Procesamiento digital de señales

Semana 9.
Filtros Digitales- Moving Average
Dra. María del Pilar Gómez Gil
Otoño 2017
Coordinación de computación
Versión: 21 de Octubre 2017 INAOE
(c) P.Gómez Gil, INAOE 2017 1
 Tema
Filtros Moving Average
(tarea: leer los capítulo 15 del libro de texto)

Gran parte del material de esta presentación fue tomado de:

Smith, Steven The Scientist and Engineer's Guide to Digital Signal Processing
W. , Second Edition, 1999, California Technical Publishing
Smith, Steven W. Digital Signal Processing. A Practical Guide for Engineers and
Scientist. Amsterdam: Newnes, Elsevier Science. 2003. ISBN: 0-750674-44-X.

(c) P.Gómez Gil, INAOE 2017 2

 Filtros en el dominio del
tiempo
O Por convolución (FIR)
O Recursivos (IIR)

(c) P.Gómez Gil, INAOE 2017 3

 Formas generales de Filtros

O Filtros FIR:

y(n)   bm x(n  m)
m

O Filtros IIR:

y(n)   bm x(n  m)   am y(n  m)

m m

(c) P.Gómez Gil, INAOE 2017 4

 Ejemplo filtro FIR: moving
average
h= [1/4 1/4 1/4 1/4]
0.25

0.2

0.15

0.1

0.05

0
1 1.5 2 2.5 3 3.5 4

(c) P.Gómez Gil, INAOE 2017 5

 Moving average
O Según la sabia “wikipedia”, Moving Average
(MA) es “una técnica de estadística para
analizar datos, que consiste en crear una serie
hecha por los promedios obtenidos de
subconjuntos de datos fijos”
O Este es un tipo de filtros FIR/convolución
O Los promedios se calculan “desplazando” a la
ventana , esto es, los subconjuntos. Hay varios
tipos o variaciones, por ejemplo:
O ARMA : Auto-regresive moving average
O ARIMA: Auto regresive integrated moving average

(c) P.Gómez Gil, INAOE 2017 6

 Características de MA
O Es un excelente filtro en el dominio del
tiempo.
O Es óptimo para reducir ruido al azar,
manteniendo una respuesta al escalón
aguda.
O Es el peor filtro para el dominio de la
frecuencia pues no separa bien frecuencias
O Se implementa a través de convolución
O La respuesta al impulso debe sumar uno

(Smith, 1999)
(c) P.Gómez Gil, INAOE 2017 7
 Salida de un filtro MA

(Smith, 1999)
O Los filtros se pueden hacer simétricos al punto
medio, haciendo la sumatoria desde
j  ( M  1) / 2 hasta ( M  1) / 2
O Para esto, se requiere que M sea impar.

(c) P.Gómez Gil, INAOE 2017 8

 Ejemplo de comportamiento
de un filtro MA

Smith, 1999)

(c) P.Gómez Gil, INAOE 2017 9

 Estimación de tendencias en
series de tiempo

(c) P.Gómez Gil, INAOE 2017 10

 Producido con (Matlab 2017), disponible en paquete V7:
~\MATLAB\Examples\econ\MovingAverageTrendEstimationExample\
(c) P.Gómez Gil, INAOE 2017 MovingAverageTrendEstimationExample.m 11
 Diseño usando función “filter” de
Matlab

(c) P.Gómez Gil, INAOE 2017 12

Tomado de : documentación de Ayuda (Matlab 2017)
 Ejemplo de Matlab (Versión R2017A)

~\Documents\MATLAB\Examples\matlab\M
ovingAverageFilterOfVectorDataExample

(c) P.Gómez Gil, INAOE 2017 13

 Tomado de : documentación de Ayuda (Matlab 2017)

(c) P.Gómez Gil, INAOE 2017 14

Recordar de las formas generales de filtros

O Filtros FIR: MA

y(n)   bm x(n  m)
m

O Filtros IIR:

y(n)   bm x(n  m)   am y(n  m)

m m

(c) P.Gómez Gil, INAOE 2017 15

 Función de transferencia

(Tomado de Documentación de Ayuda de MatLab V:R2017A)

(c) P.Gómez Gil, INAOE 2017 16