M1.

603 · Processament Avançat · PEC1 · 2019-20 · Estudis d’Informàtica Multimèdia y Telecomunicació

PEC1
Presentación
La PEC1 contiene tres ejercicios sobre filtros digitales. Dos de ellos son básicamente
para realizar a mano y el tercero, más de carácter práctico, para ser resuelto mediante
Matlab. En todos los casos, para la realización de cálculos y gráficas puede utilizar el
Matlab.

Objetivos
Ofrecer una visión general sobre las técnicas de diseño de filtros en el dominio de
Fourier. Dar a conocer al estudiante las técnicas clásicas de diseño de filtros y su
aplicación en el campo del procesado de la señal.

Descripción de la PEC (Práctica Evaluación Continua) a realizar

1) Una secuencia numérica 𝑥(𝑛) toma valores ±1 de forma aleatoria. Se quiere
detectar, en ella, la presencia de una subsecuencia 𝑥1 (𝑛), formada por cuatro
muestras de valor −1 seguidas de cuatro muestras de valor +1, tal y como se dibuja
en la figura 1:

Figura 1: Secuencia aleatoria 𝑥(𝑛) y subsecuenica que queremos detectar 𝑥1 (𝑛).

Para ello, se dispone del sistema digital de la figura 2, formado por un subsistema de
respuesta impulsional ℎ(𝑛) seguido de un comparador que genera la salida 𝑧(𝑛), de
forma que 𝑧(𝑛) vale 1 cuando se detecta la secuencia y vale 0 cuando no se detecta:

1, |𝑦(𝑛)| > 𝑀
𝑧(𝑛) = {
0, |𝑦(𝑛)| ≤ 𝑀

1
M1.603 · Processament Avançat · PEC1 · 2019-20 · Estudis d’Informàtica Multimèdia y Telecomunicació

Figura 2: (a) Sistema detector de la subsecuencia. (b) Respuesta impulsional del filtro FIR,
subsistema ℎ(𝑛).

Se pide:

a) Analitzar el funcionamiento del sistema realizando la convolución a mano de

𝑥1 (𝑛) con ℎ(𝑛).
b) Determinar el menor valor de 𝑀 adecuado para detectar la subseqcuecia 𝑥1 (𝑛).
c) Determinar una expresión recursiva (por lo tanto, que sea el cociente de dos
polinomios) de la función 𝐻(𝑧).
d) A partir del resultado anterior, determinar la ecuación en diferencias finitas de
ℎ(𝑛) y dibujar la implementación recursiva.
e) Calcular los polos y los ceros de 𝐻(𝑧). Se puede utilizar la función roots de
Matlab para calcular las raíces.
f) Dibujar el diagrama de polos y ceros de 𝐻(𝑧).
g) Calcular la transformada de Fourier de 𝐻 (𝑧), especificando el módulo y la fase.
h) Calcular el retardo de grup y razonar si 𝐻(𝑧) es un filtro de fase lineal o no.
i) Si ahora se quiere detectar la subecuencia 𝑥2 (𝑛), formada por cuatro muestras
de valor +1 seguidas de cuatro muestras de valor−1, indicar de forma razonada
los cambios necesarios en el sistema detector.

2
M1.603 · Processament Avançat · PEC1 · 2019-20 · Estudis d’Informàtica Multimèdia y Telecomunicació

2) Queremos diseñar un filtro pasa banda, centrado alrededor de 375 𝐻𝑧, sin ningún tipo
de rizado en la banda de paso. El filtro tiene que ser causal y estable y de coeficientes
reales, y lo queremos diseñar a partir de la técnica de colocación manual de polos y
ceros. Considerar que la frecuencia de muetreo es 𝐹𝑠 = 1500 𝐻𝑧. Las especificaciones
del filtro son las siguientes:

• Tiene que eliminar la componente contínua de la señal

• Tiene que eliminar la frecuencia de 50 𝐻𝑧
• Tiene que eliminar la frecuencia máxima posible.
• La banda de paso la conseguiremos forzando un máximo en las frecuencias de
345 𝐻𝑧, 375 𝐻𝑧 y 405 𝐻𝑧

En todos los cálculos trabajaremos con dos decimales. Se pide:

a) Determinar de forma razonada cuantos polos y ceros tendrá el filtro, y en qué

valors de ω (rad/s) estarán situados. Para simplificar el diseño, supondremos
que los polos tienen todos el mismo módulo 𝑟.
b) Determinar la expresión de la función de transferencia del filtro, en función de 𝑟.
Suponer que la ganancia global del sistema es 𝐺 = 0.87 para todo el ejercicio.
c) Dibujar el diagrama de polos y ceros para un valor de 𝑟 que creas razonable.
d) Utilitzando Matlab, representar el módulo de la resposta en frecuencia |𝐻(𝑒 𝑗𝜔 )|
para el valor de 𝑟 escogido en el apartado (b).
e) Utilitzando Matlab, representar la respuesta impulsional del filtro. Razonar, a
partir del resultado, si el filtro tendrá fase lineal o no.
f) Determinar, barriendo para diferentes valores de 𝑟, el que permita obtener
aproximadamente |𝐻|𝑚𝑎𝑥 = 300. Dibujar en una misma gráfica todos los filtros
generados en el barrido. Comentar el efecto de 𝑟 en la forma del filtro. ¿Qué
pasa si 𝑟 es demasiado grande?
g) Para el valor de 𝑟 escogido en el apartado anterior, a qué frecuencia se
encuentra el máximo? ¿Es la frecuencia esperada? Comentar el resultado.
h) Sabiendo que el número de décadas que hay entre dos frecuencias qualesquiera
𝑓
viene determinado por 𝑛 = 𝑙𝑜𝑔10 ( 2 ), estimar la atenuación del filtro en 𝑑𝐵/𝑑𝑒𝑐.
𝑓1

3
M1.603 · Processament Avançat · PEC1 · 2019-20 · Estudis d’Informàtica Multimèdia y Telecomunicació

3) La electroencefalografía (EEG) es una técnica utilizada para evaluar la actividad

eléctrica del cerebro. Las células de cerebro se comunican entre sí mediante impulsos
eléctricos. El EEG puede utilizarse para ayudar a detectar posibles problemas asociados
con esta actividad. La prueba registra los patrones de las ondas cerebrales mediante
electrodos en el cuero cabelludo, que capturan los impulsos eléctricos del cerebro y
envían las señales a un ordenador, donde se analizan los resultados.

El EEG se utiliza para detectar problemas en la actividad eléctrica del cerebro que
pueden estar asociados con ciertos trastornos cerebrales. Las señales de un EEG se
utilizan para confirmar o descartar diversas afecciones, entre ellas: trastornos
convulsivos (como la epilepsia), lesiones en la cabeza, encefalitis (inflamación del
cerebro), tumores cerebrales, encefalopatía (una enfermedad que causa disfunción
cerebral), problemas de memoria, trastornos del sueño, derrame cerebral, demencia
(como la enfermedad de Alzheimer o deterioro cognitivo leve), etc. Por lo tanto, es
importante investigar este tipo de señales y saber cómo aplicar algunas técnicas de
procesamiento de señales para descubrir qué hay detrás de ellas.

En este ejercicio utilizaremos señales de EEG previamente grabadas provenientes de

sujetos de control (Ctr) y de pacientes con enfermedad de Alzheimer (AD).
Investigaremos un fenómeno llamado slowing of the electroencephalogram
(mantenemos la terminología inglesa para facilitar la búsqueda de información), que es
frecuente en la enfermedad de Parkinson (PD) y en la enfermedad de Alzheimer (AD) y
se correlaciona con el declive cognitivo.

Por ello, se pide:

a) Explicar, en pocas líneas, en qué consiste este efecto (slowing of the

electroencephalogram). Indicar las fuentes de información utilizadas para tu
respuesta.
b) Cargar el fichero AD1_raw.mat utilizando la función load del Matlab. Sabiendo
que la frecuencia de muestreo del sistema es 𝑓𝑠 = 128𝐻𝑧 y que tenemos unos
de 5 min de datos, indicar qué representan las filas y las columnas de X.
c) Reprentar la señal d’EEG del canal 1entre las muestras 21400 y 23959,
calibrando el eje de abcisas en segundos; sobreponer a esta gráfica el canal 1
del fichero AD1_clean.mat, que contiene la misma señal, ya solamente los
mismos 20 segons pero después de eliminar artefactos y ruido. Observar el
efecto de haber eliminado el ruido y los artefactos. Nota: A partir de este punto, cuando
hagamos referencia al canal 1 de la señal AD1_raw.mat indicará solamente la ventana de 20
segundos seleccionada aquí.
d) Calcular y representar, en una figura nova, el módulo de la FFT del canal 1, tanto
de la señal ruidosa (raw) com de la señal limpia (clean). Comentar el resultado.
e) Diseñar los filtros següentes, que servirán para extraer informació de las señales
de EEG en las cinco bandes frecuenciales típicamente utilizadas en el análisis
de este tipo de datos: δ (1–4 Hz), θ (4–8 Hz), α (8–13 Hz), β (13–30 Hz) y ϒ(30–
60 Hz). Cada un de los filtros tiene que ser de tipo Butterworth de orden 8. Para

4
M1.603 · Processament Avançat · PEC1 · 2019-20 · Estudis d’Informàtica Multimèdia y Telecomunicació

diseñar los filtros, podéis utilizar instrucciones Matlab o directament la App ‘Filter
Designer’ que el Matlab incorpora y que encontraréis en la pestaña APPS, tal y
como se muestra en la figura 1. Estos filtros los llamaremos 𝐻δ ,𝐻θ ,𝐻α ,𝐻β y 𝐻γ .
Diseñar, también un filtro Butterworth de orden 8 que abarque el rango 1-60 Hz
y al que llamaremos 𝐻𝑇 . Dibujar las respuestes de amplitud (magnitude
response) de todos los filtros en una mateixa figura (podéis utilizar la misma App
que llama a la funció Filter Visualization Tool (FVT).

Figura 1: App Filter Designer de Matlab, Documentación FD y menú FVT

f) Representar, en una figura con los correspondientes subplots, el primer canal

del fichero AD1_clean.mat filtrado con cada uno de los filtros diseñados. En la
primera fila (arriba) se debe mostrar la señal filtrada con 𝐻𝑇 , y debajo,
sucesivamente, la señal filtrada con los demás filtros en las bandas δ, θ, α, β y
ϒ. Repetir lo mismo para el primer canal del fichero Ctr18_clean.mat.
Comentar las diferencias observadas entre las dos figuras.
g) Crear una función Matlab para calcular la potencia relativa (RP) de una señal de
EEG. La PR entre les frecuncias 𝑓1, y 𝑓2, , para una señal muestreada a una 𝑓𝑠 =
128𝐻𝑧 (y que por lo tanto contiene información entre 1 y 60Hz) se calcula como:
𝑃(𝑓1, 𝑓2, )
𝑅𝑃(𝑓1, 𝑓2, ) =
𝑃(1, 60)
donde 𝑃(𝑎, 𝑏) es la potencia espectral en la banda de frecuencias [𝑎, 𝑏], que se
puede aproximar como la suma de los valores absolutos al cuadrado de la FFT
de la señal de EEG filtrada con el filtro de Butterworth diseñado préviamente
para la banda [𝑎, 𝑏]. Por lo tanto, por ejemplo, para calcular 𝑅𝑃(8,13) = 𝑅𝑃𝛼 =
𝑃(8,13)
(1,60)
deberéis filtrar la señal de EEG con el filtro 𝐻𝛼 , calcular la FFT de la señal
de salida del filtro, sumar los valores absolutos al cuadrado de la FFT, y dividir
este valor por el que obtendréis al repetir lo mismo pero filtrando la señal de EEG
con el filtro 𝐻𝑇 . Esta función, a la que llamaremos RelativePower, tiene que
devolver la RP de las cinco bandas de frecuencia, en un vector fila.
h) Para el primer canal del fichero AD1_clean.mat, calcular 𝑅𝑃𝛿 , 𝑅𝑃𝜃 , 𝑅𝑃𝛼 , 𝑅𝑃𝛽 y
𝑅𝑃𝛾 utilizando una sola llamada a la función RelativePower. Repetir lo mismo,
pero para el fichero Ctr18_clean.mat. Representar los dos resultados en un
mismo diagrama de barres para poder comparar cada una de las bandas de
frecuencia en los dos casos.
i) Comentar el resultado observado en la figura anterior y razonar si encaja con lo
explicado en el apartado (a).

5
M1.603 · Processament Avançat · PEC1 · 2019-20 · Estudis d’Informàtica Multimèdia y Telecomunicació

Recursos
MATLAB,
Módulo 1. Diseño de filtros discretos

Criterios de valoración
Cada ejercicio se puntuará sobre 10. Los tres ejercicios valen lo mismo.

Formato y fecha de entrega

Debe enviar la solución en un archivo PDF. El documento debe realizarse con un
procesador de textos con un Editor de ecuaciones. No se aceptarán archivos con
ecuaciones escritas a mano. No se aceptarán archivos que no estén en formato PDF.
El nombre de este archivo debe tener el siguiente formato:

[nombre_usuario_uoc]_PEC[numero_PEC].pdf

La fecha límite de entrega es el lunes 23 de Marzo de 2020 (antes de las 12 de la noche).

En cuanto a los ejercicios:

1. Utilice un editor de ecuaciones cuando tenga que poner expresiones matemáticas (el
propio editor de Office sirve).
2. Explicar las cosas de una manera clara y concreta.
3. Para todos los apartados resueltos con Matlab, y en especial para el ejercicio 3,
agregue el código Matlab para reproducir el ejercicio y las figuras que decide generar,
de manera que yo pueda copiar y pegar el código en Matlab (por lo tanto, no una imagen
del código sino el texto del código)

6
M1.603 · Processament Avançat · PEC1 · 2019-20 · Estudis d’Informàtica Multimèdia y Telecomunicació

Nota : Propiedad intelectual

A menudo es inevitable, al producir una obra multimedia, hacer uso de recursos creados por
terceras personas. Es por lo tanto comprensible hacerlo en el marco de una práctica de los
estudios del Master, siempre que esto se documente claramente y no suponga plagio en la
práctica.

Por lo tanto, al presentar una práctica que haga uso de recursos ajenos se presentará junto
con ella un documento en el que se detallen todos ellos, especificando el nombre de cada
recurso, su autor, el lugar donde se obtuvo y el su estatus legal: si la obra está protegida por
copyright o se acoge a alguna otra licencia de uso (Creative Commons, GNU, GPL). El
estudiante deberá asegurarse que la licencia no impida específicamente su uso en el marco
de la práctica. En caso de no encontrar la información correspondiente deberá asumir que la
obra está protegida por copyright.

Deberán, además, adjuntar los archivos originales cuando las obras utilizadas sean digitales,
y su código fuente si corresponde.
Otro punto a considerar es que cualquier práctica que haga uso de recursos protegidos por
copyright no podrá en ningún caso publicarse en Mosaic, la revista del Graduado en
Multimedia en la UOC, a no ser que los propietarios de los derechos intelectuales den su
autorización explícita.