Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Sistemas de Comunicaciones II
1 Introducción
3 Filtro digital:Introducción
∞
X
xs (t) = x(nTs )δ(t − nTs )
n=−∞
1
Xs (w ) = X (w ) ~ F (w )
2π
al sustituir F (w ) en
1
Xs (w ) = X (w ) ~ F (w )
2π
∞
1 2π X
Xs (w ) = X (w ) ~ δ(w − nws )
2π Ts n=−∞
Al no cumplir
1
con TS ≤ 2B ,
es decir
1
TS >
2B
o
fS < 2B
Al no cumplir con
1
TS ≤ 2B , es decir
1
TS >
2B
o
fS < 2B
Suponemos un filtro
w
H(w ) = k.rect
2(2πB)
Que sucede en la frecuencia:
k k
Y (w ) = Xs (w )H(w ) = X (w ) ⇒ y (t) = x(t)
Ts Ts
Que sucede en el tiempo:
∞
X
y (t) = h(t) ~ xs (t) = h(t) ~ x(nTs )δ(t − nTs )
n=−∞
∞
X
y (t) = x(nTs )h(t − nTs )
n=−∞
Filtro digital
Definición
Filtro digital
aplicación
Filtro digital
Caracterización de un filtro
Filtro digital
Respuesta al impulso
Filtro digital
Respuesta en frecuencia
h(n) −→ H(e jw )
Ecuación de recurrencia,
−a1 y [n − 1] − a2 y [n − 2] − · · · − aN x[n − N]
Las constantes del filtro ai y bj son los coefientes del filtro. Su
valores determinan como será su respuesta, es decir, un filtro
pasabajo, pasaalto, pasabanda o rechaza banda.
Los coeficientes bj son conocidos como feedforward y los
coeficientes ai son backward.
Si el filtro tiene al menos un coefiente backward (no nulo), es un
filtro recurrente o IIR (Infinite Impulse Response), en caso
contrario, sólo feedforward (ai = 0) es un filtro tipo FIR (Finite
Impulse Response).
Filtro IIR
Ejemplo: Cálculo de la respuesta al impulso del filtro IIR de primer
orden
Filtro IIR
Ejemplo: respuesta al impulso del filtro IIR de primer orden
Filtro FIR
Ejemplo: filtro FIR de segundo orden
Filtro FIR
Ejemplo de filtro FIR: moving average (promedio/media movil)
M−1 M−1
1 X X 1
y [n] = h[k]x[n − k] = x[n − k]
M M
k=0 k=0
1
por ello h[n] = M.
Ejemplo del cálculo: la muestra n = 80 de la salida
de un filtro de longitud M = 5, será
x[80] + x[79] + x[78] + x[77] + x[76]
y [80] =
5
Filtro FIR
Ejemplo del filtro moving average eliminando ruido,
x[n] + x[n − 1] + x[n − 2] + · · · + x[n − M]
y [n] =
M
Observaciones.
La amplitud decae como 1/n.
La respuesta al impulso ideal es una función Sinc o función
Sampling. Tiene infinitas muestras no nulas hacia ambos lados.
Es un filtro irrealizable.
Para hacerlo realizable.
Truncamiento: Se trunca a M + 1 muestras, elegidas
simétricamente alrededor de la muestra del centro de simetrı́a, con
M par. De esta forma, es un filtro FIR y se puede implementar
mediante el producto convolución.
Desplazamiento: Se desplaza la secuencia entera a la derecha de
forma que abarque desde la muestra 0 hasta la M. El filtro se hace
causal.
Observaciones.
La respuesta al impulso del sinc enventanado tiene efectivamente
comportamiento de pasabajos.
Difiere de tener una respuesta ideal:
Hay ripple en la banda pasante.
Tiene pobre atenuación en la banda atenuada.
La banda de transición no es nula.
La forma de analizar el resultado es pensando en que el
trucamiento equivale a multiplicar la señal en el tiempo con una
ventana rectangular. El espectro del pasabajos ideal queda
convolucionado por la transformada de una ventana rectangular
de largo M + 1.
4π
4θprinc =
M +1
Las oscilaciones (ripple) son más rápidas al incrementar M.
El área del lóbulo principal y de los lóbulos secundarios se
mantiene aproximadamente constante al cambiar M.
La amplitud de las oscilaciones decrece con la frecuencia, pero es
independiente de M.
Es una función simétrica.
Comparación de ventanas
La atenuación en decibeles es más del doble usando ventana de
Hann o Hamming.
La atenuación es más del triple usando ventana de Blackman.
El ancho de la banda de transcición es el doble usando ventanas
de Hann o o Hamming.
El ancho de la banda de transcición es del triple usando ventana
de Blackman.
La ventana de Kaiser tenemos control independiente en la
atenuación y banda de transcición.
sen[θc (n − N)]
h[n] =
π(n − N)
2πn
w [n] = 0, 54 − 0, 46cos
M
ksen[θc (n − N)]
hLP [n] = ∗ w [n]
π(n − N)
Transformaciones:
θH + θL θH − θL
θO = ; θC =
2 2