Apuntes de Procesamiento Digital de Señales

UNIVERSIDAD NACIONAL DE SAN AGUSTIN DE AREQUIPA
FACULTAD DE INGENIERIA DE PRODUCCION Y SERVICIOS

DEPARTAMENTO ACADEMICO DE INGENIERIA ELECTRONICA
ESCUELA PROFESIONAL DE INGENIERIA DE TELECOMUNICACIONES
CURSO: PROCESAMIENTO DIGITAL

DE SEALES
Apuntes de Aula
Wildor Ferrel Serruto
AREQUIPA PER
2012
Curso: Procesamiento Digital de Seales
Profesor: Wildor Ferrel Serruto
Procesamiento Digital de Seales

1. Introduccin
Definicin
El Procesamiento Digital de Seales (PDS) es la disciplina que estudia los
fundamentos matemticos y algortmicos del tratamiento de seales y de la
informacin que contienen las seales utilizando un sistema electrnico digital como
por ejemplo, un computador, un DSP, un FPGA.
Procesamiento: Realizacin de operaciones de acuerdo a un algoritmo para
transformar los datos o extraer informacin de ellos.
Digital: Sistema electrnico digital como un computador, un DSP, un FPGA.
Seal: Magnitud variable por medio de la cual se transmite informacin.
Hacer procesamiento digital de seales significa
Procesamiento
Realizar operaciones o transformaciones
Digital
mediante un computador u otro circuito electrnico digital
de Seales
sobre funciones del tiempo y/o del espacio.
Clasificacin de las seales

Por el tipo de funcin y el tipo de variable
Seal analgica Funcin continua de variable continua.

Seal de tiempo discreto Funcin continua de variable discreta.
Seal digital Funcin discreta de variable discreta.
Por el nmero de dimensiones:
Seal unidimensional Ejemplo: seal de voz, st

Seal bidimensional Ejemplo: imagen, sx, y
Seal multidimensional Ejemplo: Seal de video en blanco y negro vx, y, t , seal

de video a color ux, y, t r x, y, t g x, y, t bx, y, t
Fundamentos del PDS (Bases matemticas)
Modelado de seales analgicas:

o Transformada de Fourier, transformada de Laplace, filtros analgicos.
Operaciones de convolucin y correlacin.
Modelado de seales y sistemas de tiempo discreto:
o La Transformada Z, la transformada de Fourier de tiempo discreto (DTFT),
la transformada discreta de Fourier (DFT).
o Operaciones de convolucin y correlacin.
o Estructuras bsicas de sistemas de tiempo discreto.
Algoritmos de procesamiento digital de seales.
o Reduccin o incremento de la tasa de muestreo.
o Transformada rpida de Fourier (FFT).
o Diseo de filtros digitales.
1
Implementacin del PDS

Por software, en computadores de propsito general (Ejemplo: en una PC)
Por hardware (Ejemplo: con FPGAs)
Por software ms hardware especfico para PDS (Ejemplo: con un DSP TMS320C)
Un procesador digital de seal (DSP-Digital Signal Processor), es un dispositivo que
implementa hardware especializado para acelerar la ejecucin de los algoritmos de
procesamiento digital de seales.
Ventajas
Inmunidad a ruido (mayor precisin).

Implementacin por software (mayor flexibilidad).
Realizacin de funciones que no son posibles en procesamiento analgico de
seales
Desventaja
En algunas aplicaciones la desventaja pueden ser el mayor costo y/o el

procesamiento lento.
Comparacin del modelado de un sistema de tiempo continuo y un

sistema de tiempo discreto
Sistema de tiempo continuo
x(t)
y(t)
Filtro
Analgico
x(t)
y(t)
t
Ecuacin diferencial
y t c1
d y t
dt
c N
d N y t
dt
d 0 x t d1
d xt
dt
d M
Funcin de transferencia
H s
Y s
X s
d 0 d1 s d M s M
1 c1 s c N s N
2
d M xt
dt
Respuesta a una seal de entrada
y t x h t d
Respuesta en frecuencia
H j
0
Sistema de tiempo discreto
x[n]
Filtro
Digital
x[n]
y[n]
y[n]
Ecuacin en diferencias lineales con coeficientes constantes

y n a 1 y n 1 a N y n N b 0 x n b1 x n 1 b M x n M
Funcin de transferencia
Y z b0 b1 z 1 bM z M
H z
X z 1 a1 z 1 a N z N
Respuesta a una seal de entrada
y n x m h n m
m
H e j
Competencias especficas del curso
Capacidad de analizar y especificar los parmetros fundamentales de un

sistema de procesamiento digital de seales.
Capacidad de analizar e identificar los principales componentes de un sistema
de procesamiento digital de seales.
Capacidad de aplicar el modelamiento matemtico y algortmico al
procesamiento de seales.
Comprensin y dominio de los conceptos bsicos sobre las seales de tiempo
discreto, los sistemas de tiempo discreto, las transformadas relacionadas y su
aplicacin en la resolucin de problemas de procesamiento de seales.
Conocimientos previos
Fundamentos de clculo. Algebra de nmeros complejos. Anlisis de Fourier de
tiempo continuo. Filtros analgicos. Programacin en MATLAB.
Bibliografa
[1] OPPENHEIM A. V., SCHAFER R.W. Segunda Edicin.
Tratamiento de Seales en Tiempo Discreto.
Prentice Hall Iberia, Madrid, 2000
[2] PROAKIS J. G., MANOLAKIS D. G. Tercera Edicin.
Tratamiento Digital de Seales. Principios, algoritmos y aplicaciones.
Prentice Hall, Madrid, 1998
[3] LI TAN.
Digital Signal Processing. Fundamentals and Applications.
Elsevier, DeVry University, Decatur, Georgia, 2008
[4] MARIO ACEBAL J. B. Segunda Edicin.
Tratamiento Digital de la Seal. Una introduccin experimental
Alfaomega, Mxico, 1999
2. Conversor Ideal de Tiempo Continuo a

Tiempo Discreto
Diagrama de Bloques de un sistema de Procesamiento Digital de Seales
Analgicas
xsens(t)
x(t)
Filtro
Antisolapamiento
Sensor
x[n]
xc(t)
y[n]
DAC
DSP
ADC
yc(t) Filtro de
Reconstruccin
Procesamiento Digital de Seales Analgicas
x[n]
xc(t)
Sistema de
Tiempo Discreto
C/D
y[n]
yc(t)
D/C
Modelo del Conversor C/D

xc(t)
xs(t)
Conversor de Tren de
Impulsos Ponderados a
Secuencia
s(t)
Dominio Temporal
st
t n T
x s t x c t s t
x[n]
yr(t)
x s t x c t t n T
n
x s t x c nT t n T
n
x s t x n t n T
n
Dominio Frecuencial
S j
2
2
k T
T k
X s j
1
X c j S j
2
1
2
X s j
X c j k T ;
T k
s 2
T
1
X s j
X c j k s
T k
Seal con Espectro no Limitado

X C j
-S
X S j
-2S
-S
0
6
2S
Filtro Antisolapamiento
xc(t)
Filtro
xa(t)
Antisolapamiento
Sistema de
Tiempo
Discreto
x[n]
C/D
y[n]
yc(t)
D/C
Haa(j)
T
Ejemplo 1
La frecuencia de muestreo es 40 kHz. El filtro anti-solapamiento usado es un filtro de
Butterworth pasa-bajas con frecuencia de corte de 8 kHz. El nivel de solapamiento
en la frecuencia de corte debe ser 1%. Determine el orden del filtro antisolapamiento.
Para el filtro de Butterworth la magnitud de la respuesta en frecuencia es:
| (
)|
( )
H j
-S
El nivel de solapamiento en la frecuencia de corte es:
( )
(
n
1
2
3
4
Nivel de solapamiento (%) 34.30 8.82 2.21 0.55
3. Seales de Tiempo Discreto

Secuencias bsicas
Impulso unitario
[n]
1
Escaln unitario
u[n]
1
...
Secuencia exponencial
x n A n , n ; A, R;
0 1
A, 0
x[n]
0
x[n]
Secuencia senoidal
x n Asen0n , n
x[n]
Operaciones bsicas
Sean x1 n y x2 n dos secuencias,
Adicin :
y n x1 n x2 n
Multiplicacin de dos secuencias:

Multiplicacin por un escalar :
Producto interno :
y n x1 n x2 n
y n x2 n
y x1 n x2 n
x1 n x2 n
n
Desplazamiento :
nd 0 y n x1 n nd
x1[n]
n
x1[n - nd]
0
x1[n + nd]
Ejemplo 2
Dadas las secuencias x1 n y x2 n , escribir un programa en MATLAB para
determinar y graficar:
a) La secuencia x3 n que es la suma de las secuencias x1 n , x2 n .
b) La secuencia x4 n como el producto de las secuencias x1 n , x2 n .
c) La secuencia x5 n obtenida mediante el desplazamiento de x1 n a la

izquierda en 2 unidades de tiempo.
x1[n]
x2[n]
%************************************************
%
Programa Matlab para el Ejercicio 1
%************************************************
% Reinicializar el ambiente
clear; clf;
% Generar las secuencias
x1=[0 0 0 1 2 3 4 3 2 1 0 0 0];
x2=[0 0 4 3 2 1 0 0 0 0 0 0 0];
% a) Adicion
x3=x1+x2;
% b) Multiplicacion
x4=x1.*x2;
% c) Dezplazamiento a la izquierda en 2 posiciones
x5=zeros(1,13);
nd=2;
x5(1:13-nd)=x1(nd+1:13);
%for m=1:13-nd
% x5(m)=x1(m+2);
%end;
% Graficar x1,x2,x3
subplot(3,1,1);
stem([-6:6],x1);
ylabel('x1'); xlabel('n');
subplot(3,1,2);
stem([-6:6],x2);
subplot(3,1,3);
stem([-6:6],x3);
title('Adicion'); ylabel('x3'); xlabel('n');
pause;
% Graficar x1,x2,x4
subplot(3,1,3);
stem([-6:6],x4);
10
title('Multiplicacion'); ylabel('x4'); xlabel('n');

pause;
% Graficar x1,x5
subplot(2,1,1);
stem([-6:6],x1);
subplot(2,1,2);
stem([-6:6],x5);
title('Dezplazamiento'); ylabel('x5'); xlabel('n');
Relaciones importantes
La secuencia escaln unitario se expresa a travs de la secuencia impulso

unitario de la siguiente forma :
n
u n
A su vez, la secuencia impulso unitario se expresa a travs de la secuencia

escaln unitario en la forma :
n u n u n 1
Toda secuencia puede ser expresada como una suma ponderada de impulsos
unitarios :
xn
x m n m
Clasificacin de las secuencias por su extensin

Secuencia de extensin finita :
n1 / x n 0, n n1
y n2 / x n 0, n n2
n2
n1
Secuencia de extensin infinita :

a) Secuencia derecha
n1 / x n 0, n n1
y n2 / x n 0, n n2
...
n
n1
b) Secuencia izquierda
n1 / x n 0, n n1
y n2 / x n 0, n n2
...
11
n2
c) Secuencia bilateral
n1 / x n 0, n n1
y n2 / x n 0, n n2
...
...
Secuencia peridica
xn es peridica N / xn xn N n
Periodicidad de la secuencia cosenoidal

En tiempo continuo, la funcin cos 0 t es peridica para cualquier valor real de la
frecuencia. El periodo es:
T
2
0
En tiempo discreto, la relacin

cos 0 n = cos 0 n N
se cumple si 0 N 2 k , donde N y k son enteros
Por lo tanto, la secuencia cos 0 n es peridica si y slo si
0
2 k
N
para algn N y k enteros; caso contrario, cos 0 n no es peridica.

Por ejemplo, la secuencia cos
34 n es peridica con periodo
N 8 . En cambio, la
secuencia cos 3 n no es peridica
La secuencia compleja Ce j 0 n es peridica si e j 0 n N = e

Esto se cumple si 0 N 2 k , donde N y k son enteros.
j 0 n
Las exponenciales complejas con frecuencias 0 y 0 2 r son iguales.
Bajas y altas frecuencias

En tiempo continuo, la funcin cos 0 t oscila ms rpidamente a medida que
aumenta la frecuencia.
En tiempo discreto, puesto que las secuencias cos 0 n y cos 0 2 r n son
iguales, las frecuencias 0 y 0 2 r son equivalentes.
Para la secuencia cos 0 n cuando la frecuencia aumenta de 0 a aumentan
tambin las oscilaciones. Sin embargo, cuando la frecuencia aumenta de a 2 las
oscilaciones se hacen ms lentas.
Las frecuencias en la vecindad de 0 2 k se llaman bajas frecuencias, mientras
que las frecuencias en la vecindad de 0 2 k se dice que son altas
frecuencias.
12
4. Sistemas de tiempo discreto

Un sistema de tiempo discreto es una transformacin que hace corresponder a
cada secuencia de entrada una secuencia de salida.
y n T x n
y n
x n
T
Ejemplo. Sistema de diferencia regresiva
y n x n x n 1
x[n]
-2 -1 0 1 2
y[n]
-1 0
Tipos de sistemas
Sistema causal
La salida depende de valores pasados y/o del valor presente de la entrada.
Sistema no causal
La salida depende de valores futuros.
Ejemplo. Sistema de diferencia progresiva:
y n x n 1 x n
Sistema estable.
A toda secuencia limitada de entrada le corresponde una secuencia limitada de
salida.
Lx x n Lx , n Ly y n Ly , n
Sistema inestable
Por lo menos, a una secuencia limitada de entrada le corresponde una secuencia
ilimitada de salida.
Ejemplo. Sistema acumulador :
y n
x k
13
Sistema lineal
Sistema que cumple con el principio de superposicin.
T ax1 n bx2 n aT x1 n bT x2 n
Sistema invariante en el tiempo

Un desplazamiento en el tiempo de la secuencia de entrada produce el mismo
desplazamiento de la secuencia de salida.
T x n y n T x n nd
yn n
d
Respuesta de un sistema LTI

Respuesta de un sistema al impulso unitario
h n T n
En un sistema LTI, la respuesta a una secuencia de entrada se expresa:
x mh n m
y n
Sistema FIR : h n tiene extensin finita
Sistema IIR : h n tiene extensin infinita
Clculo de la salida por convolucin

x n
y n
h n
y n
x m h n m
Ejemplo 3
La secuencia x n es aplicada a la entrada de un sistema LTI. Encontrar la
secuencia de salida, si la respuesta del sistema al impulso unitario es h n .
h[n]
x[n]
4
3
2
Convolucin lineal
Es la operacin efectuada sobre secuencias :
x1 n x2 n
En sistemas LTI tenemos : y n x n h n
x m x n m
14
Propiedades de la convolucin
Conmutativa
Asociativa
Distributiva
Conexin en serie de sistemas LTI

h2 n
h1 n
h1 n h2 n
h1 n h2 n
Conexin en paralelo de sistemas LTI

h1 n
+
h2 n
Convolucin por bloques

Mtodo de solapamiento-suma
Definicin de un bloque:
x n rL , 0 n L 1
x r n
0,
c .c.
Secuencia de entrada expresada a travs de los bloques xn xr n rL

r 0
Secuencia de salida:
yn xn* hn ;
yn xr n rL * hn xr n rL* hn;
r 0
r 0
Bloque de salida: y r n x r n * h n
L P 1
yn y r n rL
r 0
Se observa que y r n rL se solapa con y r 1 n r 1 L , y que las muestras de

solapamiento se suman.
Ecuacin en diferencias lineales con coeficientes constantes (LCCDE)

Muchos sistemas lineales e invariantes en el tiempo (sistemas LTI) se describen
mediante la ecuacin:
N
a yn k b xn r
Si hacemos a0 1
k 0
r 0
y n b0 x n b1 x n 1 ...b M x n M
a1 y n 1...a N y n N
15
Clculo de la salida por recursin

Ejemplo 4
Para el sistema descrito por yn
2
xn 1 2 yn 1 yn 2
2
hallar la salida si xn n, si las condiciones iniciales son: y 1 0 , y 2 0
Solucin:
y0
y1
y2
y3
y4
y5
2
0
2
2
1
2
2
0
2
2
0
2
2
0
2
2
0
2
2 00 0
2
2
2 00
2
0 1
2
2
2
2 1
2
2
2
2
1 0
2
2
2
2 0
2
2
2
yn 2
xn 1 2 yn 1 yn
2
2
ym
xm 1 2 ym 1 ym 2
2
2
yn
xn 1 2 yn 1 yn 2
2
2
2
y 3
x 2 2 y 2 y 1
0 2 00 0
2
2
2
Dada la ecuacin en diferencias:

y n
b 0 x n b1 x n 1 ... b M x n M
(1)
a 1 y n 1 ... a N y n N
Despejamos y n N :
b0
y n N
aN
1
aN
x n
y n
b1
aN
a1
aN
x n 1 ...
y n 1 ...
bM
aN
a N 1
aN
x n M
y n N 1
(2)
Se calculan las muestras de salida a partir de las condiciones iniciales:

, y n 0 2 , y n 0 1 , y n 0 , , y n 0 N 1 , y n 0 N , y n 0 N 1 ,

(2)
Condiciones
iniciales
16
(1)
Causalidad de un sistema LTI

hn 0, n 0
Estabilidad de un sistema LTI

Un sistema LTI es estable
h n
Suficiencia
h n entonces el sistema es estable
Demostraremos que, si
Sea x n acotada, x n Lx .
Luego,
y n
x k h n k
x n k h k x n k h k Lx h k
y n Lx h k
Si
h n entonces y n es acotada. En
n
.
consecuencia, el sistema es estable.
Necesidad
Demostraremos que, si
Sea x n definida por:
h n entonces el sistema no es estable.
h n , si h n 0
x n h n
si h n 0
0,
x n es acotada, ya que x n 1.
La salida es: y n
Para
x k h n k
n 0 , tenemos:
y 0 x k h k =
k
h k
k h k
h k =
h 2 k
k h k
y 0 h k
k
Si
h n , entonces h k .
Esto significa que y n no es acotada. En consecuencia, el sistema no es estable.

17
Ejemplo 5
La secuencia
1, 0 n 10,
x n
c. c.
0,
es aplicada a la entrada de un sistema LTI con respuesta al impulso
1 n , n 0
h n 2
.
0,
c. c.
a) Calcular analticamente la secuencia de salida por convolucin lineal. Slo

los grficos obtenerlos con un programa en MATLAB.
b) Compruebe su resultado con la funcin conv del MATLAB y muestre los
grficos de las secuencias.
%****************************************************
%
Programa para el Ejercicio 2 a)
%****************************************************
clear; clf
% Formar la secuencia de salida con 20 muestras
y0_9=2-(1/2).^[0:9];
y10_19=((2^10)-1)*((1/2).^[10:19]);
y=[y0_9 y10_19];
% Graficar la secuencia de salida
stem([0:19],y);
title('Secuencia de salida');
ylabel('y[n]'); xlabel('n');
%*****************************************************
%
Programa para el Ejercicio 2 b)
%*****************************************************
clear; clf
% Formar la secuencia de entrada
x=[ones(1,10) zeros(1,10)];
% Formar la respuesta al impulso
h=[(1/2).^[0:19]];
% Efectuar la convolucion
yy=conv(x,h);
% Tomar 20 muestras de la secuencia de salida
y=yy(1:20);
% Graficar x,h,y
subplot(3,1,1);
stem([0:19],x);
grid; title('Secuencia de entrada');
ylabel('x[n]'); xlabel('n');
subplot(3,1,2);
18
stem([0:19],h);
grid; title('Respuesta al impulso');
ylabel('h[n]'); xlabel('n');
subplot(3,1,3);
stem([0:19],y);
grid; title('Secuencia de salida');
ylabel('y[n]'); xlabel('n');
Ejemplo 6
Escriba un programa en MATLAB para efectuar las siguientes tareas :
a) Generar una secuencia senoidal x n de 50 muestras con frecuencia 2 25
rad/muestra.
b) Obtener una secuencia x1 n adicionando a la secuencia inicial un ruido
aleatorio uniformemente distribuido en el intervalo -0,25 a 0,25.
c) Obtener la secuencia y n recursivamente filtrando la secuencia x1 n con un
sistema promedio mvil de tamao 5.
%****************************************************
%
Programa para el Ejercicio 3
%****************************************************
clear; clf
% Formar la secuencia de entrada
N=50;
x=sin(2*pi*[0:N-1]/25);
% Formar la secuencia con ruido aditivo
x1=x+0.5*(rand(1,N)-0.5);
% Calcular la secuencia de salida para el sistema de
% promedio movil de tamano 5
for n=1:N
y(n)=mean(x1(max(n-4,1):n));
end;
% Graficar las secuencias
subplot(3,1,1);
stem([0:N-1],x);
grid; ylabel('x[n]'); xlabel('n');
subplot(3,1,2);
stem([0:N-1],x1);
grid; ylabel('x1[n]'); xlabel('n');
subplot(3,1,3);
stem([0:N-1],y);
grid; ylabel('y[n]'); xlabel('n');
19
Correlacin cruzada
Para las secuencias x n e y n , la secuencia
r xy n x k n y k
r xy n x k y k n
k
se llama correlacin cruzada de x n e y n .

La correlacin cruzada de y n e x n es:
r yx n y k x k n =
k
y k n xk
Se cumple que r xy n r yx n .
Comparando la expresin de la convolucin x n y n x k y n k con

k
r xy n x k y k n podemos escribir r xy n x n y n
k
Autocorrelacin
Para la secuencia x n la secuencia de autocorrelacin es r xx n x k x k n

k
En MATLAB se usa la funcin xcorr:
x=[ 4 2 1 0];
y=[-1 -1 1 1];
Rxy=xcorr(x,y)
Ryx=xcorr(y,x)
Rxx=xcorr(x)
Ryy=xcorr(y)
Correlacin de secuencias peridicas

Para las secuencias peridicas x n e y n la correlacin cruzada se define en la
forma:
M
1
r xy n lim
xk y k n
M 2 M 1 k M
La autocorrelacin de x n ser:
M
1
xk xk n
M 2 M 1 k M
r xx n lim
Si las secuencias x n e y n tienen un mismo perido igual a N, el promedio en un

intervalo infinito es igual al promedio en un nico intervalo mayor o igual al periodo,
es decir, siendo MN:
1 M 1
1 M 1
r xy n
r xx n
xk y k n
xk x k n
M k 0
M k 0
Las secuencias r xy n y r xx n son peridicas y tienen el mismo periodo N.
20
Aplicacin de la correlacin en la determinacin de la distancia de blancos

sn xn D wn
rsx n tiene un pico en n D
Aplicacin de la correlacin en la identificacin de una seal peridica oculta en

una seal con ruido
Sea la secuencia y n de la forma:
y n x n w n
x n es una secuencia peridica con periodo desconocido N ,
w n es un ruido aleatorio.
Se desea determinar el periodo N.

Para ello calculamos la autocorrelacin de y n :
r yy n
1 M 1
y k y k n =
M k 0
1 M 1
x k w k x k n w k n =
M k 0
1 M 1
1 M 1
xk xk n +
x k w k n +
M k 0
M k 0
1 M 1
1 M 1
+
w k x k n +
w k w k n =
M k 0
M k 0
= r xx n r xw n rwx n rww n
Ejemplo 7
Escriba un programa en MATLAB que realice las siguientes tareas:
a) Genere la seal [ ]
(
)
(
) con 500 muestras.
b) Forme la seal [ ] adicionando a [ ] un ruido aleatorio, uniformemente
distribuido, con amplitud 1 y una media de 0.
c) Calcule [ ] como la autocorrelacin peridica de [ ].
[ ] como la autocorrelacin peridica de [ ].
d) Halle
[ ], determine el periodo de [ ].
e) A partir de
f) Forme un tren de impulsos [ ] con el periodo encontrado.
[ ] como la correlacin cruzada peridica de [ ] con el tren
g) Determine
de impulsos.
[ ] como la auto-correlacin peridica de
[ ].
h) Determine
21
%********************************************
% Aplicacion de la correlacion en la
% identificacion de una seal peridica
% oculta en una seal con ruido
%********************************************
close all; clear all;
N=500;
n=[0:N-1];
x=0.5*cos((pi/26)*n)+0.5*cos((pi/13)*n);
w=2*(rand(1,N)-0.5);
y=x+w;
Rx=xcorr(x,'biased');
Ry=xcorr(y,'biased');
RRy=xcorr(Ry,'biased');
%Determinamos el periodo
[max1,pos1] = max(RRy)
[min2,pos2] = min(RRy(pos1+1:length(RRy)))
[max3,pos3] = max(RRy(pos1+pos2+1:length(RRy)))
periodo=pos2+pos3
% Formamos el tren de impulsos
s=zeros(1,length(y));
m=1;
while m<length(y)
s(m)=1;
m=m+periodo;
end
% Hallamos la correlacin de y con el tren de impulsos
Rys=periodo*xcorr(y,s, 'biased');
RRys=8*xcorr(Rys,'biased');
% Graficamos
subplot(311);
plot(n,x);grid;
title('Secuencia original');
subplot(312);
plot(n,y);grid;
title('Secuencia con ruido');
subplot(313);
stem(n,s);grid;
title('Tren de impulsos');
pause;
NRx=length(Rx);
nRx=[0:NRx-1]-((NRx-1)/2);
subplot(311);
22
plot(nRx,Rx);grid;
title('Rx - Autocorrellacion de x ');
NRy=length(Ry);
nRy=[0:NRy-1]-((NRy-1)/2);
subplot(312);
plot(nRy,Ry);grid;
title('Ry - Autocorrellacion de y ');
NRRy=length(RRy);
nRRy=[0:NRRy-1]-((NRRy-1)/2);
Ninicio=((NRRy-1)/2)-((NRy-1)/2);
Nfin=((NRRy-1)/2)+((NRy-1)/2);
subplot(313);
plot(nRy,RRy(Ninicio:Nfin));grid;
title('RRy - Autocorrelacion de Ry');
pause;
subplot(311);
plot(n,x);grid;
title('Secuencia original');
subplot(312);
NRys=length(Rys);
Ninicio=(NRys-1)/2;
plot(Rys(Ninicio:Ninicio+N-1));grid;
title('Rys - Correlacion cruzada de y con el tren s');
subplot(313);
NRRys=length(RRys);
Ninicio=(NRRys-1)/2;
plot(RRys(Ninicio:Ninicio+N-1));grid;
title('RRys - Autocorrelacion de Rys');
23

Secuencia original
1
0.5
0
-0.5
-1
50
100
150
200
250
300
350
400
450
500
300
350
400
450
500
300
350
400
450
500
100
200
300
400
500
100
200
300
400
500
100
200
300
400
500
300
350
400
450
500
300
350
400
450
500
300
350
400
450
500
Secuencia con ruido

2
1
0
-1
-2
50
100
150
200
250
Tren de impulsos
0.5
50
100
150
200
250
Rx - Autocorrellacion de x
0.6
0.4
0.2
0
-0.2
-500
-400
-300
-200
-100
0
Ry - Autocorrellacion de y
0.6
0.4
0.2
0
-0.2
-500
10
x 10
-400
-300
-200
-100
-3
0
RRy - Autocorrelacion de Ry
5
0
-5
-500
-400
-300
-200
-100
Secuencia original
1
0.5
0
-0.5
-1
50
100
150
200
250
Rys - Correlacion cruzada de y con el tren s

2
1
0
-1
50
100
150
200
250
RRys - Autocorrelacion de Rys
1
0.5
0
-0.5
50
100
150
200
250
24
5. La Transformada Z
Clculo por medio de transformadas
La secuencia exponencial compleja: x n z n
se llama auto secuencia porque:
zn
y n =
A z n
h k x n k =
h k z n k =
h k z k
n
z
H z = h k z k
k
y n = H z z n
H z es el autovalor, se llama funcin de transferencia del sistema y es la
transformada Z de la respuesta al impulso
El clculo de la salida se puede hacer como sigue:
x[n]
X(z)
h[n]
H(z)
Y(z)
y[n]
Transformadas usadas en el anlisis y diseo de sistemas de tiempo discreto:

Transformada Z
Transformada de Fourier de tiempo discreto (DTFT)
Transformada de Fourier discreta (DFT)
Transformada rpida de Fourier (FFT)
x [n]
h [n]
Transformada Z directa :
X z
xnz
Transformada Z inversa :
xn
1
X z z n 1dz
2j C
25
y [n]
Ejemplo 8
x [n]
3
1
X z x0 z x1 z x2 z 2 x3 z 3
0
2 z 0 1 z 1 3 z 2 2 z 3
X z 2 z 1 3 z 2 2 z 3
Se debe indicar la regin de convergencia (RC).
RC: Plano z completo excepto z = 0
Ejemplo 9
x [n]
Hallar la transformada Z de la secuencia

n
8
xn un
9
...
Solucin:
8
X z unz n
n 9
1
8
1 z 1
9
1
X z
8
1 z 1
9
1
1
Im{z}
8 1
z 1
9
RC : z
8
9
8
9
RC
Clculo de la transformada Z inversa
n 0
8
z n
n 0 9
8
z 1
n 0 9
Inspeccin mas propiedades.

Expansin en fracciones parciales.
Expansin en serie de potencias.
26
Re{z}
Inspeccin mas propiedades
Ejemplo 10
Encontrar la secuencia cuya transformada Z es :
X z
1
z
1
2
RC : z
1
2
Solucin
X z
1
1 z
1
1 12 z 1
1
2
xn
z 1
a n u n
12 n u n
1
1 az
,z a
xn n d X z z nd
12 n1 u n 1
Expansin en fracciones parciales
Ejemplo 11
Hallar la transformada z inversa de la funcin
( )
Im z
| |
mediante la expansin en fracciones parciales.

Solucin
12
Re z
2
RC
( )
(
(
(
)(
)
)
( )
( )
( )
[ ]
[ ]
[ ]
( )
[ ]
Ejemplo 12
Hallar la respuesta al impulso del sistema causal con funcin de transferencia
( )
Haga la expansin en fracciones parciales mediante la funcin residuez del MATLAB.
27
Solucin
Corremos el programa
b =[1
-1
-6];
a =[1 -1.5
-1];
[R,P,K]=residuez(b,a)
En la ventana de comandos del matlab obtenemos:
R =
-0.8000
-4.2000
P =
2.0000
-0.5000
K =
6
( )
Luego,
[ ]
( ) [ ]
(
) [ ]
Por tanto, [ ]
Expansin en serie de potencias

Encontrar la secuencia cuya transformada Z es:
X z
1
1 az
RC : z a
Solucin
az 1 1
1 a 1 z
a 1 z a 2 z 2 a 3 z 3
a 1 z
a 1 z a 2 z 2
a 2 z 2
a 2 z 2 a 3 z 3
a 3 z 3
A partir de la condicin de la RC tenemos: a 1 z
n m
X z a 1 z a 2 z 2 a 3 z 3 a m z m ,
m1
X z
z
1
a
z n
n 1
x n a n u n 1
28
Propiedades de la Regin de Convergencia

Secuencia derecha :
z 0 RC
Si z z 0
Secuencia izquierda :
z 0 RC
Si z z 0
La RC no puede contener polos

Secuencia derecha
z RC
z RC
pk RC
RC : z max pk
Im{z}
Re{z}
...
n
n1
RC
Secuencia izquierda
RC : z min pk
Im{z}
Re{z}
}
...
Secuencia bilateral
...
n2
RC
n
Im{z}
...
Re{z}
RC
29
Funcin de Transferencia
Transformada Z de su respuesta impulsional
H z Z hn
A partir de la LCCDE
Y z b0 b1 z 1 bM z M
H z
X z 1 a1 z 1 aN z N
Los polinomios del numerador y del denominador se representan

respectivamente
H z
B(z) y A(z)
B z
Az
Estabilidad
hn
hnz n
z 1
Im{z}
La RC de la funcin de transferencia de un
sistema estable contiene a la circunferencia de
radio unitario
Re{z}
RC
Causalidad
La RC de la funcin de transferencia de un sistema causal es el exterior de una
circunferencia y contiene al punto z = .
Im{z}
Re{z}
RC
30
Ejemplo 13
Un sistema LTI causal tiene funcin de transferencia :
3 4 z 1
H z
1 3.5 z 1 1.5 z 2
1) Determine manualmente la RC y la respuesta impulsional.
Es estable el sistema?
2) Compruebe los resultados anteriores usando MATLAB
Solucin
3 1 43 z 1
3z z 43
3 4 z 1
H z
1 3.5 z 1 1.5 z 2 1 3z 1 1 0.5 z 1 z 3z 0.5
Ceros :
Im{z}
Polos :
La RC es :
0.5 4/3
Re{z}
RC
No es estable el sistema.
( )
)(
( )
[ ]
[ ]
( )
[ ]
%************************************************
% Determinar el diagrama de polos y ceros
% y la respuesta impulsional
% de un sistema de tiempo discreto
%************************************************
% Funcion de Transferencia
31
B = [3 -4
0 ];
A = [1 -3.5 1.5];
% Diagrama de polos y ceros
ceros=roots(B)
polos=roots(A)
zplane(B,A); grid;
pause;
% Respuesta impulsional
[h,n]=impz(B,A);
subplot(2,1,1);
stem(n,h);
grid; ylabel('h[n]'); xlabel('n');
title('Respuesta Impulsional segun impz');
% Respuesta impulsional analitica
%n=[0:11];
hh=((1/2).^(n))+2*((3).^(n));
subplot(2,1,2);
stem(n,hh);
grid; ylabel('hh[n]'); xlabel('n');
title('Respuesta Impulsional analitica');
1.5
0.5
Imaginary Part
0
-0.5
-1
-1.5
-1
-0.5
0.5
1
Real Part
32
1.5
2.5
ceros =
0
1.3333
polos =
3.0000
0.5000
x 10 5
Respuesta Impulsional segun impz
3
h[n]
2
1
0
0
4
x 10 5
6
8
n
Respuesta Impulsional analitica
10
12
10
12
3
hh[n]
2
1
0
0
6
n
33
6. Transformada de Fourier de Tiempo

Discreto (DTFT)
A partir de la Transformada Z
X e j X z z e j
Im{z}
z e j ,
x[n] e
X e
Re{z}
jn
Esta es la DTFT directa
Existencia de la DTFT
Condicin suficiente:
Si la secuencia es absolutamente sumable, la DTFT existe.
Es decir, si
x n , la DTFT existe.
La DTFT inversa
xn
1
X e
2
e jn d
Ejemplo 14
Determinar la DTFT de la secuencia impulso unitario x n n .
Solucin:
X e j n e jn 1
n
X e j
[n
]1
Ejemplo 15
Graficar la magnitud y la fase de la DTFT de la secuencia [ ] ( )

Solucin
La secuencia es absolutamente sumable, por tanto, la DTFT existe,
(
( )|
34
[ ]

w=[-2*pi:2*pi/200:2*pi];
j=sqrt(-1);
X=1./(1-(1/2)*exp((-1)*j*w));
subplot(211);
plot(w/pi,abs(X));grid;
title('Magnitud');
subplot(212);
plot(w/pi,180*angle(X)/pi);grid;
ylabel('');title('Fase');
Magnitud
2
1.8
1.6
1.4
1.2
1
0.8
-2
-1.5
-1
-0.5
0.5
1.5
0.5
1.5
Fase
30
20
10
0
-10
-20
-30
-2
-1.5
-1
-0.5
Interpretacin de la DTFT
|X(Z)|
Im{Z}
e j
|H(ej)|
Re{Z}
35
Respuesta en Frecuencia
Es la DTFT de la respuesta impulsional :
H e j
Magnitud de la Respuesta en Frecuencia :
H e j
ganancia del sistema)

Fase de la Respuesta en Frecuencia :
desplazamiento de fase del sistema)
A partir de la Funcin de Transferencia :
(Respuesta en amplitud o
H e j
(Respuesta en fase o
H e j H z z e j
Significado de la Respuesta en Amplitud y la Respuesta en Fase.

Ejemplo 16
Dado el sistema de tiempo discreto causal con funcin de transferencia:
0.0042 z -1 0.0147 z -2 0.0034 z -3

H z
1 - 3.1582 z -1 4.0820 z -2 - 2.5235 z -3 0.6279 z -4
Obtener experimentalmente el grfico de la respuesta en amplitud y la respuesta en
fase del sistema.
Solucin
x[n]
y[n]
H(z)
%************************************************
% Obtencin Experimental de la Respuesta
% en amplitud y la Respuesta en fase de un
% Sistema de Tiempo Discreto
%************************************************
36
% Funcin de Transferencia
B = [0.0000 0.0042 0.0147 0.0034 0.0000]
A = [1.0000 -3.1582 4.0820 -2.5235 0.6279]
% Respuesta impulsional
[h,n]=impz(B,A);
stem(n,h);
grid; ylabel('h[n]'); xlabel('n');
pause;
% Obtencin Experimental de la Respuesta en magnitud
% y la Respuesta en Fase
%N=length(n);
N=1000;
n=1:N-1;
W=[0*pi:pi/800:pi]; % Vector de Frecuencias
Nw=length(W)
for m = 1:Nw
x=sin(W(m)*n);
% Secuencia de entrada
y=filter(B,A,x); % Obtencion de la salida
x=x(N-900:N-1);
y=y(N-900:N-1);
% Salida estable
ganancia(m)= max(y)/max(x);
xh = hilbert(x);
yh = hilbert(y);
fase(m)=wrapToPi( angle(yh(800)) - angle(xh(800)) );
end
% Con freqz
H=freqz(B,A,W);
Hdecibelios=20*log10(abs(H));
% Graficos
subplot(2,2,1);
plot(W/pi,20*log10(ganancia)); grid;
xlabel('w/pi'); ylabel('|H(e^jw)|,db');
title('Respuesta en amplitud obtenida experimentalmente');
subplot(2,2,3);
plot(W/pi,Hdecibelios); grid;
xlabel('w/pi'); ylabel('|H(e^jw)|,db');
title('Con la funcion freqz');
subplot(2,2,2);
plot(W/pi,180*fase/pi); grid;
xlabel('w/pi'); ylabel('<H(e^jw),');
title('Respuesta en fase obtenida experimentalmente');
subplot(2,2,4);
plot(W/pi,180*angle(H)/pi); grid;
xlabel('w/pi'); ylabel('<H(e^jw),');
title('Con la funcion freqz');
37
0.25
0.2
0.15
0.1
h[n]
0.05
-0.05
-0.1
50
100
150
n
Respuesta en amplitud obtenida experimentalmente
Respuesta en fase obtenida experimentalmente
20
200
0
100
w)|,db
-20
w),
j <H(e
j |H(e
-40
-100
-60
-80
-200
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0.1
0.2
0.3
0.4
w/pi
0.5
0.6
0.7
0.8
0.9
0.7
0.8
0.9
w/pi
Con la funcion freqz
Con la funcion freqz
20
200
0
100
w)|,db
-20
w),
j <H(e
j |H(e
-40
-100
-60
-80
-200
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0.1
0.2
0.3
w/pi
0.5
w/pi
Ejemplo 17
Para el sistema de promedio mvil de tamao N
1) Determine analticamente la respuesta en frecuencia.
2) Grafique la magnitud y la fase para N=5.
3) Compruebe los resultados anteriores usando MATLAB.
Solucin
h[n]
0.4
1/N
38
0.6
hne
He
N 1
j n
e
n0
1
N
j N2 j N2
e
e
e
N1
j
j
j
e 2 e 2 e 2
He
N
2
j n
j N
1
e
N1
1e j
1 R1

1
r 0
R
N j N 1
sen
2
2
N1
e
sen 2
sen 52 j 2
sen 2
1
5
%******************************************
% Respuesta Frecuencial del
% Sistema Promedio Mvil N=5
%******************************************
% 1) Funcin H hallada analiticamente
N=5;
w=[(-1)*pi:(2*pi)/800:pi];
j=sqrt(-1);
H=(1/N).*((sin(w.*(N/2)))./(sin(w./2)))...
.*exp(((-1)*j).*(w./2).*(N-1));
% 2)Grficos de la solucin analtica
% Graficar la magnitud de H(e^jw)
subplot(2,2,1);
plot(w/pi,abs(H));
grid; title('Magnitud calculada analiticamente');
ylabel('|H(e^jw)|'); xlabel('w/pi');
% Graficar la fase de H(e^jw)
subplot(2,2,2);
plot(w/pi,angle(H));
grid; title('Fase calculada analticamente');
ylabel('< H(e^jw)'); xlabel('w/pi');
% 2)Comprobacion con freqz
B=[1/5 1/5 1/5 1/5 1/5];
A=[1
0
0
0
0];
H=freqz(B,A,w);
% Graficar la magnitud de H(e^jw)
subplot(2,2,3);
plot(w/pi,abs(H));
grid; title('Magnitud (Comprobacion con freqz)');
39
% Graficar la fase de H(e^jw)
subplot(2,2,4);
grid; title('Fase (Comprobacion con freqz)');
Magnitud calculada analiticamente
Fase calculada analticamente
3
2
0.8
1
w)
H(e
0
w)| 0.6
j<
j |H(e
0.4
-1
0.2
-2
0
-1
-0.8
-0.6
-0.4
-0.2
0
w/pi
0.2
0.4
0.6
0.8
-3
-1
-0.8
-0.6
Magnitud (Comprobacion con freqz)
-0.4
-0.2
0
w/pi
0.2
0.4
0.6
0.8
0.4
0.6
0.8
Fase (Comprobacion con freqz)
3
2
0.8
1
w)
H(e
0
w)| 0.6
j<
j |H(e
0.4
-1
0.2
-2
0
-1
-0.8
-0.6
-0.4
-0.2
0
w/pi
0.2
0.4
0.6
0.8
-3
-1
-0.8
-0.6
-0.4
-0.2
0
w/pi
0.2
Filtros clsicos
|H(ej)|
Filtro pasa bajas
|H(ej)|
Filtro pasa altas
40
|H(ej)|
Filtro pasa banda
|H(ej)|
Filtro supresor de banda
-
Filtros Ideales Clsicos
Filtro pasa bajas
[ ]
H(ej)
Filtro pasa altas
[ ]
[ ]
-c
H(ej)
)
-c
Ejemplo 18
1) Generar una secuencia senoidal x[n] de 80 muestras con frecuencia 2/25
rad/muestra.
2) Obtener una secuencia x1[n] adicionando a la secuencia inicial un ruido aleatorio
uniformemente distribuido en el intervalo -0,25 a 0,25.
3) Obtener la secuencia y[n] filtrando la secuencia x1[n] con un sistema promedio
mvil de tamao 5 recursivamente usando la funcin filter.
4) Lo mismo del punto 3 usando la funcin fft.
41
x [n]
Tamao=84
h [n]
y [n]
Tamao=84
Tamao=84
%*****************************************
% Filtrado con el Sistema de Promedio
% Movil de Tamao 5
%*****************************************
% 1) Formar la secuencia de entrada
N=80;
n=[0:N-1];
x=sin(2*pi*n/25);
% 2) Formar la secuencia con ruido aditivo
x1=x+0.5*(rand(1,N)-0.5);
% 3) Calcular la salida usando la funcin filter
B=[1/5 1/5 1/5 1/5 1/5];
A=[1
0
0
0
0 ];
y1=filter(B,A,x1);
% 4) Usando la funcin fft
% El tamao de h, x1 debe ser N+5-1=N+4
h=[1/5 1/5 1/5 1/5 1/5 zeros(1,N-1)];
x2=[x1 zeros(1,4)];
H=fft(h);
X2=fft(x2);
Y2=H.*X2;
y2=ifft(Y2);
y2=real(y2);
% Graficar las secuencias
subplot(4,1,1); stem(n,x);
grid; ylabel('x[n]'); xlabel('n');
subplot(4,1,2); stem(n,x1);
grid; ylabel('x1[n]'); xlabel('n');
subplot(4,1,3); stem(n,y1);
grid; ylabel('y1[n]'); xlabel('n');
title('Salida obtenida empleando la funcion filter');
subplot(4,1,4); stem(n,y2(1:N));
grid; ylabel('y2[n]'); xlabel('n');
title('Salida obtenida empleando la funcion fft');
42
1
x[n]
0
-1
10
20
30
10
20
30
10
20
30
10
20
30
40
n
50
60
70
80
40
n
Salida obtenida empleando la funcion filter
50
60
70
80
40
n
Salida obtenida empleando la funcion fft
50
60
70
80
50
60
70
80
2
x1[n]
0
-2
2
y1[n]
-2
2
y2[n]
0
-2
40
n
DTFT con funciones impulso

Sea una DTFT representada en la forma:
X e
1
-0
X e j 0 0
1
j
e jn d =
X e
2
1
jn
=
0 0 e d =
2
1
1
jn
=
0 e d
0 e
2
2
xn =
jn
d =
1 j 0 n
1 j 0 n
e
e
=
2
2
1
e j 0 n e j 0 n
=
2
1
= cos 0 n
=
cos 0 n
e
j 0 n
0 0 con periodo
2 0 con periodo
43
7.Anlisis en el Dominio Transformado

El retardador ideal
La respuesta al impulso del retardador ideal es:
hid n n nd
Su respuesta en frecuencia es
(
)
cuya magnitud y la fase son: | (
)|
;
(
)
Se observa que la fase es funcin lineal de la frecuencia.
Filtros clsicos ideales con retardo

El filtro pasa-bajas ideal con retardo tiene respuesta en frecuencia:
| |
(
) {
y respuesta al impulso
(
[ ]
))
Retardo de grupo
Es una medida de la linealidad de la fase:
( )
)}
Significado del retardo de grupo

xn sn cos0 n
; yn ?
x n
H (e
X (e j )
y n
)
-
Y e j X e j H e j

S e H e e S e H e e
j
12 S e j 0 12 S e j 0 H e j e jH e
1
2
j 0
jH e j
1
2
j 0
-0
jH e j
H (e j )
-0
-
-0
0
0
44
Aproximamos H e j en 0 : H e j 0 0
Aproximamos H e j en 0 : H e j 0 0
Y e j 12 S e j 0 H e j0 e j 0 0 12 S e j 0 H e j0 e j 0 0
Y e j S e j 0 e j 0 H e j0 12 e j0 S e j 0 e j 0 H e j0 12 e j0
yn sn 0 e j0 n 0 H e j0 12 e j0 sn 0 e j0 n 0 H e j0 12 e j0
yn H e j0 sn 0 cos0n 0 0 0
Interpretacin grfica de la respuesta en frecuencia
| (
)|
| (
)|
Filtro Resonador Digital

Filtro pasabanda de banda estrecha. Se puede implementar con dos polos
conjugados complejos situados cerca de la circunferencia de radio uno.
Filtro resonador con ceros en el origen.

H z
Para
que
1 r e
se
j 0
b0
b0
H e j
j 0
j 0
1
j
z 1 r e
z ,
1 r e e 1 r e j0 e j
1
cumpla
H e j0 1
b0 1 r 1 r 2 2r cos20 .
45
el
coeficiente
b0
debe
ser
La frecuencia de resonancia es r arccos 1 r cos 0 . El ancho de banda de 3 db

2
2r
es 21 r .
Ejemplo 19
Hallar la funcin de transferencia de un resonador digital con ganancia pico unitaria
a 50 Hz, un ancho de banda de 3 db de 6 Hz, sabiendo que la frecuencia de
muestreo es 300 Hz.
clf; clear;
f0=50; deltaf=6; fs=300;
w0=f0*2*pi/fs
deltaw=deltaf*2*pi/fs
r=1-0.5*deltaw
b0=(1-r)*sqrt(1+r*r-2*r*cos(2*w0))
B=[b0 0 0]
j=sqrt(-1);
A=conv([1 (-1)*r*exp(j*w0)],[1 (-1)*r*exp((-1)*j*w0)])
W=[0:0.5:150]*2*pi/fs;
subplot(1,2,1);
H=freqz(B,A,W);
plot(W*fs/(2*pi),abs(H));grid;
subplot(1,2,2);
W=([45:0.1:55]*2*pi)/fs;
H=freqz(B,A,W);
plot(W*fs/(2*pi),abs(H));grid;
1.4
1.2
1.2
1.1
0.8
0.9
0.6
0.8
0.4
0.7
0.2
0.6
0 0
50
100
0.545 46 47 48 49 50 51 52 53 54 55
150
Filtro resonador con ceros en z 1 y z 1.

H z b0
1 z 1 z
1 r e z 1 r e
1
j 0
j 0
H e j b0
1 e j 2
e j 1 r e j0 e j
z 1 ,
1 r e j0
Ejercicio 1. Para ambos tipos de resonador, graficar con MATLAB la magnitud y la
fase en el intervalo de a ; para 0 3 , r 0.8 y para 0 3 , r 0.95 .
1
46
Filtro Ranura
Filtro con uno o ms cortes profundos en su respuesta en frecuencia.
Para implementar un filtro ranura se pueden tomar dos ceros complejos conjugados
sobre la circunferencia de radio uno.
H z b0 1 e j0 z 1 1 e j0 z 1
Para reducir el ancho de banda del corte se pueden introducir dos polos
conjugados complejos
1 e j0 z 1 1 e j0 z 1
H z b0
1 r e j0 z 1 1 r e j0 z 1
Ejemplo 20
Para el filtro ranura de dos ceros y dos polos, graficar con MATLAB la respuesta en
amplitud en el intervalo de a para 0 4 , r 0.85 .
Solucin

w0=pi/4;
r=0.85;
j=sqrt(-1);
b0=((1-r*exp(j*w0))*(1-r*exp((-1)*j*w0)))/...
((1-exp(j*w0))*(1-exp((-1)*j*w0)));
B=b0*conv([1 (-1)*exp(j*w0)],[1 (-1)*exp((-1)*j*w0)]);
A=conv([1 (-1)*r*exp(j*w0)],[1 (-1)*r*exp((-1)*j*w0)]);
W=[0:pi/400:pi];
H=freqz(B,A,W);
plot(W/pi,abs(H));grid;
title('Respuesta en amplitud de un filtro ranura');
Respuesta en amplitud de un filtro ranura
1.4
1.2
0.8
0.6
0.4
0.2
0.1
0.2
0.3
0.4
0.5
47
0.6
0.7
0.8
0.9
Filtro Peine
Su respuesta en magnitud consiste en una serie de picos regularmente espaciados,
cuya figura es semejante a la de un peine.
El sistema promedio mvil es un ejemplo sencillo de filtro peine. yn
H z
Si
1
M 1
, H z
k 0
reemplazamos
H L e j
1
M 1
M 1
1
M 1
1 z
1 z 1
, H e j
por
1
M 1
zL
sen M21 L j M2 L
e
sen2L
1
M 1
sen j M2
e
.
sen2
xn k
k 0
M 1
2
tenemos
H L z
1
M 1
1 z L M 1
,
1 zL
Ejemplo 21
Para el filtro peine con
y
magnitud y en fase en el intervalo de
Solucin
a .
graficar con MATLAB la respuesta en

% Respuesta en frecuencia
L=10;
M=3;
w=[0:(2*pi)/800:pi];
j=sqrt(-1);
H=(1/(M+1)).*((sin(w.*(L*((M+1)/2))))./(sin(w.*(L/2))))...
.*exp(w.*((-1)*j*M*L*(1/2)));
% Grafico de la magnitud de H(e^jw)
subplot(2,1,1);
plot(w/pi,abs(H));
grid; title('Respuesta en amplitud de un Filtro Peine');
% Grafico de la fase de H(e^jw)
subplot(2,1,2);
grid; title('Respuesta en fase de un Filtro Peine');
48

Respuesta en amplitud de un Filtro Peine
|H(ejw)|
0.8
0.6
0.4
0.2
0.1
0.2
0.3
0.4
0.5
w/pi
0.6
0.7
0.8
0.9
0.7
0.8
0.9
Respuesta en fase de un Filtro Peine

3
2
< H(ejw)
1
0
-1
-2
-3
0.1
0.2
0.3
0.4
0.5
w/pi
0.6
Ejercicio 2. Para el sistema con funcin de transferencia

1 z 16
H z 14
1 z 4
1. Dibujar el diagrama de polos y ceros y determinar la ROC
2. Hallar la respuesta impulsional
3. Hallar y graficar la magnitud de la respuesta en frecuencia
4. Qu tipo de filtro es?
Sistema inverso
Para un sistema LTI su sistema inverso es aquel que al conectrsele en cascada da
por resultado un sistema identidad
H z G z 1
Gz
1
H z
Ver ejemplo 5.4 y ejemplo 5.5 de Oppenheim
Sistema pasa todo

Es el sistema cuya respuesta en frecuencia tiene magnitud constante igual a la
unidad.
H e j 1
z 1 a
1 a z 1
j
e j a
j
j 1 a e
H ap e
= e
1 a e j
1 a e j
Ejemplo, H ap z
En un sistema pasa-todo cada polo est emparejado con un cero conjugado

recproco.
z 1 a
1
Si a es real: H ap z
. Polo: z a
1 . Cero: z
1 a z
a
49

Im{z}
Re{z}
1
Sistema de fase mnima

Un sistema estable y causal se llama sistema de fase mnima si su sistema inverso
tambin es causal y estable. Los polos y los ceros de un sistema de fase mnima
deben estar dentro de la circunferencia unitaria.
Descomposicin en pasa todo y fase mnima

Un sistema estable y causal siempre se puede expresar como la conexin en
cascada de un sistema de fase mnima y un sistema pasa todo.
H z H min z H ap z
Ejemplo 22
1 2 z 1
H z
1 0.2 z 1 1 0.7 z 1
Para el sistema:
Hallar la descomposicin en pasa todo y fase mnima
Im{z}
Re{z}
0.2
0.7
Im{z}
0.5
0.2
50
0.7
Re{z}
H z
1 2 z 1
1 0.5 z 1
1 0.5 z 1
1 2 z 1
1 0.2 z 1 1 0.7 z 1 1 0.5 z 1 = 1 0.2 z 1 1 0.7 z 1 1 0.5 z 1
z 1 a
H ap z
;
1 a z 1
1
1 0.5 z 1
1 1 2 z
H z 2

1 0.2 z 1 1 0.7 z 1 2 1 0.5 z 1
H z 2
1 0.5 z 1
z 1 0.5
1 0.2 z 1 1 0.7 z 1 1 0.5 z 1
Sistema con fase lineal

Un sistema LTI se dice que tiene fase lineal si:
H e j
= H e j e j
Un sistema LTI es de fase lineal generalizada si:

j
e j
H e j = A e
Ae
- Es una funcin real.
Para que un sistema causal de funcin de transferencia racional tenga fase lineal
generalizada su respuesta al impulso de tamao N debe ser real, FIR, simtrica (
h n h N 1 n ) o anti-simtrica ( h n h N 1 n ).
N impar N par
h n simtrica
Tipo I
Tipo II
h n anti-simtrica Tipo III
Tipo IV
x [n]
x [n]
Tipo I
Tipo II
x [n]
x [n]
Tipo III
Tipo IV
Para el filtro de tipo II, tenemos
H e j
N
1
2
N 1
h n e jn + h n e jn ;
n0
m N 1 n; n N 1 m
N
n
2
51
H e j
H e j
N
1
2
=
=
N
1
2
N
1
2
n0
m0
N
1
2
N
1
2
n0
m0
h n e jn + h N 1 m e j N 1m ; h m h N 1 m
h n e jn + h m e j N 1 m
N
1
2
j
= h n e jn e j N 1 n = h n e
n0
n0
N
1
N 1
2
N 1
j =
2 h n cos 2 n e j 2
H e
n0
H e
= H r e e
j
N21n e j N21n e j N21
N 1
2
N impar
Tipo I
h n simtrica
h n anti-simtrica Tipo III
Tipo
H r e j
o H i e j
N 1
II
N
1
2
N 1
2
N 1
n
2
N
1
2
H e j0
H e j
N 1
h
+ 2hn
2 n 0
N 1
2
N
2
2 hn
n0
N 1
n
2
N 1
n
2
j 2 h n sen
n0
N 1
n
2
Tipo IV
j 2 h n sen
n0
IV
2 h n cos
n0
III
N 1 2
h
+ 2 h n cos
2 n0
N par
Tipo II
Conclusiones:
Los filtros de tipo II no pueden ser pasa altas ni supresores de banda.
Los filtros de tipo III slo pueden ser filtros pasa banda.
Los filtros de tipo IV no pueden ser pasa bajas ni supresores de banda.
Los filtros de tipo I puede implementar cualquier filtro. Es el nico tipo capaz de
realizar filtros supresores de banda.
Los ceros de la funcin de transferencia de un sistema de fase lineal se presentan en
pares conjugados recprocos.
52
8. Relacin entre la DTFT y la CTFT

x[n]
xc(t)
C/D
X
X e
C/D
T
(1)
(2)
x[n]
xc(t)
2
x n x c nT
X e
1
jt
xc t
X c j e d
2
xn
1
jnT
d ,
X c j e
2
T ,
jn d
xn
X c j T e
T
2
d
, d
T
T
2 k 1
1
1
xn
X c j e jn d ,
T
2 k 2 k 1 T
2 k , 2 k , d d
1 1
2 k
xn
T X c j T e j 2 k n d
2 k
1 1
2 k
xn
T X c j T
2 k
(3)
1
xn
X e
2
e j n d
e jn d
La relacin entre las transformadas es:
X e
T1
Xc j
54
2 k
T
Interpretacin grfica
Para k 0 :
1
X 0 e j X c j ;
T
T
Para k 1:
2
1
X 1 e j X c j
Para k 1:
2
1
X 1 e j X c j
, T
T
Xc j
-S
-M
X e j
X 1 e j
-2
X 0 e j
1
T
-MT
X 1 e j
M T
X S j
1
T
X S j X e j T
-M 0
-S
j T
T X e
X c j
55
c .c .
Estructura del conversor D/C ideal
X c j X e jT H r j
x[n]
Conversor de
secuencia en tren de
impulsos
ponderados
T
xs(t)
Filtro de
reconstruccin
H r j
H r j
T
Relacin entre la seal reconstruida y la secuencia

X c j x n e jTn
n
H r j
x c t x n t nT * h r t
n
senT t
hr t
T t
sen Tt n
xc t xn
Tt n
n
56
xc(t)
Conversor D/C prctico

x[n]
X e
xa(t)
Retenedor de
orden cero
X a j
x[n]
xc(t)
xa(t)
n
p (t)
x a t x n p t nT
X a j x n P j e jnT
n
X a j P j x n e jnT
n
X a j P j X e jT
P j p t e jt dt
P j e jt dt
0
P j
1
e jt
j
P j
1
j
T
0
e jT 1
T
T
j T j T
1 j 2 j 2
2e
2
P j
e
e
e
j
P j 2
57
sen
2T
T
2
X a j P j X e jT
X a j 2
sen 2T
X a j T
X e jT T1
sen 2T
T
2
T
2
T
2
sen
X c j X e
jT
j T2
X e jT
j T2
X e jT
j T2
X a j
H j
r
1
T
T
2
T
2
sen
j T2
X a j H r j
2T
j 2T
e
X a j T T
X c j sen 2T
0
c.c.
2T
j 2T
H rr j sen 2T
0
x[n]
X e
Retenedor de
orden cero
j
T T
c.c.
Filtro de
reconstruccin
xa(t)
xc(t)
H rr j
X c j
X a j
H rr j
58
Ejemplo 23
Graficar la respuesta en amplitud del filtro de reconstruccin, conectado en
cascada con el retenedor de orden cero, para la frecuencia de muestreo de 8
kHz.
2T
j 2T
H rr j sen 2T
T T
c.c.
% Hallamos la funcin Hrr
fs=8000;
T=1/fs;
W=[(-1)*2*pi/T:(2*pi/T)/400:2*pi/T];
N=length(W);
j=sqrt(-1);
for i=1:1:N
if abs(W(i))<pi/T
x=W(i)*T/2;
Hrr(i)=(x/(sin(x)))*exp(j*x);
else
Hrr(i)=0;
end
end
% Graficamos la Magnitud de Hrr
plot(W/(2*pi),abs(Hrr));
grid; title('Respuesta en Amplitud del Filtro');
ylabel('|Hrr(jW)|'); xlabel('f');
Respuesta en Amplitud del Filtro
1.6
1.4
1.2
1
|Hrr(jW)|
0.8
0.6
0.4
0.2
0 -8000
-6000
-4000
-2000
0
f
59
2000
4000
6000
8000
9. Cambio de la Tasa de Muestreo

Reduccin de la frecuencia de muestreo en un factor entero
Sistema compresor
x n x c nT
x d n x c nT x c nMT
x d n x nM
X e
T1
Xc j
2 k
T
X e
2 r
1
X d e j
X c j MT
MT r
r i kM , 0 i M 1, k
2 i 2kM
1 M 1 1
X d e j
T X c j
MT

M i 0 k
2 i
1 M 1 j M
X d e j
X e
M i 0
j
Si M 2 , X d e j 1 X e 2
2

j 2
Xe 2
Ver Figura 4.21 y Figura 4.22 de Oppenheim
Sistema diezmador
Filtro pasabajas
Ganancia = 1
Corte = /M
60
X d e j
Incremento de la frecuencia de muestreo en un factor entero

x n x c nT
TL
x i n x c nT x c n
Sistema expansor
xe n xk n k L
k
X e e j x k n k L e jn
n k
X e e j x k n k L e jn
n
X e e j x k e jk L
k
X e jL
Xe e
Ver Figura 4.25 de Oppenheim
Sistema interpolador
Filtro pasabajas
Ganancia = L
Corte = /L
61
Cambio de la tasa de muestreo en un factor no entero

Filtro pasa-bajas
Ganancia=L
Corte=
min(/L, /M)
Procesamiento digital de seales analgicas

Sistema de
tiempo discreto
H e j
X
X e
Y e j
Y r j
Y r j T Y e j T ,
T
T1 X c j TT , T T
Y r j T H e j T X e j T ,
T
Y r j T H e j T
Y r j H e j T X c j ,
T
H e j T
H eff j
0
62
T
T
Ejemplo 24
Dado el sistema
Sistema de
tiempo
discreto
H e j
X e
donde,
Y e j
Y r j
Xc j
-2 1000
2 1000
1
H e j
0
c
c.c.
Cul es la frecuencia mnima para que al muestrear la entrada no se

produzca solapamiento?
Si c , Cul es la frecuencia mnima de muestreo que asegura que
2
y r t xc t ?
j
Para c y una frecuencia de muestreo igual a 2000 Hz, graficar X e

,
Y e j ,
Y r j , y hallar H eff j
63
Aplicacin del diezmado en la conversin A/D
Sistema de
tiempo
discreto
Filtro
antisolapamiento
Xc j
-N
H aa j
-M1
-N
M1
Filtro antisolapamiento
exacto
Corte=/M
Filtro antisolapamiento
simple
64
Xc j
-4N
-N
4N
4N
4N
H aa j
-4N
-N
X a j
-4N
-N
X e j
T
-2
NT
H e j
-2
X d e j
1
T
-2
T MT
0
65
10. Cuantizacin
Cuantizacin por redondeo:
Unipolar
- Tamao de paso de cuantizacin
Bipolar:
, -
, -
66
, -
f e
Potencia del ruido (varianza):
( )
Error RMS de cuantizacin:

D - Intervalo dinmico
L Nmero de niveles
Razn seal ruido de cuantizacin:

(
La SQNR mejora en 6 dB por cada bit adicional.

La SQNR se reduce si el intervalo dinmico excede la rms de la seal.
Ejemplo 25
Una seal vara en el intervalo -2.5V a +2.5V. Cul debe ser la cantidad de bits
para que el error rms de cuantizacin sea menor que 5mV?
D=5V;
;
; B=9 bits.
67
11. Estructuras de Sistemas de Tiempo

Discreto
Forma directa I
Forma directa II
Forma serial
Forma paralela
Directa
I, II
Serial
Paralela
Inmunidad a los efectos de

aritmtica de precisin finita
Facilidad de clculo
Smbolos
x2[n]
x1[n]
x[n]
x[n]
x1[n]+ x2[n]
a
a x [n]
z-1
x [n-1]
Ejemplo 26
Para el sistema con funcin de transferencia
dar la representacin en la forma directa I, forma directa II, forma serial y forma
paralela.
Solucin
y[n] = b0x[n]+ b1x[n-1]+ b2x[n-2] - a1y[n-1] a2y[n-2]

y[n] = 0.5x[n]-0.5x[n-2] 1.3y[n-1] 0.36y[n-2]
68
Forma directa I
y[n] = 0.5x[n]-0.5x[n-2] 1.3y[n-1] 0.36y[n-2]
y[n]
x[n]
x[n]
y[n]
0.5
z-1
z-1
-1.3
0
z-1
-0.36
-0.5
z-1
Forma directa II
x[n]
y[n]
0.5
z-1
z-1
-1.3
-0.36
0
z-1
z-1
w[n]
x[n]
-0.5
0.5
z-1
-1.3
-0.36
0
z-1
-0.5
wn xn 1.3wn 1 0.36wn 2
yn 0.5wn 0.5wn 2
69
y[n]
Forma serial
w1[n]
x[n]
y1[n]
0.5
w2[n]
z-1
z-1
-0.4
-0.9
-0.5
w1n xn 0.4w1n 1
y1n 0.5w1n 0.5w1n 1
w2 n y1 n 0.9w2 n 1
yn w2 n w2 n 1
Forma paralela
-1.39
x[n]
w2[n]
y2[n]
2.1
z-1
-0.4
w3[n]
-0.21
z-1
-0.9
y1n 1.39 xn
w2 n xn 0.4w2 n 1
y2 n 2.1w2 n
w3 n xn 0.9w3 n 1
y3 n 0.21w3 n
yn y1n y2 n y3 n
70
y3[n]
y[n]
y[n]
Forma directa I
y n b 0 x n b1 x n 1 ... b M x n M
a1 y n 1 ... a N y n N
x[n]
H z
b 0 b1 z 1 ... b M z M
1 a1 z 1 ... a N z N
y[n]
b0
z-1
z-1
-a1
b1
z-1
z-1
-aN-1
bM-1
z-1
z-1
-aN
bM
v n b 0 x n b1 x n 1 ... b M x n M
y n a1 y n 1 ... a N y n N v n
V z b 0 b1 z 1 ... b M z M X z
Y z
1
1 a1 z
... a N z
V z
Forma directa II
y[n]
x[n]
b0
z-1
-a1
b1
z-1
-aN-1
bM-1
z-1
-aN
bM
w n a1 w n 1 ... a N w n N x n
y n b 0 w n b1 w n 1 ... b M w n M
W z
1
1 a1 z 1 ... a N z N
Y z b 0 b1 z 1 ... b M z M W z
X z
71
Forma serial
M1
H z b0
1 g k z
k 1
N1
1 h k z 1 1 h k* z 1
M2
k 1
N2
1 c k z 1 1 d k z 1 1 d k* k z 1
k 1
Ns
1 b1 k z 1 b 2 k z 2
k 1
1 a1 k z 1 a 2 k z 2
H z b0
k 1
b0
y0 n xn
w k n a 1 k w k n 1 a 2 k w k n 2 y k 1 n
y k n w k n b1 k w k n 1 b 2 k w k n 2
y n b0 y N s
72
Forma paralela
M N
H z Ck z
N1
Ak
k 11 c k
k 0
z 1
N2
N2
Bk
k 11 d k
z 1
N1 N 2 N
M N
H z Ck z
k 0
Ns
b 0 k b1 k z 1
k 1
1 a1 k z 1 a 2 k z 2
b01
b11
b02
b12
b03
b13
w k n a1 k w k n 1 a 2 k w k n 2 x n
y k n b 0 k w k n b1 k w k n 1
M N
Ns
k 0
k 1
y n C k x n y k n
73
B k*
k 11 d k* z 1
Representacin de sistemas de tiempo discreto en el espacio de

estados
Ejemplo 27
Para el sistema con funcin de transferencia,
Hallar la representacin en el espacio de estados en la forma:

, ,
, , ,
, Solucin
Las ecuaciones de la forma directa II son:
, , ,
,
, , ,
-
, -
( , -
, , -
, ,
, -
]
-
1[
,
0
-[
1;
,
,
,
,
,
,
]
-
]
-
-)
, -
, -
0 1 , , -
0 1
-;
En matlab escribimos:
b=[0.5 0 -0.5]
a=[1 1.3 0.36]
[A,B,C,D]=tf2ss(b,a)
74
12. La Serie de Fourier Discreta

Una secuencia peridica ~
x n con periodo N se puede expresar a travs de la
serie de Fourier discreta (DFS):
2
N 1 ~
j kn
1
~
x n
X k e N
N k 0
La DFS es la descomposicin de ~
x n en una suma de N exponenciales
complejas armnicamente relacionadas. Los valores de los coeficientes de la

DFS se calculan con la frmula:
2
N 1
j kn
~
X k ~
x n e N
n0
Ejemplo 28
~
Hallar los coeficientes de la DFS de la secuencia peridica x n
esta secuencia como una serie de Fourier Discreta
...
...
0
, -
, -
Solucin
, , , -
, -
, -
, -
, -
, , -
, , -
, -
, -
, -
, , -
, -
/
(
, .
.
/
/
, , -
)
/
, , 75
y expresar
, -
La DFS y la DTFT
Para la secuencia peridica ~
x n con periodo N los coeficientes de la DFS son:
N 1
j
~
X k ~
x n e
2
kn
N
n0
Definimos la secuencia de extensin finita

~
x n , 0 n N 1
xn
c .c .
0,
La DTFT de la secuencia x n es:

X e j =
N 1
n0
X e j = x n e jn = x n e jn
N 1
~x n e jn
n0
Se observa que se cumple
~
X k X e j
Ejemplo 29
2
k
N
Hallar la DTFT de la secuencia
X e j
0
=
x n e jn
1 e j 0 1 e j1 1 e j
Si comparamos esta DTFT con los coeficientes de la DFS del ejemplo anterior
vemos que se cumple la relacin:
~ k 1 e j 23 k X e j
X
23 k
La convolucin peridica
Dadas las secuencias peridicas ~
x1 n , ~
x 2 n ambas con periodo N, se define
la convolucin peridica como la operacin:
~
x1 n
N 1
~
x2 n ~
x1 m ~
x2 n m
m0
Ejemplo 30
Hallar la convolucin peridica de las secuencias ~
x1 m y ~
x2 m
N 1
~
x3 n ~
x1 m ~
x2 n m
m 0
76
~
x1 m
4
0
~
x2 m
0
~
x2 m
m
~
x 2 1 m
0
~
x3 0 7
~
x 1 5
3
~
x3 2 3
~
x3 3 6
~
x 4 9
3
Ver Tabla 8.1 de Oppenheim
77
13. La Transformada Discreta de Fourier

(DFT)
Dada una secuencia de extensin finita de longitud N
xn
N-1
Para encontrar x n a partir de su DTFT, deben ser suficientes N muestras de
X e j en las frecuencias
0 , 1 , ..., N 1 .
Puesto que la DTFT est dada por la expresin
X e j = x n e jn
n
tenemos N ecuaciones con N incgnitas
= x 0 x 1e j x 2 e j 2 ... x N 1e j N 1
= x 0 x 1e j x 2 e j 2 ... x N 1e j
X e j
X e j 0
N 1
N 1
N 1 N 1
N 1
Este sistema de ecuaciones tiene solucin nica si slo si las frecuencias

0 , 1 , ..., N 1 son distintas.
Si escogemos
2
N
k , k 0 ,1,..., N 1 , las N muestras de
Transformada Discreta de Fourier (DFT)

2
N 1
j kn
x n e N , 0 k N 1
X k n0
0,
c .c .
y su transformada inversa es:

2
1 N 1
j kn
X k e N , 0 n N 1
x n N k 0
0,
c .c .
Usando el factor Twiddle

(
N 1
kn
xn WN , 0 k N 1
X k n0
0,
c .c .
y su transformada inversa es:

78
X e j
se llaman
1 N 1
kn
X k W N , 0 n N 1
x n N k 0
0,
c.c.
Operacin n mdulo N
n
Re siduo de ,
n0
N
nN
Re siduo de n N , n 0
La DFT y la DFS
x n x n r N , entonces
Si definimos ~
~
X k X k ,
0 k N 1.
r
Esto significa que X k corresponde a un periodo de la DFS de una secuencia
peridica ~
x n obtenida por la repeticin de x n .
Tambin, podemos escribir que, si ~

x n x n N , entonces
La DFT y la DTFT
X e j
, 0 k N 1
2
k
X k
N
0
,
c .c .
La DFT y la Transformada Z
2
j
k
X z
, 0 k N 1
z e N
X k
0,
c.c.
Desplazamiento Circular
xn
0 1 2 3 4
x n 3 5
0 1 2 3 4
79
~
X k X k N
La convolucin circular
Dadas las secuencias x1 n ,
circular como la operacin:
x1 n
x2 n
de extensin finita, se define la convolucin
N 1
x 2 n x1 m x 2 n m N
m 0
0 n N 1
Ejemplo
Hallar la convolucin circular de las secuencias
x1 n , x 2 n .
5
x1 m
x2 m
3
2
0
5
x 2 m 5
3
2
1
0
x 2 1 m 5
5
4
x1 m 5
x2 m
2
12
1
10
9
8
x 2 2 m 5
5
4
3
2
1
m
80
La convolucin circular y la convolucin lineal

Si
x1 n
x2 n
tiene extensin M N , entonces

x1 n N x 2 n x1 n x 2 n para M 1 n N 1 .
Ejemplo
La convolucin lineal de las secuencias del ejemplo anterior es:
x1 n x 2 n
12
9
9
6
5
3
1
0
Si
x1 n
tiene extensin
x1 n
x2 n
tiene extensin N 2 , entonces

x 2 n x1 n x 2 n si N N 1 N 2 1 .
N1
Ejemplo
La convolucin circular de longitud 7 de las secuencias
convolucin lineal.
5
x2 n
3
2
es igual a la
x1 n
x1 n , x 2 n
Ver Tabla 8.2 de Oppenheim
81
14. Complejidad del clculo de la salida

1. Por convolucin
x n
y n
h n
y n x m h n m
m
Sean las secuencias x n , h n de extensin finita de longitud M

Operaciones
1+2+...+M-1+M+M-1+...+2+1
0+1+...+M-2+M-1+M-2+...+1+0
Total
M2
(M-1)2
2. Mediante la DFT de longitud 2M-1

x[n]
X[k]
h[n]
H[k]
M 1
X k xn e
Y[k]
2
kn
N
n0
k 0 ,1,..., N 1
N 2M 1
Por cada muestra de
X k
Operaciones
Total
M
M-1
Operaciones
Total
M (2M-1)
(M-1) (2M-1)
Para una DFT
Para el producto
X k H k
Operaciones
Total
2M-1
0
82
y[n]
Para la IDFT
2
j kn
1 2 M 2
Y k e N ,
2 M 1 k 0
yn
Por cada muestra de y n

Operaciones
0 n 2M 2
Total
2M-1
2M-2
Para toda la IDFT

Operaciones
+
Total mediante DFT
Operaciones
Total
(2M-1)2
(2M-2) (2M-1)
2M(2M-1) + (2M-1) + (2M-1)

2(M-1) (2M-1) + (2M-2) (2M-1)
Total Aprox.
8M2
8(M-1)2
La Transformada Rpida de Fourier (FFT)

Mediante diezmado en el tiempo
N 1
X k xn e
2
N
k n
n 0
X k x n e
2
k n
N
n par
N
1
2
X k x 2 r e
r 0
, 0 k N 1
x n e
2
k n
N
n impar
2
k 2 r
N
N
1
2
x 2 r 1 e
r 0
83
2
k 2 r 1
N
N
1
2
2
N
2
k r
X k x 2 r e
r 0
2
N
j k r
2
1
N
j k 2
e N x 2 r 1 e 2
r 0
DFT de muestras pares
X k G k N
2
k
N H k N
Usando la notacin W N e
X k G k N
DFT de muestras impares
2
N
W k H k N
N
DFT de N/2
puntos
DFT
de de
N/2
DFT
puntos
N/2
puntos
84
Nmero de operaciones en cada etapa

Operaciones
Total
N
+
N
Nmero de etapas: log 2 N
Total Operaciones por FFT:
Operaciones
+
Estructura Mariposa
Total
N log 2 N
N log 2 N
85
WN
N
2
2
N
r N2 W r
Nmero de operaciones:
Operaciones
Total
(N/2) log 2
N log 2 N
Complejidad del clculo de la salida

Operaciones
2M
3
log 2 2 M 2 M
Total
M 5 3 log 2 M
3 2 M log 2 2 M
6 M 1 log 2 M
Ejemplo
Para N=256
Operaciones
Clculo por convolucin

M2 = 65536
(M-1)2 = 65025
Clculo con FFT

M 5 3 log 2 M = 7424
6 M 1 log 2 M = 13824
Clculo de la salida mediante la DFT

x[n]
X[k]
h[n]
H[k]
1
86
Y[k]
y[n]
Filtrado FIR por solapamiento y suma con DFT

L
x1 n
P1
ceros
x2 n
P1
ceros
x3 n
y1 n
P 1 puntos
que se suman
y 2 n
P 1 puntos
que se suman
y 3 n
87
Filtrado FIR por solapamiento y almacenamiento con DFT
x1 n
P-1
P1
ceros
x2 n
x3 n
y1 n
P1
puntos
que se
desprecian
y 2 n
P1
puntos
que se
desprecian
y 3 n
P1
puntos
que se
desprecian
88
15. Diseo de Filtros Digitales

El objetivo es determinar los coeficientes de la ecuacin en diferencias de
forma que el filtro cumpla un esquema de tolerancias
y n b0 x n b1 x n 1 ...b M x n M
a1 y n 1...a N y n N
Al disear un filtro pasa bajas se puede exigir que la curva de la magnitud de la

respuesta en frecuencia cumpla las especificaciones dadas en el esquema
|H(ej)|
1+p
1
1-p
r
0
H e j
dB
-p
-r
89
Mtodos de Diseo de Filtros

Filtros IIR
A partir de filtros analgicos
Invarianza impulsional
Transformacin bilineal
Aproximacin de derivadas
Mtodo directo
Minimizacin del error cuadrtico medio
Filtros FIR
Por enventanado
Por optimizacin
Por muestreo de la respuesta frecuencial
Diseo de un filtro digital a partir de un filtro analgico
Esquema de Tolerancias del Filtro Digital
Paso 1
Esquema de Tolerancias del Filtro Analgico
Paso 2
Funcin de Transferencia del Filtro Analgico
Ha(s)
Paso 3
Funcin de Transferencia del Filtro Digital
H(z)
Paso 4
Ecuacin en Diferencias
90
Filtro de Butterworth
|H(j)|, dB
p
-p
-r
10r
10 1
log p
10
10 1
N
r
2 log

p
p
p
10
10 1
1
2N
sk C
sk
N 1 k 2
2N
k 0,1,2,..., N 1
H a s
|Ha(j)|
1
CN
1
2
s s
k
k 1
0
91
Filtro de Chebyshev
|H(j)|, dB
p
0
10
10
1
1
cosh
p
10
10 1
N

cosh 1 r

p
-p
-r
p
10 10 1
a 12 N
1
1 1 2
N1
b 12 N
1
N1
sk a p cos k j b p sen k
N 1 k 2
2N
; k 0,1,..., N 1
K:
1
, N par
2
1
H a 0
1,
N impar
|Ha(j)|
1
1-p
H a s
K
N
s s
k
k 1
92
Clculo del Coeficiente K de la Funcin de Transferencia
K:
|Ha(j)|
1
1
, N par
H a 0 1 2
1,
N impar
1-p
0
H a s
H a j 0
1
, N par
1 2
1,
N impar
s s
1
, N par
H a 0 N
1 2
N impar
sk 1,
k 1
k 1
N
1
sk , N par
2
K N1 k 1
s ,
N impar
k
k 1
Invarianza Impulsional
Se basa en el muestreo de la respuesta impulsional del filtro analgico
h n T h a nT
Paso 1
Al pasar de las especificaciones del filtro digital a las especificaciones del filtro
analgico basta hacer :
Relacin entre los polos del filtro analgico y los polos del filtro digital
N
H a s
Ak
k 1 ss k
ha t Ak e sk t u t
k 1
93
h n T h a nT T A k e s k nT u nT
k 1
T A k e s k T
k 1
n u n
Ak
H zT
k 1 1e s k T
z 1
Los polos del filtro digital son :
s
p k e k T e T Re S k e jT Im S k
Si Resk 0
pk 1
En consecuencia, si el filtro analgico es estable, entonces el filtro digital ser

tambin estable.
Como Ha(j) nunca es perfectamente limitada en frecuencia, se produce
superposicin espectral. Por ello, este mtodo no se aplica a filtros pasa altas ni
supresores de banda.
Paso 3
Ba s
H a s
H z
Aa s
Residue()
H a s
Ak
h a t Ak e
k 1
s k t
A z
Residuez()
Ak
H zT
k 1 1e s k T z 1
k 1 ss k
B z
h n T A k e s k T
u t
k 1
94
n u n
Ejemplo 31
A partir de un filtro analgico de Butterworth disear un filtro digital IIR pasa
bajas, por Invarianza Impulsional, con las especificaciones :
H e j , dB
0,2 0,3
0
-1
-15
r 15
p 1
H a j
0.2
T
p r
0.3
T
r
H a s
CN
N 5.89
s s
N 6
k 1
s1, 6
0.703 j 180 75
e
T
s2 , 5
95
0.703
T
0.703 j 180 45
e
T
0.703 j 18015
e
T
6
0.703
H a s
s s1 ... s s6
s3, 4
H a s
A6
A1
...
s s1
s s6
A1, 6 0.144 j 0.249 T

A2,5 1.07 T
A3, 4 0.927 j1.61 T
A6
A1
H z T
...
1 z z 1
1 z 6 z 1
z1, 6 e
s1, 6T
0.649 j 0.524
z 2,5 e
s 2 , 5T
0.535 j 0.290
z 3, 4 e
s3 , 4T
0.499 j 0.092
%****************************************************
% Diseo de un filtro digital a partir de un filtro
% analogico de Butterworth por Invarianza Impulsional
%****************************************************
clear;clf;
ap=1;
ar=15;
wp=0.2*pi;
wr=0.3*pi;
% PASO 1
T=1;
Wp=wp/T;
Wr=wr/T;
% PASO 2
% Hallamos la orden del filtro
N=(log10(((10^(ar/10))-1)/((10^(ap/10))-1)))...
/(2*log10(Wr/Wp));
N=ceil(N);
N=N
% Hallamos la frecuencia de media potencia
Wc=(Wp)/(((10^(ap/10))-1)^(1/(2*N)));
% Hallamos los polos del filtro analogico
theta= (pi*(N+1)+2*pi*[0:N-1])./(2*N);
j=sqrt(-1);
sk=Wc*cos(theta)+j*Wc*sin(theta);
% Funcion de transferencia del filtro analogico
96
B=[ Wc^(N)];
A=poly(sk);
% PASO 3
% Expandimos en fracciones parciales
[R,P,K] = residue(B,A);
% Hallamos los polos del filtro digital
pk=exp(P*T);
[b,a] = residuez(R,pk,K);
% PASO 4
b=real(b)
a=real(a)
% Graficar la magnitud de la respuesta en frecuencia
W=[0:pi/50:0.35*pi];
H=freqz(b,a,W);
plot(W/pi,Hdecibelios);
grid; title('Respuesta en frecuencia');
ylabel('|H(e^jw)|, db'); xlabel('w/pi');
|H(e^jw)|, db
-5
-10
-15
-20
-25
N =
b =
a =
yn
0.05
6
0.0000 0.0006
1.0000 -3.3635
= 0.0000*xn +
+ 0.0161*xn-3
+ 0*xn-6 +
+ 3.3635*yn-1
- 2.1066*yn-4
0.1
0.15
w/pi
0.2
0.25
0.3
0.35
0.0101 0.0161 0.0041 0.0001 0

5.0684 -4.2759 2.1066 -0.5706 0.0661
0.0006*xn-1 + 0.0101*xn-2 +
+ 0.0041*xn-4 + 0.0001*xn-5 +
- 5.0684*yn-2 + 4.2759*yn-3 +
+ 0.5706*yn-5 - 0.0661*yn-6
97
Transformacin Bilineal
Para obtener la funcin de transferencia del filtro digital a partir de la funcin
de transferencia del filtro analgico se aplica la transformacin
H z H a s
1 z 1
s T2
1 z 1
Correspondencia entre el plano S y el plano Z
2
T
Plano S
Plano Z
El eje imaginario del plano S es mapeado en la circunferencia unitaria del

plano Z :
j
j
2
2
T
2
T
j
ze
j j T2 tan2
Paso1
1 e
1 e
j tan
2
tan
T
2
|H(ej)|
|Ha(j)|
0
98
La transformacin bilineal inversa es :
1 T s
2
1 T
2
A cada polo y a cada cero de Ha(s) aplicamos esta transformacin y

encontramos los polos y los ceros de H(z)
N
H z A
z z
k
k 1
N
z p
k
k 1
El coeficiente A se calcula de la condicin :
H e j
H a j
Clculo del coeficiente A al usar el Filtro Analgico de Chebyshev de tipo I
H e j
H a j
H 1 H a 0
1
, N par
H 1 H a 0 1 2
1,
N impar
N
1 z
1
, N par
H 1 A
1 2
N impar
1 pk 1,
k
k 1
N
k 1
1 pk
k N1
, N par
2
1
1 zk
k 1
A N
1 pk
k 1
,
N impar
N
1 z k
k 1
99
Ejemplo 32
A partir de un filtro analgico de Chebyshev tipo I disear un filtro digital IIR
pasa bajas, por Transformacin Bilineal, con las especificaciones :
H e j , dB
0,2 0,3
0
-1
-15
p 1
r 15
H a j
0.2 0.650
p T2 tan
T
2
0.3 1.02
r T2 tan
T
2
p r
100
H a s
N 3.02
K
N
s s
N 4
0.044
K
T4
k 1
s1, 4
0.219 j 0.265
T
s2 , 3
0.091 j 0.640
T
0.044
T4
H a s
s s1 s s2 s s3 s s4
H z H a s s 2 1 z
T
s sk
2
T
1 z 1
z 1
sk
z 1
2
T
2
T
1 z 1
1 z 1
2
T
z 1
z 1
z 1 T s k z 1
2
z 1
1 T s k z 1 T s k
2
2
2
z 1
0.044
T4
Hz
1 T2 s k z 1 T2 s k
16 4
4
T k 1
Hz
z 1
0.044
z 1 z 1 z 1 z 1
4
T
1 T2 s k z 1 T2 s k
16 4
4
T k 1
Los polos del filtro digital son :

Los ceros del filtro digital son :
pk
1 T s k
2
1 T s k
2
z 1 , 2 , 3 , 4 1
101
1 T s
2
1 T s
2
%******************************************
% Diseno de un filtro digital
% a partir del filtro de Chebyshev I
% por transformacion bilineal
%******************************************
clear;clf;
ap=1;
ar=15;
wp=0.2*pi;
wr=0.3*pi;
% PASO 1
Wp=2*tan(wp/2);
Wr=2*tan(wr/2);
% PASO 2
% Hallamos el orden del filtro
N=acosh(sqrt((10^(ar/10)-1)...
/ (10^(ap/10)-1))) / acosh(Wr/Wp);
N=ceil(N);
N=N
% Hallamos los polos del filtro analogico
epsilon=sqrt(10^(ap/10)-1);
j=sqrt(-1);
angulos=( pi*(N+1) + [0:N-1]*2*pi )./(2*N);
alfa=(epsilon^(-1)) + sqrt(1+epsilon^(-2));
aa=(1/2)*( (alfa^(1/N)) - (alfa^(-1/N)) );
bb=(1/2)*( (alfa^(1/N)) + (alfa^(-1/N)) );
sk=aa*Wp*cos(angulos)+j*bb*Wp*sin(angulos);
% Hallamos la constante multiplicativa k preliminar
if rem(N,2)==1
K=1;
else
K=1/sqrt(1+epsilon^2);
end
% PASO 3
% Hallamos los polos y zeros del filtro digital
pk=(1+sk/2)./(1-sk/2);
zk=-1*ones(1,N);
A=K*prod(ones(1,N)-pk)/prod(ones(1,N)-zk);
% PASO 4
% Coeficientes del filtro digital
b=A*poly(zk);
a=poly(pk);
a=real(a)
b=real(b)
102
% GRAFICO
W=[0:pi/50:0.45*pi];
H=freqz(b,a,W);
ylabel('|H(e^jw)|, db');
xlabel('w/pi');
0
-5
-10
|H(e^jw)|, db
-15
-20
-25
-30
-35
-40
-45
0
N
b
a
y
0.05
0.1
0.15
0.2
0.25
w/pi
0.3
= 4
=
0.0018
0.0073
0.0110
0.0073
=
1.0000
-3.0543
3.8290
-2.2925
n = 0.0018*xn+0.0073*xn-1+0.0110*xn-2+
+0.0073*xn-3+0.0018*xn-4+
+3.0543*yn-1-3.8290*yn-2+
+2.2925*yn-3-0.5507*yn-4
103
0.35
0.0018
0.5507
0.4
0.45
Mtodo de Enventanado
Un filtro pasa bajas ideal tiene respuesta en frecuencia:
Hi (e j)
1
-C
La respuesta impulsional es :
hi [n]
1/4
hi n
senC n
n
...
...
n
hi [n]
1/4
...
...
0
w [n]
Ventana
Rectangular
hn hi n wn
h [n]
1/4
104
Operacin en el Dominio Temporal
senC n
n
1, N21 n N21
wn
0, c.c.
hn hi n wn
hi n
Ventana Rectangular
Respuesta al impulso real
senC n
, N21 n
hn n
0, c.c.
N 1
2
Operacin en el Dominio Frecuencial

Hi (ej)
W (ej)
-C
H (ej)
H e j H i e j W e j
W e j
senN 2
sen 2
-
DTFT de la Ventana
|W (ej)|
A
-
105
- Ancho del lbulo principal

A - Amplitud mxima de los lbulos secundarios, relativa al lbulo principal
En la ventana rectangular tenemos :
A= -13 dB
4
N
Aproximacin de la Respuesta Frecuencial Ideal
|H (ej)|
|Hi (ej)|
1+
1-
W (e j( - ) )
Cuando aumenta el tamao de la ventana se reduce la banda de transicin;

sin embargo, la amplitud del risado no disminuye (efecto de Gibbs).
- Error mximo entre H(ej) y Hi (ej) para cualquier valor de N es = -21 dB
Ejemplos de ventanas
w [n]
Ventana Rectangular
wn 1, 0 n N 1
w [n]
Ventana de Bartlett o Triangular
2Nn11 ,
wn
2 n 1
2
,
N 1
0n
N 1
2
N 1
2
n N 1
106
w [n]
1
Ventana de Hanning
wn 12 12 cos
2 n 1
N 1
, 0 n N 1
w [n]
1
Ventana de Hamming
wn 0,54 0,46 cos
, 0 n N 1
2 n
N 1
w [n]
1
Ventana de Blackman
wn 0,42 0,5 cos
2 n 1
N 1
0,08 cos
4 n 1
N 1
w [n]
=4
Ventana de Kaiser
0
2
I 0 1 n
, 0 n N 1
wn
I 0
N 1 2,
I 0 . es funcin de Bessel
107
Tabla comparativa
A, dB
, dB
Rectangular
-13
4/N
-21
1,81/N
Bartlett
-25
8/N
-25
1,33
2,37/N
Hanning
-31
8/N
-44
3,86
5,01/N
Hamming
-41
8/N
-53
4,86
6,27/N
Blackman
-57
12/N
-74
7,04
9,19/N
Ventana
p/ Kaiser de Kaiser
Procedimiento de diseo por enventanado buscando utilizar la ventana ms

simple
1. Dado el esquema de tolerancias, se especifica la magnitud de la respuesta
en frecuencia ideal
|Hi (ej)|
1+p
1-p
r
0
2.
3.
4.
5.
6.
Hallar hi [n]
Escoger una ventana con error mximo inferior a las tolerancias
Calcular N y redondear hacia arriba
Obtener el filtro h [n] = hi [n] wi [n]
Verificar si las tolerancias son satisfechas:
o Si no satisface, aumentar N e ir al paso 5 hasta que satisfaga
o Si satisface, reducir N e ir al paso 5 mientras satisface
108
Ejemplo 33
Disear un filtro pasa-bajas que cumpla las especificaciones
|Hi (e j)|
1 + 0,02
1 - 0,02
0,01
0
0,2
0,3
1. Trazamos la magnitud de la respuesta en frecuencia ideal
|Hi (e j)|
1 + 0,02
1 - 0,02
0,01
0
2. Hallamos hi [n] :
0,2
0,3
C p r 2
hi n
sen0.25n
n
3. Escogemos una ventana con error mximo inferior a las tolerancias :
min r , p 0,01
20 log 0,01 40dB

Hanning, Hamming o Blackman
4. Calculamos N:
N r8 p
8N r p ;
N 80
%********************************************
% Diseo de un filtro digital por Enventanado
%********************************************
clear;clf;
% PASO 1
deltap=0.02;
deltar=0.01;
wp=0.2*pi;
wr=0.3*pi;
% PASO 2
wc=(wp+wr)/2;
% PASO 3
delta=min(deltar,deltap);
deltadB=20*log10(delta)
109
% PASO 4
N=8*pi/(wr-wp);
N=ceil(N);
if rem(N,2)==1 %Para filtros LP no es necesario
N=N
else
N=N+1
end
%N=N-20
% PASO 5
% Formamos la Ventana de Hanning
w = hanning(N);
w=w';
n=[0:N-1];
stem(n,w);
grid; title('Ventana de Hanning');
ylabel('w[n]'); xlabel('n');
% Respuesta Impulsional Ideal
pause;
hi=(sin(wc*(n-(N-1)/2)))./((n-(N-1)/2)*pi);
hi(((N-1)/2)+1)=wc/pi;
stem(n,hi);
grid; title('Respuesta Impulsional Ideal');
ylabel('hi[n]'); xlabel('n');
% Respuesta Impulsional del Filtro
pause;
h=hi.*w;
stem(n,h);grid;
title('Respuesta Impulsional del Filtro');
ylabel('h[n]'); xlabel('n');
% Formamos los coeficientes de la Ecuacin
b=h;
a=zeros(1,N);
a(1)=1;
% Graficamos la magnitud de la
% respuesta en frecuencia
W=[0:pi/400:0.4*pi];
H=freqz(b,a,W);
pause;
110
Ventana de Hanning
1
0.9
0.8
w[n]
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
10
20
30
n
Respuesta Impulsional Ideal
40
50
60
0.25
0.2
hi[n]
0.15
0.1
0.05
0
-0.05
-0.1
10
20
30
n
40
50
60
40
50
60
Respuesta Impulsional del Filtro

0.25
0.2
h[n]
0.15
0.1
0.05
-0.05
10
20
30
n
111
20
|H(e^jw)|, db
-20
-40
-60
-80
-100
0.05
0.1
0.15
0.2
w/pi
0.25
0.3
0.35
0.4
b =
0.0000
-0.0001
0.0000
0.0003
0.0008
0.0008
0.0000
-0.0015
-0.0028
-0.0025
0.0000
0.0039
0.0066
0.0056
0.0000
-0.0079
-0.0131
-0.0108
0.0000
0.0147
0.0243
0.0202
0.0000
-0.0283
-0.0483
-0.0422
0.0000
0.0733
0.1575
0.2245
0.2500
0.2245
0.1575
0.0733
0.0000
-0.0422
-0.0483
-0.0283
0.0000
0.0202
0.0243
0.0147
0.0000
-0.0108
-0.0131
-0.0079
0.0000
0.0056
0.0066
0.0039
0.0000
-0.0025
-0.0028
-0.0015
0.0000
0.0008
0.0008
0.0003
0.0000
-0.0001
0.0000
Diferencias entre Filtros FIR e IIR
Los filtros IIR producen en general distorsin de fase, es decir la fase no es

lineal con la frecuencia.
Los filtros FIR son de fase lineal.
El orden de un filtro IIR es mucho menor que el de un filtro FIR para una
misma aplicacin.
Los filtros FIR son siempre estables.
112
Diseo mediante la ventana de Kaiser

2
I 0 1 n
, 0 n N 1
wn
I 0
N 1 2,
I 0 . es funcin de Bessel
Para calcular el parmetro de forma hacemos:

(
) Parmetro de ondulacin.
( ) - Atenuacin real en la banda de supresin.
(
)
{
(
)
(
)
%******************************************************
% Diseo de un filtro pasa-bajas empleando la ventana de Kaiser
%******************************************************
%PASO 1
wp=0.2*pi
wr=0.3*pi
deltap=0.02
deltar=0.01
delta=min(deltap,deltar)
%PASO2
wc=(wp+wr)/2
%PASO3
deltaw=wr-wp
A=(-1)*20*log10(delta)
if A<21 beta=0
elseif A<=50
beta=0.5842*((A-21)^(0.4))+0.07886*(A-21)
else
beta=0.1102*(A-8.7)
end
N=((A-8)/(2.285*deltaw))+1
N=ceil(N)
if rem(N,2)==1
N=N
else
N=N+1
end
alfa=(N-1)/2
%PASO 4
wkaiser=kaiser(N,beta)
w=wkaiser'
113
n=0:N-1;
hi=(sin(wc*(n-alfa)))./(pi*(n-alfa))
hi(((N-1)/2)+1)=wc/pi;
x=length(hi)
y=length(w)
h=hi.*w
b=h;
a=zeros(1,N);
a(1)=1;
W=[0:pi/400:0.4*pi];
H=freqz(b,a,W);
10
-10
|H(ejw)|, db
-20
-30
-40
-50
-60
-70
-80
0.05
0.1
0.15
0.2
w/pi
0.25
0.3
0.35
0.4
%******************************************************
%Diseo de un filtro pasa-altas empleando la ventana de Kaiser
%******************************************************
%PASO 1
wp=0.5*pi
wr=0.35*pi
deltap=0.021
deltar=0.021
delta=min(deltap,deltar)
%PASO2
wc=(wp+wr)/2
%PASO3
deltaw=wp-wr
A=(-1)*20*log10(delta)
if A<21 beta=0
114
elseif A<=50
beta=0.5842*((A-21)^(0.4))+0.07886*(A-21)
else
beta=0.1102*(A-8.7)
end
N=((A-8)/(2.285*deltaw))+1
N=ceil(N)
if rem(N,2)==1
N=N
else
N=N+1
end
alfa=(N-1)/2
%PASO 4
wkaiser=kaiser(N,beta)
w=wkaiser'
n=0:N-1;
hi=(sin(wc*(n-alfa)))./(pi*(n-alfa))
%hi(((N-1)/2)+1)=wc/pi;
hi=(-1)*hi
hi(((N-1)/2)+1)=1-(wc/pi)
h=hi.*w
b=h;
a=zeros(1,N);
a(1)=1;
W=[0.2*pi:pi/400:pi];
H=freqz(b,a,W);
10
-10
-20
|H(ejw)|, db
-30
-40
-50
-60
-70
-80
-90
0.2
0.3
0.4
0.5
0.6
w/pi
115
0.7
0.8
0.9
Mtodo de muestreo en frecuencia

Se obtiene , - muestreando la respuesta en frecuencia deseada en puntos
equiespaciados en el dominio de la frecuencia.
Ejemplo 34
Disear un filtro pasa-bajas con frecuencia de corte
Solucin
Tomamos 10 muestras (
) dentro de un periodo de la respuesta en
frecuencia ideal:
| , -| *
+
(
)
, Para que la respuesta al impulso , - sea real, , - debe ser conjugada
simtrica con respecto a
.
, , , , , , , , , , , , , , Ahora calculamos la DFT inversa:
clear;clf;
j=sqrt(-1);
H0=1;
H1= exp((-1)*j*0.9*pi);
H2= exp((-1)*j*1.8*pi);
H3=0; H4=0; H5=0; H6=0; H7=0;
H8=conj(H2);
H9=conj(H1);
H=[H0 H1 H2 H3 H4 H5 H6 H7 H8 H9];
h=ifft(H)
W=[0:2*pi/100:2*pi];
H=freqz(h,1,W);
1.4
1.2
1
0.8
0.6
0.4
0.2
0 0
0.2
0.4
0.6
0.8
116
1.2
1.4
1.6
1.8
El resultado es:
h = [0.0716 -0.0794 -0.1000 0.1558 0.4520 ...

0.4520 0.1558 -0.1000 -0.0794 0.0716]
Cerca a la frecuencia de corte hay una sobre-elongacin; para reducirla
podemos hacer , -
clear;clf;
j=sqrt(-1);
H0=1;
H1= exp((-1)*j*0.9*pi);
H2= 0.5*exp((-1)*j*1.8*pi);
H3=0; H4=0; H5=0; H6=0; H7=0;
H8=conj(H2);
H9=conj(H1);
H=[H0 H1 H2 H3 H4 H5 H6 H7 H8 H9];
h=ifft(H)
W=[0:2*pi/100:2*pi];
H=freqz(h,1,W);
1.4
1.2
1
0.8
0.6
0.4
0.2
0 0
0.2
0.4
0.6
0.8
1.2
1.4
1.6
1.8
El resultado es:
h = [-0.0093 -0.0485 0.0000 0.1867 0.3711 ...

0.3711 0.1867 0
-0.0485 -0.0093]
117
%Diseo de filtro pasabajas

N=20;
wc=0.8*pi;
gana1=zeros(1,(N/2)+1);
for i=1:(N/2)
if 2*(i-1)*pi/N<wc
gana1(i)=1;
end;
if 2*(i-1)*pi/N==wc
gana1(i)=0.5;
end;
end;
k=[0:N/2];
fase1=((-1)*(N-1)*k*pi)/N;
m=(N/2)-1;
for i=2:(N/2)
fase2(m)=fase1(i);
gana2(m)=gana1(i);
m=m-1;
end;
fase=[fase1 (-1)*fase2];
magnitud=[gana1 gana2];
HH=magnitud.*exp(j*(fase));
h=ifft(HH)
W=[0:2*pi/2000:2*pi];
H=freqz(h,1,W);
118
Filtro Adaptativo
Cancelacin de ruido con filtro adaptativo
Seal y
Ruido
, -
, -
, -
, -
ADC
+
, -
Ruido
, ADC
Filtro Adaptativo
, , -
Algoritmo LMS
, - , -
%---------------------------------% Filtrado Adaptativo

% Algoritmo LMS
%---------------------------------close all; clear all;
[s, fs] = wavread('arch_voz.wav');
s=s';
N=length(s)
t=0:1:N-1;
t=t/fs;
x=0.8*(rand(1,N)-0.5);
n=filter([0 0 0 0 0 0.5],1,x);
d=s+n;
mu=0.01;
Nw=31;
w=zeros(1,Nw);
y=zeros(1,N);
e=y;
for m=Nw+1:1:N-1
sum=0;
for i=1:1:Nw
sum=sum+w(i)*x(m-i+1);
end
119
DAC
y(m)=sum;
e(m)=d(m)-y(m);
for i=1:1:Nw
w(i)=w(i)+2*mu*e(m)*x(m-i+1);
end
end
subplot(2,1,1);
plot(t,s);grid;title('Seal original');
subplot(2,1,2);
plot(t,d);grid;title('Seal original + Ruido');
pause;
subplot(2,1,1);
plot(t,s);grid;title('Seal original');
subplot(2,1,2);
plot(t,e);grid;title('Seal restaurada');
wavwrite(d,'arch_voz_ruid.wav');
wavwrite(e,'arch_voz_rest.wav');
Seal original
0.15
0.1
0.05
0
-0.05
-0.1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.5
0.6
0.7
0.5
0.6
0.7
Seal original + Ruido

0.3
0.2
0.1
0
-0.1
-0.2
-0.3
-0.4
0.1
0.2
0.3
0.4
Seal restaurada
0.2
0.1
0
-0.1
-0.2
0.1
0.2
0.3
0.4
120
ANEXO
Tablas de Transformadas tomadas de
OPPENHEIM A. V., SCHAFER R.W. Tratamiento de Seales en Tiempo Discreto.
121
PROCESAMIENTO DIGITAL DE SEALES - TABLAS DE TRANSFORMADAS
Transformada Z
121
122
DTFT
123
124
125
DFS
126
DFT
127

Apuntes de Procesamiento Digital de Señales

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

Apuntes de Procesamiento Digital de Señales

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDAD NACIONAL DE SAN AGUSTIN DE AREQUIPA

FACULTAD DE INGENIERIA DE PRODUCCION Y SERVICIOS

CURSO: PROCESAMIENTO DIGITAL

Curso: Procesamiento Digital de Seales

Profesor: Wildor Ferrel Serruto

Procesamiento Digital de Seales

Clasificacin de las seales

Seal analgica Funcin continua de variable continua.

Por el nmero de dimensiones:

Seal unidimensional Ejemplo: seal de voz, st

Seal multidimensional Ejemplo: Seal de video en blanco y negro vx, y, t , seal

Fundamentos del PDS (Bases matemticas)

Modelado de seales analgicas:

Curso: Procesamiento Digital de Seales

Profesor: Wildor Ferrel Serruto

Implementacin del PDS

Inmunidad a ruido (mayor precisin).

En algunas aplicaciones la desventaja pueden ser el mayor costo y/o el

Comparacin del modelado de un sistema de tiempo continuo y un

Curso: Procesamiento Digital de Seales

Profesor: Wildor Ferrel Serruto

Respuesta a una seal de entrada

Ecuacin en diferencias lineales con coeficientes constantes

Respuesta a una seal de entrada

Curso: Procesamiento Digital de Seales

Profesor: Wildor Ferrel Serruto

Competencias especficas del curso

Capacidad de analizar y especificar los parmetros fundamentales de un

Curso: Procesamiento Digital de Seales

Profesor: Wildor Ferrel Serruto

2. Conversor Ideal de Tiempo Continuo a

Procesamiento Digital de Seales Analgicas

Modelo del Conversor C/D

Curso: Procesamiento Digital de Seales

Profesor: Wildor Ferrel Serruto

Seal con Espectro no Limitado

Curso: Procesamiento Digital de Seales

Profesor: Wildor Ferrel Serruto

El nivel de solapamiento en la frecuencia de corte es:

Curso: Procesamiento Digital de Seales

Profesor: Wildor Ferrel Serruto

3. Seales de Tiempo Discreto

Curso: Procesamiento Digital de Seales

Profesor: Wildor Ferrel Serruto

Multiplicacin de dos secuencias:

Curso: Procesamiento Digital de Seales

Profesor: Wildor Ferrel Serruto

c) La secuencia x5 n obtenida mediante el desplazamiento de x1 n a la

Curso: Procesamiento Digital de Seales

Profesor: Wildor Ferrel Serruto

title('Multiplicacion'); ylabel('x4'); xlabel('n');

La secuencia escaln unitario se expresa a travs de la secuencia impulso

A su vez, la secuencia impulso unitario se expresa a travs de la secuencia

Clasificacin de las secuencias por su extensin

Secuencia de extensin infinita :

Curso: Procesamiento Digital de Seales

Profesor: Wildor Ferrel Serruto

Periodicidad de la secuencia cosenoidal

En tiempo discreto, la relacin

para algn N y k enteros; caso contrario, cos 0 n no es peridica.

34 n es peridica con periodo

secuencia cos 3 n no es peridica

La secuencia compleja Ce j 0 n es peridica si e j 0 n N = e

Las exponenciales complejas con frecuencias 0 y 0 2 r son iguales.