INSTITUTO FEDERAL DE EDUCAÇÃO CIÊNCIA E

TECNOLOGIA DA PARAÍBA
COORDENAÇÃO DO CURSO SUPERIOR DE BACHARELADO EM
ENGENHARIA ELÉTRICA

RELATÓRIO
PROJETO DE FILTRO DIGITAIS

IGOR FRANKLIN DE BRITO

João Pessoa - PB
Junho/2018
 INSTITUTO FEDERAL DE EDUCAÇÃO CIÊNCIA E
TECNOLOGIA DA PARAÍBA
COORDENAÇÃO DO CURSO SUPERIOR DE BACHARELADO EM ENGENHARIA ELÉTRICA
DISCIPLINA: PROCESSAMENTO DIGITAL DE SINAIS
PROFESSORA: DANILO REGIS
ALUNO: IGOR FRANKLIN DE BRITO
MATRICULA: 20162610002

PROJETO DE FILTROS DIGITAIS

Relatório referente ao projeto de filtro

digitais, na disciplina de Processa-
mento Digital de Sinais, pelo curso su-
perior de Bacharelado em Engenharia
Elétrica no Campus João Pessoa.

João Pessoa - PB
Junho/2018
 1)Aumente o período para 100 e verifique o que muda:

Janela de Hamming com wP = 0,2π, RP = 0,25 dB, wS = 0,3π e AS = 50 dB.

Aumentando o período para 100 notamos um maior número de amostras, pois estamos au-
mentando o tamanho do filtro.

1.1)Aumente a banda de transição e observe o que ocorre:

Aumentando a banda de corte notamos um número maior de informações coletadas pois pas-
samos a cortar o sinal mais “tarde”, atrasando a banda de corte e a banda de atenuação.
 1.2) Que tipo de filtro é esse?

O filtro apresentado é um filtro FIR pois limita as frequências a um intervalo finito. Dentro da
janela seus valores são válidos e fora dela são nulos, situação contrária ao que ocorre nos Filtro
IRR que “bloqueiam”, “anulam” as frequências dentro da janela e deixam passar as frequências
restantes. É um filtro passa baixas.

2) Usando o mesmo período, verifique o que muda da Janela de Kaiser para Janela de
Hamming?

A Janela de Kaiser apresenta uma banda de atenuação que decresce e posteriormente matem
uma constância, diferente da Janela de Hamming que apresenta uma banda de atenuação
constante.

2.1) Aumente a banda de transição da janela de Kaiser e verifique o que ocorre.

Na Janela de Kaiser acontece um comportamento semelhante ao da Janela de Hamming quando
aumentamos a banda de transição. É observada uma maior quantidade de informação e uma
banda de corte mais “atrasada”, contudo a atenuação decai à medida que a frequência se dis-
tancia do corte.

2.2) Que tipo de filtro é esse?

O filtro apresentado é um filtro FIR pois limita as frequências a um intervalo finito. Dentro da
janela seus valores são válidos e fora dela são nulos, situação contrária ao que ocorre nos Filtro
IRR que “bloqueiam”, “anulam” as frequências dentro da janela e deixam passar as frequências
restantes. É um filtro passa baixas.

3. Comparação entre os tipos de janelas.

Podemos notar que as janelas “bloqueiam” a mesma faixa do sinal, pois o intervalo enfatizado
é o mesmo. O que difere de uma janela para outra é exatamente suas atenuações, visto que a
função que multiplica os intervalos hd são diferentes e seu comportamento é diferente.

4. Podemos identificar doa atenuação usando esse filtro, o código foi modificado para que o
filtro fosse uma passa faixa. Um trecho do código pode ser observado abaixo:

M = 45; As = 59; n=[0:M-1];

beta = 0.1102*(As - 8.7)

w_kai = (kaiser(M, beta))';

wc1 = 2*pi/4; wc2 = 2*pi/3;

hd = (ideal_lp(wc2, M) - ideal_lp(wc1, M)) %filtro pasa faixa

hd = ((ideal_lp(pi,M)) - (ideal_lp(wc2, M))+(ideal_lp(wc1,M))) ; %filtro note

h = hd.*w_kai;

[db, mag, pha, w] = freqz_m(h, [1]);

subplot (1, 1, 1);

subplot (2, 2, 1);

stem(n,hd); title('Resposta ao Impulso Ideal');

axis([0 M-1 -0.2 0.8]); xlabel('n'); ylabel ('hd[n]');

subplot (2, 2, 2); stem (n, w_kai); title ('Janela de Kaiser');

axis ([0 M-1 0 1.1]); xlabel('n'); ylabel('w[n]');

subplot (2, 2, 3); stem(n, h); title('Resposta ao Impulso Atual');

axis([0 M-1 -0.2 0.8]);xlabel('n');ylabel('h[n]');

subplot (2, 2, 4); plot(w/pi, db); title('Magnitude em dB');grid

axis([0 1 -80 10]);xlabel('frequencia em pi unidades');ylabel('Decibeis');

O parâmetro As foi alterado para que o filtro alcançasse uma boa atenuação.

O código acima pode ser modificado facilmente para a obtenção de um filtro note a partir da
soma de um passa alta mais um passa baixa com frequências de corte próximas.

5. O código apresenta um filtro diferenciador a partir da janela de Hamming:

M = 21; alpha = (M - 1)/2;

n = 0:M-1;

hd = (cos(pi*(n - alpha)))./(n - alpha);

hd (alpha + 1) = 0;

w_ham = (hamming(M))';

h = hd.*w_ham;

[Hr, w, P, L] = Hr_Type(h, 3);

subplot (2, 2, 1); stem(n, hd); title('Resposta ao Impulso Ideal');

axis([0 M-1 -1.2 1.2]);xlabel('n');ylabel('hd[n]');

subplot (2, 2, 2); stem(n, w_ham); title('Janela de Hamming');

axis([0 M-1 0 1.2]);xlabel('n');ylabel('w[n]');

subplot (2, 2, 3); stem(n, h); title('Resposta ao Impulso Atual');

axis([0 M-1 -1.2 1.2]);xlabel('n');ylabel('h[n]');

subplot (2, 2, 4); plot(w/pi, Hr/pi); title('Magnitude em dB');grid

axis([0 1 0 1]);xlabel('frequencia em pi um

6. O script ilustra a obtenção de um filtro transformador digital de Hilbert a partir de uma ja-
nela de Hamming:

M = 25; alpha = (M - 1)/2; n = 0:M-1;

hd = (2/pi)*((sin((pi/2)*(n - alpha)).^2)./(n - alpha));

hd (alpha + 1) = 0;
w_han = (hanning(M))';

h = hd.*w_han;

[Hr, w, P, L] = Hr_Type(h, 3);

subplot (2, 2, 1); stem(n, hd); title('Resposta ao Impulso Ideal');

axis([0 M-1 -1.2 1.2]);xlabel('n');ylabel('hd[n]');

subplot (2, 2, 2); stem(n, w_han); title('Janela de Hanning');

axis([0 M-1 0 1.2]);xlabel('n');ylabel('w[n]');

subplot (2, 2, 3); stem(n, h); title('Resposta ao Impulso Atual');

axis([0 M-1 -1.2 1.2]);xlabel('n');ylabel('h[n]');

w = w'; Hr = Hr';

w = [-fliplr(w), w(2:501)]; Hr = [-fliplr(Hr), Hr(2:501)];

subplot (2, 2, 4); plot(w/pi, Hr); title('Resposta em Amplitude');grid

axis([-1 1 -1.1 1.1]);xlabel('frequencia em pi

O filtro de Hilbert é uma forma prática de se obter o conjugado de uma a função onde a parte
imaginária é transformada de Hilbert da parte real.

Desse fato decorrem diversas aplicações:

• Para obter-se uma representação analítica de uma função. Em diversas aplica-

ções, é mais fácil trabalhar com a função complexa g(x), por ser analítica, do que
com a função real f(x).[1]
• Como uma maneira de generalizar o conceito de fasor em aplicações onde se lida
com sinais de frequências variáveis no tempo. Neste caso, diferentemente
da transformada de Fourier e outras relacionadas, representa-se o sinal não como
uma soma dos seus componentes senoidais, e sim como um produto de duas fun-
ções, uma de alta e outra de baixa frequência.[5]
• Como uma ferramenta para demodular um sinal, obtendo o seu envelope.