Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Capitulo 4 Diseno de Filtros Digitales 1 PDF
Capitulo 4 Diseno de Filtros Digitales 1 PDF
Capítulo 4
1
El contenido de este capítulo se basó en:
Universidad de Antioquia, Apuntes del curso “Tratamiento digital de Señales”
54
Las especificaciones en las bandas de paso y de rechazo se dan con ciertas tolerancias. La
banda de transición permite que la magnitud disminuya del valor de la banda de paso al
valor de la banda de rechazo. Por ejemplo, la respuesta en magnitud normalizada G (e jω )
para un filtro pasa-bajo se muestra en la Figura 4.2.
Figura 4.1. Filtro pasa-bajo ideal. Representación del filtro en el dominio de la frecuencia (a), y en
el dominio del tiempo (b). Respuestas en frecuencia ideal (magnitud) (c), y su correspondiente
respuesta transitoria (d) a una entrada impulso. Respuesta en frecuencia poco selectiva (magnitud)
(e), y su correspondiente respuesta transitoria ideal (f) a una entrada impulso.
Figura 4.2. Gráfica de la respuesta en magnitud normalizada para un filtro pasa-bajo (escala lineal)
55
Banda de paso: 0 ≤ ω ≤ ω p
Banda de transición: ω p < ω < ωs
Banda de rechazo: ωs ≤ ω ≤ π
1 − δ p ≤ G( e jω ) ≤ 1 + δ p ω ≤ ωp (4.1)
G( e jω ) ≤ δ s para ω s ≤ ω ≤ π (4.2)
Para cubrir un rango dinámico más amplio en la gráfica de la respuesta en magnitud del
filtro que se va a diseñar, generalmente el eje de las ordenadas, acotado linealmente en la
Figura 4.2, se transforma en un eje con acotamiento logarítmico mediante la función
20 log10 , como se muestra en la Figura 4.3.
Cuando se utilizan dB’s para describir las especificaciones de la respuesta en magnitud del
filtro, se pueden utilizar las siguientes relaciones, las cuales se muestran en la Figura 4.3:
Función de pérdida:
Figura 4.3. Gráfica de la respuesta en magnitud normalizada para un filtro pasa-bajo (escala
logarítmica)
Figura 4.4. Gráfica alternativa de la respuesta en magnitud normalizada para un filtro pasa-bajo
(escala lineal)
0 [dB ] (4.6)
1
α max = −20 log10
[dB] (4.7)
2
1+ ε
o bien:
Figura 4.5. Gráfica alternativa de la respuesta en magnitud normalizada para un filtro pasa-bajo
(escala logarítmica)
Ωp 2πf p
ωp = = = 2πf pT (4.10)
FT FT
Ω s 2πf s
ωs = = = 2πf sT (4.11)
FT FT
Los filtros IIR (Infinite Impulse Response o Respuesta al Impulso Infinito) y los filtros FIR
(Finite Impulse Response o Respuesta al Impulso Finito) constituyen las dos grandes
clasificaciones de los sistemas discretos en general, los cuales requieren estudiarse por
separado debido a sus características particulares y a los métodos de análisis y diseño que
son propios de cada uno de ellos. En esta sección se presentan brevemente y en forma
comparativa, algunos de los conceptos más importantes relacionados con dichos filtros, los
cuales pueden servir como un primer paso en la selección y diseño de éstos de acuerdo a la
aplicación específica.
En la Tabla 4.1 se muestra un resumen de los criterios de selección para los filtros IIR y
FIR.
Los métodos de diseño de los filtros IIR y de los filtros FIR son diferentes debido a las
características de cada uno de ellos. A continuación se presenta una descripción general de
dichos métodos para cada tipo de filtro.
59
Para filtros IIR, el método de diseño más usado se basa en el diseño de los filtros
analógicos. Las especificaciones del filtro digital se convierten a especificaciones de un
filtro analógico pasa-bajo prototipo, se determina la función de transferencia del filtro
analógico que satisface las especificaciones, y finalmente se transforma a la función de
transferencia del filtro digital.
Las transformaciones más comunes entre los filtros analógicos y digitales son:
En la Tabla 4.2 se muestra un resumen de los métodos de diseño presentados para filtros
IIR y FIR.
Para el diseño de un filtro FIR existen varias fórmulas para estimar el valor mínimo de la
longitud (orden) del filtro N a partir de las especificaciones ω p , ωs , δ p y δ s . Una
fórmula aproximada es la fórmula de J. F. Kaiser, dada por la siguiente expresión:
N≅
− 20 log10 ( )
δ p δ s − 13
(4.12)
14.6(ωs − ω p ) / 2π
Después de que el filtro digital FIR o IIR ha sido diseñado, es necesario escalar la
magnitud de la función de transferencia G ( z ) para que pueda llevarse a la práctica. Esto se
logra multiplicando la función de transferencia por una constante de escala K , tal que la
magnitud máxima de la función de transferencia escalada G1 ( z ) = KG ( z ) en la banda de
paso sea igual a la unidad, es decir, la función de transferencia escalada tiene una ganancia
máxima de 0 dB.
Los dos métodos de diseño de los filtros IIR presentados en la sección 4.2.2, difieren en la
función de mapeo que se realiza entre los dominios de s y z. A continuación se mencionan
61
los criterios de diseño de ambos métodos, así como la función de mapeo que los
caracteriza.
El objetivo de este método es desarrollar una función de transferencia IIR cuya respuesta al
impulso sea exactamente igual a la versión muestreada uniformemente de la respuesta al
impulso de la función de transferencia analógica prototipo. La función de mapeo entre los
dominios de s y z es:
z = e sT (4.13)
En este método se trata de obtener una función de transferencia IIR cuya respuesta en
frecuencia sea una aproximación a la respuesta en frecuencia de la función de transferencia
analógica prototipo. La función de mapeo entre los dominios de s y z es:
2 1 − z −1
s= (4.14)
T 1 + z −1
La transformación del plano s al plano z está dada por la expresión definida en (4.14). La
relación entre la función de transferencia digital G ( z ) y la función de transferencia
analógica prototipo H (s ) está dada por:
G ( z ) = H a (s ) 2 1− z −1
(4.15)
s =
T 1+ z −1
1+ s
z= (4.16)
1− s
1 + jΩ 0
z= (4.17)
1 − jΩ 0
tiene magnitud igual a la unidad, lo cual implica que un punto en el eje imaginario en el
plano s se mapea en un punto del círculo unitario en el plano z. En el caso general, para
s = σ 0 + jΩ 0 , resulta:
1 + (σ 0 + jΩ 0 ) (1 + σ 0 ) + jΩ 0
z= = (4.18)
1 − (σ 0 + jΩ 0 ) (1 − σ 0 ) − jΩ 0
Por lo tanto:
2
z =
(1 + σ 0 )2 + (Ω 0 )2 (4.19)
(1 − σ 0 )2 + (Ω 0 )2
lo que implica que un punto en la mitad izquierda del plano s con σ 0 < 0 , se mapea a un
punto dentro del círculo unitario en el plano z, ya que |z| < 1. De igual manera, un punto en
la mitad derecha del plano s con σ 0 > 0 , se mapea a un punto fuera del círculo unitario en
el plano z, ya que |z| > 1. Cualquier punto en el plano s se mapea a un solo punto en el
plano z y viceversa. Este mapeo se muestra en la Figura 4.6.
63
Figura 4.6 Mapeo de la transformación bilineal: (a) eje imaginario del plano s al círculo unitario
del plano z; (b) semiplano izquierdo del plano s al interior del círculo unitario en el plano z; (c)
semiplano derecho del plano s al exterior del círculo unitario en el plano z
2 1 − e − jω
jΩ = (4.20)
T 1 + e − jω
2 ω
Ω= tan (4.21)
T 2
ΩT
ω = 2 tan −1 (4.22)
2
De la Figura 4.7 se puede ver que el mapeo entre ω y Ω no es lineal. Esto introduce una
distorsión en el eje de frecuencia llamada deformación de frecuencia (warping), por lo que
para desarrollar un filtro digital que cumpla con una respuesta en magnitud específica,
primero hay que predeformar (prewrap) las frecuencias críticas ( ω p y ωs ) para encontrar
las equivalentes analógicas ( Ω p y Ω s ) usando la relación de la ecuación (4.21), diseñar el
prototipo analógico H a (s ) usando las frecuencias críticas predeformadas, y luego
transformar H a (s ) usando la Transformación Bilineal para obtener la función de
transferencia del filtro digital G ( z ) .
Para el diseño de filtros digitales IIR, se utilizan siempre como prototipos de diseño, filtros
analógicos pasa-bajo normalizados, por lo que el filtro digital resultante también es pasa-
bajo. Esto es así por la facilidad que representa el diseño de dichos filtros digitales a partir
65
Al diseñar un filtro es necesario, por lo tanto, modificar las características de éste para
satisfacer las especificaciones iniciales de diseño. Estas modificaciones se realizan en dos
fases: transformar el filtro pasa-bajo diseñado en el tipo de filtro requerido, y
desnormalizar los valores originales del diseño de dicho filtro pasa-bajo.
Las transformaciones que se pueden realizar del filtro pasa-bajo prototipo son las
siguientes:
1. pasa-bajo a pasa-bajo.
2. pasa-bajo a pasa-alto.
3. pasa-bajo a pasa-banda.
4. pasa-bajo a rechaza banda.
Para el diseño de filtros FIR existen varios métodos, como ya se mencionó en la sección
4.2.2, los cuales son el método de ventanas, el de muestreo en frecuencia y otros métodos
que se basan en técnicas iterativas de optimización para minimizar el error entre la
respuesta en frecuencia deseada y la del filtro generado por computadora
El método de diseño de filtros FIR más sencillo es el método de ventanas. Este método se
( )
basa en obtener la respuesta en frecuencia del filtro H e jω como una aproximación a la
( )
respuesta en frecuencia ideal deseada H d e jω , mediante una determinada respuesta al
impulso unitario h(n ) en el dominio temporal, a través de los pasos mostrados
gráficamente en la Figura 4.8.
66
Figura 4.8. Ejemplo gráfico para mostrar el diseño de un filtro pasa-bajo FIR mediante el método
de ventanas.
A continuación se describe con más detalle cada uno de los pasos mostrados en la figura
anterior, para el diseño de filtros FIR mediante el método de ventanas:
1. Este método comienza con una respuesta en frecuencia ideal deseada que puede
representarse por:
( ) ∑ h (n)e
∞
H d e jω = d
− jwn
(4.23)
n = −∞
Por ejemplo, para un filtro ideal pasa-bajo como el mostrado en la Figura 4.9, su respuesta
( )
en frecuencia de la magnitud H d e jω está dada por la siguiente expresión:
1, ω ≤ ωc
( )
H d e jω = (4.24)
0 , ωc < ω ≤ π
67
Figura 4.9. Respuesta en frecuencia de la magnitud H d e jω ( ) para un filtro pasa bajo ideal, y su
respuesta impulsional hd (n ) respectiva.
hd (n ) =
1 π
2π ∫− π
( )
H d e jω dω (4.25)
Por ejemplo, para el mismo filtro ideal pasa-bajo con la respuesta de magnitud H d e jω ( )
mostrada en la Figura 4.10, su respuesta al impulso ideal hd (n ) está dada por la siguiente
expresión:
ωc n=Q
hd (n ) = ω sin[(πn − Q )ω ] (4.26)
c c
n≠Q
π (n − Q )ω c
Figura 4.10. Respuesta impulsional ideal hd (n ) para un filtro pasa-bajo ideal, y su respectiva
respuesta en magnitud H d e jω .( )
68
(a) La secuencia de la ventana ω (n ) debe tener P = (2Q + 1) muestras que sean simétricas
con respecto a la muestra central ω (Q ) . Esto significa que la función de retardo de grupo
correspondiente a dicha ventana, será una constante (= Q) para ω < π .
(b) La secuencia de la ventana ω (n ) debe ser tan corta como sea posible en duración, de tal
manera que el número de cálculos requeridos sea mínimo.
(c) El espectro de la ventana WR (e jω ) debe ser tan angosta como sea posible, para que la
respuesta en frecuencia real H (e jω ) se asemeje lo más posible a la respuesta en
frecuencia ideal deseada H d ( e jω ) , ya que H ( e jω ) = H d ( e jω ) ∗ W R ( e jω ) y
H (e jω ) = H d (e jω ) solo cuando WR (e jω ) es un impulso unitario.
Observación: Los criterios (b) y (c) están en conflicto, ya que las ventanas cuyas
secuencias son de duración más corta producen espectros W (e jω ) que son más anchos y
viceversa, como se muestra en la Figura 4.11 para una ventana rectangular con diferentes
duraciones.
69
Figura 4.11. Ventanas rectangulares de diferente duración y sus espectros de magnitud respectivos.
1 π
H (e jω ) = H d (e jα )W (e j (ω −α ) )dα
2π ∫−π
ω <π (4.28)
Figura 4.12. Ilustración del proceso de convolución en el dominio de la frecuencia y del proceso
de multiplicación en el dominio del tiempo.
Para reducir este fenómeno se pueden usar otro tipo de ventanas w(n) que presenten
transiciones más graduales de uno a cero en las muestras n = 0 y n = 2Q.
Figura 4.13. Espectro de magnitud H (e jω ) de un filtro FIR pasa-bajo con rizo en las bandas de
Existen muchos tipos de ventanas para truncar la secuencia del impulso unitario hd (n)
generado por la respuesta en frecuencia ideal deseada H d (e jω ) . Algunas de ellas son más
suaves que la ventana rectangular, lo que permite disminuir un poco el rizado que se
produce en las bandas de paso y rechazo. Las ventanas que se usan más comúnmente son
de longitud 2Q + 1, y se presentan a continuación:
1. Rectangular:
1, 0 ≤ n ≤ 2Q
ω ( n) = (4.29)
0, en otro caso
2. Hamming:
2πn
ω (n) = 0.54 + 0.46 cos −Q ≤ n ≤ Q (4.30)
2Q + 1
72
3. Hann (Hanning):
1 2πn
ω (n) = 1 + cos −Q ≤ n ≤ Q (4.31)
2 2Q + 1
4. Blackman:
2πn 4πn
ω (n) = 0.42 + 0.5 cos + 0.08 cos −Q ≤ n ≤ Q (4.32)
2Q + 1 2Q + 1
En las figuras 4.14 y 4.15 se muestran cada una de las ventanas definidas anteriormente,
así como sus espectros de magnitud respectivos. Estas gráficas se realizaron en MATLAB.
En las Figuras 4.14 y 4.15 se puede ver que los espectros de cada ventana se caracterizan
por tener un lóbulo principal centrado en ω = 0 , seguido de una serie de lóbulos laterales
con amplitudes descendentes. Dos parámetros que ayudan a predecir el desempeño de la
ventana en el diseño de un filtro FIR es el ancho del lóbulo principal y el nivel relativo del
lóbulo lateral.
El ancho del lóbulo principal ∆ ML es la distancia en frecuencia entre los mínimos más
cercanos en ambos lados del lado del lóbulo principal, y el nivel relativo del lóbulo lateral
Asl es la diferencia en dB entre las amplitudes del lóbulo lateral mayor y el lóbulo
principal.
Las otras ventanas caen suavemente a cero, y se puede observar que los lóbulos laterales se
reducen significativamente; sin embargo, el precio que se paga es un lóbulo principal más
ancho, que ocasiona transiciones más anchas en las discontinuidades de H d (e jω ) ,
haciendo que los filtros FIR resultantes sean menos selectivos.
74
Los métodos de diseño de filtros FIR mediante ventanas fijas son sencillos, pero no
proporcionan un buen control de las especificaciones de la respuesta en frecuencia, como
son la frecuencia de corte, la magnitud del rizo en la banda de paso y la atenuación mínima
en la banda de rechazo. Otro tipo de ventanas tales como la de Kaiser y la de Dolph-
Chebyshev son más flexibles, en el sentido de que se pueden diseñar para cumplir con
algunas de las especificaciones de respuesta en frecuencias mencionadas anteriormente. La
ventana ajustable más usada es la de Kaiser, cuya expresión es la siguiente:
I o β 1 − (n / Q) 2
wk (n) = −Q ≤ n ≤ Q (4.33)
Io (β )
2
(u / 2) r
I o (u ) = 1 + ∑ (4.34)
r!
Como puede verse, la serie anterior es positiva para todos los valores reales de u . En la
práctica es suficiente manejar veinte términos para obtener una buena aproximación de
I o (u ) .
α s − 7.95
14.36∆f + 1, para α s > 21
N ≅ (4.36)
0.922
+ 1, para α s ≤ 21
∆f
Conviene hacer notar que la ventana de Kaiser no proporciona control independiente sobre
el rizo pasa-banda δ p . Variando la longitud del filtro 2Q +1 y β se puede definir un
compromiso entre la amplitud de los lóbulos laterales y el ancho del lóbulo principal.
En la Figura 4.16 se muestran las ventana de Kaiser para β = 0, 3 y 6 , y una longitud del
filtro N=20, así como los espectros de magnitud correspondientes a cada una de ellas. La
Figura 4.17 presenta, en forma comparativa, los espectros de magnitud de las ventanas
75
Figura 4.16 Ventanas de Kaiser para β = 0, 3 y 6 , y una longitud del filtro de N = 20 , y los
espectros de magnitud correspondientes.
76
Figura 4.17 Gráfica comparativa de los espectros de magnitud de la ventana Kaiser para
β = 0; 3 y 6
Figura 4.19 Gráfica comparativa de los espectros de magnitud de la ventana Kaiser para β = 6 y
longitudes de N = 10, 20 y 40
A continuación se describen cada uno de los pasos mostrados en la Figura 4.20 para el
diseño de filtros FIR usando la ventana Kaiser:
1. Como primer paso hay que establecer las especificaciones de la respuesta en frecuencia
deseada, definiendo los valores de la frecuencia límite de la banda de paso ω p , la
frecuencia límite de la banda de rechazo ω s y la atenuación mínima en la banda de
rechazo α s , como se muestra en la Figura 4.21.
ω p + ωs
ωc = (4.37)
2
78
ωs − ω p
∆f = (4.38)
2π
- Para obtener el valor de Q, se determina la longitud del filtro N mediante (4.36) a partir
de los valores de α s y ∆f , seleccionando el valor entero impar mayor al que resulta de la
estimación de N. Con este valor de N se calcula Q a través de la siguiente expresión:
N −1
Q= (4.39)
2
Los valores de los coeficientes de la ventana Kaiser wk (n) , se pueden obtener con
MATLAB mediante el comando w = kaiser ( N , β ) .
4. Finalmente, a partir de la respuesta al impulso del filtro pasa-bajo ideal definida por:
hLP (n) = [sin(ω c n)]/ πn , -∞≤n≤∞ y de la ventana Kaiser wk (n) , se obtienen los
coeficientes de la respuesta al impulso del filtro FIR, por el método de las ventanas, de la
siguiente manera:
sin(ω c n)
ht (n) = .wk (n), −Q ≤ n ≤Q (4.40)
πn
80
Se hace notar que el filtro FIR resultante no es causal, pero se puede convertir en causal
retardando los coeficientes del filtro Q muestras. Puesto que Q es par, el filtro retardado
será un filtro FIR de fase lineal Tipo I.
La señal que envía el radar hacia la atmósfera tiene una frecuencia de 49.92 MHz, pero
cuando regresa a la antena la frecuencia de la señal es de (49.92 ± ∆f ) MHz. Esta
variación en la frecuencia (± ∆f ) es la que nos indica como varían las velocidades de los
vientos en la atmósfera, y es sólo esa variación la que se analiza mediante las fórmulas del
efecto Doppler.
La señal que regresa a la antena del radar se compara con una señal de frecuencia constante
e igual a 49.92 MHz. Como resultado de esta comparación se obtiene una señal cuya
frecuencia es igual a la variación ∆f . Teóricamente esta variación de frecuencia ∆f nos
debería indicar solamente cómo varían las velocidades de los vientos en la atmósfera, pero
debido a que existen ruidos que se mezclan con la señal que regresa a la antena del radar,
la nueva señal obtenida de la comparación entre la señal enviada a la atmósfera y la señal
recibida por la antena debe ser filtrada para eliminar los posibles ruidos existentes.
Entonces para el diseño del filtro se debe considerar un filtro pasa bajo cuya frecuencia de
corte coincida con el valor máximo de (± ∆f ) que se desea analizar. El radar realiza
mediciones de vientos de hasta 300.3 m/s para la ionósfera, lo que equivaldría en
frecuencia a 100 Hz, el cual es el máximo valor de (± ∆f ) . Entonces la frecuencia de corte
quedaría definida a ese valor.
Además se debe tener en cuenta que todas las señales que se encuentren más allá de la
frecuencia de corte son consideradas como ruido y deben ser atenuadas o eliminadas ya
que no constituyen información relevante para el análisis de las velocidades de los vientos
de altura.
Para el diseño del filtro digital se hizo uso del software Matlab, específicamente de la
herramienta fdatool2 (Filter Design & Analysis Tool). Con ella el diseño del filtro es muy
sencillo, y no debemos realizar ningún cálculo engorroso.
En cuanto al orden del filtro, dejaremos que Matlab calcule automáticamente el mínimo
orden, pero sin dejar de cumplir con las especificaciones dadas.
2
Para más información sobre esta herramienta ingresar a www.mathworks.com o tipear "help fdatool" en la
ventana principal de Matlab.
81
Como ya se dijo anteriormente, el tipo de respuesta que tendrá el filtro digital será del tipo
pasa bajo, con una frecuencia de corte de aproximadamente 100 Hz.
Figura 4.22. Parámetros de frecuencia y magnitud para filtros IIR Chebyshev tipo I
donde:
Tabla 4.3. Especificaciones de magnitud y frecuencia para el diseño del filtro digital
Parámetro Valor
Apass 1 dB
Astop 50 dB
Fpass 150 Hz
Fstop 200 Hz
Fs 100 MHz
El valor de Apass que se ha escogido es el menor posible (1 dB), de tal manera que no
existan muchas fluctuaciones en la banda de paso, ya que de lo contrario si elegimos un
valor mayor se podrían atenuar o amplificar señales que en realidad se desea que pasen sin
ser afectadas por el filtro. El valor de la atenuación dentro de la banda de filtrado (Astop) ha
sido elegido según el máximo valor de ruido extraído de los reportes de las medidas de los
vientos de altura. Los valores de Fpass y Fstop han sido elegidos de tal manera que el filtro
deje pasar libremente a la señal de 100 Hz, y que además atenúe al resto de señales que se
82
encuentren cerca de este valor. La frecuencia de muestreo Fs ha sido elegida en 100 MHz
para conseguir que la máxima frecuencia que atenúe el filtro esté cercana a 50 MHz que es
la frecuencia de trabajo del radar. Ahora con todos estos parámetros se procede a diseñar
el filtro.
Con todos los parámetros de diseño ya especificados, el cálculo del filtro se realizará
utilizando la herramienta fdatool de Matlab. Una vez ingresados los parámetros
especificados, las características del filtro calculado son las siguientes:
El filtro digital cuenta con 5 secciones de segundo orden o SOS's (del inglés Second Order
Seccions), unidas en cadena una con la otra. Debido a que el orden del filtro es 9, entonces
esto quiere decir que la última sección será tan sólo de primer orden. Cada sección se
acopla a la siguiente mediante un valor de escala tal como se muestra en la siguiente
figura:
Figura 4.23. Esquema del diagrama de bloques del filtro digital calculado
83
Los coeficientes de cada sección se encuentran en la matríz SOS, la cual es una matríz de
orden M por 6, donde M es el número de secciones de segundo orden del filtro. Cada fila
de la matríz SOS contiene los coeficientes del numerador y denominador (bik y aik) de la
sección correspondiente del filtro. La matríz SOS correspondiente calculada por Matlab se
muestra a continuación
Los valores de escala se encuentran en la matríz S, la cual es un vector columna con M+1
valores de escala. Estos valores son usados entre las secciones de segundo orden del filtro
y cada valor es usado por una sección diferente, de acuerdo al diagrama de la figura 4.23.
Es posible considerar a los valores de escala como las ganancias correspondientes a cada
una de las secciones del filtro. La matríz S calculada por Matlab, se muestra a
continuación:
s1 2.2101 e - 9
s 1.7219 e - 9
2
s3 9.7389 e - 10
S= =
s4 3.1614 e - 10
s5 7.5082 e - 6
s6 1
Una vez que ya sido calculado el filtro digital, ahora se procederá a analizar la respuesta
del filtro. Para esto simularemos varias señales senoidales de distintas frecuencias y
evaluaremos la capacidad de filtrado del filtro digital.
La señal de entrada x( t ) estará dada por 4 ondas senoidales de 100 Hz, 1000 Hz, 1 MHz y
10 MHz; todas con amplitudes de 50.
[ ]
x( t ) = 50 × sen( 2π 10 2 t ) + sen( 2π 10 3 t ) + sen( 2π 10 6 t ) + sen( 2π 107 t ) (4.41)
150
100
50
Amplitud
-50
-100
-150
-200
0 0.005 0.01 0.015 0.02 0.025 0.03 0.035 0.04 0.045 0.05
Tiempo
40
20
Amplitud
-20
-40
-60
0 0.005 0.01 0.015 0.02 0.025 0.03 0.035 0.04 0.045 0.05
Tiempo
Para el caso del radar no habría mayores implicancias en optar por la implementación por
software, ya que no se requieren resultados "en tiempo real".
La velocidad con que se realice el muestreo de datos no tiene ninguna relación con el
tiempo que tarde en realizarse el filtrado de la señal, ya que la primera depende de la
velocidad con que cuente el dispositivo que se utilice para muestrear la señal (por ejemplo
una tarjeta de adquisición de datos) y la segunda depende de la velocidad con que ejecuten
las instrucciones del algoritmo de filtrado.
Si es que el algoritmo de filtrado se implementa en una PC, entonces la velocidad con que
se ejecute el algoritmo de filtrado dependerá de la cantidad de instrucciones que tenga el
algoritmo y de la velocidad del procesador de la PC que se utilice. Por tanto se recomienda
solo utilizar la cantidad de instrucciones necesarias así como también contar con una PC
que sea adecuada para este tipo de tarea.
Debido a que para implementar el filtro digital es necesario hacer modificaciones dentro
del software y hardware con el que cuenta actualmente el radar, no se ahondará más en este
tema
86