PDS Aula03 PDF

PDS - Aula 03
Filtros Digitais
Eduardo
Simas
Introdução Disciplina: Processamento Digital de Sinais

Filtros
Analógicos Aula 03 - Filtros Digitais
Aproximação de
Butterworth
Aproximação de
Chebyshev
Filtros Digitais Prof. Eduardo Simas

Estruturas
Básicas de
Filtros Digitais (eduardo.simas@ufba.br)
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR Departamento de Engenharia Elétrica
Aproximações Universidade Federal da Bahia
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
Conteúdo
PDS - Aula 03
Filtros Digitais
Eduardo
Simas
1 Introdução
Introdução
2 Filtros Analógicos
Filtros
Analógicos Aproximação de Butterworth
Aproximação de
Butterworth
Aproximação de
Aproximação de Chebyshev
Chebyshev
Filtros Digitais
Estruturas
3 Filtros Digitais
Básicas de
Filtros Digitais
Projeto de
Estruturas Básicas de Filtros Digitais
Filtros Digitais
Aproximações
Projeto de Filtros Digitais
para Filtros FIR
Aproximações Aproximações para Filtros FIR
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Aproximações para Filtros IIR
Quadrático
Médio Filtros Lineares de Mı́nimo Erro Quadrático Médio
Introdução
PDS - Aula 03
Filtros Digitais
Eduardo
Simas Filtros são sistemas lineares invariantes no tempo capazes de
modificar as caracterı́sticas dos sinais conectados em sua
Introdução
entrada, de modo que, apenas uma parcela especı́fica dos
Filtros
Analógicos componentes de frequência do sinal chega à saı́da do filtro.
Aproximação de
Butterworth
Aproximação de
Chebyshev Considerando sinais analógicos x(t) e y (t) e um filtro com
Filtros Digitais função de resposta ao impulso h(t), temos:
Estruturas
Básicas de
Filtros Digitais
Projeto de y (t) = h(t) ∗ x(t)
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações No domı́nio da frequência pode-se escrever:
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
Y (jω) = H(jω)X (jω)
Filtros Analógicos Ideais
PDS - Aula 03
Filtros Digitais Os filtros analógicos podem ser classificados quando ao modo
Eduardo como atuam no domı́nio da frequência em:
Simas
1, |ω| ≤ ωc
- Passa-Baixas (FPB): |H(jω)| =
Introdução 0, |ω| > ωc
Filtros
Analógicos
0, |ω| ≤ ωc
Aproximação de
Butterworth - Passa-Altas (FPA): |H(jω)| =
Aproximação de 1, |ω| > ωc
Chebyshev
Filtros Digitais

1, ω1 < |ω| ≤ ω2
Estruturas
- Passa-Faixa (FPF): |H(jω)| =
Básicas de
Filtros Digitais 0, ω1 ≤ |ω| e |ω| > ω2
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR - Rejeita-Faixa
(FRF):
Aproximações
0, ω1 < |ω| ≤ ω2
para Filtros IIR
|H(jω)| =
Filtros Lineares
de Mı́nimo Erro 1, ω1 ≤ |ω| e |ω| > ω2
Quadrático
Médio
Onde |H(jω)| representa as respostas de módulo ideais para os

filtros acima (mostradas graficamente na figura a seguir).
Filtros Analógicos Ideais
PDS - Aula 03
Filtros Digitais Passa-Altas
Passa-Baixas
Eduardo |H(jw)|
Simas
|H(jw)|
Introdução
Filtros
Analógicos
Aproximação de
Butterworth
Aproximação de
Chebyshev wc w wc w
Filtros Digitais
Estruturas
Básicas de Passa-Faixa Rejeita-Faixa
Filtros Digitais
Projeto de
Filtros Digitais
|H(jw)| |H(jw)|
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
w1 w2 w w1 w2 w
Filtros Analógicos
PDS - Aula 03
Filtros Digitais
Na prática não é possı́vel realizar um filtro ideal e as transições
Eduardo
entre as bandas de passagem e de corte são mais suaves:
Simas Passa-Baixas
|H(jw)|
Introdução
Filtros
Analógicos
Aproximação de
Butterworth
Aproximação de
Chebyshev
Filtros Digitais
Estruturas
wc w
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais Quanto maior a complexidade (ordem) do filtro, mais próximo
Aproximações
para Filtros FIR estamos da resposta ideal, porém maior e mais complexo será o
Aproximações
para Filtros IIR circuito analógico necessário para realizá-lo.
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio A ordem de um filtro está diretamente ligada à quantidade de
polos da função de transferência, que por sua vez, depende do
número de elementos armazenadores de energia (capacitores e
indutores) do circuito analógico.
Filtros Analógicos - Exemplo
PDS - Aula 03
Filtros Digitais
Eduardo
Simas Considerando que um sinal de interesse x(t) = sin(20πt) está
Introdução contaminado por um ruı́do de alta frequência r (t) = sin(100πt),
Filtros
de modo que o sinal medido é s(t) = x(t) + r (t).
Analógicos
Aproximação de
Butterworth Uma aproximação x̂(t) do sinal x(t) pode ser obtida a partir da
Aproximação de
Chebyshev utilização de um filtro passa-baixas com frequência de corte
Filtros Digitais ωc ≈ 20π rad/s.
Estruturas
Básicas de
Filtros Digitais
Projeto de
Quanto maior a ordem do filtro, melhor é a aproximação obtida,
Filtros Digitais
Aproximações
conforme pode-se observar nas figuras a seguir.
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
Quando a ordem do filtro é suficientemente grande, uma
de Mı́nimo Erro
Quadrático aproximação satisfatória é obtida.
Médio
PDS - Aula 03
Filtros Digitais
Sinal de Interesse Sinal + Ruido
Eduardo 1 2
Simas
0 0
Introdução
Filtros −1 −2
Analógicos 0 0.2 0.4 0 0.2 0.4
Aproximação de
Butterworth Sinal Filtrado (Ordem 1) Sinal Filtrado (Ordem 3)
Aproximação de
Chebyshev 1 1
Filtros Digitais
0 0
Estruturas
Básicas de
Filtros Digitais −1 −1
Projeto de
Filtros Digitais 0 0.2 0.4 0 0.2 0.4
Aproximações Sinal Filtrado (Ordem 5) Sinal Filtrado (Ordem 10)
para Filtros FIR
Aproximações 1 1
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro 0 0
Quadrático
Médio
−1 −1
0 0.2 0.4 0 0.2 0.4
PDS - Aula 03
Filtros Digitais
Resposta em frequência × ordem dos filtros:
Eduardo 1
Simas
Ordem 10
0.8 Ordem 1
Introdução
0.6
|H(jω)|
Filtros
Analógicos
Aproximação de 0.4
Butterworth
Aproximação de
Chebyshev 0.2
Filtros Digitais
Estruturas
0
0 1 2 3
Básicas de ω
Filtros Digitais
Projeto de
Filtros Digitais Percebe-se que com o aumento da ordem, a resposta do filtro
Aproximações
para Filtros FIR “tende” para a resposta ideal.
Aproximações
para Filtros IIR
Filtros Lineares Em contrapartida, os filtros analógicos de alta ordem são de
de Mı́nimo Erro
Quadrático montagem complexa e altamente dependentes dos valores dos
Médio
elementos do circuito.
Já os filtros digitais de alta ordem demandam maior capacidade de
processamento, devido ao maior número de operações necessárias.
PDS - Aula 03
Filtros Digitais
Eduardo
Simas
Introdução
Filtros
Analógicos
Aproximação de
Butterworth
Aproximação de
Projeto de Filtros Analógicos
Chebyshev
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
Projeto de Filtros Passa-Baixas Analógicos
PDS - Aula 03
Filtros Digitais
Existem diversas técnicas utilizadas para o projeto de filtros
Eduardo
Simas
passa-baixas analógicos.
Introdução A seguir iremos apresentar duas das principais abordagens

Filtros (aproximações de Butterworth e de Chebyshev) e apresentar
Analógicos
Aproximação de
exemplos de projeto com o auxı́lio do MATLAB.
Butterworth
Aproximação de
Chebyshev Os filtros passa-baixas analógicos normalizados podem ser
Filtros Digitais convertidos em outros tipos de filtros (passa-altas, passa-faixa e
Estruturas
Básicas de
Filtros Digitais
rejeita-faixa).
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
Os filtros digitais serão estudados após essa introdução aos
Aproximações
para Filtros IIR
filtros analógicos
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
Uma forma de projeto de filtros digitais envolve a conversão da
função de transferência do filtro analógico para o domı́nio
digital.
Especificações do Filtro
PDS - Aula 03
Filtros Digitais
O primeiro passo no projeto de um FPB é definir as especificações do
filtro, que podem ser associadas à figura abaixo:
Eduardo
Simas
Introdução
Filtros
Analógicos
Aproximação de
Butterworth
Aproximação de
Chebyshev
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
ΩP - frequência limite da banda de passagem;
Filtros Lineares
de Mı́nimo Erro
Quadrático
ΩS - frequência limite da banda de rejeição;
Médio
√1 - atenuação máxima da banda de passagem;
1+ε2
1
A
- atenuação mı́nima da banda de rejeição.
Aproximação de Butterworth
PDS - Aula 03
Filtros Digitais Na aproximação de Butterworth considera-se que a função de
Eduardo transferência do filtro de ordem N é tal que:
Simas
1
Introdução |Ha(jΩ)|2 =
Ω 2N

Filtros 1+ Ωc
Analógicos
Aproximação de
Butterworth O ganho de um filtro de Butterworth é definido por:
Aproximação de
Chebyshev
Filtros Digitais G (Ω) = 10 log10 |Ha(jΩ)|2 dB

Estruturas
Básicas de
Filtros Digitais
Projeto de Observa-se que:
Filtros Digitais
Aproximações
para Filtros FIR - Para um sinal DC (Ω = 0) temos: G (0) = 1.
Aproximações
para Filtros IIR - Para Ω = Ωc : G (Ωc ) = 10 log10 ( 12 ) ∼
= −3 dB.
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio É possı́vel provar que a resposta de magnitude o filtro de
Butterworth é maximamente plana em Ω = 0 e não apresenta
oscilações.
PDS - Aula 03
Filtros Digitais Exemplos de resposta de magnitude para filtros de Butterworth:
Eduardo
Simas
Introdução
Filtros
Analógicos
Aproximação de
Butterworth
Aproximação de
Chebyshev
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR A ordem do filtro pode ser calculada considerando-se que:
Aproximações
para Filtros IIR 1 1
Filtros Lineares |Ha(jΩp )|2 = 2N =
de Mı́nimo Erro
Quadrático 1+
Ωp 1 + ε2
Médio
Ωc
1 1
|Ha(jΩs )|2 = 2N =
1+ Ωs A2
Ωc
PDS - Aula 03 Resolvendo para N temos:

Filtros Digitais
Eduardo 1 log10 [(A2 − 1)/ε2 ]

Simas N=
2 log10 (Ωs /Ωp )
Introdução
Filtros O valor de Ωc (frequência de corte de -3 dB) pode ser obtido por

Analógicos
substituição nas expressões de |Ha(jΩp )|2 e |Ha(jΩs )|2 .
Aproximação de
Butterworth
Aproximação de
Chebyshev Se for feita a substituição de N na expressão de |Ha(jΩs )|2 garante-se
Filtros Digitais exatamente a especificação para Ωs (banda de rejeição) e
Estruturas
Básicas de
consegue-se exceder a especificação para Ωp , garantindo uma
Filtros Digitais
Projeto de
margem de segurança na banda de passagem (e vice-versa).
Filtros Digitais
Aproximações
para Filtros FIR C
Aproximações Com os valores de N e de Ωc é possı́vel determinar Ha (s) = ,
para Filtros IIR DN (s)
Filtros Lineares
de Mı́nimo Erro
onde os coeficientes do polinômio de Butterworth de ondem N
Quadrático
Médio (DN (s)) podem ser calculados ou obtidos de tabelas.
No exemplo a seguir será utilizado o Matlab para auxı́lio ao projeto

de um FPB usando a aproximação de Butterworth.
Projeto em Matlab de um FBP usando
aproximação de Butterworth
PDS - Aula 03
Filtros Digitais
Eduardo
Inicialmente determina-se N (ordem do filtro) e Wn (freq. de
Simas corte de -3 dB) usando o comando “buttord” e em seguida
Introdução
determina-se o a função de transferência do filtro usando o
Filtros
comando“butter”:
Analógicos
Aproximação de
Butterworth
O comando buttord tem a sintaxe:
Aproximação de
Chebyshev
[N,Wn]=buttord(Wp,Ws,Rp,Rs,’s’)
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
sendo Wp a frequência limite da banda de passagem (em
Projeto de
Filtros Digitais
rad/s), Ws a frequência limite da banda de rejeição (em rad/s),
Aproximações
para Filtros FIR
Rp a máxima atenuação da banda de passagem (em dB) e Rs a
Aproximações
para Filtros IIR
mı́nima atenuação na banda de rejeição (em dB).
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio O comando butter tem a sintaxe:
[num,den]=butter(N,Wn)
Exemplo
PDS - Aula 03
Filtros Digitais Projetar, usando o Matlab, um filtro de Butterworth com as
Eduardo
especificações a seguir:
Simas
- frequência limite da banda de passagem 100 Hz;
Introdução
Filtros - frequência limite da banda de rejeição 300 Hz;

Analógicos
Aproximação de
Butterworth
Aproximação de
- máxima atenuação na banda de passagem 0,5 dB;
Chebyshev
Filtros Digitais - mı́nima atenuação na banda de rejeição 20 dB;

Estruturas
Básicas de
Filtros Digitais
Projeto de
Neste caso, a sequência de comandos a ser utilizada é:
Filtros Digitais
Aproximações [N,Wn]=buttord(100,300,0.5,20,’s’);
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
Assim obtemos: N = 4 e Wn = 168.9145.
de Mı́nimo Erro
Quadrático
Médio
Os polinômios do numerador e do denominador da função de
transferência do filtro (no domı́nio de Laplace) podem ser obtidas de:
[num,den]=butter(N,Wn,’s’);
Exemplo
PDS - Aula 03
Filtros Digitais
As respostas de módulo e fase do filtro podem ser obtidas por:
Eduardo
freqs(num,den)
Simas
O resultado encontrado é:
Introdução
0
Filtros 10
Analógicos Magnitude
Aproximação de
Butterworth −2
Aproximação de 10
Chebyshev
Filtros Digitais −4
Estruturas 10
1 2 3
Básicas de 10 10 10
Filtros Digitais
Projeto de Frequency (rad/s)
Filtros Digitais
200
Phase (degrees)
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares 0
de Mı́nimo Erro
Quadrático
Médio
−200
1 2 3
10 10 10
Frequency (rad/s)
Aproximação de Chebyshev
PDS - Aula 03
Filtros Digitais
A aproximação de Chebyshev tenta minimizar a diferença entre
Eduardo
Simas
a resposta do filtro e a resposta ideal em uma das bandas de
frequência (de passagem ou de rejeição).
Introdução
Filtros Eistem dois tipos de filtros de Chebyshev, que variam quanto à

Analógicos
Aproximação de
localização da ondulação na resposta de módulo:
Butterworth
Aproximação de
Chebyshev - Tipo 1: Ondulação na banda de passagem e monotônico na
Filtros Digitais banda de rejeição;
Estruturas
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais
- Tipo 2: Monotônico na banda de passagem e ondulação na
Aproximações
para Filtros FIR
banda de rejeição;
Aproximações
para Filtros IIR
Filtros Lineares As aproximações de Chebyshev produzem filtros de menor
de Mı́nimo Erro
Quadrático
Médio
ordem para um mesmo problema se comparadas à aproximação
de Butterworth. Em contrapartida, as respostas de amplitude
dos filtros produzidos apresentam oscilações.
Aproximação de Chebyshev do Tipo 1
PDS - Aula 03
Filtros Digitais Para o Tipo 1 temos:
Eduardo 1
Simas |Ha(jΩ)|2 = Ω

1 + ε2 TN2 Ωc
Introdução
Filtros Sendo TN2 o polinômio de Chebyshev de ordem N:

Analógicos
cos(N cos−1 Ω),

Aproximação de |Ω| ≤ 1
Butterworth
TN2 = −1
Aproximação de
Chebyshev
cosh(N cosh Ω), |Ω| > 1
Filtros Digitais Exemplos de resposta de módulo para filtros de Chebyshev do tipo 1.
Estruturas
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
Aproximação de Chebyshev do Tipo 2
PDS - Aula 03
Filtros Digitais Para o Tipo 2 temos:
Eduardo 1
Simas |Ha(jΩ)|2 = 2
TN (Ωs /Ωp )
Introdução
1 + ε2 TN (Ωs /Ω)
Filtros
Analógicos Exemplos de resposta de módulo para filtros de Chebyshev do tipo 2.
Aproximação de
Butterworth
Aproximação de
Chebyshev
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
Comparando com o Tipo 1, percebe-se que as regiões onde ocorrem
as oscilações se alternam (Tipo 1→Banda de Passagem e Tipo
2→Banda de Rejeição).
Projeto de Filtros de Chebyshev usando o Matlab
PDS - Aula 03
Filtros Digitais De modo semelhante ao realizado para os filtros de
Eduardo Butterworth, pode-se utilizar funções do Matlab para calcular a
Simas ordem do filtro, a frequência de -3 dB e os coeficientes da
Introdução
função de transferência.
Filtros
Analógicos Utilizando o mesmo exemplo anterior, para o Tipo 1:
Aproximação de
Butterworth [Nc1,Wnc1]=cheb1ord(100,300,0.5,20,’s’)
Aproximação de
Chebyshev
Filtros Digitais como resultado obtemos: Nc1 = 3 e Wnc1 = 100.

Estruturas
Básicas de
Filtros Digitais
Projeto de
Para o Tipo 2:
Filtros Digitais
Aproximações [Nc2,Wnc2]=cheb2ord(100,300,0.5,20,’s’)
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
agora: Nc2 = 3 e Wnc2 = 205.3656
de Mı́nimo Erro
Quadrático
Médio
As funções de transferência podem ser obtidas de:
[numC1,denC1]=cheby1(Nc1,Rs,Wnc1,’s’) e
[numC2,denC2]=cheby2(Nc2,Rp,Wnc2,’s’);
Projeto de Filtros de Chebyshev usando o Matlab
PDS - Aula 03 A figura a seguir apresenta uma comparação entre as respostas de

Filtros Digitais
módulo (|H(jω)|2 em dB) para os três tipos de filtros estudados até
Eduardo
Simas aqui.
Butterworth (N=4)
Introdução 0 Chebyshev 1 (N=3)
Filtros Chebyshev 2 (N=3)
Analógicos −10
Aproximação de
Butterworth
−20
|H(jω)|2 (dB)
Aproximação de
Chebyshev

Estruturas
Básicas de
Projeto de
Filtros Digitais
Aproximações −50
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
−60
de Mı́nimo Erro
0 100 200 300 400 500
Quadrático Frequencia (Hz)
Médio
Percebe-se que as especificações do projeto são atendidas nos três
casos, porém os filtros de Chebyshev apresentam respostas mais
seletivas, mesmo com uma ordem menor.
Projeto de Outros Tipos de Filtros
PDS - Aula 03
Filtros Digitais
Eduardo
Simas
Até agora foi abordado apenas o projeto de filtros Passa-Baixas.
Introdução Utilizando as funções do Matlab é simples projetar filtros

Filtros Passa-Altas, Passa-Faixa e Rejeita-Faixa, para isso é necessário:
Analógicos
Aproximação de
Butterworth - especificar corretamente as frequências limite das bandas de
Aproximação de
Chebyshev passagem e rejeição (que no caso do FRF e do FPF são agora
Filtros Digitais vetores com dois elementos);
Estruturas
Básicas de
Filtros Digitais
Projeto de
- definir o “tipo” do filtro para o FPA (’high’) e para o FRF
Filtros Digitais
Aproximações
(’stop’) nos comandos utilizados anteriormente.
para Filtros FIR
Aproximações
para Filtros IIR Exemplo:
Filtros Lineares
de Mı́nimo Erro [N,Wn]=buttord([100,600],[300,400],0.5,20,’stop’,’s’);
Quadrático
Médio [numB,denB]=butter(Nb,Wnb,’stop’,’s’);
Projeto de Outros Tipos de Filtros
PDS - Aula 03
Filtros Digitais Com os comandos do slide anterior estamos especificando um
Eduardo
FRF com banda de rejeição para ω < 100 rad/s e
Simas ω > 600 rad/s, e banda de passagem para 300 < ω < 400. As
Introdução
atenuações permitidas são Rp=0.5 dB e Rs=20dB.
Filtros A resposta de módulo do filtro obtido é:
Analógicos
Aproximação de
Butterworth 0
Aproximação de
Chebyshev

Estruturas
Básicas de
|H(jω)|2 (dB)
Filtros Digitais
Projeto de −40
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações −60
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático −80
Médio
−100
0 100 200 300 400 500 600 700
Frequencia (Hz)
PDS - Aula 03
Filtros Digitais
Eduardo
Simas
Introdução
Filtros
Analógicos
Aproximação de
Butterworth
Aproximação de
Filtros Digitais
Chebyshev
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
Filtros Digitais - Introdução
PDS - Aula 03
Filtros Digitais Um filtro digital é a implementação de um algoritmo
Eduardo
matemático em hardware ou software que opera sobre sinal x[n]
Simas aplicado em sua entrada gerando na saı́da uma versão filtrada
Introdução
y [n] de x[n].
Filtros
Analógicos Considerando que o filtro está implementado num Processador
Aproximação de
Butterworth
Digital de Sinais (PDS) e que o objetivo é processar um sinal
Aproximação de
Chebyshev analógico x(t), temos:
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais x(t) ADC PDS DAC y(t)
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR Se os sinais a serem processados forem digitais o diagrama se
Filtros Lineares
de Mı́nimo Erro resume a:
Quadrático
Médio
x[n] PDS y[n]

Filtros Digitais × Filtros Analógicos
PDS - Aula 03
Filtros Digitais Entre as principais vantagens dos filtros digitais podemos
Eduardo listar:
Simas
- Filtros digitais podem apresentar a fase perfeitamente linear.

Introdução
Filtros - O desempenho dos filtros analógicos não depende de

Analógicos
Aproximação de componentes do circuito, ou seja, sua resposta não é
Butterworth
Aproximação de influenciada por mudanças ambientais (temperatura, umidade).
Chebyshev
Filtros Digitais - A resposta em frequência do filtro digital pode ser mais

Estruturas
Básicas de facilmente modificada (caso esteja implementada em software
Filtros Digitais
Projeto de
Filtros Digitais
ou hardware programável).
Aproximações
para Filtros FIR
Aproximações
- Com o avanço da tecnologia de fabricação eletrônica os filtros
para Filtros IIR
Filtros Lineares
digitais podem ser implementados em dispositivos cada vez
de Mı́nimo Erro
Quadrático menores e mais econômicos.
Médio
- Filtros digitais podem ser utilizados em sinais de frequência

muito baixa (como é o caso de algumas aplicações biomédicas).
Filtros Digitais × Filtros Analógicos
PDS - Aula 03
Filtros Digitais
Eduardo
Simas
Entre as principais desvantagens dos filtros digitais pode-se
Introdução mencionar:
Filtros
Analógicos
Aproximação de
- Considerando as etapas de conversão AD e DA e o
Butterworth
Aproximação de
processamento propriamente dito, os filtros digitais tem uma
Chebyshev
velocidade de resposta inferior aos analógicos.
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
- Os filtros digitais estão sujeitos aos erros inerentes ao processo
Projeto de
Filtros Digitais
de quantização (na conversão AD) e também aos erros de
Aproximações
para Filtros FIR
aproximação devido ao uso de palavras digitais de comprimento
Aproximações
para Filtros IIR
finito. Em filtros recursivos de alta ordem esses fenômenos
Filtros Lineares
de Mı́nimo Erro
podem levar à instabilidade.
Quadrático
Médio
Tipos de Filtros Digitais
PDS - Aula 03
Filtros Digitais
Os filtros digitais são classificados quanto ao comprimento da
Eduardo sua sequência de resposta ao impulso como:
Simas
Introdução - Filtros de resposta ao impulso finita (FIR - Finite Impulse

Filtros Response);
Analógicos
Aproximação de
Butterworth - Filtros de resposta ao impulso infinita (IIR - Infinite Impulse
Aproximação de
Chebyshev Response);
Filtros Digitais
Estruturas
Básicas de As saı́das dos filtros podem ser calculadas usando:
Filtros Digitais
Projeto de
Filtros Digitais N−1
Aproximações X
para Filtros FIR
Aproximações
Filtro FIR: y [n] = h[k]x[n − k];
para Filtros IIR
k=0
Filtros Lineares
de Mı́nimo Erro
Quadrático ∞
Médio X
Filtro IIR: y [n] = h[k]x[n − k];
k=0
Tipos de Filtros Digitais
PDS - Aula 03
Filtros Digitais A saı́da de um filtro IIR do modo como foi definida
Eduardo
anteriormente não pode ser obtida na prática.
Simas
Utiliza-se, então, uma representação recursiva do tipo:
Introdução
∞ N M
Filtros X X X
Analógicos y [n] = h[k]x[n − k] = bk x[n − k] − ak y [n − k];
Aproximação de
Butterworth k=0 k=0 k=1
Aproximação de
Chebyshev
sendo ak e bk os coeficientes do filtro.
Filtros Digitais
Estruturas
Básicas de Aplicando-se a transformada z, obtemos as funções de
Filtros Digitais
Projeto de transferência H(z) = Y (z)/X (z) dos filtros digitais:
Filtros Digitais
Aproximações
para Filtros FIR N
Aproximações X
para Filtros IIR
Filtros Lineares N−1
bk z −k
de Mı́nimo Erro X k=0
Quadrático
Médio
- FIR: H(z) = h(k)z −k e IIR: H(z) = M
k=0
X
1+ ak z −k
k=1
Etapas para o Projeto de um Filtro Digital
PDS - Aula 03
Filtros Digitais
Eduardo
Simas O projeto e a construção de um filtro digital envolvem as etapas
Introdução
a seguir:
Filtros 1 Especificação das caracterı́sticas do filtro;
Analógicos
Aproximação de
Butterworth
Aproximação de
2 Cálculo dos coeficientes da função de transferência;
Chebyshev
Filtros Digitais 3 Representação do filtro por uma estrutura adequada

Estruturas
Básicas de
Filtros Digitais
(realização);
Projeto de
Filtros Digitais
Aproximações
4 Análise dos efeitos do comprimento finito da palavra
para Filtros FIR
Aproximações digital no desempenho do filtro;
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático 5 Implementação do filtro em software ou hardware.
Médio
FIR ou IIR ?
PDS - Aula 03
Filtros Digitais
Eduardo
A escolha entre os filtros FIR e IIR depende da aplicação
Simas especı́fica e deve considerar as caracterı́sticas do dois tipos
como:
Introdução
Filtros
Analógicos
- Os filtros FIR tem resposta de fase linear. Isso implica que
Aproximação de
Butterworth
nenhuma distorção de fase é produzida no sinal filtrado. Essa
Aproximação de
Chebyshev
caracterı́stica é importante em diversas aplicações como
Filtros Digitais
processamento de áudio e imagem, biomedicina e transmissão
Estruturas
Básicas de
de dados.
Filtros Digitais
Projeto de
Filtros Digitais - Filtros FIR são realizados de modo não-recursivo, e assim são
Aproximações
para Filtros FIR sempre estáveis. O mesmo não pode ser garantido para os
Aproximações
para Filtros IIR
Filtros Lineares
filtros IIR.
de Mı́nimo Erro
Quadrático
Médio - Os efeitos da precisão finita e dos erros de quantização são
menos severos para os filtros FIR.
FIR ou IIR ?
PDS - Aula 03
Filtros Digitais
Eduardo
- Filtros IIR, em geral, necessitam de menos coeficientes que os
Simas FIR para atender a uma mesma especificação de projeto. Um
Introdução
filtro de menor ordem tem menor tempo de execução.
Filtros
Analógicos - Filtros analógicos podem ser facilmente convertidos em filtros
Aproximação de
Butterworth
digitais IIR equivalentes
Aproximação de
Chebyshev
Filtros Digitais
De modo geral pode-se usar as indicações abaixo:
Estruturas
Básicas de
Filtros Digitais - Utilize um filtro IIR sempre que for importante uma resposta
Projeto de
Filtros Digitais bem seletiva no domı́nio da frequência ou quando for necessário
Aproximações
para Filtros FIR realizar a conversão das especificações de um filtro analógico;
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro - Utilize um filtro FIR quando o número de coeficientes não é
Quadrático
Médio grande (pois a estabilidade da estrutura FIR é garantida) e
especialmente quando a distorção de fase desejada for pequena.
PDS - Aula 03
Filtros Digitais
Eduardo
Simas
Introdução
Filtros
Analógicos
Aproximação de
Butterworth
Aproximação de
Chebyshev
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
PDS - Aula 03
Filtros Digitais
Os algoritmos computacionais de filtros lineares e invariantes no
Eduardo
Simas tempo (LTI) podem ser representados em forma de diagrama de
blocos utilizando estruturas básicas como:
Introdução
Filtros - atrasos unitários;

Analógicos
Aproximação de
Butterworth
Aproximação de
- ganhos (multiplicadores);
Chebyshev
Filtros Digitais - somadores

Estruturas
Básicas de
Filtros Digitais
Projeto de - realimentações (para filtros recursivos).
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações Estruturas Canônicas e Não-Canônicas:
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático Uma estrutura é dita canônica se o número de atrasos no
Médio
diagrama de blocos é igual à ordem da equação a diferenças (ou
da função de transferência) do filtro.
Estruturas de Filtros FIR (Não-recursivos)
PDS - Aula 03 N−1

X
Filtros Digitais
Um filtro FIR pode ser descrito por: y [n] = h[k]x[n − k].
Eduardo k=0
Simas
Introdução
Uma modo simples de realizar um filtro FIR é utilizar estruturas
Filtros
na forma direta, conforme mostrado na figura a seguir.
Analógicos
Aproximação de
Butterworth
Aproximação de
Chebyshev
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
Figure : Estrutura FIR na forma direta

Estruturas de Filtros FIR (Não-recursivos)
PDS - Aula 03
Filtros Digitais Existem diversas implementações digitais para um mesmo
Eduardo problema, sendo elas equivalentes quando ao cálculo da saı́da do
Simas
filtro.
Introdução
A seguir é apresentada a estrutura de um filtro FIR na forma
Filtros
Analógicos direta alternativa:
Aproximação de
Butterworth
Aproximação de
Chebyshev
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
Figure : Estrutura FIR na forma direta alternativa
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio As implementações na forma direta tem a vantagem de
utilizarem os coeficientes da função de resposta ao impulso do
filtro (h(k)) como multiplicadores no diagrama.
Filtros FIR na Forma Cascata
PDS - Aula 03
Filtros Digitais
A implementação na forma cascata é obtida pela conexão em cascata
de uma série de filtros FIR de segunda ordem:
Eduardo
Simas
Introdução
Filtros
Analógicos
Aproximação de
Butterworth
Aproximação de
Chebyshev
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações
A função de transferência associada a essa realização é da forma:
para Filtros IIR
Filtros Lineares N
Y
(γ0k + γ1k z −1 + γ2k z −2 )
de Mı́nimo Erro
Quadrático H(z) =
Médio
k=1
os coeficientes γik precisam ser determinados em função dos h(k) da

função de resposta ao impulso do filtro.
Filtros FIR com fase linear
PDS - Aula 03
Filtros Digitais Uma importante classe de filtros FIR é aquela que apresenta
Eduardo fase linear.
Simas
Introdução Esses filtros tem resposta em frequência do tipo:

Filtros
Analógicos H(e jω ) = B(ω)e −jωτ +jφ
Aproximação de
Butterworth
Aproximação de
Chebyshev onde B(jω) é real, τ e φ são constantes.
Filtros Digitais
Estruturas
Básicas de
Calculando a sequência de resposta ao impulso temos:
Filtros Digitais
Projeto de Z ∞
Filtros Digitais 1
Aproximações h[n] = H(e jω )e jωn dω = e jφ b[n − τ ]
para Filtros FIR 2π −∞
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro Após algumas manipulações algébricas e considerando que o
Quadrático
Médio filtro deve ser causal e ter duração finita, então chega-se a:
h[n] = e 2jφ h∗ [M − n], sendo que o filtro existe para 0 ≥ n ≥ M.

PDS - Aula 03
Filtros Digitais
Considerando o caso onde todos os coeficientes são reais, então:
Eduardo
Simas
h[n] = h∗ [n] e
Introdução
kπ
Filtros
Analógicos
e 2jφ ∈ R → φ = , k ∈ Z.
Aproximação de
2
Butterworth
Aproximação de
Chebyshev
Então chega-se a:
Filtros Digitais
Estruturas h[n] = (−1)k h[M − n), k ∈ Z.
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais Na prática, basta considerarmos os casos abaixo (todas as
Aproximações
para Filtros FIR outras combinações de k e M serão equivalentes):
Aproximações
para Filtros IIR
Filtros Lineares - Tipo I: k = 0 e M é par.
de Mı́nimo Erro
Quadrático
Médio
- Tipo II: k = 0 e M é ı́mpar.
- Tipo III: k = 1 e M é par.
- Tipo IV: k = 1 e M é ı́mpar.
Filtros FIR com fase linear - Caracterı́sticas
PDS - Aula 03
Filtros Digitais
Eduardo
Simas
Introdução
Filtros
Analógicos
Aproximação de
Butterworth
Aproximação de
Chebyshev
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
PDS - Aula 03
Filtros Digitais
Eduardo
Simas
Introdução
Filtros
Analógicos
Aproximação de
Butterworth
Aproximação de
Chebyshev
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
Exemplos de resposta ao impulso de filtros FIR de fase linear dos

tipos (a) I, (b) II, (c) III e (d) IV.
Estruturas Eficientes para Filtros FIR com fase
linear
PDS - Aula 03
Filtros Digitais
Uma propriedade interessante de filtros FIR com fase linear é que eles
podem ser realizados através de estruturas eficientes que exploram
Eduardo
Simas suas caracterı́sticas de simetria e anti-simetria.
Introdução
Filtros
Analógicos
Aproximação de
Butterworth
Aproximação de
Chebyshev
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
Realização de filtro de fase linear com resposta ao impulso simétrica

e ordem par.
Estruturas de Filtros IIR (Recursivos)
PDS - Aula 03
Filtros Digitais
A função de transferência de um filtro recursivo é do tipo:
Eduardo M
X N
Simas X
−k −k
H(z) = bk z 1+ ak z
Introdução k=0 k=1
Filtros
Analógicos Pode-se considerar que H(z) é obtido da composição em
Aproximação de
Butterworth cascata de N(z) e 1/D(z).
Aproximação de
Chebyshev
Filtros Digitais O polinômio N(z) pode ser realizado por qualquer estrutura FIR
Estruturas
Básicas de mostrada anteriormente e 1/D(z) por uma realimentação do
Filtros Digitais PN
Projeto de
Filtros Digitais
filtro FIR descrito por D 0 (z) = z(1 − D(z)) = −z k=1 ak z −k :
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
Filtros IIR na Forma Direta
PDS - Aula 03
Filtros Digitais
Representando ao mesmo tempo N(z) e 1/D(z) temos uma
Eduardo
realização do filtro IIR na forma direta (na qual os coeficientes
Simas do filtro estão explı́citos na estrutura realizada):
Introdução
Filtros
Analógicos
Aproximação de
Butterworth
Aproximação de
Chebyshev
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
Filtros IIR na Forma Canônica
PDS - Aula 03
Filtros Digitais A estrutura anterior pode ser modificada de modo a obter uma
Eduardo realização equivalente, porém na forma canônica:
Simas
Introdução
Filtros
Analógicos
Aproximação de
Butterworth
Aproximação de
Chebyshev
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
Filtros IIR na Forma Canônica
PDS - Aula 03
Filtros Digitais
Outra estrutura também na forma canônica:
Eduardo
Simas
Introdução
Filtros
Analógicos
Aproximação de
Butterworth
Aproximação de
Chebyshev
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
Outras Realizações de Filtros IIR
PDS - Aula 03
Filtros Digitais
Existem ainda outras realizações utilizadas para filtros IIR como:
Eduardo
- Cascata:
Simas
Introdução
Filtros
Analógicos - Paralela:
Aproximação de
Butterworth
Aproximação de
Chebyshev
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
Outras Realizações de Filtros IIR
PDS - Aula 03
Filtros Digitais
Eduardo
Simas Nos casos mostrados no slide anterior, os blocos Hi (z)
apresentam funções de transferência simples, de primeira ou
Introdução
segunda ordem.
Filtros
Analógicos
Aproximação de Como veremos futuramente, as diferentes realizações de filtros
Butterworth
Aproximação de digitais apresentam diferentes propriedades quando se
Chebyshev
consideram uma implementação prática com precisão finita.
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais É preciso avaliar o comportamento da realização utilizada
Projeto de
Filtros Digitais quando ocorre quantização dos coeficientes e das operações
Aproximações
para Filtros FIR aritméticas envolvidas.
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro A análise dos efeitos da precisão finita é uma etapa importante
Quadrático
Médio para o projeto de filtros digitais.
PDS - Aula 03
Filtros Digitais
Eduardo
Simas
Introdução
Filtros
Analógicos
Aproximação de
Butterworth
Aproximação de
Chebyshev
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
PDS - Aula 03
Filtros Digitais
O projeto de filtros digitais consiste na determinação da função
Eduardo
de transferência (ou da sequência de resposta ao impulso) que
Simas atenda (pelo menos de modo aproximado) às especificações da
resposta em frequência necessárias para uma dada aplicação.
Introdução
Filtros
Analógicos
Considerando os 4 tipos de filtros abordados até aqui (FPB,
Aproximação de
Butterworth
FPA, FPF e FRF), as respostas ao impulso das funções de
Aproximação de
Chebyshev
transferência ideais não são realizáveis digitalmente, pois
Filtros Digitais
apresentam comprimento infinito e são não-causais.
Estruturas
Básicas de
Filtros Digitais Para os filtros FIR, uma abordagem bastante utilizada é o
Projeto de
Filtros Digitais truncamento da resposta ao impulso dos filtros ideais.
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR Para os filtros IIR, pode-se mapear para o domı́nio z funções de
Filtros Lineares
de Mı́nimo Erro
Quadrático
transferência projetadas para filtros analógicos.
Médio
Como veremos a seguir, existem ainda outras metodologias para

projeto de filtros digitais, que não tem uma ligação direta tão
forte com o domı́nio analógico.
PDS - Aula 03
Filtros Digitais
Eduardo
Simas
Introdução
Filtros
Analógicos
Aproximação de
Butterworth
Aproximação de
Aproximações para Filtros FIR
Chebyshev
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
Aproximações para Filtros FIR
PDS - Aula 03
Filtros Digitais Conforme visto anteriormente, a implementação de um filtro é
Eduardo realizada a partir da sua função de transferência:
Simas
∞
X
Introdução H(z) = h[n]z −n
Filtros n=−∞
Analógicos
Aproximação de
Butterworth
Porém, seu comportamento é melhor caracterizado por sua
Aproximação de
Chebyshev
resposta em frequência:
Filtros Digitais ∞
X
Estruturas
Básicas de H(e jω ) = h[n]e −jωn
Filtros Digitais
Projeto de n=−∞
Filtros Digitais
Aproximações
para Filtros FIR sendo que h[n] pode ser descrita por:
Aproximações
para Filtros IIR Z π
Filtros Lineares 1
de Mı́nimo Erro h[n] = H(e jω )e jωn dω
Quadrático
Médio
2π −π
A seguir serão apresentados os pares H(e jω ) e h[n] para os
filtros ideais.
Caracterı́sticas de Filtros Ideais
PDS - Aula 03
Filtros Digitais
Eduardo
Simas
Introdução
Filtros
Analógicos
Aproximação de
Butterworth
Aproximação de
Chebyshev
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
Aproximações para filtros FIR usando
Funções-Janela
PDS - Aula 03
Filtros Digitais
Eduardo
Um modo de contornar as limitações para realização da função
Simas de resposta ao impulso dos filtros ideais h[n] é definir uma
Introdução
sequencia auxiliar h0 (n) de comprimento finito de ordem M da
Filtros
forma:
Analógicos
h[n]w [n], |n| ≤ M2

Aproximação de
0
Butterworth h [n] =
Aproximação de
Chebyshev
0, |n| > M2
Filtros Digitais
Estruturas Essa resposta, embora de comprimento finito, ainda é
Básicas de
Filtros Digitais não-causal.
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR Porém ela pode ser transformada em causal através da
Aproximações
para Filtros IIR multiplicação por z −M/2 , sem distorcer a resposta de módulo e
Filtros Lineares
de Mı́nimo Erro sem destruir a propriedade de fase linear.
Quadrático
Médio
A sequência w [n] é conhecida como “função janela”.

Filtros FIR usando Janela Retangular
PDS - Aula 03
Filtros Digitais
Eduardo
Simas Para a janela retangular temos:

Introdução 1, |n| ≤ M/2
w [n] =
Filtros 0, |n| > M/2
Analógicos
Aproximação de
Butterworth
Aproximação de
Na verdade a janela retangular representa o simples
Chebyshev truncamento da resposta ao impulso do filtro ideal.
Filtros Digitais
Estruturas
Básicas de Considerando, então, o projeto de um filtro passa-faixa com as
Filtros Digitais
Projeto de
Filtros Digitais
caracterı́sticas a seguir:
Aproximações
para Filtros FIR - M=50
Aproximações
para Filtros IIR - Ωc1 = π/4 rad/s
Filtros Lineares
de Mı́nimo Erro - Ωc2 = π/2 rad/s
Quadrático
Médio - Ωs = 2π rad/s
PDS - Aula 03
Filtros Digitais
Considerando uma janela retangular, h0 [n] é obtido pelo script:
Eduardo
M = 49;
Simas wc1 = pi/4; wc2 = pi/2; ws = 2*pi;
Introdução
n = 1:M/2;
h0 = 1 - (wc2 - wc1)/pi;
Filtros
Analógicos haux = (sin(wc1.*n) - sin(wc2.*n))./(pi.*n);
Aproximação de
Butterworth h = [fliplr(haux) h0 haux];
Aproximação de
Chebyshev
Filtros Digitais Os 25 coeficientes do filtro são mostrados a seguir (os demais

Estruturas
Básicas de
24 são obtidos por rebatimento):
Filtros Digitais
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
PDS - Aula 03 A resposta em frequência obtida é:

Filtros Digitais
Eduardo
Simas
Introdução
Filtros
Analógicos
Aproximação de
Butterworth
Aproximação de
Chebyshev
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Observa-se que aparecem ondulações nas extremidades da faixa de
Quadrático
Médio
passagem chamadas “Oscilações de Gibbs ”, que surgem devido à
descontinuidade imposta pela janela da sequência h[n].
O aumento da ordem do filtro torna a resposta mais seletiva, mas
não modifica a amplitude das oscilações.
Filtros FIR usando Janelas Triangulares
PDS - Aula 03
Filtros Digitais
Eduardo
Simas
O uso de janelas sem descontinuidade diminuem as oscilações
de Gibbs.
Introdução
Filtros Uma opção simples é utilizar janelas de formato triangular como:

Analógicos
Aproximação de
2|n|
(
Butterworth
Aproximação de − + 1, |n| ≤ M/2
Chebyshev w [n] = M +2
Filtros Digitais 0, |n| > M/2
Estruturas
Básicas de
Filtros Digitais
Projeto de
Adicionando-se uma amostra igual a zero nas extremidades da
Filtros Digitais
Aproximações
janela triangular obtemos a janela de Bartlett.
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
Em alguns casos é necessário a utilização de janelas mais
de Mı́nimo Erro
Quadrático
sofisticadas, que reduzem ainda mais as oscilações. Algumas
Médio
destas janelas serão apresentadas a seguir.
Filtros FIR usando Janelas de Hamming e Hanning
PDS - Aula 03
Filtros Digitais
Eduardo
Simas
A janela de Hamming generalizada pode ser definida por:
Introdução (
Filtros α + (1 − α) cos(2πn/M), |n| ≤ M/2
Analógicos w [n] =
Aproximação de
0, |n| > M/2
Butterworth
Aproximação de
Chebyshev
Para a janela de Hanning ou Hann, faz-se: α = 0, 50.
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais Para termos a janela de Hamming propriamente dita, usamos
Projeto de
Filtros Digitais α = 0, 54:
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
As janelas do tipo Hamming apresentam maior atenuação das
Filtros Lineares
de Mı́nimo Erro
oscilações de Gibbs se comparadas às janelas triangulares.
Quadrático
Médio
Filtros FIR usando Janela de Blackman
PDS - Aula 03
Filtros Digitais
Eduardo
Simas A janela de Blackman é obtida a partir de modificações na
Introdução
janela de Hamming, sendo definida por:
Filtros
Analógicos w
([n] =
Aproximação de
Butterworth 0, 42 + 0, 5 cos(2πn/M) + 0, 08 cos(4πn/M), |n| ≤ M/2
Aproximação de
Chebyshev 0, |n| > M/2
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
Comparada com as janelas anteriores, a de Blackman apresenta
Projeto de
Filtros Digitais
caracterı́sticas como:
Aproximações
para Filtros FIR
Aproximações - Menor ondulação na faixa de passagem;
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático - Maior atenuação na banda de rejeição.
Médio
Comparação entre Janelas
PDS - Aula 03
Filtros Digitais
Eduardo
Simas
Nos próximos slides será apresentada uma comparação entre
Introdução algumas das funções janelas apresentadas considerando os
Filtros domı́nios do tempo e da frequência.
Analógicos
Aproximação de
Butterworth
Aproximação de
No domı́nio do tempo, pode-se observar que, a menos da janela
Chebyshev
retangular (boxcar), as demais tem caracterı́sticas semelhantes.
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
No slide do domı́nio da frequência temos as respostas para
Projeto de
Filtros Digitais
janelas (a) retangular, (b) Hamming, (c) Hann e (d) Blackman.
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
Percebe-se que com a evolução das janelas há uma diminuição
Filtros Lineares
de Mı́nimo Erro
das oscilações de Gibbs.
Quadrático
Médio
Comparação entre Janelas - Domı́nio do Tempo
PDS - Aula 03
Filtros Digitais
Eduardo
Simas
Introdução
Filtros
Analógicos
Aproximação de
Butterworth
Aproximação de
Chebyshev
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
Comparação entre Janelas - Domı́nio da Frequência
PDS - Aula 03
Filtros Digitais
Eduardo
Simas
Introdução
Filtros
Analógicos
Aproximação de
Butterworth
Aproximação de
Chebyshev
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
Comparação entre Janelas
PDS - Aula 03
Filtros Digitais
Eduardo
Simas
Introdução
Janela ∆ω AP (dB) AR (dB) w [n],
Filtros
Analógicos (p/ ωs = 2π) |n| ≤ (N − 1)/2
Aproximação de Retangular 0, 9π/N 0,7416 20,9 1
Butterworth
Aproximação de
2πn
Chebyshev
Hanning 3, 11π/N 0,0546 43,9 0, 5 + 0, 5 cos
N
Filtros Digitais 2πn
Estruturas Hamming 3, 32π/N 0,0194 54,5 0, 54 + 0, 46 cos
Básicas de N
Filtros Digitais 2πn
Projeto de Blackman 5, 56π/N 0,0017 75,3 0, 42 + 0, 5 cos
Filtros Digitais
Aproximações
N− 1
para Filtros FIR 4πn
Aproximações
+0, 08 cos N−1
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
Filtros FIR usando Janela “Ajustáveis”
PDS - Aula 03
Filtros Digitais
Conforme visto anteriormente, o uso de janelas produz
Eduardo
Simas oscilações de Gibbs que, para as janelas estudadas até aqui, não
podem ser controladas.
Introdução
Filtros
Analógicos
O uso de janelas mais sofisticadas (Ex. Blackman) contribui
Aproximação de
Butterworth
para a redução das oscilações, porém sua amplitude é
Aproximação de
Chebyshev
independente da ordem do filtro.
Filtros Digitais
Estruturas Em muitos casos práticos, as especificações dos filtros
Básicas de
Filtros Digitais consideram valores limitados para as oscilações tanto na banda
Projeto de
Filtros Digitais de passagem como na banda de rejeição.
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR Para atingir esse propósito é preciso utilizar janelas que possuam
Filtros Lineares
de Mı́nimo Erro parâmetros ajustáveis associados às oscilações como:
Quadrático
Médio
- Janela de Kaiser
- Janela de Dolph-Chebyshev
Filtros FIR usando Janela de Kaiser
PDS - Aula 03
Filtros Digitais
A janela de Kaiser é definida por:
Eduardo
q
Simas ( I β 1 − ( 2n )2
0 M
Introdução w [n] = , |n| ≤ M/2
I0 (β)
Filtros
Analógicos 0, |n| > M/2
Aproximação de
Butterworth
∞ 2
Aproximação de
Chebyshev
X (x/2)k
Sendo I0 (x) = 1 + a função de Bessel modificada
Filtros Digitais k!
Estruturas
k=1
Básicas de
Filtros Digitais
de primeira classe de ordem zero.
Projeto de
Filtros Digitais
Aproximações O parâmetro β pode ser utilizado para controlar as
para Filtros FIR
Aproximações caracterı́sticas da resposta em frequência do filtro.
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
Os filtros projetados usando a janela de Kaiser também
apresentam a mesma ondulação tanto na banda de passagem
como na de rejeição, porém a amplitude das ondulações pode
ser ajustada através do parâmetro β.
Filtros FIR usando Janela de Kaiser
PDS - Aula 03
Filtros Digitais Considerando um filtro com as seguintes especificações:
Eduardo
Simas
Introdução
Filtros
Analógicos
Aproximação de
Butterworth
Aproximação de
Chebyshev
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
O projeto usando a janela de Kaiser envolve os passos a seguir.

Etapas de Projeto usando Janela de Kaiser
PDS - Aula 03
Filtros Digitais
1 Determine a resposta ao impulso ideal. Para FPB e FPA faça
Eduardo
Simas Ωc = (Ωp + Ωr )/2.
Introdução
2 Dadas as ondulações Ap e Ar em dB encontre seus valores usando:
Filtros 100.05Ap − 1
Analógicos δp = e δr = 10−0.05Ap .
Aproximação de 100.05Ap + 1
Butterworth
Aproximação de
Chebyshev 3 Fazendo δ = min(δp , δr ) recalcule as ondulações resultantes em dB:
Filtros Digitais
1+δ
Estruturas Ap = 20 log e Ar = −20 log δ.
Básicas de
Filtros Digitais 1−δ
Projeto de
Filtros Digitais 4 Calcule a faixa de transição: Tr = Ωr − Ωp .
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
5 Determine β usando (expressão empı́rica de Kaiser):
Filtros Lineares
de Mı́nimo Erro
Quadrático
( 0, Ar ≤ 21
Médio
β= 0, 5842(Ar − 21)0,4 + 0, 07886(Ar − 21), 21 < Ar ≤ 50
0, 1102(Ar − 8, 7), Ar > 50
PDS - Aula 03
Filtros Digitais 6 O comprimento da janela M é definido como o menor número par
Eduardo que satisfaz:
Simas
Ωs D
Introdução M≥ ,
Tr
Filtros
Analógicos sendo Ωs a frequência de amostragem e D calculado por:
Aproximação de
Butterworth
0, 9222, Ar ≤ 21
(
Aproximação de
Chebyshev
D= Ar − 7, 95
Filtros Digitais
, 21 < Ar
14, 36
Estruturas
Básicas de
Filtros Digitais 7 Uma vez determinados M e β pode-se determinar w [n] (usando a
Projeto de
Filtros Digitais expressão do slide 67) e formar a sequência h0 [n] = w [n]h[n], sendo
Aproximações
para Filtros FIR h[n] a função de transferência do filtro ideal calculada na Etapa 1.
Aproximações
para Filtros IIR
Filtros Lineares 8 A função de transferência do filtro projetado é obtida de:
de Mı́nimo Erro
Quadrático
Médio
H(z) = z −M/2 Z{h0 [n]},
sendo Z{·} o operador da transformada z.

PDS - Aula 03
Filtros Digitais
O procedimento descrito nos slides anteriores se aplica a filtros
Eduardo
Simas passa baixas e passa altas.
Introdução Se for necessário projetar filtros passa faixa ou rejeita faixa
Filtros
Analógicos
deve-se acrescentar o seguinte:
Aproximação de
Butterworth
Aproximação de
- Calcular a faixa de transição Tr mais estreita que será dada por:
Chebyshev
Filtros Digitais
Estruturas
Tr = Ωr 1 − Ωp1 ou Tr = Ωr 2 − Ωp2 .
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais
- As duas frequências centrais são determinadas usando:
Aproximações
para Filtros FIR

Aproximações Tr Tr
para Filtros IIR Ωc1 = Ωp1 + e Ωc2 = Ωp2 −
Filtros Lineares 2 2
de Mı́nimo Erro
Quadrático
Médio
Uma especificação tı́pica de um filtro rejeita faixa é mostrada
no próximo slide.
PDS - Aula 03 Especificação tı́pica de um filtro rejeita faixa:

Filtros Digitais
Eduardo
Simas
Introdução
Filtros
Analógicos
Aproximação de
Butterworth
Aproximação de
Chebyshev
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
O projeto usando Janela de Dolph-Chebyshev é realizado de modo
semelhante ao descrito para a janela de Kaiser, sendo que a janela é
definida com base no polinômio de Chebyshev de ordem M.
Aproximações de Filtros FIR usando Métodos
Numéricos
PDS - Aula 03
Filtros Digitais
Embora o projeto de filtros FIR utilizando janelas seja
Eduardo
relativamente simples e direto, ele tem limitações,
Simas principalmente quando deseja-se obter uma resposta na
frequência com caracterı́sticas pré-definidas.
Introdução
Filtros O método baseado em janelas não é eficiente para o projeto de

Analógicos
Aproximação de filtros com amplitudes diferentes das ondulações nas faixas de
Butterworth
Aproximação de passagem e rejeição e também não são capazes de produzir FPF
Chebyshev
e FRF assimétricos
Filtros Digitais
Estruturas
Básicas de Para esses casos pode-se utilizar métodos baseados em
Filtros Digitais
Projeto de
Filtros Digitais
otimização numérica, que são capazes de projetar filtros com
Aproximações
para Filtros FIR
função de transferência mais genérica.
Aproximações
para Filtros IIR
Filtros Lineares
Entre os métodos numéricos utilizados para o projeto de filtros
de Mı́nimo Erro
Quadrático FIR pode-se destacar:
Médio
- Método WLS (Weighted Least Squares ou Mı́nimos
Quadrados Ponderados);
- Método Ótimo de Chebyshev.
Filtros FIR usando Métodos Numéricos
PDS - Aula 03
Filtros Digitais Para o desenvolvimento dos métodos numéricos de projeto de filtros
Eduardo FIR é preciso considerar os quatro tipos de filtro com resposta de fase
Simas linear (Tipos I, II, III e IV vistos anteriormente).
Introdução Visando uma apresentação unificada destes filtros define-se uma
Filtros função auxiliar:
Analógicos
Aproximação de L
Butterworth X
Aproximação de P(ω) = p(l) cos(ωl)
Chebyshev
l=0
Filtros Digitais
Estruturas
Básicas de
Com base nessa função pode-se expressar a resposta em frequência
Filtros Digitais
Projeto de
dos quatro tipos de filtros FIR com fase linear.
Filtros Digitais
Aproximações
para Filtros FIR
É definida então uma função de erro:
Aproximações
para Filtros IIR
Filtros Lineares E (ω) = Wq (ω)[Dq (ω) − P(ω)]
de Mı́nimo Erro
Quadrático
Médio
sendo Wq (ω) = W (ω)Q(ω), Dq (ω) = D(ω)/Q(ω), W (ω) a função
peso, D(ω) a resposta em amplitude ideal do filtro e Q(ω) uma
função variável com o tipo do filtro.
PDS - Aula 03
Filtros Digitais
Eduardo
Simas
Temos então os valores de Q(ω) em função do tipo do filtro:
- Tipo I: Q(ω) = 1
Introdução
Filtros
- Tipo II: Q(ω) = cos(ω/2)
Analógicos
Aproximação de
- Tipo III: Q(ω) = sen(ω)
Butterworth
Aproximação de
Chebyshev
- Tipo VI: Q(ω) = sen(ω/2)
Filtros Digitais
Estruturas Os valores de W (ω) e D(ω) podem ser calculados da tabela no
Básicas de
Filtros Digitais slide a seguir.
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR Pela formulação obtida no slide anterior o problema de
Aproximações
para Filtros IIR otimização para projeto dos filtros FIR pode ser definido como
Filtros Lineares
de Mı́nimo Erro
Quadrático
determinar os coeficientes p(l) que minimizam a função E (ω)
Médio em uma certa faixa de frequências.
PDS - Aula 03
Filtros Digitais
Eduardo
Simas
Introdução
Filtros
Analógicos
Aproximação de
Butterworth
Aproximação de
Chebyshev
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
PDS - Aula 03
Filtros Digitais
⇒ Filtros FIR pelo Método dos Mı́nimos Quadrados
Eduardo
Simas
Ponderados (WLS)
Introdução O método WLS busca a minimização do valor médio quadrático

Filtros do erro.
Analógicos
Aproximação de
Butterworth
Aproximação de
Ou seja, os coeficientes p(l) do filtro são ajustados visando:
Chebyshev
Z π
Filtros Digitais
2
Estruturas min |E (ω)| dω
Básicas de
Filtros Digitais 0
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
⇒ Filtros FIR pelo Método Ótimo de Chebyshev
Aproximações
para Filtros IIR
Filtros Lineares O método ótimo de Chebyshev tem como objetivo a
de Mı́nimo Erro
Quadrático
Médio
minimização do valor máximo do erro:

min max{|E (ω)|}
Projeto de Filtros FIR com auxı́lio do Matlab
PDS - Aula 03
Filtros Digitais
O projeto de filtros FIR pode ser simplificado utilizando o
Eduardo
Matlab (principalmente em termos dos cálculos que envolvem a
Simas obtenção dos coeficientes da função de resposta ao impulso).
Introdução
O Matlab possui funções na Signal Processing Toolbox
Filtros
Analógicos
dedicadas para filtros digitais. Entre elas podemos listar:
Aproximação de
Butterworth
- fir1: projeta filtros-padrão FIR (FPB, FPA, FPF e FRF)
Aproximação de
Chebyshev
utilizando o método da janela.
Filtros Digitais - fir2: projeta filtros FIR com resposta arbitrária utilizando
Estruturas
Básicas de
o método da janela.
Filtros Digitais
Projeto de
- boxcar, triang, bartlet, hamming, hanning, blackman
Filtros Digitais
Aproximações
e kaiser: determinam as funções janela correspondentes.
para Filtros FIR
Aproximações
- kaiserord: determina a ordem do filtro FIR com janela
para Filtros IIR
Filtros Lineares
Kaiser (para ser utilizado com o comando fir1).
de Mı́nimo Erro
Quadrático - firls: projeta filtros FIR com fase linear utilizando o
Médio
método dos mı́nimos quadrados ponderados.
- filter: realiza a filtragem de um sinal.
- freqz: obtém a resposta em frequência do filtro.
PDS - Aula 03
Filtros Digitais
Eduardo
Simas
Introdução
Filtros
Analógicos
Aproximação de
Butterworth
Aproximação de
Chebyshev
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
PDS - Aula 03
Filtros Digitais
Eduardo Os filtros de resposta ao impulso infinita (IIR) podem ser

Simas
realizados a partir de uma estrutura recursiva (a saı́da atual
Introdução depende de versões atrasadas dela mesma).
Filtros
Analógicos A estrutura recursiva produz uma função de transferência com
Aproximação de
Butterworth numerador e denominador (ou seja, com zeros e polos),
Aproximação de
Chebyshev diferente dos filtros FIR que não possuem polos.
Filtros Digitais
Estruturas
Básicas de Conforme comentado anteriormente uma caracterı́stica
Filtros Digitais
Projeto de interessante de filtros digitais IIR é que eles podem ser obtidos a
Filtros Digitais
Aproximações partir de estruturas analógicas correspondentes utilizando uma
para Filtros FIR
Aproximações transformação de variáveis
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
Os filtros analógicos podem ser projetados usando um dos
métodos mostrados a partir do slide 10.
Filtros IIR pelo método da Transformação Bilinear
PDS - Aula 03
Filtros Digitais
O método da transformação bilinear consiste basicamente em
Eduardo
Simas mapear o semi-plano s esquerdo no interior do ciclo unitário do
plano z.
Introdução
Filtros O mapeamento bilinear é definido por:

Analógicos
Aproximação de
Butterworth 2 z −1
Aproximação de s=
Chebyshev
T z +1
Filtros Digitais
Estruturas
Básicas de
A função de transferência do filtro digital é obtida do domı́nio
Filtros Digitais
Projeto de
analógico fazendo:
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações
H(z) = HA (s) 2 z−1
s= T z+1
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático O mapeamento bilinear é não-linear para altas frequências,
Médio
gerando uma distorção na resposta de módulo conhecida como
warping (ou empenamento).
PDS - Aula 03
Filtros Digitais
Mapeamento realizado pela transformação bilinear:
Eduardo
Simas
Introdução
Filtros
Analógicos
Aproximação de
Butterworth
Aproximação de
Chebyshev
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
PDS - Aula 03
Filtros Digitais
A caracterı́stica não linear da transformação bilinear produz
Eduardo
distorção na resposta de módulo do filtro digital:
Simas
Introdução
Filtros
Analógicos
Aproximação de
Butterworth
Aproximação de
Chebyshev
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
É possı́vel compensar esse efeito gerando artificialmente uma

“pré-distorção” adequada das especificações do filtro analógico.
Filtros IIR pela Aproximação de Módulo e Fase
PDS - Aula 03
Filtros Digitais
Eduardo
Simas Assim como os filtros FIR, os filtros IIR podem ser projetados a
partir de métodos numéricos de otimização que visam aproximar
Introdução
especificações de módulo e fase da resposta em frequência do
Filtros
Analógicos
filtro com mı́nimo erro.
Aproximação de
Butterworth
Aproximação de Considerando que H(z) é a função de transferência de um filtro
Chebyshev
IIR, então H(e jω ) é função dos coeficientes do filtro (que
Filtros Digitais
Estruturas podem ser agrupados no vetor c) e da variável independente
Básicas de
Filtros Digitais θ = ω e pode ser expressa como: F (c, θ).
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR A resposta na frequência desejada é: f (θ).
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro Assim, define-se uma função custo que busca o vetor de pesos c
Quadrático
Médio que realiza a minimização do erro entre F (c, θ) e f (θ).
Projeto de filtros IIR usando o Matlab
PDS - Aula 03
Filtros Digitais
O projeto de filtros IIR utilizando o Matlab pode ser realizado
Eduardo
Simas com as mesmas funções utilizadas para o projeto dos filtros
analógicos (conforme mostrado a partir do slide 10).
Introdução
Filtros Entre as funções úteis podemos destacar:

Analógicos
Aproximação de
Butterworth
- butter: projeta filtros analógicos e digitais IIR utilizando
Aproximação de
Chebyshev
a aproximação de Butterworth.
Filtros Digitais
- buttord: estima a ordem necessária para o filtro de
Estruturas
Básicas de
Butterworth a partir das especificações de projeto.
Filtros Digitais
Projeto de
- cheby1: projeta filtros analógicos e digitais IIR utilizando
Filtros Digitais
Aproximações
a aproximação de Chebyshev.
para Filtros FIR
Aproximações
- cheby1ord: estima a ordem necessária para o filtro de
para Filtros IIR
Filtros Lineares
Chebyshev a partir das especificações de projeto.
de Mı́nimo Erro
Quadrático - lp2lp, lp2hp, lp2bp, lp2bs: realizam a conversão do
Médio
filtro passa-baixas normalizado para filtros FPB não
normalizado, FPA, FPF e FRF, respectivamente.
PDS - Aula 03
Filtros Digitais
Eduardo
Simas
Introdução
Filtros
Analógicos
Aproximação de
Butterworth
Aproximação de
Filtros Lineares de Mı́nimo Erro Quadrático Médio
Chebyshev
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
Filtragem Linear de Mı́nimo Erro Quadrático Médio
PDS - Aula 03
Filtros Digitais Quando um sinal de interesse S(t) é contaminado por ruı́do
Eduardo
aditivo N(t), de modo que o sinal observado é:
Simas
X (t) = S(t) + N(t) , surge o problema de obter uma
Introdução
Filtros
estimação Ŝ(t) de S(t) a partir do sinal observado X (t).
Analógicos
Aproximação de Este problema pode ser definido, de modo equivalente como:
Butterworth
Aproximação de
Chebyshev
- Estimação de S(t) a partir de X (t);
Filtros Digitais
- Filtragem do ruı́do N(t) existente no sinal medido X (t).
Estruturas
Básicas de
Filtros Digitais
Entre os filtros Lineares de MMSE (Minimum Mean Square
Projeto de
Filtros Digitais
Error) podemos destacar:
Aproximações
para Filtros FIR - Filtros de Wiener e Filtros de Kalman
Aproximações
para Filtros IIR - Filtros Adaptativos
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
Os filtros MMSE normalmente tem estrutura FIR e são obtidos
a partir de uma análise estatı́stica dos sinais disponı́veis, sendo
abordados com detalhes na disciplina:
ENG A83 - Processamento Estatı́stico de Sinais.
Exemplo de Filtragem MMSE
PDS - Aula 03
Filtros Digitais
Eduardo
Simas
Introdução
Filtros
Analógicos
Aproximação de
Butterworth
Aproximação de
Chebyshev
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
PDS - Aula 03
Filtros Digitais
Eduardo
Simas
Introdução
Filtros
Analógicos
Aproximação de
Butterworth
Aproximação de
Resumo
Chebyshev
Filtros Digitais
Estruturas
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais
Aproximações
para Filtros FIR
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Quadrático
Médio
Resumo
PDS - Aula 03
Filtros Digitais
Eduardo
Simas Neste módulo foram abordados aspectos que envolvem o projeto
e a implementação de filtros digitais.
Introdução
Filtros
Analógicos
Inicialmente foram estudados os filtros analógicos.
Aproximação de
Butterworth
Aproximação de A seguir deu-se a apresentação de diversas estruturas digitais
Chebyshev
para a realização de filtros de resposta ao impulso finita (FIR) e
Filtros Digitais
Estruturas infinita (IIR).
Básicas de
Filtros Digitais
Projeto de
Filtros Digitais As etapas que envolvem o projeto de filtros digitais foram
Aproximações
para Filtros FIR abordadas separadamente para os filtros FIR e IIR.
Aproximações
para Filtros IIR
Filtros Lineares
de Mı́nimo Erro
Exemplos práticos de projeto e teste de filtros digitais foram
Quadrático
Médio realizados em sala de aula com o auxı́lio do Matlab.
Bibliografia Consultada
PDS - Aula 03
Filtros Digitais
Eduardo
Simas
Na elaboração destes slides foram utilizadas as fontes a seguir:
Introdução
- DINIZ, P. S. R., da SILVA, E. A. B. e LIMA NETTO, S.
Filtros
Analógicos
Processamento Digital de Sinais. Bookman, 2004.
Aproximação de
Butterworth
Aproximação de
- MITRA, S., Digital Signal Processing, Bookman, 2005.
Chebyshev
Filtros Digitais - WEEKS, M. Processamento Digital de Sinais, LTC, 2011.

Estruturas
Básicas de
Filtros Digitais
Projeto de
- ANTONIOU, A., Digital Signal Processing, McGraw-Hill,
Filtros Digitais
Aproximações
2006.
para Filtros FIR
Aproximações
para Filtros IIR Algumas figuras foram retiradas na ı́ntegras das referências
Filtros Lineares
de Mı́nimo Erro
Quadrático
acima.
Médio

PDS Aula03 PDF

Enviado por

Dados do documento

Descrição original:

Título original

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

PDS Aula03 PDF

Enviado por

Direitos autorais:

Formatos disponíveis

PDS - Aula 03

Introdução Disciplina: Processamento Digital de Sinais

Filtros Digitais Prof. Eduardo Simas

Onde |H(jω)| representa as respostas de módulo ideais para os

Introdução A seguir iremos apresentar duas das principais abordagens

Filtros Digitais G (Ω) = 10 log10 |Ha(jΩ)|2 dB

PDS - Aula 03 Resolvendo para N temos:

Eduardo 1 log10 [(A2 − 1)/ε2 ]

Filtros O valor de Ωc (frequência de corte de -3 dB) pode ser obtido por

No exemplo a seguir será utilizado o Matlab para auxı́lio ao projeto

Filtros - frequência limite da banda de rejeição 300 Hz;

Filtros Digitais - mı́nima atenuação na banda de rejeição 20 dB;

Filtros Eistem dois tipos de filtros de Chebyshev, que variam quanto à

Filtros Sendo TN2 o polinômio de Chebyshev de ordem N:

Filtros Digitais como resultado obtemos: Nc1 = 3 e Wnc1 = 100.

PDS - Aula 03 A figura a seguir apresenta uma comparação entre as respostas de

Filtros Digitais −30

Introdução Utilizando as funções do Matlab é simples projetar filtros

Filtros Digitais −20

x[n] PDS y[n]

- Filtros digitais podem apresentar a fase perfeitamente linear.

Filtros - O desempenho dos filtros analógicos não depende de

Filtros Digitais - A resposta em frequência do filtro digital pode ser mais

- Filtros digitais podem ser utilizados em sinais de frequência

Introdução - Filtros de resposta ao impulso finita (FIR - Finite Impulse

Filtros Digitais 3 Representação do filtro por uma estrutura adequada

Filtros - atrasos unitários;

Filtros Digitais - somadores

PDS - Aula 03 N−1

Figure : Estrutura FIR na forma direta

os coeficientes γik precisam ser determinados em função dos h(k) da

Introdução Esses filtros tem resposta em frequência do tipo:

h[n] = e 2jφ h∗ [M − n], sendo que o filtro existe para 0 ≥ n ≥ M.

Exemplos de resposta ao impulso de filtros FIR de fase linear dos

Realização de filtro de fase linear com resposta ao impulso simétrica

Como veremos a seguir, existem ainda outras metodologias para

A sequência w [n] é conhecida como “função janela”.

Filtros Digitais Os 25 coeficientes do filtro são mostrados a seguir (os demais

PDS - Aula 03 A resposta em frequência obtida é:

Filtros Uma opção simples é utilizar janelas de formato triangular como:

O projeto usando a janela de Kaiser envolve os passos a seguir.

sendo Z{·} o operador da transformada z.

PDS - Aula 03 Especificação tı́pica de um filtro rejeita faixa:

Filtros O método baseado em janelas não é eficiente para o projeto de

Introdução O método WLS busca a minimização do valor médio quadrático

Eduardo Os filtros de resposta ao impulso infinita (IIR) podem ser

Filtros O mapeamento bilinear é definido por:

É possı́vel compensar esse efeito gerando artificialmente uma

Filtros Entre as funções úteis podemos destacar:

Filtros Digitais - WEEKS, M. Processamento Digital de Sinais, LTC, 2011.

Você também pode gostar