Filtro IIR

Filtros IIR
Processamento Digital de Sinais - ENG420
Fabrı́cio Simões
IFBA
27 de outubro de 2015
Fabrı́cio Simões (IFBA) Filtros IIR 27 de outubro de 2015 1 / 48

1 Filtragem Digital
2 Filtro IIR
Filtros de Primeira Ordem
Filtros de Segunda Ordem
Métodos de Projeto de Filtros IIR
Invariância do Impulso
Filtros Analógicos: Uma Breve Abordagem
Exemplo
Transformação Bilinear

Filtragem Digital
Dado um cojunto de especificações, o projeto do filtro consiste em
encontrar um sistema discreto cuja resposta em frequência atendas as
especificações desejadas.
|Hd (ω)|
Banda de Passagem
Banda de Rejeição
ωp ωs π ω
∆ω
Banda de Transiçãão
Dois tipos de filtros podem ser usados :

1 IIR - Encontrar uma função racional na variável z;
2 FIR - Encontrar um polinômio
Filtro Passa-Baixas
1 1 1
Ha (z) = , Hda (ω) = jω = e −jφ
z −a e −a p
z +1 e jω + 1 q
Hb (z) = , Hdb (ω) = jω = e −jφ
z −a e −a p
Im Im |Hd (ω)|
jω1
ejω1 e
1
ejω2 ejω2 q 1−a
p p |Hda (ω)|
a Re a Re
|Hdb (ω)|
(a) (b)

Filtro Passa-Altas
1 1 1
Ha (z) = , Hda (ω) = jω = e −jφ
z +a e − (−a) p
z −1 e jω − (−1) q
Hb (z) = , Hdb (ω) = jω = e −jφ
z +a e − (−a) p
Im Im |Hd (ω)|
e jω1 e jω1
1
e jω2 e jω2 p 1−a
p q
|Hda (ω)|
−a Re −a Re
|Hdb (ω)|
(a) (b)

Normalização da Resposta em Frequência do Filtro
Passa-Baixas
z +1
H(z) = k
z −a
A variável k é escolhido para |Hd (ω = 0)| = 1, portanto:
1−a

z +1
H(z) =
2 z −a

Frequência de Corte do Filtro Passa-Baixas
Para encontrar a frequência de corte: |Hd (ωc )|2 = 0, 5.
|Hd (ωc )|2 = Hd (ωc )Hd∗ (ωc )
1−a e jωp + 1 1−a e −jωp + 1

2 1
|Hd (ωc )| = . −jω
=
2 e jωp − a 2 e p −a 2

2a
ωc = arccos
1 + a2
Para um pólo muito próximo de 1 (cı́rculo unitário),
ωc ∼
=1−a

Filtros Ótimos de Primeira Ordem
1 Filtro Passa-Baixa
1−a

z +1
H(z) =
2 z −a
2 Filtro Passa-Alta
z −1

1+a
H(z) =
2 z +a
3 Frequência de Corte

2a
ωc = arccos
1 + a2
ωc ∼
=1−a

Exercı́cio
Dado o sinal
x(t) = sen(7t) + sen(500t),

com sinal intereferente de frequência igual a 500Hz.
fmax = 500rad/s ⇒ fa ≥ 1000rad/s
T = 2π/2000 = 3, 14ms
sinal discreto: x(nT ) = sen(7nT ) + sen(500nT )

Procedimento de Projeto
Projeto do Filtro: É necessário normalizar as informações de frequência,

multiplicando-as por T .
freq. 7 rad/s → 21, 98 × 10−3
freq. 500 rad/s → 1, 57
Fórmula aproximada da frequência de corte
ωp ∼
=1−a

Projeto - Continuação
|Xd (ω)|
|Hd (ω)|
−π -1,57 1,57 π ω
0,022 ωc = 0,2 a = 0,8
1 Cálculo de H(z)
z +1
H(z) = k
z −a
2 Determinando a Equação de Diferenças.
kx(n) + kx(n − 1) = y (n) − ay (n − 1)

Filtro de Segunda Ordem
Função de Transferência H(z)
(z − b1 e jb2 )(z − b1 e −jb2 )

H(z) =
(z − a1 e ja2 )(z − a1 e −ja2 )
Im
b1 a1
a2
Re

Filtro Notch
(z − e jωo )(z − e −jωo )

H(z) =
(z − ae jωo )(z − ae −jωo )
Im |Hd (ω)|
1
a
ωo
Re
ωo π ω
1 Zeros na frequência ωo ;
2 Pólos próximos dos zeros;

Filtro Passa-Faixa
k(z + 1)(z − 1)
H(z) =
(z − ae jωo )(z − ae −jωo )
Im |Hd (ω)|
1
a √
ωo 1/ 2
Re
ωo π ω
BW ∼
= 2(1-a)

Exercı́cios
Projete um filtro passa-faixa para eliminar as componentes de

frequência de 100 rad/s e 1000 rad/s do sinal abaixo :
x(t) = sen(100t) + sen500t + sen(1000t)

Determine a equação de diferenças do filtro.
Projete um filtro que elimine a componente de frequência de 500

rad/s. Determine a equação de diferenças.

Filtros IIR : Métodos de Projeto
Discretização de Filtros Analógicos
Invariância do Impulso;
h(nT ) = Thc (t)|t=nT
Transformação Bilinear.
H(z) = Hc (s)|s=α 1−z −1

1+z −1


O método consiste em discretizar um projeto de um filtro analógico

segundo a equação abaixo
h(nT ) = T hc (t)|t=nT
Nesse método, estamos interessados na relação entre a resposta em

frequência do sistema contı́nuo e a resposta em frequência do sistema
discreto.
∞
" #
1 X
Hd (ω) = T Hc (ω − kωa )
T
k=−∞

Procedimento
As especificações de projeto de um filtro digital são usadas no projeto

de um filtro analógico com função de transferência Hc (s); .
Graficamente, o fluxo de projeto pode ser representado como
Fluxo de Projeto
Hc,p(s) Hc(s) H(z)

Hc,p(ω) Hc(ω) Hd(ω)
Filtro Protótipo Analógico Filtro Analógico Filtro Digital

Procedimento
1 Considere a função de transferência Hc (s) de um filtro analógico

representada por uma soma de frações parciais
N
X Ak
Hc (s) =
s − sk
k=1
2 Aplicando Transformada Inversa de Laplace sobre Hc (s), obtém-se:

N
X
hc (t) = Ak e s k t
k=1
3 Fazendo h(nT ) = Thc (t)|t=nT para T = 1s, obtém-se

N
X N
X
s k nT
h[n] = T Ak e u[n] = Ak e s k n u[n]
k=1 k=1

Procedimento - Continuação
4 Aplicando a Transformada Z sobre h[n]

N N
X 1 X z
H(z) = Ak s −1
= Ak
1−e zk z − esk
k=1 k=1
5 O sistema obtido é causal e estável ?

Filtros Analógicos

Objetivo do Projeto
Encontrar uma resposta em frequência |H(ω)| que atenda as

especificações desejadas.
|Hc(ω)|
Uma possı́vel resposta
Banda de Passagem
0 dB
Amax
Banda de Rejeição
Amin 1111111111111
0000000000000
0000000000000
1111111111111
0000000000000
1111111111111
0000000000000
1111111111111
ωp ω1111111111111
0000000000000
s
ω
∆ω
Banda de Transição

Aproximações para |H(ω)|
Tipos de resposta em frequência de filtros com ordem N ≥ 2.
Butterworth Chebyshev
Eliptico

Comparação entre os Tipos de Resposta
Butterworth: Resposta plana na

banda de passagem;
Chebyshev: Ondulações na
banda de passagem;
Eliptico : Ondulações na banda
de passagem e na banda de
rejeição;
Taxa de atenuação : Eliptico,
Chebyshev e Butterworth;
Atraso de Grupo τ (ω):
Butterworth, Chebyshev,
Eliptico.

Exemplo de Projeto 1
Filtro Digital Passa-Baixas Butterworth de ordem 2;

Tempo de Amostragem T = 0,02 s;
ωp = 10 rad/s.

Projeto Usando o MatLab
1 Projeto do filtro analógico. Usando o comando [b,a] =
butter(N,ωp ,’s’). ωp está normalizado.
0, 04
H(s) =
s2
+ 0, 28s + 0, 04
2 O comando [bz,az] = impinvar(b,a,Fs ). Fs = 1 devido a
normalização.
0, 0346z −1
H(z) =
1 − 1, 72z −1 + 0, 754z −2
3 Equação de Diferenças
y [n] − 1, 72y [n − 1] + 0, 754y [n − 2] = 0, 0344x[n − 1]
É possı́vel fazer o projeto sem normalização da frequência ωp . Nesse caso,

Fs é igual a frequência de amostragem do projeto.
Resposta em Frequência dos Filtros Analógicos e Digitais
Magnitude da Resposta em Frequencia
0
Filtro Analogico
Filtro Digital
-10
Magnitude (dB)
-20
-30
-40
-50
0 5 10 15 20 25
Frequencia (Hz)

Resposta em Frequência do Filtro Contı́nuo
|Hc (ω)|
Digitalização do Filtro Analógico

Diferenças entre o Filtro Analógico e Digital
Devido ao Aliasing
sobreposição = aliasing
|Hd (ω)|
1111111111
0000000000
0000000000
1111111111 ...
...
0000000000
1111111111
0000000000
1111111111
0000000000
1111111111
ω
−ωa ωa

Filtro Digital Passa-Faixa Butterworth de ordem 4;

ωpl = 9 rad/s;
ωpu = 11 rad/s;

Filtro Passa-Faixa Digital
1 Projeto do filtro analógico passa-faixa. Frequências ωpl e ωpu

normalizadas;
[b,a] = butter(N/2,[ωpl ωpu ],’s’)
0, 0016s 2
H(s) =
s 4 + 0, 056s 3 + 0, 081s 2 + 0, 0022s + 0, 0016
2 Filtro Digital
[bz,az] = impinvar(b,a,Fs ). Fs = 1 devido a normalização.
0, 0015z −1 − 0, 0031z −2 + 0, 0015z −3

H(z) =
1 − 3, 867z −1 + 5, 68z −2 − 3, 757z −3 + 0, 94z −4
3 Qual a equação de diferenças ?

0
Filtro Analogico
Filtro Digital
-20
-40
Magnitude (dB)
-60
-80
-100
-120
0 5 10 15 20 25
Frequencia (Hz)

Filtro Digital de Chebyshev de ordem 2;

rp = 0,89;
ωp = 10 rad/s.

Filtro Passa-Baixas Digital
1 Projeto do filtro analógico passa-baixas - [b,a] = cheby1(N,R,ωp ,’s’)

R = −20 log(rp )
0, 039
H(s) =
s2 + 0, 22s + 0, 044
2 Filtro Digital
[bz,az] = impinvar(b,a,Fs )
0, 0348z −1
H(z) =
1 − 1, 76z −1 + 0, 803z −2
3 Qual a equação de diferenças ?

0
Filtro Analogico
Filtro Digital
-10
Magnitude (dB)
-20
-30
-40
-50
0 5 10 15 20 25
Frequencia (Hz)

Comparação entre os Filtros Butterworth e Chebyshev

20
Butterworth
Chebyschev
-20
Magnitude (dB)
-40
-60
-80
-100
-120
0 5 10 15 20 25
Frequencia (Hz)


Transformação Bilinear: Fluxo de Projeto
Fluxo de Projeto
Hc,p(s) Hc(s) H(z)

Hc,p(Ω) Hc(Ω) Hd(ω)
Filtro Protótipo Analógico Filtro Analógico Filtro Digital
O método elimina o efeito de aliasing usando uma transformação

não-linear entre a variável complexa s e a variável z a partir das
equações
z −1

s=α , e Ω = α tan(ω/2)
z +1
α é uma constante positiva e arbitrária.
Transformação entre Hc (ω) e Hd (ω)
Considerando T = 1s.

Procedimento
1 Considere o filtro analógico Hc (s) representado por frações parciais

N
X Ak
Hc (s) = ,
s − sk
k=1
onde Ak é uma constante e sk , os pólos do sistema.
2 Aplicando a relação entre as variáveis s e z, obtém-se

N
X Ak
H(z) =
α z−1
k=1 z+1
− sk

Procedimento - Continuação
3 Fazendo α=1, H(z) é reescrita como

N
X Ak
H(z) = z−1
k=1 z+1
− sk
Relações entre s e ω para α = 1

z −1
s=
z +1
Ω = tan(ω/2)

Análise de Estabilidade
N
X Ak
H(z) = z−1
k=1 z+1
− sk
Analisando os pólos de H(z).
zk − 1
− sk = 0
zk + 1
1 + sk 1 + σk + jΩk
zk = =
1 − sk 1 − σk − jΩk
Se os pólos sk são estáveis, σk < 0. Portanto,
q
(1 + σk )2 + (Ωk )2
|zk | = q <1
(1 − σk )2 + (Ωk )2

Filtro Digital Passa-Altas Butterworth de ordem 2;

ωp = 40 rad/s.

Projeto
1 Usando o comando [b,a] = butter(N,ωp ,’high’,’s’). Frequência ωp

normalizada.
s2
Hc (s) =
s2 + 1, 13s + 0, 64
2 Transformação do filtro analógico usando [bz,az] = bilinear(b,a,T )
0, 58 − 1, 15z −1 + 0, 58z −2
H(z) =
1 − 0, 97z − 1 + 0, 34z − 2
3 Qual é a equação de diferenças ?

Comparação entre os Filtros Analógico e Digital

0
Filtro Analogico
Filtro Digital
-20
Magnitude (dB)
-40
-60
-80
0 5 10 15 20 25
Frequencia (Hz)

Exemplo
Filtro digital Butterworth passa-baixas de ordem 2;
ωp = 40 rad/s.

Projeto
1 Usando o comando [b,a] = butter(N,ωp ,’s’). Frequência ωp

normalizada.
0, 64
Hc (s) =
s2 + 1, 13s + 0, 64
2 Transformação do filtro analógico usando [bz,az] = bilinear(b,a,T )
0, 093 + 0, 185z −1 + 0, 092z −2

H(z) =
1 − 0, 973z − 1 + 0, 344z −2
3 Qual é a equação diferença ?

Comparação entre os Filtros Analógico e Digital

20
Filtro Analogico
Filtro Digital
-20
Magnitude (dB)
-40
-60
-80
-100
-120
0 5 10 15 20 25
Frequencia (Hz)

Filtro IIR

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

Filtro IIR

Enviado por

Direitos autorais:

Formatos disponíveis

Filtros IIR

Processamento Digital de Sinais - ENG420

Fabrı́cio Simões (IFBA) Filtros IIR 27 de outubro de 2015 1 / 48

Fabrı́cio Simões (IFBA) Filtros IIR 27 de outubro de 2015 2 / 48

Dois tipos de filtros podem ser usados :

Fabrı́cio Simões (IFBA) Filtros IIR 27 de outubro de 2015 4 / 48

Fabrı́cio Simões (IFBA) Filtros IIR 27 de outubro de 2015 5 / 48

A variável k é escolhido para |Hd (ω = 0)| = 1, portanto:

Fabrı́cio Simões (IFBA) Filtros IIR 27 de outubro de 2015 6 / 48

Para encontrar a frequência de corte: |Hd (ωc )|2 = 0, 5.

|Hd (ωc )|2 = Hd (ωc )Hd∗ (ωc )

1−a e jωp + 1 1−a e −jωp + 1

Fabrı́cio Simões (IFBA) Filtros IIR 27 de outubro de 2015 7 / 48

Fabrı́cio Simões (IFBA) Filtros IIR 27 de outubro de 2015 8 / 48

x(t) = sen(7t) + sen(500t),

fmax = 500rad/s ⇒ fa ≥ 1000rad/s

sinal discreto: x(nT ) = sen(7nT ) + sen(500nT )

Fabrı́cio Simões (IFBA) Filtros IIR 27 de outubro de 2015 9 / 48

Projeto do Filtro: É necessário normalizar as informações de frequência,

Fórmula aproximada da frequência de corte

Fabrı́cio Simões (IFBA) Filtros IIR 27 de outubro de 2015 10 / 48

0,022 ωc = 0,2 a = 0,8

kx(n) + kx(n − 1) = y (n) − ay (n − 1)

Fabrı́cio Simões (IFBA) Filtros IIR 27 de outubro de 2015 11 / 48

Função de Transferência H(z)

(z − b1 e jb2 )(z − b1 e −jb2 )

Fabrı́cio Simões (IFBA) Filtros IIR 27 de outubro de 2015 12 / 48

(z − e jωo )(z − e −jωo )

Fabrı́cio Simões (IFBA) Filtros IIR 27 de outubro de 2015 13 / 48

Fabrı́cio Simões (IFBA) Filtros IIR 27 de outubro de 2015 14 / 48

Projete um filtro passa-faixa para eliminar as componentes de

x(t) = sen(100t) + sen500t + sen(1000t)

Projete um filtro que elimine a componente de frequência de 500

Fabrı́cio Simões (IFBA) Filtros IIR 27 de outubro de 2015 15 / 48

Discretização de Filtros Analógicos

h(nT ) = Thc (t)|t=nT

H(z) = Hc (s)|s=α 1−z −1 

Fabrı́cio Simões (IFBA) Filtros IIR 27 de outubro de 2015 16 / 48

Fabrı́cio Simões (IFBA) Filtros IIR 27 de outubro de 2015 17 / 48

O método consiste em discretizar um projeto de um filtro analógico

Nesse método, estamos interessados na relação entre a resposta em

Fabrı́cio Simões (IFBA) Filtros IIR 27 de outubro de 2015 18 / 48

As especificações de projeto de um filtro digital são usadas no projeto

Graficamente, o fluxo de projeto pode ser representado como

Hc,p(s) Hc(s) H(z)

Filtro Protótipo Analógico Filtro Analógico Filtro Digital

Fabrı́cio Simões (IFBA) Filtros IIR 27 de outubro de 2015 19 / 48

1 Considere a função de transferência Hc (s) de um filtro analógico

2 Aplicando Transformada Inversa de Laplace sobre Hc (s), obtém-se:

3 Fazendo h(nT ) = Thc (t)|t=nT para T = 1s, obtém-se

Fabrı́cio Simões (IFBA) Filtros IIR 27 de outubro de 2015 20 / 48

4 Aplicando a Transformada Z sobre h[n]

5 O sistema obtido é causal e estável ?

Fabrı́cio Simões (IFBA) Filtros IIR 27 de outubro de 2015 21 / 48

Fabrı́cio Simões (IFBA) Filtros IIR 27 de outubro de 2015 22 / 48

Encontrar uma resposta em frequência |H(ω)| que atenda as

Fabrı́cio Simões (IFBA) Filtros IIR 27 de outubro de 2015 23 / 48

Fabrı́cio Simões (IFBA) Filtros IIR 27 de outubro de 2015 24 / 48

Butterworth: Resposta plana na

Fabrı́cio Simões (IFBA) Filtros IIR 27 de outubro de 2015 25 / 48

Filtro Digital Passa-Baixas Butterworth de ordem 2;

Fabrı́cio Simões (IFBA) Filtros IIR 27 de outubro de 2015 26 / 48

H(z) = Hc (s)|s=α 1−z −1