Procesamiento Digital de Señales de Voz

Diseño de Filtros Digitales
Juan Carlos Gómez
Revisión Octubre 2005

1. Sistemas Lineales Estacionarios como filtros selectivos en frecuencia
Un sistema LE modifica el espectro de la señal de entrada U(ω) según su respuesta en frecuencia H(ω) para dar lugar a una señal de salida con espectro

Y (ω )= H (ω ) U (ω )

(1)

Puede pensarse entonces, que H(ω) actúa como una función de ponderación espectral para las diferentes componentes frecuenciales de la señal de entrada. En este contexto, un SLE puede considerarse como un filtro de conformación espectral.

2. Características de los filtros ideales
Los filtros suelen clasificarse según sus características en el dominio frecuencial como:

Pasa Bajos

H (ω )
B 1

ω
−π

ωc

0

ωc

π

Figura 1: Respuesta en frecuencia (amplitud) de un filtro Pasa Bajo Ideal. Pasa Altos

Figura 2: Respuesta en frecuencia (amplitud) de un filtro Pasa Alto Ideal.
ProDiVoz – Filtros Digitales

1

Pasa Banda

Figura 3: Respuesta en frecuencia (amplitud) de un filtro Pasa Banda Ideal. Rechaza Banda

Figura 4: Respuesta en frecuencia (amplitud) de un filtro Rechaza Banda Ideal. Pasa Todo

Figura 5: Respuesta en frecuencia (amplitud) de un filtro Pasa Todo Ideal.

Tal como se muestra en las figuras anteriores, estos filtros ideales tienen ganancia constante (generalmente unitaria) en la banda de paso y ganancia cero en la banda eliminada. Otra característica importante de los filtros ideales es su respuesta de fase lineal. Por ejemplo, consideremos un filtro con respuesta en frecuencia

⎧ C e − jωn0 ω1 < ω < ω 2 ⎪ H (ω )= ⎨ en caso contrario ⎪ 0 ⎩

(2)

donde C y n0 son constantes positivas y supongamos una secuencia de entrada {u(n)} con espectro U(ω). La salida del filtro, tiene entonces el siguiente espectro
ProDiVoz – Filtros Digitales

2

Es decir. obtenemos la salida en el dominio temporal y (n )= C u (n − n0 ) (4) donde se ha supuesto que {u(n)} no tiene componentes importantes de frecuencia fuera de la banda de paso. entonces π −π ∫ ln H (ω ) < ∞ (8) ProDiVoz – Filtros Digitales 3 . cuya respuesta en frecuencia es la representada en Figura 1. En general. este filtro ideal no es realizable físicamente. se requiere que los filtros ideales tengan una característica de fase lineal dentro de su banda de paso de manera que no se produzca distorsión. se requiere θ (ω )= −ω n0 La derivada de la fase respecto de la frecuencia tiene unidades de retardo. Por ejemplo. Surge entonces la pregunta de cuáles son las condiciones necesarias y suficientes que debe satisfacer una respuesta en frecuencia H(ω) de manera que el filtro resultante sea causal. un filtro pasa bajos ideal. Puede interpretarse a τg(ω) como el retardo que experimenta una componente de frecuencia ω cuando pasa a través del sistema. Teorema de Paley-Wiener: Si h(n) es de energía finita y h(n)= 0 para n < 0. un retardo puro y el escalado en amplitud no se consideran como una distorsión de la señal. La respuesta viene dada por el Teorema de Paley-Wiener. su característica frecuencial se puede aproximar muy bien utilizando filtros prácticos realizables físicamente. Por lo tanto. la salida del filtro es la versión escalada y retardada de la entrada. tiene una respuesta impulsional hLP (n )= sin (ω cπn ) πn −∞ < n < ∞ (7) Vemos que el filtro es no causal y que además su respuesta al impulso no es absolutamente sumable. Por lo tanto.Y (ω )= H (ω ) U (ω )= C U (ω )e − jωn0 ω1 < ω < ω 2 (3) Aplicando las propiedades de escalado y desplazamiento temporal de la Transformada de Fourier. Es decir. Es decir que en este caso todas las componentes de frecuencia experimentan el mismo retardo temporal. por lo que el filtro no es BIBO estable. es decir (5) τ g (ω )= − dθ (ω ) dω (6) y se denomina retardo de envolvente o retardo de grupo del filtro. Como conclusión. los filtros ideales tienen una característica de magnitud constante y una característica de fase lineal en la banda de paso. Sin embargo. Obsérvese que cuando θ(ω) es lineal como en (5) entonces τg(ω) = n0 = constante. Veremos que los filtros ideales no son realizables pero sirven como una idealización matemática de los filtros prácticos.

entonces puede asociarse ( ) ( ) (9) ♦ es causal. Una importante conclusión que se obtiene de este teorema es que el módulo H (ω ) de la respuesta en frecuencia puede ser cero en algunas frecuencias aisladas. y si se verifica (8). En consecuencia. y que de hecho los filtros ideales no son realizables en la práctica. de manera que el filtro con respuesta en frecuencia H ω = H ω e jθ (ω ) Recíprocamente. una fase θ(ω). si H (ω ) es cuadrado integrable. Características de los filtros prácticos Aunque las características de respuesta en frecuencia que poseen los filtros ideales deben ser deseables. Al ancho de la banda de paso se lo denomina ancho de banda del filtro. limitaremos nuestra atención a la clase de sistemas lineales estacionarios especificados por una ecuación en diferencias de la forma y (n ) = −∑ ak y (n − k ) + ∑ bk u (n − k ) k =1 k =0 N M (10) que resultan causales y por lo tanto. Relajando estas condiciones es posible realizar filtros causales que aproximan los filtros ideales con tanta precisión como se desee.a H (ω ) . 3. Se puede tolerar un pequeño rizado en la banda de paso. podemos concluir que todo filtro ideal será no causal. pero no puede ser cero sobre cualquier banda finita continua de frecuencias ya que la integral en (8) resultaría infinita y el filtro sería no causal. Considerando las restricciones que la causalidad impone sobre la respuesta en frecuencia de los filtros. como se muestra en la Figura 6 a continuación: Figura 6: Respuesta en frecuencia (amplitud) de un filtro real. En particular. no es necesario exigir que la magnitud H (ω ) sea constante en toda la banda de paso del filtro. no son absolutamente necesarias en la mayoría de las aplicaciones prácticas. ProDiVoz – Filtros Digitales 4 . realizables en la práctica.

lo que da origen al nombre del filtro. donde no se impone ninguna condición especial sobre los coeficientes a k . {bk} y del número de parámetros {M. La Función Transferencia Z del filtro resulta: H ( z) = ∑b k =0 N k =1 M k z −k = −k 1 z N −M ∑b k =0 N k =1 M k z M −k (14) N −k 1 + ∑ ak z 1 + ∑ ak z Tomando la transformada Z inversa.L. y por lo tanto el filtro resulta siempre BIBO estable. como puede verse re-escribiendo (12) con potencias positivas de z . 3) La frecuencia ωp 4) La frecuencia ωs Basados en estas especificaciones pueden seleccionarse los parámetros {ak} y {bk} del filtro que mejor aproximen las especificaciones deseadas. N}. ya que esta condición no es inherente a la estructura del mismo. bk . que corres- ponden a la ecuación (10). Filtros de Respuesta al Impulso Infinita (IIR: Infinite Impulse Response). es decir y (n ) = ∑ bk u (n − k ) k =0 M (11) La correspondiente Función Transferencia Z resulta de la forma H ( z ) = ∑ bk z − k k =0 M (12) que puede verse corresponde a un sistema con respuesta al impulso de longitud finita (M+1). 2) El rizado máximo tolerable en la banda de rechazo.En un problema de diseño de filtro usualmente se especifican: 1) El rizado máximo tolerable en la banda de paso. que corresponden a la ecuación (10) donde se impone la condición a k = 0. con todos sus polos en el origen del plano Z. El grado de aproximación en general depende del criterio de selección (estimación) de los parámetros {ak}. N . consideraremos dos tipos de estructuras de filtros digitales: 1. en general. es decir H ( z ) = ∑ bk z −k = k =0 M ∑b k =0 M k z M −k (13) zM 2. En particular. Es claro entonces que la respuesta al impulso del filtro resulta absolutamente sumable. ProDiVoz – Filtros Digitales 5 . k = 1. Debe asegurarse la condición de estabilidad durante la estimación de los coeficientes del filtro. se obtiene un respuesta al impulso del filtro que. es de duración infinita. Filtros de Respuesta al Impulso Finita (FIR: Finite Impulse Response). lo que da origen al nombre del filtro.

o. En particular. esto es ⎧bn 0 ≤ n ≤ M −1 h(n )= ⎨ ⎩0 c.4. Entonces. M = 5 y la condición de simetría (17).1 Diseño de filtros FIR de fase lineal por el método de Muestreo en Frecuencia Un filtro FIR (Finite Impulse Response) de longitud M está caracterizado por una respuesta en frecuencia H (ω ) = ∑ bk e − jωk k =0 M −1 (15) donde los coeficientes {bk} son la respuesta al impulso del sistema.c (16) El requerimiento de fase lineal impone condiciones de simetría en la respuesta al impulso del filtro. la respuesta al impulso resulta simétrica respecto a h(2). consideraremos dos condiciones de simetría distintas h(n )= h(M −1− n ) y simétrica antisimétrica (17) (18) h(n )= −h(M −1− n ) Consideraremos primero la condición (17) y los casos en que M sea par e impar. Supongamos por ejemplo. entonces h(0 ) = h(4 ) h(1) = h(3) en tanto que h(2) no tiene ningún término simétrico. Diseño de Filtros FIR 4. siendo H (ω ) = h(0 ) + h(1) e − jω + h(2 ) e − j 2ω + h(3) e − j 3ω + h(4 ) e − j 4ω = e − j 2ω ⎡h(2 ) + h(0 ) e j 2ω + h(1) e jω + h(3) e − jω + h(4 ) e − j 2ω ⎤ ⎢ ⎥ ⎣ ⎦ = e − j 2ω [h(2 ) + 2h(0 ) cos 2ω + 2h(1) cos ω ] Vemos que el término entre corchetes es real para todo ω y podemos denominarlo como H r (ω ) = [h(2 ) + 2h(0 ) cos 2ω + 2h(1) cos ω ] por lo que resulta H (ω ) = H r (ω ) e − j 2ω Claramente resulta H (ω ) = H r (ω ) y la característica de fase del filtro es ProDiVoz – Filtros Digitales 6 .

En general. Cuando Hr(ω) cambia de signo. puede expresarse como H (ω ) = H r (ω ) e ProDiVoz – Filtros Digitales −j ω ( M − 1) 2 (19) 7 . por ejemplo M = 4. con saltos de 180º donde Hr(ω) cambia de signo. Basados en estos ejemplos para M = 4 y M = 5. Si M es par. ya que la señal que pasa a través del filtro tiene un contenido frecuencial despreciable fuera de dicha banda. cuya respuesta al impulso h(n) satisface la condición de simetría (17). se puede extrapolar al caso general de un M arbitrario. entonces no hay problemas. la fase sufre un cambio abrupto de 180º. Si este cambio ocurre fuera de la banda de paso.θ (ω ) = ⎨ ⎧− 2ω ⎩ − 2ω + π si si H r (ω ) > 0 H r (ω ) < 0 Vemos entonces que la fase es lineal siempre que Hr(ω) sea positivo (o negativo). la respuesta en frecuencia de un filtro FIR. la condición de simetría (17) implica h(0 ) = h(3) h(1) = h(2 ) y la respuesta en frecuencia del filtro resulta H (ω ) = h(0 ) + h(1) e − jω + h(2 ) e − j 2ω + h(3) e − j 3ω ω ω 3 ⎡ 3 3 ⎤ j ω j − j ω⎢ −j − j ω⎥ 2 2 + h(3) e = e 2 ⎢h(0 ) e 2 + h(1) e 2 + h(2 ) e ⎥ ⎥ ⎢ ⎦ ⎣ =e −j ω 2 3 ω ⎤ 3ω ⎡ ⎢ 2h(0 ) cos 2 + 2h(1) cos 2 ⎥ ⎣ 14444 244444 ⎦ 4 3 H (ω ) r Aquí también H (ω ) = H r (ω ) e donde − j 3ω 2 H (ω ) = H r (ω ) ⎧− 3ω ⎪ θ (ω ) = ⎨ 2 3ω + π ⎪− ⎩ 2 H r (ω ) > 0 H r (ω ) < 0 y la fase resulta si si que es lineal a tramos.

donde H r (ω ) = h M − 1 + 2 ∑ h(n ) cos ω M − 1 − n n=0 (2 ) n=0 M −3 2 [( 2 )] M impar (20) H r (ω ) = 2 ∑ h(n ) cos ω M − 1 − n 2 M −1 2 [( )] H r (ω ) > 0 H r (ω ) < 0 M par (21) La característica de fase del filtro. si M = 5. es decir h(n )= −h(M −1− n ) que corresponde a una respuesta al impulso antisimétrica. tanto para M par como impar. cada término de h(n) tiene su correspondiente de signo opuesto. La 2 condición (18) implica entonces que h M −1 = 0 Por ejemplo. entonces (2) h(0 ) = −h(4 ) h(1) = − h(3) h (2 ) = 0 En cambio si M es par. resulta ⎧− ω ( M − 1) ⎪ 2 θ (ω ) = ⎨ ( M − 1) ⎪− ω +π ⎩ 2 si si (22) Consideremos ahora la condición de simetría (18). el punto central de la respuesta al impulso antisimétrica h(n) es n = M − 1 . La respuesta en frecuencia de un filtro FIR con una respuesta al impulso antisimétrica puede expresarse como ⎡ ω ( M − 1) + π ⎤ ⎢ 2 2⎥ ⎦ H (ω ) = H r (ω ) e ⎣ j − (23) donde M −3 2 H r (ω ) = 2 ∑ h(n ) sin ω M − 1 − n n=0 [( 2 )] M impar (24) 8 ProDiVoz – Filtros Digitales . Si M es impar.

H r (ω ) = 2 ∑ h(n ) sin ω M − 1 − n n=0 M −1 2 [( 2 )] M par (25) La característica de fase del filtro. tanto para M par como impar . el número de coeficientes del filtro que especifican la respuesta en frecuencia es M +1 2 M si M es impar 2 • Para el caso antisimétrico resulta si M es par h M −1 = 0 y el número de coeficientes del filtro resulta M −1 (2) 2 M si M es impar 2 • si M es par La elección entre el filtro simétrico o antisimétrico depende de la aplicación. es ⎧π − ω ( M − 1) ⎪ 2 θ (ω ) = ⎨ 2 ( M − 1) ⎪ 3π − ω ⎩ 2 2 Comentarios: si si H r (ω ) > 0 H r (ω ) < 0 • Para el caso simétrico. si h n = −h M −1− n y M es impar resulta () ( ) H r (0 ) = 0 y H r (π ) = 0 por lo que el filtro no es adecuado para un filtro pasa bajos o pasa altos. Por ejemplo. ProDiVoz – Filtros Digitales 9 . Similarmente. si h n = −h M −1− n y M es par resulta () ( ) H r (0 ) = 0 por lo que este filtro no es apropiado para un filtro pasa bajos.

2 2 o M (caso antisimétrico) valores de H(ω). M − 1 2 M par (27) de donde pueden despejarse los coeficientes {h(n)}del filtro.Las ecuaciones (20) y (21) (caso simétrico) y (24) y (25) (caso antisimétrico).1. Es necesario entonces especificar M + 1 o M (caso simétrico) de valores de H(ω). Es decir M −1 ω k = 2kπ M k = 0. M − 1 2 k = 0. o bien.1. 4. M − 1 2 M impar (26) n=0 ∑ a kn h(n ) = H r ω k k = 0. 2 Diseño de filtros FIR de fase lineal usando ventanas En este método se parte de una especificación Hd(ω) de la respuesta en frecuencia deseada y se determina la correspondiente respuesta al impulso hd(n) del filtro. ProDiVoz – Filtros Digitales 10 . si denominamos a kn = 2 cos ω k M − 1 − n 2 a kn = 1 entonces las ecuaciones (20) y (21) resultan M −1 2 [ ( )] ∀k n = M −1 2 n=0 ∑ a kn h(n ) = H r ω k M −1 2 ( ) ( ) k = 0. esto es hd (n ) = 1 2π π − jω n ∫π H (ω ) e dω d (28) Como en general la respuesta al impulso obtenida es de longitud infinita.K. usualmente se seleccionan valores de frecuencia equiespaciados en el rango 0 ≤ ω ≤ π. debe ser truncada. a través de la transformada inversa de Fourier. por ejemplo en n = M-1.1. de manera que resulte un filtro FIR de longitud M. Si bien los valores de ω pueden seleccionarse arbitrariamente. M − 1 2 M impar M par Para el caso simétrico.1.K. constituyen un conjunto de ecuaciones lineales para la determinación de los coeficientes de un filtro FIR de fase lineal.K.K. para poder calcular los coeficientes {h(n)} de 2 2 la respuesta al impulso del filtro.

c (29) Es decir. la respuesta al impulso del filtro FIR resulta h(n ) = hd (n )w(n ) (30) La respuesta en frecuencia del filtro FIR resulta entonces la convolución entre la respuesta en frecuencia deseada y el espectro de la ventana H (ω ) = 1 2π El espectro de la ventana rectangular resulta π −π ∫ H (λ ) W (ω − λ ) dλ d (31) W (ω ) = M −1 ∑e n =0 − j ωn − jωM − jω = 1 − e − jω = e 1− e ( M −1) 2 sin ωM 2 ( ) sin (ω ) 2 (32) La magnitud resulta W (ω ) = sin ωM 2 ( ) sin (ω ) 2 si si -π ≤ ω ≤ π en tanto que la fase es seccionalmente lineal ⎧− ω ( M − 1) ⎪ 2 θ (ω ) = ⎨ ( M − 1) ⎪ −ω +π ⎩ 2 (2) sin (ωM ) < 0 2 sin ωM ≥ 0 Los espectros de amplitud y fase se representan en la figura 7. K. ProDiVoz – Filtros Digitales 11 . 1.Truncar la respuesta al impulso hd(n) es equivalente a multiplicar hd(n) por una ventana rectangular definida como ⎧1 w(n ) = ⎨ ⎩0 n = 0.o. M − 1 c.

Lanczos. entonces (33) puede pensarse como la serie de Fourier en tiempo discreto de Hd(ω). Considerando que. Esto puede mejorarse mediante el uso de otras ventanas que no contienen discontinuidades abruptas en su característica en el dominio temporal. por definición.Figura 7: Espectros de Amplitud y Fase de una Ventana Rectangular. Truncar los hd(n) equivale entonces a truncar la serie de Fourier de Hd(ω) para obtener H(ω). 4. La presencia de importantes lóbulos laterales en el espectro de la ventana rectangular provoca efectos indeseables en la respuesta en frecuencia H(ω) del filtro FIR. Kaiser. Por ejemplo. Blackman. por lo que los términos hd(n) pueden pensarse como los coeficientes de Fourier de esa expansión en series.3 Diseño de filtros FIR inversos por el método de Mínimos Cuadrados Sea hd(n) con n≥ 0 la respuesta al impulso deseada y Hd(z) la correspondiente función transferencia Z. es H d (ω ) = − jω n ∑ h (n)e n=−∞ d ∞ (33) y que Hd(ω) es un espectro periódico. Se quiere aproximar el recíproco de esta transferencia con una función transferencia de la forma FIR. podemos mencionar: Hamming. es decir: 1 1 ≈ = H d ( z) H ( z) 1 + ∑ ak z −k k =1 N b0 (34) Consideremos la conexión en cascada del filtro deseado Hd(z) con el filtro FIR inverso 1/H(z) como se indica en la figura 8. Hann. la respuesta en frecuencia del filtro. ProDiVoz – Filtros Digitales 12 . Turkey.

l ) = ∑ hd (n − k )hd (n − l ) = ∑ hd (n )hd (n + k − l ) = rhh (k − l ) n =0 n =0 ∞ ∞ (38) En un problema de diseño.0) k =1 k hh hh N l = 1. por definición es rhh (k . ProDiVoz – Filtros Digitales 13 . 2. la secuencia de autocorrelación puede calcularse a partir de la secuencia finita hd(n). pero en realidad resulta: y ( n) = La condición y d (0 ) = y (0 ) = 1 1 b0 N ⎡ ⎤ hd (n) + ∑ ak hd (n − k )⎥ ⎢ k =1 ⎣ ⎦ (35) representa el error entre la respuesta deseada y d (n ) = 0 y la respuesta real. Los parámetros ak pueden entonces determinarse minimizando la suma de los cuadrados de la secuencia de error N ⎤ 1 ∞ ⎡ ε = ∑ y (n ) = 2 ∑ ⎢hd (n ) + ∑ ak hd (n − k )⎥ hd (0) n=1 ⎣ n =1 k =1 ⎦ se satisface seleccionando b0 = hd (0 ) . Idealmente debería ser y (n ) = y d (n ) = δ (n) . con L >> N. N (37) donde. 0≤ k −l ≤ N (39) y estos valores pueden usarse para resolver el sistema de ecuaciones lineales (37). por lo que la entrada al filtro inverso 1/H(z) es hd(n) y la salida es y(n). por ejemplo para 0 ≤ n ≤ L. L. la respuesta al impulso deseada hd(n) es especificada en un número finito de puntos. como ˆ rhh (k − l) = L − k −l n =0 ∑h d (n)hd (n + k − l). y(n) ∞ 2 2 (36) Puede probarse que el conjunto de parámetros {a k } que minimiza el error cuadrático medio ε se obtiene resolviendo el conjunto de ecuaciones lineales ∑ a r (k . como se indica en la figura.δ (n) hd(n) Hd(z) 1 H ( z) y(n) + δ (n) error Minimizar el error cuadrático medio Figura 8: Esquema de estimación de un filtro FIR inverso por el método de mínimos cuadrados. En este caso. Consideremos que el sistema es excitado con un impulso unitario δ (n) . l ) = −r (l. Para n > 0 .

Consideremos ahora un diferenciador analógico ideal con relación entrada-salida ProDiVoz – Filtros Digitales 14 . siendo T el período de muestreo. y aproximando las derivadas por diferencias finitas. Diseño de Filtros Digitales IIR a partir de filtros analógicos mediante la aproximación de derivadas La idea es diseñar un filtro digital a partir de un filtro analógico. Existen diversas formas de aproximar las derivadas en (41). Si se parte de una representación con una función transferencia racional del filtro analógico. de la forma H a ( s) = ∑β ∑α k =0 k =0 N M k sk (40) k s k la ecuación diferencial que describe el comportamiento entrada-salida del filtro resulta ∑α k k =0 N d k y (t ) M d k u (t ) = ∑ βk dt k dt k k =0 (41) A partir de esta ecuación diferencial puede obtenerse una ecuación en diferencias equivalente realizando una discretización del tiempo de la forma t = nT . mediante la discretización de la ecuación diferencial que representa al mismo.5. Consideraremos aquí dos de los métodos de aproximación más utilizados: el método de Euler y la regla de aproximación trapezoidal o transformación bilineal. la aproximación de Euler de primer orden es buena sólo para períodos de muestreo T muy pequeños. Aproximación por el Método de Euler de primer orden La forma más elemental de aproximar la derivada es la denominada aproximación de Euler de primer orden dada por dx(t ) x(nT ) − x((n − 1)T ) = dt t =nT T (42) x(t) (n-1)T nT t Figura 9: Aproximación de Euler de primer orden Como puede verse en la figura 9.

resulta z= ProDiVoz – Filtros Digitales ΩT 1 1 = +j 2 2 1 − jΩT 1 + Ω T 1 + Ω 2T 2 (47) 15 . Reeemplazando s = j Ω en (46). como el representado en la figura 10. Plano z jΩ Plano s 1 σ Figura 10: Mapeo del Plano s en el Plano z mediante la transformación z=1/(1-sT).y (t ) = dx(t ) dt (43) La correspondiente función transferencia resulta Ha(s) = s. se obtiene que la función transferencia para el filtro digital IIR mediante la aproximación de las derivadas usando diferencias finitas. resulta H ( z ) = H a (s ) s =(1− z −1 ) / T (45) donde Ha(s) es la función transferencia del filtro analógico caracterizado por la ecuación diferencial (41). La transformación s= o equivalentemente 1 − z −1 T z= 1 1 − sT (46) corresponde a un mapeo del plano s en el plano z. se obtiene la correspondiente función transferencia discreta H ( z) = 1 − z −1 T (44) Procediendo análogamente para las derivadas k-ésimas. Transformando Z la ecuación (42).

que corresponde a la ecuación de una circunferencia con radio ½ y con centro z = ½ . Sin embargo. puede escribirse x((n + 1)T ) = nT −∞ 1 24 4 3 x ( nT ) ∫ y(τ )dτ + ∫ y(τ )dτ = x(nT ) + ∫ y(τ )dτ nT nT (I ) ( n +1)T ( n +1)T (49) 1 24 4 3 y(t) nt (n+1) T t Figura 11: Aproximación con la regla trapezoidal. siendo T el período de muestreo. Como consecuencia. Con esta aproximación la ecuación (49) resulta x((n + 1)T ) = x(nT ) + T [ y((n + 1)T ) + y(nT )] 2 (50) Transformando Z . Aproximación trapezoidal de la derivada – Transformación Bilineal Definamos y (t ) = Luego dx(t ) dt t x(t ) = −∞ ∫ y(τ )dτ (48) Realizando una discretización del tiempo de la forma t = nT . los polos se ven confinados en una pequeña región (el interior del círculo de radio ½ ) lo que corresponde a frecuencias relativamente pequeñas. Puede probarse que los puntos en el semiplano izquierdo del plano s se mapean en el interior del círculo en el plano z. La integral (I) en (49) puede aproximarse por el área rayada en figura 11. esta transformación sólo puede utilizarse para el diseño de filtros pasabajo y pasabanda con frecuencias de corte relativamente pequeñas. se obtiene para Y(z) la siguiente expresión Y ( z) = 2 z −1 X ( z) = H ( z) X ( z) T z +1 (51) ProDiVoz – Filtros Digitales 16 . Este transformación tiene entonces la propiedad deseable de transformar filtros analógicos estables en filtros digitales estables.

es claro que esta condición no puede cumplirse para todas las frecuencias debido al fenómeno de aliasing. Cuando la variable s recorre el eje imaginario en el plano s una única vez. La idea es encontrar una transformación B(z) que mapee números complejos z = e jω sobre la circunferencia unitaria en el plano z.Considerando que Y ( s ) = sX ( s ) = H a (s )X ( s ) . ya que H e jω es periódica con período 2π. imponiendo que la respuesta en frecuencia del filtro digital sea igual a la respuesta en frecuencia del filtro analógico. filtros analógicos estables se mapean en filtros digitales estables. la transformación deberá ser tal que se verifique: ProDiVoz – Filtros Digitales 17 . puede pensarse en un mapeo del plano s en el plano z de la forma s= 2 z −1 T z +1 (52) que permite obtener la función transferencia Z discreta H(z) a partir de la función transferencia del sistema continuo Ha(s) según H ( z ) = H a ( s ) s = 2 z −1 (53) T z +1 A la transformación (52) se la denomina Transformación Bilineal. Puede verse que la Transformación Bilineal mapea el eje imaginario del plano s en la circunferencia unitaria del plano z. para frecuencias ω en el intervalo [0 π ] . es decir H e j ω = H a ( jΩ ) ( ) (54) Sin embargo. El mapeo del plano s en el plano z con la transformación bilineal se representa en la figura 12. la variable z recorre la circunferencia unitaria en el plano z. infinitas veces. Es decir. y el semiplano izquierdo del plano s en el interior de la circunferencia unitaria del plano z. Transformación Bilineal en el dominio frecuencial Otra forma de derivar la transformación bilineal es en el dominio frecuencial. Plano z T 2 z=− T s− 2 s+ jΩ Plano s 1 σ Figura 12: Transformación Bilineal. en números complejos s = jΩ sobre el eje imaginario en ( ) el plano s. y permite obtener un filtro digital a partir de la función transferencia de un filtro analógico. De esta forma.

donde Fs es la frecuencia de muestreo. Reemplazando z = e jω = e jΩT en (57). es decir ⎛Ω T ⎞ Ω ∗ = C tan⎜ ∗ ⎟ ⎝ 2 ⎠ lo que resulta en (58) ⎛Ω T ⎞ C = Ω ∗ cot ⎜ ∗ ⎟ ⎝ 2 ⎠ (59) Para este valor de C las respuestas en frecuencia discreta y continua coinciden exactamente para la frecuencia Ω ∗ .B (e jω ) = jΩ (55) donde las frecuencias continuas y discretas verifican Ω = ωFs . que es la única solución de ProDiVoz – Filtros Digitales 18 . El valor C=2/T en (52) correspondería a una frecuencia de matching Ω ∗ = 0 . resulta B (e jΩT ) = = = = e jΩT − 1 C jΩT e +1 (e jΩT / 2 − e − jΩT / 2 ) C jΩT / 2 (e + e − jΩT / 2 ) sen (ΩT / 2) jC cos(ΩT / 2) ⎛ ΩT ⎞ jC tan⎜ ⎟ ⎝ 2 ⎠ Vemos entonces que se verifica el requerimiento (55). entonces la respuesta en frecuencia del filtro digital H(ω) se puede calcular en función de la respuesta en frecuencia del filtro analógico Ha(Ω) a traves de H e jΩT = H a (s ) s = B (e jΩT ) = H a B e jΩT ( ) (( )) (56) Una posible transformación es la bilineal introducida anteriormente en (52) B(z ) = C z −1 z +1 (57) donde ahora se deja el parámetro C libre (igual a 2/T en (52)) de manera de ajustar lo mejor posible las dos respuestas en frecuencia (continua y discreta) en el intervalo ω ∈ [0 π ] . Si es posible hallar dicha transformación. Puede elegirse C de manera que las respuestas en frecuencia continua y discreta coincidan para una frecuencia particular Ω ∗ . que se denomina frecuencia de matching.

Se quiere diseñar un filtro digital con una frecuencia de matching Ω ∗ = 0. con una frecuencia de muestreo de 10 Hz. DiagramaDiagram Bode de Bode 0 Magnitud (dB) Fase (grados) -10 -20 -30 0 -45 -90 -2 10 10 -1 10 0 10 1 Frecuencia (rad/seg) Frequency (rad/sec) Figura 13: Respuesta en Frecuencia del filtro analógico.1 ⎞ C = 0.5 rad/seg .2 ⎛Ω T ⎞ = Ω ∗ cot ⎜ ∗ ⎟ T ⎝ 2 ⎠ Ejemplo Supongamos que se parte de un filtro analógico caracterizado por su función transferencia H a (s ) = 1 2s + 1 La respuesta en frecuencia del filtro se representa en la figura 13.5 × 0. De (59).5 cot ⎜ ⎟ = 19.9958331 2 ⎠ ⎝ en tanto que la transferencia discreta resulta H ( z ) = H a ( s ) s =C z −1 = z +1 z +1 z +1 = (2C + 1)z + (1 − 2C ) 40.991666 La respuesta en frecuencia del filtro analógico y del filtro digital se representa en la figura 14. el valor de la constante C de la transformación bilineal resulta ⎛ 0.991666 z − 38. ProDiVoz – Filtros Digitales 19 .

DiagramaDiagram Bode de Bode 0 -10 -20 -30 -40 -50 0 Fase (grados) Magnitud (dB) -45 -90 -2 10 10 -1 10 0 10 1 10 2 Frequency (rad/sec) Frecuencia (rad/seg) Figura 14: Respuestaen Frecuencia del Filtro analógico y del correspondiente filtro digital. ProDiVoz – Filtros Digitales 20 .

Sign up to vote on this title
UsefulNot useful