Seminario de Procesamiento Digital de Señales

Diseño de Filtros FIR

Marcelo A. Pérez

Departamento Electrónica
Universidad Técnica Federico Santa Marı́a
 Introducción
Muestreo en el tiempo
Efecto Gibbs
Muestreo en Frecuencia

Contenidos

1 Introducción

2 Muestreo en el tiempo

3 Efecto Gibbs

4 Muestreo en Frecuencia

2 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción
Muestreo en el tiempo
Efecto Gibbs
Muestreo en Frecuencia

Contenido

1 Introducción

2 Muestreo en el tiempo

3 Efecto Gibbs

4 Muestreo en Frecuencia

3 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción
Caracterı́sticas
Muestreo en el tiempo
Estructura
Efecto Gibbs
Función de transferencia discreta
Muestreo en Frecuencia

Contenido

1 Introducción

2 Muestreo en el tiempo

3 Efecto Gibbs

4 Muestreo en Frecuencia

4 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción
Caracterı́sticas
Muestreo en el tiempo
Estructura
Efecto Gibbs
Función de transferencia discreta
Muestreo en Frecuencia

Introducción

Caracterı́sticas
La salida depende solo de las entradas.
Pueden ser diseñados para obtener fase lineal.
No presentan ciclos lı́mites.
El error de redondeo es relativamente pequeño.
Son estables.
Requiere alto orden para lograr cortes abruptos de frecuencia.

5 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción
Caracterı́sticas
Muestreo en el tiempo
Estructura
Efecto Gibbs
Función de transferencia discreta
Muestreo en Frecuencia

Introducción

Estructura
Suma ponderada de las entradas
N
X
y(n) = bk x(n − k)
k=0

Donde bk son los coeficientes del filtro.

6 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción
Caracterı́sticas
Muestreo en el tiempo
Estructura
Efecto Gibbs
Función de transferencia discreta
Muestreo en Frecuencia

Introducción

Función de transferencia discreta

Aplicando la transformada Z se tiene:
N PN N −k
Y (z) X k=0 bk z
H(z) = = bk z −k =
X(z) zN
k=0

que corresponde a la función de transferencia discreta del filtro.

7 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción
Caracterı́sticas
Muestreo en el tiempo
Estructura
Efecto Gibbs
Función de transferencia discreta
Muestreo en Frecuencia

Introducción

Polos y Ceros
N polos en cero.
N ceros localizados según las raı́ces del numerador

Im(z)

Re(z)

8 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción
Caracterı́sticas
Muestreo en el tiempo
Estructura
Efecto Gibbs
Función de transferencia discreta
Muestreo en Frecuencia

Introducción

Filtro de convolución
Suponiendo que los coeficientes corresponden a la respuesta
impulso del filtro.
bk = h(k)
Se tiene
N
X
y(n) = h(k)x(n − k)
k=0

que corresponde a la convolución discreta entre h(k) y x(k).

9 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción
Caracterı́sticas
Muestreo en el tiempo
Estructura
Efecto Gibbs
Función de transferencia discreta
Muestreo en Frecuencia

Introducción

Filtro de convolución
h(n) x(n) y(n)

-5 -4 -3 -2 -1 0 1 2 3 4 5 5 10 15 20 25 30 35 40 45 50 55 5 10 15 20 25 30 35 40 45 50 55
n n n

10 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción
Caracterı́sticas
Muestreo en el tiempo
Estructura
Efecto Gibbs
Función de transferencia discreta
Muestreo en Frecuencia

Introducción
Respuesta en frecuencia continua
N
X
H(ω) = h(k)e−jkω
k=0

h(n) H( )

-5 -4 -3 -2 -1 0 1 2 3 4 5 0 s
n

11 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción
Caracterı́sticas
Muestreo en el tiempo
Estructura
Efecto Gibbs
Función de transferencia discreta
Muestreo en Frecuencia

Introducción
Periodicidad de la respuesta en frecuencia

N
X N
X
−jk(ω+2π)
H(ω + 2π) = h(k)e = h(k)e−jkω e−jk2π = H(ω)
k=0 k=0

h(n) H( )

-5 -4 -3 -2 -1 0 1 2 3 4 5 s 0 s s
n

12 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción
Caracterı́sticas
Muestreo en el tiempo
Estructura
Efecto Gibbs
Función de transferencia discreta
Muestreo en Frecuencia

Diseño de Filtro FIR

Introducción
Muestreo en tiempo
Utiliza el muestreo de la respuesta en el tiempo.
Requiere desarrollo teórico para calcular la respuesta en el
tiempo.
No recomendado para respuesta en frecuencia no standard.
Muestro en frecuencia
Utiliza muestreo directo de frecuencias.
Diseño preciso de frecuencias en los puntos de interés.
Alto esfuerzo en cálculo.

13 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Pasa Bajos
Introducción
Pasa Altos
Muestreo en el tiempo
Pasa Banda
Efecto Gibbs
Elimina Banda
Muestreo en Frecuencia
Filtros no standard

Contenido

1 Introducción

2 Muestreo en el tiempo

3 Efecto Gibbs

4 Muestreo en Frecuencia

14 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Pasa Bajos
Introducción
Pasa Altos
Muestreo en el tiempo
Pasa Banda
Efecto Gibbs
Elimina Banda
Muestreo en Frecuencia
Filtros no standard

Diseño de filtro FIR

Procedimiento de diseño
Definir H(ω).
Calcular h(t) usando la transformada inversa de Fourier.
Calcular h(n) muestreando la respuesta en tiempo continuo.

15 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Pasa Bajos
Introducción
Pasa Altos
Muestreo en el tiempo
Pasa Banda
Efecto Gibbs
Elimina Banda
Muestreo en Frecuencia
Filtros no standard

Diseño de filtro FIR

Filtro pasa bajos ideal


1 0 < ω ≤ ωc
H(ω) =
0 ω > ωc

16 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Pasa Bajos
Introducción
Pasa Altos
Muestreo en el tiempo
Pasa Banda
Efecto Gibbs
Elimina Banda
Muestreo en Frecuencia
Filtros no standard

Diseño de filtro FIR

Filtro pasa bajos ideal considerando periodicidad

s s/2 c c s/2 s

H(ω ± ωs ) = H(ω)

17 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Pasa Bajos
Introducción
Pasa Altos
Muestreo en el tiempo
Pasa Banda
Efecto Gibbs
Elimina Banda
Muestreo en Frecuencia
Filtros no standard

Diseño de filtro FIR

Filtro pasa bajos ideal

H

s/2 c c s/2


 0 −ωs /2 < ω < −ωc
H(ω) = 1 −ωc < ω < ωc
0 ωc < ω < ωs /2


18 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Pasa Bajos
Introducción
Pasa Altos
Muestreo en el tiempo
Pasa Banda
Efecto Gibbs
Elimina Banda
Muestreo en Frecuencia
Filtros no standard

Diseño de filtro FIR

Respuesta en tiempo
Z ωs /2
1
h(t) = H(ω)e−jωt dω
ωs −ωs /2

Utilizando la respuesta en frecuencia del pasa bajos

Z ωc
1
h(t) = e−jωt dω
ωs −ωc
2 ejωc t − ejωc t 2
= = sin (ωc t)
ωs t 2j ωs t

19 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Pasa Bajos
Introducción
Pasa Altos
Muestreo en el tiempo
Pasa Banda
Efecto Gibbs
Elimina Banda
Muestreo en Frecuencia
Filtros no standard

Diseño de filtro FIR

Respuesta en el tiempo
ωc
h(t) = sinc(ωc t) t ∈ [−∞, ∞]
ωs /2
 sin(α)
α α 6= 0
sinc(α) =
1 α=0

0.8

0.6
sinc(t)

0.4
0.2

-0.2
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
tiempo

20 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Pasa Bajos
Introducción
Pasa Altos
Muestreo en el tiempo
Pasa Banda
Efecto Gibbs
Elimina Banda
Muestreo en Frecuencia
Filtros no standard

Diseño de filtro FIR

Muestreo de la respuesta en el tiempo

ωc
h(n) = sinc(ωc nT ) −∞<n<∞
ωs /2

21 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Pasa Bajos
Introducción
Pasa Altos
Muestreo en el tiempo
Pasa Banda
Efecto Gibbs
Elimina Banda
Muestreo en Frecuencia
Filtros no standard

Diseño de filtro FIR

Muestreo de la respuesta en el tiempo

ωc
h(n) = sinc(ωc nT ) − n0 ≤ n ≤ n0
ωs /2

0.8
0.6
sinc(nT)

0.4
0.2

-0.2
-50 -40 -30 -20 -10 0 10 20 30 40 50
n

22 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Pasa Bajos
Introducción
Pasa Altos
Muestreo en el tiempo
Pasa Banda
Efecto Gibbs
Elimina Banda
Muestreo en Frecuencia
Filtros no standard

Diseño de filtro FIR

Respuesta en frecuencia
H( )

c s/2 s
frecuencia

23 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Pasa Bajos
Introducción
Pasa Altos
Muestreo en el tiempo
Pasa Banda
Efecto Gibbs
Elimina Banda
Muestreo en Frecuencia
Filtros no standard

Diseño de filtro FIR

Pasa altos ideal

H

s/2 c c s/2


 1 −ωs /2 < ω < −ωc
H(ω) = 0 −ωc < ω < ωc
1 ωc < ω < ωs /2


24 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Pasa Bajos
Introducción
Pasa Altos
Muestreo en el tiempo
Pasa Banda
Efecto Gibbs
Elimina Banda
Muestreo en Frecuencia
Filtros no standard

Diseño de filtro FIR

Respuesta en el tiempo
Z ωs /2
1
h(t) = H(ω)e−jωt dω
ωs −ωs /2

Utilizando la respuesta en frecuencia del pasa altos

Z −ωc Z ωs /2
1 −jωt 1
h(t) = e dω + e−jωt dω
ωs −ωs /2 ωs ωc
2 ejωs /2t − e−jωs /2t 2 ejωc t − e−jωc t
h(t) = −
ωs t 2j ωs t 2j

25 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Pasa Bajos
Introducción
Pasa Altos
Muestreo en el tiempo
Pasa Banda
Efecto Gibbs
Elimina Banda
Muestreo en Frecuencia
Filtros no standard

Diseño de Filtro FIR Pasa Alto

Respuesta en el tiempo
ω  ωc
s
h(t) = sinc t − sinc (ωc t)
2 ωs /2

1.5
Pasa Altos
1

0.5

-0.5

-1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1

26 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Pasa Bajos
Introducción
Pasa Altos
Muestreo en el tiempo
Pasa Banda
Efecto Gibbs
Elimina Banda
Muestreo en Frecuencia
Filtros no standard

Diseño de filtro FIR pasa banda

Pasa banda ideal

H

s/2 2 1 1 2 s/2



 0 −ωs /2 < ω < −ω2
 1 −ω2 < ω < −ω1


H(ω) = 0 −ω1 < ω < ω1
1 ω1 < ω < ω2




0 ω2 < ω < ωs /2


27 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Pasa Bajos
Introducción
Pasa Altos
Muestreo en el tiempo
Pasa Banda
Efecto Gibbs
Elimina Banda
Muestreo en Frecuencia
Filtros no standard

Diseño de filtro FIR pasa banda

Respuesta en el tiempo
Z ωs /2
1
h(t) = H(ω)e−jωt dω
ωs −ωs /2

Utilizando la respuesta en frecuencia del pasa banda

Z −ω1 Z ω2
1 −jωt 1
h(t) = e dω + e−jωt dω
ωs −ω2 ωs ω1
2 ejω2 t − e−jω2 t 2 ejω1 t − e−jω1 t
h(t) = −
ωs t 2j ωs t 2j

28 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Pasa Bajos
Introducción
Pasa Altos
Muestreo en el tiempo
Pasa Banda
Efecto Gibbs
Elimina Banda
Muestreo en Frecuencia
Filtros no standard

Diseño de filtro FIR pasa banda

Respuesta en el tiempo
ω2 ω1
h(t) = sinc(ω2 t) − sinc(ω1 t)
ωs /2 ωs /2

1.5
Pasa Banda
1

0.5

-0.5

-1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1

29 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Pasa Bajos
Introducción
Pasa Altos
Muestreo en el tiempo
Pasa Banda
Efecto Gibbs
Elimina Banda
Muestreo en Frecuencia
Filtros no standard

Diseño de filtro FIR elimina banda

Elimina banda ideal

H

s/2 2 1 1 2 s/2



 1 −ωs /2 < ω < −ω2
 0 −ω2 < ω < −ω1


H(ω) = 1 −ω1 < ω < ω1
0 ω1 < ω < ω2




1 ω2 < ω < ωs /2


30 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Pasa Bajos
Introducción
Pasa Altos
Muestreo en el tiempo
Pasa Banda
Efecto Gibbs
Elimina Banda
Muestreo en Frecuencia
Filtros no standard

Diseño de filtro FIR pasa banda

Respuesta en el tiempo
Z ωs /2
1
h(t) = H(ω)e−jωt dω
ωs −ωs /2

Utilizando la respuesta en frecuencia del elimina banda

Z −ω2 Z ω1 Z ωs /2
1 −jωt 1 −jωt 1
h(t) = e dω + e dω + e−jωt dω
ωs −ωs /2 ωs −ω1 ωs ω2

ωs t ωs t
2 ej 2 − e−j 2 2 ejω1 t − e−jω1 t 2 ejω2 t − e−jω2 t
h(t) = + −
ωs t 2j ωs t 2j ωs t 2j

31 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Pasa Bajos
Introducción
Pasa Altos
Muestreo en el tiempo
Pasa Banda
Efecto Gibbs
Elimina Banda
Muestreo en Frecuencia
Filtros no standard

Diseño de filtro FIR elimina banda

Pasa banda ideal

ω  ω1 ω2
s
h(t) = sinc t + sinc(ω1 t) − sinc(ω2 t)
2 ωs /2 ωs /2

1.5
Elimina Banda
1

0.5

-0.5

-1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1

32 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Pasa Bajos
Introducción
Pasa Altos
Muestreo en el tiempo
Pasa Banda
Efecto Gibbs
Elimina Banda
Muestreo en Frecuencia
Filtros no standard

Diseño de Filtro FIR Pasa Bajo

Pasa bajos triangular

H

s/2 c c s/2


1 + ω/ωc −ωc < ω < 0
H(ω) =
1 − ω/ωc 0 < ω < ωc

33 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Pasa Bajos
Introducción
Pasa Altos
Muestreo en el tiempo
Pasa Banda
Efecto Gibbs
Elimina Banda
Muestreo en Frecuencia
Filtros no standard

Diseño de Filtro FIR no standard

Respuesta en el tiempo
Z ωs /2
1
h(t) = H(ω)e−jωt dω
ωs −ωs /2

Utilizando la respuesta en frecuencia del filtro triangular

Z 0  Z ωc  
1 ω −jωt 1 ω
h(t) = 1+ e dω + 1− e−jωt dω
ωs −ωc ωc ωs 0 ωc

34 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Pasa Bajos
Introducción
Pasa Altos
Muestreo en el tiempo
Pasa Banda
Efecto Gibbs
Elimina Banda
Muestreo en Frecuencia
Filtros no standard

Diseño de Filtro FIR no standard

0 ωc
2 ejωc t − e−jωc t
Z Z
1 1
h1 (t) = e−jωt dω + e−jωt dω =
ωs −ωc ωs 0 ωs t 2j
Z 0 Z ωc
1 1
h2 (t) = ωe−jωt dω − ωe−jωt dω
ωs ωc −ωc ωs ωc 0

2 2 ejωc t + e−jωc t 2 ejωc t − e−jωc t

h2 (t) = 2
− −
ωs ωc t ωs ωc t2 2 ωs t 2j
2 2 ejωc t + e−jωc t
h(t) = −
ωs ωc t2 ωs ωc t2 2

35 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Pasa Bajos
Introducción
Pasa Altos
Muestreo en el tiempo
Pasa Banda
Efecto Gibbs
Elimina Banda
Muestreo en Frecuencia
Filtros no standard

Diseño de Filtro FIR no standard

Respuesta en el tiempo filtro triangular

ωc 1 − cos(ωc t)
h(t) =
ωs /2 ωc2 t2

0.5

0
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1

36 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Pasa Bajos
Introducción
Pasa Altos
Muestreo en el tiempo
Pasa Banda
Efecto Gibbs
Elimina Banda
Muestreo en Frecuencia
Filtros no standard

Diseño de Filtro FIR no standard

Pasa bajos cosenoidal

H

s/2 c c s/2

 
πω
H(ω) = cos − ωc < ω < ωc
2ωc

37 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Pasa Bajos
Introducción
Pasa Altos
Muestreo en el tiempo
Pasa Banda
Efecto Gibbs
Elimina Banda
Muestreo en Frecuencia
Filtros no standard

Diseño de Filtro FIR no standard

Respuesta en el tiempo
Z ωs /2
1
h(t) = H(ω)e−jωt dω
ωs −ωs /2

Utilizando la respuesta en frecuencia del filtro cosenoidal

Z ωc  
1 πω
h(t) = cos e−jωt dω
ωs −ωc 2ωc

38 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Pasa Bajos
Introducción
Pasa Altos
Muestreo en el tiempo
Pasa Banda
Efecto Gibbs
Elimina Banda
Muestreo en Frecuencia
Filtros no standard

Diseño de Filtro FIR no standard

Z ωc  
1 πω
h1 (t) = cos cos(ωt)dω
ωs −ωc 2ωc
4πωc cos(ωc t)
h1 (t) =
ωs (π 2 − 4ωc2 t2 )
Z ωc  
j πω
h2 (t) = − cos sin(ωt)dω
ωs −ωc 2ωc
h2 (t) = 0

39 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Pasa Bajos
Introducción
Pasa Altos
Muestreo en el tiempo
Pasa Banda
Efecto Gibbs
Elimina Banda
Muestreo en Frecuencia
Filtros no standard

Diseño de Filtro FIR no standard

Respuesta en el tiempo filtro cosenoidal
ωc cos(ωc t)
h(t) =
ωs /2 π2 − π2 ωc2 t2

Pasa Bajos Cosenoidal

0.5

0
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1

40 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción
Ejemplo
Muestreo en el tiempo
Fenómeno de Gibbs
Efecto Gibbs
Ventanas
Muestreo en Frecuencia

Contenido

1 Introducción

2 Muestreo en el tiempo

3 Efecto Gibbs

4 Muestreo en Frecuencia

41 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción
Ejemplo
Muestreo en el tiempo
Fenómeno de Gibbs
Efecto Gibbs
Ventanas
Muestreo en Frecuencia

Ejemplo

Filtro pasa bajos ideal

H

s/2 c c s/2


 0 −ωs /2 < ω < −ωc 2ωc
h(n) = sinc(ωc nT )
H(ω) = 1 −ωc < ω < ωc ωs
0 ωc < ω < ωs /2


42 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción
Ejemplo
Muestreo en el tiempo
Fenómeno de Gibbs
Efecto Gibbs
Ventanas
Muestreo en Frecuencia

Utilización de ventanas

Ventana
Función original de largo
infinito.
Ventana permite utilizar un
largo finito.

Ventana rectangular

h1 (k) = h(k) · w(k)


1 |k| ≤ kn
w(k) =
0 |k| > kn

43 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción
Ejemplo
Muestreo en el tiempo
Fenómeno de Gibbs
Efecto Gibbs
Ventanas
Muestreo en Frecuencia

Respuesta en frecuencia del filtro

utilizando una ventana rectangular de N = 11

44 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción
Ejemplo
Muestreo en el tiempo
Fenómeno de Gibbs
Efecto Gibbs
Ventanas
Muestreo en Frecuencia

Respuesta en frecuencia del filtro

utilizando una ventana rectangular de N = 51

45 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción
Ejemplo
Muestreo en el tiempo
Fenómeno de Gibbs
Efecto Gibbs
Ventanas
Muestreo en Frecuencia

Respuesta en frecuencia del filtro

utilizando una ventana rectangular de N = 101

46 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción
Ejemplo
Muestreo en el tiempo
Fenómeno de Gibbs
Efecto Gibbs
Ventanas
Muestreo en Frecuencia

Respuesta en frecuencia del filtro

utilizando una ventana rectangular de N = 1001

47 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción
Ejemplo
Muestreo en el tiempo
Fenómeno de Gibbs
Efecto Gibbs
Ventanas
Muestreo en Frecuencia

Fenómeno de Gibbs

Al aumentar N mejora la
respuesta en frecuencia
excepto en la banda de
transición.
No es posible lograr un filtro
ideal si el número de
muestras es finita.
Caracterı́stica de la ventana
rectangular.

48 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción
Ejemplo
Muestreo en el tiempo
Fenómeno de Gibbs
Efecto Gibbs
Ventanas
Muestreo en Frecuencia

Ventana Rectangular

Ventana rectangular

w(n) = 1

49 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción
Ejemplo
Muestreo en el tiempo
Fenómeno de Gibbs
Efecto Gibbs
Ventanas
Muestreo en Frecuencia

Ventana Triangular

Ventana triangular
  
2 N  N − 1 
w(n) = − n −
N 2 2 

50 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción
Ejemplo
Muestreo en el tiempo
Fenómeno de Gibbs
Efecto Gibbs
Ventanas
Muestreo en Frecuencia

Ventana Cosenoidal

Ventana cosenoidal
 
πn π
w(n) = cos −
N −1 2

51 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción
Ejemplo
Muestreo en el tiempo
Fenómeno de Gibbs
Efecto Gibbs
Ventanas
Muestreo en Frecuencia

Ventana Hamming

Ventana Hamming
 
2πn
w(n) = 0,53836 + 0,46164 cos
N −1

52 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción
Ejemplo
Muestreo en el tiempo
Fenómeno de Gibbs
Efecto Gibbs
Ventanas
Muestreo en Frecuencia

Ventana Hann

Ventana Hann
 
2πn
w(n) = 0,5 + 0,5 cos
N −1

53 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción
Ejemplo
Muestreo en el tiempo
Fenómeno de Gibbs
Efecto Gibbs
Ventanas
Muestreo en Frecuencia

Ventana Blackman

Ventana Blackman
   
2πn 4πn
w(n) = 0,42 + 0,5 cos + 0,08 cos
N −1 N −1

54 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción
Ejemplo
Muestreo en el tiempo
Fenómeno de Gibbs
Efecto Gibbs
Ventanas
Muestreo en Frecuencia

Ventana Gaussiana

Ventana Gaussiana
 2
2n−N +1
−0,5 σ(N −1)
w(n) = e σ < 0,5

55 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción
Ejemplo
Muestreo en el tiempo
Fenómeno de Gibbs
Efecto Gibbs
Ventanas
Muestreo en Frecuencia

Comparación de ventanas

56 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción Introducción
Muestreo en el tiempo Representación
Efecto Gibbs Clasificación
Muestreo en Frecuencia Diseño

Contenido

1 Introducción

2 Muestreo en el tiempo

3 Efecto Gibbs

4 Muestreo en Frecuencia

57 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción Introducción
Muestreo en el tiempo Representación
Efecto Gibbs Clasificación
Muestreo en Frecuencia Diseño

Diseño de filtros con muestreo de frecuencias

Filtros con ventana son una solución satisfactoria para la mayorı́a

de los problemas, excepto para casos especı́ficos:

Especificaciones de filtro
digital para sistema de
mensajerı́a inalámbrica.

58 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción Introducción
Muestreo en el tiempo Representación
Efecto Gibbs Clasificación
Muestreo en Frecuencia Diseño

Introducción

Procedimiento de diseño
Definir la respuesta en frecuencia H(ω).
Calcular la amplitud A para las frecuencias de interés.
Utilizar DFT inversa para calcular los coeficientes h(n)

59 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción Introducción
Muestreo en el tiempo Representación
Efecto Gibbs Clasificación
Muestreo en Frecuencia Diseño

Diseño de filtros con muestreo de frecuencias

Muestras de la respuesta en frecuencia de N puntos equiespaciados

N
X −1
H(ω) = h(k)e−jωk
k=0

Utilizando DFT
  N −1
2πn X
H = h(k)e−j2πkn/M n = 0, 1..., N − 1
N
k=0

60 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción Introducción
Muestreo en el tiempo Representación
Efecto Gibbs Clasificación
Muestreo en Frecuencia Diseño

Diseño de filtros con muestreo de frecuencias

Transformada Discreta de Fourier

Muestras de la respuesta en frecuencia de N puntos equiespaciados

Respuesta en Frecuencia
amplitud

frecuencia

61 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción Introducción
Muestreo en el tiempo Representación
Efecto Gibbs Clasificación
Muestreo en Frecuencia Diseño

Muestreo en frecuencia

Transformada Discreta de Fourier

N debe ser lo suficientemente grande para representar la respuesta
en frecuencia H(ω).

Respuesta en Frecuencia
amplitud

frecuencia

62 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción Introducción
Muestreo en el tiempo Representación
Efecto Gibbs Clasificación
Muestreo en Frecuencia Diseño

Muestreo en frecuencia

Resultado de la transformada de Fourier

N
X −1
H(ω) = h(k)e−jωk
k=0

H(ω) = Hreal (ω) + jHimag (ω)

63 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción Introducción
Muestreo en el tiempo Representación
Efecto Gibbs Clasificación
Muestreo en Frecuencia Diseño

Muestreo en frecuencia

Representación en frecuencia y fase

H(ω) = HM (ω)ejd(ω)
Donde q
HM (ω) = Hreal (ω)2 + Himag (ω)2
 
Hreal (ω)
d(ω) = arctan
Himag (ω)
HM (ω) es no analı́tica y d(ω) es no continua.

64 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción Introducción
Muestreo en el tiempo Representación
Efecto Gibbs Clasificación
Muestreo en Frecuencia Diseño

Muestreo en frecuencia

Representación en amplitud y fase

H(ω) = HM (ω)ejd(ω)

65 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción Introducción
Muestreo en el tiempo Representación
Efecto Gibbs Clasificación
Muestreo en Frecuencia Diseño

Muestreo en frecuencia

Representación en frecuencia y fase

H(ω) = A(ω)ejθ(ω)
Donde
A(ω) = ±HM (ω)
θ(ω) = k1 + k2 d(ω)
A(ω) es analı́tica y θ(ω) es continua.

66 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción Introducción
Muestreo en el tiempo Representación
Efecto Gibbs Clasificación
Muestreo en Frecuencia Diseño

Muestreo en frecuencia

Representación en amplitud y fase

H(ω) = A(ω)ejθ(ω)

67 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción Introducción
Muestreo en el tiempo Representación
Efecto Gibbs Clasificación
Muestreo en Frecuencia Diseño

Muestreo en frecuencia

Desplazamiento
Filtro no causal

N/2 − 1 N par
h2 (n) = h1 (n − M ) M=
(N − 1)/2 N impar

68 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción Introducción
Muestreo en el tiempo Representación
Efecto Gibbs Clasificación
Muestreo en Frecuencia Diseño

Clasificación filtros de fase lineal

Clasificación
Por longitud: Par, impar
Por simetrı́a al punto medio: simétrico, antisimétrico

69 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción Introducción
Muestreo en el tiempo Representación
Efecto Gibbs Clasificación
Muestreo en Frecuencia Diseño

Clasificación

Tipo 1: Largo impar, simetrı́a

70 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción Introducción
Muestreo en el tiempo Representación
Efecto Gibbs Clasificación
Muestreo en Frecuencia Diseño

Clasificación

Tipo 1: Largo impar, simetrı́a

A(ω) = A(−ω)
A(ω + π) = A(π − ω)
A(ω + 2π) = A(ω)
A(ω + 4π) = A(ω)

71 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción Introducción
Muestreo en el tiempo Representación
Efecto Gibbs Clasificación
Muestreo en Frecuencia Diseño

Clasificación

Tipo 2: Largo par, simetrı́a

72 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción Introducción
Muestreo en el tiempo Representación
Efecto Gibbs Clasificación
Muestreo en Frecuencia Diseño

Clasificación

Tipo 2: Largo par, simetrı́a

A(ω) = A(−ω)
A(ω + π) = −A(π − ω)
A(ω + 2π) = −A(ω)
A(ω + 4π) = A(ω)
A((2n − 1)π) = 0

73 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción Introducción
Muestreo en el tiempo Representación
Efecto Gibbs Clasificación
Muestreo en Frecuencia Diseño

Clasificación

Tipo 3: Largo impar, antisimetrı́a

74 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción Introducción
Muestreo en el tiempo Representación
Efecto Gibbs Clasificación
Muestreo en Frecuencia Diseño

Clasificación

Tipo 3: Largo impar, antisimetrı́a

A(ω) = −A(−ω)
A(ω + π) = −A(π − ω)
A(ω + 2π) = A(ω)
A(ω + 4π) = A(ω)
A(0) = 0

75 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción Introducción
Muestreo en el tiempo Representación
Efecto Gibbs Clasificación
Muestreo en Frecuencia Diseño

Clasificación

Tipo 4: Largo par, antisimetrı́a

76 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción Introducción
Muestreo en el tiempo Representación
Efecto Gibbs Clasificación
Muestreo en Frecuencia Diseño

Clasificación

Tipo 4: Largo par, antisimetrı́a

A(ω) = −A(−ω)
A(ω + π) = A(π − ω)
A(ω + 2π) = −A(ω)
A(ω + 4π) = A(ω)
A(0) = 0

77 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción Introducción
Muestreo en el tiempo Representación
Efecto Gibbs Clasificación
Muestreo en Frecuencia Diseño

Muestreo en frecuencia

Método
Transformada discreta de Fourier
N
X −1
H(k) = h(n)ej2πkn/N
n=0

Transformada discreta de Fourier inversa

N −1
1 X
h(n) = H(k)e−j2πkn/N
N
k=0

78 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción Introducción
Muestreo en el tiempo Representación
Efecto Gibbs Clasificación
Muestreo en Frecuencia Diseño

Muestreo en frecuencia

A partir de la representación en magnitud se puede encontrar la

amplitud de cada elemento de frecuencia asignándole una fase
lineal
H(k) = A(k)ejπk/N
reemplazando en la transformada inversa
N −1
1 X
h(n) = A(k)e jπk/N e−j2πkn/N
N
k=0

Dependiendo el tipo de filtro se puede simplificar esta expresión.

79 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción Introducción
Muestreo en el tiempo Representación
Efecto Gibbs Clasificación
Muestreo en Frecuencia Diseño

Diseño de filtros con muestreo de frecuencias

Para filtros tipo 1 (simétrico, impar): M = (N − 1)/2

 
−k 2πk
A(k) = (−1) H A(N − k) = A(k)
N
M
(  )
1 X 2π(n − M )k
h(n) = A(0) + 2 A(k) cos
N N
k=1

80 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción Introducción
Muestreo en el tiempo Representación
Efecto Gibbs Clasificación
Muestreo en Frecuencia Diseño

Diseño de filtros con muestreo de frecuencias

Para filtros tipo 2 (simétrico, par): M = N/2 − 1

 
−k 2πk
A(k) = (−1) H A(N − k) = A(k)
N
M
(  )
1 X 2π(n − M )k
h(n) = A(0) + 2 A(k) cos
N N
k=1

81 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción Introducción
Muestreo en el tiempo Representación
Efecto Gibbs Clasificación
Muestreo en Frecuencia Diseño

Diseño de filtros con muestreo de frecuencias

Para filtros tipo 3 (antisimétrico, impar): M = (N − 1)/2

 
−k 2πk
A(k) = (−1) H A(N − k) = −A(k)
N
( M  )
1 X 2π(M − n)k
h(n) = 2 A(k) sin
N N
k=1

82 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales

 Introducción Introducción
Muestreo en el tiempo Representación
Efecto Gibbs Clasificación
Muestreo en Frecuencia Diseño

Diseño de filtros con muestreo de frecuencias

Para filtros tipo 4 (antisimétrico, par): M = N/2 − 1

 
−k 2πk
A(k) = (−1) H A(N − k) = −A(k)
N
( M   )
1 X 2π(M − n)k
h(n) = 2 A(k) sin + AN/2 sin(π(M − n))
N N
k=1

83 / 83 Marcelo A. Pérez Seminario de Procesamiento Digital de Señales