1

PROCESAMIENTO DIGITAL DE SEÑALES

Tarea 4: realizar simulaciones de filtros
aplicando herramientas tipo software
NATALY CARDONA VALDES
CODIGO: 1075302682
ESCUELA DE CIENCIAS BASICA TECNOLOGIA E INGENIERIA (ECBTI)
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
E-MAIL: NCARDONAVAL@UNADVIRTUAL.EDU.CO
26 NOVIEMBRE 2022

Inicialmente, el estudiante debe revisar los recursos educativos
Resumen - este informe describe la implementación de filtros, correspondientes a las temáticas de la unidad 3, los cuales se
calculando sus respectivos coeficientes a partir de pueden encontrar en el syllabus del curso, específicamente en
configuraciones establecidas según rangos de frecuencia, número las referencias bibliográficas.
de coeficientes y frecuencia probada. Este diseño fue La actividad consta de cuatro (4) partes fundamentales, la
implementado en un ecualizador para poder distinguir el efecto
primera parte consiste en la elección de un (1) tipo de filtro
causado por la salida, a través de un análisis de espectro y
auditivo respuesta. que se desee diseñar, para lo cual el estudiante debe comunicar
su decisión en el foro de la actividad, con el fin de que ningún
estudiante repita el mismo filtro, y así cada estudiante pueda
Índice de Términos – ecualizador, filtros, frecuencia, coeficientes. diseñar un banco de filtros o ecualizador diferente. A
continuación, se muestra una lista de filtros tentativa, de igual
manera en los softwares pueden encontrar otras opciones:
I. INTRODUCCION  FIR Window Hann

E n esta actividad abordaremos temáticas del diseño de filtros y

Luego de escoger el filtro, se investigarán las siguientes
características teóricas y ecuaciones, para ingresarlas en el
documento:
sus características, realizaremos simulación de los filtros estudiados,
para lograr obtener la función de transferencia donde la respuesta en Concepto básico del filtro FIR o IIR según el filtro escogido:
magnitud o en fase, se especifique en el filtro, todo esto lo veremos Este tipo de filtros son empleados cuando se busque tener la
en la simulación realizada en simulink menor distorsión de fase posible, tomando en cuenta que esto
conlleva a que múltiples algoritmos matemáticos sean llevados
a cabo en el procesador digital para obtener esta respuesta de
fase y, por consiguiente, se obtendrá mayor latencia a causa de
II. DESARROLLO DEL TRABAJO esto. El uso de filtros FIR genera altas cantidades de latencia.
Esta tecnología ha tomado auge en los últimos años, a pesar de
no ser nueva. Sin embargo, la capacidad de estos filtros en la
A. Etapa de 1 actualidad es de gran calidad, permitiendo resultados como
obtener mayor definición en la alta frecuencia y mejor control
La actividad consiste en: de la dispersión del sistema sonoro.
 Diagrama de bloque del filtro para cualquier orden “N” para
Documento recibido el 9 de octubre de 2001. (Anote la fecha en que usted
filtro (FIR) o “N” y “M” para filtro (IIR), según el filtro
presentó su documento para su revisión.) Este trabajo fue apoyado en parte
por los U.S. Department of Commerce under Grant S123456 (reconocimiento seleccionado.
al patrocinador y apoyo financiero va aquí). los títulos del Documento deben
ser escritos en letras mayúsculas y minúsculas, no todas las mayúsculas. Evite
escribir fórmulas extensas con subíndices en el título; Utilice Fórmulas cortas
que identifiquen los elementos (por ejemplo, "Nd-Fe-B"). No escriba
"(invitados)" en el título. Escriba los Nombres completos de los autores en el
campo autor, pero no es necesario. Ponga un espacio entre los autores.
F. A. Author is with the National Institute of Standards and Technology,
Boulder, CO 80305 USA (corresponding author to provide phone: 303-555-
5555; fax: 303-555-5555; e-mail: author@ boulder.nist.gov).
S. B. Author, Jr., was with Rice University, Houston, TX 77005 USA. He
is now with the Department of Physics, Colorado State University, Fort
Collins, CO 80523 USA (e-mail: author@lamar. colostate.edu). Ecuación en diferencia parametrizada o general del filtro FIR
T. C. Author is with the Electrical Engineering Department, University of o IIR escogido, es decir, que los coeficientes vayan hasta
Colorado, Boulder, CO 80309 USA, on leave from the National Research cualquier orden “N” de coeficientes si es filtro FIR, o
Institute for Metals, Tsukuba, Japan (e-mail: author@nrim.go.jp).
 2

cualquier orden “N” y “M” si son filtros IIR. Recuerden que

estas ecuaciones se utilizaron en la tarea 3, pero solo con una
cantidad limitada de coeficientes.
Son sistemas cuya salida depende además de salidas anteriores
y que, estando en reposo, al ser estimulados con una entrada
impulsional su salida no vuelve al reposo, de ahí el calificativo
de filtros de respuesta impulsional infinita (IIR). La ecuación
en diferencias general es de la forma:
donde el orden es igual al máximo de M y N.
Función de transferencia H(z) general, FIR o IIR según lo
escogido.
La función transferencia de los filtros FIR está dada por la
siguiente ecuación:
La función Hann se utiliza típicamente como una función de
ventana en el procesamiento de señal digital para seleccionar
un subconjunto de una serie de muestras con el fin de realizar
una transformación de Fourier u otros cálculos.
Es decir (usando la versión continua para ilustrar)
La ventaja de la ventana de Hann es el aliasing muy bajo, y la
compensación es resolución levemente disminuida
(ensanchamiento del lóbulo principal). Si la ventana de Hann
se utiliza para muestrear una señal con el fin de convertir a
dominio de frecuencia, es complejo reconvertir al dominio del
tiempo sin añadir distorsiones
B. Etapa 2

En la segunda parte cada estudiante diseñará trece (13) filtros en la

herramienta Simulink de Matlab, específicamente utilizará el bloque
“Digital Filter Design” para diseñar los filtros. Todos los filtros
deben ser del mismo tipo, por ejemplo, si se escogió IIR Butterworth,
Se puede ver que es la misma entrada retardada cada vez más entonces los trece (13) Filtros diseñados deben ser IIR Butterworth.
en el tiempo, multiplicada por diversos coeficientes y Cada uno de los filtros tendrá los siguientes rangos de frecuencia:
finalmente sumada al final. Hay muchas variaciones de esta Tabla
estructura. Si tenemos una respuesta de frecuencia como Filtro 1 2 3 4 5 6 7 8 9
Rango 20 Hz 20 Hz 500 Hz 1.5 Hz 3.5 Hz 7 Hz 10 Hz 15 Hz 17 Hz
objetivo, conseguiremos que la respuesta del filtro se asemeje h(z) - - - - - - - - -
más a ella cuanto más largo sea o número de coeficientes Tipo
20 Hz
Pasa
500 Hz
Pasa
1.5 Hz
Pasa
3.5 Hz
Pasa
7 Hz
Pasa
10 Hz
Pasa
15 Hz
Pasa
17 Hz
Pasa
20 Hz
Pasa
tenga. Los filtros FIR son estables puesto que sólo tienen Banda Banda Banda Banda Banda Banda Banda Banda Banda

polos, es decir, elementos en el numerador en su función de

transferencia. También tienen la ventaja que pueden diseñarse Filtro 1: 20 Hz – 20 Hz
para ser de fase lineal, es decir, no introducen desfases en la
Filtro 2: 20 Hz – 500 Hz
señal, a diferencia de los IIR o los filtros analógicos. Por ese
motivo tienen interés en audio. Filtro 3: 50 Hz – 1.5 Hz
Definición y ecuación de la ventana escogida si es un FIR, o
definición y ecuaciones (H(w) y H(S)) del filtro (ejemplo: Filtro 4: 1.5 KHz – 3.5 KHz
Butterworth, Chebyshev, etc.), si es un IIR.
Las ventanas son funciones matemáticas usadas con
frecuencia en el análisis y el procesamiento de señales para
evitar las discontinuidades al principio y al final de los
bloques analizados. En el procesamiento de señales, una
ventana se utiliza cuando el análisis se centra en una señal de
longitud voluntariamente limitada. En efecto, una señal real
tiene que ser de tiempo finito; además, un cálculo sólo es
posible a partir de un número finito de puntos. Para observar
una señal en un tiempo finito, se multiplica por una función
ventana.
Método de las ventanas. Las más habituales son:
 Ventana rectangular Filtro 5: 3.5 KHz – 7 KHz
 Ventana de Barlett
 Ventana de Hanning
 Ventana de Hamming
 Ventana de Blackman
 Ventana de Kaiser
Ecuación de la ventana Hann.
 3

Luego, a la salida de cada filtro se conectará un control de

ganancia “Slider Gain”, para después agregar un sumador
“Add” de trece entradas, al cual se conectarán las salidas de
los trece Slider Gain.
A la salida del sumador se conectará un módulo de audio para
reproducir y escuchar la salida del ecualizador, este módulo
normalmente tiene la forma de parlante y se llama “Audio
Device Writer”. Esto con el fin de realizar el análisis auditivo
del funcionamiento del ecualizador.
Finalmente se conectará un analizador de espectro o de
frecuencia “Spectrum Analizer” a la salida general del
sistema, esto con el fin de analizar gráficamente el
comportamiento del ecualizador
IMAGEN

Filtro 6: 7 KHz – 10 KHz C. Etapa 3.

En la tercera parte, una vez el estudiante haya ensamblado y

verificado el funcionamiento del ecualizador, se procederá a
generar las respuestas al impulso h(n) de cada uno de los
filtros.
Se exportarán los coeficientes de cada uno de los trece filtros,
para filtros FIR, los coeficientes equivalen a la respuesta al
impulso h(n). Simplemente es exportarles al “Work Space”
para luego graficarlas con la función “plot” de Matlab.

Para los filtros IIR, se debe exportar la matriz (SOS) y luego

digitar el siguiente código para generar la respuesta al
impulso:

[h, t] = impz (SOS); Y para

Filtro 7: 10 KHz – 15 KHz
graficar:

plot (t, h)

Filtro 4: 1.5 KHz – 3.5 KHz

Filtro 8: 15 KHz – 17 KHz

Filtro 5: 3.5 KHz – 7 KHz

Luego de haber diseñado los filtros, el estudiante procederá a

ensamblar el banco de filtros o ecualizador. A la entrada de los
filtros ingresará un audio de buena calidad, con una frecuencia
de muestreo 44100 Hz, para ello buscará el módulo de
simulink llamado “From multimedia file”.
 4

Filtro 6: 7 KHz – 10 KHz

Análisis de espectro Filtro 4: 1.5 KHz – 3.5 KHz

Filtro 7: 10 KHz – 15 KHz

Esquema Filtro 5: 3.5 KHz – 7 KHz

Filtro 8: 15 KHz – 17 KHz

Analisis de espectro Filtro 5: 3.5 KHz – 7 KHz

D. Etapa 4.
La cuarta parte, se refiere al análisis que deben realizar del
comportamiento del ecualizador, para ello el estudiante
realizará dos tipos de análisis; uno gráfico, utilizando el
analizador de espectro “Spectrum Analizer” y otro análisis
subjetivo, escuchando la salida del ecualizador
“Preferiblemente con audífonos”.
En el análisis objetivo (Gráfico), el estudiante primero debe
ajustar todos los trece controles de ganancia “Slider Gain” en
cero.
Esquema Filtro 6: 7 KHz – 10 KHz

Esquema Filtro 4: 1.5 KHz – 3.5 KHz

Análisis de espectro Filtro 6: 7 KHz – 10 KHz
 5

com.bibliotecavirtual.unad.edu.co/ps/i.do?
p=GVRL&u=unad&id=GALE|
CX4060300213&v=2.1&it=r&sid=GVRL&asid=5b730533
[2] Ambardar, A. (2002). Diseño con Base en Ventanas. En Procesamiento
de señales analógicas y digitales (2nd ed., pp. 720-733). Ciudad de
México, México: Cengage Learning. https://go-gale-
com.bibliotecavirtual.unad.edu.co/ps/i.do?
p=GVRL&u=unad&id=GALE|
CX4060300216&v=2.1&it=r&sid=GVRL&asid=cd1e5ea7
[3] Ambardar, A. (2002). Filtros Digitales IIR. En Procesamiento de señales
analógicas y digitales (2nd ed., p. 673). Ciudad de México, Mexico:
Cengage Learning.
https://go-gale-com.bibliotecavirtual.unad.edu.co/ps/i.do?
Esquema Filtro 7: 10 KHz – 15 KHz p=GVRL&u=unad&id=GALE|
CX4060300202&v=2.1&it=r&sid=GVRL&asid=4e676aa7
[4] Ambardar, A. (2002). Ejemplos del Código Matlab. En Procesamiento
de señales analógicas y digitales (2nd ed., pp. 769-797). Ciudad de
México, México: Cengage Learning. https://go-gale-
com.bibliotecavirtual.unad.edu.co/ps/i.do?
p=GVRL&u=unad&id=GALE|
CX4060300231&v=2.1&it=r&sid=GVRL&asid=5b730533
[5] Garcia Martinez, M. (20,11,2018). Diseño de Filtros en Matlab
SImulink. [OVI]. http://hdl.handle.net/10596/22589
[6] Garcia Martinez, M. (22,11,2018). Diseño del efecto de retraso temporal
(Delay) para aplicaciones de audio. [OVA].
http://hdl.handle.net/10596/22523
[7] García, M. (2020). Audio Tool - Conexiones de audio y simulación.
Análisis Filtro 7: 10 KHz – 15 KHz [OVI]. https://repository.unad.edu.co/handle/10596/35022

Esquema Filtro 8: 15 KHz – 17 KHz

Análisis Filtro 8: 15 KHz – 17 KHz

III. CONCLUSIÓN

De acuerdo a la simulación realizada podemos determinar que

algunos tipos de ventanas pueden emplearse a excepción de las
ventanas Kaiser; Adicional realizamos una investigación mas
profunda para afianzar os conocimientos adquiridos en esta unidad.

REFERENCES
[1] Ambardar, A. (2002). Filtros Digitales FIR. En Procesamiento de
señales analógicas y digitales (2nd ed., p. 715). Ciudad de México,
México: Cengage Learning. https://go-gale-