You are on page 1of 23

Filtro de Butterworth Condiciones a cumplir por el filtro (datos del problema) FS=24000 Fp= 3000 Fs= 6000 Dp = 1 db frecuencia

de muestreo frecuencia lmite del pasabanda frecuencia lmite del stopbanda atenuaci n m!"ima en el pasabanda

Ds = 30 db atenuaci n mnima en el stopbanda #ara adecuar a la funci n $ue permite el c!lculo del orden del filtro% Fc & Fs deben lle'arse a la forma normali(ada

#or lo tanto resulta) *p = 3000+12000 = 0,2.esoluci n del problema Se calcula primero el orden (N) & la frecuencia de potencia mitad (Ws) ('alor de la frecuencia para el cual /0(()/2 cae a la mitad), [N, Wn] = buttord(Wp, Ws, Rp, Rs) [N, Wn] = buttord(0.25, 0.50, 1, 30) .esultando) N = 5 Wn = 0.2958 *s = 6000+12000 = 0,-

Con este resultado pre'io% se procede al dise1o del filtro de 2utter3ort4 $ue cumpla con las caractersticas especificadas)

[B,A] = BUTT R(N,Wn) [B,A] = BUTT R(5,0.2958) .esultando) B = [0.00!5 A = [1.0000 0.032" 0.0!55 0.0!55 0.032" 0.00!5 ] #0.0$28 ]

#2.01"" 2.0"32

#1.1$55 0.3$23

5ue6o% la funci n de transferencia% est! dada por


0,006-( (
-

0 ( () :=

+ 0,0327(
4

+ 0,06--(
3

+ 0,06--(
2

+ 0,0327 (
1

+ 0,006-

2,0177(

+ 2,0732(

1,14--(

+ 0,3423(

0,0428

Sustitu&endo (=e"p(9) se obtiene la respuesta en amplitud del filtro% /0()/

:r!ficamente (poniendo como e9e 4ori(ontal /)

;atlab dispone de una funci n especfica $ue permite obtener directamente 6r!ficamente la respuesta en amplitud del filtro, [H,W] = FREQZ(B,A,N) retorna el 'ector 0 de <=puntos de la respuesta en frecuencia & el 'ector de frecuencia de <=puntos * en radianes+muestra del filtro, 5ue6o% e9ecutando) [%,W] = &R '((B,A,1000)) p*ot(W.+p,,-bs(%)) Se obtiene la misma cur'a anterior

Si se $uiere obser'ar tanto la respuesta en amplitud como la de fase% se procede con la misma funci n anterior pero si primer miembro,

Con la diferencia $ue a$u% en la respuesta en amplitud% las ma6nitudes del e9e 'ertical est!n dadas en decibeles (db), >ambi?n se pueden 4acer separadamente con) . = -bs(%)) p = un/r-p(-n0*1(%))) s1.,*o02(/+*1n0t3(/),.)) t,t*1(45-0n,tud4)) 6,0ur1) p*ot(/+*1n0t3(/),p7180+p,)) t,t*1(4&-s14)) .esultando)

#ara 'erificar si se cumplen las condiciones de atenuaci n% precisamente se necesita $ue el e9e de ordenadas est? en db% lo $ue se lo6ra redefiniendo a /0(()/ como 20@lo6(/0(()/)

Con lo $ue se puede apreciar $ue en la frecuencia de comien(o del stopbanda% la atenuaci n es de 30 db (el si6no ne6ati'o indica precisamente atenuaci n% si fuese positi'o sera amp!ificaci n) #ara 'er $ue ocurre en el pasabanda% se 4ar! un (oom adecuado,

Como se aprecia% la atenuaci n en el pasabanda est! por deba9o de 1 db, 5a implementaci n del filtro% su ecuaci n diferencia% se puede establecer desde 0(()

Antitransformando

Despe9ando a4ora &n

Si al filtro se le in&ecta un impulso

5a salida se 'e 6r!ficamente como)

;ediante ;atlab% se puede usar la funci n fi!ter para reali(ar esta tarea, ,=18512)9(,)=0) 9(255)=1) : 01n1r- 1* ,.pu*so 1n *- .,t-d : d1 *- s1;u1n;,<=6,*t1r(B,A,9)) : n;u1ntr- *- s-*,d- d1* 6,*tro : ;-*;u*-do p-r- *- s1;u1n;,- 9

p*ot(<)

: =r-6,;- *- s-*,d-

5a funci n fi!ter es implementada como la estructura Btransposed direct=form CC Bmostrada deba9o% donde n=" es el orden del filtro, Dsta es una forma can nica $ue tiene el mnimo nEmero de elementos de!a#,

Con la funci n $p!ane(Z,%) se pueden 6raficar los polos & ceros en el plano comple9o de una funci n de transferencia, #ara ello es necesario calcular pre'iamente los polos (ceros del denominador) & ceros (ceros del numerador) con la funci n roots, >=roots(A) : ;-*;u*- ;1ros d1* d1no.,n-dor (po*os) (=roots(B) : ;-*;u*- ;1ros d1* nu.1r-dor (;1ros) ?p*-n1((,>)

Secciones de Se6undo=Frden (SFS) Cual$uier funci n de transferencia H($) tiene una representaci n en secciones de Se6undo=Frden,

donde & es el nEmero de secciones de se6undo orden $ue describen el sistema, ;A>5A2 representa la forma de la secci n de se6undo orden de un sistema de tiempo discreto como una marti( sos 5 " 6, Cada fila sos contiene una sola secci n de se6undo orden% donde los elementos de la fila son los tres del numerador & tres coeficientes del denominador $ue describen la secci n de se6undo orden,

0a& un incontable nEmero de formas de representar un filtro en forma de secciones de se6undo orden , A tra'?s del apareamiento cuidadoso de los pares de polos & ceros% el orden de las secciones de la cascada% & el escalamiento multiplicati'o de las secciones% es posible para reducir el ruido de cuantificaci n & e'itar el desbordamiento en al6unas implementaciones de filtros de punto fi9o, #ara esto se utili(a la funci n tf'sos, Al e9ecutar [@A@,=] = T&2@A@(B,A) SFS = 1,0000 1,0000 1,0000 0,GG88 2,0020 1,GGG2 0 1,0000 =0,3322 1,0020 1,0000 =0,7262 0,GGG2 1,0000 =0,G-G3 0 0,2130,6031

:= 0,006Se re4ace la Funci n de >ransferencia,

Diseo de Filtros FIR Condiciones a cumplir por el filtro (datos del problema) Wn = 0.2958 6r1;u1n;,- d1 -t1nu-;,Bn #! db <=10 nEmero de taps Wn = 0.2958 ) N=10)B = 6,r1(N,Wn)) B = -0.0052 -0.0075 0.0150 0.1069 0.2389 0.3038 0.2389 0.1069 0.0150 -0.0075 -0.0052 [%,W] = 6r1C?(B,1,1000)) p*ot(W+p,,-bs(%),W+p,,0.5,4#4)

p*ot(W+p,,207*o010(-bs(%)),W+p,,#!,4#4)

6r1C?(B,1,1000))

[@A@,=] = t62sos(B,1)
@A@ = 1.0000 1.0000 1.0000 1.0000 1.0000 = = #0.0052 #3.58!! 1.5$35 1.9001 1.0335 0.5$02 1.0000 2.85"3 1.0000 1.0000 0.3500 1.0000 1.0000 1.0000 1.0000 1.0000 0 0 0 0 0 0 0 0 0 0

Diseo de filtros FIR por Muestreo Fecuencial Se utili(a la funci n B = fir2(N,F,M,window); 5os par!metros de entrada son el orden del filtro N (lon6itud <H1) & dos 'ectores F & ( $ue especifican la frecuencia & la ma6nitud% de forma $ue )p!ot(F,()* es una 6r!fica de la respuesta deseada del filtro% +indo+ es la 'entana utili(ada en el m?todo (0ammin6% por default), N=10) &=[0 .2 .$ .! .8 1 ]) 5=[1 1 1 1 0 0 ]) [%,W] = 6r1C?(B,1,1000)) p*ot(W+p,,-bs(%),&,5,4o4)

so de fdatool so de sptool Cuando se e"porta el arc4i'o se 6uarda como estructura con dos 'ariables (Fs & data), #ara recuperarlas% se debe utili(ar el nombre de la estructura con un punto se6uida por la 'ariable, D9emplo) d=s,03.d-t&@=s,03.&s
6un;t,on 2=-DE-d-pt(W1,W2,n,.u) : F-*;u*- 2 0r-6,;- 1* -Dust1 d1 p1sos .1d,-nt1 : 5@ .,n,.o p-r- un- 1ntr-d- (2) 2 un- 6un;,Bn d1s1-d- (d) N=102$)5=5) : &un;,on d1 1ntr-d- 9(,), d1s1-d- d(,) ,=18N)9(,)=s,n(27p,7(,#1)+5))d(,)=27;os(27p,7(,#1)+5)) : @, s1 Cu,1r1 -0r10-r ru,do - *- 1ntr-d: s,0.-=0.)9=9Gs,0.-7r-ndn(1,N)) : F-*;u*o d1 *- .-tr,? d1 -uto;orr1*-;,on R : H,-0on-* pr,n;,p-* 6or I=18n, J=9(I8*1n0t3(9)))R(I,I)=J7J4+*1n0t3(J)) 1nd 6or I=18n, ;=1) 6or D=IG18n, J1=9(I8*1n0t3(9)#;)) J2=9(D8*1n0t3(9))) R(I,D)=J27J14+*1n0t3(J1))R(D,I)=R(I,D));=;G1) 1nd 1nd : F-*;u*o d1* K1;tor d1 ;orr1*-;,on ;ru?-d- > ;=0) 6or D=18n,

J1=9(18*1n0t3(9)#;)) J2=d(D8*1n0t3(9))) >(D)=J27J14+*1n0t3(J1));=;G1) 1nd /Eopt=RL#17>4) B=/Eopt) : pot1n;,- pro.1d,o d1 *- s1M-* d1s1-dd2=d7d4+N) : K1r,6,;-;,Bn d1* -Dust1 2=6,*t1r(B,1,9)) :p*ot(2(5008510)) 5@ = d2GB47R7B#27>7B) 9,E.,n= d2#>7B)

Dn esta secci n se describen las confi6uraciones de sistema donde se aplica el dise1o mnimos cuadrados, 5a primera confi6uraci n% ilustrada en la Fi6, 8,1 es el predictor !inea!, Dl concepto de predicci n se ilustra en su forma m!s simple en el dia6rama superior

Dn el dise1o mnimos cuadrados% los coeficientes% o pesos% del sistema lineal causal% H($), son a9ustados para minimi(ar el error cuadrado medio% DIeJ2K% 4aciendo as la salida del sistema 6J la apro"imaci n mnimos cuadrados a una se1al deseada% dJ%, Dn este caso dJ es la misma $ue la entrada% sJ & debe ser Bpredic4aL usando la 4istoria pasada de sJ, Dsto es% dJ debe ser predic4a en t?rminos de s J retardada por m muestras & procesada a tra'?s de H($), De nue'o% el proceso de dise1o de mnimos cuadrados consiste en a9ustar los pesos de H($) para 4acer de esta 'ersi n procesada de la 4istoria de la entrada la me9or Bpredicci nL del 'alor presente de la muestra sJ, Dl dia6rama superior con una unidad de retardo% esto es con m=1% es la forma m!s comEn de predictor lineal% aun$ue no predice actualmente un 'alor futuro de la entrada, Dn muc4as aplicaciones DS#% el error eJ m!s de $ue un 'alor futuro de sJ es necesitado, Si se necesita una predicci n actual de una se1al% la forma aumentada en el dia6rama inferior puede ser implementada, i=4)1000M s(i)=sin(2@pi@-@i+1000)M N se1al de entrada (esperada) i=4)1000M f(i=3)=sin(2@pi@-@i+1000)M N se1al retrasada en 3 &=al6OlmsO6eneral(s%f%-)M N al6oritmo 5;S% salida 6(J) I&(J)K i=1)GG6Mplot(i%&(i)%i%s(i)) N comparaci n

5a se6unda confi6uraci n en la cual es aplicable el dise1o de mnimos cuadrados se ilustra en el fi6, 8,2 & se llama mode!amiento o identificaci n de sistema,

A$u un sistema lineal H($) modela o identifica una BplantaL desconocida consistente de un sistema desconocido con ruido interno, Dl dise1o de mnimos cuadrados fuer(a a la salida del sistema lineal 6J a ser una apro"imaci n de mnimos cuadrados a la salida de planta deseada dJ para una entrada particular fJ, N=r-ndn(1,1000)) : s1M-* -*1-tor,- d1 1ntr-d<=6,*t1r([0.5 1.3 2.1],1,N)) : @1M-* d1s1-d-

-*0E*.sE01n1r-*(N,<,3) : A*0or,t.o O5@ Wopt = 2.1000 1.3000 0.5000

Cuando fJ tiene contenido espectral en todas las frecuencias & cuando el ruido de planta contribu&e en muc4o una pe$ue1a parte de la potencia en dJ% esperamos $ue 0(() sea similar a la funci n de transferencia de sistema desconocido de la planta, <ote% sin embar6o% $ue 0(() no es necesariamente una apro"imaci n de mnimos cuadrados, As% el concepto de modelamiento es aplicable donde el ob9eti'o es la me9or apro"imaci n a una se1al% en 'e( $ue a una funci n de transferencia, Dl tipo de modelamiento ilustrado en la Fi6, 8,2 tiene un amplio ran6o de aplicaciones inclu&endo modelamiento en ciencias biol 6icas% sociales & econ micas% en sistemas de control adaptati'o% en dise1o de filtros di6itales & en 6eofsica, OOOOOOOO

!"N!#$$IN% &' () IN*#RF#R#N!# IN #!%s DC: means electrocardio6ram and it refers to t4e 6rap4 t4at results from plotin6 time 'ersus 'olta6e in a patientPs c4est, Qolta6e sensors are located on t4e c4est and t4e si6nal t4e& picJ up is directed to a electrocardio6rap4% an apparatus t4at plots suc4 a si6nal% as s4o3n in t4e follo3in6 picture,

Fne of t4e main problems 34en picJin6 si6nals so 3eaJ as t4e electrocardio6ram is noise, >4ere are se'eral Jinds of noise t4at can affect t4e DC: but one of t4e stron6est is t4e -0 0( interference from t4e main po3er distribution, An DC: 3it4 lots of DC: interference is s4o3n in t4e ne"t picture, 2ot4 its temporal and spectral representations are s4o3n, >4e -0 0( interference clearl& s4o3s up in t4e spectrum,

>4e electrocardio6rap4 must 4a'e a 3a& of eliminatin6 t4is interference, >4is can be ac4ie'ed incorporatin6 a notc4 filter into t4e electrocardio6rap4 t4at stops t4e -0 0(, 2ut for t4e filter to be 'er& selecti'e ('er& t4in band3idt4) it must be 4i64 order and t4at means man& components, Adapti'e filterin6 offers anot4er possibilit&, A simple second order (t3o 3ei64ts) FC. adapti'e filter can ac4ie'e 'er& 6ood results, Feedin6 t4e adapti'e s&stem 3it4 a reference of t4e main po3er -0 0( si6nal% t4e interference can be 4i64l& reduced if not eliminated, >4e follo3in6 fi6ure s4o3s t4e set up,

<o3% t4e DC: abo'e 3as adapti'el& filtered 3it4 a second order FC. filter, >4is 3as t4e output obtained)

>4e spectrum s4o3s still some -0 0( interference remainin6 but its le'el 4as been considerabl& reduced, >4e performance of t4e adapti'e s&stem is better obser'ed 34en 3e comprare t4e si6nals (ec6 and output) in one c&cle% in bet3een peaJs,

Compare t4e spectrums 34en taJin6 400 samples in bet3een peaJs,

>4e discrepanc& of t4e spectrum dependin6 on 3et4er t4e o'erall si6nal (1-000 samples) or onl& a small part in bet3een peaJs (400 samples) is considered% comes from t4e fact t4at 34en t4e output si6nal is not (ero t4e 3ei64ts 'ar& randoml& around t4eir optimum 'alue, t4e bi66er t4e output t4e more t4e 'ariation, >4erefore% after eac4 peaJ% t4e 3ei64ts taJe a little 34ile to read9ust t4emsel'es% allo3in6 t4e interference to pass% and t4at occurs at eac4 4eart beat (e'er& 1000 samples or so% bein6 t4e samplin6 rate of 1 R4(), >4e DC: s4o3n abo'e 3as pro'ided b& Dr, Antonio Albiol% from t4e #olit4ecnic Sni'ersit& of Qalencia% Spain, >4e si6nal comes from a manPs c4est% taJen at a sample rate of 1 R4(, >4e output of t4e adapti'e s&stem 3as obtained usin6 t4e follo3in6 parameters)
A*0or,t3.8 Ard1r o6 t31 &PR 6,*t1r8 @t-b,*,t2 6-;tor (.u)8 Pn,t,-* /1,03ts K1;tor8 No,s1 r161r1n;1 ,nput8 O5@ 2 11#! /1 = 0.052 /2 =#0.020 50 %? ;os,n1/-K1

Cancelaci n de interferencia

Sn locutor est! 4ablando en un conte"to de construcci n% dond el ruido acEstico es tan fuerte $ue% cuando el le'antado por su tel?fono & a6re6ado a sus palabras% la se1al combinada resulta inteli6ible al o&ente, Afortunadamente% un in6eniero en DS# est! a mano para dise1ar un cancelador de ruido por mnimos cuadrados% el cual opera proces!ndole ruido correlacionado le'antado por un micr fono en el mismo conte"to, Dl cancelador de ruido traba9a por sustracci n del ruido correlacionado procesado% 6J% desde la se1al combinada% sJ%H nJ%,

Fi6ura 8,16 T Cancelaci n de interferencia por mnimos cuadrados, .uido fuerte es a6re6ado a la 'o( del locutor, Ssando una 'ersi n correlacionada del ruido sin la palabra% el filtro de cancelaci n de interferencia% 2(()% produce una salida $ue cancela muc4o del ruido, 5os pesos del filtro son ele6idos para minimi(ar el 'alor al cuadrado total de la salida eJ,

5a ra( n de la necesidad de sustraer el ruido en 'e( de usar un filtro cancelador de ruido se muestra en la si6uiente fi6ura,

Fi6ura 8,17 T Se1al de palabra% s(t)% & ruido% n(t)% con espectro densidad de potencia% para el e9emplo de cancelaci n de interferencia, 5a se1al en este caso es de alrededor de 20 d2 por deba9o del ni'el de ruido,

Sna muestra de 1 se6undo de la se1al de palabra% s(t) se muestra a la i($uierda 9unto con la densidad espectral de potencia de la se1al entera, Dl ruido de construcci n% n(t)% & su espectro se 'en al derec4a, 5a tasa de muestreo en ambos casos es de 40 R0(, #odemos 'er $ue filtrando la se1al combinada% s(t),n(t)% para me9orar la relaci n se1al=a=ruido (S<.) puede ser posible para al6En 6rado pero resultara tambi?n en p?rdida de al6o de

la se1al, Si s(t) & n(t) son independientes% la confi6uraci n en la Fi6, 8,16 sera la me9or elecci n para me9orar la S<.,

Fi6ura 8,18 T Sn se6mento de se1al m!s ruido% ilustrando una pobre S<.,

Fi6ura 8,1G T Se6mentos de ruido & ruido correlacionado,

5a se1al combinada se muestra en la Fi6ura 8,18% en la cual podemos obser'ar $ue el la ba9a S<. en este caso tiende a oscurecer la componente de palabra casi completamente a o9o, Dl odo 4umano es m!s adepto $ue el o9o a separar las dos componentes% pero aEn un buen escuc4a perder! muc4o de la palabra cundo es muc4o el ruido a6re6ado, Cortos se6mentos (0,1 se6) del ruido n(t) & el ruido correlacionado f(t)% se muestran en la Fi6, 8,1G, Dn este e9emplo ideali(ado% el ruido correlacionado es una transformaci n lineal del ruido, Dn realidad% debemos usualmente aceptar al menos un pe$ue1o 6rado de independencia entre el ruido medido & el ruido actual a6re6ado a la se1al, Como en e9emplos pre'ios% el c!lculo del 'ector peso ptimo se describe en la >abla 8,2, 5as e"presiones ;atlab re$ueridas% en las cuales < es el nEmero de pesos% son

Dl >SD% calculado como en la >abla 8,2 para 'alores crecientes de <% es 6raficado en d2 en la Fi6, 8,20,

Fi6ura 8,20 T ;nimo >SD 's, <Emero de pesos (<) en el e9emplo de cancelaci n de interferencia% indicando $ue la S<. crece s lo li6eramente a medida $ue < crece m!s all! de 4 -,

Dl >SD se 'e $ue decrece lentamente despu?s de <=4 -, Dn la pr!ctica% debido a $ue cantidades tales como calidad de palabra o de ima6en re$uieren 9uicio sub9eti'o% la elecci n de < puede ser me9or 4ec4a sobre la base de Bme9or escuc4aL o Bme9or 'istaL en 'e( de sobre la base del >SD, Dn cual$uier caso% podemos 'er $ue la cancelaci n de interferencia por mnimos cuadrados es potencialmente capa( de producir un 6ran incremento en la S<., 5a me9ora es ilustrada en la fi6ura final% 8,21% la cual muestra primero la se1al ruidosa% s(t) Hn(t)% lue6o la salida del sistema% % para <=- & <=12% & finalmente la salida de palabra ori6inal% s(t), :racias al DS#% el o&ente en la Fi6, 8,16 es capa( de captar el mensa9e,

Fi6ura 8,21 T :r!fico final para el e9emplo de cancelaci n de interferencia% mostrando (1) la se1al recibida sin cancelaci n% (2%3) la se1al recibida con cancelaci n usando <=& 12 pesos & (4) se1al ori6inal sin ruido,

#otencia & Densidad Dspectral de #otencia

5a 6anancia de potencia de un sistema lineal est! dada en t?rminos del cuadrado de la ma6nitud de la funci n de transferencia% la cual a su 'e( es medida por la DF> de la respuesta impulsi'a, 1 1 0,2 ( 1 1 0 ( () = U ( () 2 + U ( () ( = V ( () 0,2 V ( () ( 1

2+(

&n =

"n 0,2 "n1 &n1 2 "n := 0 &1 := 0 2 "1 := 1


impulso

n := 1 .. 1024 n1 := 2 .. 1024 &n1 :=

"n1 0,2 "n11 &n11

As% podramos decir $ue el cuadrado de la ma6nitud de la DF> de cual$uier funci n "(t) es una medida de la distribuci n de potencia en "(t) sobre el dominio de frecuencia, A4ora deseamos perse6uir esta idea & arribar a la definici n precisa de la potencia & la densidad de potencia, 5a potencia instant!nea de "(t) en cual$uier instante arbitrario t es el cuadrado de la ma6nitud de la se1al% /"(t)/2 , Suponemos $ue la se1ale s real% de modo $ue se puede usar

"(t)2% pero la definici n 6eneral se mantiene aEn para se1ales comple9as, Se si6ue con $ue la potencia promedio o esperada de una funci n estacionaria "(t) es

Si " es un 'ector consistente de n muestras de "(t)% decimos $ue la potencia promedio en " es

i := 1 .. 1024

"i := sin 2

( i 1) 2 1024

< := 1024

f ( t) := sin ( 2 2 t)
1 0,GG8 f ( t) 0,GG8 0,1 0 t 0,-

t := 0 , 0,01 .. 2

0 0,1 0,2 0,3 0,4

0,-

1 #m := < > := 0,<

J=1
tiempo de muestreo

<

( "J) 2 = 0,-

1 < > 0

< >

f ( t) d t = 0,-

5a potencia promedio en este sentido es un estimado de la 'erdadera potencia promedio en (7,1G)% #ara e"presar la potencia promedio en t?rminos de la DF>% sustituimos la f rmula de la in'ersa de la DF> en (3,23) para "% en (7,20) & escribimos el resultado como si6ue,