ANALISIS DE SEÑALES Y SISTEMAS

Introducción a los filtros digitales

Ing. Juan Eduardo Picco

1
Sistema LIT en el dominio temporal y en el dominio de frecuencia

x(n) y(n)
Sistema LIT

X(ejΩ) Y(ejΩ)
H(ejΩ)

2
 PROCESO DE MUESTREO UNIFORME DE PERÍODO T

Tren de impulsos - T= 1 s.
1.5
k = ∞
δ T (t ) = ∑ δ (t − kT )
1.0
.5
0
k = -∞ 0 5 10
Tiempo [s]

δT(t)
y(t) y(kT)

2 y (t) Muestreador y (kT) 2

1 1
Período T
0 0
0 2.5 5 7.5 10 0 2.5 5 7.5 10
Tiempo [s] Tiempo [s]

y (t) y*(t) = y(kT)

T
Y(s) Y*(s)
3
 Espectro de la señal muestreada y*(t)

∞ ∞ ∞
− jωt − jωt 1 ∞ jnω s t − jωt
*
Y ( ω) = ∫y
*
(t )e dt = ∫ y(t )δ T (t )e dt = ∫ y (t ) ∑ e e dt
−∞ −∞ −∞ T n = −∞

1 ∞ ∞ − j( ω − nω s )t 1 ∞
*
Y ( ω) = ∑ ∫ y(t )e
T n = −∞ − ∞
dt = ∑ Y ( ω − nω s )
T n = −∞

1 ∞
Y (ω) = ∑ Y (ω − nωs )
*
T n =−∞

Esta expresión indica que el espectro de frecuencias de la señal muestreada Y*(ω) es

coincidente con el espectro de la señal de entrada Y(ω) desplazado alrededor de las
frecuencias nωs , afectado del factor 1/T.
4
 Espectro de la señal muestreada y*(t)

|Y(ω)| Máxima frecuencia

de la señal de
entrada y(t). [Señal
1 ∞
Y (ω ) =
*
∑ Y (ω − nω s ) de banda limitada]
T n = −∞ ω
ωM

1/T |Y*(ω)|
-ωs/2 ωs/2

-2ωs -ωs ωM ωs 2ωs ω

ωs

Si ωM < ωs/2 los espectros laterales no se superponen y el contenido

de frecuencias de Y y es idéntico en su forma a Y* en [- ωM ωM ]
5
 Espectro de la señal muestreada y*(t)

|Y(ω)| Máxima frecuencia

de la señal de
entrada y(t)(Señal
1 ∞ de banda limitada)
Y * (ω ) = ∑ Y (ω − nω s )
T n = −∞ ω
ωM
|Y*(ω)|
1/T

-2ωs -ωs ωM ω
s 2ωs ω
ωs/2
Si ωM > ωs/2 los espectros laterales se superponen y el contenido de
frecuencias de Y* se distorsiona en [- ωM ωM ] (Se produce aliasing)
6
 Teorema de Shannon - Kotelnikov
y Frecuencia de Nyquist
π
ωM ≤ ω N = |Y(ω)| Máxima frecuencia
T
de la señal de
entrada y(t). [Señal
ωN Frecuencia de Nyquist de banda limitada]
ω
ωM

1/T |Y*(ω)|
-ωs/2 ωs/2

-2ωs -ωs ωM ωs 2ωs ω

ωs
Teorema de Shannon: Si una función f(t) no tiene frecuencias mas elevadas que WM
(Hz), estará completamente determinada si se dan los valores de sus ordenadas en
una serie de puntos espaciados entre si como máximo por 1/2WM segundos.
7
 Pérdida de información por muestreo inadecuado

x1(t) = sen 1t ωs = 2 π/Ts

x2(t) = sen (1 + ωs )t Período de Muestreo Ts = 0.2 π = .628 s

x1(kt) = sen (kTs)

x2(kt) = sen [(1+ ωs ) kTs ] = sen (kTs + 2kπ) = sen (kTs)

De acuerdo con estas expresiones, no es posible determinar las

diferencias entre x1(t) y x2(t), cuando se utiliza el período de
muestreo Ts como el dado en el ejemplo.

8
9
Transformada de Laplace de una señal muestreada
δT(t)
y(t) y(kT)

2 2
y (t) Muestreador y (kT) 1
1 Período T
0
0 0 2.5 5 7.5 10
0 2.5 5 7.5 10 Tiempo [s]
Tiempo [s] y (t) y*(t) = y(kT)

k =∞ k =∞
y (kT) = y (t ) δ T (t ) = y (t ) ∑ δ(t − kT) = ∑ y (kT)δ(t − kT)
k = −∞ k = −∞

Tomando la Transformada de Laplace de la sumatoria

⎡ k=∞ ⎤ ∞ k=∞ k =∞ ∞
L ⎢ ∑ y (kT)δ(t − kT) ⎥ = ∫ ∑ y (kT)δ(t − kT) e dt = ∑ y (kT) ∫ δ(t − kT)e − st dt
− st

⎣k = −∞ ⎦ − ∞ k = −∞ k = −∞ −∞

k=∞ k =∞
L[y(kt )] = Y ∗ (s ) = ∑ y (kT) e − skT haciendo la transformación z = e sT se tiene ∑ y (kT) z − k
k = −∞ k = −∞

que no es otra cos a que la Transformada Zeta de la señal y (t ) muestreada cada T segundos

10
 Transformada Z
∞
Transformada Z de una función temporal Y( z ) = Z[y (t )] = Z[y(kT)] = ∑ y (kT) z − k
−∞

∞
Transformada Z de una secuencia Y( z ) = Z[y (k )] = ∑ y(k ) z − k
−∞

Donde el camino cerrado C

1 k −1
Transformada Z inversa y (k ) = ∫ Y( z )z dz encierra
2 πj C de Y(z)
las singularidades

Teorema del valor inicial lim y (k ) = lim Y( z )

k →0 z→∞

Teorema del valor final lim y (k ) = lim (1 − z −1 )Y( z )

k →∞ z →1

⎡ Y (s ) ⎤ Y(s) Función racional

Y( z ) = ∑ ⎢ Re siduos de sT − 1
estrictamente propia con polos
en los polos de Y(s )⎥ en el semiplano izquierdo
⎣ 1− e z ⎦

11
 Relación entre los planos s y z

∞ ∞
Z[y(t )] = Z[y(kT)] = Y(z) = ∑ y(kT)z−k
− nTs
Y (s) = ∑ y(nT)e
*
= Y(z)z =esT
n= 0 k =0

jω jν
Plano z
s1=σ1+jω1 z = esT
Plano s jω1 z 1 = eS 1 T
σ
σ1 μ

12
 Relación entre los planos s y z

z = e sT = e σT + jωT = e σT e jωT
Plano s Plano z
π/T
s=σ+jω
1
z = e σT
-π/T arg( z ) = ωT

Puntos del semiplano izquierdo de s se corresponden con puntos del interior del círculo de radio unitario en z
Puntos del eje jω en [-π/T, π/T] conforman la circunferencia unidad en z
Puntos del semiplano derecho de s se corresponden con puntos del exterior del círculo de radio unitario en z

13
 4π/T= 2ωs Cada franja de ancho ωs se convierte
en todo el plano Z
3π/T

2π/T=ωs
Plano z
π/T

1
Franja primaria 0

-π/T

-2π/T= -ωs

-3π/T

Transformaciones de las franjas

-4π/T= -2ωs de ancho ωs en el plano z
14
 Comparación entre la representación del espectro en Fourier de
una señal periódica de frecuencia máxima Ws y las fajas
primarias y secundarias producidas por la relación z=esT

-ωs/2 ωs/2

-ωs 0 ωs
-2ωs 2ωs
ωs ωs ωs

1/T |Y*(ω)|
-ωs/2 ωs/2

-2ωs -ωs ωM ωs 2ωs ω

ωs

15
16
 Función de Transferencia de pulso

T T T
H1(s) H2(s)
U(s) U*(s) M(s) M*(s) Y(s) Y*(s)

U(z) Y(z)
H1(z) H2(z) Y( z ) = H 2 ( z )M( z ) = H 2 ( z )H 1 ( z )U( z )

T T
H1(s) H2(s)
U(s) U*(s) M(s) Y(s) Y*(s)

U(z) Y(z)
H1H2(z) Y( z ) = Z[H 1 (s )H 2 (s )]U( z ) = H 1 H 2 ( z )U( z )

17
Función de Transferencia en z de lazo cerrado

Controlador
W T T Y (s)
R (z) H (z)
T
W*(s) E*(s) U (s) U*(s) Y*(s)

Y*(s) T

Todos los muestreadores deben estar sincronizados y en fase

Y ( z ) = H ( z ) U ( z ) = H ( z ) R ( z ) E( z ) = H ( z ) R ( z )( W( z ) − Y ( z ))
Y ( z ) + H ( z ) R ( z ) Y ( z ) = H ( z ) R ( z ) W( z )
Y ( z )(1 + H ( z ) R ( z )) = H ( z ) R ( z ) W( z )

H(z)R(z)
Y(z) = W(z)
1 + H(z)R(z)
18
 Funciones de Transferencia en z

Y (s)
R (s) T
W (s) E (s) Y*(s)
T
H (s)
Y*(s)
Y(s ) = R (s )E(s ) = R(s )( W(s ) − H(s )Y* (s ))
Y( z ) = RW( z ) − RH( z )Y( z )
Y( z )(1 + RH( z )) = RW( z )

RW( z )
Y( z ) =
1 + RH( z )

19
 Funciones de Transferencia en z

T Y (s)
R (s) H (s)
T
W (s) E (s) U (s) U*(s) Y*(s)

Y (s)

Y( z ) = H ( z )U ( z )
U(s ) = R(s )( W(s ) − Y(s )) = R(s )( W(s ) − H(s )U * (s ))
RW( z )
U( z ) = RW( z ) − RH( z )U( z ) ⇒ U( z ) =
1 + RH( z )

H( z )RW( z )
Y( z ) =
1 + RH( z )

20
U2

Realización de filtros digitales

Un filtro digital es un algoritmo de cálculo que convierte una secuencia

de números de entrada en una secuencia de salida, de modo que las
características de la señal se cambien de una manera predeterminada.
Un controlador digital, se comporta como un filtro digital. La expresión
general de un controlador digital, tiene la forma siguiente

Y(z) b 0 z m + b1 z m − 1 + b 2 z m − 2 + . . . + b m − 1 z 1 + b m )
Gc(z) = = n n ≥m
X(z) z + a1 z n − 1 + a 2 z n − 2 + . . . a n − 2 z 2 + a n − 1 z + a n

Dividiendo numerador y deno min ador por n

Y(z) b 0 z − ( n − m ) + b1 z − ( n − m + 1) + b 2 z − ( n − m + 2) + . . . + b m − 1 z - (n -1) + b m z − n )
Gc(z) = = n≥ m
X(z) 1 + a1 z − 1 + a 2 z − 2 + . . . a n - 2 z − ( n - 2) + a n -1 z − ( n -1) + a n z − n

21
Diapositiva 21

U2 Usuario, 24/04/2008
 Diferentes configuraciones de filtros
Las configuraciones mas comunes y utilizadas, son

-Programación directa
-Programación estándar
No son las únicas
-Programación en serie Pero:
posibles
-Programación en paralelo
-Programación en escalera

La configuración adoptada depende fundamentalmente de las

características y especificaciones del sistema y de la experiencia
de quien diseña.

22
Método de Programación Directa caso n=m
b0
b1
b2

bm-1
X(Z)
Z-1 Z-1 … Z-1 bm
Y(Z)
+

an
an-1

a1
a1
a1

Z-1 … Z-1 Z-1 Z-1

23
Método de Programación Directa caso n=m+2

b0

bm-1
X(Z)
Z-1 Z-1 … Z-1 bm
Y(Z)
+

an
an-1

a1
a1
a1

Z-1 … Z-1 Z-1 Z-1

24
 Programación Estándar
Y(z) b 0 z m + b1 z m − 1 + b 2 z m − 2 + . . . b m − 2 z 2 + b m -1 z + b m
Gc(z) = =
X(z) z n + a1 z n − 1 + a 2 z n − 2 + . . . a n − 2 z 2 + a n -1 z + a n

Y(z) ⎛⎜ b 0 z m − n + b1 z (m − 1) - n + b 2 z (m − 2) - n + . . . b m − 2 z 2 − n + b m -1 z 1- n + b m z − n ⎞ Q( z )
⎟x
=
X(z) ⎜⎝ 1 + a1 z − 1 + a 2 z − 2 + . . . a n − 2 z 2 − n + a n -1 z 1- n + a n z − n ⎟ Q( z )
⎠

Y( z ) =(b 0 z m − n + b1 z (m − 1) - n + b 2 z ( m − 2) - n + . . . b m − 2 z 2 − n + b m -1 z 1- n + b m z − n ) xQ( Z )

X( z ) = (1 + a1 z − 1 + a 2 z − 2 + . . . a n − 2 z 2 − n + a n -1 z 1- n + a n z − n ) x Q( z )

Q( z ) = X( z ) − a1 Q( z ) z − 1 − a 2 Q( z ) z − 2 − ... − a n − 2 Q( z ) z 2 − n − a n -1 Q( z ) z 1- n − a n Q( z ) z − n

Se divide por el término de mayor orden del denominador y quedan expresiones en

potencias negativas de z que representan retardos en el tiempo

25
Programación Estándar – Caso n = m+1

b0 Y(Z)
b1 +
b2
bm-1
bm

X(Z) Q(Z)
+ Z-1 Z-1 Z-1 Z-1 Z-1

-a1
-a2
-a3
-an-1

-an

26
 Ejemplo de sistema sencillo en Z – Programación Directa

X(z) 0.1
Z-1
Y(z)
Y( z ) 0.1z 0.1 z − 1
G ( Z )= = 2 =
X( z ) z − 1.7 z + 0.72 1 − 1.7 z − 1 + 0.72z − 2 -0.72 +
1.7

Z-1 Z-1

27
 Respuesta a un impulso unitario
Determinación por tabla a partir del diagrama del filtro

X(z) x(n) x(n-1)

Z-1 0.1 Ret 0.1
Y(z) y(n)
-0.72 + -0.72 +
1.7 1.7

Z-1 Z-1 Ret Ret

y(n-2) y(n-1)

n x(n) x(n-1) y(n-2) y(n-1) y(n)

0 1 0 0 0 0

1 0 1 0 0 0.1

2 0 0 0 0.1 0.17

3 0 0 0.1 0.17 0.217

4 0 0 0.17 0.217 0.2465

5 0 0 0.217 0.2465 0.26281

6 0 0 0.2465 0.26281 0.269297

7 0 0 0.26281 0.269297 0.268581

8 0 0 0.269297 0.268581 0.262693 28

29
 Y( z ) 0.1 z 0.1 z − 1 0.1 z z z
G ( Z )= = 2 = = = −
X( z ) z − 1.7 z + 0.72 1 − 1.7 z − 1 + 0.72z − 2 ( z − 0.9)( z − 0.8) z − 0.9 z − 0.8

X(z) 1
1 +
+ Z-1 0.1 Y(z) +
0.9 + 0.9

0.8 X(z)
Z-1 Y(z)
Z-1
+

Programación Z-1 1 _
Serie +
0.8

Z-1
X(z)
Z-1 0.1
Y(z)
+ Programación paralelo
-0.72
1.7

Z-1 Z-1
30
 Filtros de respuesta infinita al impulso (IIR) y
filtros de respuesta finita al impulso (FIR)

Los filtros digitales se clasifican de acuerdo con la duración de la respuesta que

producen ante una entrada impulso. En general los filtros se expresan mediante una
función de transferencia en z

Y(z) b 0 z − (n − m ) + b1 z − (n − m + 1) + b 2 z − (n − m + 2) + . . . + b m − 1 z -(n -1) + b m z − n )

Gc(z) = = n ≥m
X(z) 1 + a1 z − 1 + a 2 z − 2 + . . . a n - 2 z − (n - 2) + a n -1 z − (n -1) + a n z − n

Cuando el filtro tiene coeficientes bj y ai, en general se denominan recursivos y

caen dentro de la clasificación de los IIR. En el caso de que todos los coeficientes
ai, fuesen cero, quedaría una expresión de la forma siguiente que se corresponde
con un filtro FIR

Y(z) b 0 z − ( n − m ) + b1 z − ( n − m + 1) + b 2 z − ( n − m + 2) + . . . + b m − 1 z -(n -1) + b m z − n )

Gc(z) = =
Y(z) −1 −2 −m
(z)= =b0+b1z+b2z+...+bmz
Gc
X(z)

X(z) 1

Por tener todos los polos en el origen del plano z, un filtro FIR siempre es estable.

31
 Ejemplo elemental de filtro FIR
El ejemplo propuesto consiste en obtener el promedio de los automóviles que cruzan una estación de peaje,
contados minuto a minuto, durante los últimos cinco minutos.
En este caso, produce el efecto de suavizar los datos (actúa como un filtro pasabajos).
Su construcción se plantea de la siguiente manera:

Si se define como r(k) la cantidad de vehículos que pasan la estación en el minuto k, y que se deben
promediar cada cinco minutos, siendo la salida c(k)

c(k) = [r(k) + r(k-1) + r(k-2) + r(k-3) + r(k-4)] /5 (1)

que para que quede en forma de filtro con los coeficientes que afectan a cada término, se modifica a:

c(k) = 1/5 r(k) + 1/5 r(k-1) + 1/5 r(k-2) + 1/5 r(k-3) + 1/5 r(k-4) (2)

que puestos en forma de transformada Z, queda

C(z) = 0.2 R(z) + 0.2 z-1R(z) + 0.2 R(Z) z-2 + 0.2 R(z) z-3 + 0.2 R(z)z-4 (3)

Y como función de transferencia en z

C( z )
= 0.2 + 0.2z − 1 + 0.2z − 2 + 0.2z − 3 + 0.2z − 4 ( 4)
R( z )

r(k) r(k-1) r(k-2) r(k-3) r(k-4)

Z-1 Z-1 Z-1 Z-1 .2
.2 c(k)
.2 +
.2
.2
32
33
34
 Discretización de un filtro de Butterworth N = 3
Transformación bilineal de Tustin con T = 0.1

0.0001131 Z3 + 0.0003393 Z2 + 0.0003393 Z + 0.0001131

H(Z) = ---------------------------------------------------------------------------------
Z3 - 2.8 Z2 + 2.62 Z - 0.8188

35
36
37