UNIVERSIDAD NACIONAL MAYOR DE SAN

MARCOS
FACULTAD DE ING.ELECTRÓNICA,
ELÉCTRICA

Apellido y Nombre: Código:

 Morales Vela Erick Brayann  16190132

Curso: Tema:

LABORATORIO DE COMUNICACIÓN
Diseño de Filtros y Ecualizador Digital
ANALOGICA I

Informe: Fechas: Nota:

FINAL Realización: Entrega:

Numero:
15 de Abril del 20 de Abril del 2019
2019
3
Grupo: Profesor:

Numero: L12
ING. SIXTO LLOSA PORTUGAL
Horario: Lunes 9:00 – 12:00
CUESTIONARIO FINAL:

1. OBJETIVOS:
Diseñar filtros de respuesta en frecuencia de audio y determinar las características en
el dominio del tiempo y de la frecuencia. Asimismo, diseñar ecualizadores digitales de
audio frecuencia, usando el MATLAB.
2. PROCEDIMIENTO:
Diseñe un ecualizador digital usando el comando ELLIP y grafique las ondas en el
dominio del tiempo y su respectiva transformada de Fourier. Dibuje el esquema de
bloques correspondiente al ecualizador resultante.
Verificar la respuesta en frecuencia de otros filtros: Modificar sus variables como
ancho de banda amplitud y orientación de los 4 filtros.
De acuerdo al ejercicio anterior (1), diseñe un ecualizador digital de cuatro canales, usando los
filtros IIR, si la señal de entrada es:

f=sin(2*pi*t*500)+sin(2*pi*t*1500)+sin(2*pi*t*2500)+sin(2*pi*t*3500).

Grafique la onda resultante en cada etapa del ecualizador en el dominio del tiempo
y en el dominio de la frecuencia.
3. CUESTIONARIO:

a) Explique en detalle la transformada discreta de Fourier DFT. Desarrolle 5 ejemplos

de la transformada de funciones discretas y su aplicación en el procesamiento de
señales.
PROCESAMIENTO DE SEÑALES

El procesamiento digital de señales o DSP (sigla en inglés de digital signal

processing) es la manipulación matemática de una señal de información para
modificarla o mejorarla en algún sentido. Este está caracterizado por la
representación en el dominio del tiempo discreto, en el dominio frecuencia
discreta, u otro dominio discreto de señales por medio de una secuencia de
números o símbolos y el procesado de esas señales. La Series Fourier y la
Transformada de Fourier resultan útiles para estos fines ya que permiten ver la
distribución de frecuencias de la señal, esto discretiza la señal permitiendo que se
almacenen digitalmente los valores de frecuencias para cada tiempo determinado,
luego mediante un DAC (siglas de “Digital-to-Analog Converter”, conversor digital a
analógico en inglés) se leen estos datos y se logra reproducir la señal original.

APLICACIÓN EN EL PROCESAMIENTO DE SEÑALES:

a) La estimación espectral consistente en la detección de señales enmascaradas

por ruidos o interferencias, y con muchos campos de aplicación como son las
comunicaciones digitales, sistemas radar, control predictivo, etc.
b) La determinación de la salida temporal de un SLIT cuando la entrada o la
respuesta en forma de impulso del sistema son secuencias de longitud
considerable.

c) La identificación de la función de transferencia de sistemas a partir de su

comportamiento frecuencia.

Se muestras los siguientes ejemplos:

1. FFT de la función SEN(t):

2. FFT de la función COS(t)

3. FFT de la función SEN(t)*COS(2t)
4. FFT de la función TANG(2t)

5. FFT de la función COS(3t) *2COS(2t)

b) ¿Qué es la transformada rápida de Fourier FFT? Desarrolle 5 ejemplos.

En la fórmula de la Transformada Discreta de Fourier obtener X(k) para un ‘k’

determinado requiere aproximadamente N sumas complejas y N productos
complejos, ya que:

Para k = 0, 1, ..., N-1. Si lo que se desea es obtener X(0), X(1), ..., X(N-1) entonces se
necesitarán un total de aproximadamente N2 sumas complejas y N2 productos
complejos. Esto quiere decir que los requerimientos computacionales de la DFT
pueden ser excesivos especialmente si el tamaño de N es grande.
La FFT aprovecha la periodicidad y simetría del factor ‘W’ para el cálculo del
Transformada Discreta de Fourier. La periodicidad de ‘W’ implica:

Y su simetría implica:

La FFT descompone la DFT de N puntos en transformadas más pequeñas. Una DFT

de N puntos es descompuesta en dos DFT’s de (N/2) puntos. Cada DFT de (N/2)
puntos se descompone a su vez en dos DFT’s de (N/4) puntos y así sucesivamente.
Al final de la descomposición se obtienen (N/2) DFT´s de 2 puntos cada una. La
transformada más pequeña viene determinada por la base de la FFT.
Para una FFT de base 2, N debe ser una potencia de 2 y la transformada más
pequeña es la DFT de 2 puntos. Para implementar la FFT se puede utilizar el
comando ‘fft’ de Matlab.

Se muestran los siguientes ejemplos.

Transformada de la función seno
1) Transformada de la función coseno

2) Transformada de una compuerta

3)
4) Transformada
 c) Explique sobre los fundamentos de los filtros digitales FIR y IIR.

- Filtro FIR
FIR es un acrónimo en inglés para Finite Impulse Response o Respuesta finita al
impulso. Se trata de un tipo de filtros digitales en el que, como su nombre indica, si
la entrada es una señal impulso, la salida tendrá un número finito de términos no
nulos.
Expresión matemática
Para obtener la salida sólo se basan en entradas actuales y anteriores. Su expresión
en el dominio n es:

En la expresión anterior N es el orden del filtro, que también coincide con el

número de términos no nulos y con el número de coeficientes del filtro. Los
coeficientes son bk.
La salida también puede expresarse como la convolución de la señal de entrada x
(n) con la respuesta impulsional h (n):

Polos y ceros
Estos filtros tienen todos los polos en el origen, por lo que son estables. Los ceros se
presentan en pares de recíprocos si el filtro se diseña para tener fase lineal.
ESTRUCTURA:
La estructura básica de un FIR es:

En la figura los términos 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.

Características
Los filtros FIR tienen la gran ventaja de que pueden diseñarse para ser de fase lineal,
lo cual hace que presenten ciertas propiedades en la simetría de los coeficientes.
 Este tipo de filtros tiene especial interés en aplicaciones de audio. Además, son
siempre estables.
Por el contrario, también tienen la desventaja de necesitar un orden mayor respecto
a los filtros IIR para cumplir las mismas características. Esto se traduce en un mayor
gasto computacional.
- Filtro IIR
IIR es una sigla en inglés para Infinite Impulse Response o Respuesta infinita al
impulso. Se trata de un tipo de filtros digitales en el que, como su nombre indica, si
la entrada es una señal impulso, la salida tendrá un número infinito de términos no
nulos, es decir, nunca vuelve al reposo.

Expresión matemática
La salida de los filtros IIR depende de las entradas actuales y pasadas, y además de
las salidas en instantes anteriores. Esto se consigue mediante el uso de
realimentación de la salida.

Donde los a y b son los coeficientes del filtro. El orden es el máximo entre los
valores de M y N.
Polos y ceros
Este tipo de filtros presenta polos y ceros que determinan la estabilidad y la
causalidad del sistema.
Cuando todos los ceros están en el interior de la circunferencia unidad se dice que
es fase mínima. Si todos están en el exterior es fase máxima.
Si algún polo está fuera de la circunferencia unidad el sistema es inestable.

ESTRUCTURA:
Hay numerosas formas de implementar los filtros IIR. La estructura afecta a las
características finales que presentará el filtro como la estabilidad. Otros parámetros
a tener en cuenta a la hora de elegir una estructura es el gasto computacional que
presenta.
Características
Las principales diferencias respecto a los filtros FIR es que los IIR pueden cumplir las
mismas exigencias que los anteriores, pero con menos orden de filtro. Esto es
importante a la hora de implementar el filtro, pues presenta una menor carga
computacional.
Este tipo de filtros pueden ser inestables, aun cuando se diseñen para ser estables.
En principio no pueden diseñarse para tener fase lineal, pero se pueden aplicar
algunas técnicas como el filtrado bidireccional para lograrlo.