Escolar Documentos
Profissional Documentos
Cultura Documentos
2020/2021
Capítulo 7
Filtros Digitais
Versão 1.00
EG – Filtros Digitais
Introdução
Filtros digitais:
- Têm as vantagens do processamento digital de sinal (“Digital Signal
Processing” – DSP): não variam com a temperatura, humidade, idade,
etc.
- Usualmente implementados em software (via DSPs, FPGAs) o que lhes
confere a capacidade de serem programáveis.
- Têm as desvantagens do processamento digital de sinal: erros de
quantificação na conversão A/D e D/A e no processamento digital
(precisão finita das amostras e dos registos), sinais de relógio (clock
feedthrough), rapidez dos dispositivos de implementação (DSPs, etc.)
- Podem ser de 2 tipos: (i) IIR (“Infinite Impulse Response”), sempre
recursivos e (ii) FIR (“Finite Impulse Response), quase todos não
recursivos.
vS&H
No tempo:
+
1 +
xs (t ) = xc (t ) s (t ) = x (nt ) (t − nT )
n =−
c X s ( j) = X c [ j ( − n s )]
T n =−
2020-2021 J. Gerald VII - 4
EG – Filtros Digitais
Amostragem de sinais (Cont.)
Teorema da Amostragem: Se a frequência de amostragem (Ωs) for
maior que 2 vezes a frequência máxima do sinal amostrado (ΩN) é
possível reconstituir o sinal original a partir do sinal amostrado
usando um filtro passa-baixo.
Caso contrário há sobreposição de bandas (soma vectorial de sinais)
designada por “aliasing”.
|Xs(jΩ)|
ΩN
-Ωs Ωs Ω
aliasing aliasing
2020-2021 J. Gerald VII - 5
EG – Filtros Digitais
Amostragem de sinais (Cont.)
Amostragem Impulsiva e Transformada Z
Sinal (x(t)) amostrado por sequência de impulsos de Dirac (δ(t)):
x δ(t)=x(t) δ(t)+x(t) δ(t-T)+x(t) δ(t-2T)+...=x(0) δ (t)+x(T) δ(t-T)+x(2 T) δ(t-2T)+...
=x0 δ(t)+x1 δ(t-T)+x2 δ(t-2T)+...
A transformada de Laplace é:
Xδ(s)= x0+ x1 e-sT+x2e-s2T+...
Ou, introduzindo a variável z=esT (em que z-1=e-sT representa um atraso T)
+
X(z)= x0+ x1 z-1+x 2z-2+... = n
x
n =0
z −n
T ( s ) s = j = T ( z ) z =e jT = T ( z ) z =e j
Resposta em frequência periódica!
-1 1
k =1 k =0 k =1 k =0
M
Y ( z)
k
a z −k
Todos bk=0 FIR
T (z) = = k =0
N Função de Sistema
1 + bk z − k
X ( z) Algum bk≠0 IIR
k =1
2020-2021 J. Gerald VII - 8
EG – Filtros Digitais
Amostragem de sinais (Cont.)
Função de Sistema e Estabilidade
M M
a z k
−k
(1 − c z k
−1
) (1 − ck z −1 ) Zero em z=ck e pólo em zero
T ( z) = k =0
N
= k =1
N
1 + bk z − k (1 − d k z −1 ) (1 − d k z −1 ) Pólo em z=dk e zero em zero
k =1 k =1
1
Exp: T ( z ) = −1
→ hn = a nun
(1 − az )
Estabilidade |h
n =−
n |
Eq. de Recorrência: yn = ak xn − k − bk yn − k M
k =0 k =1
a z k
−k
Função de Sistema: T ( z ) =
k =0
N
1 + bk z − k
Obtenção de T(z) k =1
n-1 n
2020-2021 J. Gerald VII - 12
EG – Filtros Digitais
Filtros IIR (Cont.)
Deformação na Frequência da Transformação Bilinear
γ=ωT
2 1 − z −1 T
s= 2
~
T 1 + z −1 = tan( )
T 2
~
2 T
s=jῶ z=ejωT = tan −1 ( )
T 2
ωT ῶ
A(γ)
A(ῶ)
π
ῶ
-π
ῶp ῶs ῶ
2020-2021 J. Gerald VII - 13
EG – Filtros Digitais
2
( a + b)
Filtros IIR (Cont.) a' = T
2
( + c)
Exp: T
2
(b − a)
as + b a '+ b ' z −1 b' = T
T ( s) = T ( z) = 2
s+c 1 − c ' z −1 ( + c)
T
2 1 − z −1 2
( − c)
s=
T 1 + z −1 c' = T
2
( + c)
T
Resposta de Amplitude:
jT a '+ b ' e − jT a '+ b 'cos(T ) − jb ' sen(T ) [a '+ b 'cos(T )]2 + [b ' sen(T )]2
| T (e ) |= = =
1− c 'e − jT
1 − c 'cos(T ) + jc ' sen(T ) [1 − c 'cos(T )]2 + [c ' sen(T )]2
Resposta de Fase:
a '+ b ' e − jT b ' sen(T ) c ' sen(T )
arg T (e jT
) = arg = − arctg − arctg
1 − c ' e − jT
a '+ b 'cos(T ) 1 − c 'cos(T )
2020-2021 J. Gerald VII - 14
EG – Filtros Digitais
M
T ( z) = k =0
Realização de Filtros IIR N
1 + bk z − k
1 – DFS (3 operações apenas: adição, multiplicação e atraso) k =1
2 – Optimização de processamento M N
3 – Implementação na tecnologia desejada yn = a x
k =0
k n−k − bk yn − k
k =1
Diagrama de Fluxo de Sinal (DFS)
Forma Directa I Forma Directa II (canónica)
a0 xn a0 yn
xn yn
-b1 z-1 a1
z-1 a1 -b1 z-1
-b2 z-1 a2
z-1 a2 -b2 z-1
Eq. de Recorrência: yn = hk xn − k
k =0 N −1
Função de Sistema: T ( z ) = hk z
−k
k =0
Obtenção de T(z)
Método mais usado é o método das janelas:
1) Trunca-se a resposta impulsional hn com uma janela (temporal) finita;
1a) Faz-se uma translacção dos coeficientes no tempo;
2) Aplica-se a Transformada Z à série resultante.
2020-2021 J. Gerald VII - 16
EG – Filtros Digitais
Filtros FIR (Cont.)
Fase Linear
Há duas propriedades nos filtros FIR de fase linear:
1) Simetria (ou anti-simetria) na resposta impulsional
2) Se zi é um zero da função de sistema, então 1/zi também é.
hn hn hn hn
N ímpar N par N ímpar N par
N
pólos
2020-2021 J. Gerald VII - 17
EG – Filtros Digitais
Filtros FIR (Cont.) N −1
Fase Linear T (e ) = hn e − jn
j
n =0
Verificação de condição necessária e suficiente:
( N −3) / 2 N −1
−j
N ímpar j
T (e ) = n =0
hn e − jn
+e − j ( N −1− n )
+ hN −1e 2
−j
N −1
( N −3) / 2
N −1
=e 2
N −1
h + 2 hn cos ( n − )
N
2 n =0 2
−1
2
N par T (e j ) = hn e − jn + e − j ( N −1− n )
n =0
N −1 N2 −1
−j N − 1
=e 2
2hn cos (n − )
n =0 2
N −1 N −1
A fase (linear) vem: ( ) = − O atraso (constante) vem: ( ) =
2 2
2020-2021 J. Gerald VII - 18
EG – Filtros Digitais
Filtros FIR (Cont.)
Método das Janelas (“Windows”)
Resposta ideal (por exp LP) desejada
|Ť(ejγ)|
1 função periódica
...
-γp γp γ
_ 1 _
j
T (e ) = hˆn e − j n
= série de Fourier com coeficientes hˆn = T (e j )e j n d
n =−
2 −
z-1
z-1 z-1 z-1 z-1
Eq. de Recorrência: yn + bk yn − k = ak xn − k
k =1 k =0
Genericamente: ou seja
Definindo
Secção biquadrática
- 783 pins
- Relógio até 1GHz
- Palavra de 128 bits
- Memória: 2GB DDR3 RAM
- Alimentação -0,3V a 1,1V
- Um 3850 tem 8 ALU 16x16 bits
- 6 DSPs SC3850
Intelcore i7-6700k (2015)
- Quad-core - 1366 pins (saem do socket)
- 64 GB (máx) DDR4 - Alimentação 1,35 V
- 64 bits - Relógio de 4 GHz
2020-2021 J. Gerald VII - 32
EG – Filtros Digitais
Filtros Adaptativos
1. Introdução
Sistemas (contínuos ou discretos cujos parâmetros variam no tempo e
apresentam as seguintes características:
• Adaptação automática
• Possibilidade de treino para filtragens específicas
• Não necessitam de procedimentos relativos à síntese (aproximação), pelo
contrário, desenham-se a si mesmos
• Podem identificar modelos, após um período de treino
• Em certa medida, podem reparar-se a si próprios
• Em geral, podem considerar-se sistemas não lineares de parâmetros
variáveis no tempo
• Em geral, são mais difíceis de analisar que os sistemas não adaptativos,
mas possibilitam um melhor desempenho quando o sinal de entrada tem
características desconhecidas ou variantes no tempo
2020-2021 J. Gerald VII - 33
EG – Filtros Digitais
Filtros Adaptativos
2. Modos de Operação
Correção (modelação inversa, circuito aberto)
Ĥ opt (z)=H −1 ( z )
Ĥ opt (z)=H( z )
• Identificação de sistemas
• Igualização de canal
• Digitalização/síntese de voz
• Cancelamento de eco (dados e acústico)
• Branqueamento espectral
ˆ
Y(z)=E(z)-E(z)=X(z) ˆ
H(z)-H(z)
xk ^ +
^
ek ~
e
k X ( z) = H ( z)E( z)
H1(z)
-
ˆ X(z) ˆ ( z ) − X(z) H ˆ ( z) =
- + Y(z)=E(z)-E(z)= - X(z)H1 2
H( z ) H( z )
y
ˆ ( z)
1+H ˆ ( z)
k
= X(z) 2
−H 1
^
H2(z) H( z )
(ISI)
2020-2021 J. Gerald VII - 36
EG – Filtros Digitais
Filtros Adaptativos
3. Áreas de Aplicação (Cont.)
• Cancelamento de Eco em
Transmissão de Voz
Eco remoto:
Grande atraso (satélite > 0,5 s) e pequena amplitude
Canal
+
Canal
+
Sinal
Eco emitido
1º Eco Remoto
2º Eco Remoto
2020-2021 J. Gerald VII - 37
EG – Filtros Digitais
Filtros Adaptativos
3. Áreas de Aplicação (Cont.)
Eco local:
Pequeno atraso e grande amplitude (mais de -15 dB abaixo do sinal emitido)
ˆ
Y(z)=E(z)+R(z)-E(z)=X(z) ˆ +R(z)
H(z)-H(z)
Minimização de E y 2k ˆ
H(z)=H( z)
Características:
• yk é geralmente adequado ao restante recetor
• Sistema de identificação mais utilizado
• Mas para filtros adaptativos recursivos conduz geralmente a superfícies de erro com mínimos locais
2020-2021 J. Gerald VII - 39
EG – Filtros Digitais
Filtros Adaptativos
5. Formas de Erro (Funções de Custo)
Função do Função do Outras Funções
Erro Quadrtático Médio Módulo Exp: Não Linear com
2
Limiar
E[y k] |y | f{y }
k k
y y y
k k k
• Não Recursivo – Filtro de Wiener, produz uma estimativa baseada numa soma pesada de
amostras em número finito.
• Recursivo – Filtro de Kalman, produz uma estimativa baseada num modelo recursivo (AR –
“Autoregressive”) continuamente otimizado a partir de cada nova amostra.
7. Filtro de Wiener
eˆ k = x k-i cˆ i =X Tk C=C
ˆ ˆ TX
k
i= 0
X k = x k , x k-1 , , x k-N
T
ˆ = cˆ , cˆ ,
C , cˆ N
T
0 1
MSE=E yk2 =E ek - C (
ˆ TX )
2
k
P R
ˆ y 2k y 2k y 2k y 2k
k = T = , , , = −2y k x k
ˆ
C cˆ 0 cˆ1 cˆ N
ˆ =C
Algoritmo LMS: C ˆ +2μy x
k+1 k k k
i=a