Diseño de Filtros Digitales

Procesamiento Digital de Señales
INSTITUTO POLITÉCNICO NACIONAL

Escuela Superior de Ingeniería
Mecánica y Eléctrica
Unidad Profesional: Culhuacán
INGENIERÍA EN COMUNICACIONES Y ELECTRÓNICA
Alumno: De La Cruz Carbajal José Alfredo
Trabajo: TRABAJO FINAL DISEÑO DE UN FILTRO FIR
Profesor: M. en C. Mercado Escutia Ernesto
Grupo: 7EM22
29 de noviembre del 2018
1
Índice
Contenido
Introducción......................................................................................................................................4
Objetivo.............................................................................................................................................5
Marco teórico...................................................................................................................................5
FILTROS IIR Y FIR.............................................................................................................................7
Transformada Z...............................................................................................................................9
Transformada inversa Z..............................................................................................................9
Tareas Transformada Z................................................................................................................11
Ejercicio 1...................................................................................................................................11
Ejercicio 2...................................................................................................................................12
Ejercicio 3...................................................................................................................................13
Ejercicio 4...................................................................................................................................14
Ejercicio 5...................................................................................................................................15
Filtros digitales FIR........................................................................................................................16
¿Qué son?..................................................................................................................................16
Aplicaciones...............................................................................................................................16
Características...........................................................................................................................17
Forma canónica de un filtro FIR..............................................................................................18
Calculo de los coeficientes del filtro fir utilizando el método de series de fourier.................19
2.1 Filtro pasa bajas..................................................................................................................19
2.2 Filtro pasa banda.............................................................................................................21
2.3 Filtro Pasa altas...................................................................................................................23
2.4 Filtro Rechaza Banda.........................................................................................................25
Respuesta en frecuencia de un filtro FIR...................................................................................27
Calculo de Respuesta en frecuencia..........................................................................................28
Filtro FIR con coeficientes N impar y simétrico.....................................................................28
Filtro FIR con coeficientes N impar y asimétrico...................................................................30
Filtro FIR con coeficientes N par y simétrico.........................................................................32
Filtro FIR con coeficientes N par y asimétrico.......................................................................35
Ventanas.........................................................................................................................................37
¿Cuántas ventanas hay?..........................................................................................................37
Ventana de Barthannwin......................................................................................................38
2
Ventana de Bartlett................................................................................................................39
Ventana de Blackman...........................................................................................................39
Ventana de Blacman – Harris..............................................................................................40
Ventana de Bohmanwin........................................................................................................40
Ventana de Chebwin.............................................................................................................41
Ventana de Flat top...............................................................................................................41
Ventana de Gauss.................................................................................................................42
Ventana de Hamming...........................................................................................................42
Ventana de Hann...................................................................................................................43
Ventana de Kaiser.................................................................................................................43
Ventana de Nuttall.................................................................................................................44
Ventana de Parzen................................................................................................................44
Ventana Rectangular............................................................................................................45
Ventana de Taylor.................................................................................................................45
Ventana triangular.................................................................................................................46
Ventana de Tukery................................................................................................................46
¿Para que sirven?.........................................................................................................................47
Ejercicio de filtros..........................................................................................................................48
Ejercicio 1...................................................................................................................................48
Ejercicio 2...................................................................................................................................49
Ejercicio 3...................................................................................................................................50
Diseño del filtro pasa bajas en Simulink.....................................................................................51
Diseño del filtro pasa altas en Simulink......................................................................................61
Diseño del filtro pasa bandas en Simulink.................................................................................70
Diseño del filtro rechaza bandas en Simulink............................................................................79
Aplicaciones...................................................................................................................................88
Programa para filtrar la voz......................................................................................................88
Programas........................................................................................................................................89
Analizador de espectros...........................................................................................................89
Filtro DRE...................................................................................................................................89
Filtro FIR.....................................................................................................................................90
Señal senoidal...........................................................................................................................90
Filtro Pasa bajas........................................................................................................................90
3
Conclusiones..................................................................................................................................91
Bibliografía......................................................................................................................................91
4
Introducción
Un filtro digital, es un filtro que opera sobre señales digitales. Es una operación
matemática que toma una secuencia de números (la señal de entrada) y la
modifica produciendo otra secuencia de números (la señal de salida) con el
objetivo de resaltar o atenuar ciertas características. Puede existir como una
fórmula en un papel, un loop en un programa de computadora, como un circuito
integrado en un chip.
5
Su función es la misma que los filtros analógicos, para poder filtrar y acondicionar
señales según sean las características que están se requieran, sacar la
información necesaria o simplemente para separar dos señales digitalmente.
Principalmente consiste en un algoritmo mediante el cual una señal digital o
secuencia numérica denominada entrada se transforma en una segunda
secuencia de números denominada señal digital de salida.
Los filtros digitales se caracterizan, en términos generales, por ser sistemas
predecibles, flexibles, simulables, consistentes y precisos. Por una parte, es
posible cambiar sus especificaciones mediante la reprogramación, sin la adición
de componentes discretos como capacitores, resistores o bobinas normalmente
con un tamaño considerable y con variaciones en el funcionamiento dependiente
de la temperatura o la humedad.
De otro lado, su carácter digital permite calcular y simular su repuesta usando
procesadores de uso general, y también implementar topologías no realizables
mediante el uso de componentes físicos convencionales. En síntesis, estos
sistemas incorporan las ventajas propias de los procesadores digitales, al filtraje
de señales, si se quiere en tiempo real.
Objetivo
 Estructurar la metodología de un filtro digital FIR (Respuesta Finita al
Impulso)
 Calcular y diseñar filtros digitales FIR
 Calcular la respuesta en frecuencia de un filtro FIR
 Obtener el valor de los coeficientes de un filtro FIR
6
Marco teórico
FILTRO DIGITAL
Un filtro se puede definir como todo procesado que altera la naturaleza de una
señal sonora de una forma o de otra. Un filtro es un proceso computacional o
algoritmo mediante el cual una señal digital (secuencia de muestras) es
transformada en una segunda secuencia de muestras o señal digital de salida.
Los filtros se utilizan mucho en todos los ámbitos del procesado de señal, más o
menos musicales, y son una componente esencial en toda cadena de
comunicación. Constituyen la base del procesado de señal, que puede aplicarse a
señales de todo tipo (sonidos, imágenes, vídeo, vibraciones sísmicas, etc.).
En el dominio de las señales de audio, definiremos un filtro específicamente como

un objeto que altera el espectro o el contenido frecuencial de una señal. De ahí su
importancia fundamental en la música electroacústica. Los filtros se utilizan de
forma práctica en todo tipo de situaciones musicales, ya sea para la modificación
radical de una señal sintética o para situar espectralmente una grabación de
música instrumental.
TIPOS DE FILTROS
Los filtros más corrientes son los filtros paso bajo (Low Pass, LP), paso alto (High
Pass, HP), paso de banda (Band Pass, BP) y los filtros rechazo de banda (o paso
no banda) (Band Reject, Band stop o Notch).
En la figura se representan estos 4 tipos de filtros mediante su respuesta en

frecuencia o espectro de amplitud.
Cada punto de la respuesta en frecuencia nos indica la atenuación a la que se

someterá una señal a una frecuencia determinad
7
 Los filtros paso bajo (LP) dejan pasar las frecuencias que están por debajo
de una determinada frecuencia.
 Los filtros paso alto (HP) dejan pasar las frecuencias que están por
encima de una determinada frecuencia.
Estos dos tipos de filtros están definidos por su frecuencia de corte, que es
la frecuencia a la cual la amplitud de la señal se reduce a 0.707 (√ 1/2) de
su valor máximo, es decir, sufre 3 dB de atenuación.
 Los filtros paso banda (BP) dejan pasar las frecuencias que están situadas
en una determinada banda de frecuencia, es decir, entre dos determinadas
frecuencias.
 Los filtros rechazo de banda (BR) dejan pasar todas las frecuencias
excepto las que están situadas en una determinada banda de frecuencia,
es decir, entre dos determinadas frecuencias f1 y f2. Estas frecuencias son
las frecuencias a las que la amplitud de la señal se reduce a 0.707 ( √ 1 2 )
de su valor máximo, es decir, sufre 3 dB de atenuación.
Estos dos tipos de filtros están definidos por su frecuencia central y su

ancho de banda, que sería la diferencia entre las frecuencias de corte
inferior y superior. Como se ilustra en la figura 1, las transiciones entre la
banda pasante y la banda de corte no son generalmente limpias en los
filtros reales.
8
Existe, por tanto, una banda de transición entre la zona donde teóricamente
todo pasa y la zona donde teóricamente nada pasa. Los filtros pueden
combinarse en serie o en paralelo para obtener respuestas frecuenciales
más complejas.
FILTROS IIR Y FIR
 Si la respuesta de impulso de un filtro cae a cero después de un tiempo

finito, se conoce como filtro de Respuesta de Impulso Finita (FIR). De todas
maneras, si la respuesta de impulso existe indefinidamente, se conoce
como filtro de Respuesta de Impulso Infinita (IIR).
 Dependiendo de si la respuesta de impulso en finita o no (es decir, si el filtro

es FIR o IIR) depende se calcule la salida. La diferencia más básica entre
los filtros FIR e IIR es que para los filtros IIR, la salida solo depende de la
corriente y de los valores de entrada pasados, mientras que en los filtros
IIR, la salida depende no solo en la corriente y valores de entrada pasados
sino que también en los valores de salida pasados.
 Si la respuesta de impulso de un filtro cae a cero después de un tiempo

finito, se conoce como filtro de Respuesta de Impulso Finita (FIR). De todas
maneras, si la respuesta de impulso existe indefinidamente, se conoce
como filtro de Respuesta de Impulso Infinita (IIR). Dependiendo de si la
respuesta de impulso en finita o no (es decir, si el filtro es FIR o IIR)
depende se calcule la salida.
 La diferencia más básica entre los filtros FIR e IIR es que para los filtros IIR,
la salida solo depende de la corriente y de los valores de entrada pasados,
mientras que en los filtros IIR, la salida depende no solo en la corriente y
valores de entrada pasados sino que también en los valores de salida
pasados.
9
FUNCIONAMIENTO DE BASE
El funcionamiento de base de un filtro digital es relativamente simple. Distinguimos

de hecho dos tipos de funcionamiento, que se ilustran en la figura.
Figura: Diagrama de bloques de los dos tipos de filtros digitales: (a) FIR y
(b) IIR
 Retardamos ligeramente una copia de la señal de entrada (de uno o varios
períodos de muestreo) y combinamos la señal de entrada retrasada y con la
nueva señal de entrada. Los filtros digitales basados en este
funcionamiento se dice que son de respuesta impulsional finita o FIR (Finite
Impulse Response).
 Retardamos una copia de la señal de salida, la cual combinamos con la

nueva señal de entrada. Los filtros digitales basados en este
funcionamiento se dice que son de respuesta impulsional infinita o IIR
(Infinite Impulse Response). También se les denomina filtros recursivos o
con feedback.
10
Transformada Z
La Transformada Z convierte una señal real o compleja definida en el dominio del
tiempo discreto en una representación en el dominio de la frecuencia compleja.
El nombre de Transformada Z procede de la variable del dominio, al igual que se
podría llamar "Transformada S" a la Transformada de Laplace. Un nombre más
adecuado para la TZ podría haber sido "Transformada de Laurent", ya que está
basada en la serie de Laurent. La TZ es a las señales de tiempo discreto lo mismo
que Laplace a las señales de tiempo continuo.
La transformada Z, al igual que otras transformaciones integrales, puede ser
definida como una transformada unilateral o bilateral.
Transformada Z bilateral
La TZ bilateral de una señal definida en el dominio del tiempo discreto x[n] es una
función X(z) que se define
Transformada inversa Z
La Transformada Z inversa se define
La TZ con un rango finito de n y un número finito de z separadas de forma

uniforme puede ser procesada de forma eficiente con el algoritmo de Bluestein.
11
La transformada discreta de Fourier(DFT) es un caso especial de la TZ, y se

obtiene limitando z para que coincida con el círculo unidad.
Región de convergencia (ROC)
La región de convergencia, también conocida como ROC, define la región donde
la transformada-z existe. La ROC es una región del plano complejo donde la TZ de
una señal tiene una suma finita.
 Propiedades de la Región de Convergencia:

La región de convergencia tiene propiedades que dependen de las características
de la señal, x[n].
 La ROC no tiene que contener algún polo. Por definición un polo es donde
x[z] es infinito. Ya que x[z] tiene que ser finita para todas las z para tener
convergencia, no puede existir ningún polo para ROC.
 Si x[n] es una secuencia de duración finita, entonces la ROC es todo el
plano-z, excepto en |z|=0 o |z|=8.
 Si x[n] es una secuencia del lado derecho entonces la ROC se extiende
hacia fuera en el último polo desde x[z].
 Si x[n] es una secuencia del lado izquierdo, entonces la ROC se extiende
hacia dentro desde el polo más cercano en x[z].
 Si x[n] es una secuencia con dos lados, la ROC va ser un anillo en el plano-
z que está restringida en su interior y exterior por un polo.
12
Tareas Transformada Z
Ejercicio 1
Z 2+ Z +2
H ( z) = RCO |Z| > 1
(Z −0.5)(Z +0.5)
Solución
H(k) = Res Ho(z) + Res Ho(z)
Z = 0.5 Z = -0.5
Primer Residuo
H(k) = Res Ho(Z) = (Z – Pi) Ho(z) | z=Pi
Z = 0.5
Z 2 + Z+2
H ( z ) =( Z−0.5 ) Z k−1∨z=0.5
( Z−0.5 ) ( Z +0.5 )
(0.5)2+(0.5)+2
H ( z) = (0.5)k−1=2.75(0.5)k−1 u(K)
( (0.5)−0.5 )( (0.5)+0.5 )
=2.75(0.5)1 (0.5)k u(k)
=5.5(0.5)k u(k)
Segundo Residuo
Z = -0.5
Z 2+ Z +2
H ( z ) =( Z +0.5 ) Z k−1∨z=−0.5
( Z +0.5 ) ( Z −0.5 )
(0.5)2 +(0.5)+2
H ( z) = (0.5)k−1=−1.75(0.5)k−1 u(K)
( (−0.5)−0.5 )( (−0.5)+0.5 )
=-1.75(−0.5)1 (−0.5)k u(k)
=3.5(−0.5)k u(k)
H(k) = 5.5(0.5)k u(k) + 3.5(−0.5)k u(k)
13
Ejercicio 2
1
H ( z) = RCO |Z| > 0.5
(Z −0.25)(Z−0.5)
Primer residuo
Z = 0.25
1
H ( z ) =( Z−0.25 ) Z k −1∨z =0.25
( Z−0.25 ) ( Z−0.5 )
1
H ( z) = ( 0.25)k−1= -4(0.25)k (0.25)−1
( ( 0.25 )−0.25 ) ( ( 0.25 )+ 0.25 )
= -16(0.25)k u(k)
Primer residuo
Z = 0.5
1
H ( z ) =( Z−0.25 ) Z k −1∨z =0.25
( Z−0.25 ) ( Z−0.5 )
1
H ( z) = (0.5)k−1= -4(0.5)k (0.5)−1
( ( 0.5 )−0.25 ) ( ( 0.5 )+ 0.25 )
= 8(0.25)k u(k)
H(k) = 8(0.25)k u(k) - 16(0.25)k
14
Ejercicio 3
Z 3 +2
H ( z) =
(Z −0.35)(Z +0.85)
Solución
H(k) = Res Ho(z) + Res Ho(z)
Z = 0.35 Z = -0.85
Primer Residuo
Z = 0.35
Z 3 +2
H ( z ) =( Z−0.35 ) Z k−1∨z=0.35
( Z−0.35 ) ( Z +0.85 )
Z3 +2
H ( z) = ( 0.35)k−1= -1.702(0.35)k (0.35)−1
(( 0.35 )−0.35 ) ( ( 0.35 )+ 0.85 )
= 4.862(0.35)k u(k)
Segundo Residuo
Z = 0.35
Z3 +2
H ( z ) =( Z +0.85 ) Z k−1 ∨z=−0.85
( Z−0.35 )( Z+ 0.85 )
1
H ( z) = ( 0.35)k−1= -0.0386(−0.85)k (−0.85)−1
( ( 0.85 )−0.35 ) ( ( 0.85 )+ 0.85 )
= 0.045(−0.85)k u(k)
H(k) = 4.862(0.35)k + 0.045(−0.85)k
15
Ejercicio 4
16
Ejercicio 5
17
Filtros digitales FIR

¿Qué son?
Un filtro FIR es aquel que tiene una respuesta finita al impulso y que se
caracterizan por ser sistemas no recursivos.
Un filtro FIR de orden L se describe mediante la ecuación en diferencias:
donde la secuencia ak son los coeficientes del filtro. A partir de esta ecuación en
diferencias puede obtenerse la función de transferencia del filtro en el dominio de
Z:
En este tipo de filtrado no existe retroalimentación. Además, la respuesta al

impulso H(w), es de duración finita ya que si la entrada se mantiene en cero
durante L periodos consecutivos la salida también será cero.
Aplicaciones
●Separación de señales que fueron combinadas desafortunadamente (ruido,
interferencias provenientes de otros sistemas)
●Recuperación de señales distorsionadas de alguna forma (por ejemplo, al ser
trasmitidas)
●Síntesis de sonido: creación o modificación de señales para moldear espectros o
formas de onda y lograr el efecto auditivo buscado.
●Efectos de audio: chorus, flanger, phaser, reverb
18
Características
Características de este tipo de filtros son las siguientes:

1.- Un filtro FIR puede ser diseñado para tener fase lineal.
2.- Siempre son estables porque son hechos únicamente con ceros en
el plano complejo.
3.- Los errores por desbordamiento no son problemáticos porque la
suma de productos en un filtro FIR es desempeñada por un conjunto finito
de datos.
4.- Un filtro FIR es fácil de comprender e implementar.
5.- La salida siempre es una combinación lineal de los valores
presentes y pasados de la señal de entrada.
6.- Tiene memoria finita.
19
Forma canónica de un filtro FIR

Un filtro FIR tiene una representación canónica tanto en forma gráfica, en forma de
ecuación de diferencias y en forma de Función de Transferencia (En función de la
transformada Z).
La ecuación general en forma de diferencias finitas está dada por:
N −1
y [ n ] = ∑ h ( k ) x ( n−k )
k =0
Donde h (k) corresponden a los coeficientes propios del filtro, los cuales son
función de:
 Frecuencia de Muestreo
 Tipo del filtro (LPF, HPF, BPF o SBF)

F ,F
Frecuencias de corte ( l h )
 N es el orden del filtro, el cual al ser bastante grande genera un mayor
grado de selectividad en el filtro.
En una sección posterior se analizará la forma de calcular los coeficientes
característicos del filtro. Como se puede observar, la ecuación descrita
anteriormente corresponde a la multiplicación de dos vectores, uno que
corresponde a los coeficientes, el cual no cambia durante todo el proceso,
mientras que el otro, el de x[n-k], va cambiando a medida que avanza el tiempo y
representa las últimas k muestras que el sistema ha tomado de la señal de
entrada. Es decir, que la salida actual depende de las últimas k muestras de
entrada solamente y no depende de algún estado previo de salida, lo cual
obligaría a tener un sistema realimentado.
Otra forma de observar el sistema FIR es a través de una forma gráfica. En la
figura podemos observar la topología para este sistema
20
X[n] h(0)
+ Y[n]
T
h(1)
+
T
h(2)
+
T
.. ..
.
T h(N-1)
Calculo de los coeficientes del filtro fir utilizando el método de

series de fourier
2.1 Filtro pasa bajas

H ( z )   h( n) Z  n
 Función FIR

H (e jwT
)  h ( n )e
n 
 j 2 fnT
21

1
h ( n) 
F 

h(n)e  j 2 fnT
1,  fp  fp 
H (e jwT )   
0, otra parte 
1
fp
1  j 2 fnT fp 
h(n)   (1)e j 2 fnT f  e 
F  fp Fj 2 nT   fp 
1  j 2F fpn  j 2F fpn  1  fp 

  e  e    sen (2 n )
j 2 n   n  F 
 fp 
2 nfpT 
sen (2 n )
2 fp fp
 F  Sa (2 n )
 
 n  2 n fp  F F
 F 
 2 fp  2 nfp  
 Sa   , n  0 
 F  F  
hd (n)   
 2 fp , n  0 

 F 

22
2.2 Filtro pasa banda
  fp1 fp 2
1
h(n)   (1)e j 2 fnT    e j 2 fnT   (1)e j 2 fnT )f
F   fp 2 fp1
1  j 2 fnT  fp
j 2 fnT fp 2 1    j 2F nfp1  j 2Fnfp 2   j 2Ffp 2n j 2Fnfp1  
h ( n)  e  fp 2 e   e e   e  e 
Fj 2 nT  fp1  2 j n  
    
23
  j 2F fp1  j 2F fp 2   j 2F fp1  j 2F fp1  

1 e
  
e   e e    1  sen  2 nFc2   sen(2 nFc1) 
n  2j   2j    n   F  F 

     
 1   2 fp 2   2 nfp1   
 sen    sen   , n  0 
  n   F   F   
hd (n)   
 2 fp 2  fp1 , n  0 
   
F 
24
2.3 Filtro Pasa altas

H ( z )   h (n ) Z  n
 Función FIR
F
  fp  2
1 1 1
H (e jwT
)   h(e jwT )e j 2 fnT f   (1)  h(e jwT )e j 2 fnT f   (1)e
j 2 fnT
f
F  F  F  F fp
2
1  j 2 fnT  fp F  1
 e  F
 e j 2 fnT 2
  e  j 2 fnT  e  j 2 fnT   ..
Fj 2 nT  2 fp  2 j n
25
1   1  j n  j n  j 2Ffp 2n  j 2Fnfp1  
j 2  fnT j 2  fnT
 e   2 j n  e e   e e    ..
2 2
 e
2 j n      
 fp    2 nFc  
2 n sen
1   fp    F   1  2 Fc  F 
  2 cos  n  2 jsen(2 n       
2 j n   F    2 n fp
  F  2 nFc  
 F    F  
  2 fp   2 nfp  
1   F  Sa  F  , n  0 
hd (n)      

1  2 fp , n  0 
 F 
26
2.4 Filtro Rechaza Banda

H (e jwT
)   hd (n)e  jwnT

F
  fp 2 fp1 2
1 1 1 1
h(n)   1H (e wT )ei 2 fnT df   (1)e i 2 fnT
df   (1)ei 2 fnT   (1)e i 2 fnT
df
F  F F F  fp1 F fp 2

2
27
  fp 2 fp1
F
2

1  i 2 fnT 
  
i 2 fnT i 2 fnT
h( n )  e  e  e
Fi 2 nT  
 
F
2
 fp1 fp 2

1  i 2 FnFp 2 i 22nFT  i 2 fnTFp1 i 2 Fp1T  i n i 2 nFP 2n


 e e   e e   e  e F

i 2 n    
1  i 2FnFp1 i 2FnFp1  i n i n  i 2 FpF 2 n  i 2 nFP 2n

 e e   [e  e ]   e e F

i 2 n    
1  Fp1   Fp 2n 
 sen 2 n  [ sen ( n )]  sen 2
 n  F   F 
Pero Fp=Fc
1  Fp1 Fp 2n 
h( n)   sen 2 n  sen 2
n F F 
2
h(0)   Fc1  Fc 2  1
F
 1   2 fp1   2 nfp 2   
   sen  sen , n  0 
 n   F  


F   
hd (n)   
 2 fc1  fc 2  1 , n  0 
 F   
28
Respuesta en frecuencia de un filtro FIR.
La transformada Z de h[n] es H(z), la cual representa la función de transferencia

del sistema. Ahora bien, por definición tenemos que:
z=e jωT
Siendo T el periodo de muestreo del sistema.

Si se remplaza a Z por su representación en frecuencia, tenemos la respuesta en
frecuencia del sistema.
29
Calculo de Respuesta en frecuencia
Filtro FIR con coeficientes N impar y simétrico
SE PROPONE N=7
h(3)
h(2)
h(4)
h(1)
h(5)
h(0) h(6)
0 N −3 N +1 N-1
2 2
Condicíon : h( n)  h( N  1  n)
h(0)  h(6)
h(1)  h(5)
h(2)  h(4)
h(3)
30
REALIZACION DE LOS CALCULOS
N 1
H ( z )   h ( n) z  n
n 0
n  N 3 2  N 1 
 N  1   
N 1
H ( z)  
n 0
n
h( n) Z  h 
 2
Z

2 
  N 1
h( n ) Z  n
n
2
Z  re jwT , r  1
Z  e jwnT
N 3 2  N 1 
 N  1   jw 
N 1
H (e jwT
)  h ( n )e
n 0
 jwnT
 h
 2 
e
2 
  h ( n )e
N 1
 jwnT ( N 1 n )
n
2
N 3  N 1 
2
 N  1   jwnT  
  h(n) e
n 0
 jwnT
e  jwT ( N 1 n )
  h 
 2 
e
2 
........( A)
Realizamos un cambio de variable donde :

N 1
n  r........( A ')
2
Sust  A’ en  A 
31
N 3   N 1  r 
2  2    jwT  N 1r   jwT  N 1 N21r     N  1   jwT  N 1r 
H (e jwnT )  
 N 1 
e  2   e       h 
   2 
e
 2 
 r  0
 2 
 N  1    jwT  2  r   jwT  2 r    N  1   jwT  2 

r 1  N 1   N 1   N 1 
  h  r  e e   h e
N 1  2     2 
r
2
Filtro FIR con coeficientes N impar y asimétrico

SE PROPONE N=7
h(3)
h(2) Condición
h(1) h(n )   h( N  1  n)
h(0)   h(4)
h(0) h(1)   h(3)
N +1 h(2)   h(2)
2 N-1
N 1 n  A
N −3 N 1
0 [N 1  (  r )  A]2
2 2
h(6)
2 N  2  N  1  2r  2 A
N 1
r  A
h(5) 2
h(4)
32
N 1
H ( z )   h(n) z  n
n0 Función FIR
N 3
( )
2
N  1 iw  ( N21 ) N 1
H ( z)  
n0
n
h (n) z  h(
2
)e   h(n)e  iw (  ( N 1 n )) ....( A)
N 1
n
2
N 3
( ) N 1
2
N  1  iw  (
 h(n)[e
)
H (eiw )   iwn
e iw ( N 1 n )
]  h( )e 2
.....(B)
n0 2
Sustituimos (B”) en (B)
33
N 1 N 1 N 1
N 1
r 1  iw ( r ) iw (  r) N  1 iw (
)   h(
)
iw
H (e  r)[e 2
e 2
]  h( )e 2
r
N 1 2 2
2
N 1
N 1
 iw ( 2
N 1

)
H (eiW  )  e 2
[ e iwr 
 e  iwr 
]  h( )
r 1 2
N 1
N 1
 iw ( 2
N 1 N 1
[  2ih(
)
e 2
 r )[ senwr  ]  h[ ]]
r 1 2 2
Filtro FIR con coeficientes N par y simétrico
SE PROPONE N=6
h(1) h(2) h(3) Condición:

h(0) h(5)
h(n)  h( N  1  n )
h(0)  h(9)
h(1)  h(8)
h(2)  h(7)
0 N −1 N N-1
2 h(3)  h(6)
2
h(4  h(5)
34
N 1
H ( z )   h( n) z  n
n0 Función FIR
N 2
( )
2 N 1
 
n 0
h(n) z n
  N 2
H (n) z  n
n
2
N 2
2 N 1
H (e iwT
)  h(n)e
n o
 iwnT
  h(n)e iwT ( N 1 n )
N
n
2
N 2
2
H (eiwT )   h(n)[e  iwnT  eiwT (N 1 n ) ].....(C )
n o
35
Realizamos cambio de variable
N 1
n  r......(C")
2
Sustituimos (C”) en (C)
1
r N 1 N 1
N 1
2  iwT ( r ) r)
)   h(
iwT (
H (e iwT
 r )[e 2
e 2
]
r
N 1 2
2
1 1
N 1 r 
2 2
N 1 eiwrT  e  iwrT
 2h( 2  r )[
iwT ( )
H (e iwT
)e 2
]
r
N 1 1

2
2 2
N
N 1
 iwT ( 2
N 1
[2 h(
)
H (eiwT )  e 2
 r ) cos wrT ]
r 1 2
36
Filtro FIR con coeficientes N par y asimétrico
SE PROPONE N=6
N-1
0 N −1
2
N
2
37
Condicíon : h(n)  h( N  1  n)

h(0)   h(13)
h(1)  h(12)
h(2)   h(11)
h(3)  h(10)
h(4)   h(9)
h(5)   h(8)
h(6)   h(7)
N 1
H ( z )   h( n) z  n
n0 Función FIR
N 4 2 N 1
H (z)  n 0
h(n) Z  n   h( n) Z  n
N
n
2
N 4 2 N 1
H (e ) 
jwT
 h ( n )e
n0
 jwnT
  h(n)e  jwnT (  ( N 1n ))
N
n
2
N 4 2
H (e ) 
jwT
n 0
h(n) (e  jwnT  e  jwT ( N 1n )  .........( D )
38
Proponemos un cambio de variable
N 1
n  r .....( D)
2
Sust  D’ en  D 
r 1
N 1
2   jwT  N21 r   jwT (
N 1 
)   h(
)
H (e jwT
 r ) e  
e 2

r
N 1 2 
 
2
 N 1   r 1|  jwnT
 jwT  
 N  1  e  e  jwrT 
 N
H (e jwT
)e  2 
h(  r)   2i
2  2i 
 r  2 
 N 1 
 jwT    N 2 N 1 
H (e jwT )  e  2 
2i   h(  r ) Sen( wrT ) 
 r 1 2 
Ventanas
¿Cuántas ventanas hay?
H(n) es la respuesta al impulso del filtro diseñado, y se obtiene al multiplicar la

respuesta al impulso deseada con la función de ventana
Las funciones ventana más habituales son: Rectangular, Hamming, Blackman, de
Kaiser
Las ventanas que ofrece el software de Matlab son las siguientes:
• Barthannwin – Atenuación: -35.9 dB
• Bartlett – Atenuación: -26.5 dB
• Blackman – Atenuación: -58.1 dB
• Blackmanharris – Atenuación: -92.1 dB
• Bohmanwin – Atenuación: -46 dB
• Chebwin – Atenuación: -100dB
39
• Flattopwin – Atenuación: -88 dB

• Gausswin – Atenuación: -44.1 dB
• Hamming – Atenuación: -42.5 dB
• Hann – Atenuación: -31.5 dB
• Kaiser – Atenuación: -13.6 dB
• Nuttallwin – Atenuación: -93.8 dB
• Parzenwin – Atenuación: -53.1 dB
• Rectwin – Atenuación: -13.3 dB
• Taylorwin – Atenuación: -30.3 dB
• Triang – Atenuación: -26.6 dB
• Tukeywin – Atenuación: -15.1 dB
El codigo para generar las ventanas es el siguiente:

all close
all clc
L = 1024;
wvtool (barthannwin (L))

wvtool (bartlett (L))
wvtool (blackman (L))
wvtool (blackmanharris (L))
wvtool (bohmanwin (L))
wvtool (chebwin (L))
wvtool (flattopwin (L))
wvtool (gausswin (L))
wvtool (hamming (L))
wvtool (hann (L))
wvtool (kaiser (L))
wvtool (nuttallwin (L))
wvtool (parzenwin (L))
wvtool (rectwin (L))
wvtool (taylorwin (L))
wvtool (triang (L))
wvtool (tukeywin (L))
40
Ventana de Barthannwin
Ventana de Bartlett
Ventana de Blackman
41
Ventana de Blacman – Harris
Ventana de Bohmanwin
42
Ventana de Chebwin
Ventana de Flat top
43
Ventana de Gauss
Ventana de Hamming
44
Ventana de Hann
Ventana de Kaiser
45
Ventana de Nuttall
Ventana de Parzen
46
Ventana Rectangular
47
Ventana de Taylor
Ventana triangular
48
Ventana de Tukery
¿Para que sirven?
La solución al problema de las ondulaciones en la banda de paso y las

ondulaciones de los lados está en el uso de otras ventanas (en lugar de la ventana
rectangular) que no tengan cambios instantáneos para reducir las ondulaciones de
h(k) y provocando que se reduzcan las ondulaciones de la banda de paso y las
ondulaciones de los lados.
Con esto podemos observar que las ondulaciones son ampliamente reducidas a
tal grado que en la escala lineal no se ven, pero en la escala en dB si se pueden
observar. Sin embargo, el precio que hay que pagar para reducir las ondulaciones
es una región de transición más ancha.
49
Ejercicio de filtros
Ejercicio 1
Calculo de los coeficientes de un filtro pasa bajas de orden 11 para una frecuencia
de corte de 1500hz y una frecuencia de muestreo de 15000 aplicando la ventana
de Hamming
2 Fp 2 πkFp
h ( k )= Sinc( )
Fm Fm
Calculo de coeficientes
2(1500) 2 π (0)(1500)
h (0)= Sinc( )=0.2 / h(10)
15000 15000
2(1500) 2 π (1)( 1500)
h ( 1 )= Sinc ( )=0.18 / h(9)
15000 15000
2(1500) 2 π (2)(1500)
h ( 2 )= Sinc( )=0.15 / h(8)
15000 15000
50
2(1500) 2 π (3)(1500)
h ( 3 )= Sinc( )=0.10 / h(7)
15000 15000
2(1500) 2 π (4)(1500)
h ( 4 )= Sinc( )=0.04 / h(6)
15000 15000
2(1500) 2 π (5)(1500)
h ( 5 )= Sinc( )=5.8x10ˆ-6
15000 15000
Calculo de ventaneo de Hamming
VH (n)=0.54 +0.46 cos ( N2 −1

πn
)
VH (0)=0.54 +0.46 cos ( 211−1

π (0)
)=1∗0.2=0.2
2 π (1)
VH (1)=0.54+ 0.46 cos (
11−1 )
=.9121∗.18=.1641
2 π (2)
VH (2)=0.54+ 0.46 cos (
11−1 )
=.6821∗.15=.1023
2 π (3)
VH (3)=0.54 +0.46 cos (
11−1 )
=.3978∗.10=.0397
2 π ( 4)
VH ( 4 )=0.54+ 0.46 cos (
11−1 )
=.1678∗.04=6.718 x 10 ˆ −3
2 π ( 5)
VH ( 5 )=0.54+ 0.46 cos (
11−1 )
=0.08∗5.8 x 10 ˆ −6 = 4.648 x 10 ˆ −7
Ejercicio 2
Calcular los coeficientes para un filtro FIR pasa bajas de orden N = 7 para una
fp=3.4 Khz y un fm=48 Khz,
2 Fp 2 πkFp
h ( k )= Sinc( )
Fm Fm
h(0) = h(6)
h(1) = h(5)
h(2) = h(4)
h(3)
51
h ( 0 ) =2 ( 3.448 Khz
Khz
)=0.1416
h ( 1 )=2 ( 3.448 Khz
Khz
) Sinc (2 π ( 1)( 3.448 Khz
Khz
))=0.1368
h ( 2 )=2 ( 3.448 Khz
Khz
) Sinc ( 2 π ( 2) ( 3.448 Khz
Khz
))=0.1236
h ( 3 )=2 ( 3.448 Khz
Khz
) Sinc ( 2 π ( 3) ( 3.448 Khz
Khz
))=0.1031
Ventana de Hamming
VH (n)=0.54 +0.46 cos ( N2 −1

πn
)
VH (0)=0.54 +0.46 cos ( 27−1
π (0)
)=1∗0.1416=0 .1416
2 π (0)
VH (0)=0.54 +0.46 cos (
7−1 )
=0.77∗0 .1368=0. 1054
2 π (0)
VH (0)=0.54 +0.46 cos (
7−1 )
=0.31∗0. 1236=0. 0383
2 π (0)
VH (0)=0.54 +0.46 cos (
7−1 )
=0.08∗0.1031=8.248 x 10ˆ −3
Ejercicio 3
Calcular los coeficientes para un filtro FIR pasa altas de orden N = 7 para una
fp=3.4 Khz y un fm=48 Khz,
−2 Fp 2 πkFp
h ( k )= Sinc ( )
Fm Fm
h(0) = h(6)
h(1) = h(5)
h(2) = h(4)
h(3)
52
h ( 0 ) =−2 ( 3.448 Khz

Khz
)=−0.14
h ( 1 )=2 ( 3.448 Khz
Khz
) Sinc (2 π ( 1)( 3.448 Khz
Khz
))=−0.1 3
h ( 2 )=2 ( 3.448 Khz
Khz
) Sinc ( 2 π ( 2) ( 3.448 Khz
Khz
))=−0.12
h ( 3 )=2 ( 3.448 Khz
Khz
) Sinc ( 2 π ( 3) ( 3.448 Khz
Khz
))=−0.10
Ventana de Hamming
VH (n)=0.54 +0.46 cos ( N2 −1

πn
)
VH (0)=0.54 +0.46 cos ( 27−1
π (0)
)=1∗0.1416=−0 .1416
2 π (0)
VH (1)=0.54+ 0.46 cos (
7−1 )
=1.04∗0 .1368=−0. 1352
2 π (0 )
VH ( 2 ) =0.54+ 0.46 cos (
7−1 )
=1.52∗0.1236=−0.1824
2 π (0)
VH (3)=0.54 +0.46 cos (
7−1 )
=2∗0. 1031=−0.2
Diseño del filtro pasa bajas en Simulink

1) Cálculos Realizados en Matlab con la herramienta fdatool
N = 10
Fc = 100
Fs = 10000
Ventana de Hamming
53
Grafica de respuesta en Magnitud
Grafica de respuesta de fase
54
Respuesta de impulsos
Polos y ceros
Coeficientes
55
Estructura del filtro
Simulación del filtro pasa bajas
56
57
N = 10
Fc = 500
Fs = 10000
Ventana de Hamming
Grafica de respuesta en fase
58
Polos y ceros
Coeficientes del filtro
59
Simulación de filtro pasa bajas
60
N = 10
Fc = 1000
Fs = 10000
Ventana de Hamming
Grafica de respuesta en magnitud
61
Polos y ceros

62
Simulación del filtro pasa bajas
63
Diseño del filtro pasa altas en Simulink

N = 10
Fc = 1000
Fs = 20000
Ventana de Blackman
Grafica de respuesta de magnitud
Grafica de respuesta de fase
64
Polos y ceros
65
Simulación del filtro pasa altas
66
N = 10
Fc = 5000
Fs = 20000
Ventana de Blackman
67
Polos y ceros

68
69

N = 10
Fc = 10000
Fs = 50000
Ventana de Blackman
70
Polos y ceros
71
72
Diseño del filtro pasa bandas en Simulink

N = 10
Fc1 = 1000 / Fc2 = 5000
Fs = 50000
Ventana de Hamming
73
Polos y ceros
74
Simulación del filtro pasa bandas
75

N = 10
Fc1 = 10000 / Fc2 = 20000
Fs = 50000
Ventana de Hamming
76
Polos y ceros
77
78

N = 10
Fc1 = 30000 / Fc2 = 40000
Fs = 100000
Ventana de Hamming
79
Polos y ceros
80
81
Diseño del filtro rechaza bandas en Simulink

N = 100
Fc1 = 1000 / Fc2 = 5000
Fs = 50000
Ventana de Hamming
Grafica de respuesta en Fase
82
Polos y Ceros
83
84

N = 100
Fc1 = 10000 / Fc2 = 20000
Fs = 50000
Ventana de Hamming
85
Polos y Ceros
86
87

N = 100
Fc1 = 30000 / Fc2 = 40000
Fs = 100000
Ventana de Hamming
88
Polos y ceros
89
90
Aplicaciones
Programa para filtrar la voz
y = audioread('C:\Users\jccmx\Documents\Grabaciones de sonido\Voz.m4a');
%sound(y,16000) % Senal de voz a filtrar
fs = 32000; % Frecuencia de muestreo

N = 100; % Orden del filtro
t = linspace(0,6000,fs);
x = cos(2*pi*100*t)+1*randn(size(t)); % Se?al de ruido
fn = input('Ingresa la frecuencia de corte: '); % Ingresa frecuencia

de corte
Wn = 2*fn/fs; % Normaliza las frecuencias

b = fir1(N,Wn,'low',kaiser(101,3)); % Calcula los coeficientes del filtro
fvtool(b,1,'fs',fs); % Visualiza el filtro
f = filter(b,1,y); % Se?al de voz filtrada
freqz(b,1,1024,fs); % Grafica la respuesta en frecuencia del filtro
plot(t,x);
title('Senal de ruido');
xlabel('Tiempo(s)');
ylabel('Amaplitud');
plot(x);
hold on;
plot(y);
hold on;
plot(f);
xlabel('Frecuencia(Hz)');
ylabel('Amplitud');
title('Filtrado de una señal de voz con un FIR pasabaja');
sound(f,16000); % Senal de voz filtrada
91
Programas
Analizador de espectros
clear all
audio=audiorecorder(44100,24,1);
figure('Name' , 'Analizador de Espectro en Tiempo Real' , 'NumberTitle' ,

'off');
F1=5.55e3;
while(1)
record(audio);
pause(.0000001);
stop(audio);
au=getaudiodata(audio);
auf=abs(fft(au));
clf
plot(1:F1/(length(au)/8):F1,auf(1:end/8),'r','linewidth',1.5);
xlim([0 F1]); xlabel('Frecuencia [Hz]','FontSize',18);
ylim([0 200]); ylabel('FFT (H[n])','FontSize', 18);
grid on
hold on
end
Filtro DRE
clear all
f = [0 0.6 0.6 1];

m = [1 1 0 0];
b1 = fir2(551,f,m);
[h1,w] = freqz(b1,1);
plot(f,m,w/pi,abs(h1))
xlabel('\omega /\pi')
lgs = {'Ideal','fir2 default'};
legend(lgs)
92
Filtro FIR
clear all
N = 110;
Fp = 2e3;
Fs = 9e3;
Rp = 0.00057565;
Rst = 1e-4;
eqnum = firceqrip(N,Fp/(Fs/2),[Rp Rst],'passedge');
fvtool(eqnum,'Fs',Fs,'Color','White')
Señal senoidal
clear all
f1=20;
f2=50;
f3=200;
f4=400;
F=10000; t=0:(1/F):0.5-(1/F);
x=2*sin(2*pi*f1*t)+5*sin(2*pi*f2*t)+1.5*sin(2*pi*f3*t)
+3.7*sin(2*pi*f4*t);
fN1=250/(F/2);
fN2=550/(F/2);
h=fir1(100,[fN1 fN2]);
y=filter(h,1,x);
subplot(2,1,1)
plot(t,x)
grid
Filtro Pasa bajas

%Pasa bajas
clf
M = 512;
N = input('Dame el orden del filtro = ') ; %Orden del Filtro
fc = input('Dame tu frecuencia de corte = '); %Frecuencia de corte
fs = input('Dame tu frecuencia de Muestreo = '); %Frecuencia de muestreo
Wc = 2*fc/fs; %Normaliza las frecuencias
b = fir1(N,Wc,'low'); %Calcula los coeficientes del filtro
freqz(b,1,M,fs); %Grafica la respuesta en frecuencia del filtro
title('Magnitud y Fase de la respuesta en frecuencia del filtro
pasabajas');
Conclusiones
93
En conclusión, del trabajo sobre filtros digitales es que con todo lo investigado en
este trabajo podemos deducir que este tipo de filtros, son muy útiles en todo el
campo de la electrónica, ya que con una tarjeta DSP puedes programar un filtro de
un orden alto, y no utilizar mucho espacio en comparación de los filtros analógicos,
que conforme van subiendo de orden, su tamaño va aumentando. En este trabajo
también analizamos la forma de diseñar los filtros, sacamos las demostraciones
matemáticas de cada uno de ellos y con esto pudimos realizar los ejercicios
propuestos en clase. Otro tema muy importante que tratamos en el trabajo fueron
el uso de las ventanas, para que sirven y todos los filtros que existen. Su uso es
muy importante porque son un complemento muy importante al momento de
emplear los filtros ya que nos ayudan a reducir el rizo en varios decibeles,
dependiendo el tipo de ventana.
Por último, el uso de la herramienta Matlab en esta materia es muy útil ya que
como notamos en clase, las tarjetas DSP son algo caras, y no son muy accesibles,
pero gracias a Matlab y a la herramienta Simulink, pudimos simular varios filtros y
ver su comportamiento en una simulación en la computadora.
En general, el tema de filtros digitales se me hizo el tema más interesante de la
materia, ya que al realizar el trabajo e investigar un poco mas a fondo, te das
cuenta que esta herramienta tiene miles de aplicaciones muy útiles en la
ingeniería de las comunicaciones digitales.
Bibliografía
-Apuntes de clases
- https://www.dtic.upf.edu/~egomez/teaching/sintesi/SPS1/Tema7-
FiltrosDigitales.pdf
-http://www.academia.edu/530130/FILTROS_DIGITALES_14_FILTROS_DIGITAL
- https://www.eumus.edu.uy/eme/ensenanza/electivas/dsp/presentaciones/clase10
94

Diseño de Filtros Digitales

Cargado por

Copyright:

Formatos disponibles

Diseño de Filtros Digitales

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Diseño de Filtros Digitales

Cargado por

Copyright:

Formatos disponibles

Procesamiento Digital de Señales

INSTITUTO POLITÉCNICO NACIONAL

INGENIERÍA EN COMUNICACIONES Y ELECTRÓNICA

Procesamiento Digital de Señales

Alumno: De La Cruz Carbajal José Alfredo

Trabajo: TRABAJO FINAL DISEÑO DE UN FILTRO FIR

Profesor: M. en C. Mercado Escutia Ernesto

29 de noviembre del 2018

En el dominio de las señales de audio, definiremos un filtro específicamente como

En la figura se representan estos 4 tipos de filtros mediante su respuesta en

Cada punto de la respuesta en frecuencia nos indica la atenuación a la que se

Estos dos tipos de filtros están definidos por su frecuencia central y su

FILTROS IIR Y FIR

 Si la respuesta de impulso de un filtro cae a cero después de un tiempo

 Dependiendo de si la respuesta de impulso en finita o no (es decir, si el filtro

 Si la respuesta de impulso de un filtro cae a cero después de un tiempo

El funcionamiento de base de un filtro digital es relativamente simple. Distinguimos

 Retardamos una copia de la señal de salida, la cual combinamos con la

La TZ con un rango finito de n y un número finito de z separadas de forma

La transformada discreta de Fourier(DFT) es un caso especial de la TZ, y se

 Propiedades de la Región de Convergencia:

H(k) = 5.5(0.5)k u(k) + 3.5(−0.5)k u(k)

H(k) = 8(0.25)k u(k) - 16(0.25)k

H(k) = 4.862(0.35)k + 0.045(−0.85)k

Filtros digitales FIR

En este tipo de filtrado no existe retroalimentación. Además, la respuesta al

Características de este tipo de filtros son las siguientes:

Forma canónica de un filtro FIR

Calculo de los coeficientes del filtro fir utilizando el método de

2.1 Filtro pasa bajas

1  j 2F fpn  j 2F fpn  1  fp 

2.2 Filtro pasa banda

  j 2F fp1  j 2F fp 2   j 2F fp1  j 2F fp1  

2.3 Filtro Pasa altas

2.4 Filtro Rechaza Banda

1  i 2 FnFp 2 i 22nFT  i 2 fnTFp1 i 2 Fp1T  i n i 2 nFP 2n

Respuesta en frecuencia de un filtro FIR.

La transformada Z de h[n] es H(z), la cual representa la función de transferencia

Siendo T el periodo de muestreo del sistema.

Calculo de Respuesta en frecuencia

Filtro FIR con coeficientes N impar y simétrico

REALIZACION DE LOS CALCULOS

Realizamos un cambio de variable donde :

 N  1    jwT  2  r   jwT  2 r    N  1   jwT  2 

Filtro FIR con coeficientes N impar y asimétrico

REALIZACION DE LOS CALCULOS

Sustituimos (B”) en (B)

Filtro FIR con coeficientes N par y simétrico

h(1) h(2) h(3) Condición:

REALIZACION DE LOS CALCULOS

Realizamos cambio de variable

Filtro FIR con coeficientes N par y asimétrico

Condicíon : h(n)  h( N  1  n)

REALIZACION DE LOS CALCULOS

Proponemos un cambio de variable

¿Cuántas ventanas hay?

H(n) es la respuesta al impulso del filtro diseñado, y se obtiene al multiplicar la

• Flattopwin – Atenuación: -88 dB

El codigo para generar las ventanas es el siguiente: