Informe del Trabajo Final de Procesamiento Digital de Señales I

Diseño Filtro Digital FIR-IIR Rechaza Banda e

Implementación de Efecto de Audio en Simulink

José Eduardo Luján†

†Carrera “Ingeniería Electrónica con Orientación en Sistemas Digitales”,

Facultad de Ciencias Físico, Matemáticas y Naturales, Universidad Nacional de San Luis
josedulujan@gmail.com

Resumen— El siguiente trabajo presenta el
diseño de un Filtro Digital Rechaza Banda, tanto
FIR como IIR, siendo el primero diseñado el
Método Óptimo y de Ventana Hamming, por
presentar menor orden respecto a las otras
ventanas, y el segundo por Método Bilineal.
Además, se presenta la Implementación en la
Herramienta Simulink de Matlab del Efecto de
Audio de Coro (Chorus).
Palabras Clave— Filtro, Digital, FIR, IIR,
Matlab.
1. INTRODUCCIÓN
Los Filtros Digitales son sistemas utilizados para
modificar el espectro de una señal, mediante el uso
de hardware digital como bloque funcional básico (un
DSP o un FPGA por ejemplo). Sus características lo
hacen apropiados a un amplio campo de aplicaciones
entre las que se encuentran compresión de datos,
procesamiento de señales biomédicas, procesamiento
digital de audio, procesamiento de voz o de
imágenes. Se utilizan, al igual que los filtros
analógicos para acondicionar señales según sus
características específicas, extraer información de
ellas o separar dos o más señales previamente
combinadas. Consisten en un algoritmo mediante el
cual una señal digital o secuencia numérica
denominada “entrada” se transforma en una segunda
secuencia numérica denominada “señal digital de
salida”, donde una señal se define como una cantidad
física que varía en el tiempo, el espacio o cualquier
otra variable/s independiente/s.
Los filtros digitales se caracterizan por ser sistemas
predecibles, flexibles, simulables, consistentes y
precisos. Por otra parte, es posible cambiar sus
especificaciones mediante la reprogramación, sin la
adición de componentes discretos como capacitores,
resistores o bobinas (de tamaño considerable y
variación en el funcionamiento dependiendo de la
temperatura y/o humedad). El carácter digital permite
calcular y simular su respuesta usando procesadores
de uso general, y también implementar topologías no
realizables mediante el uso de componentes físicos
convencionales. En síntesis, estos sistemas
incorporan las ventajas propias de los procesadores
digitales, al filtrado de señales.
Los filtros digitales tienen una limitación inherente,
que consiste en la imposibilidad de cumplir con los
requerimientos del criterio de Nyquist de un ancho de
banda estrictamente limitado previo al procesamiento
digital de datos muestreados. Se hace entonces
necesario preceder el bloque de procesamiento digital
de un filtro pasabanda, como una parte obligatoria del
sistema para prevenir el aliasing, que aparece cuando
el ancho de banda de la señal de entrada es mayor
que la mitad de la Frecuencia de Muestreo.
Los filtros digitales son descritos por una ecuación
en diferencias lineal de coeficientes constantes, que
relaciona la secuencia de entrada del filtro x[n] y la
secuencia de salida del mismo y[n]:
N M
y[n] ak y[n k ] bk x[n k ] , (1)
k 1 k 0
Estos sistemas pueden ser representados por su
secuencia de respuesta al impulso h[n] donde
n=0,1,2,.., y la señal de salida se obtiene a partir de
operaciones de suma y convolución de dicha
secuencia con la señal digital de entrada. En términos
de su respuesta la impulso los filtros digitales se
clasifican en: FIR (Finite Impulse Response) o filtro
de respuesta finita al impulso; e IIR (Infinite Impulse
Response) o filtro de respuesta infinita al impulso,
que deben su comportamiento a la existencia de lazos
de realimentación en su estructura.
Figura 1: Etapas de Procesamiento Digital de
Señales.
 Informe del Trabajo Final de Procesamiento Digital de Señales I
Magnitude Response (dB)

El modelo matemático de los filtros FIR se

fundamenta de la ecuación (1) con la particularidad 0

de que todos los coeficientes ak son iguales a cero. Se

Real
tiene entonces que la ecuación que los describe es -50

Ideal

Magnitude (dB)
función del conjunto de coeficientes bk y de la -100

secuencia de entrada x[n], donde L=M+1

corresponde a la longitud del filtro. Este sistema -150

considera sólo las últimas L muestras de la señal de

entrada y las pondera mediante los coeficientes bk, de -200

0 5 10 15 20

esta forma la respuesta al impulso unitaria es finita.

Frequency (kHz)

La Función de Transferencia de un sistema FIR

tiene la forma: Figura 2: Filtro Rechaza Banda Ideal y Real.
M
H ( z) bk z k , (2)
k 0

La Ec. (2) corresponde a la Transformada Z de un

sistema con Respuesta Finita al Impulso.
Para un filtro IIR el modelo matemático que lo
representa es la misma Ec (1), donde por lo menos un
coeficiente ak, es distinto de cero siendo k≠0. La
Función de Transferencia para un sistema IIR es por
tanto:
M
bk z k Figura 3: Características Filtro Rechaza Banda
k 0 , (3)
H ( z) N
k
ak z
k 1
En el caso de que sólo exista b0 el sistema IIR se
denomina Auto-regresivo; de otra manera, para
cuando existe bk para varios valores de k, se
denomina Promediador Móvil Auto-Regresivo.
2. DESARROLLO
2.1. Generalidades del Filtro
El presente trabajo describe el Diseño de un Filtro
Digital Rechaza Banda (SB) y la Implementación en
Simulink del Efecto de Audio de un coro.
El Filtro Rechaza Banda Ideal (Fig. 2) posee una
respuesta espectral tal que las componentes
armónicas se mantienen inalteradas en dos zonas,
mientras que anula totalmente el resto, sin transición
entre estas zonas.
El Filtro Rechaza Banda Realizable no posee
bandas planas ni transiciones abruptas (ver Fig. 2 y
3). Éste diseño posee las siguientes especificaciones:
Frecuencia de Corte de Banda Pasante Inferior:
500Hz (=Fpi).
Frecuencia de Corte de Banda Suprimida
Inferior: 1000Hz (=Fsi).
Frecuencia de Corte de Banda Suprimida
Superior: 1500Hz (=Fss).
Frecuencia de Corte de Banda Pasante Superior:
2000Hz (=Fps).
Frecuencia de Muestreo y Reconstrucción:
8000Hz (=Fm).
Rizado en Banda de Paso: 0.15 (=rp).
Atenuación en Banda Suprimida: 45dB (=As).
Realizable.
De acuerdo a las especificaciones, se procede al
cálculo de los coeficientes para el filtro, tanto FIR
como IIR, de acuerdo a los métodos:
 Coeficientes FIR
 Método de las Ventanas.
 Método de Muestreo en Frecuencia.
 Método de Optimización de Error.
 Coeficientes IIR
 Método de Transformación de Filtros
Analógicos.
 Método de Minimización de Error.
Luego se continúa con el cálculo de la Estructura:
Directa.
Paralelo.
Cascada.
Celosía.
Muestreo en Frecuencia.
El requerimiento del Filtro FIR SB con fase lineal
conlleva a que la respuesta al impulso sea simétrica,
de forma tal que los coeficientes de la transferencia
son simétricos, de esta manera la longitud del filtro
L=M+1 debe ser un número impar (M-par).
Por otro lado, el diseño de los Filtros, tanto FIR
como IIR, se realiza calculando en base a las
especificaciones que tendría un prototipo Filtro Pasa
Bajos (LP), para luego convertir los coeficientes a la
banda pasante deseada, con las especificaciones
originales.
Finalmente se procede a la implementación del
filtro digital en DSP, Hardware o Software.
El efecto de coro, por otra parte, es diseñado como
la suma de la entrada directa, con la misma entrada
retardada un ligero tiempo.
 Informe del Trabajo Final de Procesamiento Digital de Señales I
2.2. Filtro FIR – Método de Ventana Rizados en Banda Suprimida
2.2.1. Descripción del método
rs 10As / 20 177.83 , (9)
El método de las ventanas, parte de la
especificación de la respuesta en frecuencia deseada Conversión SB LP
Hd(ejw) determinando la correspondiente respuesta
impulsional hd[n], donde la hd[n] se relaciona con Fss Fsi
2
Hd(ejw) mediante la Transformada de Fourier: wsuSB wslSB Fm Fm
wsLP 0.1963, (10)
2 2
H d (e jw ) hd [n]e jwm , (4)
n 0
Fpu Fpl
2
w puSB w plSB Fm Fm
donde w pLP 0.5890 , (11)
2 2
1
hd [n] H d (e jwn )dw , (5)
Ancho de Transición
2
Puesto que la respuesta al impulso es infinita en Fsi Fpi
w1 wsi w pi 2 0.3927 , (12)
duración, debe ser truncada en el punto n=M, para Fm Fm
producir un filtro de longitud L. El truncamiento es
equivalente a multiplicar hd[n] por una “ventana Fps Fss
Hamming” (ver Fig. 4), para cumplir con la w2 w ps wss 2 0.3927 , (13)
Fm Fm
especificación de atenuación en la banda suprimida,
la cual está definida por: w1 w2 w, (14)
2 Elección de Ventana Hamming: As<53dB
0.54 0.46 cos n ,0 n M , (6)
w[n] M
, cc Estimación de Parámetros:
0
8
Así la respuesta al impulso del filtro FIR se M 1 64 , (15)
convierte en w

h[n] hd [n]w[n] , (7) Puesto que L=M+1debe ser un número impar para
obtener coeficientes simétricos, entonces se define el
y la respuesta espectral: orden del filtro M=64 (luego L=65).

H (e jw ) H d (e jw ) *W (e jw ) , (8) Enventanado:
Haciendo uso de la Ec (7) y Ec (8) se obtienen los
siguientes resultados de aplicación de la Ventana:
Time domain Frequency domain

wc
40

20
h[n] [n] 2 cos[nw0 ]( senc[( n ) wc ]) ,(16)
0.8

Conversión a la Banda Pasante Deseada.

Magnitude (dB)

0.6
Amplitude

-20

0.4
-40
2.2.3. Ejercicios de simulación
0.2
-60
El cálculo de los coeficientes del Filtro se realizó
0
10 20 30
Samples
40 50 60
-80
0 0.1 0.2 0.3 0.4 0.5
Normalized Frequency (
0.6
rad/sample)
0.7 0.8 0.9 en la Herramienta Matlab mediante las funciones que
presenta en su Toolbox.
Descripción de funciones utilizadas:
Figura 4: Izquierda: Ventana Hamming - Derecha:  b = fir1(n,Wn,’ftype’,window)
Respuesta Espectral de Ventana Hamming. Implementa el método clásico de diseño de ventana
del filtro digital FIR de fase lineal. Permite diseñar
De esta forma los pasos para el cálculo de los
configuraciones pasa bajos, pasa altos, pasa banda y
coeficientes del filtro realizable son:
rechaza banda. Los parámetros para el presente
I. Especificaciones. diseño corresponden a: n, orden del filtro; Wn, vector
II. Conversión a la Banda Pasante: SB LP de dos elementos que indican las frecuencias digitales
III. Elección de Ventana. de la banda de paso del SB; ftype, especifica el tipo
IV. Estimación de Parámetros. de filtro; y por último window, a la ventana aplicada
V. Enventanado. al diseño (hamming).
VI. Conversión a Banda Pasante deseada: LP SB  hamming(L)
2.2.2. Ejercicios de cálculos Devuelve una ventana de Hamming simétrica de L
puntos, cuyos valores se obtienen de la Ec. 6.
 Informe del Trabajo Final de Procesamiento Digital de Señales I
RESULTADOS
a) Orden filtro: M=64;
b) Coeficientes del filtro

Tabla 1: Coeficientes Filtro FIR Hamming

b0 = b64 = -1,95E-18 b17 = b47 = 0,0076779
b1 = b63 = 0,00052204 b18 = b46 = -0,01014201
b2 = b62 = -0,00066768 b19 = b45 = -0,03178313
b3 = b61 = -0,00211129 b20 = b44 = -0,01902642
b4 = b60 = -0,00130979 b21 = b43 = 0,00167001
b5 = b59 = 0,00012075 b22 = b42 = -0,01793757
b6 = b58 = -0,00136604 b23 = b41 = -0,04074878
b7 = b57 = -0,00325225 b24 = b40 = -1,27E-17
b8 = b56 = -3,14E-18 b25 = b39 = 0,05640738
b9 = b55 = 0,00475734 b26 = b38 = 0,03466517 Figura 7: Espectro del barrido en frecuencia.
b10 = b54 = 0,0029151 b27 = b37 = -0,00459073 2.3. Filtro FIR - Método óptimo
b11 = b53 = -0,00037351 b28 = b36 = 0,07692454
2.3.1. Descripción del método
b12 = b52 = 0,00580276 b29 = b35 = 0,20043453
En el método óptimo de Parks-McClellan el error
b13 = b51 = 0,0131237 b30 = b34 = 0,11173875
de aproximación ponderado entre la respuesta en
b14 = b50 = 0,00564 b31 = b33 = -0,19640358
frecuencia deseada y la respuesta en frecuencia actual
b15 = b49 = -0,00573049 b32 = 0,6260866 se distribuye equitativamente a lo largo de la banda
b16 = b48 = -1,32E-17 de paso y equitativamente a lo largo de la banda de
rechazo del filtro que minimiza el error máximo.
c) Respuesta espectral del Filtro El procedimiento de cálculo se basa en:
I. Parámetros
50 a) Función de ponderación.
0 b) Error de aproximación ponderado.
Magnitude (dB)

c) Funciones modificadas
-50
II. Teorema de alternancia y algoritmo de
-100 intercambio
-150
a) Coeficientes optimizados.
0 500 1000 1500 2000 2500 3000 3500 4000
Frecuency (Hz) 2.3.2. Ejercicios de simulación
El cálculo de los coeficientes, al igual que en el
Figura 5: Respuesta Espectral del Filtro FIR. método anterior se realiza en Matlab mediante las
funciones detalladas a continuación:
2.2.4. Estructura resultante
 [n,fo,ao,w] = firpmord(f,a,dev,fs)
Encuentra el orden aproximado, bordes
1 1 1 1 1
x[n]
z z z z z
normalizados de frecuencias de corte de la banda, y
los pesos que cumplen con las especificaciones de
1 1 1 1 1 entrada f (frecuencias analógicas de corte), a
z z z z z (atenuación en cada banda) y dev (rizado en cada
b0 b1 b2 b30 b31 b32 banda).
y[n]
 b = firpm(n,fo,ao,w)
Calcula los coeficientes del filtro FIR de fase
lineal, donde los parámetros de la función son los
Figura 6: Estructura FIR Hamming: Directa Tipo 2. obtenidos con la función firpmord.

2.2.5. Implementación en el DSP RESULTADOS

a) Orden filtro: M=20;
La programación del DSP se realiza bajo la IDE
b) Coeficientes del filtro
EZ-Kit SDE permitiendo grabar los coeficientes
calculados para el filtro Rechaza Banda.
Haciendo uso de un generador de onda senoidal Tabla 2: Coeficientes Filtro FIR Óptimo
conectado a la entrada del DSP y su salida a la
entrada del ordenador, se obtiene el siguiente
espectro de la señal (Fig. 7).
 Informe del Trabajo Final de Procesamiento Digital de Señales I
b0 = b20 = 0,01205222 b5 = b15 = -0,02286856 Transformada de Laplace de la respuesta al impulso
b1 = b19 = 0,01933718 b6 = b14 = 0,10298762 del sistema.
b2 = b18 = 0,00027404 b7 = b13 = 0,16706901 La transformación bilineal es una correspondencia
b3 = b17 = b8 = b12 =
conformadora que transforma el eje jΩ en la
-0,0532765 0,07345003
circunferencia unidad del plano z sólo una vez,
b4 = b16 = -0,08388657 b9 = b11 = -0,11349248
evitando el solapamiento de componentes en
b10 = 0,79024533 frecuencia. Además, todos los puntos del semiplano
c) Respuesta Espectral del Filtro izquierdo de s se corresponden con el interior de la
circunferencia unidad del plano z, y todos los puntos
del semiplano derecho de s, con el exterior de la
50
circunferencia unidad del plano z. La
Magnitude (dB)

0 correspondencia del plano s al plano z es:

1
-50 2 1 z , (17)
s 1
-100 T 1 z
0 500 1000 1500 2000 2500 3000 3500 4000
Frecuency (Hz)
La transformación bilineal establece una relación
no lineal en la escala de frecuencias entre ambos
Figura 8: Respuesta Espectral del Filtro FIR Óptimo. dominios descripta por
2.3.3. Estructura resultante T
2 tan 1 , (18)
2
1 1 1 1 1
x[n]
z z z z z El presente método consta de los siguientes pasos:
1 1 1 1 1 I. Conversión SB LP.
z z z z z II. Transformación Discreto/Continuo.
b0 b1 b2 b8 b9 b10 III. Elección del filtro analógico (Butterworth,
Chebyshev, Elíptico).
y[n]
IV. Estimación de parámetros (Orden,
Frecuencia de Corte).
V. Cálculo de transferencia del prototipo.
Figura 9: Estructura FIR Óptimo: Directa Tipo 2.
VI. Conversión a la banda pasante deseada.
2.3.4. Implementación en el DSP VII. Transformación Continuo/Discreto.
Al igual que en el caso anterior, se obtiene el 2.4.2. Ejercicios de cálculos
siguiente espectro de la señal al variar en frecuencia. Distribución del rizado
1 rp H ( j ) 1 rp 0 p , (19)
0 H ( j ) rs s

Orden Filtro Elíptico

1 rs 2 (1 2
)
s
2
, (20)
p 1 rs
N 4
2
2
s rs
1
p 1 rs 2

Respuesta Espectral del Filtro Analógico

2 1
H( j ) ,0 1, (21)
2 2
1 N ( s )
c
2 d
N ( x)
0
Figura 10: Espectro del barrido en frecuencia. 1 x 2 sen2

2.4. Filtros IIR - Bilineal Transformación Continuo/Discreto

2.4.1. Descripción del método Tm
El diseño de filtros IIR se basa en convertir un TBL 1
s , (22)
H (s) H ( z) H 2
filtro analógico en un filtro digital, donde la función T
de transferencia del filtro analógico es la 1 ms
2
 Informe del Trabajo Final de Procesamiento Digital de Señales I
2.4.3. Ejercicios de simulación 2.5. Efecto Chorus de Audio
Funciones utilizadas en Matlab: 2.5.1. Descripción del efecto de audio
 [N,Wc] = ellipord(Wp,Ws,rp,rs) El efecto Chorus, o Coro, es el nombre que recibe
Estima el orden y frecuencia de corte del Filtro un efecto de sonido usado en la interpretación o
Cauer. composición musical. Consiste en que la señal que
suena, es sumada a ella misma un número n veces,
 [z,p,k] = ellipap(N,rp,rs) retardadas un ligero tiempo, dando más cuerpo a un
Calcula los coeficientes del prototipo analógico. instrumento o voces actuando al unísono; situación
 [bbs,abs] = lp2bs(b,a,W0,BW) en la que se verifica la ejecución con desfase y leves
Conversión a la banda pasante deseada. desafinaciones entre los instrumentos que dan el
efecto característico.
 [b,a] = bilinear(bbs,abs,Fm)
Para programar el efecto, se realizan tantas copias
Conversión de filtro analógico en digital. del sonido original como se desee, cada una de ellas
RESULTADOS con un delay que oscila de forma aleatoria entre 10 y
a) Orden filtro estimado: N=4; 25 milisegundos. Matemáticamente se expresa como:
b) Coeficientes del filtro
y[n] x[n] a[n]x[n d[n]] , (23)

Tabla 3: Coeficientes Filtro FIR Óptimo 2.5.2. Simulación en Simulink

a0 = 1 b0 = b8 = 0,14437595 A partir de la Ec. 23, se puede representar en un
a1 = -2,87257693 b1 = b7 = -0,7014686 diagrama de bloque el efecto como el que se muestra
a2 = 3,82911473 b2 = b6 = 1,78980147
en la Fig.9.
a3 = -3,9917194 b3 = b5 = -2,97336972
a4 = 3,63650265 b4 = 3,50436941
a5 = -2,24214279
a6 = 1,17948244
a7 = -0,83724104
a8 = 0,32976238

c) Respuesta Espectral del Filtro

50 Figura 13: Efecto Chorus.

2.6. Resultados
Magnitude (dB)

Los resultados obtenidos respecto a los filtros FIR

-50 con las implementaciones en el DSP fueron los
esperados; en cuanto al IIR, de acuerdo a la
-100
0 500 1000 1500 2000 2500 3000 3500 4000 simulación se toma como mejor respuesta la del
Frecuency (Hz)
Cauer, por otro lado la simulación del Chorus
presenta sensiblidad a la cantidad de muestras
Figura 11: Respuesta Espectral del Filtro IIR. tomadas y a los productos realizados.
2.4.4. Estructura resultante 3. CONCLUSIONES
Se ha logrado en principio cumplir con los
requerimientos del diseño, siendo aún faltante la
implementación en DSP del Filtro IIR y del Chorus
para comparar los resultados de la simulación.
REFERENCIAS
[1] Proakis y Manolakis, Tratamiento Digital de
Señales, Ed. 3. Prentice Hall, Madrid, 1998.
[2] Oppenheim, Discrete-Time Signal Processing,
Ed 2. Prentice Hall, New Jersey.
[3] Udo Zölzer, Digital Audio Effects. John Wiley
& Sons, 2002.
Figura 12: Estructura IIR: Directa Tipo 2.