Universidad Nacional Mayor de San Marcos

LABORATORIO DE INTRODUCCION A LAS TELECOMUNICACIONES

PRACTICA N3

TEMA: DISEO DE FILTROS Y ECUALIZADOR DIGITAL Prof: Ing. Ezequiel Zavala

1. OBJETIVOS: Disear filtros en respuesta en frecuencia de audio, y determinar las caractersticas en el dominio del tiempo y de la frecuencia. Asimismo disear ecualizadores digitales de audio frecuencia, usando el MATLAB. 2. PROCEDIMIENTO: 1. Disee un ecualizador digital usando el comando ELLIP y grafique las ondas en el dominio del tiempo y su respectiva transformada de Fourier. Dibuje el esquema de bloques correspondiente del ecualizador resultante

Filtro n1
>> Fs=8000; >> t=(1:8000)/Fs; >> f1=sin(2*pi*t*500);f2=sin(2*pi*t*1500);f3=sin(2*pi*t*3000);f4=sin(2*pi*t*4000); >> s=f1+f2+f3+f4; >> figure(1) >> plot(t,s) >> axis([0 0.01 -4 4]);

Figura 1: Seal de entrada al ecualizador.

Ciudad Universitaria UNMSM

Universidad Nacional Mayor de San Marcos

>> [b,a]=ellip(4,0.1,40,[100 1000]*2/Fs); >> [H,w]=freqz(b,a,512); >> figure(2) >> plot(w*Fs/(2*pi),abs(H));

Figura 2: Filtro pasabanda de ganancia 1, frecuencias de corte f1=100 Hz y f2=1 KHz

>> sf1=filter(b,a,s); >> figure(3) >> plot(t,sf1); >> xlabel('Tiempo(seg)');ylabel('FORMA DE ONDA VS. TIEMPO') >> axis([0 0.01 -4 4]);

Figura 3: Seal resultante en la salida del filtro pasabanda anterior.

>> S1=fft(s,513); >> SF1=fft(sf1,513); >> w=(((0:255)/256)*(Fs/2));

Ciudad Universitaria UNMSM

Universidad Nacional Mayor de San Marcos

>> figure(4) >> plot(w,abs(S1(1:256))); >> hold on >> plot(w,abs(SF1(1:256))); >> hold off >> xlabel('FRECUENCIA(Hz)');ylabel('MAG. DE TRANSF. DE FOURIER');

Figura 4: Transformada de Fourier de la seal original que entra al ecualizador, en verde se muestra la transformada de Fourier de la seal de salida del primer filtro.

Filtro n2
>> [b,a]=ellip(4,0.1,40,[1000 2000]*2/Fs); >> [H,w]=freqz(b,a,512); >> figure(5) >> plot(w*Fs/(2*pi),abs(H));

Figura 5: Filtro pasabanda de ganancia 1 y frecuencias de corte f1= 1KHz y f2 = 2 KHz

Ciudad Universitaria UNMSM

Universidad Nacional Mayor de San Marcos

>> sf2=filter(b,a,s); >> figure(6) >> plot(t,sf2); >> xlabel('Tiempo(seg)');ylabel('FORMA DE ONDA VS. TIEMPO') >> axis([0 0.01 -4 4]);

Figura 6: Seal de salida del filtro pasabanda.

>> S2=fft(s,513); >> SF2=fft(sf2,513); >> w=(((0:255)/256)*(Fs/2)); >> figure(7) >> plot(w,abs(S2(1:256))); >> hold on >> plot(w,abs(SF2(1:256))); >> hold off >> xlabel('FRECUENCIA(Hz)');ylabel('MAG. DE TRANSF. DE FOURIER');

Figura 7: Transformada de Fourier de la seal de entrada, tambin se muestra la transformada de Fourier de la seal en la salida del filtro.

Ciudad Universitaria UNMSM

Universidad Nacional Mayor de San Marcos

Filtro n3
>> [b,a]=ellip(4,0.1,40,[2500 3500]*2/Fs); >> [H,w]=freqz(b,a,512); >> figure(8) >> plot(w*Fs/(2*pi),abs(H));

Figura 8:
Filtro pasabanda de ganancia 1 y frecuencias de corte f1 = 2,5 KHz y f2 = 3,5 KHz

>> sf3=filter(b,a,s); >> figure(9) >> plot(t,sf3); >> xlabel('Tiempo(seg)');ylabel('FORMA DE ONDA VS. TIEMPO') >> axis([0 0.01 -4 4]);

Figura 9: Seal de la salida del filtro pasabanda anterior.

Ciudad Universitaria UNMSM

Universidad Nacional Mayor de San Marcos

>> S3=fft(s,513); >> SF3=fft(sf3,513); >> w=(((0:255)/256)*(Fs/2)); >> figure(10) >> plot(w,abs(S3(1:256))); >> hold on >> plot(w,abs(SF3(1:256))); >> hold off >> xlabel('FRECUENCIA(Hz)');ylabel('MAG. DE TRANSF. DE FOURIER');

Figura 10: Transformada de Fourier de la seal de entrada, tambin se muestra la transformada de Fourier de la seal presente en la salida del filtro.

Filtro n4
>> [b,a]=ellip(4,0.1,40,[3500 3999]*2/Fs); >> [H,w]=freqz(b,a,512); >> figure(11) >> plot(w*Fs/(2*pi),abs(H));

Figura 11: Filtro pasabanda de ganancia 1 y frecuencias de corte f1 = 3,5 KHz y f2 = 3999Hz

Ciudad Universitaria UNMSM

Universidad Nacional Mayor de San Marcos

>> sf4=filter(b,a,s); >> figure(12) >> plot(t,sf4); >> xlabel('Tiempo(seg)');ylabel('FORMA DE ONDA VS. TIEMPO'); >> axis([0 0.01 -4 4]);

Figura 12: Seal de la salida del filtro pasabanda anterior.

>> S4=fft(s,513); >> SF4=fft(sf4,513); >> w=(((0:255)/256)*(Fs/2)); >> figure(13) >> plot(w,abs(S4(1:256))); >> hold on >> plot(w,abs(SF4(1:256))); >> hold off >> xlabel('FRECUENCIA(Hz)');ylabel('MAG. DE TRANSF. DE FOURIER');

Figura 13: Transformada de Fourier de la seal de entrada, tambin se muestra la transformada de Fourier de la seal presente en la salida del filtro.

Ciudad Universitaria UNMSM

Universidad Nacional Mayor de San Marcos

>> zf5=0.8*sf1+0.5*sf2+0.2*sf3+0.4*sf4; >> figure(14) >> plot(t,zf5); >> xlabel('Tiempo(seg)');ylabel('FORMA DE ONDA VS. TIEMPO'); >> axis([0 0.01 -4 4]);

Figura 14: Seal de entrada al filtro.

>> S5=fft(s,513); >> ZF5=fft(zf5,513); >> w=(((0:255)/256)*(Fs/2)); >> figure(15) >> plot(w,abs(S5(1:256))); >> hold on >> plot(w,abs(ZF5(1:256))); >> hold off >> xlabel('FRECUENCIA(Hz)');ylabel('MAG. DE TRANSF. DE FOURIER');

Figura 15: Transformadas de Fourier de la seal de entrada y de la seal de salida.

Ciudad Universitaria UNMSM

Universidad Nacional Mayor de San Marcos

2. Verificar la respuesta de frecuencia de otros filtros: modificar sus variables como ancho de banda, amplitud o atenuacin de los 4 filtros.

Filtro n1
>> f=[0 .4 .4 .6 .6 1]; >> H=[0 0 1 1 0 0]; >> fs=1000; >> fhz=f*fs/2; >> figure(1) >> plot(fhz,H),title('Desired Frequency Response'); >> xlabel('Frequency(Hz)');ylabel('Magnitude');

Figura 1: Filtro pasabanda con frecuencias de corte f1=200 Hz y f2=300 Hz

Filtro n2
>> N=8; >> [Bh,Ah]=yulewalk(N,f,H) >> n=256; >> hh=freqz(Bh,Ah,n); >> hy=abs(hh); >> ff=fs/(2*n)*(0:n-1); >> figure(2) >> plot(fhz,H,ff,hy) >> title('Actual vs. Desired Frequency Response'); >> xlabel('Frequency(Hz)');ylabel('Magnitude');

Ciudad Universitaria UNMSM

Universidad Nacional Mayor de San Marcos

Figura 2:

Filtro n3
>> N=4; >> passband=[.4 .6]; >> ripple=.1; >> [Bb,Ab]=butter(N,passband); >> [Bc,Ac]=cheby1(N,ripple,passband); >> h=[abs(hh) abs(freqz(Bb,Ab,n)) abs(freqz(Bc,Ac,n))]; >> figure(3) >> plot(ff,h) >> title('Yule Walk, Butterworth and Chebyshev filters');

Figura 3:

Ciudad Universitaria UNMSM

Universidad Nacional Mayor de San Marcos

Filtro n4
>> figure(4) >> plot(ff(2:n),20*log10(h(2:n,:))) >> title('Yule Walk, Butterworth and Chebyshev filters'); >> xlabel('Frequency (Hz)'); >> ylabel('Magnitude in dB');

Figura 4

3. De acuerdo al ejercicio anterior (1) , disee un ecualizador digital de 4 canales, usando los filtros IIR, si la seal de entrada es:
f=sin(2*pi*t*500)+sin(2*pi*t*1500)+ sin(2*pi*t*2500)+ sin(2*pi*t*3500)

Grafique la onda resultante en cada etapa del ecualizador en el dominio del tiempo y en el dominio de la frecuencia >> Fs=10000; >> t=(1:10000)/Fs; >> f1=sin(2*pi*t*500);f2=sin(2*pi*t*1500);f3=sin(2*pi*t*2500);f4=sin(2*pi*t*3500); >> s=f1+f2+f3+f4; >> figure(1) >> plot(t,s) >> grid >> axis([0 0.01 -4 4]);

Ciudad Universitaria UNMSM

Universidad Nacional Mayor de San Marcos

>> [b,a]=ellip(4,0.1,40,[100 1000]*2/Fs); >> b=0.3*b; >> [H,w]=freqz(b,a,512); >> figure(2) >> plot(w*Fs/(2*pi),abs(H)); >> grid

>> sf1=filter(b,a,s); >> figure(3) >> plot(t,sf1); >> grid >> xlabel('Tempo(seg)');ylabel('FORMA DE ONDA VS. TIEMPO'); >> axis([0 0.01 -4 4]);

Ciudad Universitaria UNMSM

Universidad Nacional Mayor de San Marcos

>> S1=fft(s,513); >> SF1=fft(sf1,513); >> w=(((0:255)/256)*(Fs/2)); >> figure(4) >> plot(w,abs([S1(1:256);SF1(1:256)])); >> grid >> xlabel('FRECUENCIA(Hz)');ylabel('MAG. DE LA TRANS. DE FOURIER');

>> [b,a]=ellip(4,0.1,40,[1000 2000]*2/Fs); >> b=1.5*b; >> [H,w]=freqz(b,a,512); >> figure(5) >> plot(w*Fs/(2*pi),abs(H)); >> grid

Ciudad Universitaria UNMSM

Universidad Nacional Mayor de San Marcos

>> sf2=filter(b,a,s); >> figure(6) >> plot(t,sf2); >> xlabel('Tempo(seg)');ylabel('FORMA DE ONDA VS. TIEMPO'); >> axis([0 0.01 -4 4]); >> grid

>> S2=fft(s,513); >> SF2=fft(sf2,513); >> w=(((0:255)/256)*(Fs/2)); >> figure(7) >> plot(w,abs([S2(1:256);SF2(1:256)])); >> xlabel('FRECUENCIA(Hz)');ylabel('MAG. DE LA TRANS. DE FOURIER'); >> grid

Ciudad Universitaria UNMSM

Universidad Nacional Mayor de San Marcos

>> [b,a]=ellip(4,0.1,40,[2000 3000]*2/Fs); >> b=0.1*b; >> [H,w]=freqz(b,a,512); >> figure(8) >> plot(w*Fs/(2*pi),abs(H)); >> grid

>> sf3=filter(b,a,s); >> figure(9) >> plot(t,sf3); >> xlabel('Tempo(seg)');ylabel('FORMA DE ONDA VS. TIEMPO'); >> axis([0 0.01 -4 4]); >> grid

Ciudad Universitaria UNMSM

Universidad Nacional Mayor de San Marcos

>> S3=fft(s,513); >> SF3=fft(sf3,513); >> w=(((0:255)/256)*(Fs/2)); >> figure(10) >> plot(w,abs([S3(1:256);SF3(1:256)])); >> xlabel('FRECUENCIA(Hz)');ylabel('MAG. DE LA TRANS. DE FOURIER'); >> grid

>> [b,a]=ellip(4,0.1,40,[3000 4000]*2/Fs); >> b=0.8*b; >> [H,w]=freqz(b,a,512); >> figure(11) >> plot(w*Fs/(2*pi),abs(H)); >> grid

Ciudad Universitaria UNMSM

Universidad Nacional Mayor de San Marcos

>> sf4=filter(b,a,s); >> figure(12) >> plot(t,sf4); >> xlabel('Tempo(seg)');ylabel('FORMA DE ONDA VS. TIEMPO'); >> grid >> axis([0 0.01 -4 4]);

>> S4=fft(s,513); >> SF4=fft(sf3,513); >> w=(((0:255)/256)*(Fs/2)); >> figure(13) >> plot(w,abs([S4(1:256);SF4(1:256)])); >> xlabel('FRECUENCIA(Hz)');ylabel('MAG. DE LA TRANS. DE FOURIER'); >> grid

Ciudad Universitaria UNMSM

Universidad Nacional Mayor de San Marcos

4. Cuestionario final
1. Explique detalladamente la transformada de Fourier DFT. Desarrolle 5 ejemplos de la trans. De Fourier funciones discretas y su aplicacin en el proceso de seales Transformada Discreta de Fourier Suponiendo que se tiene una seal discreta X[n] peridica (periodo N) esta seal se puede expresar usando deltas desplazadas, como:

X(n)=

( ) (

Se puede representar tambin utilizando exponenciales complejas, ya que stas son la base del dominio frecuencial.

X(n)=

( )

En esta representacin interesa hallar X*k+ y , esto se realiza de la siguiente manera:

( )

( )

( )

( )

Aplicando ortogonalidad de funciones complejas, es decir:

( )

Ciudad Universitaria UNMSM

Universidad Nacional Mayor de San Marcos

Entonces: Tomando =1/N y reemplazando s por K resulta:

( )

( )

X(k)=

( )

Esta expresin es la transformada de Fourier en Tiempo Discreto. En matlab existe un programa fftgui.m que se puede utilizar para hallar la Transformada Discreta de Fourier. Entre las diversas aplicaciones de la Transformada Discreta de Fourier tenemos: La estimacin espectral consistente en la deteccin de seales enmascaradas por ruidos o interferencias, y con muchos campos de aplicacin como son las comunicaciones digitales, sistemas radar, control predictivo, etc. La determinacin de la salida temporal de un SLIT cuando la entrada o la respuesta impulsional del sistema son secuencias de longitud considerable. La identificacin de la funcin de transferencia de sistemas a partir de su comportamiento frecuencial.

Grafica 1 >> x=(0:20)/20; y1=sin(2*pi*x); figure(5) stem(x,y1) grid >> x=(0:20)/20; >> y=sin(2*pi*x); >> s=fft(y); >> figure(6) >> stem(x,s)

Ciudad Universitaria UNMSM

Universidad Nacional Mayor de San Marcos

Grafica 2 >> x=linspace(-2,2,50); >> y=sin(2*pi*x)./(2*pi*x); >> figure(7) >> stem(x,y) >> grid >> s=fft(y); >> figure(8) >> stem(x,s) >> grid

Grafica 3 >> x=[0 0 0 0 1 1 1 1 0 0 0 0]; >> figure(9) >> stem(x) >> grid >> x=[0 0 0 0 1 1 1 1 0 0 0 0]; >> s=fft(x); >> figure(10) >> stem(s) >> grid

Grafica 4

Ciudad Universitaria UNMSM

Universidad Nacional Mayor de San Marcos

x1=(0:10)/10; y1=x1; x2=(10:20)/10; y2=-x2+2; figure(3) stem(x1,y1) hold on stem(x2,y2) hold off s1=fft(y1); s2=fft(y2); figure(4) stem(s1) hold on stem(s2) hold off

2. Qu es la transformada rpida de Fourier FFT?, desarrolle 5 ejemplos. En la frmula de la Transformada Discreta de Fourier obtener X(k) para un k determinado requiere aproximadamente N sumas complejas y N productos complejos, ya que:

Para k = 0, 1, ..., N-1. Si lo que se desea es obtener X(0), X(1), ..., X(N-1) entonces se necesitarn un total de aproximadamente N2 sumas complejas y N2 productos complejos. Esto quiere decir que los requerimientos computacionales de la DFT pueden ser excesivos especialmente si el tamao de N es grande. La FFT aprovecha la periodicidad y simetra del factor W para el clculo del Transformada Discreta de Fourier. La periodicidad de W implica:

Y su simetra implica:

La FFT descompone la DFT de N puntos en transformadas ms pequeas. Una DFT de N puntos es descompuesta en dos DFTs de (N/2) puntos. Cada DFT de (N/2) puntos se descompone a su vez en dos DFTs de (N/4) puntos y as sucesivamente. Al final de la descomposicin se btienen (N/2)

Ciudad Universitaria UNMSM

Universidad Nacional Mayor de San Marcos

DFTs de 2 puntos cada una. La transformada ms pequea viene determinada por la base de la FFT. Para una FFT de base 2, N debe ser una potencia de 2 y la transformada ms pequea es la DFT de 2 puntos. Para implementar la FFT se puede utilizar el comando fft de Matlab.

Ciudad Universitaria UNMSM