Escolar Documentos
Profissional Documentos
Cultura Documentos
VENTANAS DE KAISER
RESUMEN.
KEY WORDS:
Los filtros son usados ampliamente en procesamiento
de señales, estos se diseñan con el objetivo de eliminar FIR filter, Window method, Impulsive response.
componentes no deseadas en una señal. Los filtros FIR
son únicos que pueden presentar un comportamiento
de fase lineal, además estos filtros son estables al estar
todos los polos en el origen del plano z. En algunas OBJETIVOS:
casos no se pueden diseñar los filtros FIR
directamente a partir de prototipos analógicos por lo
que uno de los métodos que se utilizan en el diseño es Diseñar filtros analógicos a partir de filtros
de las ventanas, los cuales una secuencia de muestras digitales mediante el método de ventanas.
de longitud M+1 se multiplican por las muestras Obtener una función de transferencia H(z)
originales de hd[n], con el fin de minimizar los efectos realizable aproximándola a una respuesta en
de distorsión en frecuencia respecto al 𝐻𝑑 (𝑒 𝑗𝑤 ). frecuencia DE comportamiento programable.
PALABRAS CLAVE:
MARCO TEORICO
Filtro FIR, Método de ventanas, Respuesta I. DISEÑO DE FILTROS FIR APLICANDO
Impulsional. VENTANAS
2
2
𝐼0 (𝛽 √1 − ( 𝑛 − 1)
𝑀
𝑤[𝑛] = 0≤𝑛≤𝑀
𝐼0 (𝛽)
𝑎
{ 0 𝑟𝑒𝑠𝑡𝑜
Donde:
β
Ilustración 9. Filtro pasa banda.
0.1102(αs − 8.7) αs > 50
Ancho de banda de la transición normalizada = {0.5842(αs − 21)0.4 + 0.07886(αs − 21) 21 ≤ αs ≤ 50}
∆ω = ωs − ωP 0 αs < 21
Teniendo como 𝛼𝑠 = 40𝑑𝐵, un valor que esta entre 21
Rizo mínimo en dB y 50 debemos usar la segunda ecuación.
A = αs = −20log10 δmin 𝛃 = 𝟎. 𝟓𝟖𝟒𝟐(𝛂𝐬 − 𝟐𝟏)𝟎.𝟒 + 𝟎. 𝟎𝟕𝟖𝟖𝟔(𝛂𝐬 − 𝟐𝟏)
Parámetros de la ventana β = 0.5842(40 − 21)0.4 + 0.07886(40 − 21)
β = β(δ) 𝛽 = 0.5842(3.2471) + 0.07886(19)
0.1102(A − 8.7) A > 50 𝛽 = 1.89695 + 1.49834
= {0.5842(A − 21)0.4 + 0.07886(A − 21) 21 ≤ A ≤ 50} 𝛽 = 3.39529
0 A < 21 Paso 4:
Longitud del filtro Calculamos la longitud del filtro, analizando el valor de
rizado mínimo para usar la fórmula adecuada, en este
A − 7.95
, 𝛼𝑠 > 21 caso como este valor es mayor que 21 se usara la primera
M = {2.285 ∗ ∆ω } fórmula:
5.79 𝛂𝐬 − 𝟕. 𝟗𝟓
, 𝛼𝑠 < 21 𝐌=
∆𝜔 𝟐. 𝟐𝟖𝟓 ∗ ∆𝛚
Ventana de kaiser 40 − 7.95
𝑀=
𝑛 − 𝑀/2 2 2.285 ∗ 0.2π
𝐼𝑜 {𝛽√1 − ( ) } 32.05
𝑀/2 𝑀=
1.4357
𝑤[𝑛] = , 𝑀 = 22.32 ≈ 23
𝐼𝑜(𝛽)
0≤𝑛≤𝑀 Paso 5:
Determinar la correspondiente ventana de káiser
Filtro ideal
mediante la fórmula:
𝑠𝑖𝑛(𝜔𝑐(𝑛 − 𝑀/2)) 𝑀
, 0 ≤ 𝑛 ≤ 𝑀, 𝑛 ≠
𝜋(𝑛 − 𝑀/2) 2 𝑛 − 𝑀/2 2
ℎ𝐿𝑃 [𝑛] = 𝐼𝑜 {𝛽 √1 − ( ) }
𝜔𝑐 𝑀 𝑀/2
{ , 𝑛= }
𝜋 2 𝑤[𝑛] = , 0≤𝑛≤𝑀
Filtro obtenido 𝐼𝑜(𝛽)
20 2
ℎ 𝑇 [𝑛] = ℎ𝐿𝑃 [𝑛]. 𝑤[𝑛] (𝛽/2)𝑘
𝐼𝑜(𝛽) = 1 + ∑ [ ]
𝑘!
𝑘=1
VI. EJERCICIOS 20 2
(3.39529/2)𝑘
𝐼𝑜(𝛽) = 1 + ∑ [ ]
𝑘!
Con las siguientes características diseñar un filtro FIR: 𝑘=1
𝜔𝑝 = 0.3𝜋; 𝜔𝑠 = 0,5𝜋; 𝛿𝑠 = 𝛿𝑝 = 0,01 𝑰𝒐(𝜷) = 𝟔. 𝟕𝟓𝟖𝟏
Paso 1: 𝑛 − 12 2
𝐼𝑜 {3.39529√1 − ( ) }
Obtener el rizado mínimo en dB: 12
𝑤[𝑛] = ,
6.7581
𝜶𝒔 = −𝟐𝟎. 𝐥𝐨𝐠(𝜹𝒔) 0 ≤ 𝑛 ≤ 23
𝛿𝑠 = 0,01 Para n=0
𝑤[0] = 0.1479 𝑠𝑖𝑛(𝜔𝑐(𝑛 − 𝑀/2)) 𝑀
Para n=1 , 0 ≤ 𝑛 ≤ 𝑀, 𝑛 ≠
ℎ𝐿𝑃 [𝑛] = 𝜋(𝑛 − 𝑀/2) 2
𝑤[1] = 0,2243 𝜔𝑐 𝑀
Para n=2 { , 𝑛= }
𝜋 2
𝑤[2] = 3177
𝑠𝑖𝑛(0.4𝜋(𝑛 − 12))
Para n=3 , 0 ≤ 𝑛 ≤ 23}
ℎ𝐿𝑃 [𝑛] = { 𝜋(𝑛 − 12)
𝑤[3] = 0.4147
Para n=4 0.4, 𝑛 = 12
𝑤[4] = 0.5152
Para n=5 𝑠𝑖𝑛(0.4𝜋(𝑛 − 12))
ℎ𝐿𝑃 [𝑛] = { , 0 ≤ 𝑛 ≤ 23}
𝑤[5] = 0.6156 𝜋(𝑛 − 12)
Para n=6 0.4, 𝑛 = 12
𝑤[6] = 0.7116
Para n=7 ℎ 𝑇 [𝑛] = ℎ𝐿𝑃 [𝑛]. 𝑤[𝑛]
𝑤[7] = 0.7993 𝑠𝑖𝑛(0.4𝜋(𝑛 − 12))
Para n=8 . 𝑤[𝑛], 0 ≤ 𝑛 ≤ 23
ℎ 𝑇 [𝑛] = { 𝜋(𝑛 − 12) }
𝑤[8] = 0.8748 0.4. 𝑤[12], 𝑛 = 12
Para n=9
𝑤[9] = 0.9346 ℎ 𝑇 [𝑛] =
Para n=10
𝑛 − 12 2
𝑤[10] = 0.9761 𝐼𝑜 {3.39529√1 − ( ) }
Para n=11 𝑠𝑖𝑛(0.4𝜋(𝑛 − 12)) 12
. 0 ≤ 𝑛 ≤ 23
𝑤[11] = 0.9973 𝜋(𝑛 − 12) 6.7581
Para n=12 { (0.4). (0.9973), 𝑛 = 12 }
𝑤[12] = 0.9973
Para n=13 ℎ 𝑇 [𝑛] =
𝑤[13] = 0.9761 𝑛 − 12 2
Para n=14 𝐼𝑜 {3.39529√1 − ( ) }
𝑠𝑖𝑛(0.4𝜋(𝑛 − 12)) 12
𝑤[14] = 0.9346 . , 0 ≤ 𝑛 ≤ 23
Para n=15 𝜋(𝑛 − 12) 6.7581
𝑤[15] = 0.8748 { 0,39892, 𝑛 = 12 }
Para n=16 Mediante el método de envetanado para el diseño de
𝑤[16] = 0.7993 filtros FIR, diseñe un filtro pasa bajos que respete las
Para n=17 características del filtro deseado que se detallan a
𝑤[17] = 0.7116 continuación. Utilice una ventana de Kaiser.
Para n=18
𝑤[18] = 0.6156 0.975 ≤ |𝐻(𝑒 𝑗𝜔 )| ≤ 1 𝑝𝑎𝑟𝑎 |𝜔| ≤ 0.2𝜋
Para n=19 |𝐻(𝑒 𝑗𝜔 )| ={ 1
𝑤[19] = 0.5152 |𝐻(𝑒 𝑗𝜔 )| ≤ 0.1 𝑝𝑎𝑟𝑎 0.3𝜋 ≤ 𝜔 ≤ 𝜋
Para n=20
𝑤[20] = 0.4147 Solución:
Para n=21 𝛿 = 𝑚𝑖𝑛(1 − 0.975) = 0.025
𝑤[21] = 0.3177 𝐴 = −20 log10 𝛿 = 32.04
Para n=22 ∆𝜔 = 0.1𝜋
𝑤[22] = 0.2279 𝛽 = 0.5842(𝐴 − 21)0.4 + 0.07886(𝐴 − 21)
Para n=23 = 2.40
𝑤[23] = 0.1480 32.04 − 8
𝑀= = 33.49
2.285(0.1𝜋)
Mediante un código es posible obtenerla mediante
Matlab.- 𝑤[𝑛] = 𝑘𝑎𝑖𝑠𝑒𝑟(𝑀 + 1, 𝛽)
Paso 6:
El filtro se obtendrá mediante la multiplicación del filtro
ideal ℎ𝑖[𝑛] por 𝑤[𝑛]:
diseñar, pierde algo de sistemática al tenerse
que “tantear” el mejor tipo de ventana.
El método de ventanas facilitan el diseño de los
filtros FIR ya que los cálculos no son
demasiado dificultosos.
El diseño de filtros FIR con ventana de Kaiser
permiten controlar las características de
discriminación del filtro y su selectividad
mediante la selección adecuada de sus
parámetros.
Los rizados se reducen seleccionando
adecuadamente la ventana con que se efectué el
truncamiento de ℎ𝑑 [𝑛].
Recuperado de:
[2]http://ocw.uv.es/ingenieriayarquitectura/
filtrosdigitales/tema_3._diseno_de_filtros_fir.pdf
ECUACION [4]https://prezi.com/_fxnnwcufe5t/metodo-deventanas-
para-el-diseno-de-filtros-fir/
VII. CONCLUSIONES