Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Modulo
Modulo
NEIVA
Enero de 2013
INTRODUCCIN
El curso de Procesamiento Digital de Seales es de tipo terico y es ofrecido
dentro del portafolio de cursos para el programa de ingeniera electrnica de la
Universidad Nacional Abierta y a Distancia UNAD. Tiene como objetivo principal
dotar al estudiante de los conocimientos necesarios para el diseo y la
implementacin de filtros digitales de caractersticas frecuenciales especficas;
todo esto a travs de la estrategia de educacin abierta y a distancia.
El procesamiento digital de seales es una disciplina que abarca la
representacin, transformacin y manipulacin de seales y de la informacin que
contienen. En este curso se presenta una introduccin a las tcnicas
computacionales y herramientas bsicas para el anlisis y diseo de sistemas de
procesamiento digital de seales, haciendo nfasis en los filtros selectivos en
frecuencia. El curso es complementado con simulaciones prcticas para la
exploracin a fondo de los conceptos analizados en la parte terica.
El curso tiene 3 crditos acadmicos, los cuales comprenden el estudio
independiente y el acompaamiento tutorial, con de abordar las unidades
didcticas:
Unidad 1: Seales y sistemas discretos
Unidad 2: Diseo de Filtros Digitales
Unidad 3: Aplicaciones de Filtros digitales
La metodologa a seguir ser bajo la estrategia de educacin a distancia. Por tal
razn, ser importante planificar los procesos de:
Estudio Independiente: este se desarrollar a travs del trabajo personal y del
trabajo en pequeos grupos colaborativos de aprendizaje.
Acompaamiento tutorial: corresponde al acompaamiento que el tutor realiza
al estudiante para potenciar el aprendizaje y la formacin. Este acompaamiento
se puede adelantar de forma individual, en pequeos grupos o a nivel de grupo de
curso.
La evaluacin del curso se define como cualitativa - participativa, y mide la calidad
de los procesos y productos de aprendizaje. Se evidencia desde las formas de:
INDICE DE CONTENIDO
UNIDAD 1 SEALES Y SISTEMAS DISCRETOS ............................................................................ 11
INTRODUCCIN ...................................................................................................................... 12
CAPITULO 1: INTRODUCCIN AL PROCESAMIENTO DIGITAL DE SEALES... 13
Leccin 1: SISTEMAS DSP ................................................................................................................. 13
Proceso de conversin de anlogo a digital (ADC)............................................................................ 14
Teorema del muestreo ...................................................................................................................... 14
Leccin 2: SEALES EN TIEMPO DISCRETO ...................................................................................... 19
Seales elementales en tiempo discreto .......................................................................................... 21
Leccin 3: SISTEMAS LTI ................................................................................................................... 24
Leccin 4: PROPIEDADES DE LOS SISTEMAS DISCRETOS .................................................................. 25
Leccin 5: RESPUESTA IMPULSO ...................................................................................................... 29
CAPITULO 2: TRANSFORMADA DE FOURIER.... 32
Leccin 6: SERIES DE FOURIER ......................................................................................................... 32
Series de Fourier para seales peridicas ......................................................................................... 32
Series de Fourier para seales discretas peridicas ......................................................................... 33
Leccin 7: TRANSFORMADA DISCRETA DE FOURIER........................................................................ 36
Introduccin ...................................................................................................................................... 36
Leccin 8: PROPIEDADES DE LA DFT ................................................................................................ 38
Linealidad .......................................................................................................................................... 38
Periodicidad....................................................................................................................................... 38
Simetra ............................................................................................................................................. 38
Leccin 9: CORRELACIN DE SEALES EN TIEMPO DISCRETO ......................................................... 39
Introduccin ...................................................................................................................................... 39
Correlacin ........................................................................................................................................ 39
Leccin 10: CORRELACIN CON AYUDA COMPUTACIONAL ............................................................ 47
CAPITULO 3: TRANSFORMADA Z..... 50
Leccin 11: TRANSFORMADA Z BILATERAL DIRECTA ....................................................................... 50
Leccin 12: PROPIEDADES DE LA TRANSFORMADA Z BILATERAL .................................................... 53
Linealidad .......................................................................................................................................... 53
Desplazamiento en el tiempo ........................................................................................................... 55
Escalado en el dominio Z ................................................................................................................... 55
Conjugacin ...................................................................................................................................... 56
Inversin temporal ........................................................................................................................... 57
Leccin 13: TRANSFORMADA Z INVERSA ......................................................................................... 58
Definicin ......................................................................................................................................... 58
Leccin 14: TRANSFORMADA Z UNILATERAL, DEFINICIN Y PROPIEDADES ................................... 60
Retardo temporal .............................................................................................................................. 61
Adelanto temporal ............................................................................................................................ 61
Teorema del valor final ..................................................................................................................... 62
Leccin 15: RESPUESTA NATURAL Y FORZADA ................................................................................ 64
LISTADO DE TABLAS
Tabla 3.1 Transformada z bilateral de algunas funciones comunes ................................................. 54
Tabla 7.1 Comparacin Filtros digitales .......................................................................................... 119
UNIDAD 1
Nombre de la
Unidad
Introduccin
Justificacin
INTRODUCCIN
Se requiere, entonces, que hayan interfaces entre el mundo real y el DSP que
conviertan las seales anlogas en discretas (Dispositivos ADC) y viceversa
(Dispositivos DAC), tal como se muestra en la figura 1.2; aunque en algunos casos
es posible que no se necesiten uno o ambos procesos.
En este caso el sistema ADC toma una seal anloga proveniente de algn
fenmeno fsico y entrega una discreta o digital al sistema DSP.
De manera terica, el proceso de conversin ADC requiere de cuatro pasos como
se muestra en la figura 1.3.
Esta seal puede representarse por medio de una serie de Fourier as:
Con:
Y,
La forma del espectro de la seal resultante, luego del muestreo, ser como se
muestra en la figura 1.7:
En este caso es imposible recuperar el espectro original por medio del filtrado
pasabajos ya que se produjo lo que se denomina aliasing o solapamiento en la
frecuencia.
La frecuencia mnima de muestreo har que las distintas componentes espectrales
queden juntas como se muestra en la figura 1.9:
Por ejemplo, en telefona se limita en banda a 3.4 KHz y se utiliza una rata de
muestreo de 8000 muestras/s, lo que da una banda de guarda de 1200 Hz.
En la prctica siempre ocurrir aliasing debido a que las seales nunca son de
banda limitada y tambin a que siempre hay ruido presente, el cual tiene un gran
ancho de banda.
La idea es mantener el aliasing tan bajo como sea posible y tambin reducir la rata
de muestreo al mnimo para bajar las exigencias de velocidad al conversor
anlogo digital y del procesador, y disminuir las exigencias de ancho de banda del
sistema, lo cual se logra filtrando la seal antes del muestreo.
Representacin tabular:
unitario:
La figura 1.10 se puede obtener en Matlab empleando una funcin como la del
ejemplo M2:
Ejemplo M2:
function x=impulse(long,k)
%La seal x generada por esta funcin es un impulso de longitud long
%y desplazado k unidades de tiempo.
if k<0
n=-long:0;
L=length(n);
x=zeros(1,L);
x(L+k)=1;
else
n=0:long;
L=length(n);
x=zeros(1,L);
x(k+1)=1;
end
stem(n,x)
Escaln unitario:
La figura 1.11 se puede obtener en Matlab empleando una funcin como la del
ejemplo M3:
Ejemplo M3:
function x=escalon(long,k)
%La seal x generada por esta funcin es un escaln de longitud long
%y desplazado k unidades de tiempo.
n=k-3:long+k-4 ;
x=zeros(1,long);
x(4:long)=1;
stem(n,x)
Rampa unitaria:
La figura 1.12 se puede obtener en Matlab empleando una funcin como la del
ejemplo M4:
Ejemplo M4:
function x=rampa(long,k)
%La seal x generada por esta funcin es una rampa de longitud long
%y desplazada k unidades de tiempo.
n=k-3:long+k-4 ;
m=0:long-4;
x=zeros(1,3);
x=[x,m];
stem(n,x)
Seal sinusoidal:
xnAcos n , n
Donde:
: [rad]
f: [ciclos/muestra]
: [rad/muestra]
2f
La figura 1.13 se puede obtener en Matlab empleando una funcin como la del
ejemplo M5:
Ejemplo M5:
function x=seno(A,f0,Theta,Num_ciclos)
%La seal x generada por esta funcin es una sinusoide de amplitud: A,
%frecuencia: f0 (entre 0 y 1), Theta en radianes y nmero de ciclos:
%Num_ciclos.
N=ceil(1/f0);
L=N*Num_ciclos;
n=0:L-1;
x=A*sin(2*pi*f0*n+Theta);
stem(n,x)
Los sistemas LTI son subconjuntos de los sistemas lineales, estos obedecen al
principio de superposicin. En la siguiente figura, se puede observar el efecto de
aplicar el tiempo invariante a la definicin de sistema lineal del sistema anterior.
Multiplicador
Modulador
Acumulador
Media Mvil
Causalidad
para todo n. Si la secuencia de entrada x(n) produce una salida no acotada (es
decir, infinita), el sistema se clasifica como inestable.
2.5
Amplitud
1.5
0.5
0
-1
-0.5
0.5
n
1.5
Se puede observar que n = -1, 0,1, 2. Para n = 1, la secuencia x(n) tiene valor de
cero. Por tanto, slo se requiere tres impulsos en los puntos k =-1, 0, 2. Por tanto,
x(n) se expresa como:
0.9
1.5
0.8
0.7
0.5
0.6
Amplitud
0.5
-0.5
0.4
-1
0.3
-1.5
0.2
-2
0.1
-2.5
0
-2
-1.5
-1
-0.5
0
n
0.5
1.5
-3
-2
-1.5
-1
-0.5
0
n
0.5
1.5
0.9
1.5
0.8
0.7
0.5
0.6
Amplitud
Amplitud
Amplitud
0.5
-0.5
0.4
-1
0.3
-1.5
0.2
-2
0.1
-2.5
0
-1
-0.5
0.5
1
n
1.5
2.5
-3
-1
-0.5
0.5
1
n
1.5
2.5
Para determinar cules son los coeficientes del desarrollo en serie de Fourier se
realiza:
Se obtiene que:
Ya que
para
Para l<0, desplazamos y(n) hacia la izquierda con relacin a x(n) l muestras,
calculamos la secuencia producto vl(n)= x(n) y (n-l), y sumamos todos los valores
de dicha secuencia producto. As los v se obtendrn los valores de correlacin
cruzada.
>> y = conv(x,h)
o Hace la convolucin de los vectores x y h. El vector resultante y tiene
un tamao igual a length(x)+length(h)-1
El vector de salida c tiene elementos propuestos por c (m) = Rxy (m-N), m = 1, ...,
2N-1.
En general, la funcin de correlacin requiere la normalizacin para producir una
estimacin precisa (vase ms adelante).
c = xcorr (x) es la secuencia de autocorrelacin para el vector x. Si x es una
matriz N por P, C es una matriz con 2N-1 filas cuyos P2 columnas contienen las
secuencias de correlacin cruzada para todas las combinaciones de las
columnas de
xcorr produce correlaciones idnticamente igual a 1,0 en cero lag slo cuando se
realiza una autocorrelacin y slo cuando se establece el "coeficiente" opcin.
Por ejemplo,
x=0:0.01:10;
X = sin(x);
[r,lags]=xcorr(X,'coeff');
max(r)
c = xcorr (x, y, 'option') especifica una opcin de normalizacin para la correlacin
cruzada,
donde 'opcin' es
Ejemplos
CAPITULO 3: TRANSFORMADA Z
de
una
seal
muestreada,
su
Como la transformada z es una serie infinita de potencias, sta existe solo para los
valores de z en que la serie converge. La regin de convergencia (ROC, regin of
convergence) de X (z) es entonces el conjunto de valores de z para los que X (z)
es finita.
Solucin:
Solucin:
, con r = |z| y
entonces:
, entonces
Ntese que la ROC final debe ser al menos la interseccin de las dos ROC
individuales.
Desplazamiento en el tiempo
y con m = n k
y con
transformacin:
se obtiene con
y la linealidad de la
Por lo que
Conjugacin
Si x(n) tiene como transformada z a X (z) con ROC R entonces
Inversin temporal
Demostracin:
Entonces
Para n < 0 la funcin f(z) tiene un polo de orden n en z = 0, que tambin est
dentro de C, por lo que dos polos z1 = 0 y z2 = a contribuyen al valor de la
integral.
Con n = 1:
Con n = 2:
Esto se puede repetir para todo n < 2 resultando en x(n) = 0. Por tanto,
resumiendo ambos casos en una ecuacin se obtiene:
x(n) = an u(n)
Retardo temporal
Si
, entonces
, entonces
para k > 0.
Demostracin:
3.
y adems:
Encuentre la respuesta natural del sistema ante las condiciones iniciales y (1) = 0
y y (2) = 4, y la respuesta forzada del sistema ante un escaln unitario.
Solucin:
Aplicando la transformada z unilateral, sus propiedades de retraso en el tiempo, y
considerando que la entrada x(n) es causal, se cumple:
y por lo tanto
UNIDAD 2
Nombre de la
Unidad
Introduccin
Justificacin
INTRODUCCIN
En los apartes que siguen se muestra por qu un filtro ideal, a pesar de tener una
respuesta en frecuencia deseable no puede realizarse fsicamente.
Sea un filtro ideal pasabajo con una respuesta en frecuencia dada por:
es causal.
De este teorema se puede concluir que H (w) puede ser cero en algunas
frecuencias pero no en un intervalo de frecuencias y tambin que cualquier filtro
ideal es no causal.
Por otro lado se puede probar que hay una fuerte dependencia entre H R (w) y HI
(w) o de manera equivalente, entre la magnitud y la fase y por lo tantos stas no
se pueden especificar independientemente.
Sea:
Pero,
Luego,
Entonces:
Adems,
Como ho (0) = 0 no se puede recuperar h (0) de ho (n) y por tanto se debe conocer
tambin h (0).
De lo anterior se concluye que ho(n) = he(n) para n 1 o sea, hay una fuerte
relacin entre ho (n) y he (n).
Si h(n) es absolutamente sumable, existe la correspondiente respuesta en
frecuencia dada por:
H(w ) = HR (w ) + jHI (w )
Si se supone que h(n) es real y causal, se tiene que:
Y por lo tanto, puesto que h(n) est completamente especificado por h e (n),
entonces H (w) se determina completamente por HR (w) o, de igual forma, H (w) se
especifica completamente por HI (w) y h (0), en conclusin, HR (w) y HI (w) o la
magnitud y la fase de H (w) no se pueden especificar independientemente si el
sistema es causal.
En donde,
El problema del diseo consiste en seleccionar los {ak} y {bk} tal que se aproxime
la respuesta en frecuencia H(w ) deseada.
En esta figura:
La anchura de banda es
o expresado en
expresado en
Por ltimo se calculan los {ak} y {bk} en H(w) que mejor aproximen estas
especificaciones, lo cual depende del criterio usado en la seleccin de los
coeficientes as como de su nmero (M, N).
Hay varios tipos de filtros as como distintas clasificaciones para estos filtros:
De acuerdo con la parte del espectro que dejan pasar y que atenan hay:
Filtros pasa alto.
Filtros pasa bajo.
Filtros pasa banda.
Banda eliminada.
Multibanda.
Pasa todo.
Resonador.
Oscilador.
Filtro peine (Comb filter).
Filtro ranura o filtro rechaza banda (Notch filter).
Primer orden
Segundo orden, etc.
Laticce
Varios en cascada
Varios en paralelo
Donde a y b son los coeficientes del filtro. El orden es el mximo entre los valores
de M y N.
Aplicando la transformada Z a la expresin anterior:
Hay numerosas formas de implementar los filtros IIR. La estructura afecta a las
caractersticas finales que presentar el filtro como la estabilidad. Otros
parmetros a tener en cuenta a la hora de elegir una estructura es el gasto
computacional que presenta. En la figura 5.1 se representa el modelo de una
estructura de un filtro IIR.
Polos y ceros
Este tipo de filtros presenta polos y ceros que determinan la estabilidad y la
causalidad del sistema. Cuando todos los ceros estn en el interior de la
circunferencia unidad se dice que es fase mnima. Si todos estn en el exterior es
fase mxima. Si algn polo est fuera de la circunferencia unidad el sistema es
inestable.
Diseo de filtros IIR
Las formas habituales de disear este tipo de filtros son:
Indirecta (a partir de prototipos analgicos)
Impulso invariante
Aproximacin de derivadas
Transformacin bilineal
Directa
Aproximacin de Pad
Aproximacin de mnimos cuadrados
Caractersticas
Entonces:
Por tanto,
O de forma equivalente,
Ejemplo:
Convierta el filtro analgico con funcin de transferencia
En un filtro IIR digital por medio de la transformacin bilineal. El filtro digital tiene
que tener una frecuencia resonante wr = /2.
Solucin:
Calculo de la respuesta en frecuencia del filtro anlogo:
num = [ 1.0000 0.1000]
den = [ 1.0000 0.2000 16.0100]
freqs (num, den)
a = Columns 1 through 7
1.0000 1.9924 3.0195 2.8185 2.0387 1.0545 0.4144
Columns 8 through 11
0
Al compararlo con el ejercicio anterior se puede evidenciar que el polo del sistema
se precisa a los 300 Hz a medida que el orden del filtro aumenta.
Para analizar los filtros pasabanda y rechaza banda se analizara en primera
instancia el filtro pasabanda. Se debe recordar que los filtros pasabanda tienen la
caracterstica de dejar pasar las frecuencias en la banda estipulada y rechazar las
frecuencias que no se encuentren dentro de las especificadas. De igual forma, los
filtros rechaza banda rechazan las frecuencias en la banda estipulada y permitirn
pasar las otras frecuencias. A manera de ejemplo se pide disear por medio de
software MatLab un filtro pasabanda con frecuencias entre los 100 y 200Hz, de
orden cuatro.
La nomenclatura del software le permite disear el butter de la siguiente forma:
[B, A] = butter(N, [W1 W2])
Es decir, Wn es en este caso un vector que especifica las frecuencias de la banda
pasante. Tambin la respuesta del filtro variar de acuerdo a la aplicacin en
donde se requiera y el orden del filtro estipulado.
n=4;
Wn= [100 200]/500;
[b,a]=butter(n,Wn,'bandpass');
freqz (b,a,128,1000)
La respuesta plana del sistema nos indica la frecuencia que el filtro deja pasar.
a = Columns 1 through 7
1.0
3.7380 8.0423 11.6797 12.3844 9.7817 5.7220
Columns 8 through 10
2.3861
0.6459 0.087x4
Se sigue observando el rizado del filtro en las bandas de rechazo y se muestra los
picos mximos y mnimos arrojados por l, los cuales estn comprendidos en la
banda pasante de 100 a 200 Hz.
Para dibujar la respuesta al impulso del filtro se realiza a travs del siguiente
comando.
[y,t] = impz(b,a,101);
stem(t,y);
Realicemos el mismo ejercicio para un filtro elptico pasa altos de orden 12 con
frecuencia de corte de 200 Hz.
% Programa que permite analizar el comportamiento del filtro elptico
n=12;
Rp=0.5;
Rs=20;
Wn=[200]/500
[b,a]= ellip(n,Rp,Rs,Wn,'high');
freqz(b,a,512,1000);
figure
[y,t]= impz(b,a,101);
stem(t,y);
Estructura
La estructura bsica de un FIR es:
En la figura 6.1 los trminos h(n) son los coeficientes y los T son retardos.
Pueden hacerse multitud de variaciones de esta estructura. Hacerlo como varios
filtros en serie, en cascada, etc. Estos filtros tienen todos los polos en el origen,
por lo que son estables. Los ceros se presentan en pares de recprocos si el filtro
se disea para tener fase lineal
Los filtros FIR tienen la gran ventaja de que pueden disearse para ser de fase
lineal, lo cual hace que presenten ciertas propiedades en la simetra de los
coeficientes. Este tipo de filtros tiene especial inters en aplicaciones de audio.
Adems son siempre estables.
Diseo de filtros FIR
Hay tres mtodos bsicos para disear este tipo de filtros:
Mtodo de las ventanas. Las ms habituales son:
Ventana rectangular
Ventana de Barlett
Ventana de Hanning
Ventana de Hamming
Ventana de Blackman
Ventana de Kaiser
Muestreo en frecuencia.
Rizado constante (Aproximacin de Cheby y algoritmo de intercambio de
Remez).
Mnimos Cuadrados
Los filtros FIR tienen la desventaja de necesitar un orden mayor respecto a los
filtros IIR para cumplir las mismas caractersticas. Esto se traduce en un mayor
gasto computacional.
La Funcin FIR2
>> B = fir2(N,F,M,window);
Disea un filtro FIR utilizando el mtodo del muestreo frecuencial. Los parmetros
de entrada es el orden del filtro N, la (longitud N+1) y dos vectores F y M que
especifican la frecuencia y la magnitud, de forma que plot (F,M) es una grfica de
la respuesta deseada del filtro.
Se pueden indicar saltos bruscos en la respuesta frecuencial duplicando el valor
de la frecuencia de corte. F debe estar entre 0 y 1, en orden creciente, siendo el
primer elemento igual a 0 y el ltimo 1. El parmetro window indica el tipo de
ventana a utilizar. Por defecto, usa la ventana de Hamming.
>> B = fir2(N,F,M,bartlett(N+1));
Se pueden especificar ms parmetros en esta funcin,
>> B = fir2(N,F,M,npt,lap,window);
La funcin fir2 interpola la respuesta frecuencial deseada (F,M) con n puntos (por
defecto, npt=512). Si dos valores sucesivos de F son iguales, se crea una regin
de lap puntos alrededor de este punto (por defecto, lap=25).
Funcin FIRLS
>> B = firls(N,F,M);
Diseo de filtros FIR usando la minimizacin del error por mnimos cuadrados. Los
argumentos de entrada son el orden del filtro N, y dos vectores F y M, cuyo
formato difiere de los anlogos en la funcin fir2. El filtro obtenido es la mejor
aproximacin a (F,M) por mnimos cuadrados
Dentro de las Ventajas de los filtros FIR estn:
Pueden disearse con fase perfectamente lineal.
Son incondicionalmente estables.
Implementacin hardware es sencilla
Dentro de los Inconvenientes de los filtros FIR se encuentra que es necesario un
gran nmero de coeficientes para conseguir las prestaciones que dara un filtro IIR
de orden mucho menor.
Como se puede apreciar este tipo de filtro presenta una cada muy suave y no
presenta rizado en su decaimiento. Tambin se debe analizar que es necesario
normalizar la frecuencia angular para cumplir que 0< Wn <1.
N=10;
Wn=100/1000;
B = fir1(N,Wn,'stop');
freqz(B);title('filtro FIR1, de orden 10. Pasa Bajo');
N=6;
Wn=100/1000;
B = fir1(N,Wn,'high');
freqz(B);title('filtro FIR1, de orden 6. Pasa alto');
N=10;
Wn=100/1000;
B = fir1(N,Wn,'high');
freqz(B);title('filtro FIR1, de orden 10. Pasa alto');
N=6;
Wn=[60 80]/1000;
B = fir1(N,Wn,'stop');title('filtro FIR1, de orden 6. Rechazabanda. con Ventana
Hamming');
freqz(B)
h=fir1(30,.2,hamming(31));
title('filtro FIR1, de orden 30. Rechazabanda. con Ventana Hamming');
freqz(h)
h=fir1(30,.2,boxcar(31));
freqz(h);
title('filtro FIR1, de orden 30. Rechazabanda. con Ventana Boxcar');
figure
h=fir1(30,.2,bartlett(31));
freqz(h);title('filtro FIR1, de orden 30. Rechazabanda. con Ventana Bartlett');
h=fir1(30,.2,chebwin(31,02));
freqz(h);
title('filtro FIR1, de orden 30. Rechazabanda con Ventana Chebwin');
En este ltimo ejemplo, se puede evidenciar las respuestas de los filtros por
ejemplo el filtro firls tiene respuesta muy plana en su banda de paso, a diferencia
del filtro remez que presenta un rizado muy notorio en la banda de paso.
Ventana HAMMING
M =32;
N = [-M:M];
hn = -wc/pi*sinc(N*wc/pi);
hn(M+1) = 1-wc/pi;
hn = hn.*hamming(2*M+1)0; % ventaneo
Ventana BLACKMANN
M =48;
N = [-M:M];
hn = -wc/pi*sinc(N*wc/pi);
hn(M+1) = 1-wc/pi;
hn = hn.*blackman(2*M+1)0; % ventaneo
Ventana KAISER
[M,wn,Beta] = kaiserord([ws/pi,wp/pi],[0,1],[0.01 0.01])
N = [-M:M];
hn = -wc/pi*sinc(N*wc/pi);
hn(M+1) = 1-wc/pi;
hn = hn.*kaiser(2*M+1,Beta))0;
IMGENES
ACTIVIDADES DE AUTOEVALUACIN DE LA UNIDAD 2
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
UNIDAD 3
Nombre de la
Unidad
INTRODUCCIN
donde
b0 = 0,01588232577583,
b1 = 0,04509870267465,
b2 = 0,06160127928264,
b3 = 0,04509870267465,
b4 = 0,01588232577583,
a0 = 0,57816706294199,
a1 = -1,00000000000000,
a2 = 0,98785160189871,
a3 = -0,49030269551500,
a4 = 0,10997293011303.
Figura 7.3 Respuesta en frecuencia del filtro del Ejemplo implementado con una
estructura tipo forma directa II. (-) filtro prototipo; (- -) filtro con coeficientes cuantizados.
a0 = 0,5781250,
a1 = -1,0000000,
a2 = 0,9843750,
a3 = -0,4921875,
a4 = 0,1093750.
a01 = 0,5000000,
a11 = 0,4531250,
a21 = 0,1406250,
a02 = 0,5000000,
a12 = 0,4140625,
b22 = 0,3437500.
Figura 7.4 Respuesta en frecuencia del filtro del Ejemplo implementado con una cascada
de dos bloques de segundo orden. ( - ) filtro prototipo; (- -) filtro con coeficientes
cuantizados.
La figura anterior revela que los requisitos de diseo se satisfacen sin necesidad
de cambiar la resolucin en bits de los coeficientes.
El ejemplo anterior muestra que los efectos de la cuantizacin de los coeficientes
pueden atenuarse cambiando la estructura del filtro. Dependiendo de la
implementacin, algunos de los errores mencionados pueden ser insignificantes.
Por ejemplo, si el filtro se calcula en un lenguaje de alto nivel que se ejecuta en
computadoras ms o menos modernas, por ejemplo con MATLAB en una PC, los
errores de cuantizacin de coeficientes y redondeo no siempre son importantes.
En aplicaciones de tiempo real las seales de entrada y salida se cuantizan a 8,
12 o 16 bits, segn el tipo de conversor A/D y D/A utilizado. Si el ancho de palabra
elegido para efectuar las operaciones y el redondeo son de esta magnitud, es casi
obligatorio analizar los efectos de la cuantizacin en las caractersticas del filtro.
Donde
y
La ecuacin r(x, y) indica que la reflectancia est acotada entre 0 (absorcin total)
y 1 (reflexin total). La naturaleza de i(x,y) est determinada por la fuente de luz y
r(x,y) est determinada por las caractersticas de los objetos de la escena.
En el procesamiento de imgenes, la informacin se extrae a partir de fotos, las
cuales pueden ser electrnicas tomadas de una escena, textos impresos e
ilustraciones, est compuesta de un nmero finito de elementos que tienen una
particular localizacin y valor y se denominan elementos pictricos o ms
comnmente, pxeles. A los pxeles se les asigna un valor tonal como matices de
gris o un cdigo en binario (unos para blancos y ceros para negros) como se
observa en la figura 8.1.
Adems se tiene en cuenta el valor del pxel segn su representacin. Los dgitos
binarios bits para cada pixel se almacenan en una secuencia y con frecuencia se
los reduce a una representacin matemtica (comprimida). Luego la computadora
interpreta y lee los bits para producir una versin analgica para su visualizacin.
Los pxeles se pueden ver de una forma individual aumentando la imagen por
medio de zoom o ampliando su resolucin. La resolucin es la capacidad de
distinguir los detalles. La profundidad de bits es determinada por la cantidad de
bits utilizados para definir cada pxel. Cuanto mayor sea la profundidad de bits,
mayor ser la cantidad de tonos que pueden ser representados. Una imagen a
escala de grises est compuesta por pxeles representados por mltiples bits de
informacin, que tpicamente varan entre dos a ocho bits pero pueden ser ms.
En el procesamiento de la imagen es importante reducir el tamao del archivo de
imagen para su almacenamiento, tratamiento y transmisin. Todas las tcnicas de
compresin abrevian la cadena de cdigo binario en una imagen sin comprimir, a
una forma de abreviatura matemtica, basada en complejos algoritmos.
Los mtodos para mejorar una imagen se pueden dividir en dos campos
diferentes: mtodos en el dominio de la frecuencia y mtodos en el dominio
espacial. Los primeros se basan en modificar la transformada de Fourier de la
imagen y los segundos se basan en manipulaciones directas sobre los pxeles de
la imagen.
Una vez que se ha obtenido la imagen digital, la siguiente etapa consiste en el preprocesamiento de dicha imagen. La funcin bsica del pre-procesamiento es la de
mejorar la imagen de forma que se aumenten las posibilidades de xito en los
procesos posteriores.
Segmentacin: Es una operacin cuyo objetivo es agrupar reas de la imagen
que tengan caractersticas similares dentro de entidades distintas para poder
llegar a distinguir los objetos del fondo. Tiene una gran importancia para
operaciones posteriores y requiere una serie de pasos de manipulacin que
generarn una nueva imagen en la cual solo se observa el rea. La segmentacin
de una imagen es un proceso de extraccin de objetos insertados en la escena
capturada. La agrupacin de los pxeles se hace cuando tienen criterios similares,
como la luminancia, el color, los bordes, las texturas, los movimientos. Una vez
que la imagen ha sido dividida, estar definida por un conjunto de objetos. La
informacin estar preparada para el reconocimiento e interpretacin de la
imagen. Para la segmentacin de las imgenes se usan tres conceptos bsicos:
Similitud: Los pxeles agrupados del objeto deben ser similares respecto algn
criterio (nivel de gris, color, borde, textura, etc.).
Conectividad: Los objetos corresponden a reas de pxeles con conectividad. Las
particiones corresponden con regiones continuas de pxeles.
Discontinuidad: Los objetos tienen formas geomtricas que definen unos
contornos. Estos bordes delimitan unos objetos de otros.
Proceso de Binarizacin: Consiste en el paso de una imagen cromtica o
monocromtica (escala de grises), a una imagen binaria mediante la conversin
de pixeles con un nivel de gris comprendido entre 0 y 255 para imgenes
monocromticas en pixeles de valores 0 1. Para ello debe fijarse un criterio de
Filtros detectores de bordes: Realizan otro tipo de operaciones con los datos,
pero siempre con el resultado de enfatizar los bordes que rodean a un objeto en
una imagen, para hacerlo ms fcil de analizar. Estos filtros tpicamente crean una
imagen con lneas blancas y negras rodeando los bordes de los objetos y
caractersticas de la imagen. La figura 8.3, muestra imgenes filtradas con
deteccin de bordes utilizando filtros Gaussiano y Laplaciano. Imagen binaria
(figura 8.3 a), filtro gaussiano canny (figura 8.3 b), filtro laplaciano log (figura 8.3
c).
Iluminacin: Las fuentes de luces no son iguales, dentro de estas se tienen: luz
ambiente, fuentes de luz direccionales, fuentes de luz puntuales, fuentes de luz
puntuales tipo spot que son aquellas en las cuales el haz de luz es puntual. Por
lo tanto, cuando se hable del color o intensidad de una fuente o de un objeto, se
entender que es un vector de cuatro elementos, donde cada elemento ser un
valor entre 0 y 1.
Los tres primeros indicarn el porcentaje de rojo (R), verde (G) y azul (B),
definiendo el color, y el cuarto un factor de transparencia, denominado
normalmente canal alpha (A): Color = (R, G, B, A)
R : Red = Rojo; G : Green = Verde; B : Blue = Azul; A : Alpha = Transparencia
Una buena iluminacin es importante en la toma de imgenes que luego sern
procesadas. Eligiendo la tcnica adecuada de iluminacin se puede lograr un
aumento en la confiabilidad del sistema y en su tiempo de respuesta.
El ser humano usa un amplio rango de seales, obtenidas a partir del color, la
perspectiva, el sombreado, y las experiencias individuales. La percepcin visual
depende de la capacidad humana de realizar juicios. Sin embargo, un sistema de
visin artificial no tiene una experiencia de base para comparar, todo debe estar
En el Siglo IXX el fisilogo Ewald Hering deriv por medio del anlisis de la visin
subjetiva humana del color la idea de colores oponentes. Esta idea expona el
hecho de que ciertos colores no son percibidos juntos, no se mezclan. Nunca
veremos amarillos azulosos o rojos verdosos. En la visin humana el detector
amarillo siempre se encuentra inactivo cuando el detector azul est activo y
viceversa. Una situacin similar ocurre con las neuronas correspondientes al rojo y
verde (vase la Figura 8.5).
Donde:
Figura 8.8 (a) Una regin (S) y su deficiencia convexa (sombreada); (b) contorno
dividido.
Pixval % Este comando genera la barra negra mostrada en la figura anterior, ella
visualize el valor del pixel y su posicin en el espacio. Este tiene el concepto
implcito de lo que se define como una imagen digital.
Aqu se ha marcado tres puntos al azar y el programa genera los valores de los
componenetes en R, G B respectivamente.
ans =
173 80 139
209 158 194
155 117 0
Ejercicio: Genere los componentes de una serie de pixeles a lo largo de una lnea
dentro de la imagen.
clc;
clear all;
close all;
f=imread('flowers.tif');
figure
imagesc (f);
impixel % se genera una base de datos que contemplan los valores de los pixels
% en RGB a lo largo de la trayectoria marcada.
title('imagen original');
%end
Ecualizadores
Todos hemos visto alguna vez un ecualizador grfico. Este aparato consta de
varios potencimetros, cada uno de ellos asociado a una banda de frecuencia, que
permiten amplificar o atenuar estos componentes frecuenciales. Cuantas ms
bandas tenga el ecualizador, ms preciso ser el control sobre el espectro
armnico y ms radicalmente se podr modificar el timbre de los sonidos
procesados.
Un ecualizador grfico se construye con un banco de filtros pasa-banda en
paralelo. Otro tipo de ecualizadores son los paramtricos, que presentan menos
bandas (tpicamente dos o tres), pero con frecuencias de corte configurables.
El procesamiento interno y la entrada del filtro sern digitales, por lo que puede ser
necesario una conversin analgica-digital o digital-analgica para uso de filtros
digitales con seales analgicas.
Ejemplo: %% Procesamiento de una seal de audio usando MATLAB
%% Crear seal de audio
% Frecuencia fundamental
f0=1e3; % 1KHz
% Amplitud
a=4; % V=4
% Frecuencia de muestreo
fs=44.1e3; % Frecuencia de una seal de audio
% Tiempo de duracin en segundos
T=1.5;
L = round(T*fs); % Nmero de muestras
% Frecuencia normalizada
fn=f0/fs;
y = a*sin(2*pi*fn*(0:L-1))+0.5*a*sin(2*pi*2*fn*(0:L-1));
% Graficar la seal original
subplot(411)
plot((0:L-1)/fs,y)
title('SEAL ORIGINAL')% Ttulo
xlabel('Tiempo (s)')
% Etiqueta del eje X
ylabel('Amplitud (V)')
% Etiqueta del eje Y
xlim([0 10/1000])
% Lmite de la seal
%% Grabar y reproducir la seal de audio
%wavwrite(y,fs,'audio')
% wavplay(y,fs)
%% FFT de la seal
subplot(412)
% Llamado a la funcin que calcula la FFT
fft_signal(y,fs);title('ESPECTRO DE LA SEAL ORIGINAL')
xlim([0 2500])
%% Filtrado de la seal
% Frecuencia normalizada
fNorm = 1500 / (fs/2);
% Clculo de los coeficientes del filtro (filtro pasa bajas)
[b,a] = butter(10, fNorm, 'low');
% Filtrado de la seal
y_Low = filtfilt(b, a, y);
% Graficacin de la seal en el tiempo
subplot(413)
plot((0:L-1)/fs,y_Low)
title('SEAL FILTRADA')
xlabel('Tiempo (s)')
ylabel('Amplitud (V)')
xlim([0 10/1000])
% Graficacin de la seal en frecuencia
subplot(414)
% Llamado a la funcin que calcula la FFT
fft_signal(y_Low,fs);title('ESPECTRO DE LA SEAL FILTRADA')
xlim([0 2500])
%% Grficas del filtro
% Respuesta en frecuencia del filtro
[H,w]=freqz(b,a,512,1);
figure(2)
%Trazado de la respuesta en Magnitud
subplot(221)
plot(w,20*log10(abs(H)));
grid on;
title ('Filtro pasa-altos, Respuesta en magnitud');
xlabel('frecuencia');
ylabel('H(f) db')
xlim([0 0.4])
% Respuesta en fase
subplot(222)
plot(w,angle(H));
grid on;
title ('Filtro pasa-altos, Respuesta en fase');
xlabel('frecuencia')
ylabel('ngulo de H rad')
xlim([0 0.4])
%Respuesta al impulso
subplot(223)
[y_eje,t]= impz(b,a,60);
stem(t,y_eje);
title ('Filtro pasa-altos, Respuesta al impulso');
%Ploteo de los polos y ceros
z= roots(b); % Ceros
p = roots(a); % Polos
subplot(224)
zplane(z,p)
title('Polos y ceros')
legend('Ceros','Polos')
%% Reproduccin de audio de entrada y salida
pause(2)
disp('Audio de entrada')
wavplay(0.5*y,fs)
IMGENES