P. 1
Filtros Digitales - Aproximaciones

Filtros Digitales - Aproximaciones

|Views: 816|Likes:
Publicado porRafael
Aproximacion de Chevyshev
Aproximacion de Chevyshev

More info:

Published by: Rafael on Nov 17, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PPT, PDF, TXT or read online from Scribd
See more
See less

01/13/2013

pdf

text

original

FILTROS DIGITALES

1

CONCEPTOS GENERALES. 

FILTRO DIGITAL: Proceso computacional que genera una secuencia DIGITAL: discreta a partir de otra, según una regla preestablecida. preestablecida. CLASIFICACIÓN En función de la forma del módulo de la respuesta en frecuencias En función del procedimiento de realización En función de la longitud de la respuesta impulsional En función de la característica de fase. ANÁLISIS: Proceso por el cual dado un filtro digital Respuesta en Frecuencias  

2

CONCEPTOS GENERALES. 


SINTESIS O DISEÑO DE FILTROS DIGITALES El proceso del diseño del filtro consiste bien en: a) La selección de los coeficientes de la ecuación en diferencias, ó b) La determinación de la respuesta impulsional de forma que se cumpla algún criterio sobre las características en el dominio del tiempo o de la frecuencia.

3

CONCEPTOS GENERALES.
Ventajas de los filtros digitales:

‡ Alta inmunidad al ruido ‡ Alta precisión (limitada por los errores de redondeo en la aritmética empleada ‡ Fácil modificación de las características del filtro ‡ Muy bajo coste

Por estas razones, los filtros digitales están reemplazando rápidamente a los filtros analógicos.

4

CLASIFICACIÓN DE FILTROS DIGITALES
‡FILTROS FIR ‡FILTROS IIR

5

FILTROS FIR
Un filtro FIR de orden M se describe por la siguiente ecuación diferencia

y(n)=B0 x(n)+B1 x(n-1)+« BM x(n-M)
lo que da lugar a la función de transferencia:

H(z)=B0+B1 z-1+B2 z-2+«+BM z-M
‡ La secuencia {Bi} son los coeficientes del filtro. ‡La respuesta es por tanto una suma ponderada de valores pasados y presentes de la entrada. De ahí que se denomine Media en Movimiento (Moving Average) ‡ La función de Transferencia tiene un denominador constante y sólo tiene ceros. ‡ La respuesta es de duración finita ya que si la entrada se mantiene en cero durante M periodos consecutivos, la salida será también cero.

Filtros IIR (Infinite Impulse Response)

AR ARMA

Filtros AR (Autoregresivo)
La ecuación en diferencia de un filtro AR es
y ( n )  A1 y ( n  1)  A2 y ( n  2)  ....  AN y ( n  N ) ! x ( n )

lo que da lugar a una función de transferencia:
H ( z) ! 1 1  A1 z 1  A2 z  2  ....  AN z  N

‡ La función de transferencia contiene solo polos.

‡ El filtro es recursivo ya que la salida depende no solo de la entrada actual sino además de valores pasados de la salida. ‡ El término autoregresivo tiene un sentido estadístico en que la salida y[n] tiene una regresión hacia sus valores pasados. 7

Filtros ARMA (Autoregresivo y Media en Movimiento)
Es el filtro más general y es una combinación de los filtros MA y AR descritos anteriormente. La ecuación diferencia que descibe un filtro ARMA de orden N es:
y (n)  A1 y ( n  1)  A2 y (n  2)  ....  AN y ( n  N ) ! B0 x (n)  B1 x (n  1)  ...  B M x( n  M )

Y la la función de transferencia:
B0  B1 z 1  B2 z 2  ...  B M z  M (z) ! 1  A1 z 1  A2 z  2  ....  AN z  N

‡ Un filtro de este tipo se denota por ARMA(N,M), es decir es Autoregresivo de orden N y Media en Movimiento de orden M. ‡ Su respuesta a impulso es también de duración infinita y por tanto es un filtro del tipo IIR.

8

9

10

El proceso de diseño de un filtro digital requiere tres pasos:

‡

Establecer las especificaciones del filtro para unas determinadas prestaciones. Estas especificaciones son las mismas que las requeridas por un filtro analógico : frecuencias de parabanda y pasabanda, atenuaciones, ganancia dc, etc. Determinar la función de transferencia que cumpla las especificaciones. Realizar la función de transferencia en hardware o software.

‡

‡

11

¿IIR o FIR?
‡ ‡ ‡ ‡ Los filtros IIR producen en general distorsión de fase, es decir la fase no es lineal con la frecuencia. Los filtros FIR son de fase lineal. El orden de un filtro IIR es mucho menor que el de un filtro FIR para una misma aplicación. Los filtros FIR son siempre estables.

12

DISEÑO DE FILTROS IIR

13

APROXIMACIÓN AL DISEÑO DE FILTROS ANALÓGICOS 

Se trata de determinar la H(s) de un sistema LIT cuya correspondiente respuesta frecuencial caiga dentro del margen de tolerancias especificado.

14

APROXIMACIÓN AL DISEÑO DE FILTROS ANALÓGICOS 

Constituye un problema de aproximación funcional: Y (s)
H (s) ! X (s) H ( j; ) e
j= ( ; )

Butterworth Chebyshev Elíticos

H ( j; ) !

X ! 

d = (; ) d;

H ( j; )

2

! H (s)H ( s)
2

s ! j;

H ( s ) H (  s ) ! H ( j; ) 

;

2

! s

2

15

Ganancia de un filtro:

G (;) ! 10 log H ( j; ! 20 log H ( j;
1 H ( j;

2

Atenuación:

A(; ) ! 20 log

Frecuencia de corte
En decibelios:

c:

?H ( j; A
1

;!;c

!

1 2

H ( j;) max
1 2

20 log H ( j; ! 20 log( ! 20 log H ( j; max  3dB

2

H ( j; max ) ! 20 log H ( j; max  20 log

Las pendientes se miden en: ‡ dB/octava ‡ dB/decada
16

APROXIMACIÓN BUTTERWORTH 

La aproximación de Butterworth consiste en :

siendo N en orden del filtro, c la frecuencia de corte del filtro, (que representa una atenuación de 3dB).

17

APROXIMACIÓN BUTTERWORTH 

Se define el filtro Butterworth normalizado como: 

Características:
Esta aproximación es la que presenta una respuesta mas plana en =0. ( Para un filtro de orden N, las 2N-1 primeras derivadas de 2N|H(j )|son nulas en =0. Para altas frecuencias presenta una pendiente asintótica de -20N dB/década. En general, la ganancia es monótona decreciente con .

18

APROXIMACIÓN BUTTERWORTH

19

Determinación de la Función de Transferencia

20

21 

En general la función de transferencia de un filtro de Butterworth de orden N es de la forma:

1 H n (s) ! 1  a1 s  a 2 s 2  ...  a N 1 s N

22

Aproximación de Chebyshev 

La aproximación es:

: Controla la amplitud del rizado en paso banda. k: Controla el nivel de ganancia. TN( ): Polinomio de Chebyshev de 1ª clase y orden N definido por: TN( ) = cos( N cos-1 ) , | |<1 TN( ) = cosh(N cosh-1 ) , | |>1

23

Aproximación de Chebyshev 

Propiedades de los polinomios de Chebyshev: Chebyshev: 1) TN(0) =(-1)N/2 si N es par, 0 si N es impar =(2) TN(1) =

1 N

3) TN(-1) = 1 si N es par, -1 si N es impar 4) TN ( ) oscila con rizado constante entre +1 y -1 para | |<1 5) Para | |>1, TN( ) es monótona creciente, tendiendo a infinito como 2N-1 N
24 

Representación gráfica de los polinomios de Chebyshev de distintos órdenes.

25

Aproximación de Chebyshev 

A partir de la frecuencia de corte normalizada ( =1), [Hn(j )]2 pasa a ser monótona decreciente.

FORMA GENERAL EN LA APROXIMACION CHEBYSHEV a) N par (N=4) b) N impar (N=5)
26

Aproximación de Chebyshev 


En pasabanda

oscila entre k (máx.) y k/(1+ 2) (mín.)

Se denomina RIZADO en db (*) a la relación de valores máximos y mínimos de [Hn(jS)2] en pasabanda: 

K se escoge para ajustar la ganancia en c.c., así para ganancia unitaria en c.c, K debe ser: 

A altas frecuencias, la ganancia en dB tiene asintóticamente a:

27

Aproximación de Chebyshev 

Presenta las siguientes características:
Ganancia en paso banda mas balanceada que la Butterworth. La ganancia en paso banda oscila con rizado * constante. La ganancia en rechazo de banda decrece monótonamente y es similar a la Butterworth.

28

Aproximación elíptica 

La aproximación Chebyshev presenta mejores características que la Butterworth en el paso banda. A altas frecuencias, en el rechazo de banda, ambas presentan un buen comportamiento, pero sus características se deterioran progresivamente al decrecer la frecuencia. La aproximación elíptica es la que presenta un mejor comportamiento en este último sentido, al poseer una banda de transición mas estrecha, comparativamente para un orden dado del filtro. La aproximación elíptica presenta rizado constante en el paso banda y rechazo de banda.  

29

Comparación de los tres tipos para un mismo orden

30

Transformaciones en frecuencia 

A partir de estas aproximaciones pueden obtenerse otros tipos de filtros analógicos a través de una transformación de la variable frecuencial.

31

Transformaciones en frecuencia
Transformación paso bajo a paso alto 

32

Transformaciones en frecuencia 

Transformación paso bajo a paso alto
Si el Filtro es Butterworth o Chebyshev, oh es la frecuencia de corte del filtro paso alto (que le corresponderá oh / oh =1 rad/seg en el paso bajo normalizado). Si el Filtro es elíptico

33 

Transformación paso bajo a paso banda

siendo

oh

y B constantes a determinar de forma que se

cumplan las especificaciones del filtro paso banda.

34

DISEÑO DE FILTROS DIGITALES IIR 

Metodología: Metodología: Dado un filtro analógico, generar un filtro digital con características similares. Aprovechar las ventajas y la simplicidad del diseño analógico. Simular con filtros digitales las características de los filtros analógicos. 

Condiciones: Que se conserven las propiedades esenciales de la respuesta en frecuencia del Filtro Analógico en la correspondiente al Filtro Digital. (es decir, que se mapee el eje imaginario del plano S en el círculo unidad del plano Z) 2) Que se garanticen los requisitos de Estabilidad 1)

35 

Método de la Respuesta Impulsional Invariante 

Método de la aproximación numérica de la ecuación diferencial  Método de la Transformación Bilineal

36

MÉTODO DE LA RESPUESTA IMPULSIONAL INVARIANTE 

Criterio: Encontrar un filtro digital cuya respuesta Impulsional sean muestras equiespaciadas de la respuesta Impulsional del filtro analógico. h(n)=ha(t)t=nT Las respuestas en frecuencias del filtro digital estarán relacionadas con la respuesta en frecuencia del filtro analógico por:

Es decir, la respuesta en frecuencias del filtro digital consiste en la suma de infinitos términos de respuestas analógicas frecuenciales escaladas y desplazadas.
37

MÉTODO DE LA RESPUESTA IMPULSIONAL INVARIANTE 

A partir del Teorema del muestreo sabemos que: Si Ha(j )= 0 para /T, entonces:

H(ejw) = 1/T Ha(j ) para w 

La siguiente expresión constituye una generalización de la anterior:

38

MÉTODO DE LA RESPUESTA IMPULSIONAL INVARIANTE 

Correspondencia entre polos: Sea un polo en s = corresponderá con:

+j

, que se

Pz ! e sT ! e WT e j;T ! Ve jw
Preserva la estabilidad del filtro:

® ! e WT V siendo ¯ w ° ! ;T
W 0  V ! z ± para ¯W ! 0   V ! 1 ± " 0  V "1 W ° 1 

Observamos que si:

s1 ! W 1  j;1 ± ¯ ± ! W  j (;  2T / T ) s 1 1 °2

 

z1 ! z 2

Lo cual da lugar a una ambigüedad en la localización de los polos, si estos tienen una parte imaginaria no comprendida entre [- /T, /T] [39

Relación entre el plano S y el plano Z 

Cada franja horizontal de ancho s en el plano S se mapea en la totalidad del plano Z. Esta ambigüedad es otra manifestación del fenómeno aliasing, encontrado al muestrear señales analógicas.

40

MÉTODO DE LA RESPUESTA IMPULSIONAL INVARIANTE
T debe escogerse suficientemente pequeño, de forma que todos los polos del filtro analógico, caigan dentro de la primera franja. La técnica de la repuesta Impulsional invariante puede distorsionar la forma de la respuesta frecuencial por el "aliasing", aun cuando todos los polos del filtro analógico están en la primera franja.  

41

MÉTODO DE LA RESPUESTA IMPULSIONAL INVARIANTE 

Ajuste Directo de las Respuestas Impulsionales:

Objetivo: Computar H(z) directamente a partir de Ha(s). Expandir Ha(s) en fracciones simples:

42

MÉTODO DE LA RESPUESTA IMPULSIONAL INVARIANTE

Para cada

Ai Hi ! s  pi

sea : h i (t) ! ¯ 0 ° ; t

A i e pi t ; t u 0 0
g

Muestreando : t ! kT :

h i (k) !

i

e

pi kTt

; tu0  

i

( z ) ! § Ai e pi kT z  k
k !0

43

SOLUCIÓN NUMÉRICA DE LA ECUACIÓN DIFERENCIAL 

Criterio: Obtener el filtro digital aproximando las derivadas de la ecuación diferencial correspondiente a un filtro analógico, mediante diferencias finitas.

d k y a (t ) M d k xa (t ) § ck dt k !§ d k dt k k !0 k !0
N

dy a ( t ) » p ¼ dt ½ t ! nT d
K

“ (1) ?y ( n ) A !

y ( n )  y ( n  1) T

y a (t ) » p ¼ K dt ½ t ! nT

“ (k) ?y ( n ) A ! “ (1) “ (k -1) ?y ( n ) A

?

A

44

SOLUCIÓN NUMÉRICA DE LA ECUACIÓN DIFERENCIAL
Comparando ambas funciones de transferencia:
M

§
H ( z ) !
k ! 0 N

d c

k

«1  z ¬ T ­ «1  z ¬ T ­ 

1

» ¼ ½ » ¼ ½

k

§
k ! 0 M 

1

k

k

§
H (s) !
k ! 0 N

d c

k

s s

k

§
k ! 0

k

k

Podemos concluir que:

H ( z ) ! H ( s ) As ! 1  z  1
T
45 

Análisis del mapeo S

Z:

Sustituyendo s=j

, resulta:

y expresando el cociente en forma polar:

46

SOLUCIÓN NUMÉRICA DE LA ECUACIÓN DIFERENCIAL
Luego, el mapeo de polos es "semiplano izquierdo de s al círculo anterior en z". Observar que aunque el eje jS no se mapea en el círculo unidad, los polos caen dentro de éste y por tanto el filtro digital resulta estable. Hay una noción intuitiva según la cual, la simulación discreta del operador derivada mediante diferencias finitas es mejor cuanto mas pequeña es la distancia entre muestras (periodo de muestreo). Esta idea resulta consistente de acuerdo con los resultados obtenidos. Si T es suficientemente pequeño en L (1) [y(n)], la respuesta en frecuencias del filtro digital se concentra en la vecindad de z=1, es decir donde ambos círculos son tangentes, por lo que el filtro digital sera bastante aproximado al analógico.

47

SOLUCIÓN NUMÉRICA DE LA ECUACIÓN DIFERENCIAL
Una aproximación alternativa consiste en reemplazar las derivadas por una aproximación en diferencias hacia adelante: L(1) [y(n)] = [y(n+1)-y(n)]/T [y(n+1)la cual presenta la desventaja de que puede dar lugar a filtros digitales inestables. De todos modos, los métodos hasta ahora comentados suelen dar lugar a resultados insatisfactorios si el filtro que se diseña no es paso bajo.

48

METODO DE LA TRANSFORMACIÓN BILINEAL 

CRITERIO: Obtener el filtro digital integrando la ecuación diferencial correspondiente al filtro analógico y realizando una aproximación numérica de la misma. La transformación se puede expresar como: 

49

Análisis del mapeo S

Z:
;T ! 2 arctag ± ± 2 resulta ¯ ± ! 2 tag w ; ± T 2 °

‡ Para pequeños valores frecuenciales:

=w/T

‡ A altas frecuencias, la compresión no lineal produce que la función de transferencia resulte distorsionada cuando se traslada al dominio w.
50

¡

s!

s! j ¨ 1  (T / 2) s ¸ 2 ¨ z 1¸ ¹ sustituyendo ¯ © ¹ z!© © 1  (T / 2) s ¹ j T ª z 1º z º ª °!e

 

 

METODO DE LA TRANSFORMACIÓN BILINEAL 

La transformación bilineal da lugar a filtros digitales estables partiendo de filtros analógicos estables.

La respuesta en frecuencias del filtro digital será:

51

METODO DE LA TRANSFORMACIÓN BILINEAL
Para evitar la distorsión frecuencial lo que se hace es predistorsionar las especificaciones originales. Es decir, predistorsionar wc y wr según la relación: con el objeto de determinar los valores apropiados de c para el correspondiente diseño continuo. Después de aplicar la TB daría: c y

2 w T w ! 2arctag (;T / 2) ! 2arctag ( tag ) ! w T 2 2

52

DISEÑO DE FILTROS DIGITALES FIR 

Ventajas:
Facilidad de diseño para filtros de fase lineal Realización eficiente en forma tanto recursiva como no recursiva Factible implementación utilizando la FFT Los filtros FIR no recursivos, son siempre estables. El ruido de redondeo puede hacerse fácilmente pequeño con realizaciones no recursivas. 

Desventajas:
Se requiere un número de puntos N alto para aproximar filtros de transición brusca. El retardo de fase puede no ser entero.
53

DISEÑO DE FILTROS DIGITALES FIR Filtros FIR simétricos y antisimétricos 

Un filtro FIR de longitud M se describe por la ecuación en diferencias:

ó bien por la convolución:

a partir de ambas expresiones, se deduce que: bk=h(k), k=0,1,2,...,M-1 k=0,1,2,...,M-

54

DISEÑO DE FILTROS DIGITALES FIR
Filtros FIR simétricos y antisimétricos 

El filtro también se puede caracterizar por su función de transferencia:

que es un polinomio de grado M-1 en la variable z-1. M

Un Filtro FIR tiene fase lineal si su respuesta impulsional satisface la condición:

55

DISEÑO DE FILTROS DIGITALES FIR
Filtros FIR simétricos y antisimétricos 

Teniendo en cuenta estas condiciones de simetría y antisimetría: 

Ahora, si sustituimos z-1 por z en la expresión de H(z) y zmultiplicamos ambos lados de la ecuación resultante por (Mz-(M-1) , obtenemos:

56

DISEÑO DE FILTROS DIGITALES FIR
Filtros FIR simétricos y antisimétricos 

Las características de respuesta en frecuencia de filtros FIR de fase lineal se obtienen evaluando H(z) en el círculo unidad. Cuando h(n)=h(M-1-n), H(w) se puede expresar como: h(n)=h(M- 

donde Hr( w) es una función real de w y se puede expresar como:

57

DISEÑO DE FILTROS DIGITALES FIR
Filtros FIR simétricos y antisimétricos La característica de fase del filtro para M impar y par es: 

 

Cuando h(n)=-h(M-1-n) , la respuesta impulsional es antisimétrica. h(n)=-h(MPara M impar es h((M-1)/2)=0. h((MEn este caso:

58

DISEÑO DE FILTROS DIGITALES FIR
Filtros FIR simétricos y antisimétricos donde: 

La característica de fase del filtro para M par y M impar es:

59

DISEÑO DE FILTROS FIR DE FASE LINEAL USANDO VENTANAS 

Especificación de Hd(w) y determinación (mediante la Transformada de Fourier) de hd(n): 

En general, hd(n) es infinita, por lo que para producir un filtro FIR de longitud M, debe ser truncada en un punto n=M-1. Lo que equivale a multiplicar por una ventana rectangular n=Mw(n):

60

DISEÑO DE FILTROS FIR DE FASE LINEAL USANDO VENTANAS 
La respuesta impulsional del filtro FIR será: 

Consideremos el efecto de la función ventana en la respuesta en frecuencias deseada Hd(w), y recordemos que multiplicar por una función ventana equivale a una convolución en frecuencias de los espectros, esto es:

61

DISEÑO DE FILTROS FIR DE FASE LINEAL USANDO VENTANAS
La transformada de Fourier de la ventana rectangular es:

La función ventana tiene una respuesta en magnitud:

Y una fase lineal a tramos:

62

DISEÑO DE FILTROS FIR DE FASE LINEAL USANDO VENTANAS
La convolución de Hd(w) con W(w) tiene el efecto de suavizar Hd(w)

(a) Proceso de convolución implicado por la truncación de la resp. Impul. deseada (b) Aproximación típica resultado del ventaneo de la resp. impulsioal deseada
63

DISEÑO DE FILTROS FIR DE FASE LINEAL USANDO VENTANAS 

En la elección de la ventana rectangular, hay que llegar a una solución de compromiso entre:
Elegir M de forma que W(ejw) sea lo mas estrecho posible. Elegir M de forma que la duración de w(n) se lo mas corta posible.

Otra solución alternativa consiste en usar ventanas menos abruptas en sus características en el dominio temporal. Todas estas funciones ventanas tienen lóbulos laterales mas bajos comparados con la ventana rectangular, sin embrago para un mismo valor de M el ancho del lóbulo principal es también mas amplio, por lo que la región de transición del filtro será mas amplia. Para reducir este ancho, podemos simplemente incrementar la longitud de la ventana.
64

DISEÑO DE FILTROS FIR DE FASE LINEAL USANDO VENTANAS

Ventanas usadas para el diseño de filtros FIR
65

DISEÑO DE FILTROS FIR DE FASE LINEAL USANDO VENTANAS
Características para los distintos tipos de ventanas:

66

DISEÑO DE FILTROS FIR DE FASE LINEAL USANDO VENTANAS

67

DISEÑO DE FILTROS FIR DE FASE LINEAL USANDO VENTANAS

68

69

70

71

72

73

74

75

76

77

DISEÑO DE FILTROS FIR DE FASE LINEAL USANDO VENTANAS

Supongamos que queremos diseñar un filtro FIR de fase lineal paso bajo y simétrico con una respuesta en frecuencias deseada:

78

DISEÑO DE FILTROS FIR DE FASE LINEAL USANDO VENTANAS 

El retardo (M-1)/2 es para forzar la longitud M. La respuesta (Mimpulsional es: Observar que hd(n) es no causal y de duración infinita.

Si se selecciona M impar el valor de h(n) en n=(M-1)/2 es: n=(M-

79

DISEÑO DE FILTROS DIGITALES FIR
Diseño de Filtros FIR de fase lineal por el método de Muestreo en Frecuencia 

Especificamos la respuesta en frecuencias deseada Hd(w) en un conjunto de frecuencias equiespaciadas:

y calculamos la respuesta impulsional h(n) del filtro FIR a partir de estas especificaciones. Para reducir los lóbulos laterales deseable optimizar la especificación de frecuencia en la banda de transición del filtro.
80

DISEÑO DE FILTROS DIGITALES FIR
Diseño de Filtros FIR de fase lineal por el método de Muestreo en Frecuencia Explotando una propiedad básica de simetría de la función de respuesta en frecuencia muestreada para simplificar los cálculos. Sea la respuesta en frecuencia deseada del filtro FIR:

Supongamos que especificamos la respuesta en frecuencias del filtro en las frecuencias anteriores. Entonces, obtenemos:

81

DISEÑO DE FILTROS DIGITALES FIR
Diseño de Filtros FIR de fase lineal por el método de Muestreo en Frecuencia Expresando h(n) en función de , obtenemos:

Esta expresión nos permite calcular los valores de h(n) a partir de la especificación de las muestras en frecuencia

82

DISEÑO DE FILTROS DIGITALES FIR
Diseño de Filtros FIR de fase lineal por el método de Muestreo en Frecuencia Observar que cuando e IDFT respectivamente. Al ser h(n) real: Esta condición de simetría, junto con las condiciones de simetría para h(n) ayudan a reducir ala mitad las especificaciones en frecuencias. Así, las ecuaciones lineales para determinar h(n) a partir de se simplifican considerablemente. , ambas expresiones se reducen a la DFT

83

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->