause;

NRx=length(Rx);
nRx=[0:NRx-1]-((NRx-1)/2);
subplot(311);
24
plot(nRx,Rx);grid;
title('Rx - Autocorrellacion de x ');
NRy=length(Ry);
nRy=[0:NRy-1]-((NRy-1)/2);
subplot(312);
plot(nRy,Ry);grid;
title('Ry - Autocorrellacion de y ');
NRRy=length(RRy);
nRRy=[0:NRRy-1]-((NRRy-1)/2);
Ninicio=((NRRy-1)/2)-((NRy-1)/2);
Nfin=((NRRy-1)/2)+((NRy-1)/2);
subplot(313);
plot(nRy,RRy(Ninicio:Nfin));grid;
title('RRy - Autocorrelacion de Ry');
pause;

subplot(311);
plot(n,x);grid;
title('Secuencia original');
subplot(312);
NRys=length(Rys);
Ninicio=(NRys-1)/2;
plot(Rys(Ninicio:Ninicio+N-1));grid;
title('Rys - Correlacion cruzada de y con el tren s');
subplot(313);
NRRys=length(RRys);
Ninicio=(NRRys-1)/2;
plot(RRys(Ninicio:Ninicio+N-1));grid;
title('RRys - Autocorrelacion de Rys');

25

0 50 100 150 200 250 300 350 400 450 500
-1
-0.5
0
0.5
1
Secuencia original
0 50 100 150 200 250 300 350 400 450 500
-2
-1
0
1
2
Secuencia con ruido
0 50 100 150 200 250 300 350 400 450 500
0
0.5
1
Tren de impulsos
-500 -400 -300 -200 -100 0 100 200 300 400 500
-0.2
0
0.2
0.4
0.6
Rx - Autocorrellacion de x
-500 -400 -300 -200 -100 0 100 200 300 400 500
-0.2
0
0.2
0.4
0.6
Ry - Autocorrellacion de y
-500 -400 -300 -200 -100 0 100 200 300 400 500
-5
0
5
10
x 10
-3
RRy - Autocorrelacion de Ry
0 50 100 150 200 250 300 350 400 450 500
-1
-0.5
0
0.5
1
Secuencia original
0 50 100 150 200 250 300 350 400 450 500
-1
0
1
2
Rys - Correlacion cruzada de y con el tren s
0 50 100 150 200 250 300 350 400 450 500
-0.5
0
0.5
1
RRys - Autocorrelacion de Rys
26
5 5. . L La a T Tr ra an ns sf fo or rm ma ad da a Z Z
C C l lc cu ul lo o p po or r m me ed di io o d de e t tr ra an ns sf fo or rm ma ad da as s
La secuencia exponencial compleja: | |
n
z n x =
se llama auto secuencia porque:

| | n y =
| | | |
=

k
k n x k h
=
| |
k
k n
z k h
= | |
n
k
k
z z k h
=

( ) z H =
| |
k
k
z k h

| | n y = ( )
n
z z H
( ) z H es el autovalor, se llama funcin de transferencia del sistema y es la
transformada Z de la respuesta al impulso

El clculo de la salida se puede hacer como sigue:

Transformadas usadas en el anlisis y diseo de sistemas de tiempo discreto:
- Transformada Z
- Transformada de Fourier de tiempo discreto (DTFT)
- Transformada de Fourier discreta (DFT)
- Transformada rpida de Fourier (FFT)

Transformada Z directa :
( ) | |
=
n
n
z n x z X

Transformada Z inversa :
| | ( )
}

=
C
n
dz z z X
j
n x
1
2
1
t

x

[n]
h

[n]

X
H
Y
y

[n]

x[n]
X(z)
H(z)
Y(z)
h[n]
y[n]

T

n
z

n
z A

27
Ejemplo 8

( ) | | | | | | | |
3 2 1 0
3 2 1 0

+ + + = z x z x z x z x z X

Se debe indicar la regin de convergencia (RC).
RC: Plano z completo excepto z = 0
Ejemplo 9
Hallar la transformada Z de la secuencia

Solucin:

C C l lc cu ul lo o d de e l la a t tr ra an ns sf fo or rm ma ad da a Z Z i in nv ve er rs sa a
- Inspeccin mas propiedades.
- Expansin en fracciones parciales.
- Expansin en serie de potencias.

x [n]
1
3
2
0
2
3 2 1 0
2 3 1 2

+ + + = z z z z
( )
3 2 1
2 3 2

+ + + = z z z z X
| | | | n u n x
n
|
.
|
\
|
=
9
8
...
x [n]
0 n
( ) | |
|
.
|
\
|
=
n
n
n
z n u z X
9
8
|
.
|
\
|
=
0
9
8
n
n
n
z
|
.
|
\
|
=
0
1
9
8
n
n
z
o
o
=
1
1
0 n
n
1 < o
1
9
8
1
1
=
z
1
9
8
1
<
z
9
8
: > z RC
( )
1
9
8
1
1
=
z
z X
Im{z}
Re{z}
RC
|
9
8
|
28
Inspeccin mas propiedades
Ejemplo 10
Encontrar la secuencia cuya transformada Z es :
( )
2
1
2
1
: ,
1
>
= z RC
z
z X

Solucin
( )
1
1
2
1
1
1

= z
z
z X
| | a z
az
n u a
n
>

,
1
1
1

( ) | | n u
z
n
2
1
1
2
1
1
1

| | ( )
d
n
d
z z X n n x

| | ( ) | | 1
1
2
1
=

n u n x
n

Expansin en fracciones parciales
Ejemplo 11
Hallar la transformada z inversa de la funcin
()
||
mediante la expansin en fracciones parciales.

Solucin

()
)(

()
()

()
()

()

[] [] ()
[] ()
[]

Ejemplo 12
Hallar la respuesta al impulso del sistema causal con funcin de transferencia
()

Haga la expansin en fracciones parciales mediante la funcin residuez del MATLAB.

RC
{ } Im z

{ } Re z
2
2
1

29
Solucin
Corremos el programa
b =[1 -1 -6];
a =[1 -1.5 -1];
[R,P,K]=residuez(b,a)
En la ventana de comandos del matlab obtenemos:
R =
-0.8000
-4.2000
P =
2.0000
-0.5000
K =
6
Luego, ()

Por tanto, [] [] ()
[] ()
[]
Expansin en serie de potencias
Encontrar la secuencia cuya transformada Z es:
( ) a z RC
az
z X <
=

: ,
1
1
1

Solucin
3 3
3 3 2 2
2 2
2 2 1
1
3 3 2 2 1 1
1
1
1 1
z a
z a z a
z a
z a z a
z a
z a z a z a z a
az

+

A partir de la condicin de la RC tenemos: 1
1
< =
a
z
z a
( )

=

= =
1
3 3 2 2 1
m
m m
z a z a z a z a z X , ( ) m n =

( )

=
1 n
n n
z a z X

| | | | 1 = n u a n x
n

30
P Pr ro op pi ie ed da ad de es s d de e l la a R Re eg gi i n n d de e C Co on nv ve er rg ge en nc ci ia a
Secuencia derecha :
( ) RC z z z Si RC z e > e
0 0

Secuencia izquierda :
( ) RC z z z Si RC z e s e
0 0

La RC no puede contener polos

Secuencia derecha

Secuencia izquierda

Secuencia bilateral

RC p
k
e
k
p z RC max : >
Im{z}
Re{z}
RC
n n
1

...
k
p z RC min : <
n n
2

...
Im{z}
Re{z}
}
RC
Im{z}
Re{z}
}
RC
n
... ...
31
F Fu un nc ci i n n d de e T Tr ra an ns sf fe er re en nc ci ia a
Transformada Z de su respuesta impulsional
( ) | | { } n h Z z H =
A partir de la LCCDE
( )
( )
( )
N
N
M
M
z a z a
z b z b b
z X
z Y
z H

+ + +
+ + +
= =
1
1
1
1 0
1

Los polinomios del numerador y del denominador se representan B(z) y A(z)
respectivamente

E Es st ta ab bi il li id da ad d
| | | | < <

=
=
= n
z
n
n
z n h n h
1

La RC de la funcin de transferencia de un
sistema estable contiene a la circunferencia de
radio unitario

C Ca au us sa al li id da ad d
La RC de la funcin de transferencia de un sistema causal es el exterior de una
circunferencia y contiene al punto z = .

Im{z}
Re{z}
RC
( )
( )
( ) z A
z B
z H =
Im{z}
Re{z}
RC
1
32
Ejemplo 13
Un sistema LTI causal tiene funcin de transferencia :
( )
2 1
1
5 . 1 5 . 3 1
4 3

+

=
z z
z
z H

1) Determine manualmente la RC y la respuesta impulsional.
Es estable el sistema?
2) Compruebe los resultados anteriores usando MATLAB
Solucin
( )
( )
( )( )
( )
( )( ) 5 . 0 3
3
5 . 0 1 3 1
1 3
5 . 1 5 . 3 1
4 3
3
4
1 1
1
3
4
2 1
1

=

=
+

=

z z
z z
z z
z
z z
z
z H

Ceros :

Polos :

La RC es :

No es estable el sistema.

()
)(
)
(

()

[]
[] (
[]

%************************************************
% Determinar el diagrama de polos y ceros
% y la respuesta impulsional
% de un sistema de tiempo discreto
%************************************************
% Funcion de Transferencia
Im{z}
Re{z}
RC
0.5 3 4/3
33
B = [3 -4 0 ];
A = [1 -3.5 1.5];
% Diagrama de polos y ceros
ceros=roots(B)
polos=roots(A)
zplane(B,A); grid;
pause;
% Respuesta impulsional
[h,n]=impz(B,A);
subplot(2,1,1);
stem(n,h);
grid; ylabel('h[n]'); xlabel('n');
title('Respuesta Impulsional segun impz');
% Respuesta impulsional analitica
%n=[0:11];
hh=((1/2).^(n))+2*((3).^(n));
subplot(2,1,2);
stem(n,hh);
grid; ylabel('hh[n]'); xlabel('n');
title('Respuesta Impulsional analitica');

-1 -0.5 0 0.5 1 1.5 2 2.5 3
-1.5
-1
-0.5
0
0.5
1
1.5
Real Part
Imaginary Part
34

ceros =
0
1.3333

polos =
3.0000
0.5000

0 2 4 6 8 10 12
0
1
2
3
4
x 10
5
n
h[n]
Respuesta Impulsional segun impz
0 2 4 6 8 10 12
0
1
2
3
4
x 10
5
n
hh[n]
Respuesta Impulsional analitica
35
6 6. . T Tr ra an ns sf fo or rm ma ad da a d de e F Fo ou ur ri ie er r d de e T Ti ie em mp po o
D Di is sc cr re et to o ( (D DT TF FT T) )
A partir de la Transformada Z

Esta es la DTFT directa
E Ex xi is st te en nc ci ia a d de e l la a D DT TF FT T
Condicin suficiente:
Si la secuencia es absolutamente sumable, la DTFT existe.
Es decir, si | | <
= n
n x , la DTFT existe.
L La a D DT TF FT T i in nv ve er rs sa a
| | ( )
}
=
t
t
e e
e
t
d e e X n x
n j j
2
1

Ejemplo 14
Determinar la DTFT de la secuencia impulso unitario
| | | | n n x o =
.
Solucin:
( ) | | 1 = =

=

n
n j j
e n e X
e e
o

Ejemplo 15
Graficar la magnitud y la fase de la DTFT de la secuencia [] (
[]
Solucin
La secuencia es absolutamente sumable, por tanto, la DTFT existe,
(
) () |

1
n
0
o[n
]
1
e
0
( ) X e
je

( ) ( )
e
e
j
e z
j
z X e X
=
=
t e t
e
s < = ,
j
e z
( )

=
n
n j j
e n x e X
e e
] [
Im{z}
Re{z}
1

36
w=[-2*pi:2*pi/200:2*pi];
j=sqrt(-1);
X=1./(1-(1/2)*exp((-1)*j*w));
subplot(211);
plot(w/pi,abs(X));grid;
title('Magnitud');
subplot(212);
plot(w/pi,180*angle(X)/pi);grid;
ylabel('');title('Fase');

I In nt te er rp pr re et ta ac ci i n n d de e l la a D DT TF FT T

Im{Z}
Re{Z}
|X(Z)|
0
t -t
e
|H(e
je
)|
e
je

-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
0.8
1
1.2
1.4
1.6
1.8
2
Magnitud
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
-30
-20
-10
0
10
20
30

Fase
37
R Re es sp pu ue es st ta a e en n F Fr re ec cu ue en nc ci ia a
Es la DTFT de la respuesta impulsional :
( )
e j
e H

Magnitud de la Respuesta en Frecuencia :
( )
e j
e H
(Respuesta en amplitud o
ganancia del sistema)
Fase de la Respuesta en Frecuencia :
( )
e j
e H Z
(Respuesta en fase o
desplazamiento de fase del sistema)
A partir de la Funcin de Transferencia :
( ) ( )
e
e
j
e z
j
z H e H
=
=

S Si ig gn ni if fi ic ca ad do o d de e l la a R Re es sp pu ue es st ta a e en n A Am mp pl li it tu ud d y y l la a R Re es sp pu ue es st ta a e en n F Fa as se e. .
Ejemplo 16
Dado el sistema de tiempo discreto causal con funcin de transferencia:
( )
4 - 3 - 2 - 1 -
-3 -2 -1
z 0.6279 z 2.5235 - z 4.0820 z 3.1582 - 1
z 0.0034 z 0.0147 z 0.0042
+ +
+ +
= z H

Obtener experimentalmente el grfico de la respuesta en amplitud y la respuesta en
fase del sistema.
Solucin

%************************************************
% Obtencin Experimental de la Respuesta
% en amplitud y la Respuesta en fase de un
% Sistema de Tiempo Discreto
%************************************************
H(z)
x[n] y[n]
38
% Funcin de Transferencia
B = [0.0000 0.0042 0.0147 0.0034 0.0000]
A = [1.0000 -3.1582 4.0820 -2.5235 0.6279]
% Respuesta impulsional
[h,n]=impz(B,A);
stem(n,h);
grid; ylabel('h[n]'); xlabel('n');
pause;
% Obtencin Experimental de la Respuesta en magnitud
% y la Respuesta en Fase
%N=length(n);
N=1000;
n=1:N-1;
W=[0*pi:pi/800:pi]; % Vector de Frecuencias
Nw=length(W)
for m = 1:Nw
x=sin(W(m)*n); % Secuencia de entrada
y=filter(B,A,x); % Obtencion de la salida
x=x(N-900:N-1);
y=y(N-900:N-1); % Salida estable
ganancia(m)= max(y)/max(x);
xh = hilbert(x);
yh = hilbert(y);
fase(m)=wrapToPi( angle(yh(800)) - angle(xh(800)) );
end
% Con freqz
H=freqz(B,A,W);
Hdecibelios=20*log10(abs(H));
% Graficos
subplot(2,2,1);
plot(W/pi,20*log10(ganancia)); grid;
xlabel('w/pi'); ylabel('|H(e^jw)|,db');
title('Respuesta en amplitud obtenida experimentalmente');
subplot(2,2,3);
plot(W/pi,Hdecibelios); grid;
xlabel('w/pi'); ylabel('|H(e^jw)|,db');
title('Con la funcion freqz');
subplot(2,2,2);
plot(W/pi,180*fase/pi); grid;
xlabel('w/pi'); ylabel('<H(e^jw),');
title('Respuesta en fase obtenida experimentalmente');
subplot(2,2,4);
plot(W/pi,180*angle(H)/pi); grid;
xlabel('w/pi'); ylabel('<H(e^jw),');
title('Con la funcion freqz');

39

Ejemplo 17
Para el sistema de promedio mvil de tamao N
1) Determine analticamente la respuesta en frecuencia.
2) Grafique la magnitud y la fase para N=5.
3) Compruebe los resultados anteriores usando MATLAB.
Solucin

0 50 100 150
-0.1
-0.05
0
0.05
0.1
0.15
0.2
0.25
h[n]
n
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
-80
-60
-40
-20
0
20
w/pi
|H(e j
w)|,db
Respuesta en amplitud obtenida experimentalmente
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
-80
-60
-40
-20
0
20
w/pi
|H(e j
w)|,db
Con la funcion freqz
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
-200
-100
0
100
200
w/pi
<H(e j
w),
Respuesta en fase obtenida experimentalmente
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
-200
-100
0
100
200
w/pi
<H(e j
w),
Con la funcion freqz
n 0
1/N
N
h[n]
40

%******************************************
% Respuesta Frecuencial del
% Sistema Promedio Mvil N=5
%******************************************
% 1) Funcin H hallada analiticamente
N=5;
w=[(-1)*pi:(2*pi)/800:pi];
j=sqrt(-1);
H=(1/N).*((sin(w.*(N/2)))./(sin(w./2)))...
.*exp(((-1)*j).*(w./2).*(N-1));
% 2)Grficos de la solucin analtica
% Graficar la magnitud de H(e^jw)
subplot(2,2,1);
plot(w/pi,abs(H));
grid; title('Magnitud calculada analiticamente');
ylabel('|H(e^jw)|'); xlabel('w/pi');
% Graficar la fase de H(e^jw)
subplot(2,2,2);
plot(w/pi,angle(H));
grid; title('Fase calculada analticamente');
ylabel('< H(e^jw)'); xlabel('w/pi');
% 2)Comprobacion con freqz
B=[1/5 1/5 1/5 1/5 1/5];
A=[1 0 0 0 0];
H=freqz(B,A,w);
% Graficar la magnitud de H(e^jw)
subplot(2,2,3);
plot(w/pi,abs(H));
grid; title('Magnitud (Comprobacion con freqz)');
( ) | |
=
n
n j j
e n h e H
e e
=
1
0
1
N
n
n j
N
e
e
e
e
j
N j
N
e
e
=
1
1
1
|
|
.
|
\
|
|
|
.
|
\
|
=

2 2 2
2 2 2
1
e e e
e e e
j j j
N
j
N
j
N
j
N
e e e
e e e
( )
e
e
e
e 2
2
2
5
5
1
j j
e
sen
sen
e H

=
o
o
o
=
+
=
1
1
1
0
R
R
r
r
( ) 1
2
2
2 1

=
N j
N
N
e
sen
sen
e
e
e
41
% Graficar la fase de H(e^jw)
subplot(2,2,4);
grid; title('Fase (Comprobacion con freqz)');

F Fi il lt tr ro os s c cl l s si ic co os s

- Filtro pasa bajas
0
t -t e
|H(e
je
)|
- Filtro pasa altas
0
t -t e
|H(e
je
)|
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
0
0.2
0.4
0.6
0.8
1
Magnitud calculada analiticamente
|H(e j
w)|
w/pi
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
-3
-2
-1
0
1
2
3
Fase calculada analticamente
< H(e j
w)
w/pi
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
0
0.2
0.4
0.6
0.8
1
Magnitud (Comprobacion con freqz)
|H(e j
w)|
w/pi
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
-3
-2
-1
0
1
2
3
Fase (Comprobacion con freqz)
< H(e j
w)
w/pi
42

F Fi il lt tr ro os s I Id de ea al le es s C Cl l s si ic co os s
- Filtro pasa bajas

[]
(

- Filtro pasa altas

[] []
(

Ejemplo 18
1) Generar una secuencia senoidal x[n] de 80 muestras con frecuencia 2t/25
rad/muestra.
2) Obtener una secuencia x
1
[n] adicionando a la secuencia inicial un ruido aleatorio
uniformemente distribuido en el intervalo -0,25 a 0,25.
3) Obtener la secuencia y[n] filtrando la secuencia x1[n] con un sistema promedio
mvil de tamao 5 recursivamente usando la funcin filter.
4) Lo mismo del punto 3 usando la funcin fft.

- Filtro pasa banda
- Filtro supresor de banda
0
t -t e
|H(e
je
)|
0
t -t e
|H(e
je
)|
0
t -t e
H(e
je
)
e
c
-e
c

0
t -t e
H(e
je
)
e
c
-e
c

43

%*****************************************
% Filtrado con el Sistema de Promedio
% Movil de Tamao 5
%*****************************************
% 1) Formar la secuencia de entrada
N=80;
n=[0:N-1];
x=sin(2*pi*n/25);
% 2) Formar la secuencia con ruido aditivo
x1=x+0.5*(rand(1,N)-0.5);
% 3) Calcular la salida usando la funcin filter
B=[1/5 1/5 1/5 1/5 1/5];
A=[1 0 0 0 0 ];
y1=filter(B,A,x1);
% 4) Usando la funcin fft
% El tamao de h, x1 debe ser N+5-1=N+4
h=[1/5 1/5 1/5 1/5 1/5 zeros(1,N-1)];
x2=[x1 zeros(1,4)];
H=fft(h);
X2=fft(x2);
Y2=H.*X2;
y2=ifft(Y2);
y2=real(y2);
% Graficar las secuencias
subplot(4,1,1); stem(n,x);
grid; ylabel('x[n]'); xlabel('n');
subplot(4,1,2); stem(n,x1);
grid; ylabel('x1[n]'); xlabel('n');
subplot(4,1,3); stem(n,y1);
grid; ylabel('y1[n]'); xlabel('n');
title('Salida obtenida empleando la funcion filter');
subplot(4,1,4); stem(n,y2(1:N));
grid; ylabel('y2[n]'); xlabel('n');
title('Salida obtenida empleando la funcion fft');

X
H
Y
x

[n]
h

[n]
y

[n]
Tamao=84
Tamao=84
Tamao=84
44

D DT TF FT T c co on n f fu un nc ci io on ne es s i im mp pu ul ls so o
Sea una DTFT representada en la forma:

( ) ( ) ( )
0 0
e e o e e o
e
+ + =
j
e X
| | n x = ( )
}

t
t
e e
e
t
d e e X
n j j
2
1
=
= ( ) ( ) { }
}
+ +
t
t
e
e e e o e e o
t
d e
n j
0 0
2
1
=
= ( ) ( )
} }

+ +
t
t
e
t
t
e
e e e o
t
e e e o
t
d e d e
n j n j
0 0
2
1
2
1
=
=
n j n j
e e
0 0
2
1
2
1
e e
t t
+
=
= ( )
n j n j
e e
0 0
2
1
e e
t
+

= ( ) n
0
cos
1
e
t

( ) n
0
cos e ( ) ( )
0 0
e e o t e e o t + + con periodo t 2
n j
e
0
e
( )
0
2 e e o t con periodo t 2
0 10 20 30 40 50 60 70 80
-1
0
1
x[n]
n
0 10 20 30 40 50 60 70 80
-2
0
2
x1[n]
n
0 10 20 30 40 50 60 70 80
-2
0
2
y1[n]
n
Salida obtenida empleando la funcion filter
0 10 20 30 40 50 60 70 80
-2
0
2
y2[n]
n
Salida obtenida empleando la funcion fft
-t t e 0
e
0
-e
0

( )
e j
e X
1 1
45
7 7. . A An n l li is si is s e en n e el l D Do om mi in ni io o T Tr ra an ns sf fo or rm ma ad do o
E El l r re et ta ar rd da ad do or r i id de ea al l
La respuesta al impulso del retardador ideal es:
| | | |
d id
n n n h =o

Su respuesta en frecuencia es

cuya magnitud y la fase son: |
)| ;

Se observa que la fase es funcin lineal de la frecuencia.
F Fi il lt tr ro os s c cl l s si ic co os s i id de ea al le es s c co on n r re et ta ar rd do o
El filtro pasa-bajas ideal con retardo tiene respuesta en frecuencia:
) {
||

y respuesta al impulso
[]
(
))
(
)

R Re et ta ar rd do o d de e g gr ru up po o
Es una medida de la linealidad de la fase:
()
{(
)}
Significado del retardo de grupo
| | | | ( ) n n s n x
0
cos e =
;
| | ? = n y

( ) ( ) ( )
e e e j j j
e H e X e Y =

( )
( )
( )
( ) | | ( )
( )
e
e e e e e
j
e H j j j j
e e H e S e S
Z +
+ =
0 0
2
1
2
1

( )
( ) ( )
( ) ( )
( ) ( )
( )
e e
e e e e e e
j j
e H j j j e H j j j
e e H e S e e H e S
Z + Z
+ =
0 0
2
1
2
1

- t t 0 e
X

(e
je
)
e
0
-e
0

H

(e
je
)

| | x n

| | y n

t 0 e - t
H

(e
je
)
e
0
-e
0

u
0

-u
0

46
Aproximamos ( )
e j
e H Z en
0
e : ( ) ( ) e e t
e
u = Z
0 0
j
e H
Aproximamos ( )
e j
e H Z en
0
e : ( ) ( ) e e t
e
u = Z
0 0
j
e H

( )
( )
( ) ( )
( ) ( ) ( )
( ) ( )
( ) ( ) e e t e e e e e t e e e e u + u
+ ~
0 0 0 0 0 0 0 0
2
1
2
1
j j j j j j j
e e H e S e e H e S e Y

( )
( )
( )
( )
( )
( )
( )
( )
( )
0 0 0 0 0 0 0 0
2
1
2
1
u + u
+ ~
j j j j j j j j j
e e H e e S e e H e e S e Y
e e e t e e e e e t e e e

| | ( ) | |
( ) ( )
( ) ( ) | |
( ) ( )
( )
0 0 0 0 0 0 0 0
2
1
0 2
1
0
u u
+ ~
j j n j j j n j
e e H e n s e e H e n s n y
e e t e e e t e
e t e t

| | ( ) ( ) | | ( ) ( )
0 0 0 0 0
cos
0
u + ~ e t e e e t
e
n n s e H n y
j

I In nt te er rp pr re et ta ac ci i n n g gr r f fi ic ca a d de e l la a r re es sp pu ue es st ta a e en n f fr re ec cu ue en nc ci ia a
|(
)|

F Fi il lt tr ro o R Re es so on na ad do or r D Di ig gi it ta al l
Filtro pasabanda de banda estrecha. Se puede implementar con dos polos
conjugados complejos situados cerca de la circunferencia de radio uno.
Filtro resonador con ceros en el origen.
( )
( ) ( )
1 1
0
0 0
1 1

=
z e r z e r
b
z H
j j e e
,
( )
( ) ( )
e e e e
e
j j j j
j
e e r e e r
b
e H

=
0 0
1 1
0

Para que se cumpla
( ) 1
0
=
e j
e H
el coeficiente
0
b debe ser
( ) ( )
0
2
0
2 cos 2 1 1 e + = r r r b .
A
t e
|(
)|
47
La frecuencia de resonancia es
|
|
.
|
\
| +
=
0
2
cos
2
1
arccos e e
r
r
r
. El ancho de banda de 3 db
es ( ) r ~ A 1 2 e .
Ejemplo 19
Hallar la funcin de transferencia de un resonador digital con ganancia pico unitaria
a 50 Hz, un ancho de banda de 3 db de 6 Hz, sabiendo que la frecuencia de
muestreo es 300 Hz.
clf; clear;
f0=50; deltaf=6; fs=300;
w0=f0*2*pi/fs
deltaw=deltaf*2*pi/fs
r=1-0.5*deltaw
b0=(1-r)*sqrt(1+r*r-2*r*cos(2*w0))
B=[b0 0 0]
j=sqrt(-1);
A=conv([1 (-1)*r*exp(j*w0)],[1 (-1)*r*exp((-1)*j*w0)])
W=[0:0.5:150]*2*pi/fs;
subplot(1,2,1);
H=freqz(B,A,W);
plot(W*fs/(2*pi),abs(H));grid;
subplot(1,2,2);
W=([45:0.1:55]*2*pi)/fs;
H=freqz(B,A,W);
plot(W*fs/(2*pi),abs(H));grid;

Filtro resonador con ceros en 1 = z y 1 = z .
( )
( ) ( )
( ) ( )
1 1
1 1
0
0 0
1 1
1 1

+
=
z e r z e r
z z
b z H
j j e e
,
( )
( ) ( )
e e e e
e
e
j j j j
j
j
e e r e e r
e
b e H

=
0 0
1 1
1
2
0

Ejercicio 1. Para ambos tipos de resonador, graficar con MATLAB la magnitud y la
fase en el intervalo de t a t ; para
3 0
t
e = , 8 . 0 = r y para
3 0
t
e = , 95 . 0 = r .

0 50 100 150
0
0.2
0.4
0.6
0.8
1
1.2
1.4
45 46 47 48 49 50 51 52 53 54 55
0.5
0.6
0.7
0.8
0.9
1
1.1
1.2
48
F Fi il lt tr ro o R Ra an nu ur ra a
Filtro con uno o ms cortes profundos en su respuesta en frecuencia.
Para implementar un filtro ranura se pueden tomar dos ceros complejos conjugados
sobre la circunferencia de radio uno.
( ) ( ) ( )
1 1
0
0 0
1 1

= z e z e b z H
j j e e

Para reducir el ancho de banda del corte se pueden introducir dos polos
conjugados complejos
( )
( ) ( )
( ) ( )
1 1
1 1
0
0 0
0 0
1 1
1 1

=
z e r z e r
z e z e
b z H
j j
j j
e e
e e

Ejemplo 20
Para el filtro ranura de dos ceros y dos polos, graficar con MATLAB la respuesta en
amplitud en el intervalo de a t para
4 0
t
e = , 85 . 0 = r .

Solucin
w0=pi/4;
r=0.85;
j=sqrt(-1);
b0=((1-r*exp(j*w0))*(1-r*exp((-1)*j*w0)))/...
((1-exp(j*w0))*(1-exp((-1)*j*w0)));
B=b0*conv([1 (-1)*exp(j*w0)],[1 (-1)*exp((-1)*j*w0)]);
A=conv([1 (-1)*r*exp(j*w0)],[1 (-1)*r*exp((-1)*j*w0)]);
W=[0:pi/400:pi];
H=freqz(B,A,W);
plot(W/pi,abs(H));grid;
title('Respuesta en amplitud de un filtro ranura');

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.2
0.4
0.6
0.8
1
1.2
1.4
Respuesta en amplitud de un filtro ranura
49
F Fi il lt tr ro o P Pe ei in ne e
Su respuesta en magnitud consiste en una serie de picos regularmente espaciados,
cuya figura es semejante a la de un peine.
El sistema promedio mvil es un ejemplo sencillo de filtro peine.
| | | |
=
+
=
M
k
M
k n x n y
0
1
1

( )

=
+
=
M
k
k
M
z z H
0
1
1
, ( )
( )
1
1
1
1
1
1
+
+
=
z
z
z H
M
M
, ( )
( )
( )
e
e
e
e
2
2
2
1
1
1
M
j
M
M
j
e
sen
sen
e H

+
+
= .
Si reemplazamos z por
L
z tenemos ( )
( )
L
M L
M L
z
z
z H

+
+
=
1
1
1
1
1
,
( )
( )
( )
L j
L
M
M
j
L
M
e
sen
L sen
e H
e
e
e
e
2
2
2
1
1
1

+
+
=
Ejemplo 21
Para el filtro peine con y graficar con MATLAB la respuesta en
magnitud y en fase en el intervalo de a t .
Solucin
% Respuesta en frecuencia
L=10;
M=3;
w=[0:(2*pi)/800:pi];
j=sqrt(-1);
H=(1/(M+1)).*((sin(w.*(L*((M+1)/2))))./(sin(w.*(L/2))))...
.*exp(w.*((-1)*j*M*L*(1/2)));
% Grafico de la magnitud de H(e^jw)
subplot(2,1,1);
plot(w/pi,abs(H));
grid; title('Respuesta en amplitud de un Filtro Peine');
% Grafico de la fase de H(e^jw)
subplot(2,1,2);
grid; title('Respuesta en fase de un Filtro Peine');

50

Ejercicio 2. Para el sistema con funcin de transferencia
( )
4
16
4
1
1
1
=
z
z
z H
1. Dibujar el diagrama de polos y ceros y determinar la ROC
2. Hallar la respuesta impulsional
3. Hallar y graficar la magnitud de la respuesta en frecuencia
4. Qu tipo de filtro es?
S Si is st te em ma a i in nv ve er rs so o
Para un sistema LTI su sistema inverso es aquel que al conectrsele en cascada da
por resultado un sistema identidad
( ) ( ) 1 = z G z H
( )
( ) z H
z G
1
=
Ver ejemplo 5.4 y ejemplo 5.5 de Oppenheim
S Si is st te em ma a p pa as sa a t to od do o
Es el sistema cuya respuesta en frecuencia tiene magnitud constante igual a la
unidad.
( ) 1 =
e j
e H

Ejemplo,
( )
1
1
1

-

=
z a
a z
z H
ap

( )
e
e
e
j
j
j
ap
e a
a e
e H

=
1
=
e
e
e
j
j
j
e a
e a
e

1
1

En un sistema pasa-todo cada polo est emparejado con un cero conjugado
recproco.
Si a es real:
( )
1
1
1

=
z a
a z
z H
ap
. Cero:
a
z
1
= . Polo: a z =

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.2
0.4
0.6
0.8
1
Respuesta en amplitud de un Filtro Peine
|
H
(
e
jw
)
|
w/pi
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
-3
-2
-1
0
1
2
3
Respuesta en fase de un Filtro Peine
<

H
(
e
jw
)
w/pi
51

S Si is st te em ma a d de e f fa as se e m m n ni im ma a
Un sistema estable y causal se llama sistema de fase mnima si su sistema inverso
tambin es causal y estable. Los polos y los ceros de un sistema de fase mnima
deben estar dentro de la circunferencia unitaria.
D De es sc co om mp po os si ic ci i n n e en n p pa as sa a t to od do o y y f fa as se e m m n ni im ma a
Un sistema estable y causal siempre se puede expresar como la conexin en
cascada de un sistema de fase mnima y un sistema pasa todo.
( ) ( ) ( ) z H z H z H
ap
=
min

Ejemplo 22
Para el sistema:
( )
( ) ( )
1 1
1
7 . 0 1 2 . 0 1
2 1

=
z z
z
z H

Hallar la descomposicin en pasa todo y fase mnima

Im{z}
Re{z}
1
Im{z}
Re{z}
1
0.2 0.7 2
0.5
Im{z}
Re{z}
1
0.2 0.7 2
52
( )
( ) ( )
1
1
1 1
1
5 . 0 1
5 . 0 1
7 . 0 1 2 . 0 1
2 1

=
z
z
z z
z
z H
=
( ) ( )
1
1
1 1
1
5 . 0 1
2 1
7 . 0 1 2 . 0 1
5 . 0 1

z
z
z z
z

( )
1
1
1

=
z a
a z
z H
ap
;
( ) ( )
( ) ( )
1
1
1 1
1
5 . 0 1
2 1
2
1
7 . 0 1 2 . 0 1
5 . 0 1
2

|
.
|
\
|

=
z
z
z z
z
z H

( ) ( )
( ) ( )
1
1
1 1
1
5 . 0 1
5 . 0
7 . 0 1 2 . 0 1
5 . 0 1
2

=
z
z
z z
z
z H

S Si is st te em ma a c co on n f fa as se e l li in ne ea al l
Un sistema LTI se dice que tiene fase lineal si:
( )
e j
e H =
( )
e o e
j j
e e H

Un sistema LTI es de fase lineal generalizada si:
( )
e j
e H = ( )
( ) | e o e
j j
e e A
( )
e j
e A - Es una funcin real.
Para que un sistema causal de funcin de transferencia racional tenga fase lineal
generalizada su respuesta al impulso de tamao N debe ser real, FIR, simtrica (
| | | | n N h n h = 1 ) o anti-simtrica ( | | | | n N h n h = 1 ).
N impar N par
| | n h simtrica Tipo I Tipo II
| | n h anti-simtrica Tipo III Tipo IV

Para el filtro de tipo II, tenemos
( )
e j
e H = | |
=

1
0
2
N
n
n j
e n h
e
+
| |
1
2
N
n
n j
N
e n h
e
; n N m = 1 ; m N n = 1
x [n]
0
n
Tipo I
0
n
x [n]
Tipo II
0
n
x [n]
Tipo IV
x [n]
0
n
Tipo III
53
( )
e j
e H = | |
=

1
0
2
N
n
n j
e n h
e
+ | |
( )
=

1
0
1
2
1
N
m
m N j
e m N h
e
; | | | | m N h m h = 1
( )
e j
e H = | |
=

1
0
2
N
n
n j
e n h
e
+ | |
( )
=

1
0
1
2
N
m
m N j
e m h
e

= | |
( )
( )
=

+
1
0
1
2
N
n
n N j n j
e e n h
e e
= | |
( ) ( )
=

|
|
.
|
\
|
+
1
0
2
2
1
2
1
2
1
N
N N N
n
j n j n j
e e e n h
e e e

( )
e j
e H = | | ( ) | |
2
1
2
1
0
2
1
cos 2

N
N
j
n
N
e n n h
e
e
( )
e j
e H = ( )
e j
r
e H
2
1
N
j
e
e

N impar N par
| | n h simtrica Tipo I Tipo II
| | n h anti-simtrica Tipo III Tipo IV

Tipo
( )
e j
r
e H o
( )
e j
i
e H
( )
0 j
e H

( )
t j
e H

I
(

2
1 N
h
+ | | ( ) | |
=

2
1
0
2
1
cos 2
N
n
N
n n h e
(

2
1 N
h
+ | |
=
2
1
0
2
N
n
n h
II
| | ( ) | |
=

1
0
2
1
2
cos 2
N
n
N
n n h e
| |
=
1
0
2
2
N
n
n h 0
III
| | ( ) | |
=

2
1
0
2
1
2
N
n
N
n sen n h j e
0 0
IV
| | ( ) | |
=

1
0
2
1
2
2
N
n
N
n sen n h j e
0
Conclusiones:
- Los filtros de tipo II no pueden ser pasa altas ni supresores de banda.
- Los filtros de tipo III slo pueden ser filtros pasa banda.
- Los filtros de tipo IV no pueden ser pasa bajas ni supresores de banda.
- Los filtros de tipo I puede implementar cualquier filtro. Es el nico tipo capaz de
realizar filtros supresores de banda.
Los ceros de la funcin de transferencia de un sistema de fase lineal se presentan en
pares conjugados recprocos.

54
8 8. . R Re el la ac ci i n n e en nt tr re e l la a D DT TF FT T y y l la a C CT TF FT T

(1)
| | ( ) nT x n x
c
=

(2)
( ) ( )
}

= O O
O
d e j X t x
t j
c c
t 2
1

| | ( )
}

= O O
O
d e j X n x
nT j
c
t 2
1
,
T O = o ,
T
o
= O ,
T
d
d
o
= O
| | ( )
}

=
T
d n j
T
c
e j X n x
o o o
t 2
1

| | ( )
( )
( )
=
+

=
k
k
k
n j
T
c
T
d e j X n x
t
t
o o
o
t
1 2
1 2
1
2
1
,
k t o e 2 = , k t e o 2 + = , e o d d =
| | ( )
( )
=

+ +
=
k
n k j
T
k
c
T
d e j X n x
t
t
t e t e
e
t
2 2 1
2
1
| | ( )
}

=
+

|
|
.
|
\
|
=
t
t
e t e
e
t
d e j X n x
n j
k
T
k
c
T
2 1
2
1

(3)
| | ( )
}
=
t
t
e e
e
t
d e e X n x
n j j
2
1

La relacin entre las transformadas es:

( ) ( )
=
+
=
k
T
k
c
j
j X
T
e X
t e
e
2 1

x
c
(t) x[n]
( ) O j X
c

C/D
( )
e j
e X

T
1
2 3
C/D
x
c
(t) x[n]
( ) O j X
c

( )
e j
e X
T
55
I In nt te er rp pr re et ta ac ci i n n g gr r f fi ic ca a

Para 0 = k : ( )
|
.
|
\
|
=
T
c
j
j X
T
e X
e
e
1
0
;
T
e
= O , T = O e

Para 1 = k : ( )
|
.
|
\
|
=

T
c
j
j X
T
e X
t e
e
2
1
1

Para 1 = k : ( )
|
.
|
\
|
=
+
T
c
j
j X
T
e X
t e
e
2
1
1

( ) ( )
T j
S
e X j X
O
= O

( )
( )
s s
=

. . 0 c c
e X T
j X T T
T j
c
t t
O
O
O

( ) X j
c
O
-O
M
0
1
O
M
O -O
S
O
S

0
-O
M
T
( ) X e
j e

-2t 2t
e
1
T

O
M
T
( )
e j
e X
1

( )
e j
e X
0
( )
e j
e X
1

0
-O
M

( ) O j X
S
-O
S
O
S

O
1
T

O
M

56
E Es st tr ru uc ct tu ur ra a d de el l c co on nv ve er rs so or r D D/ /C C i id de ea al l
( ) ( ) ( ) O O
O
j H e X j X
r
T j
c
=

Relacin entre la seal reconstruida y la secuencia
( ) | | ( ) O O
O
j H e n x j X
r
n
Tn j
c

|
|
.
|
\
|
=

=

( ) | | ( ) ( ) t h nT t n x t x
r
n
c
*
|
|
.
|
\
|
=

=
o

( )
( )
t
t sen
t h
T
T
r
t
t
=

( ) | |
( ) | |
( ) n
n sen
n x t x
T
t
T
t
n
c
=
t
t

x[n]
Filtro de
reconstruccin
( ) O j H
r

x
c
(t) x
s
(t)
T
Conversor de
secuencia en tren de
impulsos
ponderados
T
t

O
( ) O j H
r

T
t

T
57
C Co on nv ve er rs so or r D D/ /C C p pr r c ct ti ic co o

( ) | | ( ) nT t p n x t x
n
a
=

=

( ) | | ( )
=

=
n
nT j
a
e j P n x j X
O
O O

( ) ( ) | |
=

=
n
nT j
a
e n x j P j X
O
O O

( ) ( ) ( )
T j
a
e X j P j X
O
O O =

( ) ( )
}

= dt e t p j P
t jO
O
( )
}

=
T
t j
dt e j P
0
O
O
( )
0
1
T
e j P
t j
j
O
O
O

=
( ) ( ) 1
1
=

T j
j
e j P
O
O
O
( )
|
|
.
|
\
|
=

2 2 2 2
1
T T T T
j j j j
j
e e e e j P
O O O O
O
O ( )
( )
2
2
2
T
j
T
e
sen
j P
O
O
O
O

=

Retenedor de
orden cero
x
a
(t) x[n]
( ) O j X
a

( )
e j
e X
T
0
n
x[n] x
c
(t)
x
a
(t)
t
0
0 t
p (t)
T
1
58
( ) ( ) ( )
T j
a
e X j P j X
O
O O =

( )
( )
( )
T j
j
T
a
e X e
sen
j X
T
O
O
O

O
= O
2
2
2

( )
( )
( )
T j
j
T
T
a
e X e
sen
T j X
T
O
O
O
O
= O
2
2
2

( )
( )
( ) O =
O
O
O
O
j X e
sen
e X
a
j
T
T
T
T j
T
2
2
2 1

( ) ( ) ( )
( )
( ) ( ) O O = O = O
O
O
O
O
j H j X e
sen
j H e X j X
r a
j
T
T
T
r
T j
c
T
2
2
2 1

( )
( )
( )
s O s O
= O
O
O
O
. . 0
2
2
2
c c
j X e
sen
j X
T T
a
j
T
T
c
T
t t

( )
( )
s O s
= O
O
O
O
. . 0
2
2
2
c c
e
sen
j H
T T
j
T
T
rr
T
t t

Retenedor de
orden cero
x
a
(t) x[n]
( ) O j X
a

( )
e j
e X
T
Filtro de
reconstruccin
( ) O j H
rr

x
c
(t)
( ) O j X
c

T

( ) O j H
rr

59
Ejemplo 23
Graficar la respuesta en amplitud del filtro de reconstruccin, conectado en
cascada con el retenedor de orden cero, para la frecuencia de muestreo de 8
kHz.
( )
( )
s O s
= O
O
O
O
. . 0
2
2
2
c c
e
sen
j H
T T
j
T
T
rr
T
t t

% Hallamos la funcin Hrr
fs=8000;
T=1/fs;
W=[(-1)*2*pi/T:(2*pi/T)/400:2*pi/T];
N=length(W);
j=sqrt(-1);
for i=1:1:N
if abs(W(i))<pi/T
x=W(i)*T/2;
Hrr(i)=(x/(sin(x)))*exp(j*x);
else
Hrr(i)=0;
end
end
% Graficamos la Magnitud de Hrr
plot(W/(2*pi),abs(Hrr));
grid; title('Respuesta en Amplitud del Filtro');
ylabel('|Hrr(jW)|'); xlabel('f');

-8000 -6000 -4000 -2000 0 2000 4000 6000 8000
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
Respuesta en Amplitud del Filtro
|Hrr(jW)|
f
60

9 9. . C Ca am mb bi io o d de e l la a T Ta as sa a d de e M Mu ue es st tr re eo o
R Re ed du uc cc ci i n n d de e l la a f fr re ec cu ue en nc ci ia a d de e m mu ue es st tr re eo o e en n u un n f fa ac ct to or r e en nt te er ro o
Sistema compresor
| | ( ) nT x n x
c
=

| | ( ) ( ) nMT x T n x n x
c c d
= ' =
| | | | nM x n x
d
=

( ) ( )
=
+
=
k
T
k
c
j
j X
T
e X
t e
e
2 1

( )

=
+
|
.
|
\
|
=
r
MT
r
c
j
d
j X
MT
e X
t e
e
2 1

kM i r + = , 1 0 s s M i , < < k
( )

=
+ +
(
(
|
.
|
\
|
=
1
0
2 2
1
1
M
i k
MT
kM i
c
T
j
d
j X
M
e X
t t e
e

( )

=
|
|
.
|
\
|
=
+
1
0
2
1
M
i
j
j
d
M
i
e X
M
e X
t e
e

Si 2 = M , ( )
|
|
.
|
\
|
|
|
.
|
\
|
+
|
|
.
|
\
|
=
+
2
2
2
2
1
t e e
e
j j
j
d
e X e X e X

Ver Figura 4.21 y Figura 4.22 de Oppenheim
Sistema diezmador

( )
e j
e X

( )
e j
d
e X

Filtro pasabajas
Ganancia = 1
Corte = t/M
61
I In nc cr re em me en nt to o d de e l la a f fr re ec cu ue en nc ci ia a d de e m mu ue es st tr re eo o e en n u un n f fa ac ct to or r e en nt te er ro o

| | ( ) nT x n x
c
=

| | ( ) ( )
L
T
c c i
n x T n x n x = ' =
Sistema expansor

| | | | | |
=
=
k
e
L k n k x n x o

( ) | | | |

=

|
|
.
|
\
|
=
n
n j
k
j
e
e L k n k x e X
e e
o

( ) | | | |

=
|
|
.
|
\
|
=
k
n j
n
j
e
e L k n k x e X
e e
o

( ) | |
=

=
k
L k j j
e
e k x e X
e e

( ) ( )
L j j
e
e X e X
e e
=
Ver Figura 4.25 de Oppenheim
Sistema interpolador

Filtro pasabajas
Ganancia = L
Corte = t/L
62

C Ca am mb bi io o d de e l la a t ta as sa a d de e m mu ue es st tr re eo o e en n u un n f fa ac ct to or r n no o e en nt te er ro o

P Pr ro oc ce es sa am mi ie en nt to o d di ig gi it ta al l d de e s se e a al le es s a an na al l g gi ic ca as s

( ) ( )
T j
r
e Y T j Y
O
O = ,
T T
t t
s s O

( ) ( ) ( )
T j T j
r
e X e H T j Y
O O
O = ,
T T
t t
s s O

( ) ( ) ( )
T
T
c
T j
r
j X
T
e H T j Y
O O
O =
1
,
T T
t t
s s O
( ) ( ) ( ) O O
O
j X e H j Y
c
T j
r
= ,
T T
t t
s s O
( )
( )
>
s
=
T
T
T j
eff
e H
j H
t
t
O
O
O
O
0
,
Sistema de
tiempo discreto
( )
e j
e H
( ) O j X
c

( ) O j Y
r

( )
e j
e Y

( )
e j
e X

Filtro pasa-bajas
Ganancia=L
Corte=
min(/L, /M)
63
Ejemplo 24
Dado el sistema

donde,

( )

s
=
. . 0
1
c c
e H
c j
e e
e

Cul es la frecuencia mnima para que al muestrear la entrada no se
produzca solapamiento?
Si
2
t
e =
c
, Cul es la frecuencia mnima de muestreo que asegura que
( ) ( ) t x t y
c r
= ?
Para
2
t
e =
c
y una frecuencia de muestreo igual a 2000 Hz, graficar ( )
e j
e X ,
( )
e j
e Y , ( ) O j Y
r
, y hallar
( ) O j H
eff

( ) O j X
c

( )
e j
e X

( )
e j
e Y
( ) O j Y
r

( )
e j
e H
Sistema de
tiempo
discreto
( ) X j
c
O
-2t 1000 0
1
2t 1000 O
64
A Ap pl li ic ca ac ci i n n d de el l d di ie ez zm ma ad do o e en n l la a c co on nv ve er rs si i n n A A/ /D D

Sistema de
tiempo
discreto
Filtro
antisolapa-
miento
( ) O j H
aa

-O
N

0
1
O
N
O O
M1
-O
M1

Filtro anti-
solapamiento
simple
Filtro anti-
solapamiento
exacto
Corte=t/M
( ) X j
c
O
-O
N
0
1
O
N
O
65

( ) O j H
aa

-O
N

0
1
O
N
O 4O
N
-4O
N

( ) O j X
a

-O
N

0
1
O
N
O 4O
N
-4O
N

( )
e j
e X

0
T
1

e 2t -2t
M
N
T
t
O =

1
( )
e j
e H
0
e 2t -2t
( )
e j
d
e X

0
T '
1

e t -t 2t -2t
MT T = '
( ) X j
c
O
1
-O
N

0
O
N
O

4O
N
-4O
N

66
1 10 0. . C Cu ua an nt ti iz za ac ci i n n
Cuantizacin por redondeo:
Unipolar
- Tamao de paso de cuantizacin

Bipolar:

,-
,- ,-

67

Potencia del ruido (varianza):
()

Error RMS de cuantizacin:

D - Intervalo dinmico
L Nmero de niveles

Razn seal ruido de cuantizacin:
()

- La SQNR mejora en 6 dB por cada bit adicional.
- La SQNR se reduce si el intervalo dinmico excede la rms de la seal.

Ejemplo 25
Una seal vara en el intervalo -2.5V a +2.5V. Cul debe ser la cantidad de bits
para que el error rms de cuantizacin sea menor que 5mV?
D=5V;

; B=9 bits.
( ) e f
0 0

e e

68
1 11 1. . E Es st tr ru uc ct tu ur ra as s d de e S Si is st te em ma as s d de e T Ti ie em mp po o
D Di is sc cr re et to o

- Forma directa I
- Forma directa II
- Forma serial
- Forma paralela

Directa
I, II
Serial Paralela
- Inmunidad a los efectos de
aritmtica de precisin finita

- Facilidad de clculo

Smbolos

Ejemplo 26
Para el sistema con funcin de transferencia

dar la representacin en la forma directa I, forma directa II, forma serial y forma
paralela.
Solucin
y[n] = b
0
x[n]+ b
1
x[n-1]+ b
2
x[n-2] - a
1
y[n-1] a
2
y[n-2]
y[n] = 0.5x[n]-0.5x[n-2] 1.3y[n-1] 0.36y[n-2]
x
2
[n]
x
1
[n] x
1
[n]+ x
2
[n]
a
z
-1

x[n]
x [n-1]
a
x[n]
a x [n]
69
Forma directa I

y[n] = 0.5x[n]-0.5x[n-2] 1.3y[n-1] 0.36y[n-2]

Forma directa II

| | | | | | | | 2 36 . 0 1 3 . 1 = n w n w n x n w
| | | | | | 2 5 . 0 5 . 0 = n w n w n y

x[n]
y[n]
0.5
z
-1

z
-1

0
-0.5
z
-1

z
-1

-1.3
-0.36
y[n]
x[n]
y[n]
x[n]
0.5
z
-1

z
-1

0
-0.5
z
-1

z
-1

-1.3
-0.36
y[n]
x[n]
0.5
0
-0.5
z
-1

z
-1

-1.3
-0.36
w[n]
70
Forma serial

| | | | | | 1 4 . 0
1 1
= n w n x n w
| | | | | | 1 5 . 0 5 . 0
1 1 1
= n w n w n y
| | | | | | 1 9 . 0
2 1 2
= n w n y n w
| | | | | | 1
2 2
+ = n w n w n y

Forma paralela

| | | | n x n y 39 . 1
1
=
| | | | | | 1 4 . 0
2 2
= n w n x n w
| | | | n w n y
2 2
1 . 2 =
| | | | | | 1 9 . 0
3 3
= n w n x n w
| | | | n w n y
3 3
21 . 0 =
| | | | | | | | n y n y n y n y
3 2 1
+ + =

y
1
[n]
x[n]
0.5
-0.5
z
-1

-0.4
w
1
[n]
y[n]
1
1
z
-1

-0.9
w
2
[n]
y[n]
2.1
z
-1

-0.4
w
2
[n]
-1.39
x[n]
y
3
[n]
-0.21
z
-1

-0.9
w
3
[n]
y
2
[n]
71
F Fo or rm ma a d di ir re ec ct ta a I I
| | | | | | | |
| | | | N n y a n y a
M n x b n x b n x b n y
N
M

+ + + =
... 1
... 1
1
1 0
, ( )
N
N
M
M
z a z a
z b z b b
z H

+ + +
+ + +
=
... 1
...
1
1
1
1 0

| | | | | | | | M n x b n x b n x b n v
M
+ + + = ... 1
1 0

| | | | | | | | n v N n y a n y a n y
N
+ = ... 1
1

( ) ( ) ( ) z X z b z b b z V
M
M
+ + + =

...
1
1 0

( ) ( ) z V
z a z a
z Y
N
N

+ + +
=

... 1
1
1
1

F Fo or rm ma a d di ir re ec ct ta a I II I

| | | | | | | | n x N n w a n w a n w
N
+ = ... 1
1

| | | | | | | | M n w b n w b n w b n y
M
+ + + = ... 1
1 0

( ) ( ) z X
z a z a
z W
N
N

+ + +
=

... 1
1
1
1

( ) ( ) ( ) z W z b z b b z Y
M
M
+ + + =

...
1
1 0

b
0

b
1

b
M-1

b
M

-a
1

-a
N-1

-a
N

x[n]
y[n]
z
-1

z
-1

z
-1

b
M-1

b
1

b
M

-a
1

-a
N-1

-a
N

y[n]
x[n]
b
0

z
-1

z
-1

z
-1

z
-1

z
-1

z
-1

72

F Fo or rm ma a s se er ri ia al l
( )
( ) ( )( )
( ) ( )( )
[ [
[ [
=

=

=

=

=
2 1
2 1
1
1 * 1
1
1
1
1 * 1
1
1
0
1 1 1
1 1 1
N
k
k
k k
N
k
k
M
k
k k
M
k
k
z d z d z c
z h z h z g
b z H

( )
[
=

+ +
+ +
=
s
N
k
k k
k k
z a z a
z b z b
b z H
1
2
2
1
1
2
2
1
1
0
1
1

| | | | n x n y =
0

| | | | | | | | n y n w a n w a n w
k k k k k k 1 2 1
2 1

+ =
| | | | | | | | 2 1
2 1
+ + = n w b n w b n w n y
k k k k k k

| | | | n y b n y
s
N 0
=

b
0

73
F Fo or rm ma a p pa ar ra al le el la a

( )

=

=

=

+ =
2 2 1
1
1 *
*
1
1
1
1
0 1 1 1
N
k
k
k
N
k
k
k
N
k
k
k
N M
k
k
k
z d
B
z d
B
z c
A
z C z H
N N N = +
2 1

( )

=

=

+ +
+
+ =
s
N
k
k k
k k
N M
k
k
k
z a z a
z b b
z C z H
1
2
2
1
1
1
1 0
0 1

| | | | | | | | n x n w a n w a n w
k k k k k
+ = 2 1
2 1

| | | | | | 1
1 0
+ = n w b n w b n y
k k k k k

| | | | | |

=
=
+ =
s
N
k
k
N M
k
k
n y n x C n y
1 0

b
01

b
11

b
02

b
12

b
03

b
13

74
R Re ep pr re es se en nt ta ac ci i n n d de e s si is st te em ma as s d de e t ti ie em mp po o d di is sc cr re et to o e en n e el l e es sp pa ac ci io o d de e
e es st ta ad do os s
Ejemplo 27
Para el sistema con funcin de transferencia,

Hallar la representacin en el espacio de estados en la forma:
,- , - ,-
,- , - ,-

Solucin
Las ecuaciones de la forma directa II son:
,- ,- , - , -
,- ,- , -

,- (,- , - , -) , -

,- , - , - ,-
,- , - , - ,-

[
,-
, -
] 0

1 [
, -
, -
] 0
1 ,-

,- ,

- [
, -
, -
] ,-
0

1; 0
1
,

-;

En matlab escribimos:
b=[0.5 0 -0.5]
a=[1 1.3 0.36]
[A,B,C,D]=tf2ss(b,a)

75
1 12 2. . L La a S Se er ri ie e d de e F Fo ou ur ri ie er r D Di is sc cr re et ta a
Una secuencia peridica | | n x
~
con periodo N se puede expresar a travs de la
serie de Fourier discreta (DFS):
| | | |
=
=
1
0
1
2
~
~
N
k
kn j
N
N
e k X n x
t

La DFS es la descomposicin de | | n x
~
en una suma de N exponenciales
complejas armnicamente relacionadas. Los valores de los coeficientes de la
DFS se calculan con la frmula:
| | | |
=
1
0
2
~
~
N
n
kn j
N
e n x k X
t

Ejemplo 28
Hallar los coeficientes de la DFS de la secuencia peridica
| | n x
~
y expresar
esta secuencia como una serie de Fourier Discreta

Solucin
,- ,-
,- ,-
,-
,-
,-
,-
,-
,-

,-
,-

,-
,-
,-
,-

,-

,-

,-
)
,-

,-
)
,-

,-

,-

n
0
... ...
3
1
6
76
,-
)
L La a D DF FS S y y l la a D DT TF FT T
Para la secuencia peridica | | n x
~
con periodo N los coeficientes de la DFS son:
| | | |
=
1
0
2
~
~
N
n
kn j
N
e n x k X
t

Definimos la secuencia de extensin finita
| |
| |
s s
=
. . , 0
1 0 ,
~
c c
N n n x
n x
La DTFT de la secuencia | | n x es:
( )
e j
e X = | |
=

n
n j
e n x
e
=
| |
=

1
0
N
n
n j
e n x
e

( )
e j
e X =
| |
=

1
0
~
N
n
n j
e n x
e

Se observa que se cumple
| | ( )
k
j
N
e X k X
=
=
t
e
e
2
~

Ejemplo 29
Hallar la DTFT de la secuencia

( )
e j
e X = | |
=

n
n j
e n x
e
=
e e e j j j
e e e

+ = + 1 1 1
1 0

Si comparamos esta DTFT con los coeficientes de la DFS del ejemplo anterior
vemos que se cumple la relacin:
| | ( )
k
j
k j
e X e k X
=
= + =
3
2
3
2
1
~
t
t
e
e

L La a c co on nv vo ol lu uc ci i n n p pe er ri i d di ic ca a
Dadas las secuencias peridicas | | n x
1
~
, | | n x
2
~
ambas con periodo N, se define
la convolucin peridica como la operacin:
| | | | | | | |
=
= -
1
0
2 1 2 1
~ ~ ~ ~
N
m
m n x m x n x n x

Ejemplo 30
Hallar la convolucin peridica de las secuencias | | m x
1
~
y | | m x
2
~

| | | | | |
=
=
1
0
2 1 3
~ ~ ~
N
m
m n x m x n x

n 0
2
1
77

| | 7 0
~
3
= x
| | 5 1
~
3
= x
| | 3 2
~
3
= x
| | 6 3
~
3
= x
| | 9 4
~
3
= x

Ver Tabla 8.1 de Oppenheim

1
| | m x
1
~

m 0
2
3
4
1
2
3
4
2
3
4

1
| | m x
2
~

m 0

1
| | m x
2
~

m 0

1
| | m x 1
~
2

m 0

78
1 13 3. . L La a T Tr ra an ns sf fo or rm ma ad da a D Di is sc cr re et ta a d de e F Fo ou ur ri ie er r
( (D DF FT T) )
Dada una secuencia de extensin finita de longitud N

Para encontrar | | n x a partir de su DTFT, deben ser suficientes N muestras de
( )
e j
e X en las frecuencias
1 1 0
..., , ,
N
e e e .
Puesto que la DTFT est dada por la expresin
( )
e j
e X = | |
=

n
n j
e n x
e

tenemos N ecuaciones con N incgnitas
( )
0
e j
e X = | | | | | | | |
( ) 1 2
0 0 0
1 ... 2 1 0

+ + + +
N j j j
e N x e x e x x
e e e

( )
1 N
j
e X
e
= | | | | | | | |
( ) 1 2
1 1 1
1 ... 2 1 0

+ + + +
N j j j
N N N
e N x e x e x x
e e e

Este sistema de ecuaciones tiene solucin nica si slo si las frecuencias
1 1 0
..., , ,
N
e e e son distintas.
Si escogemos k
N
=
t
e
2
, 1 ,..., 1 , 0 = N k , las N muestras de ( )
e j
e X se llaman
Transformada Discreta de Fourier (DFT)
| |
| |
s s
=

. . , 0
1 0 ,
1
0
2
c c
N k e n x
k X
N
n
kn j
N
t

y su transformada inversa es:
| |
| |
s s
=

=
. . , 0
1 0 ,
1
0
1
2
c c
N n e k X
n x
N
k
kn j
N
N
t

Usando el factor Twiddle

) (
)

| |
| |
s s
=

=
. . , 0
1 0 ,
1
0
c c
N k W n x
k X
N
n
kn
N

y su transformada inversa es:
n
0
N-1
| | n x

79
| |
| |
s s
=

=

. . , 0
1 0 ,
1
0
1
c c
N n W k X
n x
N
k
kn
N
N

Operacin n mdulo N
( )
< +
|
.
|
\
|
>
=
0 , Re
0 , Re
n N
N
n
de siduo
n
N
n
de siduo
n
N

La DFT y la DFS
Si definimos | | | |
=
+ =
r
N r n x n x
~
, entonces
| | | | k X k X
~
=
, 1 0 s s N k .
Esto significa que | | k X corresponde a un periodo de la DFS de una secuencia
peridica | | n x
~
obtenida por la repeticin de | | n x .

Tambin, podemos escribir que, si | | ( ) | |
N
n x n x =
~
, entonces
| | ( ) | |
N
k X k X =
~

La DFT y la DTFT
| |
( )
s s
=
=
. . , 0
1 0 ,
2
c c
N k e X
k X
k
j
N
t
e
e

La DFT y la Transformada Z
| |
( )
s s
=

=
. . , 0
1 0 ,
2
c c
N k z X
k X
k
N
j
e z
t

D De es sp pl la az za am mi ie en nt to o C Ci ir rc cu ul la ar r

n
0
4
| | n x
1 2 3
n
0
4
( ) | |
5
3 n x

1 2 3
80
L La a c co on nv vo ol lu uc ci i n n c ci ir rc cu ul la ar r

Dadas las secuencias | | n x
1
, | | n x
2
de extensin finita, se define la convolucin
circular como la operacin:
| | | | | | ( ) | |
=
=
1
0
2 1 2 1
N
m
N
m n x m x n x N n x
, 1 0 s s N n
Ejemplo
Hallar la convolucin circular de las secuencias | | n x
1
, | | n x
2
.

1
| | m x
2

m 0
2
3
4
5
5
1
| | m x
1

m 0
1
2
3
4
( ) | |
5 2
m x
m 0
5
( ) | |
5 2
1 m x
1
2
3
5
4
m 0
6
9
12
10
8
| | | | m x m x
2 1
5
m 0
1
2
5
4
3
( ) | |
5 2
2 m x
m 0
81
L La a c co on nv vo ol lu uc ci i n n c ci ir rc cu ul la ar r y y l la a c co on nv vo ol lu uc ci i n n l li in ne ea al l
Si | | n x
1
o | | n x
2
tiene extensin N M < , entonces
| | | | | | | | n x n x n x N n x
2 1 2 1
- = para 1 1 s s N n M .
Ejemplo
La convolucin lineal de las secuencias del ejemplo anterior es:

Si | | n x
1
tiene extensin
1
N y | | n x
2
tiene extensin
2
N , entonces
| | | | | | | | n x n x n x N n x
2 1 2 1
- = si 1
2 1
+ > N N N .
Ejemplo
La convolucin circular de longitud 7 de las secuencias | | n x
1
, | | n x
2
es igual a la
convolucin lineal.

Ver Tabla 8.2 de Oppenheim

| | | | n x n x
2 1
-
6
9
12
9
5
n 0
3
1
1
| | n x
2

n 0
2
3
4
5
1
| | n x
1

n 0
7
82
1 14 4. . C Co om mp pl le ej ji id da ad d d de el l c c l lc cu ul lo o d de e l la a s sa al li id da a
1. Por convolucin

| | | | | |
=
=
m
m n h m x n y
Sean las secuencias | | n x , | | n h de extensin finita de longitud M

Operaciones Total

1+2+...+M-1+M+M-1+...+2+1 M
2

+ 0+1+...+M-2+M-1+M-2+...+1+0 (M-1)
2

2. Mediante la DFT de longitud 2M-1

| | | |
=
1
0
2
M
n
kn j
N
e n x k X
t
, 1 ,..., 1 , 0 = N k
1 2 = M N
Por cada muestra de | | k X
Operaciones Total

M
+ M-1

Para una DFT
Operaciones Total

M (2M-1)
+ (M-1) (2M-1)

Para el producto | | k X | | k H
Operaciones Total

2M-1
+ 0

-
| | x n
| | h n
| | y n

x[n]
X[k]
H[k]
Y[k]
h[n]
y[n]
83
Para la IDFT
| | | | 2 2 0 ,
2 2
0
1 2
1
2
s s =

M n e k Y n y
M
k
kn j
M
N
t

Por cada muestra de | | n y
Operaciones Total

2M-1
+ 2M-2

Para toda la IDFT
Operaciones Total

(2M-1)
2

+ (2M-2) (2M-1)

Total mediante DFT
Operaciones Total Aprox.

2M(2M-1) + (2M-1) + (2M-1)
2
~ 8M
2

+ 2(M-1) (2M-1) + (2M-2) (2M-1) ~ 8(M-1)
2

L La a T Tr ra an ns sf fo or rm ma ad da a R R p pi id da a d de e F Fo ou ur ri ie er r ( (F FF FT T) )
Mediante diezmado en el tiempo
| | | |
=

=
1
0
2
N
n
n k
N
j
e n x k X
t
, 1 0 s s N k

| | | | | |

+ =
impar n
n k
N
j
par n
n k
N
j
e n x e n x k X
t t 2 2

| | | | | |
( )

=
+
=

+ + =
1
0
1 2
2
1
0
2
2
2 2
1 2 2
N N
r
r k
N
j
r
r k
N
j
e r x e r x k X
t t

84
| | | | | |

impares muestras de DFT
r
r k j
k
N
j
pares muestras de DFT
r
r k j
N
N
N
N
e r x e e r x k X

=

=

+ + =
1
0
2
2
1
0
2
2
2
2
2
1 2 2
t
t
t

| | ( ) ( )
(
+
(
=

2 2
2
N N
k H e k G k X
k
N
j
t

Usando la notacin
N
j
N
e W
t 2
=
| | ( ) ( )
(
+
(
=
2 2
N N
k H W k G k X
k
N

DFT de N/2
puntos

DFT de N/2
puntos

DFT de
N/2 puntos
85

Nmero de operaciones en cada etapa
Operaciones Total

N
+ N
Nmero de etapas: N
2
log
Total Operaciones por FFT:
Operaciones Total
N N
2
log
+ N N
2
log
Estructura Mariposa

86
( )
r
N
r j
r
N
W e W
N
N
N
= =
+
+
2
2
2
t

Nmero de operaciones:
Operaciones Total
(N/2) N
2
log
+ N N
2
log

Complejidad del clculo de la salida
Operaciones Total

( ) M M
M
2 2 log
2
2
3
2
+
( ) M M
2
log 3 5 +
+ ( ) ( ) M M 2 log 2 3
2
( ) M M
2
log 1 6 +

Ejemplo
Para N=256

Operaciones Clculo por convolucin Clculo con FFT

M
2
= 65536
( ) M M
2
log 3 5 + = 7424
+ (M-1)
2
= 65025
( ) M M
2
log 1 6 + = 13824

C C l lc cu ul lo o d de e l la a s sa al li id da a m me ed di ia an nt te e l la a D DF FT T

x[n]
X[k]
H[k]
Y[k]
h[n]
y[n]
1 3 2
87
F Fi il lt tr ra ad do o F FI IR R p po or r s so ol la ap pa am mi ie en nt to o y y s su um ma a c co on n D DF FT T

| | n y
2

| | n y
3

| | n y
1

P 1 puntos
que se suman
P 1 puntos
que se suman

L
| | n x
1

L
| | n x
2

L
| | n x
3

P 1
ceros
P 1
ceros
88
F Fi il lt tr ra ad do o F FI IR R p po or r s so ol la ap pa am mi ie en nt to o y y a al lm ma ac ce en na am mi ie en nt to o c co on n D DF FT T

L
| | n x
1

L
| | n x
2

L
| | n x
3

| | n y
2

| | n y
3

| | n y
1

P 1
puntos
que se
desprecian
P 1
ceros
P - 1
P 1
puntos
que se
desprecian
P 1
puntos
que se
desprecian
89
1 15 5. . D Di is se e o o d de e F Fi il lt tr ro os s D Di ig gi it ta al le es s

El objetivo es determinar los coeficientes de la ecuacin en diferencias de
forma que el filtro cumpla un esquema de tolerancias

Al disear un filtro pasa bajas se puede exigir que la curva de la magnitud de la
respuesta en frecuencia cumpla las especificaciones dadas en el esquema

| | | | | | | |
| | | |
y n b x n b x n b x n M
a y n a y n N
M
N
= + + +

0 1
1
1
1
...
...

|H(e
je
)|
0
t e e
p
e
r

1
1-o
p

1+o
p

o
r

0
t e
-o
r

-o
p

( ) dB e H
je
e
p
e
r

90
M M t to od do os s d de e D Di is se e o o d de e F Fi il lt tr ro os s
Filtros IIR
A partir de filtros analgicos
- Invarianza impulsional
- Transformacin bilineal
- Aproximacin de derivadas
Mtodo directo
- Minimizacin del error cuadrtico medio

Filtros FIR
- Por enventanado
- Por optimizacin
- Por muestreo de la respuesta frecuencial

D Di is se e o o d de e u un n f fi il lt tr ro o d di ig gi it ta al l a a p pa ar rt ti ir r d de e u un n f fi il lt tr ro o a an na al l g gi ic co o

Esquema de Tolerancias del Filtro Digital
Esquema de Tolerancias del Filtro Analgico
Funcin de Transferencia del Filtro Analgico
H
a
(s)
Funcin de Transferencia del Filtro Digital
H(z)
Ecuacin en Diferencias
Paso 1
Paso 2
Paso 3
Paso 4
91
F Fi il lt tr ro o d de e B Bu ut tt te er rw wo or rt th h

|
|
.
|
\
|
O
O
|
|
|
.
|
\
|
=
p
r
p
r
N
log 2
1 10
1 10
log
10
10
o
o
N
p
C
p 2
1
10
1 10
|
|
.
|
\
|
O
= O
o
|H(jO)|, dB
0
O
p

-o
p

O
r
O
-o
r

2
1
C
O 0
O
|H
a
(jO)|
1
( )
( )
[
=

O
=
N
k
k
N
C
a
s s
s H
1
( )
1 ,..., 2 , 1 , 0
2
2 1
=
+ +
= Z
O =
N k
N
k N
s
s
k
C k
t t
92
F Fi il lt tr ro o d de e C Ch he eb by ys sh he ev v

( )
( )
[
=

=
N
k
k
a
s s
K
s H
1
0
O
p
O
|H
a
(jO)|
1
1-o
p

( )
+
=
impar N
par N
H
K
a
, 1
,
1
1
0
:
2
c
|
|
.
|
\
|
O
O
|
|
|
|
.
|
\
|
p
r
p
r
N
1
10
1
cosh
1 10
1 10
cosh
10
o
o
( )
1 ,..., 1 , 0 ;
2
2 1
=
+ +
= N k
N
k N
k
t t
u
1 10
10
=
p
o
c
2 1
1

+ + = c c o
( )
N N
a
1 1
2
1

= o o ( )
N N
b
1 1
2
1

+ = o o
k p k p k
sen b j a s u u O + O = cos
|H(jO)|, dB
0
O
p

-o
p

O
r
O
-o
r

93
Clculo del Coeficiente K de la Funcin de Transferencia

I In nv va ar ri ia an nz za a I Im mp pu ul ls si io on na al l
Se basa en el muestreo de la respuesta impulsional del filtro analgico

Paso 1
Al pasar de las especificaciones del filtro digital a las especificaciones del filtro
analgico basta hacer :

Relacin entre los polos del filtro analgico y los polos del filtro digital

| | ( ) T n h T n h
a
=
T
e
= O
( )

=

=
N
k k
k
a
s s
A
s H
1
( ) ( )
=
N
k
t s
k a
t u e A t h
k
1
( )
( )
[
=

=
N
k
k
a
s s
K
s H
1
0
O
p
O
|H
a
(jO)|
1
1-o
p

( )
+
=
impar N
par N
H
K
a
, 1
,
1
1
0
:
2
c
( )
+
= O
= O
impar N
par N
j H
a
, 1
,
1
1
2
0 c
( )
( )

+
=
=
[
=
impar N
par N
s
K
H
N
k
k
a
, 1
,
1
1
0
2
1
c
( )
( )

+
=
[
[
=
=
impar N s
par N s
K
N
k
k
N
k
k
,
,
1
1
1
1
2
c
94

Los polos del filtro digital son :

En consecuencia, si el filtro analgico es estable, entonces el filtro digital ser
tambin estable.
Como Ha(jO) nunca es perfectamente limitada en frecuencia, se produce
superposicin espectral. Por ello, este mtodo no se aplica a filtros pasa altas ni
supresores de banda.
Paso 3

| | ( ) ( )
=

= =
N
k
nT s
k a
nT u e A T nT h T n h
k
1
( ) | |
=

=
N
k
n
T s
k
n u e A T
k
1
( )

=

=
N
k
T s
k
z e
A
T z H
k
1
1
1
{ } { }
k k
k
S T j S T T s
k
e e e p
Im Re
= =
{ } 1 0 Re < <
k k
p s Si
( )
( )
( ) s A
s B
s H
a
a
a
= ( )
( )
( ) z A
z B
z H =
Residuez() Residue()
( )

=

=
N
k
T s
k
z e
A
T z H
k
1
1
1
( )

=

=
N
k k
k
a
s s
A
s H
1
( ) ( )
=

=
N
k
t s
k a
t u e A t h
k
1
| | ( ) | |
=

=
N
k
n
T s
k
n u e A T n h
k
1
95
Ejemplo 31
A partir de un filtro analgico de Butterworth disear un filtro digital IIR pasa
bajas, por Invarianza Impulsional, con las especificaciones :

1 =
p
o 15 =
r
o
T
p
t 2 . 0
= O
T
r
t 3 . 0
= O
( )
( )
[
=

O
=
N
k
k
N
C
a
s s
s H
1
89 . 5 = N
6 = N
T
C
703 . 0
= O
( )
=
75 180
6 , 1
703 . 0
j
e
T
s
( )
=
45 180
5 , 2
703 . 0
j
e
T
s
0
t e
0,2 t 0,3 t
-15
-1
( ) dB e H
j
,
e
0
O
( ) O j H
a
p
o
r
o
p
O
r
O
96

%****************************************************
% Diseo de un filtro digital a partir de un filtro
% analogico de Butterworth por Invarianza Impulsional
%****************************************************
clear;clf;
ap=1;
ar=15;
wp=0.2*pi;
wr=0.3*pi;
% PASO 1
T=1;
Wp=wp/T;
Wr=wr/T;
% PASO 2
% Hallamos la orden del filtro
N=(log10(((10^(ar/10))-1)/((10^(ap/10))-1)))...
/(2*log10(Wr/Wp));
N=ceil(N);
N=N
% Hallamos la frecuencia de media potencia
Wc=(Wp)/(((10^(ap/10))-1)^(1/(2*N)));
% Hallamos los polos del filtro analogico
theta= (pi*(N+1)+2*pi*[0:N-1])./(2*N);
j=sqrt(-1);
sk=Wc*cos(theta)+j*Wc*sin(theta);
% Funcion de transferencia del filtro analogico
( )
=
15 180
4 , 3
703 . 0
j
e
T
s
( )
( ) ( )
6 1
6
...
703 . 0
s s s s
T
s H
a

|
.
|
\
|
= ( )
( ) ( )
6
6
1
1
...
s s
A
s s
A
s H
a
+ +
=
( ) T j A 249 . 0 144 . 0
6 , 1
=
T A 07 . 1
5 , 2
=
( ) T j A 61 . 1 927 . 0
4 , 3
=
( )
|
|
.
|
\
|

+ +

=
1
6
6
1
1
1
1
...
1 z z
A
z z
A
T z H
524 . 0 649 . 0
6 , 1
6 , 1
j e z
T s
= =
290 . 0 535 . 0
5 , 2
5 , 2
j e z
T s
= =
092 . 0 499 . 0
4 , 3
4 , 3
j e z
T s
= =
97
B=[ Wc^(N)];
A=poly(sk);
% PASO 3
% Expandimos en fracciones parciales
[R,P,K] = residue(B,A);
% Hallamos los polos del filtro digital
pk=exp(P*T);
[b,a] = residuez(R,pk,K);
% PASO 4
b=real(b)
a=real(a)
% Graficar la magnitud de la respuesta en frecuencia
W=[0:pi/50:0.35*pi];
H=freqz(b,a,W);
plot(W/pi,Hdecibelios);
grid; title('Respuesta en frecuencia');
ylabel('|H(e^jw)|, db'); xlabel('w/pi');

N = 6
b = 0.0000 0.0006 0.0101 0.0161 0.0041 0.0001 0
a = 1.0000 -3.3635 5.0684 -4.2759 2.1066 -0.5706 0.0661
y|n| = 0.0000*x|n| + 0.0006*x|n-1| + 0.0101*x|n-2| +
+ 0.0161*x|n-3| + 0.0041*x|n-4| + 0.0001*x|n-5| +
+ 0*x|n-6| +
+ 3.3635*y|n-1| - 5.0684*y|n-2| + 4.2759*y|n-3| +
- 2.1066*y|n-4| + 0.5706*y|n-5| - 0.0661*y|n-6|

0 0.05 0.1 0.15 0.2 0.25 0.3 0.35
-25
-20
-15
-10
-5
0
|
H
(
e
^
j
w
)
|
,

d
b

w/pi
98
T Tr ra an ns sf fo or rm ma ac ci i n n B Bi il li in ne ea al l
Para obtener la funcin de transferencia del filtro digital a partir de la funcin
de transferencia del filtro analgico se aplica la transformacin

Correspondencia entre el plano S y el plano Z

El eje imaginario del plano S es mapeado en la circunferencia unitaria del
plano Z :

Paso1

( ) ( )
1
1
2
1
1
=
=
z
z
s
a
T
s H z H
T
2
1
Plano S Plano Z
e
e
j
j
T
e
e
s

=
1
1
2
( )
2
2 e
tan j
T
=
e j
e z =
( )
2
2 e
tan j j
T
= O
2
tan
2 e
T
= O
0
O
|H
a
(jO)|
0
2t e
|H(e
je
)|
t
99
La transformacin bilineal inversa es :

A cada polo y a cada cero de Ha(s) aplicamos esta transformacin y
encontramos los polos y los ceros de H(z)

El coeficiente A se calcula de la condicin :

Clculo del coeficiente A al usar el Filtro Analgico de Chebyshev de tipo I

s
s
z
T
T
2
2
1
1
+
=
( )
( )
( )
[
[
=
=
=
N
k
k
N
k
k
p z
z z
A z H
1
1
( ) ( )
0
0
= O
=
O = j H e H
a
j
e
e
( )
( )
( )

+
=
=
[
[
=
=
impar N
par N
p
z
A H
N
k
k
N
k
k
, 1
,
1
1
1
1
1
2
1
1
c
( ) ( )
+
= =
impar N
par N
H H
a
, 1
,
1
1
0 1
2
c
( ) ( )
( ) ( ) 0 1
0
0
a
a
j
H H
j H e H
=
O =
= O
= e
e
( )
( )
( )
( )
+
=
[
[
[
[
=
=
=
=
impar N
z
p
par N
z
p
A
N
k
k
N
k
k
N
k
k
N
k
k
,
1
1
,
1
1
1
1
1
1
1
1
2
c
100
Ejemplo 32
A partir de un filtro analgico de Chebyshev tipo I disear un filtro digital IIR
pasa bajas, por Transformacin Bilineal, con las especificaciones :

0
t e
0,2 t 0,3 t
-15
-1
( ) dB e H
j
,
e
1 =
p
o
15 =
r
o
T T
p
650 . 0 2
2
2 . 0
tan =
|
.
|
\
|
= O
t
T T
r
02 . 1 2
2
3 . 0
tan =
|
.
|
\
|
= O
t
0
t O
( ) O j H
a
p
o
r
o
p
O
r
O
101

Los polos del filtro digital son :

Los ceros del filtro digital son :

T
j
s
640 . 0 091 . 0
3 , 2

=
T
j
s
265 . 0 219 . 0
4 , 1

=
( )
( )
[
=

=
N
k
k
a
s s
K
s H
1
02 . 3 = N
4 = N
4
044 . 0
T
K =
( )
( ) ( ) ( ) ( )
4 3 2 1
4
044 . 0
s s s s s s s s
T
s H
a

=
( ) ( )
1
1
2
1
1
=
=
z
z
s
a
T
s H z H
1
1
1
1
2
1
1
2
+
=
+
z
z
z
z
s
T T
( )
1
1 1
1
1
2 2 2
+
+
=
+
=
z
z s z
s
z
z
s s
k
T
T
k
T
k
( ) ( )
1
1 1
2 2 2
+
+
=
z
s z s
k
T
k
T
T
( )
( ) ( )
[
+
+
=
=
4
1
2 2
4
16
4
044 . 0
1
1 1
k
k
T
k
T
T
T
z
s z s
z H
( )
( ) ( ) ( ) ( )
( ) ( ) { }
[
+
+ + + +
=
=
4
1
2 2 4
16
4
044 . 0
1 1
1 1 1 1
k
k
T
k
T
T
T
s z s
z z z z
z H
s
s
z
T
T
2
2
1
1
+
=
k
T
k
T
k
s
s
p
2
2
1
1
+
=
1
4 , 3 , 2 , 1
= z
102
%******************************************
% Diseno de un filtro digital
% a partir del filtro de Chebyshev I
% por transformacion bilineal
%******************************************
clear;clf;
ap=1;
ar=15;
wp=0.2*pi;
wr=0.3*pi;
% PASO 1
Wp=2*tan(wp/2);
Wr=2*tan(wr/2);
% PASO 2
% Hallamos el orden del filtro
N=acosh(sqrt((10^(ar/10)-1)...
/ (10^(ap/10)-1))) / acosh(Wr/Wp);
N=ceil(N);
N=N
% Hallamos los polos del filtro analogico
epsilon=sqrt(10^(ap/10)-1);
j=sqrt(-1);
angulos=( pi*(N+1) + [0:N-1]*2*pi )./(2*N);
alfa=(epsilon^(-1)) + sqrt(1+epsilon^(-2));
aa=(1/2)*( (alfa^(1/N)) - (alfa^(-1/N)) );
bb=(1/2)*( (alfa^(1/N)) + (alfa^(-1/N)) );
sk=aa*Wp*cos(angulos)+j*bb*Wp*sin(angulos);
% Hallamos la constante multiplicativa k preliminar
if rem(N,2)==1
K=1;
else
K=1/sqrt(1+epsilon^2);
end
% PASO 3
% Hallamos los polos y zeros del filtro digital
pk=(1+sk/2)./(1-sk/2);
zk=-1*ones(1,N);
A=K*prod(ones(1,N)-pk)/prod(ones(1,N)-zk);
% PASO 4
% Coeficientes del filtro digital
b=A*poly(zk);
a=poly(pk);
a=real(a)
b=real(b)
103
% GRAFICO
W=[0:pi/50:0.45*pi];
H=freqz(b,a,W);
ylabel('|H(e^jw)|, db');
xlabel('w/pi');

N = 4
b = 0.0018 0.0073 0.0110 0.0073 0.0018
a = 1.0000 -3.0543 3.8290 -2.2925 0.5507
y |n| = 0.0018*x|n|+0.0073*x|n-1|+0.0110*x|n-2|+
+0.0073*x|n-3|+0.0018*x|n-4|+
+3.0543*y|n-1|-3.8290*y|n-2|+
+2.2925*y|n-3|-0.5507*y|n-4|

0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45
-45
-40
-35
-30
-25
-20
-15
-10
-5
0
|
H
(
e
^
j
w
)
|
,

d
b

w/pi
104
M M t to od do o d de e E En nv ve en nt ta an na ad do o
Un filtro pasa bajas ideal tiene respuesta en frecuencia:

La respuesta impulsional es :

0
t e
H
i
(e
je
)
e
C
-t -e
C

1
n
0
1/4
h
i
[n]
... ...
| |
( )
t
e
n
n sen
n h
C
i
=
n
0
1/4 h
i
[n]
... ...
w

[n]
n
0
1
Ventana
Rectangular
n
0
1/4
h

[n]
| | | | | | n w n h n h
i
=
105
Operacin en el Dominio Temporal

Ventana Rectangular

Respuesta al impulso real

Operacin en el Dominio Frecuencial

DTFT de la Ventana

| |
( )
s s
=

. . , 0
,
2
1
2
1
c c
n
n
n sen
n h
N N C
t
e
| |
s s
=

. . , 0
, 1
2
1
2
1
c c
n
n w
N N
| | | | | | n w n h n h
i
= | |
( )
t
e
n
n sen
n h
C
i
=
0 t e
H
i
(e
je
)
e
C
-e
C
-t

1
0 t e
W

(e
je
)
- t
0 t e
H

(e
je
)
- t
( ) ( ) ( )
e e e j j
i
j
e W e H e H - =
( )
( )
( ) 2
2
e
e
e
sen
N sen
e W
j
=
0
t e
|W

(e
je
)|
- t
Ae
A
106
Ae - Ancho del lbulo principal
A - Amplitud mxima de los lbulos secundarios, relativa al lbulo principal
En la ventana rectangular tenemos :
Aproximacin de la Respuesta Frecuencial Ideal

Cuando aumenta el tamao de la ventana se reduce la banda de transicin;
sin embargo, la amplitud del risado no disminuye (efecto de Gibbs).
o - Error mximo entre H(e
j
e
) y Hi (e
j
e
) para cualquier valor de N es
Ejemplos de ventanas

N
t
e
4
= A
A= -13 dB
u e
W

(e
j(e - u )
)
t e
|H

(e
je
)|
Ae
1+o

e
C

1-o

o

-o

|H
i
(e
je
)|
o = -21 dB
Ventana de Hanning
| |
( )
( )
s <
s s
=

+
+
+
+
1 , 2
0 ,
2
1
1
1 2
2
1
1
1 2
N n
n
n w
N
N
n
N
N
n
Ventana de Bartlett o Triangular
Ventana Rectangular
| | 1 0 , 1 s s = N n n w
w[n]
n
0
1
N
w[n]
n
0
1
N
107

| |
( ) | |
( )
( ) ( ) Bessel de funcin es I N
N n
I
n I
n w
. , 2 1
1 0 ,
1
0
0
2
0
=
s s
|
.
|
\
|

=
o
|
o o |
Ventana de Kaiser
| |
( )
( )
( )
( ), cos 08 , 0 cos 5 , 0 42 , 0
1
1 4
1
1 2
+
+
+
+
+ =
N
n
N
n
n w
t t
Ventana de Blackman
w

[n]
n
0
1
N
w

[n]
n
0
1
N
|=4
Ventana de Hanning
| |
( )
( ) 1 0 , cos
1
1 2
2
1
2
1
s s =
+
+
N n n w
N
n t
Ventana de Hamming
w

[n]
n
0
1
N
| | ( ) 1 0 , cos 46 , 0 54 , 0
1
2
s s =

N n n w
N
n t
w

[n]
n
0
1
N
108
Tabla comparativa

Procedimiento de diseo por enventanado buscando utilizar la ventana ms
simple
1. Dado el esquema de tolerancias, se especifica la magnitud de la respuesta
en frecuencia ideal

2. Hallar hi [n]
3. Escoger una ventana con error mximo inferior a las tolerancias
4. Calcular N y redondear hacia arriba
5. Obtener el filtro h [n] = hi [n] wi [n]
6. Verificar si las tolerancias son satisfechas:
o Si no satisface, aumentar N e ir al paso 5 hasta que satisfaga
o Si satisface, reducir N e ir al paso 5 mientras satisface

Ventana A, dB Ae o, dB | p/ Kaiser
Ae de Kaiser
Rectangular -13 4t/N -21 0 1,81t/N
Bartlett -25 8t/N -25 1,33 2,37t/N
Hanning -31 8t/N -44 3,86 5,01t/N
Hamming -41 8t/N -53 4,86 6,27t/N
Blackman -57 12t/N -74 7,04 9,19t/N
0
t e
|H
i
(e
je
)|
e
r
e
p

1-o
p

1+o
p

o
r

109
Ejemplo 33
Disear un filtro pasa-bajas que cumpla las especificaciones

1. Trazamos la magnitud de la respuesta en frecuencia ideal

2. Hallamos hi [n] :

3. Escogemos una ventana con error mximo inferior a las tolerancias :

Hanning, Hamming o Blackman
4. Calculamos N:

%********************************************
% Diseo de un filtro digital por Enventanado
%********************************************
clear;clf;
% PASO 1
deltap=0.02;
deltar=0.01;
wp=0.2*pi;
wr=0.3*pi;
% PASO 2
wc=(wp+wr)/2;
% PASO 3
delta=min(deltar,deltap);
deltadB=20*log10(delta)
|H
i
(e
je
)|
1 + 0,02
1 - 0,02
0,01
0,3t

0,2t

e t 0
0 t e
|H
i
(e
je
)|
0,2t

1 - 0,02
1 + 0,02
0,01
0,3t

| |
( )
t
t
n
n sen
n h
i
25 . 0
= ( ) 2
r p C
e e e + =
( )
dB
p r
40 01 , 0 log 20
01 , 0 , min
=
= o o
;
8
p r N
e e e
t
~ = A
80 = N
p r
N
e e
t
~
8
110
% PASO 4
N=8*pi/(wr-wp);
N=ceil(N);
if rem(N,2)==1 %Para filtros LP no es necesario
N=N
else
N=N+1
end
%N=N-20
% PASO 5
% Formamos la Ventana de Hanning
w = hanning(N);
w=w';
n=[0:N-1];
stem(n,w);
grid; title('Ventana de Hanning');
ylabel('w[n]'); xlabel('n');
% Respuesta Impulsional Ideal
pause;
hi=(sin(wc*(n-(N-1)/2)))./((n-(N-1)/2)*pi);
hi(((N-1)/2)+1)=wc/pi;
stem(n,hi);
grid; title('Respuesta Impulsional Ideal');
ylabel('hi[n]'); xlabel('n');
% Respuesta Impulsional del Filtro
pause;
h=hi.*w;
stem(n,h);grid;
title('Respuesta Impulsional del Filtro');
ylabel('h[n]'); xlabel('n');
% Formamos los coeficientes de la Ecuacin
b=h;
a=zeros(1,N);
a(1)=1;
% Graficamos la magnitud de la
% respuesta en frecuencia
W=[0:pi/400:0.4*pi];
H=freqz(b,a,W);
pause;

111

0 10 20 30 40 50 60
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
n
w
[
n
]

Ventana de Hanning
0 10 20 30 40 50 60
-0.1
-0.05
0
0.05
0.1
0.15
0.2
0.25
n
h
i
[
n
]

Respuesta Impulsional Ideal
n
0 10 20 30 40 50 60
-0.05
0
0.05
0.1
0.15
0.2
0.25
h
[
n
]

Respuesta Impulsional del Filtro
112

D Di if fe er re en nc ci ia as s e en nt tr re e F Fi il lt tr ro os s F FI IR R e e I II IR R
- Los filtros IIR producen en general distorsin 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 aplicacin.
- Los filtros FIR son siempre estables.
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4
-100
-80
-60
-40
-20
0
20
|
H
(
e
^
j
w
)
|
,

d
b

w/pi
b =
0.0000
-0.0001
0.0000
0.0003
0.0008
0.0008
0.0000
-0.0015
-0.0028
-0.0025
0.0000
0.0039
0.0066
0.0056
0.0000
-0.0079
-0.0131
-0.0108
0.0000
0.0147
0.0243
0.0202
0.0000
-0.0283
-0.0483
-0.0422
0.0000
0.0733
0.1575
0.2245
0.2500
0.2245
0.1575
0.0733
0.0000
-0.0422
-0.0483
-0.0283
0.0000
0.0202
0.0243
0.0147
0.0000
-0.0108
-0.0131
-0.0079
0.0000
0.0056
0.0066
0.0039
0.0000
-0.0025
-0.0028
-0.0015
0.0000
0.0008
0.0008
0.0003
0.0000
-0.0001
0.0000

113
D Di is se e o o m me ed di ia an nt te e l la a v ve en nt ta an na a d de e K Ka ai is se er r

Para calcular el parmetro de forma hacemos:
(
) Parmetro de ondulacin.
() - Atenuacin real en la banda de supresin.
{
( )
( )
( )

%******************************************************
% Diseo de un filtro pasa-bajas empleando la ventana de Kaiser
%******************************************************
%PASO 1
wp=0.2*pi
wr=0.3*pi
deltap=0.02
deltar=0.01

delta=min(deltap,deltar)
%PASO2
wc=(wp+wr)/2

%PASO3
deltaw=wr-wp
A=(-1)*20*log10(delta)
if A<21 beta=0
elseif A<=50
beta=0.5842*((A-21)^(0.4))+0.07886*(A-21)
else
beta=0.1102*(A-8.7)
end
N=((A-8)/(2.285*deltaw))+1
N=ceil(N)
if rem(N,2)==1
N=N
else
N=N+1
end
alfa=(N-1)/2
%PASO 4
wkaiser=kaiser(N,beta)
w=wkaiser'
| |
( ) | |
( )
( ) ( ) Bessel de funcin es I N
N n
I
n I
n w
. , 2 1
1 0 ,
1
0
0
2
0
=
s s
|
.
|
\
|

=
o
|
o o |
114
n=0:N-1;
hi=(sin(wc*(n-alfa)))./(pi*(n-alfa))
hi(((N-1)/2)+1)=wc/pi;
x=length(hi)
y=length(w)
h=hi.*w
b=h;
a=zeros(1,N);
a(1)=1;
W=[0:pi/400:0.4*pi];
H=freqz(b,a,W);

%******************************************************
%Diseo de un filtro pasa-altas empleando la ventana de Kaiser
%******************************************************
%PASO 1
wp=0.5*pi
wr=0.35*pi
deltap=0.021
deltar=0.021

delta=min(deltap,deltar)
%PASO2
wc=(wp+wr)/2
%PASO3
deltaw=wp-wr
A=(-1)*20*log10(delta)
if A<21 beta=0
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4
-80
-70
-60
-50
-40
-30
-20
-10
0
10
|
H
(
e
jw
)
|
,

d
b
w/pi
115
elseif A<=50
beta=0.5842*((A-21)^(0.4))+0.07886*(A-21)
else
beta=0.1102*(A-8.7)
end
N=((A-8)/(2.285*deltaw))+1
N=ceil(N)
if rem(N,2)==1
N=N
else
N=N+1
end
alfa=(N-1)/2
%PASO 4
wkaiser=kaiser(N,beta)
w=wkaiser'
n=0:N-1;
hi=(sin(wc*(n-alfa)))./(pi*(n-alfa))
%hi(((N-1)/2)+1)=wc/pi;
hi=(-1)*hi
hi(((N-1)/2)+1)=1-(wc/pi)
h=hi.*w
b=h;
a=zeros(1,N);
a(1)=1;
W=[0.2*pi:pi/400:pi];
H=freqz(b,a,W);

0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
-90
-80
-70
-60
-50
-40
-30
-20
-10
0
10
|
H
(
e
jw
)
|
,

d
b
w/pi
116
M M t to od do o d de e m mu ue es st tr re eo o e en n f fr re ec cu ue en nc ci ia a
Se obtiene ,- muestreando la respuesta en frecuencia deseada en puntos
equiespaciados en el dominio de la frecuencia.
Ejemplo 34
Disear un filtro pasa-bajas con frecuencia de corte

Solucin
Tomamos 10 muestras ( ) dentro de un periodo de la respuesta en
frecuencia ideal:
|,-| * +
,-
( )

Para que la respuesta al impulso ,- sea real, ,- debe ser conjugada
simtrica con respecto a .
,-

,-
, ,-
,-

,-
, ,-
,-

,- ,- ,- ,- ,-
Ahora calculamos la DFT inversa:
clear;clf;
j=sqrt(-1);
H0=1;
H1= exp((-1)*j*0.9*pi);
H2= exp((-1)*j*1.8*pi);
H3=0; H4=0; H5=0; H6=0; H7=0;
H8=conj(H2);
H9=conj(H1);
H=[H0 H1 H2 H3 H4 H5 H6 H7 H8 H9];
h=ifft(H)
W=[0:2*pi/100:2*pi];
H=freqz(h,1,W);

0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
0
0.2
0.4
0.6
0.8
1
1.2
1.4
117
El resultado es:
h = [0.0716 -0.0794 -0.1000 0.1558 0.4520 ...
0.4520 0.1558 -0.1000 -0.0794 0.0716]
Cerca a la frecuencia de corte hay una sobre-elongacin; para reducirla
podemos hacer ,-

clear;clf;
j=sqrt(-1);
H0=1;
H1= exp((-1)*j*0.9*pi);
H2= 0.5*exp((-1)*j*1.8*pi);
H3=0; H4=0; H5=0; H6=0; H7=0;
H8=conj(H2);
H9=conj(H1);
H=[H0 H1 H2 H3 H4 H5 H6 H7 H8 H9];
h=ifft(H)
W=[0:2*pi/100:2*pi];
H=freqz(h,1,W);

El resultado es:
h = [-0.0093 -0.0485 0.0000 0.1867 0.3711 ...
0.3711 0.1867 0 -0.0485 -0.0093]

0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
0
0.2
0.4
0.6
0.8
1
1.2
1.4
118
%Diseo de filtro pasabajas
N=20;
wc=0.8*pi;
gana1=zeros(1,(N/2)+1);
for i=1:(N/2)
if 2*(i-1)*pi/N<wc
gana1(i)=1;
end;
if 2*(i-1)*pi/N==wc
gana1(i)=0.5;
end;
end;
k=[0:N/2];
fase1=((-1)*(N-1)*k*pi)/N;
m=(N/2)-1;
for i=2:(N/2)
fase2(m)=fase1(i);
gana2(m)=gana1(i);
m=m-1;
end;
fase=[fase1 (-1)*fase2];
magnitud=[gana1 gana2];
HH=magnitud.*exp(j*(fase));
h=ifft(HH)
W=[0:2*pi/2000:2*pi];
H=freqz(h,1,W);

119
F Fi il lt tr ro o A Ad da ap pt ta at ti iv vo o
Cancelacin de ruido con filtro adaptativo

%----------------------------------
% Filtrado Adaptativo
% Algoritmo LMS
%----------------------------------
[s, fs] = wavread('arch_voz.wav');
s=s';
N=length(s)
t=0:1:N-1;
t=t/fs;
x=0.8*(rand(1,N)-0.5);
n=filter([0 0 0 0 0 0.5],1,x);
d=s+n;
mu=0.01;
Nw=31;
w=zeros(1,Nw);
y=zeros(1,N);
e=y;
for m=Nw+1:1:N-1
sum=0;
for i=1:1:Nw
sum=sum+w(i)*x(m-i+1);
end
Seal y
Ruido
Ruido
ADC
ADC
Filtro Adaptativo
Algoritmo LMS
+
DAC
+
-
,- ,- ,-
,-
,-
,-
,-
,-,-

,-
120
y(m)=sum;
e(m)=d(m)-y(m);
for i=1:1:Nw
w(i)=w(i)+2*mu*e(m)*x(m-i+1);
end
end
subplot(2,1,1);
plot(t,s);grid;title('Seal original');
subplot(2,1,2);
plot(t,d);grid;title('Seal original + Ruido');
pause;
subplot(2,1,1);
plot(t,s);grid;title('Seal original');
subplot(2,1,2);
plot(t,e);grid;title('Seal restaurada');
wavwrite(d,'arch_voz_ruid.wav');
wavwrite(e,'arch_voz_rest.wav');

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7
-0.1
-0.05
0
0.05
0.1
0.15
Seal original
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7
-0.4
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
Seal original + Ruido
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7
-0.2
-0.1
0
0.1
0.2
Seal restaurada
121

A AN NE EX XO O

Tablas de Transformadas tomadas de
OPPENHEIM A. V., SCHAFER R.W. Tratamiento de Seales en Tiempo Discreto.

PROCESAMIENTO DIGITAL DE SEALES - TABLAS DE TRANSFORMADAS
121

A An ne ex xo o A A
Las tablas de este anexo han sido tomadas del libro de Oppenheim.
Transformada Z

122

123

DTFT

124

125

126

DFS

127

DFT

Pdsapuntes

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Pdsapuntes

Încărcat de

Drepturi de autor:

Formate disponibile

UNIVERSIDAD NACIONAL DE SAN AGUSTIN DE AREQUIPA

FACULTAD DE INGENIERIA DE PRODUCCION Y SERVICIOS

) con 500 muestras.

Curso: Procesamiento Digital de Seales Profesor: Wildor Ferrel Serruto

S-ar putea să vă placă și