Señales y Sistemas

Clase 16:
Filtros Personalizados
 ¿Qué veremos hoy?
 Respuesta a Frecuencia Arbitraria
 Deconvolución en Tiempo

 Deconvolución en Frecuencia

 Filtros Optimos
 Respuesta a Frecuencia
Arbitraria
 La técnica usada para calcular el
filtro sinc-aventanado se puede
utilizar con cualquier respuesta a
frecuencia
 La única diferencia es como la

respuesta deseada se mueve de la

frecuencia al tiempo
 Repaso
 Respuesta en frecuencia de un filtro pasa-
bajo ideal
 Repaso
 Si obtenemos la Transformada de Fourier
inversa de esta respuesta en frecuencia,
produciremos el núcleo de este filtro ideal.
Repaso
 Repaso
 Hay un método simple para eliminar este
problema. Se multiplica la función sinc
por una curva suave (la ventana de
Blackman)
 Repaso

 Y ahora el núcleo del filtro será un sinc-

ventanado (windowed-sinc)
 Respuesta a Frecuencia
Arbitraria
 En el sinc-aventanado, la respuesta a
frecuencia y el núcleo del filtro son
representados por ecuaciones y la
conversión entre ellas se realiza
mediante la transformada de Fourier
 En el siguiente método utilizamos la

transformada discreta de Fourier

Respuesta a Frecuencia
Arbitraria
 Pasos
 Aplicar la transformada inversa
 Desplazar función en tiempo

 Truncar función en tiempo

 Aventanar función en tiempo

 Probar el núcleo del filtro (tomar

DFT)
 Deconvolución
 Convoluciones no deseadas son un
problema inherente en la
transferencia analógica de
información
 Ejemplos:

• Foto tomada con una cámara inestable

• Eco en una llamada de larga distancia
• Ancho de banda limitado en sensores
analógicos
 Deconvolución
 El objetivo de la deconvolución es
filtrar la señal para recrear la señal
tal como existía antes de la
convolución no deseada
 Generalmente se necesita conocer

las características de la convolución

(la respuesta a impulso)
 Deconvolución
 También se puede usar la
deconvolución ciega, donde las
características de la convolución no
deseada no son conocidas
 Es mucho más complejo y no tiene

solución general
 Depende de la aplicación
 Deconvolución
 La deconvolución es muy difícil de
entender en el dominio del tiempo
 Pero es muy fácil entenderla en el dominio
de la frecuencia
 A través de la convolución cada sinusoide
que compone la señal original es cambiado
en amplitud y/o fase.
 Para obtener la señal original solamente
tenemos que deshacer este cambio
Deconvolución
Deconvolución
 Deconvolución
 Deseamos obtener la amplitud de
cada pulso que es proporcional a la
energía de los rayos gama
 No habría ningún problema si un solo

rayo gama es detectado.

 Normalmente los pulsos se

sobrelapan cambiando la amplitud

medida
 Deconvolución
 Una solución a este problema es
deconvolucionar la salida del
detector para hacer los pulsos mas
estrechos
 Aun cuando el detector trabaja en el

dominio del tiempo, mucho del

análisis debe ser hecho en el dominio
de la frecuencia
 Deconvolución
 Si tenemos:
• La señal que dañada (a)
• La señal que corregida (c)
• La respuesta a impulso del filtro (e)

 Entonces:
• a*e=c
 Deconvolución
 En el dominio del tiempo no se
puede simplemente
“deconvolucionar”
 La solución es pasarlo al dominio de

la frecuencia, donde la convolución

se vuelve multiplicación
•A x E = C
• E = C/A
Deconvolución
Deconvolución
 Deconvolución
 Hay un límite en el desempeño que
podemos lograr con la deconvolución
 Muchas veces la información es

destruida (es menor que el nivel del

ruido) y no se puede restaurar por
ningún medio
 Si aplicamos la deconvolución

simplemente obtendremos ruido

 Deconvolución
 La deconvolución también puede ser
hecha en señales codificadas en
frecuencia
 Un ejemplo es la restauración de

viejas grabaciones hechas por el

famoso cantante de ópera Enrico
Caruso (1873 – 1921)
 Deconvolución
 Estas grabaciones fueron hechas en
equipos primitivos según estándares
modernos
 El mayor problema eran las resonancias
del dispositivo de grabación
 Cuando el cantante llegaba a las
frecuencias de resonancia, el volumen de
la grabación aumentaba
 Deconvolución
 La deconvolución digital ha ayudado
a reparar estas grabaciones
 Descrito en el paper: “Blind

Deconvolution Through Digital Signal

Processing” de T. Stockham, T.
Cannon y R. Ingebretsen
Deconvolución
 Deconvolución
 La deconvolución ciega se resuelve
haciendo un estimado de los
parámetros desconocidos
 El método utilizado para calcularlo en

el caso de las grabaciones de Caruso

se llama procesamiento homomórfico
 Filtros Optimos
 Un problema común es tratar de
extraer una forma de señal que se
encuentre enterrada en ruido
aleatorio
 Para ejemplo usaremos un pulso

exponencial
 Este tiene principalmente

componentes de baja frecuencia

Filtros Optimos
 Filtros Optimos
 Debido a que los espectros se
sobrelapan, no hay un manera
perfecta de separar las dos señales
 Hay varios filtros que realizan la

“mejor” separación posible,

dependiendo de que parámetros
consideramos que son los “más
importantes”
 Filtros Optimos
 Podemos usa tres filtros:
• Filtro de promedio móvil
 Reduce más el ruido manteniendo la forma
de la señal
• Filtro ajustado (correlación)
 El tope del pulso es mucho mayor que el
ruido
• Filtro de Wiener
 Produce el mayor SNR para la señal
Filtros Optimos
 Filtros Optimos
 El filtro de Wiener (debido a Norbert
Wiener) separa las señales basadas
en su espectro de frecuencia
 En algunas frecuencias hay más

señal, en otras hay más ruido

 La ganancia en cada frecuencia esta

determinada por la cantidad relativa

de señal y ruido a esa frecuencia
 Filtros Optimos

 De tal forma tenemos que su respuesta

en frecuencia sería:

2
S[ f ]
H[ f ] 
S[ f ]  N [ f ]
2 2
Filtros Optimos
 Filtros Optimos

 El problema del filtro ajustado y Wiener

es que necesitan ser calculados a través
de convolución
 Esto los hace filtros lentos
 ¿Qué veremos hoy?
 Respuesta a Frecuencia Arbitraria
 Deconvolución en Tiempo
 Deconvolución en Frecuencia
 Filtros Optimos
 Próxima Clase
 Viernes 15 de Agosto:
• Filtros Recursivos: Monopolo