INFORME TAREAS SEÑALES Periodo 2019-2

DEPARTAMENTO DE INGENIERÍA MECATRÓNICA

Tarea 6. Diseño de Filtros Digitales

Nicolás Eduardo Ramírez Fernández
u1802453@unimilitar.edu.co
Profesor: Nelson Velasco

Resumen— Este documento pretende dar a conocer los conceptos Inversión de la transformada Z:
básicos del manejo de filtros, en especial los llamados filtros de
respuesta finita al impulso (FIR) y filtros de respuesta infinita al definida como:
impulso(IIR), permitiendo una mayor comprensión de las
características, capacidades y aplicaciones de los mismos , al
implementar simulaciones de filtrado de señales en Matlab.

Palabras clave— Transformada Z, Convolución de señales,

El cual permite regresar al dominio del tiempo una función discreta,
Ecuaciones en diferencias, Análisis frecuencial, Serie de Fourier,,
según el ROC
Simetría, Función de transferencia, Matlab, FIR,IIR.

II. COMPETENCIAS A DESAROLLAR

I. INTRODUCCIÓN
• Comprender las aplicaciones de las matemáticas
avanzadas y sus aplicaciones en análisis de señales
E ste trabajo, permite identificar las características básicas de los
filtros FIR, por medio de la teoría y la experimentación por
medio de simulaciones, aplicando conceptos previos de las
discretizadas

matemáticas avanzadas como lo son la transformada Z y su • Implementar la transformada de Fourier y su versión

aplicación para hallar funciones de transferencia en el espacio
discreto.
A. Marco teórico
Filtro Lineal:
Un filtro lineal es aquel filtro electrónico que aplica un operador
lineal a una señal variable en el tiempo.. Una de sus aplicaciones más
frecuentes es la eliminación de frecuencias no deseadas de una
determinada señal de entrada o, al contrario, discriminar una
determinada frecuencia de las demás.
rápida para análisis frecuencial de señales.
• Entender las características y aplicaciones de los
filtros FIR en el análisis de señales discretizadas.
• Implementar los filtros adecuados para realizar una
reducción del ruido en una señales ya sea en tiempo
continuo y discreto
III. DESARROLLO DEL TRABAJO

Función de Transferencia: A. PARTE 1

Dado que es necesario comprender el comportamiento de la entrada
y la salida de un sistema, la relación de estas funciones se conoce
como la función de transferencia.
En el aula virtual existe una presentación (archivo pdf) sobre el tema
de diseño de filtros digitales. Utilícela como guía para abordar el tema.
✓ ¿Qué significa la sigla FIR?
Significa Respuesta finita al impulso, obteniendo valores en la señal
reales, es decir no nulos

✓ Qué características tienen en cuanto a:

• Ecuación en diferencias
La ecuación de diferencias de un filtro FIR se encuentra planteada
por la siguiente sumatoria
Fig. 1. Definición F.T.
𝑀−1
Transformada Z:
𝐻(𝑧) = ∑ 𝑏𝑘 (𝑛 − 𝑘)
Para obtener una representación en el dominio de la frecuencia 𝑘=0
compleja. Se hace uso de la tranformada Z definida generalmente por
la siguiente formula: Donde
M-1: orden del filtro
M: número de términos no nulos y coeficientes del filtro
bk: coeficientes

Página 1 de 13
 INFORME TAREAS SEÑALES
DEPARTAMENTO DE INGENIERÍA MECATRÓNICA
• Función de transferencia
En el caso de la función de transferencia la sumatoria toma como
valores:
𝑀−1
𝐻(𝑧) = ∑ ℎ(𝑘)𝑧 −𝑘
𝑘=0
• Ubicación de polos y ceros del filtro
Ilustración 1polos y ceros de un filtro FIR.
Fuente: Biblioteca de Ingeniería de la Universidad de Sevilla
Donde:
Zn: polos
1/Zn: ceros
✓ Estabilidad
En el caso de los ceros, estos se presentan en pares conjugados para
una fase lineal, y estando posicionados en el interior r del circulo
unitario.
✓ Orden (longitud) del filtro
El orden de un filtro L está dado por el número de coeficientes L:
𝑦(𝑛) = 𝑎0 𝑥(𝑛) + 𝑎1 𝑥(𝑛 − 1) + ⋯ + 𝑎𝑘 (𝑛 − 𝑘)
Imagen 2: orden de un filtro FIR. Tomado de:
Fuente:
✓ ¿Qué significa que un filtro FIR sea de fase lineal?
Al ser lineal este filtro esta libre de distorsiones en la fase
✓ ¿Qué condiciones debe tener la ecuación en diferencias y la
función de transferencia para que se cumpla?
Una respuesta con la siguiente ecuación en diferencias:
ℎ(𝑛) = ±ℎ(𝑀 − 1 − 𝑛), 𝑛 = 0,1, … , 𝑀 − 1
la cual muestra la respuesta a un impulso
✓ ¿A qué se refieren cuando hablan de un filtro simétrico o
anti-simétrico?
● Un sistema no causal con respuesta impulsional
conjugada simétrica h(n)=h*(-n) tiene una Función de
Transferencia real.
● Un sistema no causal con respuesta impulsional
conjugada antisimétrica h(n)=-h*(-n) tiene una Función de
transferencia imaginaria pura.
Periodo 2019-2
Al usar coeficientes con simetría par o impar, se evita la distorsión de
fase gracias a la linealidad de la misma. Obteniendo fases con valores
de π/2 o 0, y al volver las muestras causales se usan los retardos
adecuados.
Considerando coeficientes reales, una secuencia conjugada simétrica
se dice que es una secuencia PAR, y una secuencia conjugada
antisimétrica es una secuencia IMPAR. Denotado en la siguiente tabla
Tipo Numero de Simetría
Términos
I impar si
II par si
III impar no
IV par no
Dependiendo de si un filtro FIR es simétrico o anti simétrico:
✓ ¿Alguna forma es más favorable que otra para el diseño del
filtro?, es decir si alguna es mejor para filtros pasa-bajo, pasa-
alto, pasa-banda, etc.
Según el tipo estos tienen una variedad de aplicación es descritas a
continuación:
I: al hacer pasar una señal por un filtro FIR de estas características, el
retardo es el mismo para todos los armónicos que componen la señal y
ésta no se distorsiona. La magnitud del retardo no depende de los
coeficientes del filtro con lo que éstos se pueden escoger libremente
para modelar la respuesta en amplitud. El retardo introducido por el
filtro es, (N-1)/(2Fs) segundos.
II: |H(ω)|_(ω=π)=0 por lo tanto no es adecuado para diseñar filtros
pasa alta ni elimina-banda
III: |H(ω)|_(ω=0)=0y |H(ω)|_(ω=π)=0. No es adecuado para el diseño
de filtro filtros pasa-baja ni pasa-alta. Se utilizan para diseñar
transformadores de Hilbert (es un tipo de filtro pasa todo que produce
un desfase de π / 2 a la señal de entrada) y diferenciadores (determinan
la derivada de la señal de entrada).
IV: |H(ω)|_(ω=0)=0 , como en el caso anterior se utiliza para diseñar
Transformadores de Hilbert y diferenciadores.
En la presentación aparecen tres métodos para diseñar filtros y cada
uno tiene una función en Matlab.
✓ ¿Cómo funciona internamente cada uno de los métodos?
• Mentado de enventanado
Se busca h(n) truncado hd(n) en algún punto, este produce el fenómeno
Gibbs, es entonces cuando se aplica las ventanas para reducir estas
ondulaciones
ℎ(𝑛) = ℎ𝑑 (𝑛)𝑤(𝑛)
w(n) es una ventana.
En Matlab se usa la función fir1(…)
• Método de muestreo en frecuencia
Se plantea Hd(n) y se muestra en lugares equiespaciados en la
frecuencia y de forma simétrica sobre el eje de 0 Hz
𝜔𝑘 = 2𝜋/𝑀(𝑘 + 𝛼)
Se resuelve para obtener h(n) teniendo en cuenta el teorema de Nyquist
En Matlab se usa la función fir2(…)
• Fase lineal con rizado constante
Si el error se distribuye uniformemente podemos diseñar filtros que
Página 2 de 13
 INFORME TAREAS SEÑALES Periodo 2019-2
DEPARTAMENTO DE INGENIERÍA MECATRÓNICA

verifican las especificaciones con
menor orden. Se plantea el diseño del filtro como un problema de
aproximación de Chebyshev, en que el error de aproximación entre la
respuesta en frecuencia ideal y la real se reparten uniformemente en
cada banda, pasante y atenuada, minimizando el error máximo en cada
una de ellas. Obteniendo un filtro con rizado en ambas bandas
En Matlab se usa la función remez(...), o aun mejor firpm(...)
FILTRO IIR
▪ ¿Qué significa la sigla IIR?
2. Los filtros IIR producen en general distorsión de fase.
3. La posibilidad de desbordamiento de los resultados en
las operaciones realizadas debe ser consideradas ya
que un filtro IIR se implementa mediante sumas de
productos que están basadas en una suma infinita.
sin embargo, los filtros IIR no pueden diseñarse para tener fase
lineal, No obstante, Existen técnicas de compensación de fase
mediante la utilización de filtros pasa todo, al precio de
aumentar la longitud total del filtro.

Significa Respuesta infinita al impulso, en los cuales la salida Teniendo en cuenta todo lo anterior y las características previas
de los filtros FIR, se puede resumir sus datos mas relevantes en
es función no sólo de la entrada actual y de las precedentes, sino
la siguiente tabla
también de las salidas anteriores.
FIR IIR
Cuando se aplica a filtros digitales, que implica en cuanto a: Son siempre estables Aun cuando los polos estén
▪ Ecuación en diferencias situados dentro del círculo
de radio unidad, pueden
presentar inestabilidades si
se implementan en sistemas
con aritmética de coma fija.
▪ Función de transferencia Pueden diseñarse para que Presentan mayor error de
presente fase lineal, no cuantización en función del
distorsionando las número de bits empleado
características de fase y el para almacenar los
retardo de grupo coeficientes y las variables
intermedias.
Requieren un mayor orden Son más apropiados cuando
▪ Ubicación de polos y ceros del filtro
para valores de la atenuación deseamos obtener regiones
Los filtros IIR más generales (ARMA) contienen solo polos. Si
y zonas de transición de transición estrechas.
los coeficientes del filtro son reales, si los polos son complejos
siempre aparecen como pares complejos conjugados.
similares lo que supone un
▪ Estabilidad mayor retardo en la
La condición de estabilidad, para sistemas causales implica que obtención de la respuesta y
los POLOS se encuentran en el interior de la circunferencia mayor consumo de memoria.
unidad.
▪ ¿Qué diferencias encuentra entre este tipo de filtros Es importante añadir, que los filtros IIR son usualmente mucho
con los anteriormente vistos (FIR)? más eficientes que los FIR, en términos de conseguir ciertas
Los filtros IIR, a pesar de consumir generalmente más recursos características de calidad para un mismo orden de filtro dado.
que las estructuras FIR recursivas, son con frecuencia la mejor Ello es debido a que un filtro IIR incorpora realimentación, por
opción cuando se necesitan las mayores velocidades de lo que es capaz de realizar los ceros y los polos de la función de
procesamiento. transferencia de un sistema, mientras que un filtro FIR
únicamente posee ceros. En determinadas aplicaciones este
Dentro de las ventajas que ofrecen los filtros IIR sobre los tipos hecho se traduce en que, para conseguir similares características
FIR encontramos: que un filtro IIR de 4º orden, por ejemplo, sea necesario un filtro
1. Los filtros IIR requieren menos memoria y menos FIR de varios cientos de etapas.
instrucciones para implementar su función de
transferencia. ✓ En la presentación se mencionan tres diferentes
2. Un filtro IIR se diseña mediante el cálculo de polos y estrategias para realizar el mapeo desde el plano S al
ceros en el plano complejo. El uso de polos confiere a plano Z.
un filtro IIR la capacidad de implementar funciones de
transferencia que es imposible de realizar mediante • Aproximación de derivadas.
filtros FIR.
3. Es posible trasladar un filtro IIR a un modelo analítico. -Método más sencillo.
-Aproximar una eq. diferencial por medio de una eq. en
Sin embargo, algunas consideraciones que se deben tener en diferencias.
cuenta en la implementación de filtros IIR son las siguientes: -frecuentemente utilizado para resolver numéricamente las eq.
diferenciales.
1. Los filtros IIR no son necesariamente estables, es tarea
del diseñador buscar la estabilidad del sistema.

Página 3 de 13
 INFORME TAREAS SEÑALES Periodo 2019-2
DEPARTAMENTO DE INGENIERÍA MECATRÓNICA

1 − 𝑧 −1
𝑠≈
𝑇
𝑘 Es decir, se lleva a cabo una compresión de las frecuencias
1 − 𝑧 −1
𝑘
𝑠 ≈( ) analógicas. Este proceso de “Deformación” es lo que se
𝑇 denomina warping. de manera que al realizar la transformación
bilineal la frecuencia de corte sea la correcta. El proceso de
obtención de las frecuencias analógicas adecuadas se denomina
partiendo de filtros analógicos estables, no pueden diseñarse prewarping.
filtros pasa alta, al no poder ubicar polos fuera del círculo
sombreado. La transformación bilineal realiza un “mapeado”, entre los
dominios de Laplace y Z con una correspondencia 1 a 1 debido
• Invariancia al impulso. a la compresión de frecuencias (prewarping), por esta razón no
se produce aliasing como ocurre con el método del impulso
𝑧 ≈ 𝑒 𝑠𝑇 invariante.
𝑟𝑒 ≈ 𝑒 𝜎𝑇 𝑒 𝑗Ω𝑇
𝑗𝜔
Es por estas características que las funciones de discretización
y filtros de Matlab usan esta estrategia por defecto en sus
-Se mantiene la respuesta impulsional de ambos filtros. cálculos y aproximaciones.
-La estabilidad se mantiene (Filtros analógicos estables dan
lugar a filtros digitales estables) B. PARTE 2

-Dado que este método produce un “mapeado muchos a uno”;
se va a producir aliasing.
Si la frecuencia de muestreo es Ω = 2πFs , todas las frecuencia
analógicas por encima de Ωs/2 producirán aliasing. Para que el
método funcione adecuadamente el filtro analógico debe
Ω FIR2, FIRPM.
verificar 𝐻( Ω) ≅ 0 |Ω| > s Por esta razón este método no es
2
adecuado para el diseño de filtros pasa-alta ni elimina-banda
En el aula virtual existe un archivo .m con un ejemplo de diseño de
filtros FIR. Revíselo, entiéndalo, ejecútelo, observe los resultados (hay
pausas en el programa, presione enter para seguir ejecutando el
programa). El ejemplo toma como base el diseño de un filtro FIR pasa-
bajos con las directrices enunciadas en la presentación.
Consulte la ayuda de Matlab sobre el uso de las funciones FIR1,

• Transformación bilineal.

2 1−𝑧 −1
𝑠≈ ( )
𝑇 1 + 𝑧 −1

ninguno de los métodos anteriores parece resolver de forma

adecuada la transformación del dominio analógico a la digital.
Para cumplir una transformación para ser óptima:

1. Dada una función real y racional en S, la función

resultante en Z, será también racional y con
coeficientes reales.
2. Dado un filtro analógico estable, el filtro digital
resultante también lo será (el semiplano izquierdo del
dominio de Laplace debe transformarse dentro del
círculo de radio unidad en el dominio Z).
3. En particular, interesa una función reactancia que haga
corresponder al eje imaginario del plano de Laplace,
la circunferencia de radio unidad.
4. Dado un orden del filtro analógico, el filtro digital
resultante será del mismo orden.
Condiciones cumplidas por la transformación de tustin o lineal.
La relación entre las frecuencias analógica y digitales es no
lineal y viene dada por:
Figura No. 1Señal de prueba
Como se puede observar se tiene una señal con cuatro
armónicos de amplitudes constantes, la cual presenta un buen
ejemplo para este tipo de filtro.
✓ Modifique el archivo para realizar filtros pasa-banda y pasa-
alto. ¿Cómo se realiza esta modificación?
✓
b = fir1(n,Wn,ftype) diseña un lowpass, highpass, bandpass, bandstop
o filtro multibanda, dependiendo del valor de ftypey y el número de
elementos de Wn.
Para el comando FIR2, la función debe estar descrita de la siguiente
manera:

Página 4 de 13
 INFORME TAREAS SEÑALES Periodo 2019-2
DEPARTAMENTO DE INGENIERÍA MECATRÓNICA

• En el gráfico de ganancia ubique

la frecuencia de corte y determine la ganancia en dicha
frecuencia.

• En el gráfico de fase, explique dónde y cómo se puede

observar la respuesta en fase lineal del filtro.

Figura No. 3 Pasa bajas FIR muestreo en frecuencia

%muestreo en frecuencia
Figura No. 2 Pasa bajas FIR enventanado %frec corte = 1/32
R=63;
%enventanado E=4;
%frec corte = 1/32 F=[0:R]/R;
h1n=fir1(50,1/16); A=[ones(1,E),zeros(1,R-E+1)];
y1n=filter(h1n,1,xn); h2n=fir2(50,F,A);
y1k=abs(fft(y1n)); y2n=filter(h2n,1,xn);
figure('name','enventanado'); y2k=abs(fft(y2n));
freqz(h1n,1); figure('name','muestreo en frecuencia');
freqz(h2n,1);
figure('name','enventanado');
subplot(2,1,1) figure('name','muestreo en frecuencia');
stem(n,y1n); subplot(2,1,1);
title('Señal filtrada con FIR1'); stem(n,y2n);
subplot(2,1,2); title('Señal filtrada con FIR2');
stem(k,y1k); subplot(2,1,2);
title('Espectro de frecuencia'); stem(k,y2k);
title('Espectro de frecuencia');

Página 5 de 13
 INFORME TAREAS SEÑALES Periodo 2019-2
DEPARTAMENTO DE INGENIERÍA MECATRÓNICA

Figura No. 5 Pasa Altas enventanado

%enventanado
Figura No. 4 Pasa bajas FIR Parks-McClellan %frec corte = 1/32
h1n=fir1(50,1/16,'high');
%Parks-McClellan y1n=filter(h1n,1,xn);
y1k=abs(fft(y1n));
R=63; figure('name','enventanado');
E=4; freqz(h1n,1);
F=[0:R]/R;
A=[ones(1,E),zeros(1,R-E+1)]; figure('name','enventanado');
h3n=firpm(50,F,A); subplot(2,1,1)
y3n=filter(h3n,1,xn); stem(n,y1n);
y3k=abs(fft(y3n)); title('Señal filtrada con FIR1');
figure('name','Parks-McClellan'); subplot(2,1,2);
freqz(h3n,1); stem(k,y1k);
title('Espectro de frecuencia');
figure('name','Parks-McClellan');
subplot(2,1,1) title('Espectro de frecuencia');
stem(n,y3n);
title('Señal filtrada con FIRPM');
subplot(2,1,2);
stem(k,y3k);
title('Espectro de frecuencia');

Página 6 de 13
 INFORME TAREAS SEÑALES Periodo 2019-2
DEPARTAMENTO DE INGENIERÍA MECATRÓNICA

Figura No. 7 Pasa Altas Parks-McClellan

Figura No. 6 Pasa Altas muestreo en frecuencia
%Parks-McClellan
%muestreo en frecuencia R=63;
%frec corte = 1/32 E=4;
R=63; F=[0:R]/R;
E=4; A=[zeros(1,E),ones(1,R-E+1)]; %altas
F=[0:R]/R; h3n=firpm(50,F,A);
A=[zeros(1,E),ones(1,R-E+1)]; %altas y3n=filter(h3n,1,xn);
h2n=fir2(50,F,A); y3k=abs(fft(y3n));
y2n=filter(h2n,1,xn); figure('name','Parks-McClellan');
y2k=abs(fft(y2n)); freqz(h3n,1);
figure('name','muestreo en frecuencia');
freqz(h2n,1);
figure('name','Parks-McClellan');
subplot(2,1,1)
figure('name','muestreo en frecuencia'); stem(n,y3n);
subplot(2,1,1); title('Señal filtrada con FIRPM');
stem(n,y2n); subplot(2,1,2);
title('Señal filtrada con FIR2'); stem(k,y3k);
subplot(2,1,2); title('Espectro de frecuencia');
stem(k,y2k);
title('Espectro de frecuencia');

Página 7 de 13
 INFORME TAREAS SEÑALES Periodo 2019-2
DEPARTAMENTO DE INGENIERÍA MECATRÓNICA

figure('name','enventanado');
subplot(2,1,1)
stem(n,y1n);
title('Señal filtrada con FIR1');
subplot(2,1,2);
stem(k,y1k);
title('Espectro de frecuencia');

title('Espectro de frecuencia');

Figura No. 9 Pasa Banda muestreo en frecuencia

%muestreo en frecuencia
%frec corte = 1/32
R=63;
E=4;
F=[0:R]/R;
A=[zeros(1,64)];% Banda
A(E)=1;
h2n=fir2(50,F,A);
Figura No. 8 Pasa Banda enventanado y2n=filter(h2n,1,xn);
y2k=abs(fft(y2n));
%enventanado figure('name','muestreo en frecuencia');
%frec corte = 1/32 freqz(h2n,1);
h1n=fir1(50,[0.0624 0.0626]); figure('name','muestreo en frecuencia');
y1n=filter(h1n,1,xn); subplot(2,1,1);
y1k=abs(fft(y1n)); stem(n,y2n);
figure('name','enventanado'); title('Señal filtrada con FIR2');
freqz(h1n,1); subplot(2,1,2);

Página 8 de 13
 INFORME TAREAS SEÑALES Periodo 2019-2
DEPARTAMENTO DE INGENIERÍA MECATRÓNICA

• Observe las diferencias en el domino temporal.

stem(k,y2k);
• ¿A qué se deben las diferencias?
title('Espectro de frecuencia');
• ¿Cómo se puede determinar la distorsión de fase?

FILTROS IRR
Revise el ejemplo hecho en matlab que está disponible en el aula
virtual, recuerde que tiene pausas.
%Parks-McClellan
R=63;
E=4;
F=[0:R]/R;
A=[zeros(1,64)];% Banda
A(E)=1;
h3n=firpm(50,F,A);
y3n=filter(h3n,1,xn);
y3k=abs(fft(y3n));
figure('name','Parks-McClellan');
freqz(h3n,1);

figure('name','Parks-McClellan');
subplot(2,1,1)
stem(n,y3n);
title('Señal filtrada con FIRPM');
subplot(2,1,2); Figura No. 112 Señal de Prueba
stem(k,y3k);
title('Espectro de frecuencia'); ✓ ¿Cuál es la principal diferencia en el proceso de diseño de
los dos tipos de filtro (FIR, IIR)?

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

1. 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.
2. Determinar la función de transferencia que cumpla las
especificaciones.
3. Realizar la función de transferencia en hardware o software.

En el filtro FIR hay una muestra finita de elementos y tiene

Figura No. 10 Banda pasate
• Fíjese en los gráficos de ganancia y fase y haga las
comparaciones entre los tipos de filtros solicitados.
Los últimos métodos presentan una peor aproximación en cuanto a
magnitud, sin embargo la fase es notoriamente mas lineal, en el caso
del pasa banda estos requieren una banda mas amplia para no ser un
rechazatodo
• Compare con los espectros de frecuencia de las señales
antes y después de filtrar.
En todos los casos se logra la reducción de los armónicos deseados,
exceptuando los últimos dos debido al problema antes mencionado con
la banda
Realice el filtrado de la señal usando los mismos parámetros
(frecuencia(s) de corte) pero usando filtros ideales (Dominio de la
frecuencia, FFT. Ver tarea anterior). Compare los resultados de los
filtros ideales con los filtros FIR implementados en el dominio
temporal.
• Compare los espectros de frecuencia antes y después de
filtradas las señales.
condiciones que lo hacen comportarse lineal desde el mismo
planteamiento del desarrollo del filtro, mientras que el IIR
no es así, dado que su planteamiento es el cociente entre de
sumas infinitas; por otra parte, los filtros FIR necesitan de
una mayor cantidad de operaciones y un proceso más largo
para su implementación, mientras que los filtros IIR
requieren de menos términos y procesos para su
implementación.
✓ ¿Cuál considera que funciona mejor (como filtro) y bajo qué
condiciones?
Según las condiciones de que es más sencillo de
implementar loa filtros IIR requieren de menor espacio de
memoria y menor cantidad de coeficientes para su
funcionamiento, y se pueden hacer filtros más selectivos en
un solo proceso mientras que en los filtros FIR no se puede
conseguir eso y hay que implementar varios de estos en
cascada.
¿IIR o FIR?

Página 9 de 13
 INFORME TAREAS SEÑALES Periodo 2019-2
DEPARTAMENTO DE INGENIERÍA MECATRÓNICA

• Los filtros IIR producen en stem(k,y1k);

general distorsión de fase, es decir la fase no es lineal con la title('Espectro de frecuencia');
frecuencia.
• Los filtros FIR son de fase lineal.
• El orden de un filtro IIR es mucho menor que el de un filtro Como se puede observar en la anterior figura del Filtro
Butterworth la magnitud posee un riple con una ganancia
FIR para una misma aplicación. máxima de -20db y carece de una fase lineal.
• Los filtros FIR son siempre estables.
✓ Modifique el archivo para realizar filtros pasa-banda y pasa-
Mediante el análisis de los datos en el dominio temporal y en el alto.
dominio de la frecuencia,
responda: ✓ ¿Cómo se realiza esta modificación?
✓ ¿Cómo se determina que filtro es más selectivo FIR o IIR?
[b,a] = butter(n,Wn,ftype)
El factor de calidad Q corresponde a un cociente entre la
frecuencia central del filtro y el ancho de banda a los puntos Al modificar, el atributo ftype por :
𝑓𝑐𝑒𝑛𝑡𝑟𝑎𝑙
con 3 dB de atenuación: 𝑄 =
𝑓𝐶2 − 𝑓𝐶1
✓ ¿Como se determina cual filtro tiene más riple? 'low' | 'bandpass' | 'high' | 'stop'
Al observar la gráfica de ganancia y fase, se puede destacar que los
filtros IIR presentan más ripie debido a que la ganancia en la banda es Para cada tipo de filtro teniendo en cuenta el cambio en la
controlada por el filtro. frecuencia Wn por un vector en el caso que se necesite una
banda
✓ ¿Cómo se detecta y mide la distorsión de fase?
La distorsión de fase se detecta observando la gráfica de ✓ En el gráfico de ganancia ubique la(s) frecuencia(s) de corte
comportamiento en la fase del filtro, y se compara en que rangos la y determine la ganancia en dicha(s) frecuencia(s).
frecuencia se ve afectada.
✓ En el gráfico de fase, explique dónde y cómo se puede
✓ Demuestre sobre las señales de ejemplo los efectos observar la respuesta en fase no lineal del filtro.
mencionados.
✓ Fíjese en los gráficos de ganancia y fase y haga las
comparaciones entre los tipos de filtros solicitados.

✓ Compare con los espectros de frecuencia de las señales antes

y después de filtrar.

✓ Compare los resultados actuales con los obtenidos con filtros

FIR. Compare los gráficos de ganancia y fase.

Figura No. 13 Distorsiones en magnitude y fase

%Filtro Butterworth
%frec corte = 1/32
[b1,a1]=butter(3,1/16);
y1n=filter(b1,a1,xn);
y1k=abs(fft(y1n));
figure(2);
freqz(b1,a1);

figure()
subplot(2,1,1)
stem(n,y1n);
title('Señal filtrada');
subplot(2,1,2);

Página 10 de 13
 INFORME TAREAS SEÑALES Periodo 2019-2
DEPARTAMENTO DE INGENIERÍA MECATRÓNICA

Figura No. 13 Filtro Butterworth bandpass

Figura No. 12 Filtro Butterworth p-altas
%Filtro Butterworth %Filtro Butterworth
%frec corte = 1/32 %frec corte = 1/32
% [b1,a1]=butter(3,1/16); % [b1,a1]=butter(3,1/16);
[b1,a1]=butter(3,1/16,'high'); [b1,a1]=butter(3,[-(1/16)*0.3+(1/16)
y1n=filter(b1,a1,xn); (1/16)*0.3+(1/16)],'bandpass');
y1k=abs(fft(y1n)); y1n=filter(b1,a1,xn);
figure(2); y1k=abs(fft(y1n));
freqz(b1,a1); figure(2);
figure() freqz(b1,a1);
subplot(2,1,1) figure()
stem(n,y1n); subplot(2,1,1)
title('Señal filtrada Filtro stem(n,y1n);
Butterworth p-altas'); title('Señal filtrada Filtro
subplot(2,1,2); Butterworth bandpass);
stem(k,y1k); subplot(2,1,2);
title('Espectro de frecuencia'); stem(k,y1k);
title('Espectro de frecuencia');
No posee riple, pero si distorsión en fase, y se puede destacar eso, en
cuanto a cómo cambia el filtro ya que conforme la frecuencia hasta No posee riple, pero si distorsión en fase, aparte de, vemos como el
donde llega a la frecuencia de corte del filtro. filtro tiene unos armónicos bastante cerca en lo que podemos ver son
Cabe destacar la condición de no linealidad del filtro por su dos frecuencias, y por ese lado podemos destacar que son las
comportamiento, como podemos ver en la gráfica, por otra parte, frecuencias en donde el filtro está funcionando, destacando su no
podemos notar que su ganancia es bastante alta, por como corta el linealidad y su distorsión en fase.
filtro, cuando va llegando a la frecuencia de corte.

Página 11 de 13
 INFORME TAREAS SEÑALES Periodo 2019-2
DEPARTAMENTO DE INGENIERÍA MECATRÓNICA

Figura No. 14 Filtro Chebyshev tipo 1 BP

%Filtro Chebyshev tipo 1

%frec corte = 1/32
[b2,a2]=cheby1(3,0.5,[-(1/16)*0.5+(1/16)
(1/16)*0.5+(1/16)],'bandpass');
y2n=filter(b2,a2,xn);
y2k=abs(fft(y2n));
figure(2);
freqz(b2,a2);

figure()
subplot(2,1,1);
stem(n,y2n);
title('Señal filtrada Filtro Chebyshev
tipo 1 BP');
subplot(2,1,2);
stem(k,y2k);
title('Espectro de frecuencia'); Figura No. 15 Filtro Chebyshev tipo 1 BP

%Filtro Chebysev tipo 2

%frec corte = 1/32
El filtro chebyshev, destaca por ser un poco más selectivo, aunque [b3,a3]=cheby2(3,0.20,[-(1/16)*0.+(1/16)
distorsiona un poco más en la fase al filtro, como podemos notar en la (1/16)*0.5+(1/16)],'bandpass');
gráfica, y su ganancia en un poco menor con respecto al otro. y3n=filter(b3,a3,xn);
y3k=abs(fft(y3n));
El sistema no posee riple, pero si distorsión en fase figure(2);
freqz(b3,a3);

figure()
subplot(2,1,1)
stem(n,y3n);
title('Señal filtrada Filtro Chebyshev
BP tipo 2');
subplot(2,1,2);
stem(k,y3k);
title('Espectro de frecuencia');

Página 12 de 13
 INFORME TAREAS SEÑALES Periodo 2019-2
DEPARTAMENTO DE INGENIERÍA MECATRÓNICA

No cumple debido a que la banda es muy pequeña

Realice el filtrado de la señal usando los mismos parámetros

(frecuencia(s) de corte) pero usando filtros ideales (Dominio de
la frecuencia, FFT). Compare los resultados de los filtros ideales
con los filtros FIR e IIR implementados en el dominio temporal.

IV. CONCLUSIONES

1. Los filtros IIR son mucho más eficientes que los FIR,
en cuanto a conseguir ciertas características de calidad
para un mismo orden de filtro dado.
2. Para algunas aplicaciones conseguir caracteristicas
similares de un filtro IIR de 4to orden se requeriria el
uso de varios filtros FIR de muchas etapas, lo cual lo
haria muy ineficiente por lineas de codigo.
3. Por ultimo el filtro IIR contiene una realimentacion
que le permite ser capaz de realizar polos y ceros de
una function de trasnferencia de un sistema, algo que
no puede realizar el filtro FIR ya que este en solamente
posee zeros.

V. REFERENCIAS

[1] Tomado de “Filtros Digitales - FIR”, Sitio web:

http://www3.fi.mdp.edu.ar/tds/material/10-
Filtros%20FIR.pdf
[2] Tomado de “Análisis en el dominio de la frecuencia”,
http://bibing.us.es/proyectos/abreproy/3828/fichero/Cap%
C3%ADtulos%252F4+An%C3%A1lisis+en+el+dominio
+de+la+frecuencia.pdf

[3] Tomado de Vásquez E. “PROCESAMIENTO DIGITAL

DE SEÑALES”,
https://prezi.com/x_x2xch1v2et/procesamiento-digital-de-
senales/

[4] Tomado de Tejos C. “Filtros en el dominio de la

frecuencia”,
http://pteam.pixinsight.com/carlos/G_Cap5.pdf

[5] Tomado de “Análisis en el dominio de la frecuencia”,

http://www.elai.upm.es/webantigua/spain/Asignaturas/Servos/
Apuntes/11_RespFr.pdf

[6] Tomado de Gómez G. E, “Introducción al filtrado digital”,

http://www.dtic.upf.edu/~egomez/teaching/sintesi/SPS1/Tema
7-FiltrosDigitales.pdf

Página 13 de 13