Partea I TEHNICI CLASICE DE FILTRARE A SEMNALELOR

Cap 1 FILTRAREA LINIARĂ A SEMNALELOR UTILIZÂND

FILTRE IIR

Obiectiv
Un semnal x(t) care provine de la un senzor dintr-un sistem de conducere automata
contine semnalul util, s(t), şi zgomotul z(t):
x(t)=s(t)+z(t)
In fig. 1.1 se prezinta densităţile spectrale de putere ale marimilor mentionate:
Sss ( ) si S zz ( ) .

Sss ( )
S zz ( )

Banda de trecere
ωt ω
Fig. 1.1

Se pune problema alegerii pulsatiei de taiere, ωt, prin care sa se separe semnalul util de
zgomot.
Se poate formula urmatoarea problema de filtrare optimala: care este pulsatia de
taiere ωt pentru care distorsionarea semnalului util s(t) este minima (datorita taierii
componentelor spectrale din semnalul util) si, in acelasi timp, efectul zgomotului este minim
(ca urmare a patrunderii componentelor spectrale ale zgomotului in banda de trecere) ?

Observatii:
1. in aproape toate aplicatiile reale, nivelul zgomotului este mare si problema filtrarii
devine foarte complicata, uneori conditionand realizarea aplicatiilor;
2. in practica, frecventa de taiere ωt se adopta à priori sau prin teste experimentale.

In cele ce urmează se prezintă câteva înregistrări experimentale de la un sistem

biotehnologic condus printr-un sistem expert (sistemul recirculant de acvacultură al
Universităţii din Galaţi).
In fig. 1.2.a se prezinta evolutia concentratiei de amoniu la iesirea unui traductor, iar
in fig. 1.2.b este dat un zoom din aceasta evolutie. Se constata urmatoarele:
- alaturi de evolutia lenta a semnalului, exista varfuri de scurta durata, care afecteaza
informatia furnizata de traductor;
- semnalul contine o componenta de zgomot de inalta frecventa, cu o pondere
importanta;
- componenta de zgomot de inalta frecventa este de banda ingusta (v. fig. 1.2.b) si
are proprietati spectrale variabile in timp.
In fig. 1.3 este reprezentat semnalul de la ieşirea traductorului concentratiei de oxigen.
Se remarca faptul ca tipurile de perturbatii mentionate anterior se regasesc si aici.
 2.5

0.95
1.5

0.9

1
0.85

0.5 0.8

0.75
0
5 6 7 8 9 10 11 8.9 8.95 9 9.05
4 4
x 10 x 10
zoom
a b
Fig. 1.2

0
0 2 4 6 8 10 12 14
4
x 10
Fig. 1.3

Este evident ca semnalele prezentate nu pot fi utilizate nemijlocit in cadrul

algoritmilor de conducere automata.
In fig 1.4 se prezinta semnalul de la iesirea unui traductor de pH (cu linie subtire) si
semnalul filtrat (cu linie ingrosata). In fig 1.5 se prezinta semnalul de la iesirea unui traductor
al concentratiei de oxigen (cu linie subtire) si semnalul filtrat (cu linie ingrosata). Se observa
faptul ca prin filtrare sunt eliminate variatiile parazite de mare amplitudine si scurta durata.
 pH - filtru mecanic: date achizitionate (punctat), semnal filtrat (negru)
8

7.5

6.5
0 0.5 1 1.5 2 2.5
timp [s] 4
x 10

Fig. 1.4

Concentratia de O2 in B2: date achizitionate (linie intrerupta) si filtrate (linie continua)

8

0
0 2 4 6 8 10 12 14
pasi esantionare 4
x 10

Fig. 1.5

Clasificarea filtrelor

I. Filtre liniare
I. 1. Filtre IIR (Infinite Impulse Response), care – in principiu – pot fi analogice si
numerice (se utilizeaza aproape exclusiv filtre numerice);

I. 2 Filtre FIR (Finite Impulse Response), realizabile numai in implementare

numerica

II. Filtre neliniare

II.1 Filtrare cu banda constanta
II.2 Filtrare cu banda adaptiva
II.3 Filtrare fuzzy
 FILTRE LINIARE
Principiul sintezei
1. Se porneste de la un filtru trece jos ideal (FTJ), avand caracteristica de frecventa din
2
fig. 1.6. In ordonata se reprezinta patratul amplificarii A2 ( )  H ( j ) .
2. FTJ ideal nu este realizabil fizic (are o panta infinita a caracteristicii de la zona
2
H ( j )  A2 ( )

ωt ω
Fig. 1.6
de trecere la cea de blocare). Prima problema care se pune este cea de aproximare a acestei
caracteristici ideale, nerealizabila fizic, printr-o caracteristica realizabila fizic. Cele mai
utilizate metode de apriximare sunt:
1. Aproximarea de tip „maximum plat”
2. Aproximarea de tip Cebasev (Chebyshev)

APROXIMAREA DE TIP „MAXIMUM PLAT”

In acest caz, forma caracteristicii de frecventa este monoton scazatoare. Se pune

conditia de „maximum plat”, adica pătratul amplificării, A2(ω), sa fie cat mai aproape de
valoarea unitara, in banda de trecere, si cat mai aproape de zero, in banda de blocare.
In caracteristica din Fig. 1.6 se va considera in abscisa pulsatia normată, adica, in loc
de ω se considera ω/ωt. In raport cu frecventa normata, frecventa de taiere este egala cu 1.
Fie un filtru avand urmatoarea expresie generala a patratului amplificarii:
2 1  d1 2  d 2 4  ...  d m 2m
H ( j )  A2 ( j )  (1.1)
1  c1 2  c2 4  ...  cn 2n
unde n=m+1. Se poate demonstra ca A2(ω) satisface conditia de maximum plat daca
c1  d1; c2  d2 ;.........., cm  dm (1.2)
Definind
Am ( 2 )  1  d1 2  d2 4  ...  dm 2m (1.3)
expresia (1.1) la maximum plat este
2 Am ( 2 )
H ( j )  A ( j ) 2
(1.4)
Am ( 2 )  cn 2n
Cazul cel mai important al filtrelor de tip maximum plat se obtine punand:
Am ( 2 ) =1; cn = 1 (1.5)
In acest caz, patratul amplificarii are expresia
2 1
H ( j )  A2 ( j )  (1.6)
1   2n
Filtrul care se obtine se numeste filtru Butterworth
 Filtrul Butterworth
Amplificarea in dB a filtrului Butterwoth este
1
AdB ( )  20log H ( j )  10log  10log(1   2n ) (1.7)
1  2n
Deoarece caracteristica se considera in raport cu frecventa normata, adica pulsatia de
taiere este ωt = 1, in zona de trecere avem
AdB  10log(1   2n )  10log(1)  0;   1; (1.8)
iar in zona de blocare
AdB  10log(1   2n )  10log( 2n )  20.n.log ;   1; (1.9)
Caracteristica de frecventa are, in zona de blocare, o panta egala cu -20.n dB/dec.

Forma caracteristicii A2(ω) este data in Fig. 1.7, pentru diferite valori ale ordinului n al
filtrului. Aceste caracteristici sunt obtinute cu programul Matlab alaturat.

clear all;close all;

A2(ω) om=0:0.01:2;
M=length(om);
1 for k=2:2:8
n=8 for i=1:M
n=2
0.8 Ap(i)=1/(1+om(i)^(2*k));
n=4 end
n=6 plot(om,Ap);hold on;
0.6 end
grid;
axis([0 2 0 1.2])
0.4

0.2

0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
ω
Fig. 1.7

Proiectarea filtrului Butterworth

Datele de proiectare sunt furnizate prin gabaritul fitrului. Acesta include

performanţele pe care trebuie să le realizeze filtrul. In fig. 1.8 se ilustrează gabaritul
filtrului. Acesta este definit de două frecvenţe, ωe şi ωb, situate în stânga şi în dreapta
frecvenţei de tăiere ωt = 1 (de regulă, la distanţe foarte mici), şi de amplificările în dB
respective: AM, şi Am. Caracteristica de frecvenţă a filtrului trebuie să se „strecoare” prin
canalul neînegrit din Fig. 1.8.
 AdB (ω)

0
AM

Am
ωe ωb
ω
Fig. 1.8

Paşii de proiectare a filtrului Butterworth sunt următorii:

1. Determinarea ordinului n al filtrului, în funcţie de cei 4 parametri de gabarit.
Utilizând relaţia (1.7) pentru frecvenţele, ωe şi ωb, rezultă:
AM  10log(1  e2n )
de unde rezultă
e2n  10 AM /10  1
sau
en  10 AM /10  1 (1.10)
In mod similar,
Am  10log(1  b2n )
de unde
b2n  10 Am /10  1
sau
bn  10 Am /10  1 (1.11)
Făcând raportul relaţiilor (1.11) şi (1.10), rezultă
10 Am /10  1
n
 b 
   (1.12)
 e  10 AM /10  1
Daca se notează:

kf  b
e
şi
10 Am /10  1
ka  (1.13)
10 AM /10  1
relaţia (1.12) devine
k nf  ka (1.14)
de unde scoatem
 ln ka
n (1.15)
ln k f
Se consideră valoarea întreagă superioară cea mai apropiată de raportul ln ka / ln k f .
2. Deducerea funcţiei de transfer a filtrului.
Filtrul Butterworth de ordinul n are funcţia de transfer de forma:
1 1
H ( s)   (1.16)
Pn ( s) 1  a1s  a2 s 2  ...  an s n

Acest filtru se defineşte prin relaţia (1.6). Putem scrie

2 1
H ( j )  H ( j ).H ( j )  H ( s) H (s) s  j 
Pn ( s) Pn (s) s  j
in care
2 1 1
H ( j )  
1   2n 1  (1)n s 2n s  j
Din aceste relatii rezultă
1 1

Pn ( s) Pn ( s) s  j 1  (1)n s 2n
s  j
Deci, rădăcinile polinoamelor Pn ( s) şi Pn ( s) sunt rădăcinile ecuaţiei algebrice
1  (1)n s 2n =0
sau
(1)n s 2n  1 (1.17)
Ecuaţia (1.17) se mai poate scrie sub forma
(e j )n s 2n  e j (2k 1)
sau
s 2n  e j (2k 1 n)
de unde rezultă rădăcinile
2k 1 n
j 
sk  e 2nk  0,1, 2...2n  1 (1.18)
Se constată că toate rădăcinile au modulul unitar, iar argumentele sunt

2k  1  n
k  k  0,1, 2...2n  1 (1.19)
2n

Din cele 2n rădăcini, n sunt situate în semiplanul stâng şi sunt zerourile polinomului
Pn ( s) , iar restul de n rădăcini, din semiplanul drept, sunt zerourile polinomului Pn ( s) .
Fireşte, interesează rădăcinile din semiplanul stâng, care sunt polii funcţiei de transfer H(s).
 Im

k=0, k=3,
s0 x x s3

Re

k=1, x x k=2,
s1 s2

Fig. 1.9
1
Fie cazul n=2. Constelaţia polilor funcţiei , dedusă cu relaţia (1.19),
Pn ( s) Pn ( s)
este dată în Fig. 1.9. Se selectează polii funcţiei de transfer H(s), care sunt s0 şi s1.
Cazul n=3 este ilustrat în Fig. 1.10. Si aici se selectează polii funcţiei de transfer H(s),
care sunt situaţi în semiplanul stâng: s0, s1 şi s2.

Im
k=0, k=5,
s0 x x s5

600
k=1, Re
s1 600 600
x x
60 0
60 0 k=4,
s4
600

x x
k=2, k=3,
s2 s3
Fig. 1.10
Rezultă că, în general, forma funcţiei de transfer a filtrului Butterworth este
1 ( s0 )( s1)...( sn 1)
H ( s)  
Pn ( s) ( s  s0 )( s  s1)...( s  sn 1)
Deoarece polii sunt situaţi pe cercul unitar, rezultă întotdeauna că
(s0 )(s1)...(sn 1) =1
Deci, funcţia de transfer a filtrului Butterworth este
1 1
H ( s)   (1.20)
( s  s0 )( s  s1)...(s  sn 1 ) 1  a1s  a2 s 2  ...  an s n
 3. Ajustarea parametrilor funcţiei de transfer, astfel încât să se obţină pulaţia de
tăiere ωt impusă în aplicaţie.
Aşa cum s-a arătat, funcţia de transfer (1.20) s-a obţinut în condiţiile când pulsaţia ω
este înlocuită cu ω/ωt , astfel încât pulsaţia de tăiere a filtrului este egală cu 1. Răspunsul la
frecvenţă aferent funcţiei de transfer (1.20) este:
1
H ( j ) 
1  a1 j  a2 ( j )2  ...  an ( j )n
In această expresie se înlocuieşte ω prin ω/ωt:
1
H ( j ) 
  
1  a1 j  a2 ( j )2  ...  an ( j )n
t t t
sau
1
H ( j ) 
a a a
1  1 ( j )  22 ( j )2  ...  nn ( j ) n
t t t
Inlocuid jω prin s, se obţine funcţia de transfer a filtrului care realizează pulsaţia de tăiere ωt:
1
H ( j )  (1.21)
a a a
1  1 s  22 s 2  ...  nn s n
t t t
4. Discretizarea funcţiei de transfer
Deoarece realizarea uzuală a filtrelor se face prin mijloace soft, funcţia de transfer (1.21) se
discretizează cu funcţia Matlab c2d , obţinându-se:
  1z   2 z 2  ...   n z n
H ( z)  o (1.22)
 o  1z   2 z 2  ...   n z n
Dacă se împarte numărătorul şi numitorul cu  n z n , se obţine
   z 1   n  2 z 2  ...   0 z n  
H ( z )  n n 1 ; i  i ; i  0,1, 2,..., n  1;  i  i ; i  0,1, 2,..., n
1   n 1z 1   n  2 z 2  ...   0 z  n n an

Ecuaţia în diferenţe, intrare-ieşire, este:

y f [i]   n 1 y f [i 1]   n 2 y f [i  2]  ...  0 y f [i  n]   n y[i]   n 1 y[i 1]   n 2 y[i  2]  ...   0 y[i  n]
(1.23)
unde y[i] este intrarea filtrului iar yf[i] este ieşirea filtrului.

Aplicatie
Să se realizeze programul Matlab pentru sinteza unui filtru Butterworth, având date:
- odrinul n;
- frecvenţa de tăiere din aplicaţie.

Pentru testarea tuturor aplicatiilor de filtrare, se genereaza un semnal de test, utilizand

schema data in fig. 1.11.
Programul Matlab aferent aceste aplicatii este dat in Anexa 1.
 ampl :5
period :4
width :0.5
phase :2
stop time 10
Fixed -step
fixed step size :0.01
Pulse
Generator
power :0.0002 ;sample time :0.01
seed:23341

Band -Limited
White Noise 1 Scope

ampl :1;bias :0;frq .:1; in rest 0 variable name y

Sine Wave
semnal .mat

To File

step time 3; init val :0; final val 3

Step

slope :0.2; start time 5; initial outp : 0

Ramp

Fig. 1.11

Semnalul de test este reprezentat in fig. 1.12. El contine: variatii lente si rapide ale
semnalului, zgomot de inalta frecventa si impulsuri parazite de scurta durata.

-1
0 1 2 3 4 5 6 7 8 9 10

Fig. 1.12
 Caracteristicile de frecventa ale filtrului de ordinul 4, pentru pulsatiile de taiere egale

10

0
1.2
wt=20
wt=1 wt=20 wt=1
-10
1
-20

-30 0.8
dB
A

-40 0.6

-50
0.4
-60

0.2
-70

-80 0
-1 0 1 2 3 0 5 10 15
10 10 10 10 10
w [rad/s]

Fig. 1.13 Fig. 1.14

cu 1 si cu 20, sunt date in fig. 1.13. Raspunsurile la trapta unitara, in cele doua cazuri, sunt
date in fig. 1.14. Se observa ca atunci cand creste banda de trecere, durata regimului
tranzitoriu se reduce.
Raspunsul filtrului la semnalul de test este dat in fig. 1.15. Impulsurile parazite sunt

-1
0 1 2 3 4 5 6 7 8 9 10

Fig. 1.15

atenuate, insa efectul lor in semnalul de iesire ramane important. Componenta de inalta
frecventa este puternic atenuata, insa semnalul de la iesirea filtrului este defazat fata de media
semnalului de intrare, ceea ce reprezinta un dezavantaj. Variatia rapida (reala) a semnalului
este reprodusa cu o intarziere importanta.
 APROXIMAREA DE TIP CEBÂŞEV
FILTRE CEBÂŞEV

In cazul unui filtru Cebâşev, părtatul amplificării are expresia

2 1
H ( j )  A2 ( j )  (1.24)
1   2 .Cn2 ( )
unde ε este un parametru subunitar, iar Cn(ω) este polinomul Cebâşev de ordinul n.
Polinoamele Cebâşev se pot genera prin relaţia recursivă
Cn 1()  2..Cn ( )  Cn 1() (1.25)
cu iniţializarea: C0 = 1; C1 = ω
Polinoamele Cebâşev pot fi definite şi prin relaţiile:
cos(n.arc cos  ) pentru 0    1
Cn ( )   (1.26)
c h(n.arg c h ) pentru   1
Notând
  arccos  pentru 0    1 si   arg c h pentru   1 (1.27)
relaţia (1.26) se poate scrie

cos(n. ) pentru 0    1
Cn ( )   (1.28)
c h(n. ) pentru   1
.
In Fig. 1,16 este dată variaţia pătratului amplificării filtrului, la ε = 0.3, pentru
ordinele n = 2,3,4 şi 5, iar în fig. 1.17 este dată aceeaşi caracteristică pentru ε = 0.1. Pentru
acest ultim caz, fig. 1.18 prezintă un zoom în zona de trecere a caracteristicii.

n=4 n=2

1 1
0.99 n=2
0.91 1/(1+eps*eps)

0.8 n=3 n=5

0.8 n=3

0.6 0.6

n=4
0.4 0.4
n=5

0.2 0.2

0 0
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 1.6 1.8 2

Fig.1.16 Caracteristica pătratului amplificării la ε = 0.3 Fig.1.17 Caracteristica pătratului amplificării la

ε = 0.1

Se observă că, în banda de trecere, amplificarea are un riplu, a cărei amplitudine este
determinată de parametrul ε.
 A*A

1.01 n=4 n=2

0.99

0.98
n=3 n=5
0.97

0.96

0.95

0.94

0.93

0.92

0.91 omega
0 0.2 0.4 0.6 0.8 1 1.2

Fig.1.18 Caracteristica pătratului amplificării la ε = 0.1 (zoom)

Curbele se obţin cu programul Matlab alăturat.

clear all;close all;
om=0:0.01:2;M=length(om);eps=0.3;
C(1,:)=ones(1,M);
for i=1:M
C(2,i)=om(i);
end
for k=2:5
for i=1:M
C(k+1,i)=2*om(i)*C(k,i)-C(k-1,i);
Ap(i)=1/(1+eps^2*C(k+1,i)^2);
end
plot(om,Ap);hold on;
end
grid;
axis([0 2 0 1.2])

Eroarea în banda de trecere este

2  2Cn2 ( )
1  H ( j ) 
1   2Cn2 ( )
iar eroarea maximă este
2
2 (1.29)
1  2
Amplificarea în banda de blocare este

AdB  20log H ( j )  10log 1   2.Cn2 () 
şi, deoarece  2 .Cn2 ( ) 1,

AdB 20log   20log Cn ()

Pentru  1, rezulta Cn ( ) 2n 1 n , deci
AdB 20log   6(n  1)  20.n.log  (1.30)
 Proiectarea filtrului Cebâşev

Datele de proiectare sunt furnizate prin gabaritul fitrului. Acesta este definit de
două pulsaţii, ωe = ωt şi ωb, şi de amplificările în dB respective: AM, şi Am. Caracteristica
de frecvenţă a filtrului trebuie să se „strecoare” prin canalul neînegrit din Fig. 1.19.

0 1
AM

0.8

0.6

0.4

0.2

Am
0
0 0.2 0.4 0.6 0.8 e 1t 1.2
b
1.4 1.6 1.8 2

Fig. 1.19

Paşii de proiectare a filtrului Cebâşev sunt următorii:

3. Determinarea parametrului ε şi a ordinului n al filtrului, în funcţie de cei 4
parametri de gabarit.
Amplificarea AM se obţine atunci când, în relaţia (1.24), funcţia Cn(ω) are valoarea
maximă, egală cu 1:
AM  10log(1   2 )
de unde rezultă prima relaţie de dimensionare a filtrului:
  10 AM /10  1 (1.30)
La pulsaţia ωb se impune amplificarea Am  10log 1   2Cn2 (b )  sau
 
       
Am  10log 1   2Cn2  b    10log 1   2Cn2  b   (1.31)
  t     e  
deoarece ωt=1 şi ωe = ωt (v. fig. 1.19). Din relaţia (1.31) rezultă:
  10 Am /10  1
Cn  b  
 e  
Inlocuind parametrul ε cu expresia (1.30), se obţine
  b  10 Am /10  1
Cn  
 e  10 AM /10  1

Utilizând notaţiile:
 10 Am /10  1
kf  b ka 
e 10 AM /10  1

rezultă ecuaţia
Cn (k f )  ka (1.32)
care trebuie rezolvată în raport cu necunoscuta n (kf şi ka se calculează pe baza parametrilor
gabaritului). In conformitate cu relaţiile (1.28) şi (1.27) de definiţie a polinomului Cebâşev
(pentru cazul ω > 1), ecuaţia (1.32) se poate scrie sub forma
ch  n.   ka
unde
ch    k f
Rezultă   arg ch(k f ); n.  arg ch(ka ) , de unde se obţine
arg ch(ka )
n (1.33)
arg ch(k f )
Aceasta este cea de a doua relaţie de dimensionare a filtrului Cebâşev, care
furnizează ordinul filtrului (se ia valoarea întreaga cea mai apropiată a raportului din relaţia
(1.33)).
4. Deducerea funcţiei de transfer a filtrului.
Filtrul Cebâşev de ordinul n are funcţia de transfer de forma:
1 1
H ( s)  
Pn ( s) a0  a1s  a2 s 2  ...  an s n
2
Deoarece H ( j )  H (s).H (s) s 2  2 , rezultă că polii funcţiei H (s).H (s) sunt

zerourile polinomului Pn (s) Pn (s)  1   2Cn2 ( 2 ) . Deducerea acestor zerouri implica

 2  s 2
rezolvarea unei ecuaţii de forma
1
Cn2 ( )  (1.34)
  s
2 2

Se observă că Cn(s) rezultă ca o funcţie complexă
1
Cn ( s)   j (1.35)

deci rezultă că şi variabila  din realaţiile (1.27) şi (1.28) este complexă, de forma
   r  ji . Scriind ecuaţia (1.35) sub forma
1
cos n( r  i )   j (1.36)

sau
1
cos(n r ).ch(ni )  j sin(n r ).sh(ni )   j

se constată că partea reală este zero, deci avem cos(n r ).ch(ni ) =0. Întrucât cosinusul
hiperbolic nu poate fi nul, rezultă cos(n r ) =0, de unde se obţine:
2k  1
r   (1.37)
2n
1 1
De asemenea, din relaţia sin(n r ).sh(ni )   , rezultă sh(ni )   , deoarece
 
sin(n r ) =1. Ecuaţia obţinută se scrie
eni  eni 1

2 
Rezolvarea aceste ecuaţii ne conduce la expresia
1  1 1
i  ln  2  1   (1.38)
n   
In cadrul relaţiei (1.36), avem cos( )   . Prin substituţia j  s , avem
j cos( )  s , în care cos  cos( r  ji ) , iar s    j . Dezvoltând relaţia j cos( )  s ,
obţinem:
 sin( r ).sh(i )  j cos( r ).ch(i )    j
Inlocuind în această relaţie pe Φr şi Φi prin expresiile (1.37) şi (1.38), se obţin
rădăcinile ecuaţiei (1.34), adică polii funcţiei H (s).H (s) :
  2k +1 
 k  sh( i ).sin  2n  
  
 ; k  0,1, 2,..., 2n  1 (1.39)
  ch( ).cos  2k +1 
 k i  
 2n 
Constelaţia polilor funcţiei H (s).H (s) se află pe o elipsă, având semiaxele egale
cu sh(i ) , respectiv ch(i ) . Ecuaţia elipsei este:
k k
 1
sh  i ch 2 i
2

In fig. 1.20 este ilustrată calitativ constelaţia polilor pentru n=3.

Im

k=0, k=5,
s0 x x s5

600
k=1, Re
s1 600 600
x x
600 60 0 k=4,
s4 chi
600
x x
k=2, k=3,
s2 s3
shi
Fig. 1.20 Constelaţia polilor funcţiei H ( s).H (s) pentru n=3
 3. Ajustarea parametrilor funcţiei de transfer, astfel încât să se obţină pulaţia de tăiere
ωt impusă în aplicaţie.
4. Discretizarea funcţiei de transfer
Aceste operaţii se fac în acelaşi mod ca la filtrul Butterworth.

Aplicatie
Să se realizeze programul Matlab pentru sinteza unui filtru Cebâşev, având date:
- odrinul n;
- parametrul ε
- frecvenţa de tăiere din aplicaţie.
Programul Matlab aferent aceste aplicatii este dat in Anexa 2.
Caracteristicile de frecventa ale filtrului de ordinul 4, cu  =0.2, pentru pulsatiile de
taiere egale cu 1 si cu 50 [rad/s], sunt date in fig. 1.21. Raspunsurile la trapta unitara, in cele
doua cazuri, sunt date in fig. 1.22.
Raspunsul filtrului la semnalul de test este dat in fig. 1.23 (impulsurile parazite sunt
slab atenuate insa componenta de inalta frecventa este puternic atenuata).

10 1.4

0
1.2 wt=1
w=1 wt=50
w=50
-10
1
-20

-30 0.8
dB

y(t)
A

-40 0.6

-50
0.4
-60

0.2
-70

-80 0
-2 -1 0 1 2 3 0 5 10 15
10 10 10 10 10 10
w [rad/s] t [s]

Fig.1.21 Fig.1.22

-1
0 1 2 3 4 5 6 7 8 9 10

Fig.1.23