Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
BUTTERWORTH
Carlos Enrique Falcn Zapata, Julio David Vilca Pizarro
Universidad Nacional Mayor de San Marcos
Facultad de Ingeniera Electrnica y Elctrica
carlos15efz@gmail.com
11190025@unmsm.edu.pe
II.
Filtros Digitales
analog prototypes
of design method we
design
conditions.
small basic signal
images using digital
Keywords
(1)
Donde
actacomo funcin de ponderacin o
funcin de conformacin espectral para los diferentes
componentes de frecuencia de la seal de entrada [2].
1. FILTROS IDEALES
Los filtros ideales tienen una caracterstica de magnitud
constante y fase lineal dentro de la banda de paso. Los
filtros ideales no son realizables.
1.1 Filtro pasa bajo Ideal
Se define como:
I.
Introduccin
| |
| |
(2)
| |
| |
(3)
III.
Donde
Se define como:
{
| |
| |
| |
Filtros Butterworth
es la frecuencia normalizada:
(8)
(4)
Se define como:
{
| |
| |
| |
(5)
Definindose
como un polinomio de grado n en
funcin del tipo de filtro que se elija sea Butterworth,
Chebyshev, Elptico, Bessel, etc.
Siendo para un filtro Butterworth pasa bajo el siguiente
polinomio:
(9)
IV.
Figura4. Filtro rechaza banda ideal.
| |
(6)
(10)
Los filtros IIR se implementan con ecuaciones en
diferencias que permiten calcular las muestras de salida
en forma recursiva.
(11)
por
la
(13)
Entonces:
(12)
(14)
Entonces:
V.
(15)
Entonces:
(16)
Entonces:
Normalizando:
|
|
|
|
(18)
Luego considerando
:
|
|
(19)
De ello obtenemos la siguiente ecuacin caracterstica:
(20)
Dnde:
(22)
Donde
se puede hallar de Tablas en funcin del
orden del filtro o mediante software MATLAB.
De la ecuacin (22),
De la ecuacin (24),
close all
clear all
clc
[orden,Wn]=buttord(200,300,2,40,'s');
orden
Q=1;
Ok=(pi/24)*[1 3 5 7 9 11];
for i=1:6
Q=Q*tf([1 2*sin(Ok(i)) 1],1);
end
Q=Q*tf([1 1],1);
v3=1.3075^(1/26)
fp=200;
W=2*pi*fp*v3;
HN=1/Q;
[num den]=tfdata(HN,'v');
[r p k]=residue(num,den);
figure(1)
rlocus(HN)
grid
for i=1:14
den(i)=den(i)/(W^(14-i));
end
HA=tf(num,den);
[r p k]=residue(num,den);
Fm=1000;
[BZ,AZ]=impinvar(num,den,Fm);
N=1000;
[H,F]=freqz(BZ,AZ,N,Fm);
figure(2)
plot(F,abs(H))
grid
figure(3)
zplane(BZ,AZ)
grid
Coeficientes
BZ =
1.0e-41 *
Columns 1 through 9
-0.0000 0.0000 0.0001 0.0065 0.0550
0.1462 0.1510 0.0656 0.0120
Columns 10 through 14
0.0008 0.0000 0.0000 0.0000
Coeficientes
AZ =
1.0e-39 *
Figura11. Grfica en el plano Z de la estabilidad del filtro.
Columns 1 through 9
0.0449 -0.1526
0.2940 -0.3872
0.2834 0.1659 -0.0761 0.0272
0.3779
VI.
Columns 10 through 14
-0.0074 0.0015 -0.0002 0.0000 -0.0000
3. Paso 3: Diseo
Butterworth
final
del
filtro
Aplicaciones en procesamiento
de seales
x=cos(2*pi*450*n*Ts)+cos(2*pi*200*n*T
s);
plot(x)
grid
hertz=n*(1/(N*Ts));
figure(4)
stem(hertz,abs(fft(x)))
title('Espectro de la seal de
entrada')
xlabel('Frecuencia f(Hz)');
ylabel('|X(f)|');
grid
figure(6)
stem(hertz,abs(Y))
title('Espectro de la seal
filtrada')
xlabel('Frecuencia f(Hz)');
ylabel('|Y(f)|');
grid
y=filter(BZ,AZ,x);
figure(5)
subplot(2,1,1)
plot(n,y)
title('Seal de salida filtrada')
xlabel('Tiempo');
ylabel('y(t)');
Y=fft(y);
subplot(2,1,2)
plot(n,abs(Y))
title('Espectro de la seal
filtrada')
ylabel('Y(f)');
xlabel('nmero de muestras N');
VII.
Filtros Butterworth
variables
en
dos
Y en coordenadas polares:
Dnde:
en
el
f_R=f(:,:,1);
f_G=f(:,:,2);
f_B=f(:,:,3);
[m,n,p]=size(f)
P=2*m;
Q=2*n;
K=fft2(k);
figure(2)
modK=abs(K);
subplot(2,1,1)
imshow(modK)
title('Imagen de la DTF de la imagen
en escala de grises')
FA=fft2(k,P,Q);
subplot(2,1,2)
mesh(abs(log(FA+1)))
title('DTF de la imagen en escala de
grises')
figure(3)
subplot(3,1,1)
imshow(f_B)
title('Componente Azul de la imagen')
subplot(3,1,2)
imshow(f_R)
title('Componente Rojo de la imagen')
subplot(3,1,3)
imshow(f_G)
title('Componente Verde de la
imagen')
figure(4)
FB=fft2(k,P,Q);
mesh(abs(FB))
title('DTF de la imagen |X(w)|')
FD=fftshift(FD);
figure(7)
mesh(abs(log(FD+1)))
title('DTF de la imagen log(|X(w)|+1)
desplazada')
figure(5)
FC=fft2(k,m,n);
mesh(abs(log(FC+1)))
title('DTF de la imagen log(|X(w)|+1)
sin tomar los bordes')
FC=fftshift(FC);
figure(6)
FD=fft2(k,P,Q);
mesh(abs(log(FD+1)))
title('DTF de la imagen log(|X(w)|+1)
tomando los bordes')
D0=m/1/15;
PasabajosIdeal=zeros(m,n);
for i=1:m
for j=1:n
D=sqrt((i-m/2).^2+(j-n/2).^2);%
Determino la distancia al centro del
% punto (i,j)
if D<D0
PasabajosIdeal(i,j)=1;
end
end
end
FDfiltrado=FC.*PasabajosIdeal;
imagenfiltrada=ifft2(FDfiltrado);
imagenfiltrada=abs(imagenfiltrada);
figure(8)
mesh(abs(log(FDfiltrado+1)))
title('Filtro pasa bajos Butterworth
H(u,v)')
figure(10)
mesh(abs(log(FDfiltrado+1)))
title('Filtro pasa altos Butterworth
H(u,v)')
figure(9)
imshow(uint8(imagenfiltrada))
title('Imagen filtrada - Filtro
Pasabajo')
figure(11)
imshow(uint8(imagenfiltrada))
title('Imagen filtrada - Filtro
Pasaaltos')
IX.
Conclusiones
X.
[1]
Referencias
http://www.ehu.es/procesadoinsvirtual/T6_ventajas.html