Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Teoría de Los Filtros
Teoría de Los Filtros
Palabras clave
IIR, FIR.
FIR
Poco comunes, pero más intuitivos en estructura. La base de los filtros FIR consiste en conectar la entrada del filtro a una serie de retardos. El
primero con solo una muestra de retraso, el segundo con dos, el tercero con tres y así sucesivamente. En seguida se amplifica o atenúa cada
retraso con un factor de ganancia especifico y finalmente se suman las salidas. Al organizar estas ganancias una detrás de otra obtenemos la
respuesta impulso del filtro. Además, por lo que la estructura es análoga a una línea de retrasos con múltiples salidas. [2] se puede representar
matemáticamente de la siguiente manera.
N−1
y ( n )= ∑ h ( i ) x ( n−i ) (1)
i=0
Filtro Equiripple
Un filtro equiriple es simplemente un filtro con ondulaciones de igual altura. La respuesta de magnitud de los filtros digitales reales puede
presentar ondulaciones. Por ejemplo, la respuesta de magnitud de un filtro de paso bajo de respuesta de impulso finito puede tener ondulaciones
cercanas a su frecuencia de corte, debido a que la construcción de filtro típica usará funciones continuas (por ejemplo, con la transformada de
Fourier) para aproximarse a una respuesta de magnitud ideal discontinua. Estas ondas son la manifestación del fenómeno de Gibbs. El hecho de
que los filtros equivalentes tengan ondulaciones de igual altura no debería significar mucho. Es más importante que el diseño de los filtros
equivalentes sea tal que se pueda controlar la altura de estas ondulaciones. Esto en sí mismo no es único de los filtros equivalentes.[3]
IIR
Un filtro IIR, no solo hace uso de retrasos para los valores a la entrada del filtro, toma también los valores de la salida, les aplica una nueva
cadena de retrasos y retroalimenta esta señal a la entrada del filtro. Este elemento adicional permite la obtención de funciones de transferencia
interesantes sin requerir una gran cantidad de elementos. El entender como se logran estas funciones de transferencias, tanto de filtros FIR y
IIR, es un proceso nada sencillo que se logra a través de la solución de ecuaciones de diferencias (sumas y restas de entradas y salidas con
retrasos) por medio de la transformada Z (una versión discreta de la transformada de Laplace). [2] ecuación general para un filtro IIR es:
N N
y ( n )=∑ h (i ) x ( n−i )+ ¿ ∑ y ( n−1 ) (2)¿
i=0 i=1
Donde la primera parte de la ecuación 2 contiene la muestra presente, la cual es sumada con la segunda parte que corresponde a todas las
muestras pasadas de la señal de entrada, por lo tanto, se dice que el sistema tiene memoria infinita. La misma ecuación 2 representada en el
dominio discreto es:[4]
−1 −2 −m
Y ( z ) b0 +b 1 z +b2 z + …+b m z
G ( z) = = , n≥ m ( 3 )
X ( z ) 1+ a1 z −1 +a 2 z−2 +…+ an z −n
Ecuación 3. Ecuación general para un filtro IIR en el dominio discreto.[4]
Son filtros que presentan ceros y polos por lo que pueden ser inestables, a diferencia de los filtros FIR que siempre son estables.
Para el diseño de este tipo de filtros se realiza el diseño analógico, generalmente de un prototipo de filtro pasa-bajo, seguido de una
transformación del plano s al plano z. Para lo cual se tienen en cuenta las siguientes especificaciones propuestas en la figura 1:
Filtros Butterworth
Los filtros Butterworth poseen la característica de tener una curva de respuesta lo mas plana posible a frecuencia cero. La función de
transferencia viene dada por:
1
|H ( s )|= N
(4)
−s 2
1+
( )
f p2
Ecuación 4. Función de transferencia del filtro Butterworth. [4]
Donde N es el orden del filtro.
El código de Matlab de un filtro Butterworth se representa de la siguiente manera [ N ,Wn ] =buttord ( ℘ , Ws, Rp , Rs , ' s ' ) .
Filtro chebyshev
Los filtros chebyshev presentan un rizado en la banda de paso, pero permiten obtener una atenuación mayor en la banda de detención a un
orden más bajo.[4] Su respuesta en frecuencia es:
1
¿ H ( f ) ∨¿2= ,0 ≤ ε ≤ 1(5)¿
f
2
1+ ε τ N 2
( )
fc
−1
τ N ( x )= cos ( N . cos −1x ) ,|x|≤1 (6)
{cos ( N . cosh x ) ,|x|>1
Ecuación 6. Definición del polinomio de chebyshev.
El código de Matlab de un filtro Chebyshev se representa de la siguiente manera [ N ,Wn ] =cheb 1 ord ( ℘ , Ws , Rp , Rs ,' s ' ).
Filtros Elípticos
Son filtros que consiguen estrechar la zona de transición, lo que permite un rizado constante en ambas bandas. [4] Su función de transferencia
es:
1
¿ H ( f ) ∨¿2= ,0 ≤ ε ≤ 1(7)¿
f
2
1+ ε μ N 2
( )
fp
Ecuación 7. Función de transferencia de filtros Elípticos.
Filtros activos
Son aquellos que hacen uso de elementos pasivos (resistencias, condensadores y bobinas) asociados a otros activos (válvulas, transistores,
amplificadores operacionales). Los elementos activos que se utilizan actualmente son los amplificadores operacionales.[5]
Los filtros activos proporcionan una gran amplificación de la señal de entrada (ganancia) lo que es importante al trabajar con señales muy
bajas, a demás facilitan el diseño de filtros complejos mediante la asociación de etapas simples.[5]
Filtros pasa bajos (LP), los cuales solamente dejan pasar señales con frecuencias menores a una frecuencia de corte establecida por el
diseñador.
Filtros pasa altos (HP), los cuales solamente dejan pasar señales con frecuencias mayores a la frecuencia de corte establecida por el diseñador.
Filtros pasa banda (BP), lo que permiten el paso de señales eléctricas comprendidas entre dos frecuencias establecidas por el diseñador.
Filtro rechaza banda (Nortch), son los que no permiten pasar una frecuencia especifica.
Conclusiones
Los filtros FIR son siempre estables, ya que contienen ceros[4].
Los filtros IIR son inestables para señales con componente DC a la entrada, ya que cuentan con polos.[4]
Los filtros FIR se pueden diseñar para que representen fase lineal dentro de la banda de paso.[4]
Un filtro IIR tiene lóbulos laterales menores en la banda de corte que un FIR con los mismos parámetros.[4]
Los filtros IIR presentan mayor error de cuantificación en función del numero de bits empleado para almacenar los coeficientes.[4]
En los filtros IIR, su implementación involucra menos parámetros, requiere menos memoria y tiene menor complejidad computacional.[4]
Referencias
[1] J. Manuel and M. de La Rosa, “FUNDAMENTOS TEÓRICOS 7 FUNDAMENTOS TEÓRICOS 1.1. FUNDAMENTOS
TEÓRICOS: FILTROS.”
[4] O. F. Corredor, L. F. " Pedraza, and C. A. Hernández, “DISEÑO E IMPLEMENTACIÓN DE FILTROS DIGITALES’ DES1GN
ÁND IMPLEMENTATION ,OF DIGITAL FILTERS.”
[5] A. Uk, “CORE View metadata, citation and similar papers at core.”