apuntes de procesamiento digital de señales
TRANSCRIPT
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 1/128
UNIVERSIDAD NACIONAL DE SAN AGUSTIN DE AREQUIPA
FACULTAD DE INGENIERIA DE PRODUCCION Y SERVICIOS
DEPARTAMENTO ACADEMICO DE INGENIERIA ELECTRONICA
ESCUELA PROFESIONAL DE INGENIERIA DE TELECOMUNICACIONES
CURSO: PROCESAMIENTO DIGITAL
DE SEÑALES
AREQUIPA PERÚ
2 12
Apuntes de Aula
Wildor Ferrel Serruto
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 2/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
1
PPrroocceessaammiieennttoo DDiiggiittaall ddee SSeeññaalleess
11.. IInnttrroodduucccciióónn
DDeef f iinniicciióónn
El Procesamiento Digital de Señales (PDS) es la disciplina que estudia losfundamentos matemáticos y algorítmicos del tratamiento de señales y de lainformación que contienen las señales utilizando un sistema electrónico digital comopor ejemplo, un computador, un DSP, un FPGA. Procesamiento: Realización de operaciones de acuerdo a un algoritmo para
transformar los datos o extraer información de ellos. Digital: Sistema electrónico digital como un computador, un DSP, un FPGA. Señal: Magnitud variable por medio de la cual se transmite información.
Hacer procesamiento digital de señales significaProcesamiento Realizar operaciones o transformacionesDigital mediante un computador u otro circuito electrónico digitalde Señales sobre funciones del tiempo y/o del espacio.
CCllaassiif f iiccaacciióónn ddee llaass sseeññaalleess
Por el tipo de función y el tipo de variable
Señal analógica – Función continua de variable continua. Señal de tiempo discreto – Función continua de variable discreta. Señal digital – Función discreta de variable discreta.
Por el número de dimensiones:
Señal unidimensional – Ejemplo: señal de voz, t s
Señal bidimensional – Ejemplo: imagen, y x s ,
Señal multidimensional – Ejemplo: Señal de video en blanco y negro t y xv ,, , señal
de video a color t y xbt y x g t y xr t y xu ,,,,,,,,
FFuunnddaammeennttooss ddeell PPDDSS ((BBaasseess mmaatteemmááttiiccaass)) Modelado de señales analógicas:
o Transformada de Fourier, transformada de Laplace, filtros analógicos.Operaciones de convolución y correlación.
Modelado de señales y sistemas de tiempo discreto:o La Transformada Z, la transformada de Fourier de tiempo discreto (DTFT),
la transformada discreta de Fourier (DFT).o Operaciones de convolución y correlación.o Estructuras básicas de sistemas de tiempo discreto.
Algoritmos de procesamiento digital de señales.
o Reducción o incremento de la tasa de muestreo.o Transformada rápida de Fourier (FFT).o Diseño de filtros digitales.
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 3/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
2
IImmpplleemmeennttaacciióónn ddeell PPDDSS
Por software, en computadores de propósito general (Ejemplo: en una PC) Por hardware (Ejemplo: con FPGAs) Por software más hardware específico para PDS (Ejemplo: con un DSP TMS320C)Un procesador digital de señal (DSP-Digital Signal Processor), es un dispositivo que
implementa hardware especializado para acelerar la ejecución de los algoritmos deprocesamiento digital de señales.
VVeennttaa j jaass
Inmunidad a ruido (mayor precisión). Implementación por software (mayor flexibilidad). Realización de funciones que no son posibles en procesamiento analógico de
señales
DDeessvveennttaa j jaa
En algunas aplicaciones la desventaja pueden ser el mayor costo y/o elprocesamiento lento.
CCoommppaarraacciióónn ddeell mmooddeellaaddoo ddee uunn ssiisstteemmaa ddee ttiieemmppoo ccoonnttiinnuuoo yy uunn
ssiisstteemmaa ddee ttiieemmppoo ddiissccrreettoo
Sistema de tiempo continuo
Ecuación diferencial
t d
t xd d
t d
t xd d t xd
t d
t yd c
t d
t yd ct y
M
M
N
N 101
Función de transferencia
N N
M M
sc sc
sd sd d
s X
sY
s H
1
10
1
Filtro
Analógico
x(t ) y(t )
x(t ) y(t )
t t
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 4/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
3
Respuesta a una señal de entrada
d t h xt y
Respuesta en frecuencia
Sistema de tiempo discreto
Ecuación en diferencias lineales con coeficientes constantes M n xbn xbn xb N n yan yan y M N 11 101
Función de transferencia
N
N
M
M
z a z a
z b z bb
z X
z Y z H
1
1
1
10
1
Respuesta a una señal de entrada
mmnhm xn y
0
H j
Filtro
Digital
x[n] y[n]
0 n
x[n]
0n
y[n]
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 5/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
4
Respuesta en frecuencia
CCoommppeetteenncciiaass eessppeeccí í f f iiccaass ddeell ccuurrssoo
Capacidad de analizar y especificar los parámetros fundamentales de unsistema de procesamiento digital de señales.
Capacidad de analizar e identificar los principales componentes de un sistemade procesamiento digital de señales.
Capacidad de aplicar el modelamiento matemático y algorítmico alprocesamiento de señales.
Comprensión y dominio de los conceptos básicos sobre las señales de tiempodiscreto, los sistemas de tiempo discreto, las transformadas relacionadas y suaplicación en la resolución de problemas de procesamiento de señales.
CCoonnoocciimmiieennttooss pprreevviiooss Fundamentos de cálculo. Algebra de números complejos. Análisis de Fourier detiempo continuo. Filtros analógicos. Programación en MATLAB.
BBiibblliiooggrraaf f í í aa
[1] OPPENHEIM A. V., SCHAFER R.W. Segunda Edición.Tratamiento de Señales en Tiempo Discreto.Prentice Hall Iberia, Madrid, 2000
[2] PROAKIS J. G., MANOLAKIS D. G. Tercera Edición.Tratamiento Digital de Señales. Principios, algoritmos y aplicaciones.Prentice Hall, Madrid, 1998
[3] LI TAN.Digital Signal Processing. Fundamentals and Applications.Elsevier, DeVry University, Decatur, Georgia, 2008
[4] MARIÑO ACEBAL J. B. Segunda Edición.Tratamiento Digital de la Señal. Una introducción experimentalAlfaomega, México, 1999
0
H e j
2
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 6/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
5
22.. CCoonnvveerrssoorr IIddeeaall ddee TTiieemmppoo CCoonnttiinnuuoo aa
TTiieemmppoo DDiissccrreettoo
DDiiaaggrraammaa ddee BBllooqquueess ddee uunn ssiisstteemmaa ddee PPrroocceessaammiieennttoo DDiiggiittaall ddee SSeeññaalleess AAnnaallóóggiiccaass
PPrroocceessaammiieennttoo DDiiggiittaall ddee SSeeññaalleess AAnnaallóóggiiccaass
MMooddeelloo ddeell CCoonnvveerrssoorr CC//DD
DDoommiinniioo TTeemmppoorraall
n
T nt t s
t st xt x c s
C/D xc(t ) x[n]
T
D/C yc(t ) y[n]
T
Sistema de
Tiempo Discreto
xc(t ) x[n]
s(t )
Conversor de Tren de
Impulsos Ponderados a
Secuencia×
x s(t )
xc(t ) x[n]
T
yc(t ) y[n]
T
DSP DACADC
x sens(t ) Filtro
Antisola-
pamiento
yr (t )Filtro de
Recons-
trucción
x(t )
Sensor
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 7/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
6
nc s T nt t xt x
nc s T nt nT xt x
n s T nt n xt x
DDoommiinniioo FFrreeccuueenncciiaall
k T k
T jS
22
jS j X j X c s
2
1
k T
c s k j X T
j X 21
;T s 2
k sc s k j X
T j X 1
SSeeññaall ccoonn EEssppeeccttrroo nnoo LLiimmiittaaddoo
-S S 0
j X C
1
2S 0
j X S
S -S -2S
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 8/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
7
FFiillttrroo AAnnttiissoollaappaammiieennttoo
Ejemplo 1
La frecuencia de muestreo es 40 kHz. El filtro anti-solapamiento usado es un filtro deButterworth pasa-bajas con frecuencia de corte de 8 kHz. El nivel de solapamientoen la frecuencia de corte debe ser 1%. Determine el orden del filtro anti-solapamiento.
Para el filtro de Butterworth la magnitud de la respuesta en frecuencia es:
| |
El nivel de solapamiento en la frecuencia de corte es:
√
n 1 2 3 4Nivel de solapamiento (%) 34.30 8.82 2.21 0.55
C/D
xa(t ) x[n]
T
D/C
yc(t ) y[n]
T
Sistema de
Tiempo
Discreto
Filtro
Antisola-
pamiento
xc(t )
H aa ( j )
-S S 0
j H
1
C
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 9/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
8
33.. SSeeññaalleess ddee TTiieemmppoo DDiissccrreettoo
SSeeccuueenncciiaass bbáássiiccaass
Impulso unitario
Escalón unitario
Secuencia exponencial x n A n
n , ; A R A, ; , 0
0 1
1
Secuencia senoidal x n Asen n n 0 ,
n 0
x[n]
n 0
x[n]
1
n 0
[n]
0 n
x[n]
1
n 0
...
u[n]
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 10/128
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 11/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
10
c) La secuencia x n5 obtenida mediante el desplazamiento de x n1 a la
izquierda en 2 unidades de tiempo.
%************************************************ % Programa Matlab para el Ejercicio 1
%************************************************ % Reinicializar el ambiente clear; clf; % Generar las secuencias x1=[0 0 0 1 2 3 4 3 2 1 0 0 0]; x2=[0 0 4 3 2 1 0 0 0 0 0 0 0]; % a) Adicion x3=x1+x2; % b) Multiplicacion x4=x1.*x2; % c) Dezplazamiento a la izquierda en 2 posiciones x5=zeros(1,13); nd=2; x5(1:13-nd)=x1(nd+1:13); %for m=1:13-nd % x5(m)=x1(m+2); %end; % Graficar x1,x2,x3 subplot(3,1,1);
stem([-6:6],x1); ylabel('x1'); xlabel('n'); subplot(3,1,2); stem([-6:6],x2); ylabel('x2'); xlabel('n'); subplot(3,1,3); stem([-6:6],x3); title('Adicion'); ylabel('x3'); xlabel('n'); pause;
% Graficar x1,x2,x4 subplot(3,1,3); stem([-6:6],x4);
n 0
x1[n]
1
2
3
4
0 n
x2[n]
1
2
3
4
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 12/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
11
title('Multiplicacion'); ylabel('x4'); xlabel('n'); pause; % Graficar x1,x5 subplot(2,1,1); stem([-6:6],x1);
ylabel('x1'); xlabel('n'); subplot(2,1,2); stem([-6:6],x5); title('Dezplazamiento'); ylabel('x5'); xlabel('n');
R R eellaacciioonneess iimmppoorrttaanntteess
La secuencia escalón unitario se expresa a través de la secuencia impulsounitario de la siguiente forma :
n
m mnu A su vez, la secuencia impulso unitario se expresa a través de la secuencia
escalón unitario en la forma :
1nunun
Toda secuencia puede ser expresada como una suma ponderada de impulsosunitarios :
m
mnm xn x
CCllaassiif f iiccaacciióónn ddee llaass sseeccuueenncciiaass ppoorr ssuu eexxtteennssiióónn Secuencia de extensión finita :
n x n n n y n x n n n1 1 2 20 0/ , / ,
Secuencia de extensión infinita :a) Secuencia derecha
n x n n n y n x n n n1 1 2 20 0/ , / ,
b) Secuencia izquierda n x n n n y n x n n n1 1 2 2
0 0/ , / ,
n n2
...
n1 n2
n n1
...
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 13/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
12
c) Secuencia bilateral n x n n n y n x n n n1 1 2 20 0/ , / ,
SSeeccuueenncciiaa ppeerriióóddiiccaa
n x es periódica n N n xn x N /
PPeerriiooddiicciiddaadd ddee llaa sseeccuueenncciiaa ccoosseennooiiddaall
En tiempo continuo, la función t 0cos es periódica para cualquier valor real de la
frecuencia. El periodo es:
0
2
T
En tiempo discreto, la relaciónn0cos = N n 0cos
se cumple si k N 20 , donde N y k son enteros
Por lo tanto, la secuencia n0cos es periódica si y sólo si
N
k
20
para algún N y k enteros; caso contrario, n0cos no es periódica.
Por ejemplo, la secuencia n4
3cos
es periódica con periodo 8 N . En cambio, la
secuencia n3cos no es periódica
La secuencia compleja n jCe 0 es periódica si N n je 0 = n je 0 .
Esto se cumple si k N 20 , donde N y k son enteros.
Las exponenciales complejas con frecuencias 0 y r 20 son iguales.
BBaa j jaass yy aallttaass f f rreeccuueenncciiaass
En tiempo continuo, la función t 0cos
oscila más rápidamente a medida queaumenta la frecuencia.En tiempo discreto, puesto que las secuencias n0cos y nr 2cos 0 son
iguales, las frecuencias 0 y r 20 son equivalentes.
Para la secuencia n0cos cuando la frecuencia aumenta de 0 a aumentan
también las oscilaciones. Sin embargo, cuando la frecuencia aumenta de a 2 lasoscilaciones se hacen más lentas.Las frecuencias en la vecindad de k 20 se llaman bajas frecuencias, mientras
que las frecuencias en la vecindad de k 20 se dice que son altas
frecuencias.
n
......
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 14/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
13
44.. SSiisstteemmaass ddee ttiieemmppoo ddiissccrreettoo
Un sistema de tiempo discreto es una transformación que hace corresponder acada secuencia de entrada una secuencia de salida.
y n T x n
Ejemplo. Sistema de diferencia regresiva y n x n x n 1
TTiippooss ddee ssiisstteemmaass
Sistema causal
La salida depende de valores pasados y/o del valor presente de la entrada.
Sistema no causal
La salida depende de valores futuros.Ejemplo. Sistema de diferencia progresiva:
y n x n x n 1
Sistema estable.
A toda secuencia limitada de entrada le corresponde una secuencia limitada de
salida. L x n L n L y n L n x x y y, ,
Sistema inestable
Por lo menos, a una secuencia limitada de entrada le corresponde una secuenciailimitada de salida.Ejemplo. Sistema acumulador :
y n x k k
n
T x n
y n
21-1-2 0 n
x[n]
-1 0 n
y[n]
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 15/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
14
Sistema lineal
Sistema que cumple con el principio de superposición. T ax n bx n aT x n bT x n1 2 1 2
Sistema invariante en el tiempo
Un desplazamiento en el tiempo de la secuencia de entrada produce el mismodesplazamiento de la secuencia de salida.
T x n y n T x n n y n nd d
R R eessppuueessttaa ddee uunn ssiisstteemmaa LLTTII
Respuesta de un sistema al impulso unitario h n T n
En un sistema LTI, la respuesta a una secuencia de entrada se expresa:
y n x m h n mm
Sistema FIR : h n tiene extensión finita
Sistema IIR : h n tiene extensión infinita
CCáállccuulloo ddee llaa ssaalliiddaa ppoorr ccoonnvvoolluucciióónn
m
mnhm xn y
Ejemplo 3
La secuencia x n es aplicada a la entrada de un sistema LTI. Encontrar la
secuencia de salida, si la respuesta del sistema al impulso unitario es h n .
CCoonnvvoolluucciióónn lliinneeaall
Es la operación efectuada sobre secuencias :
x n x n x m x n m
m
1 2 1 2
En sistemas LTI tenemos : y n x n h n
x n
h n
y n
1
x[n]
n 0
2 3
4
1
h[n]
n 0
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 16/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
15
Propiedades de la convolución
Conmutativa Asociativa Distributiva
Conexión en serie de sistemas LTI
Conexión en paralelo de sistemas LTI
CCoonnvvoolluucciióónn ppoorr bbllooqquueess
Método de solapamiento-suma
Definición de un bloque:
..,0
10,
cc
LnrLn xn x r
Secuencia de entrada expresada a través de los bloques rLn xn xr
r
0
Secuencia de salida:
nhn xn y * ; nhrLn xnhrLn xn yr
r
r
r **00
;
0r
r rLn yn y
Bloque de salida:
P L
r
P L
r nhn xn y *
1
Se observa que rLn y r se solapa con Lr n y r 11 , y que las muestras de
solapamiento se suman.
EEccuuaacciióónn eenn ddiif f eerreenncciiaass lliinneeaalleess ccoonn ccooeef f iicciieenntteess ccoonnssttaanntteess ((LLCCCCDDEE))
Muchos sistemas lineales e invariantes en el tiempo (sistemas LTI) se describenmediante la ecuación:
M
r
r
N
k
k r n xbk n ya00
Si hacemos a0 1
y n b x n b x n b x n M
a y n a y n N
M
N
0 1
1
1
1
...
...
≡ h n h n1 2 h n2 h n
1
≡
h n h n1 2 +
h n1
h n2
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 17/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
16
CCáállccuulloo ddee llaa ssaalliiddaa ppoorr rreeccuurrssiióónn
Ejemplo 4
Para el sistema descrito por 21212
2 n yn yn xn y
hallar la salida si nn x , si las condiciones iniciales son: 01 y , 02 y Solución:
000202
20 y
2
20021
2
21 y
102
220
2
22 y
2
2
2
21202
23 y
012
220
2
24 y
2
2
2
2020
2
25 y
n yn yn xn y 1212
22
212122 m ym ym xm y
21212
2 n yn yn xn y
000202
21222
2
23 y y x y
Dada la ecuación en diferencias:
N n yan ya
M n xbn xbn xbn y
N
M
...1
...1
1
10
(1)Despejamos N n y :
1...11
...1
11
10
N n ya
an y
a
an y
a
M n xa
bn x
a
bn x
a
b N n y
N
N
N N
N
M
N N (2)
Se calculan las muestras de salida a partir de las condiciones iniciales:
,1,,1,,,1,2, 000000
N n y N n y N n yn yn yn y
(2) Condiciones (1)
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 18/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
17
CCaauussaalliiddaadd ddee uunn ssiisstteemmaa LLTTII
0,0 nnh
EEssttaabbiilliiddaadd ddee uunn ssiisstteemmaa LLTTII
Un sistema LTI es estable
nnh
Suficiencia
Demostraremos que, si
n
nh entonces el sistema es estable
Sea n x acotada, Lxn x .
Luego,
k k nhk xn y =
=
k
k hk n x
k
k hk n x
k
k h Lx
k
k h Lxn y.
Si
n
nh entonces n y es acotada. En
consecuencia, el sistema es estable.
Necesidad
Demostraremos que, si
n
nh entonces el sistema no es estable.
Sea n x definida por:
0,0
0,
nh si
nh sin x nh
nh
n x es acotada, ya que 1n x .
La salida es:
k
k nhk xn y
Para 0n , tenemos:
k
k hk x y 0 =
k hk
k h
k h
=
k k h
k h 2
k
k h y 0
Si
n
nh , entonces
k
k h .
Esto significa que n y no es acotada. En consecuencia, el sistema no es estable.
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 19/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
18
Ejemplo 5
La secuencia
x nn
c c
1 0 10
0
, ,
, . .
es aplicada a la entrada de un sistema LTI con respuesta al impulso
h n n
c c
n
1
2 0
0
,
, . ..
a) Calcular analíticamente la secuencia de salida por convolución lineal. Sólolos gráficos obtenerlos con un programa en MATLAB.
b) Compruebe su resultado con la función conv del MATLAB y muestre losgráficos de las secuencias.
%**************************************************** % Programa para el Ejercicio 2 a) %**************************************************** % Reinicializar el ambiente clear; clf % Formar la secuencia de salida con 20 muestras y0_9=2-(1/2).^[0:9]; y10_19=((2^10)-1)*((1/2).^[10:19]); y=[y0_9 y10_19]; % Graficar la secuencia de salida stem([0:19],y);
title('Secuencia de salida'); ylabel('y[n]'); xlabel('n'); %***************************************************** % Programa para el Ejercicio 2 b) %***************************************************** % Reinicializar el ambiente clear; clf % Formar la secuencia de entrada x=[ones(1,10) zeros(1,10)];
% Formar la respuesta al impulso h=[(1/2).^[0:19]]; % Efectuar la convolucion yy=conv(x,h); % Tomar 20 muestras de la secuencia de saliday=yy(1:20); % Graficar x,h,y subplot(3,1,1); stem([0:19],x); grid; title('Secuencia de entrada'); ylabel('x[n]'); xlabel('n'); subplot(3,1,2);
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 20/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
19
stem([0:19],h); grid; title('Respuesta al impulso'); ylabel('h[n]'); xlabel('n'); subplot(3,1,3); stem([0:19],y);
grid; title('Secuencia de salida'); ylabel('y[n]'); xlabel('n');
Ejemplo 6
Escriba un programa en MATLAB para efectuar las siguientes tareas :
a) Generar una secuencia senoidal x n de 50 muestras con frecuencia 2 25
rad/muestra.b) Obtener una secuencia x n
1 adicionando a la secuencia inicial un ruido
aleatorio uniformemente distribuido en el intervalo -0,25 a 0,25.c) Obtener la secuencia y n recursivamente filtrando la secuencia x n
1 con un
sistema promedio móvil de tamaño 5.%**************************************************** % Programa para el Ejercicio 3 %**************************************************** % Reinicializar el ambiente clear; clf % Formar la secuencia de entrada N=50; x=sin(2*pi*[0:N-1]/25);
% Formar la secuencia con ruido aditivo x1=x+0.5*(rand(1,N)-0.5); % Calcular la secuencia de salida para el sistema de% promedio movil de tamano 5 for n=1:N y(n)=mean(x1(max(n-4,1):n));
end; % Graficar las secuencias subplot(3,1,1);
stem([0:N-1],x); grid; ylabel('x[n]'); xlabel('n'); subplot(3,1,2); stem([0:N-1],x1); grid; ylabel('x1[n]'); xlabel('n'); subplot(3,1,3); stem([0:N-1],y); grid; ylabel('y[n]'); xlabel('n');
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 21/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
20
CCoorrrreellaacciióónn ccrruuzzaaddaa
Para las secuencias n x e n y , la secuencia
k xy nk yk xnr
k xy k ynk xnr
se llama correlación cruzada de
n x e
n y .La correlación cruzada de n y e n x es:
k yx nk xk ynr =
k
k xnk y
Se cumple que nr nr yx xy
.
Comparando la expresión de la convolución
k
k n yk xn yn x con
k xy nk yk xnr podemos escribir
n yn xnr xy
Autocorrelación
Para la secuencia n x la secuencia de autocorrelación es
k xx nk xk xnr
En MATLAB se usa la función xcorr: x=[ 4 2 1 0];
y=[-1 -1 1 1];
Rxy=xcorr(x,y)Ryx=xcorr(y,x)
Rxx=xcorr(x)
Ryy=xcorr(y)
Correlación de secuencias periódicas
Para las secuencias periódicas n x e n y la correlación cruzada se define en la
forma:
M
M k M xy nk yk x
M nr
12
1lim
La autocorrelación de n x será:
M
M k M xx nk xk x
M nr
12
1lim
Si las secuencias n x e n y tienen un mismo perido igual a N, el promedio en un
intervalo infinito es igual al promedio en un único intervalo mayor o igual al periodo,es decir, siendo M≥N:
1
0
1 M
k
xy nk yk x
M
nr
1
0
1 M
k
xx nk xk x
M
nr
Las secuencias
nr xy y
nr xx son periódicas y tienen el mismo periodo N.
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 22/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
21
Aplicación de la correlación en la determinación de la distancia de blancos
nw Dn xn s nr
sx tiene un pico en Dn
Aplicación de la correlación en la identificación de una señal periódica oculta enuna señal con ruido
Sea la secuencia n y de la forma:
nwn xn y
n x es una secuencia periódica con periodo desconocido N ,
nw es un ruido aleatorio.
Se desea determinar el periodo N.Para ello calculamos la autocorrelación de n y :
1
0
1 M
k yy nk yk y
M nr =
=
1
0
1 M
k
nk wnk xk wk x M
=
=
1
0
1 M
k
nk xk x M
+
1
0
1 M
k
nk wk x M
+
+
1
0
1 M
k
nk xk w M
+
1
0
1 M
k
nk wk w M
=
= nr nr nr nr wwwx xw xx
Ejemplo 7
Escriba un programa en MATLAB que realice las siguientes tareas:
a) Genere la señal []
con 500 muestras.
b) Forme la señal [] adicionando a [] un ruido aleatorio, uniformementedistribuido, con amplitud 1 y una media de 0.
c) Calcule
[] como la autocorrelación periódica de
[].
d) Halle [] como la autocorrelación periódica de [].e) A partir de [], determine el periodo de [].f) Forme un tren de impulsos [] con el periodo encontrado.g) Determine [] como la correlación cruzada periódica de [] con el tren
de impulsos.h) Determine [] como la auto-correlación periódica de [].
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 23/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
22
%******************************************** % Aplicacion de la correlacion en la% identificacion de una señal periódica % oculta en una señal con ruido %********************************************
close all; clear all; N=500; n=[0:N-1]; x=0.5*cos((pi/26)*n)+0.5*cos((pi/13)*n);w=2*(rand(1,N)-0.5); y=x+w; Rx=xcorr(x,'biased'); Ry=xcorr(y,'biased'); RRy=xcorr(Ry,'biased');
%Determinamos el periodo [max1,pos1] = max(RRy) [min2,pos2] = min(RRy(pos1+1:length(RRy))) [max3,pos3] = max(RRy(pos1+pos2+1:length(RRy))) periodo=pos2+pos3
% Formamos el tren de impulsos s=zeros(1,length(y)); m=1;
while m<length(y) s(m)=1; m=m+periodo;
end % Hallamos la correlación de y con el tren de impulsos Rys=periodo*xcorr(y,s, 'biased'); RRys=8*xcorr(Rys,'biased'); % Graficamos subplot(311); plot(n,x);grid; title('Secuencia original'); subplot(312); plot(n,y);grid; title('Secuencia con ruido'); subplot(313); stem(n,s);grid; title('Tren de impulsos'); pause;
NRx=length(Rx); nRx=[0:NRx-1]-((NRx-1)/2); subplot(311);
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 24/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
23
plot(nRx,Rx);grid; title('Rx - Autocorrellacion de x '); NRy=length(Ry); nRy=[0:NRy-1]-((NRy-1)/2); subplot(312);
plot(nRy,Ry);grid; title('Ry - Autocorrellacion de y '); NRRy=length(RRy); nRRy=[0:NRRy-1]-((NRRy-1)/2); Ninicio=((NRRy-1)/2)-((NRy-1)/2); Nfin=((NRRy-1)/2)+((NRy-1)/2); subplot(313); plot(nRy,RRy(Ninicio:Nfin));grid; title('RRy - Autocorrelacion de Ry'); pause;
subplot(311); plot(n,x);grid; title('Secuencia original'); subplot(312); NRys=length(Rys); Ninicio=(NRys-1)/2; plot(Rys(Ninicio:Ninicio+N-1));grid; title('Rys - Correlacion cruzada de y con el tren s');
subplot(313); NRRys=length(RRys); Ninicio=(NRRys-1)/2; plot(RRys(Ninicio:Ninicio+N-1));grid; title('RRys - Autocorrelacion de Rys');
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 25/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
24
0 50 100 150 200 250 300 350 400 450 500 -1 -0.5
0 0.5
1 Secuencia original
0 50 100 150 200 250 300 350 400 450 500 -2 -1 0 1 2 Secuencia con ruido
0 50 100 150 200 250 300 350 400 450 500 0
0.5
1 Tren de impulsos
-500 -400 -300 -200 -100 0 100 200 300 400 500 -0.2 0
0.2 0.4 0.6 Rx - Autocorrellacion de x
-500 -400 -300 -200 -100 0 100 200 300 400 500 -0.2 0
0.2 0.4 0.6 Ry - Autocorrellacion de y
-500 -400 -300 -200 -100 0 100 200 300 400 500 -5
0 5
10 x 10 -3 RRy - Autocorrelacion de Ry
0 50 100 150 200 250 300 350 400 450 500 -1 -0.5
0 0.5
1 Secuencia original
0 50 100 150 200 250 300 350 400 450 500 -1
0
1 2
Rys - Correlacion cruzada de y con el tren s
0 50 100 150 200 250 300 350 400 450 500 -0.5
0
0.5
1 RRys - Autocorrelacion de Rys
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 26/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
25
55.. LLaa TTrraannssf f oorrmmaaddaa ZZ
CCáállccuulloo ppoorr mmeeddiioo ddee ttrraannssf f oorrmmaaddaass
La secuencia exponencial compleja:
n z n x
se llama auto secuencia porque:
n y =
k
k n xk h =
k
k n z k h =
n
k
k z z k h
z H =
k
k z k h
n y = n z z H
z H es el autovalor, se llama función de transferencia del sistema y es la
transformada Z de la respuesta al impulso
El cálculo de la salida se puede hacer como sigue:
Transformadas usadas en el análisis y diseño de sistemas de tiempo discreto: Transformada Z Transformada de Fourier de tiempo discreto (DTFT) Transformada de Fourier discreta (DFT) Transformada rápida de Fourier (FFT)
Transformada Z directa :
n
n z n x z X
Transformada Z inversa :
C
ndz z z X
jn x
1
2
1
x [n]
h [n]
X
H
Y y [n]
x[n] X ( z )
H ( z )Y ( z )
h[n] y[n]
T n z
n z A
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 27/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
26
Ejemplo 8
3210 3210 z x z x z x z x z X
Se debe indicar la región de convergencia (RC).RC: Plano z completo excepto z = 0
Ejemplo 9
Hallar la transformada Z de la secuencia
Solución:
CCáállccuulloo ddee llaa ttrraannssf f oorrmmaaddaa ZZ iinnvveerrssaa
Inspección mas propiedades. Expansión en fracciones parciales. Expansión en serie de potencias.
x [n]
1
32
0
2
32102312
z z z z
321232
z z z z X
nun x
n
9
8
...
x [n]
0 n
n
n
n
z nu z X 9
8
0 9
8
n
n
n
z
0
1
9
8
n
n
z
1
1
0n
n
1
1
9
81
1
z 1
9
8 1 z
9
8: z RC
1
9
81
1
z
z X
Im{z}
Re{z}
RC
| 9
8
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 28/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
27
Inspección mas propiedades
Ejemplo 10
Encontrar la secuencia cuya transformada Z es :
2
1
21
:,1
z RC z
z X
Solución
1
1
2
11
1
z
z z X
a z az
nua n
,1
1
1
nu z
n
2
1
1
2
11
1
d nd z z X nn x
11
2
1
nun xn
Expansión en fracciones parciales
Ejemplo 11
Hallar la transformada z inversa de la función
||
mediante la expansión en fracciones parciales.
Solución |
[] [] [] []
Ejemplo 12
Hallar la respuesta al impulso del sistema causal con función de transferencia
Haga la expansión en fracciones parciales mediante la función residuez del MATLAB.
RC
Im z
Re z 22
1
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 29/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
28
SoluciónCorremos el programa
b =[1 -1 -6];
a =[1 -1.5 -1];
[R,P,K]=residuez(b,a)
En la ventana de comandos del matlab obtenemos:
R =-0.8000
-4.2000
P =
2.0000
-0.5000
K =
6
Luego,
Por tanto, [] [] [] [] Expansión en serie de potencias
Encontrar la secuencia cuya transformada Z es:
a z RC az
z X
:,1
1
1
Solución
33
3322
22
221
1
332211
1
1
11
z a
z a z a
z a
z a z a
z a
z a z a z a z a
az
A partir de la condición de la RC tenemos: 11
a z z a
1
33221
m
mm z a z a z a z a z X , mn
1n
nn z a z X
1nuan x n
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 30/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
29
PPrrooppiieeddaaddeess ddee llaa R R eeggiióónn ddee CCoonnvveerrggeenncciiaa
Secuencia derecha :
RC z z z Si RC z 00 Secuencia izquierda :
RC z z z Si RC z
00 La RC no puede contener polos
Secuencia derecha
Secuencia izquierda
Secuencia bilateral
RC pk
k p z RC max: Im{z}
Re{z}
RC n n1
...
k p z RC min:
n n2
...
Im{z}
Re{z}
RC
Im{z}
Re{z}
RC
n
... ...
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 31/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
30
FFuunncciióónn ddee TTrraannssf f eerreenncciiaa
Transformada Z de su respuesta impulsional nh Z z H
A partir de la LCCDE
N
N
M
M
z a z a z b z bb
z X z Y z H
1
1
1
10
1
Los polinomios del numerador y del denominador se representan B( z) y A( z)respectivamente
EEssttaabbiilliiddaadd
n z
n
n
z nhnh1
La RC de la función de transferencia de unsistema estable contiene a la circunferencia deradio unitario
CCaauussaalliiddaadd
La RC de la función de transferencia de un sistema causal es el exterior de unacircunferencia y contiene al punto z = .
Im{z}
Re{z}
RC
z A
z B z H
Im{z}
Re{z}
RC
1
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 32/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
31
Ejemplo 13
Un sistema LTI causal tiene función de transferencia :
21
1
5.15.31
43
z z
z z H
1) Determine manualmente la RC y la respuesta impulsional.¿Es estable el sistema?
2) Compruebe los resultados anteriores usando MATLABSolución
5.03
3
5.0131
13
5.15.31
43 3
4
11
1
3
4
21
1
z z
z z
z z
z
z z
z z H
Ceros :
Polos :
La RC es :
No es estable el sistema.
[] [] []
%************************************************ % Determinar el diagrama de polos y ceros% y la respuesta impulsional % de un sistema de tiempo discreto %************************************************ % Reinicializar el ambiente close all; clear all; % Funcion de Transferencia
Im{z}
Re{z}
RC
0.5 34/3
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 33/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
32
B = [3 -4 0 ]; A = [1 -3.5 1.5]; % Diagrama de polos y ceros ceros=roots(B) polos=roots(A)
zplane(B,A); grid; pause; % Respuesta impulsional [h,n]=impz(B,A); subplot(2,1,1); stem(n,h); grid; ylabel('h[n]'); xlabel('n'); title('Respuesta Impulsional segun impz'); % Respuesta impulsional analitica %n=[0:11]; hh=((1/2).^(n))+2*((3).^(n)); subplot(2,1,2); stem(n,hh); grid; ylabel('hh[n]'); xlabel('n'); title('Respuesta Impulsional analitica');
-1 -0.5 0 0.5 1 1.5 2 2.5 3
-1.5
-1
-0.5
0
0.5
1
1.5
Real Part
Imaginary Part
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 34/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
33
ceros =
0
1.3333
polos =
3.00000.5000
0 2 4 6 8 10 120
1
2
3
4x 10 5
n
h[n]
Respuesta Impulsional segun impz
0 2 4 6 8 10 120
1
2
3
4x 10 5
n
hh[n]
Respuesta Impulsional analitica
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 35/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
34
66.. TTrraannssf f oorrmmaaddaa ddee FFoouurriieerr ddee TTiieemmppoo
DDiissccrreettoo ((DDTTFFTT))
A partir de la Transformada Z
Esta es la DTFT directa
EExxiisstteenncciiaa ddee llaa DDTTFFTT
Condición suficiente:Si la secuencia es absolutamente sumable, la DTFT existe.
Es decir, si
n
n x , la DTFT existe.
LLaa DDTTFFTT iinnvveerrssaa
d ee X n x
n j j
2
1
Ejemplo 14
Determinar la DTFT de la secuencia impulso unitario nn x .Solución:
1
n
n j jene X
Ejemplo 15
Graficar la magnitud y la fase de la DTFT de la secuencia [] ()[]
SoluciónLa secuencia es absolutamente sumable, por tanto, la DTFT existe,
()
1
n 0
[n 1
0
X e j
je z
j z X e X
, j
e z
n
n j j en xe X
][
Im{z}
Re{z}1
ω
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 36/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
35
close all; clear all; w=[-2*pi:2*pi/200:2*pi]; j=sqrt(-1); X=1./(1-(1/2)*exp((-1)*j*w)); subplot(211);
plot(w/pi,abs(X));grid; title('Magnitud'); subplot(212); plot(w/pi,180*angle(X)/pi);grid; ylabel('°');title('Fase');
IInntteerrpprreettaacciióónn ddee llaa DDTTFFTT
Im{ Z }
Re{ Z }
|X ( Z )|
0 -
| H (e j )|
e j
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2 0.8
1 1.2 1.4 1.6 1.8
2 Magnitud
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2 -30 -20 -10
0 10 20 30
°
Fase
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 37/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
36
R R eessppuueessttaa eenn FFrreeccuueenncciiaa
Es la DTFT de la respuesta impulsional : je H
Magnitud de la Respuesta en Frecuencia : je H (Respuesta en amplitud o
ganancia del sistema)
Fase de la Respuesta en Frecuencia : je H (Respuesta en fase o
desplazamiento de fase del sistema)
A partir de la Función de Transferencia :
je z
j z H e H
SSiiggnniif f iiccaaddoo ddee llaa R R eessppuueessttaa eenn AAmmpplliittuudd yy llaa R R eessppuueessttaa eenn FFaassee..
Ejemplo 16
Dado el sistema de tiempo discreto causal con función de transferencia:
4-3-2-1-
-3-2-1
z0.6279z2.5235-z4.0820z3.1582-1
z0.0034z0.0147z0.0042
z H
Obtener experimentalmente el gráfico de la respuesta en amplitud y la respuesta enfase del sistema.
Solución
%************************************************ % Obtención Experimental de la Respuesta% en amplitud y la Respuesta en fase de un% Sistema de Tiempo Discreto %************************************************ % Reinicializar el ambiente close all; clear all;
H ( z ) x[n] y[n]
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 38/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
37
% Función de Transferencia B = [0.0000 0.0042 0.0147 0.0034 0.0000] A = [1.0000 -3.1582 4.0820 -2.5235 0.6279] % Respuesta impulsional [h,n]=impz(B,A);
stem(n,h); grid; ylabel('h[n]'); xlabel('n'); pause; % Obtención Experimental de la Respuesta en magnitud% y la Respuesta en Fase %N=length(n); N=1000; n=1:N-1; W=[0*pi:pi/800:pi]; % Vector de Frecuencias Nw=length(W) for m = 1:Nw x=sin(W(m)*n); % Secuencia de entrada y=filter(B,A,x); % Obtencion de la salida x=x(N-900:N-1);y=y(N-900:N-1); % Salida estable ganancia(m)= max(y)/max(x); xh = hilbert(x); yh = hilbert(y); fase(m)=wrapToPi( angle(yh(800)) - angle(xh(800)) );
end % Con freqz H=freqz(B,A,W); Hdecibelios=20*log10(abs(H)); % Graficos subplot(2,2,1); plot(W/pi,20*log10(ganancia)); grid;xlabel('w/pi'); ylabel('|H(e^jw)|,db'); title('Respuesta en amplitud obtenida experimentalmente');
subplot(2,2,3); plot(W/pi,Hdecibelios); grid;xlabel('w/pi'); ylabel('|H(e^jw)|,db'); title('Con la funcion freqz'); subplot(2,2,2); plot(W/pi,180*fase/pi); grid;xlabel('w/pi'); ylabel('<H(e^jw),°'); title('Respuesta en fase obtenida experimentalmente'); subplot(2,2,4); plot(W/pi,180*angle(H)/pi); grid;
xlabel('w/pi'); ylabel('<H(e^jw),°'); title('Con la funcion freqz');
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 39/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
38
Ejemplo 17
Para el sistema de promedio móvil de tamaño N 1) Determine analíticamente la respuesta en frecuencia.2) Grafique la magnitud y la fase para N=5.3) Compruebe los resultados anteriores usando MATLAB.
Solución
0 50 100 150 -0.1
-0.05
0
0.05
0.1
0.15
0.2
0.25
h[n]
n
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 -80
-60
-40
-20
0
20
w/pi
|H(e j
w)|,db
Respuesta en amplitud obtenida experimentalmente
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 -80
-60
-40
-20
0
20
w/pi
|H(e j
w)|,db
Con la funcion freqz
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 -200
-100
0
100
200
w/pi
<H(e j w),°
Respuesta en fase obtenida experimentalmente
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 -200
-100
0
100
200
w/pi
<H(e j w),°
Con la funcion freqz
n0
1/ N
N
h[n]
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 40/128
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 41/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
40
ylabel('|H(e^jw)|'); xlabel('w/pi'); % Graficar la fase de H(e^jw) subplot(2,2,4); plot(w/pi,angle(H)); grid; title('Fase (Comprobacion con freqz)');
ylabel('< H(e^jw)'); xlabel('w/pi');
FFiillttrrooss cclláássiiccooss
Filtro pasa bajas
0 -
| H (e j )|
Filtro pasa altas
0 -
| H (e j
)|
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 0
0.2
0.4
0.6
0.8
1 Magnitud calculada analiticamente
|H(e j w)|
w/pi
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 -3 -2 -1 0 1 2 3 Fase calculada analíticamente
< H(e j w)
w/pi
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 0
0.2
0.4
0.6
0.8
1 Magnitud (Comprobacion con freqz)
|H(e j w)|
w/pi -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 -3
-2 -1 0 1 2 3 Fase (Comprobacion con freqz)
< H(e j w)
w/pi
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 42/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
41
FFiillttrrooss IIddeeaalleess CClláássiiccooss
Filtro pasa bajas
[]
Filtro pasa altas
[] []
Ejemplo 18
1) Generar una secuencia senoidal x[n] de 80 muestras con frecuencia 2/25rad/muestra.2) Obtener una secuencia x1[n] adicionando a la secuencia inicial un ruido aleatoriouniformemente distribuido en el intervalo -0,25 a 0,25.3) Obtener la secuencia y[n] filtrando la secuencia x1[n] con un sistema promedio
móvil de tamaño 5 recursivamente usando la función filter.4) Lo mismo del punto 3 usando la función fft.
Filtro pasa banda
Filtro supresor de banda
0 -
| H (e j )|
0 -
| H (e j )|
0 -
H (e j )
c -c
0 -
H (e j )
c -c
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 43/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
42
%***************************************** % Filtrado con el Sistema de Promedio% Movil de Tamaño 5 %***************************************** % Reinicializar el ambiente close all; clear all;
% 1) Formar la secuencia de entrada N=80; n=[0:N-1]; x=sin(2*pi*n/25); % 2) Formar la secuencia con ruido aditivo x1=x+0.5*(rand(1,N)-0.5); % 3) Calcular la salida usando la función filterB=[1/5 1/5 1/5 1/5 1/5]; A=[1 0 0 0 0 ]; y1=filter(B,A,x1); % 4) Usando la función fft % El tamaño de h, x1 debe ser N+5-1=N+4 h=[1/5 1/5 1/5 1/5 1/5 zeros(1,N-1)]; x2=[x1 zeros(1,4)]; H=fft(h); X2=fft(x2); Y2=H.*X2; y2=ifft(Y2); y2=real(y2);
% Graficar las secuencias subplot(4,1,1); stem(n,x); grid; ylabel('x[n]'); xlabel('n'); subplot(4,1,2); stem(n,x1); grid; ylabel('x1[n]'); xlabel('n'); subplot(4,1,3); stem(n,y1); grid; ylabel('y1[n]'); xlabel('n'); title('Salida obtenida empleando la funcion filter'); subplot(4,1,4); stem(n,y2(1:N));
grid; ylabel('y2[n]'); xlabel('n'); title('Salida obtenida empleando la funcion fft');
X
H
Y
x [n]
h [n]
y [n]
Tamaño=84
Tamaño=84
Tamaño=84
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 44/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
43
DDTTFFTT ccoonn f f uunncciioonneess iimmppuullssoo
Sea una DTFT representada en la forma:
00
je X
n x =
d ee X
n j j
2
1 =
=
d e
n j00
2
1 =
=
d ed e n jn j00
21
21 =
=n jn j
ee 00
2
1
2
1
=
=n jn j
ee 00
2
1
= n0cos1
n0cos
00
con periodo 2 n j
e 0
02
con periodo 2
0 10 20 30 40 50 60 70 80 -1
0 1
x[n]
n
0 10 20 30 40 50 60 70 80 -2 0
2 x1[n]
n
0 10 20 30 40 50 60 70 80 -2
0 2
y1[n]
n
Salida obtenida empleando la funcion filter
0 10 20 30 40 50 60 70 80 -2 0
2 y2[n]
n
Salida obtenida empleando la funcion fft
- 0 0 - 0
je X
1 1
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 45/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
44
77.. AAnnáálliissiiss eenn eell DDoommiinniioo TTrraannssf f oorrmmaaddoo
EEll rreettaarrddaaddoorr iiddeeaall
La respuesta al impulso del retardador ideal es:
d id nnnh Su respuesta en frecuencia es () cuya magnitud y la fase son: () ; () Se observa que la fase es función lineal de la frecuencia.
FFiillttrrooss cclláássiiccooss iiddeeaalleess ccoonn rreettaarrddoo
El filtro pasa-bajas ideal con retardo tiene respuesta en frecuencia:
() ||
y respuesta al impulso [] ( )
R R eettaarrddoo ddee ggrruuppoo
Es una medida de la linealidad de la fase:
{()}
Significado del retardo de grupo
nn sn x 0cos ; ?n y
j j j e H e X eY
j
e H j j j jee H eS eS
00
21
21
j j
e H j j je H j j j
ee H eS ee H eS
00
2
1
2
1
- 0
X e j
0 -0
H (e j )
x n
y n
0 -
H (e j )
0 -0
0
-0
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 46/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
45
Aproximamos je H en 0 :
00
je H
Aproximamos je H en 0 : 00
je H
00000000
21
21 j j j j j j j
ee H eS ee H eS eY
00000000
21
21 j j j j j j j j j
ee H eeS ee H eeS eY
00000000
21
021
0
j jn j j jn jee H en see H en sn y
00000 cos0
nn se H n y j
IInntteerrpprreettaacciióónn ggrrááf f iiccaa ddee llaa rreessppuueessttaa eenn f f rreeccuueenncciiaa
()
FFiillttrroo R R eessoonnaaddoorr DDiiggiittaall
Filtro pasabanda de banda estrecha. Se puede implementar con dos polos
conjugados complejos situados cerca de la circunferencia de radio uno.
Filtro resonador con ceros en el origen.
11
0
00 11
z er z er
b z H
j j
,
j j j j
j
eer eer
be H
00 11
0
Para que se cumpla 10 je H el coeficiente 0b debe ser
0
2
0 2cos211 r r r b .
A
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 47/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
46
La frecuencia de resonancia es
0
2
cos2
1arccos
r
r r
. El ancho de banda de 3 db
es r 12 .
Ejemplo 19
Hallar la función de transferencia de un resonador digital con ganancia pico unitariaa 50 Hz, un ancho de banda de 3 db de 6 Hz, sabiendo que la frecuencia demuestreo es 300 Hz.clf; clear;f0=50; deltaf=6; fs=300;w0=f0*2*pi/fsdeltaw=deltaf*2*pi/fsr=1-0.5*deltawb0=(1-r)*sqrt(1+r*r-2*r*cos(2*w0))B=[b0 0 0]j=sqrt(-1);
A=conv([1 (-1)*r*exp(j*w0)],[1 (-1)*r*exp((-1)*j*w0)])W=[0:0.5:150]*2*pi/fs;subplot(1,2,1);H=freqz(B,A,W);plot(W*fs/(2*pi),abs(H));grid;subplot(1,2,2);W=([45:0.1:55]*2*pi)/fs;H=freqz(B,A,W);plot(W*fs/(2*pi),abs(H));grid;
Filtro resonador con ceros en 1 z y 1 z .
11
11
000 11
11
z er z er
z z b z H
j j
,
j j j j
j j
eer eer
ebe H
00 11
1 2
0
Ejercicio 1. Para ambos tipos de resonador, graficar con MATLAB la magnitud y lafase en el intervalo de a ; para
30
, 8.0r y para
30
, 95.0r .
0 50 100 150 0
0.2
0.4
0.6
0.8
1
1.2
1.4
45 46 47 48 49 50 51 52 53 54 55 0.5
0.6
0.7
0.8
0.9
1
1.1
1.2
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 48/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
47
FFiillttrroo R R aannuurraa
Filtro con uno o más cortes profundos en su respuesta en frecuencia.Para implementar un filtro ranura se pueden tomar dos ceros complejos conjugadossobre la circunferencia de radio uno.
11
000 11
z e z eb z H j j
Para reducir el ancho de banda del corte se pueden introducir dos polosconjugados complejos
11
11
000
00
11
11
z er z er
z e z eb z H
j j
j j
Ejemplo 20
Para el filtro ranura de dos ceros y dos polos, graficar con MATLAB la respuesta enamplitud en el intervalo de a para
40
, 85.0r . Solución
close all; clear all; w0=pi/4; r=0.85; j=sqrt(-1); b0=((1-r*exp(j*w0))*(1-r*exp((-1)*j*w0)))/...
((1-exp(j*w0))*(1-exp((-1)*j*w0))); B=b0*conv([1 (-1)*exp(j*w0)],[1 (-1)*exp((-1)*j*w0)]); A=conv([1 (-1)*r*exp(j*w0)],[1 (-1)*r*exp((-1)*j*w0)]); W=[0:pi/400:pi]; H=freqz(B,A,W); plot(W/pi,abs(H));grid; title('Respuesta en amplitud de un filtro ranura');
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0
0.2
0.4
0.6
0.8
1
1.2
1.4
Respuesta en amplitud de un filtro ranura
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 49/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
48
FFiillttrroo PPeeiinnee
Su respuesta en magnitud consiste en una serie de picos regularmente espaciados,cuya figura es semejante a la de un peine.
El sistema promedio móvil es un ejemplo sencillo de filtro peine.
M
k M
k n xn y0
1
1
M
k
k
M z z H
0
1
1 ,
1
1
1
1
1
1
z
z z H
M
M ,
2
2
2
1
1
1 M j
M
M
j e sen
sene H
.
Si reemplazamos z por L
z tenemos
L
M L
M L z
z z H
1
1 1
1
1 ,
L j
L
M
M
j
L
M
e sen
L sene H
2
2
2
1
1
1
Ejemplo 21
Para el filtro peine con y graficar con MATLAB la respuesta enmagnitud y en fase en el intervalo de a .Soluciónclose all; clear all; % Respuesta en frecuencia L=10; M=3; w=[0:(2*pi)/800:pi]; j=sqrt(-1); H=(1/(M+1)).*((sin(w.*(L*((M+1)/2))))./(sin(w.*(L/2))))...
.*exp(w.*((-1)*j*M*L*(1/2))); % Grafico de la magnitud de H(e^jw) subplot(2,1,1); plot(w/pi,abs(H)); grid; title('Respuesta en amplitud de un Filtro Peine');ylabel('|H(e^jw)|'); xlabel('w/pi'); % Grafico de la fase de H(e^jw) subplot(2,1,2); plot(w/pi,angle(H));
grid; title('Respuesta en fase de un Filtro Peine');ylabel('< H(e^jw)'); xlabel('w/pi');
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 50/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
49
Ejercicio 2. Para el sistema con función de transferencia
4
16
4
1
1
1
z
z z H
1. Dibujar el diagrama de polos y ceros y determinar la ROC2. Hallar la respuesta impulsional3. Hallar y graficar la magnitud de la respuesta en frecuencia4. ¿Qué tipo de filtro es?
SSiisstteemmaa iinnvveerrssoo
Para un sistema LTI su sistema inverso es aquel que al conectársele en cascada dapor resultado un sistema identidad 1 z G z H
z H
z G 1
Ver ejemplo 5.4 y ejemplo 5.5 de Oppenheim
SSiisstteemmaa ppaassaa ttooddoo
Es el sistema cuya respuesta en frecuencia tiene magnitud constante igual a launidad.
1 je H
Ejemplo, 1
1
1
z a
a z z H ap
j
j
j
apea
aee H
1=
j
j j
ea
eae
1
1
En un sistema pasa-todo cada polo está emparejado con un cero conjugadorecíproco.
Si a es real: 1
1
1
z a
a z z H ap . Cero:a
z 1 . Polo: a z
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.2
0.4
0.6
0.8
1Respuesta en amplitud de un Filtro Peine
| H ( e j w ) |
w/pi
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1-3
-2
-1
0
1
2
3Respuesta en fase de un Filtro Peine
<
H ( e j w )
w/pi
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 51/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
50
SSiisstteemmaa ddee f f aassee mmí í nniimmaa
Un sistema estable y causal se llama sistema de fase mínima si su sistema inversotambién es causal y estable. Los polos y los ceros de un sistema de fase mínimadeben estar dentro de la circunferencia unitaria.
DDeessccoommppoossiicciióónn eenn ppaassaa ttooddoo yy f f aassee mmí í nniimmaa
Un sistema estable y causal siempre se puede expresar como la conexión encascada de un sistema de fase mínima y un sistema pasa todo.
z H z H z H ap min
Ejemplo 22
Para el sistema:
11
1
7.012.01
21
z z
z z H
Hallar la descomposición en pasa todo y fase mínima
Im{z}
Re{z}
1
Im{z}
Re{z}
10.2 0.7 2
0.5
Im{z}
Re{z}
10.2 0.7 2
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 52/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
51
1
1
11
1
5.01
5.01
7.012.01
21
z
z
z z
z z H
= 1
1
11
1
5.01
21
7.012.01
5.01
z
z
z z
z
1
1
1
z a
a z z H ap ;
1
1
11
1
5.01
21
2
1
7.012.01
5.012
z
z
z z
z z H
1
1
11
1
5.01
5.0
7.012.01
5.012
z
z
z z
z z H
SSiisstteemmaa ccoonn f f aassee lliinneeaall
Un sistema LTI se dice que tiene fase lineal si:
je H = j jee H
Un sistema LTI es de fase lineal generalizada si: je H = j j
ee A
je A - Es una función real.
Para que un sistema causal de función de transferencia racional tenga fase linealgeneralizada su respuesta al impulso de tamaño N debe ser real, FIR, simétrica ( n N hnh 1 ) o anti-simétrica ( n N hnh
1 ).
N impar N par
nh simétrica Tipo I Tipo II
nh anti-simétrica Tipo III Tipo IV
Para el filtro de tipo II, tenemos
je H =
1
0
2
N
n
n jenh +
1
2
N
n
n j
N
enh ; n N m 1 ; m N n 1
x [n]
0 n
Tipo I
0 n
x [n]
Tipo II
0 n
x [n]
Tipo IV
x [n]
0 n
Tipo III
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 53/128
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 54/128
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 55/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
55
IInntteerrpprreettaacciióónn ggrrááf f iiccaa
Para 0k :
T c j j X
T e X
10 ;
T
, T
Para 1k :
T c j j X
T e X
21
1
Para 1k :
T c j j X
T e X
21
1
T j
S e X j X
..0 cc
e X T j X T T
T j
c
X jc
-M 0
1
M -S S
0-MT
X e j
-2 2
1
T
MT
je X 1
je X 0 je X 1
… …
0-M
j X S
-S S
1
T
M
… …
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 56/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
56
EEssttrruuccttuurraa ddeell ccoonnvveerrssoorr DD//CC iiddeeaall
j H e X j X r T j
c
Relación entre la señal reconstruida y la secuencia
j H en x j X r
n
Tn jc
t hnT t n xt x r n
c *
t
t sent h
T
T r
n
n senn xt x
T t
T t
n
c
x[n] Filtro dereconstrucción
j H r
xc(t ) x s(t )
T
Conversor de
secuencia en tren de
impulsos
ponderados
T
j H r
T
T
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 57/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
57
CCoonnvveerrssoorr DD//CC pprrááccttiiccoo
nT t pn xt xn
a
n
nT j
a e j P n x j X
n
nT ja en x j P j X
T ja e X j P j X
dt et p j P t j
T t j dt e j P
0
0
1 T e j P t j
j
11
T j
je j P
22221T T T T
j j j j
j eeee j P
22
2
T j
T
e
sen
j P
Retenedor de
orden cero
xa(t ) x[n]
j X a
j
e X T
0 n
x[n] xc(t )
xa(t )
t 0
0 t
p (t )
T
1
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 58/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
58
T ja e X j P j X
T j j
T
a e X e sen
j X T
222
T j j
T
T
a e X e sen
T j X T
2
2
2
j X e
sene X a
j
T
T
T
T j T
2
2
21
j H j X e sen j H e X j X r a
j
T
T
T r
T j
c
T 2
2
21
..0
2
2
2
cc
j X e sen j X T T a
j
T
T
c
T
..0
2
2
2
cc
e sen j H T T
j
T
T
rr
T
Retenedor de
orden cero
xa(t ) x[n]
j X a je X
T
Filtro de
reconstrucción j H rr
xc(t )
j X c
T j H rr
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 59/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
59
Ejemplo 23
Graficar la respuesta en amplitud del filtro de reconstrucción, conectado encascada con el retenedor de orden cero, para la frecuencia de muestreo de 8kHz.
..0
2
2
2
cc
e sen j H T T
j
T
T
rr
T
% Reinicializar el ambiente close all; clear all; % Hallamos la función Hrr fs=8000; T=1/fs; W=[(-1)*2*pi/T:(2*pi/T)/400:2*pi/T];
N=length(W); j=sqrt(-1); for i=1:1:N if abs(W(i))<pi/Tx=W(i)*T/2; Hrr(i)=(x/(sin(x)))*exp(j*x);
else Hrr(i)=0;
end
end % Graficamos la Magnitud de Hrr plot(W/(2*pi),abs(Hrr)); grid; title('Respuesta en Amplitud del Filtro');ylabel('|Hrr(jW)|'); xlabel('f');
-8000 -6000 -4000 -2000 0 2000 4000 6000 8000 0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6 Respuesta en Amplitud del Filtro
|Hrr(jW)|
f
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 60/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
60
99.. CCaammbbiioo ddee llaa TTaassaa ddee MMuueessttrreeoo
R R eedduucccciióónn ddee llaa f f rreeccuueenncciiaa ddee mmuueessttrreeoo eenn uunn f f aaccttoorr eenntteerroo
Sistema compresor
nT xn x c
nMT xT n xn x ccd
nM xn x d
k T
k
c
j
j X T e X
21
r MT
r
c j
d j X MT
e X 21
kM ir , 10 M i ,k
1
0
2211 M
i k MT
kM i
cT
jd j X
M e X
1
0
21 M
i
j jd
M
i
e X M
e X
Si 2 M ,
2
2
2
2
1
j j jd e X e X e X
Ver Figura 4.21 y Figura 4.22 de Oppenheim
Sistema diezmador
je X
jd e X
Filtro pasabajas
Ganancia = 1
Corte =
/M
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 61/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
61
IInnccrreemmeennttoo ddee llaa f f rreeccuueenncciiaa ddee mmuueessttrreeoo eenn uunn f f aaccttoorr eenntteerroo
nT xn x c
L
T cci n xT n xn x
Sistema expansor
k e Lk nk xn x
n
n j
k
je e Lk nk xe X
k
n j
n
je e Lk nk xe X
k
Lk j je ek xe X
L j je e X e X
Ver Figura 4.25 de Oppenheim
Sistema interpolador
Filtro pasabajas
Ganancia = L
Corte = /L
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 62/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
62
CCaammbbiioo ddee llaa ttaassaa ddee mmuueessttrreeoo eenn uunn f f aaccttoorr nnoo eenntteerroo
PPrroocceessaammiieennttoo ddiiggiittaall ddee sseeññaalleess aannaallóóggiiccaass
T jr eY T jY ,
T T
T jT jr e X e H T jY
,T T
T
T c
T jr j X
T e H T jY
1,
T T
j X e H jY cT j
r ,T T
T
T
T j
eff
e H
j H
0 ,
Sistema de
tiempo discreto
je H
j X c
jY r
jeY
je X
Filtro pasa-bajasGanancia=LCorte=min(π/L, π/M)
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 63/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
63
Ejemplo 24
Dado el sistema
donde,
..0
1
cce H
c j
¿Cuál es la frecuencia mínima para que al muestrear la entrada no seproduzca solapamiento?
Si2
c , ¿Cuál es la frecuencia mínima de muestreo que asegura que
t xt y cr
?
Para2
c y una frecuencia de muestreo igual a 2000 Hz, graficar
je X ,
jeY , jY r , y hallar j H eff
j X c
je X
jeY jY r
je H
Sistema detiempo
X jc
-2 1000 0
1
2 1000
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 64/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
64
AApplliiccaacciióónn ddeell ddiieezzmmaaddoo eenn llaa ccoonnvveerrssiióónn AA//DD
Sistema de
tiempodiscreto
Filtro
antisolapa-miento
j H aa
- N 0
1
N M1 -M1
Filtro anti-solapamiento
simple
Filtro anti-solapamiento
exacto
Corte=/M
X jc
- N 0
1
N
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 65/128
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 66/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
66
1100.. CCuuaannttiizzaacciióónn Cuantización por redondeo:
Unipolar∆ - Tamaño de paso de cuantización
Bipolar:
,- ,- ,-
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 67/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
67
Potencia del ruido (varianza):
∫
Error RMS de cuantización: √ ; ;
D - Intervalo dinámico
L –
Número de niveles
Razón señal ruido de cuantización:
La SQNR mejora en 6 dB por cada bit adicional.
La SQNR se reduce si el intervalo dinámico excede la rms de la señal.
Ejemplo 25
Una señal varía en el intervalo -2.5V a +2.5V. ¿Cuál debe ser la cantidad de bits
para que el error rms de cuantización sea menor que 5mV?
D=5V;
√ √ ; √ √
; B=9 bits.
e f
00
e e
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 68/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
68
1111.. EEssttrruuccttuurraass ddee SSiisstteemmaass ddee TTiieemmppoo
DDiissccrreettoo
Forma directa I Forma directa II Forma serial Forma paralela
DirectaI, II
Serial Paralela
Inmunidad a los efectos dearitmética de precisión finita
Facilidad de cálculo
Símbolos
Ejemplo 26
Para el sistema con función de transferencia
dar la representación en la forma directa I, forma directa II, forma serial y formaparalela.Solución
y[n] = b0 x[n]+ b1 x[n-1]+ b2 x[n-2] - a1 y[n-1] – a2 y[n-2]
y[n] = 0.5 x[n]-0.5 x[n-2] – 1.3 y[n-1] – 0.36 y[n-2]
x 2[n]
x 1[n] x 1[n]+ x2[n]
a
z -1
x[n] x [n-1]
a x[n] a x [n]
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 69/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
69
Forma directa I
y[n] = 0.5 x[n]-0.5 x[n-2] – 1.3 y[n-1] – 0.36 y[n-2]
Forma directa II
236.013.1 nwnwn xnw
25.05.0 nwnwn y
x[n] y[n]
0.5
z -1
z -1
0
-0.5 z
-1
z -1
-1.3
-0.36
y[n] x[n]
y[n] x[n]0.5
z -1
z -1
0
-0.5 z
-1
z -1
-1.3
-0.36
y[n] x[n]0.5
0
-0.5 z
-1
z -1
-1.3
-0.36
w[n]
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 70/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
70
Forma serial
14.0 11 nwn xnw
15.05.0 111 nwnwn y 19.0 212 nwn ynw
122 nwnwn y
Forma paralela
n xn y 39.11
14.0 22 nwn xnw
nwn y22
1.2
19.033
nwn xnw
nwn y 33 21.0
n yn yn yn y 321
y1[n] x[n]0.5
-0.5 z
-1
-0.4
w1[n] y[n]1
1 z
-
-0.9
w2[n]
y[n]2.1
z -1
-0.4
w2[n]
-1.39
x[n]
y3[n]
-0.21
z -
-0.9
w3[n]
y2[n]
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 71/128
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 72/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
72
FFoorrmmaa sseerriiaall
21
21
1
1*1
1
1
1
1*1
1
1
0
111
111
N
k k k k
N
k k
M
k k k
M
k k
z d z d z c
z h z h z g
b z H
s N
k k k
k k
z a z a
z b z bb z H
1 2
21
1
22
11
01
1
n xn y 0
n ynwanwanw k k k k k k 121 21
21 21 nwbnwbnwn y k k k k k k n ybn y
s N 0
b0
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 73/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
73
FFoorrmmaa ppaarraalleellaa
221
1 1*
*
1 1
1 1
0 111
N
k k
k N
k k
k N
k k
k N M
k
k k
z d
B
z d
B
z c
A z C z H
N N N 21
s N
k k k
k k N M
k
k k
z a z a
z bb z C z H
1 2
21
1
110
0 1
n xnwanwanw k k k k k 21 21
110 nwbnwbn y k k k k k
s N
k k
N M
k k n yn xC n y
10
b01
b11
b02
b12
b03
b13
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 74/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
74
R R eepprreesseennttaacciióónn ddee ssiisstteemmaass ddee ttiieemmppoo ddiissccrreettoo eenn eell eessppaacciioo ddee
eessttaaddooss
Ejemplo 27
Para el sistema con función de transferencia,
Hallar la representación en el espacio de estados en la forma:,- , - ,- ,- , - ,- SoluciónLas ecuaciones de la forma directa II son:
,- ,- , - , -
,- ,- , - ,- ,- , - , - , - ,- , - , - ,- ,- , - , - ,- [ ,-, -] 0 1 [, -, -] 01 ,-
,- , - [, -, -],- 0 1; 01 , -;
En matlab escribimos: b=[0.5 0 -0.5]
a=[1 1.3 0.36]
[A,B,C,D]=tf2ss(b,a)
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 75/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
75
1122.. LLaa SSeerriiee ddee FFoouurriieerr DDiissccrreettaa Una secuencia periódica
n x~ con periodo N se puede expresar a través de la
serie de Fourier discreta (DFS):
1
0
12
~~ N
k
kn j
N
N ek X n x
La DFS es la descomposición de n x~ en una suma de N exponenciales
complejas armónicamente relacionadas. Los valores de los coeficientes de laDFS se calculan con la fórmula:
1
0
2~~ N
n
kn j N en xk X
Ejemplo 28
Hallar los coeficientes de la DFS de la secuencia periódica n x~ y expresar
esta secuencia como una serie de Fourier Discreta
Solución
,- ∑ ,-
,- ,- ,- ,- ,- ,- ,- ,-
,- ∑ ,-
,-
,-
,-
,-
,- . / . / ,- . / . /
,- ()
,- . / . / ,- ()
,- . / . / ,-
,-
n0
... ...
3
1
6
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 76/128
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 77/128
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 78/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
78
1133.. LLaa TTrraannssf f oorrmmaaddaa DDiissccrreettaa ddee FFoouurriieerr
((DDFFTT)) Dada una secuencia de extensión finita de longitud N
Para encontrar n x a partir de su DTFT, deben ser suficientes N muestras de
j
e X en las frecuencias 110 ...,,,
N .Puesto que la DTFT está dada por la expresión
je X =
n
n jen x
tenemos N ecuaciones con N incógnitas
0 je X =
12 000 1...210
N j j je N xe xe x x
…
1 N je X
=
12 111 1...210
N j j j N N N e N xe xe x x
Este sistema de ecuaciones tiene solución única si sólo si las frecuencias
110 ...,,, N son distintas.
Si escogemos k N
2, 1,...,1,0
N k , las N muestras de j
e X se llaman
Transformada Discreta de Fourier (DFT)
..,0
10,1
0
2
cc
N k en xk X
N
n
kn j N
y su transformada inversa es:
..,0
10,1
0
1
2
cc
N nek X n x
N
k
kn j N
N
Usando el factor Twiddle
..,0
10,1
0
cc
N k W n xk X
N
n
kn N
y su transformada inversa es:
n0N -1
n x
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 79/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
79
..,0
10,1
0
1
cc
N nW k X n x
N
k
kn N N
Operación n módulo N
0,Re
0,Re
n N N
nde siduo
n N
nde siduo
n N
La DFT y la DFS
Si definimos
r
N r n xn x~ , entonces
k X k X ~
, 10 N k .
Esto significa que k X corresponde a un periodo de la DFS de una secuencia
periódica n x~ obtenida por la repetición de
n x .
También, podemos escribir que, si N n xn x
~ , entonces
N k X k X ~
La DFT y la DTFT
..,0
10,2
cc
N k e X k X k
j
N
La DFT y la Transformada Z
..,0
10,2
cc
N k z X k X
k N
j
e z
DDeessppllaazzaammiieennttoo CCiirrccuullaarr
n0 4
n x
1 2 3
n0 4
53n x
1 2 3
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 80/128
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 81/128
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 82/128
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 83/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
83
Para la IDFT
220,22
012
12
M nek Y n y M
k
kn j
M N
Por cada muestra de n y
Operaciones Total
2M-1
+ 2M-2
Para toda la IDFT
Operaciones Total
(2M-1)2
+ (2M-2) (2M-1)
Total mediante DFT
Operaciones Total Aprox.
2M(2M-1) + (2M-1) + (2M-1) 8M2
+ 2(M-1) (2M-1) + (2M-2) (2M-1) 8(M-1)2
LLaa TTrraannssf f oorrmmaaddaa R R ááppiiddaa ddee FFoouurriieerr ((FFFFTT))
Mediante diezmado en el tiempo
1
0
2 N
n
nk N
jen xk X
, 10 N k
impar n
nk N
j
par n
nk N
jen xen xk X
22
1
0
1221
0
22
22
122
N N
r
r k N
j
r
r k N
jer xer xk X
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 84/128
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 85/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
85
Número de operaciones en cada etapa
Operaciones Total
N
+ N
Número de etapas: N 2log
Total Operaciones por FFT:
Operaciones Total
N N 2log
+ N N 2log
Estructura Mariposa
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 86/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
86
r N
r jr
N W eW
N
N
N
2
2
2
Número de operaciones:
Operaciones Total
(N/2) N 2
log
+ N N 2log
Complejidad del cálculo de la salida
Operaciones Total
M M
M 22log
2
23 2
M M 2log35
+ M M 2log23 2 M M 2log16
Ejemplo
Para N=256
Operaciones Cálculo por convolución Cálculo con FFT
M = 65536 M M 2log35
= 7424
+ (M-1)2 = 65025 M M 2log16
= 13824
CCáállccuulloo ddee llaa ssaalliiddaa mmeeddiiaannttee llaa DDFFTT
x[n] X [k ]
H [k ]Y [k ]
h[n] y[n]
1 32
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 87/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
87
FFiillttrraaddoo FFIIR R ppoorr ssoollaappaammiieennttoo yy ssuummaa ccoonn DDFFTT
n y 2
n y 3
n y1
P – 1 puntos
que se suman
P – 1 puntos
que se suman
L
n x1
L
n x2
L
n x3
P – 1
ceros
P – 1
ceros
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 88/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
88
FFiillttrraaddoo FFIIR R ppoorr ssoollaappaammiieennttoo yy aallmmaacceennaammiieennttoo ccoonn DDFFTT
L
n x1
L
n x2
L
n x3
n y 2
n y 3
n y1
P – 1
puntos
que se
desprecian
P – 1
ceros
P - 1
P – 1
puntos
que se
desprecian
P – 1
puntos
que sedesprecian
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 89/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
89
1155.. DDiisseeññoo ddee FFiillttrrooss DDiiggiittaalleess
El objetivo es determinar los coeficientes de la ecuación en diferencias deforma que el filtro cumpla un esquema de tolerancias
Al diseñar un filtro pasa bajas se puede exigir que la curva de la magnitud de larespuesta en frecuencia cumpla las especificaciones dadas en el esquema
⁄
⁄ ( ) ⁄
y n b x n b x n b x n M
a y n a y n N
M
N
0 1
1
1
1
...
...
| H (e j
)|
0 p r
1
1- p
1+ p
r
0
-r
- p
dBe H j
p r
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 90/128
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 91/128
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 92/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
92
FFiillttrroo ddee CChheebbyysshheevv
N
k
k
a
s s
K s H
1
0 p
| H a( j)|
1
1- p
impar N
par N
H
K
a
,1
,1
1
0
:
2
p
r
p
r
N
1
10
1
cosh
110110cosh
10
1,...,1,0;2
21 N k N
k N k
110 10 p
21 1
N N a11
21
N N b11
21
k pk pk senb ja s cos
| H (j)|, dB
0
- p
r
-r
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 93/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
93
Cálculo del Coeficiente K de la Función de Transferencia
IInnvvaarriiaannzzaa IImmppuullssiioonnaall
Se basa en el muestreo de la respuesta impulsional del filtro analógico
Paso 1
Al pasar de las especificaciones del filtro digital a las especificaciones del filtro
analógico basta hacer :
Relación entre los polos del filtro analógico y los polos del filtro digital
T nhT nh a
T
N
k k
k a
s s
A s H
1
N
k
t sk a t ue At h k
1
N
k
k
a
s s
K s H
1
0 p
| H a( j)|
1
1- p
impar N
par N
H
K
a
,1
,
1
1
0
:
2
impar N
par N j H a
,1
,1
1
20
impar N
par N
s
K H
N
k
k
a
,1
,1
10 2
1
impar N s
par N s
K N
k
k
N
k
k
,
,1
1
1
12
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 94/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
94
Los polos del filtro digital son :
En consecuencia, si el filtro analógico es estable, entonces el filtro digital serátambién estable.Como Ha( j) nunca es perfectamente limitada en frecuencia, se produce
superposición espectral. Por ello, este método no se aplica a filtros pasa altas nisupresores de banda.
Paso 3
N
k
nT sk a nT ue AT nT hT nh k
1
N
k
nT sk nue AT k
1
N
k T s
k
z e
AT z H
k 1 11
k k k S T jS T T sk eee p
ImRe
10Re k k p sSi
s A
s B s H
a
aa
z A
z B z H
Residuez()Residue()
N
k T s
k
z e
A
T z H k 1 11
N
k k
k a
s s
A
s H 1
N
k
t sk a t ue At h k
1
N
k
nT sk nue AT nh k
1
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 95/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
95
Ejemplo 31
A partir de un filtro analógico de Butterworth diseñar un filtro digital IIR pasabajas, por Invarianza Impulsional, con las especificaciones :
1 p 15r T
p
2.0
T r
3.0
N
k
k
N
C a
s s
s H
1
89.5 N
6 N
T C
703.0
75180
6,1
703.0 jeT
s 45180
5,2
703.0 jeT
s
0 0,2 0,3
-15
-1
dBe H j ,
0
j H a
p
r
p r
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 96/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
96
%**************************************************** % Diseño de un filtro digital a partir de un filtro % analogico de Butterworth por Invarianza Impulsional %**************************************************** % Reinicializar el ambiente clear;clf;
ap=1;ar=15; wp=0.2*pi; wr=0.3*pi; % PASO 1 T=1; Wp=wp/T; Wr=wr/T; % PASO 2
% Hallamos la orden del filtro N=(log10(((10^(ar/10))-1)/((10^(ap/10))-1)))... /(2*log10(Wr/Wp));
N=ceil(N); N=N % Hallamos la frecuencia de media potencia Wc=(Wp)/(((10^(ap/10))-1)^(1/(2*N))); % Hallamos los polos del filtro analogico theta= (pi*(N+1)+2*pi*[0:N-1])./(2*N); j=sqrt(-1);sk=Wc*cos(theta)+j*Wc*sin(theta); % Funcion de transferencia del filtro analogico
15180
4,3
703.0 jeT
s
61
6
...
703.0
s s s s
T s H a
6
6
1
1 ... s s
A
s s
A s H a
T j A 249.0144.06,1
T A 07.15,2
T j A 61.1927.04,3
16
6
11
1
1...
1 z z
A
z z
AT z H
524.0649.0
6,1
6,1 je z
T s
290.0535.05,2
5,2 je z T s
092.0499.04,3
4,3 je z T s
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 97/128
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 98/128
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 99/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
99
La transformación bilineal inversa es :
A cada polo y a cada cero de Ha( s) aplicamos esta transformación y
encontramos los polos y los ceros de H( z)
El coeficiente A se calcula de la condición :
Cálculo del coeficiente A al usar el Filtro Analógico de Chebyshev de tipo I
s
s
z T
T
2
2
1
1
N
k
k
N
k
k
p z
z z
A z H
1
1
00
j H e H a
j
impar N
par N
p
z
A H N
k
k
N
k k
,1
,1
1
1
1
1 2
1
1
impar N
par N H H a
,1
,1
1
01 2
01
00
a
a
j
H H
j H e H
impar N
z
p
par N
z
p
A
N
k
k
N
k
k
N
k
k
N
k
k
,
1
1
,
1
1
1
1
1
1
1
1
2
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 100/128
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 101/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
101
Los polos del filtro digital son :
Los ceros del filtro digital son :
T
j s
640.0091.03,2
T
j s
265.0219.04,1
N
k
k
a
s s
K s H
1
02.3 N
4 N
4
044.0
T K
4321
4
044.0
s s s s s s s s
T s H a
1
12
1
1
z
z sa
T
s H z H
1
1
1
1 2
1
12
z
z
z
z s
T T
1
11
1
1 222
z
z s z
s z
z s s
k T
T k T k
1
11222
z
s z s k T
k T
T
4
1
22
4
16
4
044.0
1
11
k
k T
k T
T
T
z
s z s z H
4
1 224
16
4
044.0
11
1111
k k
T k
T
T
T
s z s
z z z z z H
s
s z
T
T
2
2
1
1
k T
k T
k s
s
p
2
2
1
1
14,3,2,1
z
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 102/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
102
%****************************************** % Diseno de un filtro digital% a partir del filtro de Chebyshev I % por transformacion bilineal %******************************************
% Reinicializar el ambiente clear;clf; ap=1;ar=15; wp=0.2*pi; wr=0.3*pi; % PASO 1 Wp=2*tan(wp/2); Wr=2*tan(wr/2); % PASO 2 % Hallamos el orden del filtro N=acosh(sqrt((10^(ar/10)-1)... / (10^(ap/10)-1))) / acosh(Wr/Wp);
N=ceil(N); N=N % Hallamos los polos del filtro analogico epsilon=sqrt(10^(ap/10)-1); j=sqrt(-1); angulos=( pi*(N+1) + [0:N-1]*2*pi )./(2*N);
alfa=(epsilon^(-1)) + sqrt(1+epsilon^(-2)); aa=(1/2)*( (alfa^(1/N)) - (alfa^(-1/N)) ); bb=(1/2)*( (alfa^(1/N)) + (alfa^(-1/N)) ); sk=aa*Wp*cos(angulos)+j*bb*Wp*sin(angulos); % Hallamos la constante multiplicativa k preliminar if rem(N,2)==1 K=1;
else K=1/sqrt(1+epsilon^2);
end % PASO 3 % Hallamos los polos y zeros del filtro digital pk=(1+sk/2)./(1-sk/2); zk=-1*ones(1,N); A=K*prod(ones(1,N)-pk)/prod(ones(1,N)-zk); % PASO 4 % Coeficientes del filtro digital b=A*poly(zk); a=poly(pk);
a=real(a) b=real(b)
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 103/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
103
% GRAFICO W=[0:pi/50:0.45*pi]; H=freqz(b,a,W); Hdecibelios=20*log10(abs(H)); plot(W/pi,Hdecibelios);
grid; title('Respuesta en frecuencia'); ylabel('|H(e^jw)|, db'); xlabel('w/pi');
N = 4b = 0.0018 0.0073 0.0110 0.0073 0.0018a = 1.0000 -3.0543 3.8290 -2.2925 0.5507
y n = 0.0018*xn+0.0073*xn-1+0.0110*xn-2+
+0.0073*xn-3+0.0018*xn-4+
+3.0543*yn-1-3.8290*yn-2+
+2.2925*yn-3-0.5507*yn-4
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45-45
-40
-35
-30
-25
-20
-15
-10
-5
0
Respuesta en frecuencia
| H ( e ^ j w ) | , d b
/pi
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 104/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
104
MMééttooddoo ddee EEnnvveennttaannaaddoo
Un filtro pasa bajas ideal tiene respuesta en frecuencia:
La respuesta impulsional es :0
H i (e j )
C - -C
1
n0
1/4
hi [n]
... ...
n
n sennh C
i
n0
1/4hi [n]
... ...
w [n]
n0
1
VentanaRectangular
n0
1/4h [n] nwnhnh i
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 105/128
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 106/128
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 107/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
107
Bessel de funciónes I N
N n I
n I
nw
.,21
10,
1
0
0
2
0
•
Ventana de Kaiser
,cos08,0cos5,042,01
14
1
12
N
n
N
nnw
•
Ventana de Blackman
w [n]
n0
1
N
w [n]
n0
1
N
=4
• Ventana de Hanning
10,cos
1
12
21
21
N nnw
N
n
• Ventana de Hamming
w [n]
n0
1
N
10,cos46,054,01
2
N nnw N
n
w [n]
n0
1
N
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 108/128
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 109/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
109
Ejemplo 33
Diseñar un filtro pasa-bajas que cumpla las especificaciones
1. Trazamos la magnitud de la respuesta en frecuencia ideal
2. Hallamos hi [n] :
3. Escogemos una ventana con error máximo inferior a las tolerancias :
Hanning, Hamming o Blackman4. Calculamos N:
%******************************************** % Diseño de un filtro digital por Enventanado %******************************************** % Reinicializar el ambiente clear;clf; % PASO 1 deltap=0.02;deltar=0.01;wp=0.2*pi; wr=0.3*pi; % PASO 2 wc=(wp+wr)/2;
% PASO 3 delta=min(deltar,deltap); deltadB=20*log10(delta)
|H i (e j
)|
1 + 0,02
1 - 0,02
0,01
0,3 0,2 0
0
|H i (e j
)|
0,2
1 - 0,02
1 + 0,02
0,01
0,3
n
n sennhi
25.02r pC
dB
pr
4001,0log20
01,0,min
;8 pr N 80 N
pr N
8
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 110/128
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 111/128
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 112/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
112
DDiif f eerreenncciiaass eennttrree FFiillttrrooss FFIIR R ee IIIIR R
Los filtros IIR producen en general distorsión de fase, es decir la fase no eslineal con la frecuencia.
Los filtros FIR son de fase lineal. El orden de un filtro IIR es mucho menor que el de un filtro FIR para una
misma aplicación.
Los filtros FIR son siempre estables.
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 -100
-80
-60
-40
-20
0
20
Respuesta en frecuencia
| H ( e ^ j w ) | , d b
w/pi
b =0.0000-0.00010.00000.00030.00080.00080.0000-0.0015-0.0028-0.00250.00000.00390.00660.00560.0000-0.0079-0.0131
-0.01080.00000.0147
0.02430.02020.0000
-0.0283-0.0483-0.04220.00000.07330.15750.22450.25000.22450.15750.07330.0000
-0.0422-0.0483-0.02830.00000.0202
0.02430.01470.0000-0.0108-0.0131-0.00790.00000.00560.00660.00390.0000-0.0025-0.0028-0.00150.00000.00080.0008
0.00030.0000-0.0001
0.0000
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 113/128
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 114/128
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 115/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
115
elseif A<=50beta=0.5842*((A-21)^(0.4))+0.07886*(A-21)
else beta=0.1102*(A-8.7)
end N=((A-8)/(2.285*deltaw))+1
N=ceil(N)if rem(N,2)==1N=N
else N=N+1
end alfa=(N-1)/2%PASO 4 wkaiser=kaiser(N,beta)w=wkaiser'n=0:N-1;
hi=(sin(wc*(n-alfa)))./(pi*(n-alfa))%hi(((N-1)/2)+1)=wc/pi; hi=(-1)*hihi(((N-1)/2)+1)=1-(wc/pi)h=hi.*w% Formamos los coeficientes de la Ecuación b=h;a=zeros(1,N);a(1)=1;% Graficamos la magnitud de la% respuesta en frecuencia
W=[0.2*pi:pi/400:pi];H=freqz(b,a,W);Hdecibelios=20*log10(abs(H));plot(W/pi,Hdecibelios);grid; title('Respuesta en frecuencia');ylabel('|H(e^jw)|, db'); xlabel('w/pi');
0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1-90
-80
-70
-60
-50
-40
-30
-20
-10
0
10Respuesta en frecuencia
| H ( e j w ) | , d b
w/pi
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 116/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
116
MMééttooddoo ddee mmuueessttrreeoo eenn f f rreeccuueenncciiaa
Se obtiene ,- muestreando la respuesta en frecuencia deseada en puntos
equiespaciados en el dominio de la frecuencia.
Ejemplo 34
Diseñar un filtro pasa-bajas con frecuencia de corte SoluciónTomamos 10 muestras ( ) dentro de un periodo de la respuesta en
frecuencia ideal: |,-| *+ ,-
Para que la respuesta al impulso ,- sea real, ,- debe ser conjugadasimétrica con respecto a .
,-
,- , ,- ,- ,- , ,- ,- ,- ,- ,- ,- ,-
Ahora calculamos la DFT inversa:clear;clf;j=sqrt(-1);H0=1;H1= exp((-1)*j*0.9*pi);H2= exp((-1)*j*1.8*pi);H3=0; H4=0; H5=0; H6=0; H7=0;H8=conj(H2);
H9=conj(H1);H=[H0 H1 H2 H3 H4 H5 H6 H7 H8 H9];h=ifft(H)W=[0:2*pi/100:2*pi];H=freqz(h,1,W);plot(W/pi,abs(H));grid;
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0
0.2
0.4
0.6
0.8
1
1.2
1.4
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 117/128
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 118/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
118
%Diseño de filtro pasabajas N=20; wc=0.8*pi; gana1=zeros(1,(N/2)+1); for i=1:(N/2)
if 2*(i-1)*pi/N<wc gana1(i)=1; end; if 2*(i-1)*pi/N==wc
gana1(i)=0.5; end;
end; k=[0:N/2]; fase1=((-1)*(N-1)*k*pi)/N; m=(N/2)-1; for i=2:(N/2)
fase2(m)=fase1(i); gana2(m)=gana1(i); m=m-1;
end; fase=[fase1 (-1)*fase2]; magnitud=[gana1 gana2]; HH=magnitud.*exp(j*(fase)); h=ifft(HH)
W=[0:2*pi/2000:2*pi]; H=freqz(h,1,W); plot(W/pi,abs(H));grid;
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 119/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
119
FFiillttrroo AAddaappttaattiivvoo
Cancelación de ruido con filtro adaptativo
%----------------------------------
% Filtrado Adaptativo % Algoritmo LMS %---------------------------------- close all; clear all; [s, fs] = wavread('arch_voz.wav'); s=s'; N=length(s) t=0:1:N-1; t=t/fs; x=0.8*(rand(1,N)-0.5); n=filter([0 0 0 0 0 0.5],1,x); d=s+n; mu=0.01; Nw=31; w=zeros(1,Nw); y=zeros(1,N); e=y; for m=Nw+1:1:N-1 sum=0;
for i=1:1:Nw sum=sum+w(i)*x(m-i+1);
end
Señal yRuido
Ruido
ADC
ADCFiltro Adaptativo
Algoritmo LMS
+ DAC+
-
,- ,- ,-
,- ,-
,- ,-
,-,-
,-
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 120/128
Curso: Procesamiento Digital de Señales Profesor: Wildor Ferrel Serruto
120
y(m)=sum; e(m)=d(m)-y(m); for i=1:1:Nw w(i)=w(i)+2*mu*e(m)*x(m-i+1);
end
end subplot(2,1,1); plot(t,s);grid;title('Señal original'); subplot(2,1,2); plot(t,d);grid;title('Señal original + Ruido'); pause; subplot(2,1,1); plot(t,s);grid;title('Señal original'); subplot(2,1,2); plot(t,e);grid;title('Señal restaurada'); wavwrite(d,'arch_voz_ruid.wav'); wavwrite(e,'arch_voz_rest.wav');
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 -0.1
-0.05
0
0.05
0.1
0.15 Señal original
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 -0.4
-0.3
-0.2
-0.1
0
0.1
0.2
0.3 Señal original + Ruido
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 -0.2
-0.1
0
0.1
0.2 Señal restaurada
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 121/128
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 122/128
PROCESAMIENTO DIGITAL DE SEÑALES - TABLAS DE TRANSFORMADAS
121
Transformada Z
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 123/128
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 124/128
PROCESAMIENTO DIGITAL DE SEÑALES - TABLAS DE TRANSFORMADAS
123
DTFT
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 125/128
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 126/128
PROCESAMIENTO DIGITAL DE SEÑALES - TABLAS DE TRANSFORMADAS
125
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 127/128
8/10/2019 Apuntes de Procesamiento Digital de Señales
http://slidepdf.com/reader/full/apuntes-de-procesamiento-digital-de-senales 128/128