Cap 10 Tratamiento Digital de Senales
Cap 10 Tratamiento Digital de Senales
Cap 10 Tratamiento Digital de Senales
10
Diseño de filtros
digitales
Con los temas que hemos desarrollado en los capítulos anteriores, ahora estamos preparados para abordar el
diseño de filtros digitales. Describiremos varios métodos para diseñar filtros digitales FIR e IIR.
En el diseño de filtros selectivos en frecuencia, la característica del filtro deseado se especifica en el dominio
de la frecuencia en función del módulo y de la fase de la respuesta del filtro. En el proceso de diseño del filtro,
determinamos los coeficientes de un filtro FIR o IIR causal que es buena aproximación de las especificaciones
de la respuesta en frecuencia deseada. El tipo de filtro que se diseñe, FIR o IIR, depende de la naturaleza del
problema y de las especificaciones de la respuesta en frecuencia deseada.
En la práctica, los filtros FIR se emplean en problemas de filtrado en los que se precisa una característica
de fase dentro de la banda de paso del filtro. Si no se necesita esta característica de fase lineal, puede emplearse
un filtro IIR o FIR. Sin embargo, por regla general, un filtro IIR tiene lóbulos secundarios más pequeños en la
banda eliminada que un filtro FIR con el mismo número de parámetros. Por esta razón, si es tolerable cierta
distorsión, es preferible un filtro IIR, principalmente porque su implementación precisa muy pocos parámetros,
requiere menos memoria y presenta menos complejidad de cálculo.
Junto con el diseño de filtros digitales, vamos a describir también las transformaciones en frecuencia tanto
en el dominio analógico como en el digital, para transformar un filtro paso bajo prototipo en otro filtro paso
bajo, paso banda, de banda eliminada o paso alto.
Actualmente, el diseño de filtros FIR e IIR digitales es mucho más simple gracias a la disponibilidad de
numerosos programas software. Al describir en este capítulo los métodos de diseño de filtros, nuestro primer
objetivo será proporcionar al lector los conocimientos necesarios para seleccionar el filtro que mejor se adapte
a la aplicación y satisfacer los requisitos de diseño.
i i
i i
Un diagrama de h(n) para ωc = π /4 se muestra en la Figura 10.1.1. Está claro que el filtro paso bajo ideal es
un filtro no causal y por tanto no se puede implementar en la práctica.
Una posible solución consiste en introducir un retardo grande n0 en h(n) y establecer arbitrariamente
h(n) = 0 para n < n0 . Sin embargo, el sistema resultante ya no presenta una respuesta en frecuencia ideal. No
obstante, si hacemos h(n) = 0 para n < n0 , la expansión en serie de Fourier de H(ω ) da lugar al fenómeno de
Gibbs, como se describe en la Sección 10.2.
Aunque esta exposición va a limitarse a la realización de un filtro paso bajo, las conclusiones que saquemos
pueden generalizarse para los restantes filtros ideales. En resumen, ninguna de las características del filtro
mostradas anteriormente en la Figura 5.4.1 son causales, por lo que no es posible implementarlos físicamente.
Una pregunta que naturalmente surge en este punto es la siguiente: ¿cuáles son las condiciones necesarias
y suficientes que debe satisfacer una respuesta en frecuencia H(ω ) para que el filtro resultante sea causal? El
teorema de Paley–Wiener proporciona la respuesta a esta pregunta. Podemos enunciar este teorema como sigue:
Teorema de Paley–Wiener. Si h(n) tiene energía finita y h(n) = 0 para n < 0, entonces [puede consultar
Wiener y Paley (1934)]
π
|ln|H(ω )||d ω < ∞ (10.1.3)
−π
Inversamente, si |H(ω )| es integrable y si la integral dada en (10.1.3) es finita, entonces podemos asociar con
|H(ω )| una fase de la respuesta Θ(ω ), por lo que el filtro resultante con la respuesta en frecuencia
es causal.
h(n)
0.25
n
−20 20
i i
i i
Una conclusión importante que podemos extraer del teorema de Paley–Wiener es que el módulo |H(ω )|
puede ser cero para algunas frecuencias, pero no puede ser cero en ninguna banda finita de frecuencias, ya que
la integral es infinita. En consecuencia, cualquier filtro ideal es no causal.
Aparentemente, la causalidad impone algunas restricciones estrictas en un sistema lineal e invariante en el
tiempo. Además de la condición de Paley–Wiener, la causalidad también implica una relación fuerte entre HR (ω )
y HI (ω ), las componentes real e imaginaria de la respuesta en frecuencia H(ω ). Para ilustrar esta dependencia,
descomponemos h(n) en una secuencia par y una secuencia impar, es decir,
donde
1
he (n) = [h(n) + h(−n)] (10.1.5)
2
y
1
ho (n) = [h(n) − h(−n)] (10.1.6)
2
Ahora, si h(n) es causal, es posible recuperar h(n) a partir de su componente par h e (n) para 0 ≤ n ≤ ∞, o a partir
de su componente impar ho (n) para 1 ≤ n ≤ ∞.
Podemos ver fácilmente que
y
h(n) = 2ho (n)u(n) + h(0)δ (n), n≥1 (10.1.8)
Dado que ho (n) = 0 para n = 0, no podemos recuperar h(0) a partir de ho (n) y por tanto también necesitamos
conocer h(0). En cualquier caso, es evidente que ho (n) = he (n) para n ≥ 1, por lo que existe una relación fuerte
entre ho (n) y he (n).
Si h(n) es absolutamente sumable (es decir, BIBO estable), la respuesta en frecuencia H(ω ) existe, y
Además, si h(n) es real y causal, las propiedades de simetría de la transformada de Fourier implican que
F
he (n) ←→ HR (ω )
(10.1.10)
F
ho (n) ←→ HI (ω )
Dado que h(n) queda completamente especificada por he (n), se deduce que H(ω ) queda completamente
determinada si conocemos HR(ω ). Alternativamente, H(ω ) queda completamente determinada a partir de HI(ω )
y h(0). En resumen, HR (ω ) y HI (ω ) son independientes y no pueden especificarse de forma independiente si
el sistema es causal. Esto es equivalente a decir que el módulo y la fase de la respuesta de un filtro causal son
interdependientes y por tanto no se pueden especificar de manera independiente.
Dada HR (ω ) para una secuencia real, par y absolutamente sumable he (n), podemos determinar H(ω ). El
siguiente ejemplo ilustra el procedimiento.
EJEMPLO 10.1.1
Considere un sistema LTI estable con una respuesta real y par al impulso h(n). Determine H(ω ) si
1 − a cos ω
HR (ω ) = , |a| < 1
1 − 2a cos ω + a2
i i
i i
Solución. El primer paso consiste en determinar he (n). Esto puede hacerse teniendo en cuenta que
HR (ω ) = HR (z)|z=e jω
donde
1 − a(z + z−1 )/2 z − a(z2 + 1)/2
HR (z) = =
1 − a(z + z−1 ) + a2 (z − a)(1 − az)
La región de convergencia tiene que estar restringida por los polos en p1 = a y p2 = 1/a y debe incluir la circunferencia
unidad. Por tanto, la ROC es |a| < |z| < 1/|a|. En consecuencia, he (n) es una secuencia de dos lóbulos, con el polo en z = a
que contribuye a la componente causal y p2 = 1/a que contribuye a la componente anticausal. Utilizando una expansión en
fracciones parciales, obtenemos
1 1
he (n) = a|n| + δ (n) (10.1.11)
2 2
Sustituyendo (10.1.11) en (10.1.7), obtenemos h(n) como
h(n) = an u(n)
1
H(ω ) =
1 − ae− jω
La relación entre las componentes real e imaginaria de la transformada de Fourier de una secuencia real,
causal y absolutamente sumable puede establecerse fácilmente a partir de (10.1.7). Esta relación es
π
1
H(ω ) = HR (ω ) + jHI (ω ) = HR (λ )U(ω − λ )d λ − he (0) (10.1.12)
π −π
dondeU(ω ) es la transformada de Fourier del escalón unidad u(n). Aunque el escalón unidad no es absolutamente
sumable, tiene transformada de Fourier (véase la Sección 4.2.8).
1
U(ω ) = πδ (ω ) +
1 − e− j ω
(10.1.13)
1 1 ω
= πδ (ω ) + − j cot , −π ≤ ω ≤ π
2 2 2
Luego HI (ω ) queda determinada de forma unívoca a partir de HR (ω ) a través de esta relación integral. La
integral se conoce como transformada discreta de Hilbert. Dejamos como ejercicio para el lector establecer la
relación entre HR (ω ) y la función de la transformada discreta de Hilbert de HI (ω ).
En resumen, la causalidad tiene implicaciones muy importantes en el diseño de filtros selectivos en frecuen-
cia. Éstas son: (a) la respuesta en frecuencia H(ω ) no puede ser cero excepto en un conjunto finito de puntos de
frecuencia; (b) el módulo |H(ω )| no puede ser constante en cualquier intervalo finito de frecuencia y la transi-
ción de la banda de paso a la banda eliminada no puede ser infinitamente abrupta (esto es una consecuencia del
fenómeno de Gibbs, que resulta del truncamiento de h(n) para conseguir la causalidad); y (c) las componentes
real e imaginaria de H(ω ) son interdependientes y están relacionadas por la transformada discreta de Hilbert.
En consecuencia, el módulo |H(ω )| y la fase Θ(ω ) de H(ω ) no se pueden elegir arbitrariamente.
i i
i i
Ahora que conocemos las restricciones que impone la causalidad a la respuesta en frecuencia y teniendo
en cuenta el hecho de que los filtros ideales no pueden implementarse en la práctica, vamos a limitar nuestra
atención a la clase de sistemas lineales e invariantes en el tiempo especificados por la ecuación en diferencias
N M−1
y(n) = − ∑ ak y(n − k) + ∑ bk x(n − k)
k=1 k=0
que son causales y pueden implementarse físicamente. Como hemos demostrado, tales sistemas tienen una
respuesta en frecuencia
M−1
∑ b k e− j ω k
k=0
H(ω ) = N
(10.1.15)
1 + ∑ a k e− j ω k
k=1
El problema de diseño de un filtro digital básico consiste en aproximar cualquiera de las características de la
respuesta en frecuencia ideal a un sistema que tenga la respuesta en frecuencia dada por (10.1.15), seleccionando
apropiadamente los coeficientes {ak } y {bk }. El problema de la aproximación se trata en detalle en las Secciones
10.2 y 10.3, donde se exponen técnicas para el diseño de filtros digitales.
Rizado de la banda
de paso
Banda eliminada
Banda de
transicción
i i
i i
necesario que la respuesta del filtro |H(ω ) sea cero en la banda eliminada. Un valor pequeño distinto de cero
de rizado en la banda eliminada también es tolerable.
La transición de la respuesta en frecuencia de la banda de paso a la banda eliminada define la banda de
transición o región de transición del filtro, como se ilustra en la Figura 10.1.2. La frecuencia de corte ω p define
el límite superior de la banda de paso y la frecuencia ωs designa el comienzo de la banda eliminada. Por tanto,
la anchura de la banda de transición es ωs − ω p. La anchura de la banda de paso normalmente se denomina
ancho de banda del filtro. Por ejemplo, si se trata de un filtro paso bajo con una frecuencia de corte de la banda
de paso ω p , su ancho de banda es ω p .
Si existe rizado en la banda de paso del filtro, su valor se designa mediante δ1 , y el módulo |H(ω )| varía
entre los límites 1 ± δ1. El rizado de la banda eliminada del filtro se designa como δ2 .
Para acomodar un rango dinámico grande en la gráfica de la respuesta en frecuencia de cualquier filtro, es
habitual utilizar una escala logarítmica para el módulo |H(ω )|. En consecuencia, el rizado en la banda de paso
es 20 log10 δ1 decibelios, y en la banda eliminada es 20 log10 δ2 .
En cualquier problema de diseño de filtros podemos especificar: (1) el rizado máximo de la banda de paso
tolerable, (2) el rizado máximo de la banda eliminada tolerable, (3) la frecuencia de corte de la banda de paso
ω p y (4) la frecuencia de corte de la banda eliminada ωs . Basándonos en estas especificaciones, podemos
seleccionar los parámetros {ak } y {bk } de la respuesta en frecuencia, dada por (10.1.15), que proporcionen la
mejor aproximación a la especificación deseada. El grado en que H(ω ) se aproxime a la especificación depende
en parte de los criterios utilizados para seleccionar los coeficientes del filtro {ak } y {bk }, así como de las
cantidades (M, N) de coeficientes.
En la sección siguiente vamos a presentar un método para diseñar filtros FIR de fase lineal.
M−1 (10.2.1)
= ∑ bk x(n − k)
k=0
donde {bk } es el conjunto de coeficientes del filtro. Alternativamente, podemos expresar la secuencia de salida
como la convolución de la respuesta del sistema al impulso unidad h(n) con la señal de entrada. Así, tenemos
M−1
y(n) = ∑ h(k)x(n − k) (10.2.2)
k=0
donde los límites inferior y superior de la convolución reflejan la causalidad y la característica de duración
finita de filtro. Evidentemente, (10.2.1) y (10.2.2) son idénticas en la forma y, por tanto, podemos deducir que
bk = h(k), k = 0, 1, . . . , M − 1.
El filtro también puede caracterizarse mediante su función de sistema
M−1
H(z) = ∑ h(k)z−k (10.2.3)
k=0
i i
i i
que es un polinomio de grado M − 1 en la variable z−1 . Las raíces de este polinomio son los ceros del filtro.
Un filtro FIR tiene fase lineal si su respuesta al impulso unidad satisface la condición
Si ahora sustituimos z−1 por z en (10.2.3) y multiplicamos ambos lados de la ecuación resultante por z−(M−1) ,
obtenemos
z−(M−1) H(z−1 ) = ±H(z) (10.2.6)
Este resultado implica que las raíces del polinomio H(z) son idénticas a las raíces del polinomio H(z−1 ). En
consecuencia, las raíces de H(z) deben producir parejas recíprocas. En otras palabras, si z1 es una raíz o un cero
de H(z), entonces 1/z1 también es una raíz. Además, si la respuesta al impulso unidad h(n) del filtro es real, las
raíces complejas deben producir parejas complejas conjugadas. Por tanto, si z1 es una raíz compleja, z∗1 también
es una raíz. Como consecuencia de (10.2.6), H(z) también tiene un cero en 1/z∗1 . La Figura 10.2.1 ilustra la
simetría que existe en las posiciones de los ceros de un filtro FIR de fase lineal.
La respuesta en frecuencia de los filtros FIR de fase lineal se obtiene evaluando (10.2.5) en la circunferencia
unidad. Esta sustitución proporciona la expresión para H(ω ).
Cuando h(n) = h(M − 1 − n), H(ω ) puede expresarse como
1
z*1
1
z*3
z3 z1
z2 1
z*3 z2
z*1
1
z3
Circunferencia
unidad 1
z1
Figura 10.2.1. Simetría de las posiciones de los ceros en un filtro FIR de fase lineal.
i i
i i
(M/2)−1 M−1
Hr (ω ) = 2 ∑n=0 h(n) cos ω 2 −n , M par (10.2.9)
La característica de fase del filtro tanto para M impar como para M par es
M−1
−ω , si Hr (ω ) > 0
2
Θ(ω ) = (10.2.10)
M−1
−ω + π , si Hr (ω ) < 0
2
Si
h(n) = −h(M − 1 − n)
la respuesta al impulso unidad es antisimétrica. Para M impar, el punto central de la secuencia h(n) antisimétrica
es n = (M − 1)/2. En consecuencia,
M−1
h =0
2
Sin embargo, si M es par, cada término de h(n) tiene el término correspondiente de signo opuesto.
Es sencillo demostrar que la respuesta en frecuencia de un filtro FIR con una respuesta al impulso antisi-
métrica pueda expresarse como
H(ω ) = Hr (ω )e j[−ω (M−1)/2+π /2] (10.2.11)
donde
(M−3)/2
M−1
Hr (ω ) = 2 ∑ h(n) sen ω
2
− n , M impar (10.2.12)
n=0
(M/2)−1
M−1
Hr (ω ) = 2 ∑ h(n) sen ω −n , M par (10.2.13)
n=0 2
La característica de fase del filtro tanto para M impar como para M par es
π −ω M−1 ,
si Hr (ω ) > 0
2 2
Θ(ω ) = (10.2.14)
3π M−1
−ω , si Hr (ω ) < 0
2 2
Estas fórmulas generales de la respuesta en frecuencia pueden emplearse para diseñar filtros FIR de fase
lineal con respuestas al impulso simétricas y antisimétricas. Observe que, para h(n) simétrica, el número de
coeficientes del filtro que especifica la respuesta en frecuencia es (M + 1)/2 cuando M es impar, o M/2 cuando
M es par. Por el contrario, si la respuesta al impulso unidad es antisimétrica,
M−1
h =0
2
de modo que existen (M − 1)/2 coeficientes de filtro cuando M es impar y M/2 coeficientes cuando M es par
que tienen que ser especificados.
La elección de una respuesta al impulso simétrica o antisimétrica depende de la aplicación. Como veremos
más adelante, una respuesta al impulso simétrica es adecuada para algunas aplicaciones, mientras que la respuesta
al impulso antisimétrica es más adecuada para otras aplicaciones. Por ejemplo, si h(n) = −h(M − 1 − n) y M es
i i
i i
impar, (10.2.12) implica que Hr (0) = 0 y Hr (π ) = 0. En conseuencia, (10.2.12) no es adecuada ni para un filtro
paso bajo ni para un filtro paso alto. Del mismo modo, la respuesta al impulso unidad antisimétrico con M par
da como resultado Hr (0) = 0, lo que puede verificarse fácilmnte a partir de (10.2.13). Por tanto, no utilizaremos
la condición de antisimetría en el diseño de un filtro FIR paso bajo de fase lineal. Por otro lado, la condición
de simetría h(n) = h(M − 1 − n) proporciona un filtro FIR de fase lineal con una respuesta distinta de cero en
ω = 0, es decir,
(M−3)/2
M−1
Hr (0) = h + 2 ∑ h(n), M impar (10.2.15)
2 n=0
(M/2)−1
Hr (0) = 2 ∑ h(n), M par (10.2.16)
n=0
En resumen, el problema de diseñar un filtro FIR consiste simplemente en determinar los M coeficientes de
h(n), n = 0, 1, . . . , M − 1, a partir de una especificación de la respuesta en frecuencia deseada Hd (ω ) del filtro
FIR. Los parámetros importantes de la especificación de Hd (ω ) se proporcionan en la Figura 10.1.2.
En las siguientes secciones se describen los métodos de diseño basados en la especificación de Hd (ω ).
donde π
1
hd (n) = Hd (ω )e jω n d ω (10.2.18)
2π −π
Por tanto, dada Hd (ω ), podemos determinar la respuesta al impulso unidad hd (n) evaluando la integral dada en
(10.2.17).
En general, la respuesta al impulso unidad hd (n) obtenida a partir de (10.2.17) es infinita en duración y
tiene que truncarse en algún punto, por ejemplo en n = M − 1, para proporcionar un filtro FIR de longitud M.
Truncar hd (n) a una longitud M − 1 es equivalente a multiplicar hd (n) por una “ventana rectangular”, definida
como
1, n = 0, 1, . . . , M − 1
w(n) = (10.2.19)
0, en otro caso
Luego ahora la respuesta al impulso unidad del filtro FIR es
hd (n), n = 0, 1, . . . , M − 1
h(n) = hd (n)w(n) = (10.2.20)
0, en otro caso
i i
i i
Luego la convolución de Hd (ω ) con W (ω ) proporciona la respuesta en frecuencia del filtro FIR (truncado). Es
decir,
1 π
H(ω ) = Hd (ν )W (ω − ν )d ν (10.2.22)
2 π −π
La transformada de Fourier de la ventana rectangular es
M−1
W (ω ) = ∑ e− j ω n
n=0 (10.2.23)
1 − e− j ω M sen(ω M/2)
= ω
= e− jω (M−1)/2
1−e − j sen(ω /2)
El módulo de la respuesta de la función de ventana se ilustra en la Figura 10.2.2 para M = 31 y 61. La anchura
del lóbulo principal [la anchura que se mide en el primer cero de W (ω )] es 4π /M. Luego, cuando M aumenta, el
lóbulo principal se hace más estrecho.Sin embargo, la altura de los lóbulos secundarios de |W(ω )| es ligeramente
mayor, pero no se ven afectados por un incremento de M. De hecho, incluso aunque la anchura de cada lóbulo
secundario disminuye cuando se produce un incremento de M, su altura aumenta cuando aumenta M de tal
manera que el área bajo el lóbulo secundario permanece invariante ante los cambios de M. Este comportamiento
característico no es evidente a partir de la observación de la Figura 10.2.2 porque W (ω ) se ha normalizado
mediante M, de modo que los valores de pico normalizados de los lóbulos secundarios permanecen invariantes
ante un incremento de M.
Las características de la ventana rectangular desempeñan un papel importante en la determinación de
la respuesta en frecuencia resultante del filtro FIR obtenido por truncamiento de hd (n) a una longitud M.
Específicamente, la convolución de Hd (ω ) con W (ω ) tiene el efecto de suavizar Hd (ω ). Cuando M aumenta,
W (ω ) se hace más estrecha y el suavizado proporcionado por W (ω ) se reduce. Por otro lado, los grandes lóbulos
Módulo (dB)
Frecuencia normalizada
Figura 10.2.2. Respuesta en frecuencia de una ventana rectangular de longitud (a) M = 31 y (b) M = 61.
i i
i i
1 n − (1 + a)(M − 1)/2
Tukey 1 + cos π
2 (1 − α )(M − 1)/2
M − 1 M − 1
α (M − 1)/2 ≤ n − ≤
2 2
secundarios de W(ω ) dan lugar a una serie de efectos de rizado no deseados en la respuesta en frecuencia del filtro
FIR H(ω ), y también en los relativamente grandes lóbulos de secundarios de H(ω ). Estos efectos no deseados
se eliminan bien utilizando ventanas que no contengan discontinuidades abruptas en sus características en el
dominio en el tiempo y los correspondientes lóbulos secundarios más pequeños en sus características en el
dominio de la frecuencia.
La Tabla 10.1 enumera varias funciones de ventana cuyas respuestas en frecuencia son deseables. La Figura
10.2.3 ilustra las características en el dominio del tiempo de las ventanas. Las respuestas en frecuencia de
las ventanas de Hanning, Hamming y Blackman se ilustran en las Figuras 10.2.4 hasta 10.2.6. Todas estas
funciones de ventana tienen lóbulos secundarios significativamente más pequeños comparados con los de la
ventana rectangular. Sin embargo, para el mismo valor de M, la anchura del lóbulo principal también es mayor
i i
i i
para estas ventanas si se comparan con la ventana rectangular. En consecuencia, estas funciones de ventana
proporcionan más suavizado a través de la operación de convolución en el dominio de la frecuencia y, como
resultado, la región de transición de la respuesta del filtro FIR es más ancha. Para reducir la anchura de esta
región de transición, podemos simplemente aumentar la longitud de la ventana, lo que da lugar a un filtro más
grande. La Tabla 10.2 resume estas importantes características en el dominio de la frecuencia de las distintas
funciones de ventana.
Esta técnica basada en las funciones de ventana se describe mejor a través de un ejemplo concreto. Suponga
que deseamos diseñar un filtro FIR paso bajo simétrico de fase lineal cuya respuesta en frecuencia es,
1 1 Tukey
Kaiser
Rectangular
0.8 0.8
Hamming
Módulo
Módulo
0.6 0.6
Hanning Bartlett
0.4 0.4
Blackman Lanczos
0.2 0.2
0 0
0 M−1 0 M−1
Frecuencia normalizada
Figura 10.2.4. Respuestas en frecuencia de la ventana de Hanning para (a) M = 31 y (b) M = 61.
Módulo (dB)
Frecuencia normalizada
Figura 10.2.5. Respuestas en frecuencia de la ventana Hamming para (a) M = 31 y (b) M = 61.
i i
i i
Módulo (dB)
Frecuencia normalizada
Figura 10.2.6. Respuestas en frecuencia de la ventana de Blackman para (a) M = 31 y (b) M = 61.
1e− jω (M−1)/2 , 0 ≤ |ω | ≤ ωc
Hd (ω ) = (10.2.26)
0, en otro caso
Se añade un retardo de (M − 1)/2 unidades a Hd (ω ) para forzar que el filtro tenga una longitud M. La corres-
pondiente respuesta al impulso, obtenida a partir del cálculo de la integral de (10.2.18), es
ωc
1
e jω (n− )dω
M−1
hd (n) = 2
2π −ωc
M−1
sen ωc n − (10.2.27)
2 M−1
= , n =
M−1 2
π n−
2
Rectangular 4π /M −13
Bartlett 8π /M −25
Hanning 8π /M −31
Hamming 8π /M −41
Blackman 12π /M −57
i i
i i
Módulo
Frecuencia normalizada
Figura 10.2.7. Filtro paso bajo diseñado con una ventana rectangular. (a) M = 61 y (b) M = 101.
El módulo de la respuesta en frecuencia H(ω ) de este filtro se ilustra en la Figura 10.2.7 para M = 61
y M = 101. Observe que se producen oscilaciones o rizados relativamente grandes en las proximidades del
extremo de la banda del filtro. Las oscilaciones aumentan en frecuencia cuando M aumenta, pero no disminuyen
en amplitud. Como hemos indicado anteriormente, estas grandes oscilaciones son el resultado directo de la
existencia de lóbulos secundarios grandes en la característica de frecuencia W (ω ) de la ventana rectangular.
Cuando esta función de ventana se convoluciona con la respuesta en frecuencia deseada Hd (ω ), las oscilaciones
que aparecen como grandes lóbulos secundarios de área constante de W (ω ) se desplazan a lo largo de la
discontinuidad que existe en Hd (ω ). Puesto que (10.2.17) es básicamente una representación en serie de Fourier
de Hd (ω ), la multiplicación de hd (n) por una ventana rectangular es lo mismo que truncar la representación
en serie de Fourier de la característica del filtro deseada Hd (ω ). Sabemos que el truncamiento de la serie de
Fourier introduce rizados en la respuesta en frecuencia H(ω ) debido a la convergencia no uniforme de la serie
de Fourier en una discontinuidad. El comportamiento oscilatorio en las proximidades del extremo de la banda
del filtro se conoce como fenómeno de Gibbs.
Para aliviar la presencia de las oscilaciones grandes en la banda de paso y en la banda eliminada, debemos
emplear una función de ventana que contenga un atenuador y disminuya hasta cero gradualmente, en lugar de
abruptamente, como ocurre con una ventana rectangular. Las Figuras 10.2.8 hasta 10.2.11 ilustran la respuesta
en frecuencia del filtro resultante cuando se emplean algunas de las funciones de ventana enumeradas en la Tabla
10.1 para atenuar hd (n). Como se ilustra en las Figuras 10.2.8 hasta 10.2.11, las funciones de ventana eliminan
Módulo (dB)
Frecuencia normalizada
Figura 10.2.8. Filtro FIR paso bajo diseñado con una ventana rectangular (M = 61).
i i
i i
los efectos de rizado en el límite de la banda y dan lugar a lóbulos secundarios más pequeños a expensas de un
incremento de la anchura de la banda de transición del filtro.
Módulo (dB)
Frecuencia normalizada
Figura 10.2.9. Filtro FIR paso bajo diseñado con una ventana de Hamming (M = 61).
Módulo (dB)
Frecuencia normalizada
Figura 10.2.10. Filtro FIR paso bajo diseñado con una ventana de Blackman (M = 61).
Módulo (dB)
Frecuencia normalizada
Figura 10.2.11. Filtro FIR paso bajo diseñado con una ventana de Kaiser para α = 4, (M = 61).
i i
i i
2π M−1
ωk = M (k + α ), k = 0, 1, . . . , , M impar
2
M (10.2.30)
k = 0, 1, . . . , − 1, M par
2
α =0 o 2 1
y resolvemos para obtener la respuesta al impulso unidad h(n) del filtro FIR a partir de esta especificación en
frecuencia. Para reducir los lóbulos secundarios, es deseable optimizar la especificación en frecuencia en la banda
de transición del filtro. Esta optimización puede llevarse a cabo numéricamente utilizando una computadora
digital y aplicando técnicas de programación lineal, como puede verse en Rabiner et al. (1970).
En esta sección aplicamos la propiedad de simetría básica de la respuesta en frecuencia muestreada para
simplificar los cálculos. La respuesta en frecuencia deseada del filtro es [para simplificar, hemos eliminado el
subíndice en Hd (ω )],
M−1
H(ω ) = ∑ h(n)e− jω n (10.2.31)
n=0
Suponga que especificamos la respuesta en frecuencia del filtro en las frecuencias dadas por (10.2.30). Luego a
partir de (10.2.31), obtenemos
2π
H(k + α ) ≡ H (k + α )
M
M−1
H(k + α ) ≡ ∑ h(n)e− j2π (k+α )n/M , k = 0, 1, . . . , M − 1 (10.2.32)
n=0
Es una manera sencilla de invertir (10.2.32) y expresar h(n) en función de H(k + α ). Si mutliplicamos
ambos lados de la Ecuación (10.2.32) por la exponencial exp( j2π km/M), m = 0, 1, . . . , M − 1, y sumamos para
k = 0, 1, . . . , M − 1, el lado derecho de dicha ecuación se reduce a Mh(m) exp(− j2πα m/M). Luego obtenemos
1 M−1
h(n) = ∑ H(k + α )e j2π (k+α )n/M ,
M k=0
n = 0, 1, . . . , M − 1 (10.2.33)
La relación dada por (10.2.33) nos permite calcular los valores de la respuesta al impulso unidad h(n) a partir
de la especificación de las muestras en frecuencia H(k + α ), k = 0, 1, . . . , M − 1. Observe que cuando α = 0,
(10.2.32) se reduce a la transformada discreta de Fourier (DFT) de la secuencia {h(n)} y la Ecuación (10.2.33)
es la DFT inversa (IDFT).
Puesto que {h(n)} es real, podemos demostrar fácilmente que las muestras en frecuencia {H(k + α )}
satisfacen la condición de simetría
H(k + α ) = H ∗ (M − k − α ) (10.2.34)
Esta condición de simetría, junto con las condiciones de simetría para {h(n)}, pueden emplearse para reducir
las especificaciones de frecuencia de M puntos a (M + 1)/2 puntos para M impar y a M/2 puntos para M
par. Por tanto, las ecuaciones lineales para determinar {h(n)} a partir de {H(k + α )} se simplifican de forma
considerable.
En particular, si (10.2.11) se muestrea en las frecuencias ωk = 2π (k + α )/M, k = 0, 1, . . . , M − 1, obtenemos
2π
H(k + α ) = Hr (k + α ) e j[β π /2−2π (k+α )(M−1)/2M] (10.2.35)
M
i i
i i
donde β = 0 cuando {h(n)} es simétrica y β = 1 cuando {h(n)} es antisimétrica. Podemos hacer una simplifi-
cación definiendo un conjunto de muestras en las frecuencia reales {G(k + x)}
2π
G(k + α ) = (−1)k Hr (k + α ) , k = 0, 1, . . . , M − 1 (10.2.36)
M
Ahora la condición de simetría para H(k + α ) dada por (10.2.34) se traduce en la correspondiente condición
de simetría para G(k + α ), la cual se puede aplicar sustituyendo en (10.2.33), con el fin de simplificar las
expresiones para la respuesta al impulso del filtro FIR {h(n)} para los cuatros casos: α = 0, α = 12 , β = 0 y
β = 1. Los resultados se resumen en la Tabla 10.3. Las demostraciones detalladas se dejan como ejercicio para
el lector.
Aunque el método basado en el muestreo en frecuencia nos proporciona otro medio para diseñar filtros FIR
de fase lineal, su principal ventaja está ligada a la eficiente estructura del muestreo en frecuencia, la cual se
obtiene cuando la mayoría de las muestras en frecuencia son cero, como se demuestra en la Sección 9.2.3.
Los siguientes ejemplos ilustran el diseño de filtros FIR de fase lineal basado en el método de muestreo en
frecuencia. Los valores óptimos para las muestras en la banda de transición se obtienen a partir de la tablas del
Apéndice B, las cuales se han extraido de los estudios de Rabiner et al. (1970).
EJEMPLO 10.2.1
Determine los coeficientes de un filtro FIR de fase lineal de longitud M = 15 que tiene una respuesta al impulso unidad
simétrica y una respuesta en frecuencia que satisface las siguientes condiciones
1, k = 0, 1, 2, 3
2π k
Hr = 0.4, k=4
15
0, k = 5, 6, 7
Solución. Puesto que h(n) es simétrica y las frecuencias se seleccionan para que se correspondan con el caso de α = 0,
utilizamos la fórmula correspondiente de la Tabla 10.3 para evaluar h(n). En este caso,
2π k
G(k) = (−1)k Hr , k = 0, 1, . . . , 7
15
i i
i i
Módulo (dB)
Figura 10.2.12. Respuesta en frecuencia del filtro FIR de fase lineal del Ejemplo 10.2.1.
EJEMPLO 10.2.2
Determine los coeficientes de un filtro FIR de fase lineal de longitud M = 32 que tiene una respuesta al impulso simétrica y
una respuesta en frecuencia que satisface la siguiente condición
1, k = 0, 1, 2, 3, 4, 5
2π (k + α )
Hr = T1 , k=6
32
0, k = 7, 8, . . . , 15
donde T1 = 0.3789795 para α = 0 y T1 = 0.3570496 para α = Estos valores de T1 se han obtenido a partir de la tablas
1.
2
que especifican los parámetros óptimos de transición incluidas en el Apéndice B.
Solución. Las ecuaciones adecuadas para este cálculo se proporcionan en la Tabla 10.3 para α = 0 y α = 12 . Estos cálculos
proporcionan las respuestas al impulso unidad mostradas en la Tabla 10.4. Las respuestas en frecuencia correspondientes se
ilustran en las Figuras 10.2.13 y 10.2.14, respectivamente. Observe que el ancho de banda del filtro para α = 12 es mayor
que para α = 0.
i i
i i
Simétrica
Antisimétrica
donde
−G(M − k), α =0
G(k + α ) = (10.2.39)
G(M − k − 12 ), α = 12
i i
i i
M = 32 M = 32
ALPHA = 0. ALPHA = 0.5
T1 = 0.3789795E+00 T1 = 0.3570496E+00
h( 0) = −0.7141978E-02 h( 0) = −0.4089120E-02
h( 1) = −0.3070801E-02 h( 1) = −0.9973779E-02
h( 2) = 0.5891327E-02 h( 2) = −0.7379891E-02
h( 3) = 0.1349923E-01 h( 3) = 0.5949799E-02
h( 4) = 0.8087033E-02 h( 4) = 0.1727056E-01
h( 5) = −0.1107258E-01 h( 5) = 0.7878412E-02
h( 6) = −0.2420687E-01 h( 6) = −0.1798590E-01
h( 7) = −0.9446550E-02 h( 7) = −0.2670584E-01
h( 8) = 0.2544464E-01 h( 8) = 0.3778549E-02
h( 9) = 0.3985050E-01 h( 9) = 0.4191022E-01
h(10) = 0.2753036E-02 h(10) = 0.2839344E-01
h(11) = −0.5913959E-01 h(11) = −0.4163144E-01
h(12) = −0.6841660E-01 h(12) = −0.8254962E-01
h(13) = 0.3175741E-01 h(13) = 0.2802212E-02
h(14) = 0.2080981E+00 h(14) = 0.2013655E+00
h(15) = 0.3471138E+00 h(15) = 0.3717532E+00
Tabla 10.4.
Módulo (dB)
Figura 10.2.13. Respuesta en frecuencia del filtro FIR de fase lineal del Ejemplo 10.2.2 (M = 32 y α = 0).
Del mismo modo, para el filtro FIR de fase lineal antisimétrico, obtenemos
ωM
sen
− πα M−1
2 G(k + α )
H(ω ) =
M ∑ ω π
e− jω (M−1)/2 e jπ /2 (10.2.40)
k=0 sen − (k + α )
2 M
i i
i i
Módulo (dB)
Figura 10.2.14. Respuesta en frecuencia del filtro FIR de fase lineal del Ejemplo 10.2.2 (M = 32 y α = 12 ).
donde
G(M − k), α =0
G(k + α ) =
(10.2.41)
−G M − k − 2 , α = 12
1
Con estas expresiones para la respuesta en frecuencia H(ω ) en función de las muestras en frecuencias
deseadas {G(k + α )}, podemos explicar fácilmente el método de selección de los parámetros {G(k + α )} en la
banda de transición que resultan de minimizar el pico del lóbulo secundario en la banda eliminada. En resumen,
los valores de G(k + α ) en la banda de paso se fijan en (−1)k y en la banda eliminada se fijan en cero. Para
cualquier elección de G(k + α ) en la banda de transición, el valor de H(ω ) se calcula en un conjunto denso
de frecuencias (en ωn = 2π n/K, n = 0, 1, . . . , K − 1, donde, por ejemplo, K = 10M). Se determina el valor del
lóbulo secundario máximo y los valores de los parámetros {G(k + α )} en la banda de transición se modifican
en la dirección de máximo descenso, lo que efectivamente reduce el lóbulo secundario máximo. A continuación
se repite el cálculo de H(ω ) con la nueva elección de {G(k + α )}. De nuevo se determina el máximo lóbulo
secundario de H(ω ) y los valores de los parámetros {G(k + α )} en la banda de transición en la dirección
de máximo descenso, lo que a su vez reduce el lóbulo secundario. Este proceso iterativo se realiza hasta que
converge a la elección óptima de los parámetros {G(k + α )} en la banda de transición.
Existe un potencial problema en la realización basada en el muestreo en frecuencia de los filtros FIR de fase
lineal. Esta realización del filtro FIR introduce polos y ceros en puntos equiespaciados sobre la circunferencia
unidad. En el caso ideal, los ceros cancelan a los polos y, en consecuencia, los ceros reales de H(z) quedan
determinados por la selección de las muestras en frecuencia {H(k + α )}. Sin embargo, en una implementación
práctica de la realización basada en el muestreo de frecuencia, los efectos de cuantificación impiden una cance-
lación perfecta de los polos y los ceros. De hecho, la localización de los polos sobre la circunferencia unidad no
proporciona un amortiguamiento del ruido debido al redondeo de los cálculos. Como resultado, el ruido tiende
a aumentar con el tiempo pudiendo finalmente destruir el funcionamiento normal del filtro.
Para mitigar este problema, podemos desplazar los polos y los ceros desde la circunferencia unidad a una
circunferencia interior a la circunferencia unidad, por ejemplo de radio r = 1 − ε , donde ε es un valor muy
pequeño. Así, la función de sistema del filtro FIR de fase lineal se convierte en
i i
i i
La correspondiente realización del filtro de dos polos vista en la Sección 9.2.3 puede modificarse de acuerdo
con esto. El amortiguamiento que proprociona la selección de un radio r < 1 garantiza la limitación del ruido
de redondeo evitándose así la inestabilidad.
10.2.4 Diseño de filtros FIR de fase lineal con rizado constante óptimo
El método de aplicar una ventana y el método basado en el muestreo en frecuencia son técnicas relativamente
simples de diseño de filtros FIR. Sin embargo, también presentan algunas desventajas menores, descritas en la
Sección 10.2.6, que pueden ser indeseables en algunas aplicaciones. Un problema importante es la falta de un
control preciso sobre frecuencias críticas tales como ω p y ωs .
El método de diseño de filtros descrito en esta sección se formula como problema de la aproximación de
Chebyshev. Esto puede verse como un criterio de diseño óptimo en el sentido de que el error de la aproximación
ponderado entre la respuesta en frecuencia deseada y la respuesta en frecuencia real se dispersa a lo largo de
la banda de paso e igualmente a lo largo de la banda eliminada del filtro, minimizando de este modo el error
máximo. El filtro resultante diseñado presenta rizados tanto en la banda de paso como en la banda eliminada.
Para describir el procedimiento de diseño, consideremos el diseño de un filtro paso bajo con una frecuencia
de corte en la banda de paso ω p y una frecuencia de corte en la banda eliminada ωs . A partir de la especificación
general dada en la Figura 10.1.2 podemos ver que en la banda de paso, la respuesta en frecuencia del filtro
satisface la condición
1 − δ1 ≤ Hr (ω ) ≤ 1 + δ1, |ω | ≤ ω p (10.2.43)
Del mismo modo, en la banda eliminada, la respuesta en frecuencia del filtro está especificada para caer entre
los límites ±δ2 , es decir,
−δ2 ≤ Hr (ω ) ≤ δ2 , |ω | > ωs (10.2.44)
Por tanto, δ1 representa el rizado de la banda de paso y δ2 representa la atenuación o el rizado en la banda
eliminada. El otro parámetro del filtro es M, su longitud o número de coeficientes.
Vamos a centrarnos en los cuatro casos distintos de un filtro FIR de fase lineal. Estos casos se abordan en
la Sección 10.2.2 y que se resumen a continuación.
Caso 1: respuesta al impulso unidad simétrica: h(n) = h(M − 1 − n) y M impar. En este caso, la respuesta
en frecuencia real Hr (ω ) es
(M−3)/2
M−1 M−1
Hr (ω ) = h + 2 ∑ h(n) cos ω −n (10.2.45)
2 n=0 2
Si hacemos k = (M − 1)/2 − n y definimos un nuevo conjunto de parámetros del filtro {a(k)} como
M−1
h , k=0
a(k) = 2 (10.2.46)
M−1 M−1
2h − k , k = 1, 2, . . . ,
2 2
(M−1)/2
Hr (ω ) = ∑ a(k) cos ω k (10.2.47)
k=0
i i
i i
Caso 2: respuesta al impulso unidad simétrica: h(n) = h(M − 1 − n) y M par. En este caso, Hr (ω ) se expresa
como
(M/2)−1
M−1
Hr (ω ) = 2 ∑ h(n) cos ω −n (10.2.48)
n=0 2
De nuevo, cambiamos el índice del sumatorio de n a k = M/2 − n y definimos un nuevo conjunto de parámetros
del filtro {b(k)} como
M
b(k) = 2h −k , k = 1, 2, . . . , M/2 (10.2.49)
2
Con estas sustituciones, (10.2.48) puede escribirse como sigue
M/2
1
Hr (ω ) = ∑ b(k) cos ω k − (10.2.50)
k=1 2
donde los coeficientes {b̃(k)} están relacionados linealmente con los coeficientes {b(k)}. De hecho, podemos
demostrar que la relación entre ellos es
1
b̃(0) = b(1)
2
M
b̃(k) = 2b(k) − b̃(k − 1), k = 1, 2, 3, . . . , −2 (10.2.52)
2
M M
b̃ − 1 = 2b
2 2
i i
i i
donde los coeficientes {c̃(k)} están relacionados linealmente con los parámetros {c(k)}. Esta relación puede
deducirse a partir de (10.2.55) y (10.2.56) y es simplemente
M−3 M−1
c̃ =c
2 2
M−5 M−3
c̃ = 2c
2 2
.. .. (10.2.57)
. .
M−5
c̃(k − 1) − c̃(k + 1) = 2c(k), 2≤k≤
2
c̃(0) + 12 c̃(2) = c(1)
Caso 4: respuesta al impulso unidad antisimétrica: h(n) = −h(M − 1 − n) y M par. En este caso, la respuesta
en frecuencia real Hr (ω ) es
(M/2)−1
M−1
Hr (ω ) = 2 ∑ h(n) sen ω −n (10.2.58)
n=0 2
Un cambio en el índice del sumatorio de n a k = M/2 − n combinado con una definición de un nuevo conjunto
de coeficientes del filtro {d(k)}, relacionados con {h(n)} según
M M
d(k) = 2h −k , k = 1, 2, . . . , (10.2.59)
2 2
da lugar a la expresión
M/2
1
Hr (ω ) = ∑ d(k) sen ω k − (10.2.60)
k=1 2
Como en los dos casos anteriores, es conveniente reordenar (10.2.60) de la forma siguiente
(M/2)−1
ω
Hr (ω ) = sen
2 ∑ ˜ cos ω k
d(k) (10.2.61)
k=0
Las expresiones de Hr (ω ) en estos cuatro casos se resumen en la Tabla 10.5. Fíjese en que las reordenaciones
realizadas en los casos 2, 3 y 4 nos han permitido expresar Hr (ω ) como
i i
i i
Tabla 10.5. Funciones de respuesta en frecuencia reales para los filtros FIR de fase lineal.
donde
1 Caso 1
ω
cos Caso 2
2
Q(ω ) = (10.2.64)
sen ω Caso 3
sen ω
Caso 4
2
y P(ω ) tiene la forma común
L
P(ω ) = ∑ α (k) cos ω k (10.2.65)
k=0
representando {α (k)} los parámetros del filtro, los cuales están linealmente relacionados con la respuesta
al impulso unidad h(n) del filtro FIR. El límite superior L del sumatorio es L = (M − 1)/2 para el caso 1,
L = (M − 3)/2 para el caso 3 y L = M/2 − 1 para los casos 2 y 4.
Además del marco de trabajo común especificado para la representación de Hr (ω ), también definimos la
respuesta en frecuencia real deseada Hdr (ω ) y la función de ponderación W (ω ) para el error de la aproximación.
La respuesta en frecuencia real deseada Hdr (ω ) se define simplemente como igual a la unidad en la banda de paso
y cero en la banda eliminada. Por ejemplo, la Figura 10.2.15 ilustra varios tipos diferentes de la característica
de Hdr (ω ). La función de ponderación para el error de aproximación nos permite seleccionar el tamaño relativo
de los errores en las diferentes bandas de frecuencia (es decir, en la banda de paso y en la banda eliminada). En
particular, es conveniente normalizarW (ω ) para que sea igual a la unidad en la banda eliminada y W (ω ) = δ2 /δ1
en la banda de paso, es decir,
δ2 /δ1 , ω en la banda de paso
W (ω ) = (10.2.66)
1, ω en la banda eliminada
Así, simplemente seleccionamos W (ω ) en la banda de paso para resaltar nuestro interés en el tamaño relativo
del rizado en la banda eliminada respecto del rizado en la banda de paso.
i i
i i
0
(a)
0
(b)
0
(c)
0
(d)
Figura 10.2.15. Respuestas en frecuencia deseadas para los diferentes tipos de filtros.
Con la especificación de Hdr (ω ) y W (ω ), ahora podemos definir el error de aproximación ponderado como
E(ω ) = W (ω )[Hdr (ω ) − Hr (ω )]
= W (ω )[Hdr (ω ) − Q(ω )P(ω )] (10.2.67)
Hdr (ω )
= W (ω )Q(ω ) − P(ω )
Q(ω )
Por conveniencia matemática, definimos una función de ponderación modificada Ŵ (ω ) y una respuesta en
frecuencia modificada Ĥdr (ω ) como
Ŵ (ω ) = W (ω )Q(ω )
Hdr (ω ) (10.2.68)
Ĥdr (ω ) =
Q(ω )
Luego el error de aproximación ponderado se expresa como
i i
i i
donde S representa el conjunto (unión disjunta) de bandas de frecuencia sobre las que se va a realizar la
optimización. Básicamente, el conjunto S consta de las bandas de paso y eliminadas del filtro deseado.
La solución a este problema se debe a Parks y McClellan (1972a), quienes aplicaron un teorema a la teoría
de la aproximación de Chebyshev, denominado teorema de alternancia, el cual enunciamos a continuación,
aunque no lo vamos a demostrar.
Teorema de alternancia. Sea S un subconjunto compacto del intervalo [0, π ). Una condición necesaria y
suficiente para que
L
P(ω ) = ∑ α (k) cos ω k
k=0
sea la mejor y única aproximación de Chebyshev ponderada a Ĥdr (ω ) en S, es que la función de error E(ω )
presente al menos L + 2 frecuencias extremas en S. Es decir, deben existir al menos L + 2 frecuencias {ωi } en
S tal que ω1 < ω2 < · · · < ωL+2 , E(ωi ) = −E(ωi+1 ), y
Fíjese en que la función de error E(ω ) alterna en signo entre dos frecuencias extremas sucesivas. De aquí,
que este teroema se conozca como teorema de alternancia.
Con el fin de explicar más en detalle el teorema de alternancia, consideremos el diseño de un filtro paso
bajo con la banda de paso 0 ≤ ω ≤ ω p y la banda eliminada ωs ≤ ω ≤ π . Dado que la respuesta en frecuencia
deseada Hdr (ω ) y la función de ponderación W (ω ) son constantes, tenemos
dE(ω ) d
= {W (ω )[Hdr (ω ) − Hr (ω )]}
dω dω
dHr (ω )
=− =0
dω
En consecuencia, las frecuencias {ωi } correspondientes a los picos de E(ω ) también corresponden a los picos
en los que Hr (ω ) cumple la tolerancia de error. Dado que Hr (ω ) es un polinomio trigonométrico de grado L,
para el caso 1, por ejemplo,
L
Hr (ω ) = ∑ α (k) cos ω k
k=0
L k
= ∑ α (k) ∑ βnk (cos ω )n (10.2.71)
k=0 n=0
L
= ∑ α (k)(cos ω )k
k=0
se deduce que Hr (ω ) puede tener como máximo L − 1 máximos y mínimos locales en el intervalo abierto
0 < ω < π . Además, normalmente ω = 0 y ω = π son extremos de Hr (ω ) y también de E(ω ). Por tanto, Hr (ω )
i i
i i
tiene como máximo L + 1 frecuencias extremas. Además, las frecuencias de corte de la banda ω p y ωs son
también los extremos de E(ω ), ya que |E(ω )| es máxima en ω = ω p y ω = ωs . En consecuencia, existen como
máximo L + 3 frecuencias extremas en E(ω ) para la mejor y unívoca aproximación del filtro paso bajo ideal. Por
otro lado, el teorema de alternancia establece que existen al menos L + 2 frecuencias extremas en E(ω ). Luego
la función de error para el filtro paso bajo tiene L + 3 o L + 2 frecuencias extremas. En general, los diseños de
filtros que contienen más de L + 2 alternancias o rizados se denominan filtros con rizados adicionales. Cuando
el diseño del filtro contiene el número máximo de alternancias, se conoce como filtro de rizado máximo.
El teorema de alternancia garantiza una solución única para el problema de la optimización de Chebyshev
dada en (10.2.70). En las frecuencias extremas deseadas {ωn }, tenemos el conjunto de ecuaciones
Ŵ (ωn )[Ĥdr (ωn ) − P(ωn )] = (−1)n δ , n = 0, 1, . . . , L + 1 (10.2.72)
donde δ representa el valor máximo de la función de error E(ω ). De hecho, si seleccionamos W (ω ), como se
indica en (10.2.66), se obtiene que δ = δ2 .
El conjunto de ecuaciones lineales dadas en (10.2.72) pueden reordenarse como sigue
(−1)n δ
P(ωn ) + = Ĥdr (ωn ), n = 0, 1, . . . , L + 1
Ŵ (ωn )
o, lo que es equivalente, de la forma
L
(−1)n δ
∑ α (k) cos ωn k + Ŵ (ωn )
= Ĥdr (ωn ), n = 0, 1, . . . , L + 1 (10.2.73)
k=0
Si tratamos los {a(k)} y δ como los parámetros que se van a determinar, (10.2.73) puede expresarse en
forma matricial como
1
α (0)
1 cos ω cos 2 ω · · · cosL ω Ĥ (
dr 0 ω )
Ŵ (ω0 )
0 0 0
−1 α (1)
1 cos ω cos 2ω1 cosLω1
1 ··· Ĥdr (ω1 )
Ŵ (ω1 )
..
.. . ..
. = . (10.2.74)
.. ..
. α (L) .
(−1) L+1
1 cos ωL+1 cos 2ωL+1 · · · cosLωL+1 Ĥdr (ωL+1 )
Ŵ (ωL+1 ) δ
Inicialmente, no conocemos ni el conjunto de frecuencias extremas {ωn } ni los parámetros {α (k)} y δ . Para
obtener los parámetros, utilizamos un algoritmo iterativo, denominado algoritmo de intercambio de Remez [véase
Rabiner et al. (1975)], en el que se comienza proponiendo un conjunto de frecuencias extremas, se determinan
P(ω ) y δ , y luego se calcula la función de error E(ω ). A partir de E(ω ), determinamos otro conjunto de
L + 2 frecuencias extremas y repetimos el proceso de forma iterativa hasta que converja al conjunto óptimo
de frecuencias extremas. Aunque la ecuación matricial dada por (10.2.74) puede emplearse en el procdimiento
iterativo, la inversión de matrices es un proceso que consume tiempo y es ineficiente.
Un procedimiento más eficiente, sugerido por Rabiner et al. (1975), consiste en calcular δ analíticamente,
de acuerdo con la fórmula
γ0 Ĥdr (ω0 ) + γ1Ĥdr (ω1 ) + · · · + γL+1 Ĥdr (ωL+1 )
δ= (10.2.75)
γ0 γ1 (−1)L+1 γL+1
− + ···+
Ŵ (ω0 ) Ŵ (ω1 ) Ŵ (ωL+1 )
i i
i i
donde
L+1
1
γk = ∏ cos ωk − cos ωn (10.2.76)
n=0
n=k
La expresión para δ dada por (10.2.75) se deduce de forma inmediata de la ecuación matricial (10.2.74). Por
tanto, con una elección inicial de las L + 2 frecuencias extremas, calculamos δ .
Ahora dado que P(ω ) es un polinomio trigonométrico de la forma
L
P(ω ) = ∑ α (k)xk , x = cos ω
k=0
y puesto que sabemos que el polinomio en los puntos xn ≡ cos ωn , n = 0, 1, . . . , L + 1, toma los valores
(−1)n δ
P(ωn ) = Ĥdr (ωn ) − , n = 0, 1, . . . , L + 1 (10.2.77)
Ŵ (ωn )
podemos emplear la fórmula de interpolación de Lagrange para P(ω ). Luego P(ω ) se puede expresar como
[véase Hamming (1962)]
L
∑ P(ωk )[βk /(x − xk )]
k=0
P(ω ) = L
(10.2.78)
∑ [βk /(x − xk )]
k=0
Teniendo la solución para P(ω ), podemos calcular la función de error E(ω ) a partir de
sobre un conjunto denso de puntos de frecuencia. Normalmente, basta con un número de puntos igual a 16M,
donde M es la longitud del filtro. Si |E(ω )| ≥ δ para algunas frecuencias del conjunto denso, entonces se
selecciona un nuevo conjunto de frecuencias correspondientes a los L + 2 picos más grandes de |E(ω )| y se
repite el procedimiento de cálculo utilizando (10.2.75). Puesto que el nuevo conjunto de L + 2 frecuencias
extremas se selecciona para que corresponda con los picos de la función de error |E(ω )|, el algoritmo fuerza a
que δ aumente en cada iteración hasta converger en el límite superior y por tanto llegar a la solución óptima para
el problema de la aproximación de Chebyshev. En otras palabras, cuando |E(ω )| ≤ δ para todas las frecuencias
del conjunto denso, la solución óptima se determina en función del polinomio H(ω ). En la Figura 10.2.16 se
muestra un diagrama de flujo del algoritmo debido a Remez (1957).
Una vez que se ha obtenido la solución óptima en función de P(ω ), la respuesta al impulso unidad h(n)
puede calcularse directamente, sin tener que calcular los parámetros {α (k)}. En efecto, hemos determinado
Hr (ω ) = Q(ω )P(ω )
que se puede evaluar en ω = 2π k/M, k = 0, 1, . . . , (M − 1)/2, para M impar o M/2 para M par. A continuación,
dependiendo del filtro que se esté diseñando, h(n) puede determinarse a partir de la fórmulas dadas en la Tabla
10.3.
i i
i i
Parámetros de entrada
del filtro
Elección inicial de M + 2
frecuencias extremas.
Calcular el δ óptimo
en el conjunto
No
Mejor aproximación
Hay disponible un programa software escrito por Parks y McClellan (1972b) para diseñar filtros FIR de
fase lineal basado en los criterios de la aproximación de Chebyshev e implementado mediante el algoritmo de
intercambio de Remez. Este programa puede emplearse para diseñar filtros paso bajo, paso alto o paso banda,
diferenciadores y transformadores de Hilbert. Los dos primeros tipos de filtros se describen en las secciones
siguientes. Actualmente hay disponible una serie de paquetes software para el diseño de filtros FIR de fase lineal
y rizado constante.
El programa de Parks–McClellan requiere una serie de parámetros de entrada que determinen las caracte-
rísticas del filtro. En particular, deben especificarse los siguientes parámetros:
i i
i i
LGRID: la densidad de la cuadrícula para interpolar la función de error E(ω ). El valor predeterminado es 16,
si no se especifica.
EDGE: las bandas de frecuencia especificadas por las frecuencias de corte inferior y superior, hasta un máximo
de 10 bandas (una matriz de tamaño 20 como máximo). Las frecuencias se proporcionan en función de
la variable f = ω /2π , donde f = 0.5 corresponde a la frecuencia de solapamiento.
FX: una matriz de tamaño máximo 10 que especifique la respuesta en frecuencia deseada Hdr (ω ) en cada
banda.
WTX: una matriz de tamaño máximo 10 que especifique la función de ponderación en cada banda.
Los siguientes ejemplos muestran el uso de este programa para diseñar un filtro paso bajo y un filtro paso
banda.
EJEMPLO 10.2.3
Diseñe un filtro paso bajo de longitud M = 61 con una frecuencia de corte en la banda de paso de f p = 0.1 y una frecuencia
de corte de la banda eliminada f s = 0.15.
Solución. El filtro paso bajo es un filtro de dos bandas con frecuencias de corte de la banda de paso (0, 0.1) y frecuen-
cias de corte de la banda eliminada (0.15, 0.5). La respuesta deseada es (1, 0) y la función de ponderación se selecciona
arbitrariamente como (1, 1).
61, 1, 2
0.0, 0.1, 0.15, 0.5
1.0, 0.0
1.0, 1.0
La respuesta al impulso y la respuesta en frecuencia se muestran en la Figura 10.2.17. El filtro resultante tiene una atenuación
en la banda eliminada de −56 dB y un rizado en la banda de paso de 0.0135 dB.
Si aumentamos la longitud del filtro a M = 101 manteniendo todos los demás parámetros iguales, el filtro
resultante tiene la respuesta al impulso y la respuesta en frecuencia mostradas en la Figura 10.2.18. Ahora, la
atenuación de la banda eliminada es −85 dB y el rizado de la banda de paso se reduce a 0.00046 dB.
Debemos indicar que es posible incrementar la atenuación en la banda eliminada manteniendo la longitud
del filtro fija, por ejemplo con M = 61, y disminuyendo la función de ponderación W (ω ) = δ2 /δ1 en la banda
de paso. Con M = 61 y una función de ponderación (0.1, 1), obtenemos un filtro que tiene una atenuación de
−65 dB en la banda eliminada y un rizado en la banda de paso de 0.049 dB.
EJEMPLO 10.2.4
Diseñe un filtro paso banda de longitud M = 32 con frecuencias de corte de la banda paso f p1 = 0.2 y f p2 = 0.35 y frecuencias
de corte de la banda eliminada fs1 = 0.1 y fs2 = 0.425.
Solución. Este filtro paso banda es un filtro de tres bandas con una banda eliminada definida en el intervalo (0, 0.1),
una banda de paso definida en el intervalo (0.2, 0.35) y una segunda banda eliminada definida en (0.425, 0.5). La función
de ponderación se selecciona como (10.0, 1.0, 10.0), o como (1.0, 0.1, 1.0) y la respuesta deseada en las tres bandas es
(0.0, 1.0, 0.0). Por tanto, los parámetros de entrada al programa son
32, 1, 3
0.0, 0.1, 0.2, 0.35, 0.425, 0.5
0.0, 1.0, 0.0
10.0, 1.0, 10.0
i i
i i
0.3
0.2
h(n)
0.1
−0.1
0 10 20 30 40 50 60
n
−20
Módulo (dB)
−40
−60
−80
−100
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
f
Figura 10.2.17. Respuestas al impulso y en frecuencia del filtro FIR de longitud M = 61 del Ejemplo 10.2.3.
0.3
0.2
h(n)
0.1
-0. 1
0 10 20 30 40 50 60 70 80 90 100
n
-20
Módulo (dB)
-40
-60
-80
-100
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
f
Figura 10.2.18. Respuestas al impulso y en frecuencia del filtro FIR de longitud M = 101 del Ejemplo 10.2.3.
Observe que el rizado de las bandas eliminadas δ2 es 10 veces menor que el rizado en la banda de paso, debido al hecho
de que los errores en el banda eliminada se han proporcionado con un peso de 10 comparados con el peso asignado en la
i i
i i
0.4
0.2
h(n)
-0. 2
-0. 4
0 5 10 15 20 25 30
n
-20
Módulo (dB)
-40
-60
-80
-100
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
f
Figura 10.2.19. Respuestas al impulso y en frecuencia del filtro FIR de longitud M = 32 del Ejemplo 10.2.4.
banda de paso que es igual a la unidad. La respuesta al impulso y la respuesta en frecuencia del filtro paso banda se ilustran
en la Figura 10.2.19.
Estos ejemplos sirven para ilustrar la facilidad relativa con la que pueden diseñarse filtros óptimos paso
bajo, paso alto, de banda eliminada, paso banda y filtros más generales FIR de fase lineal y múltiples bandas
basándose en el criterio de la aproximación de Chebyshev e implementados mediante el algoritmo de intercambio
de Remez. En las dos secciones siguientes vamos a abordar el diseño de diferenciadores y transformadores de
Hilbert.
i i
i i
En esta sección vamos a ocuparnos del diseño de diferenciadores FIR de fase lineal basado en la aproximación
de Chebyshev. Teniendo en cuenta el hecho de que el diferenciador ideal tiene una respuesta al impulso unidad
antisimétrica, vamos a centrar nuestra atención en los diseños FIR en los que h(n) = −h(M − 1 − n). Luego
trabajaremos con los filtros clasificados en la sección anterior correspondientes a los casos 3 y 4.
Recordemos que en el caso 3, donde M es impar, la respuesta en frecuencia real del filtro FIR Hr (ω ) tiene
la característica en la que Hr (0) = 0. Una respuesta igual a cero en la frecuencia cero es la única condición
que un diferenciador debe satisfacer. En la Tabla 10.5, podemos ver que ambos tipos de filtros satisfacen esta
condición. Sin embargo, si se desea un diferenciador de banda completa, esto es imposible de conseguir con
un filtro FIR que tenga un número impar de coeficientes, ya que Hr (π ) = 0 para M impar. Sin embargo, en la
práctica, rara vez se necesitan diferenciadores de banda completa.
En la mayoría de los casos prácticos, la respuesta en frecuencia deseada sólo tiene que ser lineal en un
intervalo de frecuencias limitado 0 ≤ ω ≤ 2π f p , donde f p es el ancho de banda del diferenciador. En el intervalo
de frecuencias 2π f p < ω ≤ π , la respuesta deseada puede estar o no registrada a cero.
En el diseño de diferenciadores FIR basados en la aproximación de Chebyshev, la función de ponderación
W (ω ) se especifica en el programa como
1
W (ω ) = , 0 ≤ ω ≤ 2π f p (10.2.83)
ω
con el fin de que el rizado relativo en la banda de paso sea constante. Por tanto, el error absoluto entre la
respuesta deseada ω y la aproximación Hr (ω ) aumenta cuando ω varía de 0 a 2π f p . Sin embargo, la función
de ponderación dada por (10.2.83) garantiza que el error relativo
EJEMPLO 10.2.5
Utilice el algoritmo de Remez para diseñar un diferenciador FIR de fase lineal de longitud M = 60. La frecuencia de corte
de la banda de paso es 0.1 y la frecuencia de corte de la banda eliminada es 0.15.
60, 2, 2
0.0, 0.1, 0.15, 0.5
1.0, 0.0
1.0, 1.0
La respuesta en frecuencia se ilustra en la Figura 10.2.20. En la misma figura también se muestra el error de la aproximación
en la banda de paso 0 ≤ f ≤ 0.1 del filtro.
Los parámetros importantes en un diferenciador son su longitud M, su ancho de banda {frecuencia de corte
de la banda} f p , y el error relativo de pico δ de la aproximación. La interrelación entre estos tres parámetros
se pueden visualizar fácilmente de forma paramétrica. En particular, el valor de 20 log10 δ en función de f p
con M como parámetro se ilustra en la Figura 10.2.21 para M par y en la Figura 10.2.22 para M impar. Estos
resultados, debidos a Rabiner y Schafer (1974a), son útiles en la selección de la longitud del filtro, dadas las
especificaciones referentes al rizado dentro de la banda y la frecuencia de corte f p .
i i
i i
0.1
0.05
h(n)
0
-0.05
-0. 1
0 10 20 30 40 50
n
0.8
0.6
Módulo
0.4
0.2
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
f
4
x 10
5
Error
0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1
f
3
x 10
Error normalizado
0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1
f
Figura 10.2.20. Respuesta en frecuencia y error de la aproximación para M = 60 del diferenciador FIR del
Ejemplo 10.2.5.
Una comparación de las gráficas de las Figuras 10.2.21 y 10.2.22 revela que los diferenciadores de longitud
par dan lugar a un error de aproximación significativamente más pequeño δ que el de los diferenciadores de
longitud impar comparable. Los diseños basados en un valor de M impar son particularmente pobres si el ancho
i i
i i
0
Diferenciadores FIR óptimos
−10
−20
M=4
−30
−40
8
−50
−60
−70 16
−80
−90
32
−100
64
−110
−120
−130
0.20 0.25 0.30 0.35 0.40 0.45 0.5
Frecuencia de corte de la banda de paso (fp)
Figura 10.2.21. Curvas de 20 log 10 δ en función de f p para M = 4, 8, 16, 32 y 64. [De los documentos de
Rabiner y Schafer (1974a). Reimpreso con permiso de AT&T.
i i
i i
0
Diferenciadores FIR óptimos M=5
−10
9
−20
−30 17
−40
−50
33
−60
−70
−80
−90
65
−100
−110
−120
−130
0.20 0.25 0.30 0.35 0.40 0.45 0.5
Frecuencia de corte de la banda de paso (fp)
Figura 10.2.22. Curvas de 20log 10δ en función de Fp para M = 5, 9, 17,33 y 65 [De los documentos de
Rabiner y Schafer (1974a). Reimpreso con permiso de AT&T.
= π n
0, n=0
Como era de esperar, hd (n) tiene duración infinita y es no causal. Observe que hd (n) es antisimétrica [es
decir, hd (n) = −hd (−n)]. Teniendo en cuenta esta característica, vamos a centrar nuestra atención en el diseño
de los tranformadores FIR de Hilbert de fase lineal con una respuesta al impulso unidad antisimétrica [es
decir, h(n) = −h(M − 1 − n)]. Podemos observar también que la elección de una respuesta al impulso unidad
antisimétrica es coherente con disponer de una respuesta en frecuencia Hd (ω ) puramente imaginaria.
Recordemos una vez más que cuando h(n) es antisimétrica, la respuesta en frecuencia real Hr (ω ) es cero
en ω = 0 tanto para M impar como par y en ω = π cuando M es impar. Evidentemente, es imposible diseñar un
transformador digital paso todo de Hilbert. Afortunadamente, en las aplicaciones de procesamiento de señales
prácticas, un transformador paso todo de Hilbert no es necesario. Su ancho de banda sólo tiene que cubrir
el ancho de banda de la señal que se va a desplazar en fase. En consecuencia, especificamos la respuesta en
frecuencia real de un filtro transformador de Hilbert como
Hdr (ω ) = 1, 2π f l ≤ ω ≤ 2π f u (10.2.87)
i i
i i
Módulo
Frecuencia normalizada
Figura 10.2.23. Respuesta en frecuencia y error de aproximación para un diferenciador FIR con M = 30
diseñado por el método de muestreo en frecuencia.
(M−1)/2
Hr (ω ) = ∑ c(k) sen ω k (10.2.88)
k=1
y suponga que fl = 0.5 − fu . Esto asegura una banda de paso simétrica alrededor de la frecuencia central
f = 0.25. Si la respuesta en frecuencia presenta esta propiedad de simetría, Hr (ω ) = Hr (π − ω ) y, por tanto,
(10.2.88) proporciona
(M−1)/2 (M−1)/2
∑ c(k) sen ω k = ∑ c(k) sen k(π − ω )
k=1 k=1
(M−1)/2
= ∑ c(k) sen ω k cos π k
k=1
(M−1)/2
= ∑ c(k)(−1)k+1 sen ω k
k=1
i i
i i
o, lo que es equivalente,
(M−1)/2
∑ [1 − (−1)k+1]c(k) sen ω k = 0 (10.2.89)
k=1
o, lo que es equivalente,
M−1 1
h − k = c(k) (10.2.90)
2 2
Si c(k) es cero para k = 0, 2, 4, . . . , entonces (10.2.90) se convierte en
M−1
0, k = 0, 2, 4, . . . , para par
2
h(k) = (10.2.91)
0, k = 1, 3, 5, . . . , M−1
para impar
2
Lamentablemente, (10.2.91) sólo se cumple para M impar; no se cumple para M par. Esto significa que para
valores comparables de M, el caso de M impar es preferible, ya que la complejidad de cálculo (número de
multiplicaciones y sumas por punto de salida) es casi la mitad que para el caso en que M es par.
Cuando el diseño del transformador de Hilbert se implementa mediante la aproximación de Chebyshev uti-
lizando el algoritmo de Remez, seleccionamos los coeficientes del filtro para minimizar el error de aproximación
de pico
δ = máx [Hdr (ω ) − Hr (ω )]
2π f l ≤ω ≤2π f u
(10.2.92)
= máx [1 − Hr (ω )]
2π f l ≤ω ≤2π f u
Así, la función de ponderación se fija a la unidad y la optimización se realiza en una única banda de frecuencias
(es decir, la banda de paso del filtro).
EJEMPLO 10.2.6
Diseñe un transformador de Hilbert con los siguientes parámetros: M = 31, fl = 0.05 y f u = 0.45.
Solución. Observe que la respuesta en frecuencia es simétrica, ya que f u = 0.5 − fl . Los parámetros para ejecutar el
algoritmo de Remez son:
31, 3, 1
0.05, 0.45
1.0
1.0
El resultado de este diseño es la respuesta al impulso unidad y la respuesta en frecuencia mostradas en la Figura 10.2.24.
Observe que, realmente, cualquier otro valor de h(n) es prácticamente cero.
Rabiner y Schafer (1974b) han investigado las características de los diseños de transformadores de Hilbert
tanto para M impar como para M par. Si el diseño del filtro se restringe a una respuesta en frecuencia simétrica,
i i
i i
0.5
h(n)
-0.5
0 5 10 15 20 25 30
n
0
Módulo (dB)
-50
-100
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
f
Figura 10.2.24. Frecuencia del filtro transformador FIR de Hilbert del Ejemplo 10.2.6.
entonces hay básicamente tres parámetros de interés, M, δ y fl . La Figura 10.2.25 es ua gráfica de 20 log10 δ
en función de fl (la anchura de la banda de transición) con M como parámetro. Observe que para valores
comparables de M, no existe ninguna ventaja de rendimiento por emplear un valor de M impar en lugar de par,
y viceversa. Sin embargo, la complejidad de cálculo en la implementación de un filtro para M impar es menor
en un factor de 2 respecto a si M es par, como se ha indicado previamente. Por tanto, en la práctica, es preferible
emplear un valor impar para M.
Para propósitos de diseño, las gráficas de la Figura 10.2.25 sugieren como regla que,
Luego esta fórmula puede utilizarse para estimar el tamaño de uno de los tres parámetros básicos del filtro
cuando se conocen los otros dos.
10.2.7 Comparación de los métodos de diseño de los filtro FIR de fase lineal
Históricamente, el método de diseño basado en el uso de ventanas para truncar la respuesta al impulso hd (n)
y obtener la forma espectral deseada fue el primer método propuesto para diseñar filtros FIR de fase lineal. El
método basado en el muestreo en frecuencia y la aproximación de Chebyshev se desarrollaron en la década de
los años setenta y se han hecho muy populares en el diseño de filtros FIR de fase lineal prácticos.
La principal desventaja del método de diseño mediante ventanas es la falta de un control preciso de las
frecuencias críticas, tales como ω p y ωs , en el diseño de un filtro FIR paso bajo. Los valores de ω p y ωs , en
general, dependen del tipo de ventana y de la longitud del filtro M.
El método basado en el muestreo en frecuencia proporciona una mejora respecto del método de diseño
mediante ventanas, ya que Hr (ω ) se especifica en las frecuencias ωk = 2π k/M u ωk = π (2k + 1)/M y la banda
de transición es un múltiplo de 2π /M. Este método de diseño es especialmente atractivo cuando el filtro FIR se
implementa en el dominio de la frecuencia utilizando la DFT o mediante cualquiera de las realizaciones basadas
en el muestreo en frecuencia. La característica más atractiva de estas realizaciones es que Hr (ωk ) es igual a cero
o a la unidad en todas las frecuencias, excepto en la banda de transición.
i i
i i
0
Transformadores de Hilbert
M=3
−10
4
−20 7
−30 8
−40
15
−50
16
−60
−70
−80
31
−90
32
−100
64 63
−110
−120
0 0.02 0.04 0.06 0.08 0.10
Figura 10.2.25. Curvas 20 log 10 δ en función de ∆ f para M = 3, 4, 7, 8, 15, 16, 31, 32, 63, 64. [De los
documentos de Rabiner y Schafer (1974b). Reimpreso con permiso de AT&T.]
La aproximación de Chebyshev proporciona un control total sobre las especificaciones del filtro y, en
consecuencia, normalmente es preferible a los otros dos métodos. Para un filtro paso bajo, las espcificaciones
se proporcionan en función de los parámetros ω p , ωs , δ1 , δ2 y M. Podemos especificar los parámetros ω p , ωs ,
M y δ , y optimizar los filtros respecto a δ2 . Si extendemos el error de la aproximación a la banda de paso y a la
banda eliminada del filtro, este método da lugar a un filtro óptimo, en el sentido de que para un conjunto dado
de especificaciones como el descrito, el nivel máximo del lóbulo secundario se minimiza.
El procedimiento de diseño de Chebyshev basado en el algoritmo de intercambio de Remez requiere que
especifiquemos la longitud del filtro, las frecuencias críticas ω p y ωs , y la relación δ2 /δ1 . Sin embargo, en el
diseño de filtros es más natural especificar ω p , ωs , δ1 y δ2 , para determinar la longitud del filtro que satisface
las especificaciones. Aunque no existe una fórmula simple que permita determinar la longitud del filtro a partir
de estas especificaciones, se han propuesto una serie de aproximaciones que permiten estimar M a partir de ω p ,
ωs , δ1 y δ2 . Una fórmula simple atribuida a Kaiser para aproximar M es
√
−20 log10 δ1 δ2 − 13
M̂ = +1 (10.2.94)
14.6 ∆ f
i i
i i
donde ∆ f es la anchura de la banda de transición, definida como ∆ f = (ωs − ω p )/2π . Esta fórmula se proporciona
en los documentos de Rabiner et al. (1975). Una fórmula más precisa propuesta por Herrmann et al. (1973) es
Estas fórmulas son extremadamente útiles para obtener una buena estimación de la longitud del filtro
requerida para conseguir las especificaciones dadas para ∆ f , δ1 y δ2 . El valor estimado se utiliza para llevar a
cabo el diseño y si el valor resultante de δ excede el valor especificado de δ2 , la longitud puede incrementarse
hasta obtener un nivel en el lóbulo secundario que cumpla las especificaciones.
B(s)
∑ βk sk
k=0
Ha (s) = = (10.3.1)
A(s) N
∑ αk sk
k=0
donde {αk } y {βk } son los coeficientes del filtro, o mediante su respuesta al impulso, que está relacionada con
Ha (s) mediante la transformada de Laplace
∞
Ha (s) = h(t)e−st dt (10.3.2)
−∞
Alternativamente, el filtro analógico cuya función de sistema relacional es H(s) [dada por la Ecuación (10.3.1)],
puede describirse mediante la ecuación en diferencias lineal de coeficientes constantes
N M
d k y(t) d k x(t)
∑ αk dt k
= ∑ β k
dt k
(10.3.3)
k=0 k=0
donde x(t) designa la señal de entrada e y(t) designa la salida del filtro.
Cada una de estas tres caracterizaciones equivalentes de un filtro analógico nos lleva a métodos alternativos
para convertir el filtro al dominio digital, como se describe en las Secciones 10.3.1 hasta 10.3.3. Recuerde que
el sistema analógico lineal e invariante en el tiempo H(s) es estable si todos sus polos se encuentran en la
mitad izquierda del plano s. En consecuencia, para que la técnica de conversión sea efectiva, deberá poseer las
siguientes propiedades:
i i
i i
1. El eje jΩ del plano s debe corresponderse con la circunferencia unidad en el plano z. Así, existirá una
relación directa entre las dos variables de frecuencia en ambos dominios.
2. El semiplano izquierdo del plano s debe corresponderse con el interior de la circunferencia unidad en el
plano z. Por tanto, un filtro analógico estable se convertirá en un filtro digital estable.
En la sección anterior hemos mencionado que los filtros IIR estables y físicamente realizables no pueden
tener fase lineal. Recuerde que un filtro de fase lineal debe tener una función de sistema que satisfaga la condición
donde z−N representa un retardo de N unidades de tiempo. Pero si éste fuera el caso, el filtro tendría un polo
reflejado en el exterior de la circunferencia unidad por cada polo ubicado en el interior de dicha circunferencia.
Por tanto, el filtro sería inestable. En consecuencia, un filtro IIT causal y estable no puede tener una fase lineal.
Si eliminamos la restricción sobre la implementabilidad física, en principio, sería posible obtener un filtro
IIR de fase lineal. Este método implica llevar a cabo una inversión temporal de la señal de entrada x(n), haciendo
pasar x(−n) a través de un filtro digital H(z), una inversión temporal de la salida de H(z) y, por último, hacer
pasar de nuevo el resultado a través de H(z). Este procesamiento de señales es enormemente complejo en lo
que se refiere a los cálculos y no ofrece ninguna ventaja sobre los filtros FIR de fase lineal. En consecuencia,
cuando una aplicación requiere un filtro de fase lineal, debe emplearse un filtro FIR.
En el diseño de filtros IIR, especificaremos las características deseadas del filtro sólo para el módulo de la
respuesta. Esto no significa que no consideremos importante la fase de la respuesta. Ya que el módulo y la fase
de la respuesta están relacionados, como se ha indicado en la Sección 10.1, especificamos las características
deseadas del módulo y aceptamos la fase que se obtiene a partir de la metodología del diseño.
1 − z−1
s= (10.3.6)
T
i i
i i
y(t) dy(t)
H(s) = s
dt
(a)
(b)
donde Ha (s) es la función de sistema del filtro analógico caracterizado por la ecuación diferencial dada por la
Ecuación (10.3.3).
Vamos a investigar las implicaciones de la correspondencia entre el plano s y el plano z como se especifica
en (10.3.6) o, lo que es equivalente,
1
z= (10.3.11)
1 − sT
Si sustituimos s = jΩ en (10.2.11), tenemos que
1
z=
1 − jΩT
1 ΩT
= +j (10.3.12)
1 + Ω2 T 2 1 + Ω2 T 2
Cuando Ω varía entre −∞ e ∞, el lugar geométrico de los puntos en el plano z es una circunferencia de radio 1
2
con centro en z = 1
2, como se ilustra en la Figura 10.3.2.
i i
i i
Circunferencia unidad
plano-z
plano-s
σ
1
2
Figura 10.3.2. La relación s = (1 − z −1 )/T establece la correspondencia entre el semiplano izquierdo s y los
puntos interiores de la circunferencia de radio 1
2 y centro z = 1
2 en el plano z.
Puede demostrarse fácilmente que la relación dada por (10.3.11) establece la correspondencia entre los
puntos del semiplano izquierdo s y los puntos interiores de la circunferencia en el plano z, y entre los puntos del
semiplano derecho s y los puntos exteriores a la circunferencia. En consecuencia, esta correspondencia tiene la
propiedad de que un filtro analógico estable se transforma en un filtro digital estable. Sin embargo, la posible
ubicación de los polos del filtro digital está confinada a frecuencias relativamente bajas y, como consecuencia, la
correpondencia se restringe al diseño de filtros paso bajo y filtros paso banda que tienen frecuencias de resonancia
relativamente bajas. Por ejemplo, no es posible transformar un filtro analógico paso alto en el correspondiente
filtro digital paso alto.
En un intento por vencer las limitaciones de la correspondencia anterior, se han propuesto sustituciones más
complejas para la derivadas. En particular, se ha propuesto una diferencia de orden L de la forma
dy(t) 1 L y(nT + kT ) − y(nT − kT )
=
dt t=nT T k=1 ∑ αk
T
(10.3.13)
donde los {αk } son un conjunto de parámetros que se pueden seleccionar para optimizar la aproximación. La
correspondencia resultante entre el plano s y el plano z ahora es
L
1
s=
T ∑ αk (zk − z−k ) (10.3.14)
k=1
Cuando z = e jω , tenemos
L
2
s= j
T ∑ αk sen ω k (10.3.15)
k=1
es la correspondencia resultante entre las dos variables de frecuencia. Mediante la elección apropiada de los
coeficientes {αk } es posible asignar el eje jΩ a la circunferencia unidad. Además, los puntos del semiplano
izquierdo s puede corresponderse con los puntos interiores de la circunferencia unidad en el plano z.
i i
i i
A pesar de haber conseguido las dos características deseables mediante la correspondencia definida por
(10.3.16), el problema de elegir el conjunto de coeficientes {αk } continúa. En general, este problema es com-
plicado. Puesto que existen técnicas más sencillas para convertir filtros analógicos en fitros IIR digitales, no
vamos a insistir en el uso de las diferencias de orden L como sustituto de la derivada.
EJEMPLO 10.3.1
1
Ha (s) =
(s + 0.1)2 + 9
1
H(z) = 2
1 − z−1
+ 0.1 + 9
T
T 2 /(1 + 0.2T + 9.01T 2 )
=
2(1 + 0.1T ) 1
1− z−1 + z−2
1 + 0.2T + 9.01T 2 1 + 0.2T + 9.01T 2
La función de sistema H(z) tiene la forma de un resonador siempre que T se seleccione para ser lo suficientemente pequeño
(por ejemplo, T ≤ 0.1), con el fin de que los polos se encuentren en las proximidades de la circunferencia unidad. Observe
que se cumple la condición a21 < 4a2 , por lo que los polos son complejos.
Por ejemplo, si T = 0.1, los polos se localizan en
Observe que el intervalo de frecuencias de resonancia está limitado a las bajas frecuencias, a causa de las
características de la correspondencia. Animamos al lector a representar gráficamente la respuesta en frecuencia
H(ω ) del filtro digital para diferentes valores de T y a comparar los resultados con la respuesta en frecuencia
del filtro analógico.
EJEMPLO 10.3.2
Convierta el filtro analógico paso banda del Ejemplo (10.3.1) en un filtro IIR digital utilizando la correspondencia
1
s= (z − z−1 )
T
1
H(z) = 2
z − z−1
+ 0.1 + 9
T
z2 T 2
=
z4 + 0.2T z3 + (2 + 9.01T 2 )z2 − 0.2T z + 1
i i
i i
Observe que esta correspondencia ha introducido dos polos adicionales en la conversión de Ha (s) en H(z). Por tanto, el
filtro digital es significativamente más complejo que el analógico. Éste es un inconveniente importante de la correspondencia
dada.
donde f = F/Fs es la frecuencia normalizada. Si la frecuencia de muestreo Fs es menor que dos veces la
frecuencia más alta contenida en Xa (F) se produce aliasing.
Expresado en el contexto del muestreo de la respuesta al impulso de un filtro analógico con la respuesta en
frecuencia Ha (F), el filtro digital con la respuesta al impulso h(n) ≡ ha (nT ) tiene la respuesta en frecuencia
∞
H( f ) = Fs ∑ Ha [( f − k)Fs ] (10.3.19)
k=−∞
o, lo que es equivalente,
∞
H(ω ) = Fs ∑ Ha [(ω − 2π k)Fs] (10.3.20)
k=−∞
o
∞
1 2π k
H(ΩT ) =
T ∑ Ha Ω − T (10.3.21)
k=−∞
La Figura 10.3.3 muestra la respuesta en frecuencia de un filtro analógico paso bajo y la respuesta en
frecuencia del filtro digital correspondiente.
Está claro que el filtro digital con la respuesta en frecuencia H(ω ) tiene la respuesta en frecuencia del filtro
analógico correspondiente si el intervalo de muestreo T se selecciona para que sea lo suficientemente pequeño
como para impedir por completo o al menos para minimizar los efectos del aliasing. También está claro que el
método basado en la invarianza del impulso es inapropiado para diseñar filtros paso alto debido al aliasing que
resulta del proceso de muestreo.
Para investigar la correspondencia de puntos entre el plano z y el plano s debida al proceso de muestreo,
nos basamos en una generalización de (10.3.21) que relaciona la transformada z de h(n) con la transformada de
Laplace de ha (t). Esta relación es
1 ∞ 2π k
H(z)|z=esT = ∑ Ha s − j T
T k=−∞
(10.3.22)
i i
i i
−25 0 25
−25T 0 25T
Figura 10.3.3. Respuesta en frecuencia Ha(Ω) del filtro analógico y respuesta en frecuencia del correspondiente
filtro digital con aliasing.
donde
∞
H(z) = ∑ h(n)z−n
n=0
∞ (10.3.23)
H(z)|z=esT = ∑ h(n)e−sT n
n=0
Observe que cuando s = jΩ, (10.3.22) se reduce a (10.3.21), donde el factor de j en Ha (Ω) se ha suprimido en
nuestra notación.
Considere la correspondencia entre los puntos del plano s y del plano z implicada por la relación
z = esT (10.3.24)
i i
i i
j
3π
T
plano-s
plano-z π
z = esT T
−π
T
Circunferencia
unidad
− 3π
T
Figura 10.3.4. La correspondencia z = e sT asigna bandas de anchura 2π /T (para σ < 0) en el plano s con
puntos de la circunferencia unidad en el plano z.
También, el eje jΩ se corresponde con la circunferencia unidad en el plano z, como se ha indicado anterior-
mente. Sin embargo, esta correspondencia entre el eje jΩ y la circunferencia unidad no es una correspondencia
uno-a-uno. Dado que ω es única en el intervalo (−π , π ), la correspondencia ω = ΩT implica que el intervalo
−π /T ≤ Ω ≤ π /T se corresponde con los valores del intervalo −π ≤ ω ≤ π . Además, el intervalo de fre-
cuencias π /T ≤ Ω ≤ 3π /T también se corresponde con el intervalo −π ≤ ω ≤ π y, en general, con intervalos
(2k − 1)π /T ≤ Ω ≤ (2k + 1)π /T, cuando k es un entero. Luego la correspondencia de la frecuencia analógica
Ω con la variable de frecuencia ω en el dominio digital es una correspondencia muchos-a-uno, que simplemente
refleja los efectos del aliasing debidos al muestreo. La Figura 10.3.4 ilustra la correspondencia entre el plano s
y el plano z según la relación dada en (10.3.24).
Para saber un poco más sobre el efecto del diseño basado en la invarianza del impulso sobre las características
del filtro resultante, vamos a expresar la función de sistema del filtro analógico en forma de fracciones parciales.
Suponiendo que los polos del filtro analógico son distintos, podemos escribir
N
ck
Ha (s) = ∑ s − pk (10.3.26)
k=1
donde {pk } son los polos del filtro analógico y {ck } son los coeficientes de la expansión en fracciones parciales.
En consecuencia,
N
ha (t) = ∑ ck e p k t , t ≥0 (10.3.27)
k=1
Sustituyendo ahora el valor dado por (10.3.28), la función de sistema del filtro IIR digital resultante es
∞ ∞ N N ∞
H(z) = ∑ h(n)z−n = ∑ ∑ ck e pk T n z−n = ∑ ck ∑ (e pk T z−1 )n (10.3.29)
n=0 n=0 k=1 k=1 n=0
i i
i i
zk = e pk T , k = 1, 2, . . . , N (10.3.32)
Aunque los polos del plano s se corresponden con los del plano z de acuerdo con la relación (10.3.32), debemos
destacar que los ceros de ambos dominios no satisfacen esta misma relación. Por tanto, el método basado en
la invarianza del impulso no se define mediante la simple correspondencia de puntos dada por la Ecuación
(10.3.24).
El desarrollo obtenido para H(z) dado por (10.3.31) está basado en un filtro que tiene polos distintos. Puede
generalizarse para incluir polos de orden múltiple. Sin embargo, por abreviar, no vamos a ver la generalización
de la expresión (10.3.31).
EJEMPLO 10.3.3
Solución. Observe que el filtro analógico tiene un cero en s = −0.1 y un par de polos complejos conjugados en pk =
−0.1 ± j3 como se muestra en la Figura 10.3.5.
No tenemos que determinar la respuesta al impulso ha (t) para diseñar el filtro IIR digital basado en el método de la
invarianza del impulso. En su lugar, determinamos directamente H(z), de acuerdo con la Ecuación (10.3.31), a partir de la
expansión en fracciones parciales Ha (s). Luego tenemos
1 1
H(s) = 2 + 2
s + 0.1 − j3 s + 0.1 + j3
Por tanto,
1 1
H(z) = 2
−0.1T
+ 2
1−e e j3T z−1 1−e−0.1T e− j3T z−1
Luego como los dos polos son complejos conjugados, podemos combinarlos para formar un filtro de sólo dos polos
con la función de sistema
1 − (e−0.1T cos 3T )z−1
H(z) =
1 − (2e−0.1T cos 3T )z−1 + e−0.2T z−1
El módulo de la respuesta en frecuencia de este filtro se muestra en la Figura 10.3.6 para T = 0.1 y T = 0.5. Con propósitos
de comparación, también hemos representado el módulo de la respuesta en frecuencia del filtro analógico en la Figura 10.3.7.
Observe que el aliasing es significativamente más predominante cuando T = 0.5 que cuando T = 0.1. Observe también el
desplazamiento de la frecuencia de resonancia cuando T varía.
i i
i i
Figura 10.3.5. Posiciones de los polos y los ceros del filtro analógico del Ejemplo 10.3.3.
Módulo (dB)
−
−
−
−
−
Frecuencia normalizada
Figura 10.3.6. Respuesta en frecuencia del filtro digital del Ejemplo 10.3.3.
Módulo (dB)
−
−
−
−
Frecuencia
Figura 10.3.7. Respuesta en frecuencia del filtro analógico del Ejemplo 10.3.3.
El ejemplo anterior ilustra la importancia de seleccionar un valor pequeño para T con el fin de minimizar
el efecto de aliasing. A causa de la presencia del aliasing, el método basado en la invarianza del impulso es
apropiado para el diseño de solamente filtros paso bajo y paso banda.
i i
i i
b
H(s) = (10.3.33)
s+a
dy(t)
+ ay(t) = bx(t) (10.3.34)
dt
En lugar de sustituir la derivada por una diferencia finita, suponga que la integramos y aproximamos la integral
mediante la fórmula trapezoidal. Así,
t
y(t) = y (τ )d τ + y(t0 ) (10.3.35)
t0
donde y (t) designa la derivada de y(t). La aproximación de la integral dada en (10.3.35) mediante la fórmula
trapezoidal en t = nT y t0 = nT − T da
T
y(nT ) = [y (nT ) + y(nT − T )] + y(nT − T ) (10.3.36)
2
Ahora la ecuación diferencial dada por (10.3.34) evaluada en t = nT proporciona
Utilizamos (10.3.37) para sustituir la derivada dada en (10.3.36) y luego obtenemos una ecuación en diferencias
para el sistema discreto en el tiempo equivalente. Con y(n) ≡ y(nT ) y x(n) ≡ x(nT ), obtenemos el resultado
aT aT bT
1+ y(n) − 1 − y(n − 1) = [x(n) + x(n − 1)] (10.3.38)
2 2 2
i i
i i
o, lo que es lo mismo,
b
H(z) = (10.3.39)
2 1 − z−1
+a
T 1 + z−1
Evidentemente, la correspondencia entre el plano s y el plano z es
2 1 − z−1
s= (10.3.40)
T 1 + z−1
z = re jω
s = σ + jΩ
2 z−1
s=
T z+1
2 re jω − 1
=
T re jω + 1
2 r2 − 1 2r sen ω
= +j
T 1 + r2 + 2r cos ω 1 + r2 + 2r cos ω
Luego,
2 r2 − 1
σ= (10.3.41)
T 1 + r2 + 2r cos ω
2 2r sen ω
Ω= (10.3.42)
T 1 + r2 + 2r cos ω
Observe en primer lugar que si r < 1, entonces σ < 0, y si r > 1, entonces σ > 0. En consecuencia, el
semiplano izquierdo s se corresponde con el interior de la circunferencia unidad en el plano z y el semiplano
derecho se corresponde con el exterior de la circunferencia unidad. Si r = 1, entonces σ = 0 y
2 sen ω
Ω= (10.3.43)
T 1 + cos ω
2 ω
= tan
T 2
o, lo que es equivalente,
ΩT
ω = 2 tan−1 (10.3.44)
2
la relación definida en (10.3.44) entre las variables de frecuencia en los dos dominios se ilustra en la Figura
10.3.8. Observe que el rango completo de Ω se hace corresponder sólo una vez con el intervalo −π ≤ ω ≤ π .
i i
i i
−10 −5 0 5 10 15
−
2
Figura 10.3.8. Correspondencia entre las variables de frecuencia ω y Ω resultante de la transformación bilineal.
Sin embargo, la correspondencia es extremadamente no lineal. Observe que hay una compresión de frecuencia o
deformación de frecuencia, como normalmente se denomina, debida a la no linealidad de la función arcotangente.
Es interesante destacar también que la transformación bilineal hace corresponder el punto s = ∞ con el
punto z = −1. En consecuencia, el filtro paso bajo de un sólo polo dado por (10.3.33), que tiene un cero en
s = ∞, da lugar a un filtro digital que tiene un cero en z = −1.
EJEMPLO 10.3.4
s + 0.1
Ha (s) =
(s + 0.1)2 + 16
en un filtro digital IIR aplicando la transformación bilineal. El filtro digital tiene una frecuencia de resonancia de ωr = π /2.
Solución. Observe en primer lugar que el filtro analógico tiene una frecuencia de resonancia Ωr = 4. Esta frecuencia se hace
corresponder con ωr = π /2 seleccionando el valor del parámetro T . A partir de la relación (10.3.43), debemos seleccionar
T = 12 para obtener ωr = π /2. Luego la correspondencia deseada es
1 − z−1
s=4
1 + z−1
Observe que el coeficiente del término z−1 del denominador de H(z) es extremadamente pequeño y se puede aproximar a
cero. Luego tenemos la función de sistema
i i
i i
y ceros en
z1,2 = −1, 0.95
Por tanto, hemos diseñado con éxito un filtro de dos polos cuya frecuencia de resonancia está próxima a ω = π /2.
EJEMPLO 10.3.5
Diseñe un filtro digital paso bajo de un sólo polo con un ancho de banda a 3-dB de 0.2π , utilizando la transformación bilineal
aplicada al filtro analógico
Ωc
H(s) =
s + Ωc
donde Ωc es el ancho de banda a 3-dB del filtro analógico.
Solución. El filtro digital se especifica para que tenga su ganancia a −3-dB se produzca a la frecuencia ωc = 0.2π . En el
dominio de la frecuencia, la ωc = 0.2π del filtro analógico corresponde a
2 0.65
Ωc = tan 0.1π =
T T
Luego el filtro analógico tiene la función del sistema
0.65/T
H(s) =
s + 0.65/T
0.245(1 + e− jω )
H(ω ) =
1 − 0.509e− jω
i i
i i
cabo la conversión de H(s) en H(z), de tal forma que se conserve, en la medida de lo posible, la característica
deseada del filtro analógico.
El diseño de filtros analógicos es un campo ya muy desarrollado en muchos libros que se ocupan de este tema.
En esta sección describiremos brevemente características importantes de los filtros analógicos comúnmente
utilizados y veremos los parámetros relevantes de los filtros. Vamos a centrarnos en los filtros paso bajo. A
continuación, expondremos varias transfomaciones en frecuencia que convierten un filtro paso bajo prototipo
en un filtro paso banda, paso alto o de banda eliminada.
Filtros de Butterworth. Los filtros paso bajo de Butterworth son filtros de sólo polos caracterizados por el
módulo al cuadrado de la respuesta en frecuencia
1 1
|H(Ω)|2 = = (10.3.45)
1 + (Ω/Ωc)2N 1 + ε 2 (Ω/Ω p)2N
donde N es el orden del filtro, Ωc es su frecuencia a −3-dB (normalmente denominada frecuencia de corte), Ω p
es la frecuencia de corte de la banda de paso y 1/(1 + ε 2 ) es el valor en la frecuencia de corte de la banda de
|H(Ω)|2 . Puesto que H(s)H(−s) evaluado en s = jΩ es simplemente igual a |H(Ω)|2 , se deduce que
1
H(s)H(−s) = (10.3.46)
1 + (−s2/Ω2c )N
Los polos de H(s)H(−s) se producen en una circunferencia de radio Ωc en puntos equidistantes. A partir de
(10.3.46), tenemos que
−s2
= (−1)1/N = e j(2k+1)π /N , k = 0, 1, . . . , N − 1
Ω2c
y, por tanto,
sk = Ωc e jπ /2 e j(2k+1)π /2N , k = 0, 1, . . . , N − 1 (10.3.47)
Por ejemplo, la Figura 10.3.9 ilustra las posiciones de los polos para los filtros de Butterworth con N = 4 y
N = 5.
La respuesta en frecuencia de los filtros de Butterworth se muestra en la Figura 10.3.10 para distintos valores
de N. Observe que |H(Ω)|2 es monotónica tanto en la banda de paso como en la banda eliminada. El orden del
filtro necesario para tener una atenuación δ2 en una frecuencia especificada Ωs se determina fácilmente a partir
de (10.3.45). Luego en Ω = Ωs , tenemos
1
= δ22
1 + ε 2(Ωs /Ω p )2N
y, por tanto,
log[(1/δ22 ) − 1] log(δ /ε )
N= = (10.3.48)
2 log(Ωs /Ωc ) log(Ωs /Ω p )
√
donde, por definición, δ2 = 1/ 1 + δ 2. Así, el filtro de Butterworth queda completamente caracterizado por
los parámetros N, δ2 , ε , y la relación Ωs /Ω p .
EJEMPLO 10.3.6
Determine el orden y los polos de un filtro paso bajo de Butterworth que tenga un ancho de banda a −3-dB de 500 Hz y una
atenuación de 40 dB a 1000 Hz.
i i
i i
+
2 8
Polos de Polos de
H(s) H(−s)
− −
2 8
N=4
(a)
2 10
Polos de Polos de
H(s) H(−s)
N=5
(b)
Solución. Las frecuencias críticas son la frecuencia a −3-dB Ωc y las frecuencias de la banda eliminada Ωs , que son
Ωc = 1000π
Ωs = 2000π
log10 (104 − 1)
N=
2 log10 2
= 6.64
Para cumplir las especificaciones deseadas, seleccionamos N = 7. Las posiciones de los polos son
Filtros de Chebyshev. Existen dos tipos de filtros de Chebyshev. Los filtros de Chebyshev de tipo I son filtros
de sólo polos que presentan un rizado constante en la banda de paso y una característica monotónica en la
i i
i i
1.1
1 1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
N=1
0.2
N=2
0.1 N=3
N=5 N=4
banda eliminada. Por otro lado, la familia de filtros de Chebyshev de tipo II tienen polos y ceros, y presentan
un comportamiento monotónico en la banda de paso y un rizado constante en la banda eliminada. Los ceros de
este tipo de filtros se encuentran en el eje imaginario del plano s.
El módulo al cuadrado de la respuesta en frecuencia de un filtro de Chebyshev de tipo I está dado por
1
|H(Ω)|2 = (10.3.49)
1 + ε 2TN2 (Ω/Ω p )
donde ε es un parámetro del filtro relacionado con el rizado en la banda de paso y TN (x) es un polinomio de
Chebyshev de orden N que se define como
cos(N cos−1 x), |x| ≤ 1
TN (x) = −1 (10.3.50)
cosh(N cosh x), |x| > 1
i i
i i
donde T0 (x) = 1 y T1 (x) = x. A partir de (10.3.51), obtenemos T2 (x) = 2x2 − 1, T3 (x) = 4x3 − 3x, y así sucesi-
vamente.
Algunas de las propiedades de estos polinomios son las siguientes:
El parámetro del filtro ε está relacionado con el rizado en la banda de paso, como se ilustra en la Figura
10.3.11, para N impar y N par. Para N impar, TN (0) = 0 y por tanto |H(0)|2 = 1. Por otro lado, para N par,
TN (0) = 1 y por tanto |H(0)|2 = 1/(1 + ε 2). En la frecuencia de corte de la banda Ω = Ω p , tenemos TN (1) = 1,
de modo que
1
√ = 1 − δ1
1 + ε2
o, lo que es equivalente,
1
ε2 = −1 (10.3.52)
(1 − δ1)2
donde δ1 es el valor del rizado en la banda de paso.
Los polos del filtro de Chebyshev de tipo I se encuentran sobre una elipse en el plano s cuyo eje mayor es
β2 +1
r1 = Ω p (10.3.53)
2β
y el eje menor es
β2 −1
r2 = Ω p (10.3.54)
2β
donde β está relacionado con ε según a la ecuación
√ 1/N
1 + ε2 + 1
β= (10.3.55)
ε
N impar N par
i i
i i
Las posiciones de los polos pueden determinarse fácilmente para un filtro de orden N calculando en primer
lugar los polos para un filtro de Butterworth equivalente de orden N que caen sobre circunferencias de radio r1
o radio r2 , como puede verse en la Figura 10.3.12. Si designamos las posiciones angulares de los polos del filtro
de Butterworth como
π (2k + 1)π
φk = + , k = 0, 1, 2, . . . , N − 1 (10.3.56)
2 2N
entonces las posiciones de los polos del filtro de Chebyshev caen sobre la elipse en las coordenadas (xk , yk ),
k = 0, 1, . . . , N − 1, donde
xk = r2 cos φk , k = 0, 1, . . . , N − 1
(10.3.57)
yk = r1 sen φk , k = 0, 1, . . . , N − 1
Un filtro de Chebyshev de tipo II contiene tanto ceros como polos. El módulo al cuadrado de su respuesta
en frecuencia está dado por
1
|H(Ω)|2 = (10.3.58)
1 + ε 2[TN2 (Ωs /Ω p)/TN2 (Ωs /Ω)]
donde TN (x) es, de nuevo, el polinomio de Chebyshev de orden N y Ωs es la frecuencia de la banda eliminada
como se ilustra en la Figura 10.3.13. Los ceros se encuentran sobre el eje imaginario en los puntos
Ωs
sk = j , k = 0, 1, . . . , N − 1 (10.3.59)
sen φk
r2
r1
i i
i i
N impar N par
donde {xk } e {yk } se definen en (10.3.57) estando β relacionada con el rizado en la banda eliminada a través
de la ecuación
1/N
1 + 1 − δ22
β = (10.3.62)
δ2
A partir de esta descripción, observe que los filtros de Chebyshev están caracterizados por los parámetros N, ε ,
δ2 y la relación Ωs /Ω p . Para un conjunto dado de especificaciones de ε , δ2 y Ωs /Ω p , podemos determinar el
orden del filtro mediante la ecuación
log 1 − δ2 + 1 − δ2 (1 + ε ) /εδ2
2 2 2
N= (10.3.63)
log (Ωs /Ω p ) + (Ωs /Ω p)2 − 1
cosh−1 (δ /ε )
=
cosh−1 (Ωs /Ω p )
√
donde, por definición, δ2 = 1/ 1 + δ 2.
EJEMPLO 10.3.7
Determine el orden y los polos de un filtro paso bajo de Chebyshev de tipo I que tiene un rizado de 1-dB en la banda de
paso, una frecuencia de corte Ω p = 1000π , una frecuencia de banda eliminada igual a 2000π y una atenuación de 40 dB o
mayor para Ω ≥ Ωs .
10 log10 (1 + ε 2 ) = 1
1 + ε 2 = 1.259
ε 2 = 0.259
ε = 0.5088
También,
20 log10 δ2 = −40
δ2 = 0.01
i i
i i
β = 1.429
r1 = 1.06Ω p
r2 = 0.365Ω p
Las especificaciones del filtro del Ejemplo 10.3.7 son muy similares a las especificaciones dadas en el Ejem-
plo 10.3.6, las cuales implican el diseño de un filtro de Butterworth. En este caso, el número de polos necesario
para cumplir las especificaciones era de siete. Por el contrario, el filtro de Chebyshev requiere sólo cuatro. Este
resultado es típico en tales comparaciones. En general, el filtro de Chebyshev cumple las especificaciones con
muchos menos polos que el correspondiente filtro de Butterworth. Alternativamente, si comparamos un filtro
de Butterworth con un filtro de Chebyshev que tengan el mismo número de polos y las mismas especificaciones
para las banda de paso y eliminada, el filtro de Chebyshev tendrá una banda de transición más pequeña. Si el
lector desea ver una tabulación de las características de los filtros de Chebyshev y de sus posiciones de polos y
ceros, puede consultar el manual de Zverev (1967).
Filtros elípticos. Los filtros elípticos (o de Cauer) presentan un rizado constante en la banda de paso y en la
banda eliminada como se muestra en la Figura 10.3.14 para N impar y N par. Este tipo de filtros presenta tanto
polos como ceros y se caracteriza por tener el módulo al cuadrado de la respuesta en frecuencia
1
|H(Ω)|2 = (10.3.64)
1 + ε 2UN (Ω/Ω p )
donde UN (x) es la función elíptica jacobiana de orden N, la cual está tabulada en el documento de Zverev (1967),
y ε es un parámetro relacionado con el rizado de la banda de paso. Los ceros se sitúan sobre el eje jΩ.
Como hemos visto al estudiar los filtros FIR, los diseños más eficientes se obtienen cuando se extiende el
error de aproximación igualmente en la banda de paso y la banda eliminada. Los filtros elípticos consiguen este
objetivo y, en consecuencia, son los más eficientes desde el punto de vista de conseguir el filtro de orden mínimo
para un conjunto dado de especificaciones. Así, podemos decir que para un determinado orden y un conjunto
de especificaciones dado, un filtro elíptico es el que tiene la banda de transición más pequeña.
El orden del filtro necesario para obtener un determinado conjunto de especificaciones para el rizado de la
banda de paso δ1 , el rizado de la banda eliminada δ2 y la relación de transición Ω p /Ωs está dado por
K(Ω p /Ωs )K 1 − (ε 2/δ 2 )
N=
(10.3.65)
K(ε /δ )K 1 − (Ω p/Ωs )2
i i
i i
1
1
1 1
2 2
2 2
N par N par
Figura 10.3.14. Cuadrado del módulo de la respuesta en frecuencia de los filtros elípticos.
Filtros de Bessel. Los filtros de Bessel son filtros de sólo polos caracterizados por la función de sistema
1
H(s) = (10.3.67)
BN (s)
donde BN (s) es el polinomio de Bessel de orden N. Estos polinomios pueden expresarse en la forma
N
BN (s) = ∑ ak sk (10.3.68)
k=0
(2N − k)!
ak = , k = 0, 1, . . . , N (10.3.69)
2N−k k!(N − k)!
Alternativamente, los polinomios de Bessel pueden generarse de forma recursiva a partir de la relación
i i
i i
Módulo
1.0
0.8
0.6
Bessel
0.4
0.2 Butterworth
N=4
0
0 1 2 3 4 5
Fase
180
135
90
45
0 1 2 3 4 5
−45
−90
−135 Bessel
−180 Butterworth
Figura 10.3.15. Módulo y fase de las respuestas de los filtros de Bessel y Butterworth de orden N = 4.
i i
i i
Módulo (dB)
Fase (grados)
Frecuencia normalizada
K
b(i, 0) + b(i, 1)z−1 + b(i, 2)z−2
H(z) = ∏ (10.3.71)
i=1 1 + a(i, 1)z−1 + a(i, 2)z−2
Aunque en la sección anterior sólo hemos descrito filtros analógicos paso bajo, es sencillo convertir un
filtro analógico paso bajo en un filtro analógico paso banda, de banda eliminada o paso alto aplicando una
tranformación en frecuencia como se ha descrito en la Sección 10.4. La transformación bilineal se aplica
entonces para convertir el filtro analógico en el filtro digital equivalente. Como en el caso de los filtros paso bajo
descritos anteriormente, el diseño completo puede llevarse a cabo en una computadora.
i i
i i
Así obtenemos un filtro paso cuya función de sistema es Hl (s) = H p [(Ω p /Ωp)s], donde H p (s) es la función de
sistema del filtro prototipo con una frecuencia de corte en la banda de paso Ω p .
Si deseamos convertir un filtro paso bajo en un filtro paso alto con una frecuencia de corte de la banda de
paso Ωp , la transformación deseada es
Ω p Ωp
s −→ , (paso bajo a paso alto) (10.4.2)
s
i i
i i
Módulo (dB)
Fase (grados)
Frecuencia normalizada
llevarse a cabo convirtiendo primero el filtro paso bajo en otro filtro paso bajo que tenga una frecuencia de corte
Ωp = 1 y luego aplicar la transformación
s2 + Ωl Ωu
s −→ , (paso bajo a paso banda) (10.4.3)
s(Ωu − Ωl )
Igualmente podemos obtener el mismo resultado en un sólo paso por medio de la transformación
s2 + Ωl Ωu
s −→ Ω p , (paso bajo a paso banda) (10.4.4)
s(Ωu − Ωl )
donde
Ωl = frecuencia de corte inferior
Ωu = frecuencia de corte superior
Así, obtenemos
s2 + Ωl Ωu
Hb (s) = H p Ω p
s(Ωu − Ωl )
Por último, si deseamos convertir un filtro paso bajo analógico con una frecuencia de corte Ω p en un filtro de
banda eliminada, la transformación consiste simplemente en aplicar la inversa de (10.4.3) con el factor adicional
Ω p que sirve para normalizar la frecuencia de corte del filtro paso bajo. Luego la transformación es
i i
i i
Módulo (dB)
Fase (grados)
Frecuencia normalizada
s(Ωu − Ωl )
s −→ Ω p , (paso bajo a banda eliminada) (10.4.5)
s2 + ΩuΩl
lo que nos lleva a
s(Ωu − Ωl )
Hbs (s) = H p Ω p 2
s + Ωu Ωl
Las correspondencias dadas en (10.4.1), (10.4.2), (10.4.3) y (10.4.5) se resumen en la Tabla 10.7. Las
correspondencias (10.4.4) y (10.4.5) son no lineales y puede aparecer distorsión en la respuesta en frecuencia
del filtro paso bajo. Sin embargo, los efectos de la no linealidad en la respuesta en frecuencia son menores y
afecta principalmente a la escala de frecuencias conservando la característica de amplitud del filtro. Por tanto,
un filtro paso bajo con rizado constante se transforma en un filtro paso alto, paso banda o de banda eliminada
con rizado constante.
EJEMPLO 10.4.1
Transforme el filtro paso bajo de un sólo polo de Butterworth con la función de sistema
Ωp
H(s) =
s + Ωp
en un filtro paso banda cuyas frecuencias de corte superior e inferior son Ωu y Ωl , respectivamente.
i i
i i
Ωp
Paso bajo s −→ s Ωp
Ωp
Ω p Ωp
Paso alto s −→ Ωp
s
s2 + Ωl Ωu
Paso banda s −→ Ω p Ωl , Ωu
s(Ωu − Ωl )
s(Ωu − Ωc )
Banda eliminada s −→ Ω p Ωl , Ωu
s2 + Ωu Ωl
Tabla 10.7. Transformaciones en frecuencia para filtros analógicos (el filtro paso bajo prototipo tiene una
frecuencia de corte Ω p ).
1. La correspondencia z−1 −→ g(z−1 ) debe hacer corresponder los puntos del interior de la circunferencia
unidad en el plano z con ellos mismos.
2. La circunferencia unidad también debe corresponderse consigo misma.
La condición (2) implica que para r = 1,
e− jω = g(e− jω ) ≡ g(ω )
= |g(ω )|e jarg[g(ω )]
Es evidente que |g(ω )| = 1 para todo ω . Es decir, la correspondencia tiene que ser paso todo. Por tanto, tiene
la forma
i i
i i
Tipo de
transformación Transformación Parámetros
Tabla 10.8. Transformación de frecuencia para filtros digitales (el filtro paso bajo prototipo tiene una frecuencia
de corte ω p ).
n
z−1 − ak
g(z−1 ) = ± ∏ −1
(10.4.6)
k=1 1 − ak z
donde |ak | < 1 para garantizar que un filtro estable se transforma en otro filtro estable (es decir, para satisfacer
la condición 1).
A partir de la forma general dada en (10.4.6), obtenemos el conjunto deseado de transformaciones digitales
para convertir un filtro paso bajo digital prototipo en otro filtro digital paso bajo o paso banda, de banda eliminada
o paso banda. Estas transformaciones se han tabulado en la Tabla 10.8.
EJEMPLO 10.4.2
Convierta el filtro paso bajo de un solo polo de Butterworth cuya función de sistema es
0.245(1 + z−1 )
H(z) =
1 − 0.509z−1
i i
i i
en un filtro paso banda con frecuencias de corte superior e inferior ωu y ωl , respectivamente. El filtro paso bajo tiene un
ancho de banda a 3-dB igual a ω p = 0.2π (véase el Ejemplo 10.3.5).
Observe que el filtro resultante tiene ceros en z = ±1 y un par de polos que dependen de la elección de ωu y ωl .
Por ejemplo, suponga que ωu = 3π /5 y ωl = 2π /5. Puesto que ω p = 0.2π , tenemos que K = 1, a2 = 0 y a1 = 0. Luego
0.245(1 − z−2 )
H(z) =
1 + 0.509z−2
Este filtro tiene polos en z = ± j0.713 y por tanto resuena en la frecuencia ω = π /2.
Dado que una transformación de frecuencia puede realizarse en el dominio analógico o en el dominio digital,
el diseñador del filtro tiene la posibilidad de elegir qué método utilizar. Sin embargo, debe tener cuidado a la
hora de elegir el método dependiendo del tipo de filtro que vaya a diseñar. En particular, sabemos que el método
basado en la invarianza del impulso y el de la correspondencia de derivadas son inapropiados para diseñar filtros
paso alto y muchos filtros paso banda, debido al problema del aliasing. En consecuencia, no debe emplearse
una transformación de frecuencia en el dominio analógico seguida de la conversión del resultado en el dominio
digital utilizando estas dos correspondencias. En su lugar, es mucho mejor aplicar la correspondencia entre un
filtro paso bajo analógico y un filtro paso bajo digital y luego realizar la transformación de frecuencia en el
dominio digital. Así se evita el problema del aliasing.
En el caso de la transformación bilineal, donde el aliasing no es un problema, independientemente de si la
transformación de frecuencia se realiza en el dominio analógico o en el dominio digital. De hecho, sólo en este
caso los dos métodos dan como resultado filtros digitales idénticos.
i i
i i
Los filtros IIR se emplean generalmente en aplicaciones en las que la distorsión de fase es tolerable. De
entre los tipos de filtros IIR, los elípticos son los más eficientes a la hora de implementarlos en el sentido de
que dado un conjunto de especificaciones, un filtro elíptico es el de menor orden o tiene menos coeficientes que
cualquier otro tipo de filtro IIR. Si se compara con los filtros FIR, el filtro elíptico también es considerablemente
más eficiente. En vista de esto, puede considerarse el uso de un filtro elíptico para obtener la selectividad de
frecuencia deseada, seguido de un ecualizador de fase paso todo que compense la distorsión de fase producida por
el filtro elíptico. Sin embargo, esto da como resultado filtros con una cantidad de coeficientes de la combinación
en cascada que es igual o mayor que la cantidad de coeficientes de un filtro FIR de fase lineal equivalente.
En consecuencia, no se consigue ninguna reducción en la complejidad de cálculo con la utilización de filtros
elípticos con ecualización de fase.
Existe actualmente mucha literatura dedicada al diseño de filtros digitales no siendo posible citar todas las
referencias importantes, por lo que sólo vamos a enumerar unas pocas. Algunos de los primeros trabajos sobre
diseño de filtros digitales fueron realizados por Kaiser (1963, 1966), Steiglitz (1965), Golden y Kaiser (1964),
Rader y Gold (1967a), Shanks (1967), Helms (1968), Gibbs (1969, 1970) y, Gold y Rader (1969).
El diseño de filtros analógicos se trata en los libros clásicos de Storer (1957), Guillemin (1957), Weinberg
(1962) y Daniels (1974).
El método basado en el muestreo en frecuencia para diseñar filtros digitales fue propuesto por Gold y
Jordan (1968, 1969), y optimizado por Rabiner et al. (1970). Herrmann (1970), Herrmann y Schuessler (1970a)
y, Hofstetter et al. (1971) publicaron resultados adicionales. El método de la aproximación de Chebyshev
(minimax) para el diseño de filtros FIR de fase lineal fue propuesto por Parks y McClellan (1972a,b) y ampliado
por Rabiner et al. (1975). El diseño de filtros elípticos digitales se aborda en el libro de Gold y Rader (1969)
y en los documentos de Gray y Markel (1976). Este último incluye un programa software para diseñar filtros
elípticos digitales.
La utilización de transformaciones de frecuencia en el dominio digital fue propuesta por Constantinides
(1967, 1968, 1970). Estas transformaciones son apropiadas sólo para filtros IIR. El lector debe darse cuenta de
que si estas transformaciones se aplican a un filtro FIR paso bajo, el filtro resultante es IIR.
Las técnicas de diseño directas de filtros digitales se han considerado en numerosos estudios, entre los que
se incluyen autores como Shanks (1967), Burrus y Parks (1970), Steiglitz (1970), Deczky (1972), Brophy y
Salazar (1973) y, Bandler y Bardakjian (1973).
Problemas
10.1 Diseñe un filtro FIR digital de fase lineal, aproximando la respuesta en frecuencia ideal
π
1, para |ω | ≤
Hd (ω ) = 6
0, para π < |ω | ≤ π
6
(a) Determine los coeficientes de un filtro de 25 retardos basado en el método de ventana empleando
una ventana rectangular.
(b) Determine y represente el módulo y la fase de la respuesta del filtro.
(c) Repita los apartados (a) y (b) utilizando la ventana de Hamming.
(d) Repita los apartados (a) y (b) utilizando una ventana de Bartlett.
10.2 Repita el Problema 10.1 para un filtro de banda eliminada que tiene la respuesta ideal
π
1, para |ω | ≤ 6
Hd (ω ) = 0, para π6 < |ω | < π3
1, para π3 ≤ |ω | ≤ π
i i
i i
10.3 Rediseñe el filtro del Problema 10.1 utilizando las ventanas de Hanning y Blackman.
10.4 Rediseñe el filtro del Problema 10.2 utilizando las ventanas de Hanning y Blackman.
10.5 Determine la respuesta al impulso unidad {h(n)} de un filtro FIR de fase lineal de longitud M = 4 cuya
respuesta en frecuencia en ω = 0 y ω = π /2 se especifica como
π 1
Hr (0) = 1, Hr =
2 2
10.6 Determine los coeficientes {h(n)} de un filtro FIR de fase lineal de longitud M = 15 que tiene una respuesta
al impulso unidad simétrica y una respuesta en frecuencia que satisface la condición
2π k 1, k = 0, 1, 2, 3
Hr =
15 0, k = 4, 5, 6, 7
10.7 Repita el problema de diseño de filtro del Problema 10.6 con las especificaciones de respuesta en frecuencia
1, k = 0, 1, 2, 3
2π k
Hr = 0.4, k = 4
15
0, k = 5, 6, 7
dxa (t)
ya (t) =
dt
(a) Determine su respuesta en frecuencia excitando el sistema con la entrada xa (t) = e j2π Ft .
(b) Represente el módulo y la fase de la respuesta de un diferenciador analógico ideal de banda limitada
B hercios.
(c) El diferenciador digital ideal se define como
H(ω ) = jω , |ω | ≤ π
Justifique esta definición comparando con la respuesta en frecuencia |H(ω )|, H(ω ) con la del
apartado (b).
(d) Calculando la respuesta en frecuencia H(ω ), demuestre que el sistema discreto en el tiempo
x(n) = A cos(ω0 n + θ )
10.9 Utilice el método de ventanas con una ventana de Hamming para diseñar un diferenciador de 21 retardos
como se muestra en la Figura P.10.9. Calcule y dibuje el módulo y la fase de la respuesta del filtro
resultante.
i i