Procesamiento de Audio (Modulo 2)

Diseo y anlisis de filtros en procesamiento de audio
Marta Ruiz Costa-juss Helenca Duxans Barrobs

PID_00188065
CC-BY-NC-ND PID_00188065
Los textos e imgenes publicados en esta obra estn sujetos excepto que se indique lo contrario a una licencia de Reconocimiento-NoComercial-SinObraDerivada (BY-NC-ND) v.3.0 Espaa de Creative Commons. Podis copiarlos, distribuirlos y transmitirlos pblicamente siempre que citis el autor y la fuente (FUOC. Fundacin para la Universitat Oberta de Catalunya), no hagis de ellos un uso comercial y ni obra derivada. La licencia completa se puede consultar en http://creativecommons.org/ licenses/by-nc-nd/3.0/es/legalcode.es
ndice
Introduccin............................................................................................... Objetivos....................................................................................................... 1. Concepto y tipos de filtros. Por qu se debe aprender cmo funciona un filtro?................................................................ 2. Conceptos bsicos para el diseo de filtros digitales............... 2.1. 2.2. Caracterizacin de un filtro: respuesta impulsional y funcin de transferencia ........................................................................... Especificacin de la entrada-salida de un filtro: ecuaciones en diferencias finitas ........................................................................ 3. 4. Filtros reales: plantilla de especificacin de un filtro............. Diseo de filtros digitales............................................................... 4.1. Diseo de filtros FIR ................................................................... 4.1.1. 4.1.2. 4.2. 4.2.1. 4.2.2. 4.2.3. 5. Mtodo de ventanas ...................................................... Mtodo de Parks-McClellan ........................................... Transformacin bilineal ................................................. Diseo de filtros analgicos: breve resumen ................. Transformacin bilineal y teora de filtros analgicos ...
5 6
7 11 11 15 19 22 22 22 26 29 30 31 33 35 35 36 36 36 39
Diseo de filtros IIR ....................................................................
De la teora a la prctica................................................................. 5.1. 5.2. La eleccin de un filtro FIR o IIR. Cundo debemos utilizar uno u otro? ................................................................................. Caso prctico: diseo de un filtro desde cero con Audacity y con Matlab .................................................................................. 5.2.1. 5.2.2. Caso 1. Filtrado de una seal de audio utilizando Audacity ......................................................................... Caso 2. Filtrado de una seal de audio utilizando Matlab ............................................................................
Anexo............................................................................................................
Introduccin
El objetivo principal de este mdulo es explicar la teorabsicadediseode filtrosdigitalesyanalgicos. Concretamente, se pretende dar al estudiante la capacidad de aprender a utilizar cualquier software de diseo de filtros y que as pueda disear sus propios filtros dadas unas especificaciones concretas. Asimismo, se combina la teora y la prctica del diseodefiltros con el estudio de diferentes utilidades de los filtros digitales y analgicos en el rea de procesamiento de la seal de audio. El proceso de diseo de un filtro digital engloba bsicamente tres etapas: las especificaciones de las propiedades que queremos que verifique el filtro, la determinacindeloscoeficientes de un sistema causal que se aproxime a las especificaciones queridas y, finalmente, la realizacindelsistema.
Objetivos
Concretamente, al acabar de trabajar este mdulo, el estudiante debe:
1. Conocer, saber disear e interpretar la respuesta impulsional que caracteriza un filtro. 2. Conocer los parmetros de diseo de un filtro: banda de paso y de atenuacin, entre otros. 3. Diferenciar entre filtrado analgico y digital. 4. Conocer diferentes mtodos para disear los filtros digitales y analgicos. 5. Tener la capacidad, dada una aplicacin que requiera filtrado digital, para elegir el tipo de filtros digitales (FIR/IIR) ms adecuado segn las especificaciones en mdulo y fase del sistema.
1. Concepto y tipos de filtros. Por qu se debe aprender cmo funciona un filtro?
Un filtro, genricamente hablando, es un sistema que discrimina parte del objeto que procesa, segn uno o ms atributos. Por ejemplo, un filtro de aire deja pasar el aire pero impide el paso a las partculas de polvo presentes en el aire. Un filtro en procesamiento de seal es un concepto muy amplio, dado que puede ser cualquier sistema que trate la seal. Nos centraremos en los sistemas o filtros que, dada cualquier seal, permiten el paso de un conjunto determinado de frecuencias y atenan o eliminan el resto. Partiendo de la misma definicin de filtro, podemos definir los tipos clsicos de filtro siguientes: Un filtro pasobajo permite el paso de las frecuencias bajas y atena las frecuencias altas.
Ejemplo Por ejemplo, una pared hace de filtro paso bajo cuando omos la msica que viene de otra habitacin. Dado que las frecuencias altas (es decir, los sonidos agudos) tienden a reflejarse sobre cualquier superficie rgida (por ejemplo, las paredes), en nuestra habitacin estas frecuencias llegan atenuadas y solo omos las frecuencias bajas o graves de la msica original. Por lo tanto, la seal original (la msica) ha sido filtrada paso bajo.
Un filtro pasoalto permite el paso de frecuencias altas y atena las frecuencias bajas. Se pueden utilizar para hacer que las frecuencias altas de una seal de audio vayan a unos altavoces para sonidos agudos.
Nota Un ecualizador procesa seales de audio y es capaz de modificar la amplitud de las frecuencias, entre otras caractersticas. En la prctica, se utiliza para adaptar el sonido a las necesidades del oyente.
Un filtro pasobanda permite el paso de frecuencias de una determinada banda de frecuencias, eliminando las frecuencias bajas y altas. Encontramos filtros paso banda en la transmisin y recepcin de la seal, para eliminar el contenido frecuencial que no se encuentra en la banda de la seal que se ha de transmitir.
Un filtro de bandaeliminada es complementario al filtro paso banda porque elimina las frecuencias de una determinada banda de frecuencias y deja pasar las frecuencias que hay fuera de esta banda. Se utilizan frecuentemente en ecualizadores.
La figura 1 muestra un ejemplo ideal de cada uno de estos filtros:
Representacin frecuencial de algunos filtros ideales
Figura 1. Representacin frecuencial de los filtros ideales siguientes: a) paso bajo; b) paso alto; c) de banda eliminada; d) paso banda. Los filtros son simtricos respecto al eje de ordenadas.
La figura 1 muestra el mdulo de los filtros ideales. Respecto a la fase, un filtro ideal tiene la fase lineal. Esto significa que la fase de la respuesta del filtro es una funcin lineal de la frecuencia. Por lo tanto, la seal filtrada no tiene distorsin de fase. El concepto de fase lineal y no lineal aparece explicado con detalle en la pgina 428 y siguientes del libro Seales y sistemas, de A. V. Oppenheim y A. S. Willsky.
Sin ser conscientes, en el da a da, constantemente topamos con filtros acsticos, tanto si son analgicos (tratan seales de variable continua, como por ejemplo t) como digitales (tratan seales de variable discreta, como por ejemplo n o, dicho de otro modo, listas de nmeros ordenados). Por ejemplo, cuando hablamos por telfono, las frecuencias de la seal que se transmite se filtran a 4 kHz (si se trata de una lnea analgica, el filtrado es analgico), y esto es una limitacin muy fuerte comparada con lo que el odo humano es capaz de or (hasta 20 kHz). Por este motivo, escuchar un CD de msica por la lnea telefnica no es tan agradable como escucharlo directamente. La grabacin del CD de msica se filtra a 22 kHz para asegurar que se mantiene todo lo que el odo humano puede or.
Los msicos electrnicos casi siempre utilizan filtros digitales en cada pieza de msica que crean; por ejemplo, para hacer reverberacin digital. La reverberacin es solo un pequeo ejemplo de las capacidades de los filtros digitales. Debemos ser conscientes de que un filtro digital es capaz de manipular el espectro de un sonido, como veremos en el mdulo 6, de efectos de audio. Un objetivo de esta asignatura es ayudar a los estudiantes a tener una idea sobre las herramientas necesarias para disear filtros personalizados. Existe bastante software disponible para el diseo de filtros digitales (en la asignatura utilizaremos Matlab y Octave). Ahora bien, para utilizar el software es esencial el conocimiento terico de cmo funcionan los filtros digitales. Incluso en aplicaciones estndar, el uso eficaz de un programa de diseo de filtros requiere una comprensin de los parmetros de diseo, que al mismo tiempo requiere una cierta comprensin de la teora de filtros.
Ejemplo Veamos el efecto de filtrar un sonido paso bajo. Tenemos el sonido de un canario. La figura siguiente representa la forma de onda en el tiempo y en frecuencia. Sonido de canario
Reverberacin El concepto de reverberacin se estudia en el mdulo de introduccin a la acstica. Brevemente, la reverberacin es el fenmeno acstico por el cual un receptor (oyente) recibe al mismo tiempo el sonido directo que emite un emisor (fuente acstica) y las reflexiones de este sonido producidas por la sala donde estn el emisor y el receptor, lo que mejora la calidad del sonido y crea una sensacin de calidez en el oyente.
(1)
Para pasar de una figura a otra, utilizamos la transformada discreta de Fourier.
Figura 2. Sonido de canario
Si filtramos1 con un paso bajo a 2 kHz, tenemos las seales siguientes: Sonido de canario filtrado
Figura 3. Sonido de canario filtrado
10
Observad que ahora el sonido del canario se ha suavizado. Como hemos visto en el apartado Conversin A/D y D/A: entorno analgico y entorno digital del mdulo 1, en la naturaleza encontramos seales analgicas, como es el caso de la voz humana; por ello, si las queremos manipular con ordenadores hay que convertirlas en digitales este proceso se denomina conversin analgico-digital (A/D). A continuacin, una vez se ha manipulado la seal digital, por ejemplo filtrndola, esta seal se debe volver a convertir en seal analgica este paso se denomina conversin digital-analgico (D/A). Por lo tanto, podemos decir que hay muchos filtros digitales que trabajan en un entorno analgico convirtiendo las seales analgicas en digitales y, despus de la manipulacin con el ordenador, volvindolas a convertir en analgicas.
11
2. Conceptos bsicos para el diseo de filtros digitales
Un filtrodigitalclsico se puede definir como un sistema que modifica una seal digital de manera que deja pasar un determinado intervalo de frecuencias y atena otras con el objetivo de obtener una salida con unas caractersticas determinadas. Los filtros clsicos trabajan en el espacio frecuencial y las plantillas se disean en este espacio.
Nota Una seal discreta es una seal muestreada pero no cuantificada y una seal digital es una seal muestreada y cuantificada. Por ejemplo, una seal discreta es x = [0,1 0,4 0,9] y la misma seal digital es xd = [0 0 1] (con un paso de cuantificacin de 1).
Concretamente, estudiaremos los filtros digitales realizables. Por esta razn, estos sistemas tienen que verificar ciertas propiedades: la linealidad, la invariancia en el tiempo, la causalidad y la estabilidad. 2.1. Caracterizacin de un filtro: respuesta impulsional y funcin de transferencia Como hemos dicho (y como hemos visto en las asignaturas de Seales y sistemas I y II), en el dominio temporal la respuesta impulsional relaciona la entrada y la salida de un sistema lineal e invariante en el tiempo (SLIT). Si hablamos de sistemas digitales, que es el dominio que trataremos ms (es decir, filtros digitales), la salida es la suma de convolucin entre la entrada y la respuesta impulsional .
Ved tambin Hemos visto la definicin de sistema en el apartado Definicin de sistema del mdulo "Conceptos de seales y sistemas".
Esta relacin la vemos representada en la ecuacin y figura siguientes:

Lectura recomendada Encontraris ms informacin sobre la suma de convolucin en las pginas 77 a 90 del libro Seales y sistemas, de A. V. Oppenheim y A. S. Willsky.
12
Relacin genrica de entrada y salida de un sistema digital con entrada y salida
Referencias En cuanto a la transformada Z y a la transformada discreta de Fourier, podis ver el apartado Transformacin del dominio temporal al dominio frecuencial del mdulo 1. Encontraris ms informacin sobre mdulo y fase en las pginas 427 a 430 del libro Seales y sistemas, de A. V. Oppenheim y A. S. Willsky.
Figura 4. Relacin genrica de entrada y salida de un sistema digital con entrada y salida
La principal ventaja de un filtro lineal e invariante, de ahora adelante SLTI (sistema lineal e invariante en el tiempo o linear time invariant system), es que se puede caracterizar por la respuestaimpulsional en el dominio del tiempo y por la funcin de transferencia en el dominio Z. Solo los filtros SLTI verifican la propiedad de superposicin(propiedaddelinealidad): as, podemos asegurar que, con un filtro SLTI, el filtrado de una suma de seales de audio se puede obtener como la suma de cada seal filtrada por separado. Por otro lado, las propiedades de causalidad y estabilidad permiten que el filtro sea realizable. Por lo tanto, los filtros representados en la figura 1 son filtros ideales o norealizables, puesto que la respuesta impulsional es no causal e inestable. As, en el dominio Z, la funcin de transferencia formada Z de la respuesta impulsional: relaciona la entrada y la
salida de un sistema LTI. Por lo tanto, la funcin de transferencia es la trans-
Finalmente, en el dominio frecuencial, que es una particularizacin del dominio Z, la respuesta frecuencial es la transformada de Fourier de secuencias discretas (TFSD) de la respuesta impulsional:
Recordad Estamos utilizando la variable para indicar frecuencia discreta, y equivale, por lo tanto, a la frecuencia analgica normalizada por la frecuencia de muestreo.
En el caso de los filtros, la respuesta impulsional y la funcin de transferencia que tienen determinan los conceptos siguientes: La ganancia (G(f)) se define como la amplificacin de la seal de salida respecto a la entrada. Si esta amplificacin es negativa, hablamos de atenuacin:
13
La respuesta en amplitud de un filtro se define como el mdulo de la respuesta frecuencial del filtro:
As, la respuesta en amplitud de un filtro ideal es 1 en la banda de paso y 0 en la banda atenuada. La respuesta en fase de un filtro se define como la fase de la respuesta impulsional:
El orden de un filtro es el nmero de coeficientes que tiene un filtro y coincide con el mximo retardo (en trminos de muestras) que se utiliza o de la seal de entrada o de salida anteriores para calcular . Por otra parte, el orden de un filtro se puede definir como el orden de la respuesta impulsional. Y, a la vez, el orden de un polinomio se define como el valor ms alto del exponente del mismo polinomio. En el caso de una funcin racional, el orden se define como el mximo entre el orden del polinomio del numerador y el del denominador.
As, por ejemplo, un filtro definido por la ecuacin siguiente tiene orden 3:
La banda de paso de un filtro es el rango de frecuencias que el filtro deja pasar de la entrada a la salida con una atenuacin, por ejemplo, ms pequea de 3 dB, o ganancia (este valor se toma por convencin y puede variar dependiendo de las especificaciones del sistema). Y la banda atenuada es la complementaria. Por extensin, las frecuencias de paso y de atenuacin definen el rango de banda de paso y atenuada. En el caso de un filtro ideal, la frecuencia de paso y atenuacin coinciden en la frecuencia de corte. Veamos la figura siguiente:
Banda de paso y atenuada en un filtro paso bajo ideal
Nota La f no va en hercios. Recordad que es la frecuencia analgica normalizada y se puede decir que ).
Figura 5. Banda de paso y atenuada en un filtro paso bajo ideal
Definiciones Un decibelio (dB) se puede definir como una medida logartmica de potencia en relacin con una potencia patrn. Bsicamente, dicho de otro modo, es una unidad no dimen-
14
sional que representa la relacin entre una seal de inters y una seal de referencia. Un dB se basa en un logaritmo de base 10 del cociente entre las dos magnitudes. La frecuenciadecorte de un filtro es la frecuencia a partir de la cual la seal de salida se atena significativamente. Normalmente, se considera que la seal de entrada se debe atenuar un valor de 3 dB (o 3 dB si hablbamos de ganancia). La relacin entre ganancia y atenuacin viene dada por .
La respuesta frecuencial se caracteriza por su mdulo entrada salida (
y fase
. En un caso genrico, si tenemos la seal en frecuencia de y el filtro anterior, entonces el mdulo y la fase de la seal de ) son los siguientes:
El mdulo
determina la ganancia del filtro (recordad la definicin de determina el retardo del filtro. Una propiedad muy
ganancia) y la fase grupo:
importante relacionada con la fase de la respuesta del filtro es el retardo de
El retardo de grupo evala la seal de salida respecto al de entrada en muestras para cada frecuencia. Por lo tanto, se evala el retardo global que experimenta una seal. Si el retardo de grupo es constante, quiere decir que la fase es lineal (retarda todas las frecuencias del mismo modo). En caso de que el retardo de grupo sea diferente segn la frecuencia, se produce una distorsin en el espectro de la seal. Si el mduloesconstante ( ) y la faseeslinealenfrecuencia ( ), tene-
mos la relacin entrada-salida siguiente:
Al mismo tiempo vemos que la seal de salida en el tiempo es la seal de entrada retardada m y multiplicada por (aplicando propiedades de la TFSD).
En estas condiciones especficas, se verifica que la sealdeentradanocambia deforma.

Ausencia de cambio de forma El hecho de que la seal de entrada no cambie de forma significa que todas las frecuencias que conforman la seal se retardan del mismo modo. Recordemos que esto significa que el retardo de grupo es constante y la fase es lineal.
15
Ejemplo Veamos un caso particular. Si tomamos la seal discreta de entrada a la salida tenemos: pasamos por el filtro y la
donde
es el retardo de fase. Comprobemos que para que se verifique
debe ser
constante y debe ser lineal. La figura siguiente muestra un ejemplo de la influencia de un filtro en amplitud y retardo sobre una seal sinusoidal: Seno a la entrada y salida del filtro
Figura 6. Seno a la entrada del filtro, es decir, antes de aplicar un filtro (rojo). Seno a la salida del filtro, es decir, despus de aplicar el filtro (azul). La salida queda ligeramente atenuada y retardada. El eje X son muestras y el eje Y, amplitud.
Esta propiedad de mantener la seal de entrada sin distorsin (sin que la seal cambie de forma) nos puede interesar mucho en la prctica. Ahora bien, hemos de tener presente que para que un sistema causal con respuesta impulsional real y funcin de transferencia racional tenga faselineal, la respuestaimpulsionaldebesersimtricaoantisimtrica(respectoasumuestra central)yfinita. 2.2. Especificacin de la entrada-salida de un filtro: ecuaciones en diferencias finitas Una manera directa para describir la relacin entrada-salida2 de un filtro causal es mediante una ecuacinendiferenciasfinitas.
(2)
Referencia bibliogrfica Podis ver la demostracin de esto en: J.G.Proakis;D.G.Manolakis (2007). Tratamiento digital de seales. Madrid: Pearson Prentice Hall.
Para ver grficamente la relacin entrada-salida de un filtro causal, podis ver la figura 7 en este mismo apartado.
16
Esta ecuacin es una frmula para calcular la muestra n de salida, que depende de muestras de entrada presentes y pasadas (en el dominio del tiempo). Una ecuacin genrica en diferencias finitas se puede escribir como sigue:
Informacin complementaria Encontraris ms informacin en lo referente a las ecuaciones en diferencias finitas en las pginas 120 a 124 del libro Seales y sistemas, de A. V. Oppenheim y A. S. Willsky.
que, compactada en sumatorios, se escribe:
donde tantes del filtro. (
es la seal discreta de entrada y )y (
es la seal de salida, y las cons) son el nmero de coeficientes
Si analizamos estas ecuaciones en el dominio Z, obtendremos la funcin de transferencia:
Sabemos que:
Entonces:
Por lo tanto:
La funcin de transferencia se puede reformular en trminos de las races de los polinomios numerador y denominador de la manera siguiente:
Nota Podis mirar el vdeo Races de un polinomio.
17
donde cero) y
son los ceros (porque cuando son los polos (porque cuando
, la funcin transferencia vale , la funcin transferencia es
Recordeu El diagrama de polos y ceros lo obtenemos a partir del H(z).
infinita). Recordemos que los polos se representan en el plano Z con una cruz y los ceros, con un crculo, tal como se ve representado en la figura siguiente:
Ejemplo de diagrama de polos y ceros
Ved tambin En cuanto a la transformada Z, podis ver el apartado Transformacin del dominio temporal al dominio frecuencial del mdulo 1.
Figura 7. Ejemplo de diagrama de polos y ceros
Condiciones que debe verificar una funcin de transferencia para que sea causal y estable Analicemos qu condiciones debe verificar una funcin de transferencia para que sea causal y estable. La estabilidad se garantiza si, y solo si, sistemas LTI causales). La causalidad se garantiza si, y solo si, pertenece a la regin de convergencia (para
pertenece a la regin de convergencia y
H(z), expresada como una razn de polinomios en z, verifica que el orden del numerador no es mayor que el orden del denominador. La nica manera de verificar estos dos criterios es que el mdulo del polo sea ms pequeo que 1.
La definicin de un filtro en ecuacin en diferencias finitas nos permite hacer claramente una distincin entre dos tipos de filtros: Filtrosnorecurrentes: son aquellos en los que los coeficientes son cero y, por lo tanto, solo dependen de la seal de entrada. La respuesta impulsional del filtro tiene un nmero finito de muestras diferentes de cero y, por ello, reciben el nombre de filtrosFIR (respuesta impulsional finita o finite impulse response). Filtrosrecurrentes: son aquellos en los que la respuesta impulsional tiene un nmero infinito de muestras diferentes de cero, y reciben el nombre de
18
filtrosIIR (respuesta impulsional infinita o infinite impulse response). Esto se sabe porque los coeficientes ak y bk son diferentes de cero. Finalmente, y como hemos visto en las definiciones del primer apartado de este mdulo, el orden de un filtro se define como el mximo entre M y P (que son el orden del polinomio numerador y denominador, respectivamente).
Ejemplo Para ejemplificar algunos de los conceptos que hemos definido, utilizaremos un filtro FIR muy sencillo definido por la ecuacin de entrada-salida siguiente: Orden de un filtro El orden de un filtro determina la complejidad de implementacin del propio filtro. Cuanto mayor es el orden, ms recursos computacionales se necesitan.
donde
es la seal discreta de entrada e
es la seal discreta de salida.
La seal de salida es el resultado de hacer la convolucin entre la seal de entrada y la respuesta impulsional y se puede expresar como sigue:
Si aplicamos la transformada Z de la expresin anterior, obtendremos la funcin de transferencia del filtro:
En este caso, los coeficientes de la respuesta impulsional son . Dado que solo se utiliza un retardo de una muestra, el filtro es de orden 1. La respuesta impulsional tiene un nmero finito de muestras diferentes de cero; por lo tanto, podemos afirmar que se trata de un filtro FIR. Este filtro se puede programar fcilmente en Matlab u Octave de la manera siguiente: 1. Definimos la seal de entrada: . .
2. Definimos los coeficientes de la respuesta impulsional: 3. Inicializamos la suma de convolucin: 4. Definimos el orden del filtro: . . .
5. Definimos la longitud de la seal de entrada: 6. Escribimos el cdigo de la suma de convolucin:
for n = 1:N y(n) = h*[x(n);v]; % producto escalar de dos vectores : vector fila*vector columna v=[x(n)]; Obtenemos la seal de salida: .
19
3. Filtros reales: plantilla de especificacin de un filtro
Como hemos dicho, los filtros representados en la figura 1 son filtros ideales o norealizables puesto que la respuesta impulsional es no causal. A la hora de especificar las caractersticas, a un filtro real o realizable se permite una relajacin de las especificaciones tericas requeridas (esto lo denominamos margen de tolerancia o relajacin). Por ello, en la prctica, antes de disear un filtro, lo primero que necesitamos es la plantilladeespecificaciones3, que bsicamente determina cmo queremos que sea el filtro y qu margen de tolerancia o relajacin4 aceptamos. El filtro real se disea de modo que la funcin de transferencia corresponda a la siguiente ecuacin:
(3)
Dentro de las especificaciones encontramos frecuencia de corte y frecuencia de paso, entre otras.
(4)
Por relajacin de las especificaciones tericas requeridas entendemos el hecho de permitir un margen de variacin en las especificaciones.
La figura 8 muestra una plantilla de especificacin correspondiente a la funcin real H(f) y la correspondiente atenuacin de un filtro paso bajo:
Plantilla de especificacin correspondiente al mdulo (izquierda) y la atenuacin (derecha) del filtro paso bajo
Figura 8. Plantilla de especificacin correspondiente al mdulo (izquierda) y la atenuacin (derecha) del filtro paso bajo
Nomenclatura : frecuencia de paso (hasta esta frecuencia el filtro deja pasar la seal). : frecuencia de atenuacin (a partir de esta frecuencia el filtro atena la seal). : tolerancia de paso en mdulo, que es la relajacin en mdulo que permitimos en la banda de paso. : tolerancia de atenuacin en mdulo, que es la relajacin en mdulo que permitimos en la banda de atenuacin.
20
: tolerancia de paso en atenuacin, que es la relajacin en atenuacin que permitimos en la banda de paso. : tolerancia de atenuacin en atenuacin, que es la relajacin en atenuacin que permitimos en la banda de atenuacin.
Podemos definir la atenuacin a partir de la funcin de transferencia:
Observad que en la banda izquierda de la figura 8 se permite: Una tolerancia en torno al valor del mdulo ( ).
Una tolerancia sobre el valor de la banda atenuada ( ). Una banda de paso entre la frecuencia de paso y la frecuencia atenuada ( ).
Observad que en la banda derecha de la figura 8 se permite: Una tolerancia en torno al valor de la banda de paso ( Una tolerancia sobre el valor de la banda atenuada ( ). Una banda de paso entre la banda de paso y la banda atenuada ( ). ).
Cuanto ms restrictivos seamos a la hora de definir las tolerancias, ms costoso resultar implementar el filtro en cuestin. Generalmente, el valor mximo de la funcin H(f) es 1. A sabiendas de la relacin entre la atenuacin y la funcin de transferencia, encontraremos la relacin entre las especificaciones de la atenuacin y las especificaciones de la funcin de transferencia. As, si tomamos , obtenemos que:
21
Un filtro es un sistemalineal e invariante; por ello, se puede caracterizar con lo que conocemos como respuestaimpulsional. La respuesta impulsional relaciona la entrada y la salida de un sistema lineal e invariante en el tiempo. Antes de disear un filtro, lo primero que necesitamos es la plantillade especificaciones, que bsicamente determina cmo queremos que sea el filtro: paso bajo, paso alto y la frecuencia de corte y de atenuacin, entre otros parmetros.
22
4. Diseo de filtros digitales
En este apartado nos centraremos en el diseo de filtros digitales, que bsicamente se subdividen en dos tipos: filtros FIR e IIR. Los primeros tienen una respuesta impulsional finita y los segundos se caracterizan por el hecho de tener una respuesta impulsional infinita. Dentro del subapartado de filtros IIR haremos un repaso muy breve del diseo de filtros analgicos que se necesitan para el diseo de filtros IIR. 4.1. Diseo de filtros FIR Ya hemos visto que un filtro FIR realizable, adems de ser lineal, invariante, causal y estable, se caracteriza por el hecho de tener una respuesta impulsional de longitud finita L, y la salida que tiene solo depende de valores de la entrada, nunca de la salida. En caso de querer tener fase lineal5, la respuesta impulsional debe ser simtrica o asimtrica. La estructura directa genrica de un filtro FIR (conocida tambin como estructura transversal) se corresponde con la figura 9. Vemos que un filtro FIR solo usa muestras retardadas de la seal de entrada:
Estructura directa de un filtro FIR de orden M Lectura sugerida Encontraris explicado el concepto de simetra en la pgina 13 del libro Seales y sistemas, de A. V. Oppenheim y A. S. Willsky.
(5)
Recordad que hemos dicho que un filtro de fase lineal significa que no distorsiona la forma de la onda de la seal original.
Figura 9. Estructura directa de un filtro FIR de orden M. Los tringulos se corresponden con multiplicadores y los -1 elementos z , con retardadores de una muestra. Observad que .
Existen diferentes mtodos para implementar filtros FIR. En esta asignatura veremos con detalle el mtodo de ventanas y el mtodo de Parks-McClellan. El primero se caracteriza por la simplicidad y el segundo, porque se utiliza frecuentemente en la prctica (de hecho, es el tipo de filtro que logra unas determinadas especificaciones con un orden ms pequeo). Los dos estn implementados en Matlab y Octave y veremos su utilizacin. 4.1.1. Mtodo de ventanas Una manera directa de hacer que la respuesta ideal sea finita es limitando una respuesta infinita. As, si por ejemplo tenemos una respuesta impulsional ideal que, en el tiempo, es una funcin sinc (contiene infinitas muestras) y la multiplicamos por una funcin que tiene un nmero limitado de muestras
23
diferentes de cero, obtendremos una respuesta impulsional finita centrada en su origen para garantizar la simetra (observad que, para hacer el filtro causal, hemos de desplazar la ventana):
En esta ecuacin,
es la respuesta impulsional del filtro ideal y
es la
funcin que acta de ventana (en ingls, window). Fijmonos en que en el dominio transformado esta multiplicacin temporal es una convolucin. Otros tipos de ventanas que se utilizan en este mtodo para limitar la funcin sinc que pertenece al filtro ideal son la triangular, Barlett, Blackman, Hanning, Hamming y Kaiser, y cada ventana tiene unas propiedades diferentes.
Matlab permite el uso de todas estas ventanas. Podis ver cmo son con las rdenes siguientes: L=64 % define la longitud de la ventana wvtool(blackman(L)) % dibuja la ventana de Blackman en tiempo y en frecuencia wvtool(hamming(L)) % dibuja la ventana de Hamming en tiempo y en frecuencia wvtool(kaiser(L)) % dibuja la ventana de Kaiser en tiempo y en frecuencia wvtool(kaiser(L),blackman(L),hamming(L)) % permite comparar diferentes tipos de ventanas Respuesta en frecuencia de diferentes tipos de ventanas: Kaiser, Blackman y Hamming Ventanas simtricas Observad que las ventanas son simtricas; esto significa que tenemos fase lineal y que el retardo de grupo es constante.
Figura 10. Respuesta en frecuencia de diferentes tipos de ventanas: Kaiser, Blackman y Hamming
Cada ventana presenta unas prestaciones diferentes. Por ejemplo, una ventana rectangular presenta una banda de paso ms amplia, pero la atenuacin en la banda eliminada es ms pequea. Tal como se ve en la figura 10, la amplitud del lbulo principal es grande y la diferencia entre lbulo principal y secundario, pequea. Este comportamiento es totalmente opuesto en una ventana triangular. As, pues, segn las especificaciones de diseo, nos decidiremos por una ventana en concreto.
24
Comprobad los diferentes comportamientos de las ventanas siguiendo el ejemplo siguiente. As, a continuacin ponemos un ejemplo concreto para ver cmo funciona este mtodo. Utilizaremos la ventana rectangular, que es la ms simple de las ventanas, y una ventana ms elaborada, la de Hanning.
Ejemplo En este ejemplo mostramos el filtrado (o, en este caso, el denominado enventanado) de una seal sinusoidal con un filtro de ventana rectangular y ventana de Hanning en el dominio temporal y en el dominio de la frecuencia calculado en Matlab: n=512 % nmero de muestras de la fft m=128 % nmero de muestras de la ventana h = hanning(m); sr = ceros(size(1:n)); sh = ceros(size(1:n)); f = pi / 3; % frecuencia de la seal sinusoidal for i = 1:m ; sr(i) = sin(f * i) ; end for i = 1:m ; sh(i) = h(i) * sin(f * i) ; end plot(sr); plot(sh); A continuacin mostramos el enventanado de la seal sinusoidal con un filtro de ventana rectangular y ventana de Hanning en el dominio temporal, respectivamente, en trminos de amplitud y muestras temporales:
Figura 11. Enventanado en el dominio temporal de una seal sinusoidal con una ventana rectangular y una de Hanning, respectivamente. La figura muestra amplitud en trminos de muestras temporales.
ar=abs(fft(sr)); ah=abs(fft(sh)); plot(ar(1:n/2)) plot(20 * log10(ar(1:n/2))) plot(20 * log10(ah(1:n/2))) A continuacin mostramos el enventanado de la seal sinusoidal con un filtro de ventana rectangular y ventana de Hanning en el dominio frecuencial, respectivamente, en dB y muestras frecuenciales:
25
Figura 12. Enventanado en el dominio frecuencial de una seal sinusoidal con una ventana rectangular y una de Hanning, respectivamente. La figura muestra dB en trminos de muestras frecuenciales.
A partir de estas imgenes, observad que la frecuencia central de los filtros es la misma. Por otro lado, vemos que la frecuencia de corte a 3 dB aproximadamente no coincide en los dos filtros. La frecuencia de corte a 3 dB es aquella frecuencia en la que la atenuacin es mayor de 3 dB respecto a la atenuacin mnima (la de la frecuencia central). Finalmente, la amplitud del lbulo principal y el mximo pico de los lbulos laterales permite determinar la resolucin y sensibilidad de un filtro, respectivamente. Denominamos lbulos a los picos del filtro. El lbulo principal es el pico del filtro donde la seal tiene menos atenuacin. Los lbulos laterales son todos los dems picos del filtro donde la seal tiene ms atenuacin. El hecho de que la anchura del lbulo principal sea ms pequea en el caso de la ventana rectangular que en la de Hanning quiere decir que hay una mayor resolucin. Es decir, una discriminacin ms grande entre la frecuencia central y las frecuencias ms cercanas a la central. Por otro lado, el hecho de que la relacin lbulo principal-lbulo lateral sea ms grande en el caso de la ventana de Hanning que en la rectangular provoca que esta ventana tenga ms sensibilidad. Esto permite una mayor atenuacin de las frecuencias no deseadas (que estn a una distancia mayor de la que ocupa el lbulo principal).
Con el mtodo de ventanas tenemos una manera sencilla y entendible de elaborar filtros. Ahora bien, el principal inconveniente del mtodo es que se observa un comportamiento oscilatorio entre la banda de paso y la banda atenuada y no permite controlar la separacin entre las dos bandas.
Ejemplo La siguiente figura muestra grficamente la ecuacin de construccin de un filtro por el mtodo de ventanas (utilizando una ventana rectangular):
Referencia bibliogrfica JulinQuirogaSeplveda (2009) Diseo de filtros FIR: Mtodo de ventanas. Procesamiento digital de seales. Pontificia Universidad Javieriana.
26
Figura 13. Construccin de un filtro FIR utilizando el mtodo de ventanas
4.1.2. Mtodo de Parks-McClellan El algoritmo de Parks-McClellan se basa en aproximaciones polinmicas. Este mtodo presenta un comportamiento de rizado constante en las bandas de paso y atenuada. No entraremos en detalle en cmo se realizan los clculos para obtener el filtro, puesto que para ello tenemos herramientas como la FDAtool de Matlab.
6 (6)
Se denomina rizado cuando la forma de onda tiene picos y valles. Rizado constante quiere decir que los picos y los valles siempre tienen el mismo valor. Referencia bibliogrfica Podris profundizar sobre la FDAtool de Matlab en la pgina web de Mathworks.
FDAtool de Matlab Esta herramienta proporciona una interfaz para disear y analizar filtros rpidamente. La FDAtool permite disear filtros FIR e IIR con determinadas especificaciones. Asimismo, la herramienta permite analizar las caractersticas de un filtro en concreto. Para utilizar la FDAtool tenis que entrar en Matlab y escribir fdatool en la lnea de rdenes es decir, a continuacin del signo (>>). Despus os aparecer la ventana siguiente:
Lectura sugerida Leed el artculo Comparacin de filtros FIR de fase lineal, por Mtodo ptimo y de Ventanas.
27
Figura 14. Herramienta FDAtool de Matlab
Diseamos un filtro paso bajo FIR con las especificaciones siguientes: Mtodo: Parks-McClellan (observad que Matlab lo denomina Least-squares, que es lo mismo que equiripple): Design Method FIR Least-squares Hay que tener seleccionado Response Type Low pass
Frecuencia de paso 8 kHz, frecuencia de atenuacin a 6 dB (Fstop a fdatool) 8.8 kHz: Frequency Specifications Units Hz Entonces, Fpass 8000 y Fstop 8000
Si especificamos orden 5 (Order Specify order --< 5), obtenemos el siguiente filtro:
28
Figura 15. Pantalla de especificaciones
Consideris que es el filtro que queremos? No lo es, ya que las frecuencias de 8 kHz estn atenuadas 6 dB; por lo tanto, tenemos que subir el orden del filtro. Nuestras especificaciones son muy exigentes; por lo tanto, necesitamos rdenes ms altos:
Figura 16. Filtro creado
Actividad
Con las mismas especificaciones que en el ejemplo anterior, comprobad qu orden necesitis si en lugar de utilizar el mtodo de Parks-McClellan (especificacin 1 del ejemplo) utilizis el mtodo de ventanas con una ventana de Cauer.
29
Un filtroFIR tiene una respuesta impulsional de longitud finita. Asimismo, la respuesta en frecuencia tiene fase lineal siempre que se cumplan las condiciones de simetra. El hecho de que la fasesealineal implica que el filtro no distorsione la salida a la banda de paso. Esta caracterstica de no-distorsin suele ser el principal motivo para utilizar filtros FIR.
4.2. Diseo de filtros IIR Los filtros IIR se diferencian de los filtros FIR en que tienen una respuesta impulsional infinita y la seal de salida filtrada depende de valores anteriores de la entrada y de la salida. Esto quiere decir que la respuesta frecuencial no es de fase lineal porque no se cumplen las condiciones de simetra. La principal ventaja de estos filtros es que se pueden lograr unas determinadas especificaciones de atenuacin y frecuencias de paso o atenuadas con un orden inferior al orden que requiere un filtro FIR. La estructura directa de un filtro IIR se representa en la figura siguiente:
Estructura directa de un filtro IIR de orden
Figura 17. Estructura directa de un filtro IIR de orden .
. Observad que
30
En el diseo de filtros IIR se determinan los coeficientes
de manera
Ved tambin Veremos brevemente la teora de los filtros analgicos en el apartado Diseo de filtros analgicos: breve resumen de este mismo mdulo.
que verifiquen unas determinadas especificaciones. Ahora bien, no hay una teora especfica para disear filtros digitales IIR, sino que se utiliza la teora de filtros analgicos. El motivo principal por el que se utiliza la teora de filtros analgicos en digital es porque la teora de filtros analgicos est muy desarrollada, estudiada y experimentada. Por lo tanto, vale la pena aprovecharla para filtros digitales. La teora de filtros analgicos para el diseo de filtros digitales se basa en realizar una transformacin de variable. Hay diferentes procedimientos para hacer esta transformacin. En estos apuntes revisaremos el mtodo por transformacin bilineal. Una vez efectuada la transformacin bilineal, ya se pueden utilizar las aproximaciones analgicas clsicas, como Butterworth, Txebyxev, Inverso de Txebyxev o Cauer. En resumen, para disear un filtro IIR digital lo que hacemos es disearlo en analgico y transformar este filtro de analgico a digital. 4.2.1. Transformacin bilineal La transformacin se aplica a la funcin de transferencia de un filtro analgico y el resultado que se obtiene es la funcin de transferencia de un filtro discreto H(z).
Lectura recomendada Encontraris informacin sobre la transformada de Laplace en la pgina 654 y siguientes del libro Seales y sistemas, de A. V. Oppenheim y A. S. Willsky. Recordad que hemos visto la transformada Z en el apartado Transformacin del dominio temporal al dominio frecuencial del mdulo 1.
Ved tambin Recordad el apartado Conversin A/D y D/A: entorno analgico y entorno digital del mdulo 1.
Esta transformacin ha de verificar las siguientes condiciones: 1. Garantiza una relacin punto a punto entre el plano z y el plano s. 2. Para asociar la frecuencia entre los dos planos, la circunferencia de radio unidad del plano z se transforma en el eje imaginario del plano s. 3. Para asegurar la estabilidad, todo punto situado en el interior de la circunferencia de radio unidad en z se relaciona con un punto del semiplano izquierdo de s. La transformacin bilineal cumple estos requisitos:
Nota Los filtros analgicos son estables si, y solo si, los polos de la funcin de transferencia tienen parte real negativa, como veremos a la prxima seccin.
31
Ejemplo Verificamos que un punto z situado sobre la circunferencia de radio unidad tiene como imagen en s un punto con parte real nula (por lo tanto, se sita sobre el eje imaginario):
De aqu podemos extraer que la pulsacin del dominio analgico ( ) queda relacionada con la pulsacin ( ) del dominio discreto por la expresin siguiente:
Esta relacin se utiliza para adaptar las especificaciones digitales, tal como veremos a continuacin.
Actividad
Comprobad que un punto cualquiera con mdulo r <1 verifica la condicin 3.
Una vez definida la transformacin bilineal, ya podemos disear el filtro IIR. 4.2.2. Diseo de filtros analgicos: breve resumen Un filtro analgico se puede definir como un sistema que manipula una seal continua (es decir, analgica) de manera que deja pasar un determinado intervalo de frecuencias y atena otras. En muchos aspectos presentan muchas analogas con los filtros digitales. En particular, los filtros LTI analgicos se caracterizan por la respuesta impulsional que tienen (en este caso es continua en el tiempo). En lugar de utilizar ecuaciones en diferencias finitas, los filtros analgicos relacionan su entrada-salida con una ecuacin diferencial. En lugar de utilizar la transformada Z para calcular la funcin de transferencia, se emplea la transformada de Laplace. Los filtros analgicos mantienen las propiedades que hemos visto en la seccin 1.3. Ya sabemos que para que una funcin de transferencia caracterice un sistema, este sistema tiene que ser LTI. La funcin de transferencia para un filtro analgico es el cociente entre la transformada de Laplace de la seal de salida y la transformada de Laplace de la seal de entrada:
Lectura recomendada Encontraris informacin sobre la transformada de Laplace en la pgina 654 y siguientes del libro Seales y sistemas, de A. V. Oppenheim y A. S. Willsky.
Como ya hemos dicho, la relacin de entrada-salida utiliza ecuaciones diferenciales:
32
Si hacemos la transformada inversa de mada de Laplace siguiente:
, necesitamos utilizar la transfor-
Veamos cules son los requisitos para que el filtro analgico sea causal y estable: La causalidad se verifica porque los valores a 0). La estabilidad se verifica si: sn 0 debido a (la fun-
cin escaln es cero para valores inferiores a 0, y 1 para valores superiores
Por lo tanto, hemos de garantizar que
. Adems, observad que para que el
filtro sea real, las exponenciales complejas deben aparecer en polos conjugados (de este modo las partes imaginarias se anulan entre s). A continuacin veremos algunos parmetros que son tiles a la hora de disear un filtro analgico: Constante de selectividad (es decir, el cociente, la frecuencia de atenuacin y la frecuencia de paso). Relacin atenuacin y funcin frecuencial (ahora utilizaremos F como frecuencia analgica):
Las plantillas de atenuacin de los filtros se definen exactamente como en el apartado 1.3. La figura siguiente muestra unos ejemplos de los filtros analgicos principales (para una frecuencia de paso de 0,5):
33
Figura 18. Funcin de transferencia de diferentes tipos de filtros analgicos paso bajo: Butterworth, Txebyxev, inverso de Txebyxev y Cauer
Las respuestas ms comunes de filtros analgicos paso bajo son las que se muestran en la figura. Butterworth asegura una respuesta mximamente plana en la banda de paso y una tasa adecuada de atenuacin en la banda atenuada. Por ello, el filtro de Butterworth es adecuado para aplicaciones dentro del procesamiento de audio. El filtro de Txebyxev da una atenuacin mucho ms pronunciada, pero la amplitud no constante de la banda de paso lo hace inadecuado para los sistemas de audio. El filtro de tipo elptico o de Cauer es un filtro complejo pero que resulta muy adecuado en la prctica porque, dadas unas especificaciones, las cumple con el mnimo orden posible. Asimismo, si queremos una respuesta plana en la banda de paso, se puede obtener aumentando ligeramente el orden mnimo. Ahora bien, si pensamos en aplicar filtros analgicos dentro de entornos digitales, se debe tener en cuenta que la transformacin bilineal provoca una fuerte distorsin de fase. 4.2.3. Transformacin bilineal y teora de filtros analgicos Para hacer el diseo de un filtro IIR seguimos el procedimiento siguiente:
34
Debemos obtener las especificaciones del filtro analgico a partir de las especificaciones del filtro digital IIR. Los lmites de atenuacin a y p se mantienen. Transformamos los lmites frecuenciales la relacin que hemos obtenido en (ec. 3). y en y mediante
Nota La FDAtool de Matlab realiza la transformacin bilineal internamente, de modo que el diseador no la tiene que hacer explcitamente.
A partir de las especificaciones analgicas, diseamos el filtro analgico utilizando alguna tcnica analgica (es decir, Butterworth, Txebyxev, inverso de Txebyxev o Cauer).
Teniendo
y aplicando la transformacin bilineal, obtenemos la fun-
cin de transferencia del filtro digital IIR H(z):
As, si tenemos un filtro pao bajo, como por ejemplo
, el filtro di-
gital despus de aplicar la transformacin bilineal sera el siguiente:
Ejemplo Extrados de Internet, encontramos ejemplos de filtros analgicos hechos en Matlab como los que encontraris en el anexo: butter_ana_ex.m txeby_ana_ex.m
Un filtroIIR presenta una respuesta impulsional infinita, lo cual implica que no tienen una fase lineal y pueden ser estables o inestables.
35
5. De la teora a la prctica
En este apartado desarrollaremos un par de conceptos prcticos de filtros. Por un lado, veremos criterios para elegir un filtro FIR o un IIR. Por otro lado, veremos cmo hemos de disear un filtro desde cero. 5.1. La eleccin de un filtro FIR o IIR. Cundo debemos utilizar uno u otro? Despus de ver los principales aspectos tericos de los filtros, ahora nos centraremos en aspectos ms prcticos. Respecto a las ventajas de utilizar este tipo de filtros, vemos que los filtros FIR pueden tener fase lineal, lo que permite mantener la forma de la seal. Ahora bien, en procesamiento de audio, en general, no es necesario tener una fase lineal o mantener la seal de onda. Asimismo, los filtros FIR son siempre estables. Por otro lado, los filtros IIR suelen ser de orden pequeo (por lo tanto, menos coste computacional). En cuanto a los inconvenientes principales, vemos que los filtros FIR son de orden grande y los filtros IIR son de fase no lineal, y se debe controlar la inestabilidad, porque si son inestables no son realizables. Hay que tener en cuenta que en un filtrado audio, cuando est bien hecho, no tenemos por qu percibir si hemos filtrado con un filtro FIR o IIR. Finalmente, alahoradeelegirunfiltroFIRoIIRenlaprctica,preferentementeutilizaremoselfiltrodeParks-McClellansiqueremosunfiltrado FIR,yelfiltrodeCauersiqueremosunfiltradoIIR. Las otras aproximaciones, ventanas en el caso FIR y Butterworth o Txebyxev en el caso IIR, requieren un orden mayor para cumplir las mismas especificaciones, tal como hemos visto con la herramienta FDAtool de Matlab.
Nota El odo humano, genricamente hablando, no es extremamente sensible a la distorsin de fase. En cambio, la fase es ms importante en imagen para la sensibilidad del ojo.
36
5.2. Caso prctico: diseo de un filtro desde cero con Audacity y con Matlab
5.2.1. Caso 1. Filtrado de una seal de audio utilizando Audacity Audacity es un programa libre y de cdigo abierto que permite grabar y editar sonidos. En esta asignatura lo utilizaremos en diferentes mdulos. As, como ejemplo de aplicacin abriremos Audacity y elegiremos una cancin que tengamos en formato .MP3, por ejemplo. Para ello, haced clic en Abrir y buscad la cancin que os apetezca editar. Una vez abierta, seleccionad con el ratn el fragmento que queris editar. Despus, haced clic en Efecto y a FiltroFFT. Especificad el filtro que queris probar y haced clic en Aplica.
Figura 19. Visualizacin de Audacity haciendo filtrado
5.2.2. Caso 2. Filtrado de una seal de audio utilizando Matlab Matlab permite jugar con ms parmetros que Audacity. Para empezar, leeremos el fichero de sonido en formato .wav, que es el formato de sonido que lee Matlab por defecto.
37
[Y,Fs]=wavread(‘file.wav’)
Lectura de la lnea de cdigo Y es el sonido codificado de manera digital, con frecuencia de muestreo Fs. El fichero file.wav puede ser cualquiera que tengis en vuestro ordenador.
Si queremos comprobar que el sonido se ha codificado correctamente, lo tenemos que escuchar de la manera siguiente:
sound(Y,Fs)
Ahora diseamos un filtro como queramos, utilizando la herramienta FDAtool. En este punto se trata que pensis qu especificaciones queris. Por poner un ejemplo, nosotros definiremos el filtro siguiente:
Figura 20. Filtrado con Matlab utilizando la FDAtool
A continuacin, hacemos FileGenerate M-File y lo ponemos en la lnea de rdenes.
Fs = 44100; Fpass = 4000; Fstop = 6000; Apass = 1; Astop = 80;
% Sampling Frequency % Passband Frequency % Stopband Frequency % Passband Ripple (dB) % Stopband Attenuation (dB)
match = 'both'; % Band to match exactly % Construct an FDESIGN object and call its ELLIP method h = fdesign.lowpass(Fpass, Fstop, Apass, Astop, Fs); Hd = design(h, 'ellip', 'MatchExactly', match);
38
Para utilizar este filtro lo que hacemos es:
X=filter(Hd,Y)
Escuchamos la nueva seal filtrada:
sound(X, 44100)
39
Anexo
FiltrodeButterworth:butter_ana_ex.m
Direccin web Podis consultar la pgina de la Escuela de Ingenieros de la Universidad de Navarra (TECNUM)
%% Ejemplo de filtro paso bajo de Butterworth analgico clear all; fp=20e3;wp= 2*pi*fp; Ap=0.5; fs=90e3;ws= 2*pi*fs; As=50; % Clculo de e2 e2 = 10^(0.1*Ap)-1; % Orden del filtro n = log(sqrt((10^(0.1*As)-1)/e2))/log(fs/fp); n = ceil(n); % Frecuencia de corte wc = wp/(e2^(1/(2*n))); % Parmetros para calcular los polos del filtro k=1:n; alpha = (2*k-1)*pi/(2*n); % Determinacin de los polos en el prototipo pk = -sin(alpha) +j*cos(alpha); [B,A]=zp2tf([],pk,1); [B1,A1] = lp2lp(B,A,wc); N=500; wf=2*pi*100e3; W=0:wf/N:wf; H=freqs(B1,A1,W); subplot(1,2,1); plot(W/(2*pi),20*log10(abs(H)));grid; ylabel(['|H(w)|']); xlabel(['Frecuencia (Hz)']); subplot(1,2,2); plot(W/(2*pi),20*log10(abs(H)));grid;
40
ylabel(['|H(w)|']); xlabel(['Frecuencia (Hz)']); axis([0 1.1*fp -Ap-0.1 0.1]); print -depsc2 butter_ej pause;close; % Retardo de grupo dW=W(2)-W(1); phase=unwrap(angle(H)); dphase = -diff(phase)/dW; plot(W(1:length(W)-1)/(2*pi),dphase);grid; ylabel(['Retardo de grupo (s)']); xlabel(['Frecuencia (Hz)']); print -depsc2 butter_groupdelay_ej pause;close;
Txebychef:txeby_ana_ex.m
%% Ejemplo de filtro paso bajo de Txebyxev-I analgico clear all; fp=20e3;wp=2*pi*fp; Ap=0.5; fs=90e3;ws=2*pi*fs; As=50; % Clculo de e2 e2 = 10^(0.1*Ap)-1; % Orden del filtro n = acosh(sqrt((10^(0.1*As)-1)/e2))/acosh(fs/fp); n = ceil(n); % Parmetros para calcular los polos y ceros del filtro theta = (1/n)*asinh(1/sqrt(e2)); k=1:n; alpha = (2*k-1)*pi/(2*n); % Determinacin de los polos en el prototipo pk = -sinh(theta)*sin(alpha) +j*cosh(theta)*cos(alpha); [B,A]=zp2tf([],pk,1);
41
% Ajustar ganancia para que |H(0)|=1 if rem(n,2)==0 K=A(length(A))*(1/sqrt(1+e2)); else K=A(length(A)); end [B1,A1] = lp2lp(K*B,A,wp); N=500; wf=2*pi*100e3; W=0:wf/N:wf; H=freqs(B1,A1,W); subplot(1,2,1); plot(W/(2*pi),20*log10(abs(H)));grid; ylabel(['|H(w)|']); xlabel(['Frecuencia (Hz)']); subplot(1,2,2); plot(W/(2*pi),20*log10(abs(H)));grid; ylabel(['|H(w)|']); xlabel(['Frecuencia (Hz)']); axis([0 1*fp -Ap-0.1 0.1]); print -depsc2 cheb1_ej pause;close; %% Calcular el retardo de grupo dW=W(2)-W(1); phase=unwrap(angle(H)); dphase = -diff(phase)/dW; plot(W(1:length(W)-1)/(2*pi),dphase);grid; ylabel(['Retardo de grupo (s)']); xlabel(['Frecuencia (Hz)']); print -depsc2 cheb1_groupdelay_ej pause;close; plot(pk,'x');axis([-1.1 0 -1.1 1.1]);axis equal;
CdigodelafuncindeMatlabeasyspec.m
function [s,f]=easyspec(x,fs) %EASYSPEC Easy plot of spectrum estimate % % % % S=EASYSPEC(X) will return a spectrum vector of X. [S,F]=EASYSPEC(X,FS) will also return a frequency axis in F, while the sample frequency is given in FS. EASYSPEC(X) and EASYSPEC(X,FS), will plot the spectrum
42
% % % % % % % % % % %
and return the S vector in Matlab's "ans". Notes: 1. Spectrum values are in dB. 2. The frequency domain goes from DC to the Nyquist frequency. The "mirror part" of the spectrum is omitted. 3. The sample segments, from which the spectrum is calculated are picked by random. The function might return significantly different results each time it's called to if X isn't stationary. 4. EASYSPEC uses a hanning window and zero-pads by a factor of 4. The spectrum vector will look smooth.
% Eli Billauer, 17.1.01 (Explicitly not copyrighted). % This function is released to the public domain; Any use is allowed. if nargin==0 error('No input vector given'); end if (nargin==1) fs=2; end NFFT=16384; NWIN=NFFT/4; LOOP=100; win=hanning(NWIN)'; x=x(:)'*(17.127/NFFT/sqrt(LOOP)); n=length(x); maxshift=n-NWIN; if (n<2*NWIN) error(['Input vector should be at least of length '... num2str(2*NWIN)]); end s=zeros(1,NFFT); for i=1:LOOP zuz=floor(rand*maxshift); s=s+abs(fft([win.*x(1+zuz:NWIN+zuz) zeros(1,NFFT-NWIN)])).^2; end
s=10*log10(s(1:NFFT/2)); f=linspace(0,fs/2,NFFT/2);
43
if nargout==0 hold off; plot(f,s); ylabel('Espectro'); xlabel('Frecuencia'); grid on; zoom on; end

Procesamiento de Audio (Modulo 2)

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Procesamiento de Audio (Modulo 2)

Enviado por

Direitos autorais:

Formatos disponíveis

Diseo y anlisis de filtros en procesamiento de audio

Marta Ruiz Costa-juss Helenca Duxans Barrobs

Diseo y anlisis de filtros en procesamiento de audio

Diseo y anlisis de filtros en procesamiento de audio

Diseo de filtros IIR ....................................................................

Diseo y anlisis de filtros en procesamiento de audio

Diseo y anlisis de filtros en procesamiento de audio

Concretamente, al acabar de trabajar este mdulo, el estudiante debe:

Diseo y anlisis de filtros en procesamiento de audio

1. Concepto y tipos de filtros. Por qu se debe aprender cmo funciona un filtro?

La figura 1 muestra un ejemplo ideal de cada uno de estos filtros:

Diseo y anlisis de filtros en procesamiento de audio

Representacin frecuencial de algunos filtros ideales

Diseo y anlisis de filtros en procesamiento de audio

Para pasar de una figura a otra, utilizamos la transformada discreta de Fourier.

Figura 2. Sonido de canario

Figura 3. Sonido de canario filtrado

Diseo y anlisis de filtros en procesamiento de audio

Diseo y anlisis de filtros en procesamiento de audio

2. Conceptos bsicos para el diseo de filtros digitales

Esta relacin la vemos representada en la ecuacin y figura siguientes:

Diseo y anlisis de filtros en procesamiento de audio

Relacin genrica de entrada y salida de un sistema digital con entrada y salida

salida de un sistema LTI. Por lo tanto, la funcin de transferencia es la trans-

Diseo y anlisis de filtros en procesamiento de audio

Figura 5. Banda de paso y atenuada en un filtro paso bajo ideal

Diseo y anlisis de filtros en procesamiento de audio

La respuesta frecuencial se caracteriza por su mdulo entrada salida (

ganancia) y la fase grupo:

importante relacionada con la fase de la respuesta del filtro es el retardo de

mos la relacin entrada-salida siguiente:

En estas condiciones especficas, se verifica que la sealdeentradanocambia deforma.

Diseo y anlisis de filtros en procesamiento de audio

es el retardo de fase. Comprobemos que para que se verifique

Diseo y anlisis de filtros en procesamiento de audio

que, compactada en sumatorios, se escribe:

donde tantes del filtro. (

es la seal discreta de entrada y )y (

es la seal de salida, y las cons) son el nmero de coeficientes

Si analizamos estas ecuaciones en el dominio Z, obtendremos la funcin de transferencia:

Nota Podis mirar el vdeo Races de un polinomio.

Diseo y anlisis de filtros en procesamiento de audio

, la funcin transferencia vale , la funcin transferencia es

Recordeu El diagrama de polos y ceros lo obtenemos a partir del H(z).

Figura 7. Ejemplo de diagrama de polos y ceros

pertenece a la regin de convergencia y

Diseo y anlisis de filtros en procesamiento de audio

es la seal discreta de entrada e

es la seal discreta de salida.

Si aplicamos la transformada Z de la expresin anterior, obtendremos la funcin de transferencia del filtro:

5. Definimos la longitud de la seal de entrada: 6. Escribimos el cdigo de la suma de convolucin:

Diseo y anlisis de filtros en procesamiento de audio

3. Filtros reales: plantilla de especificacin de un filtro

Diseo y anlisis de filtros en procesamiento de audio

Podemos definir la atenuacin a partir de la funcin de transferencia:

Diseo y anlisis de filtros en procesamiento de audio

Diseo y anlisis de filtros en procesamiento de audio

4. Diseo de filtros digitales

Diseo y anlisis de filtros en procesamiento de audio

es la respuesta impulsional del filtro ideal y

Diseo y anlisis de filtros en procesamiento de audio

Diseo y anlisis de filtros en procesamiento de audio

Diseo y anlisis de filtros en procesamiento de audio

Figura 13. Construccin de un filtro FIR utilizando el mtodo de ventanas