INSTITUTO TECNOLGICO DE NUEVO

LAREDO

APUNTES DE

PROCESAMIENTO DIGITAL DE SEALES

1.

2.

3.

4.

5.

INTRODUCCIN ................................................................................................................... 1
1.1.

DEFINICIN Y APLICACIONES DEL PROCESAMIENTO DIGITAL DE SEALES ...................... 1

1.2.

SEALES, SISTEMAS Y PROCESAMIENTO DE SEALES ...................................................... 4

1.3.

CLASIFICACIN DE LAS SEALES ..................................................................................... 5

1.4.

CONCEPTO DE FRECUENCIA EN TIEMPO CONTINUO Y TIEMPO DISCRETO ......................... 7

1.5.

CONVERSIN ANALGICO-DIGITAL Y DIGITAL-ANALGICA ........................................... 9

1.6.

SEALES EN TIEMPO DISCRETO ...................................................................................... 16

1.7.

SISTEMAS EN TIEMPO DISCRETO .................................................................................... 17

1.8.

AUTOCORRELACIN Y CORRELACIN CRUZADA............................................................ 23

TRANSFORMADA Z ........................................................................................................... 26
2.1.

DEFINICIN DE LA TRANSFORMADA Z............................................................................. 26

2.2.

TRANSFORMADA Z DE SEALES BSICAS ..................................................................... 27

2.3.

PROPIEDADES DE LA TRANSFORMADA Z ......................................................................... 30

2.4.

TRANSFORMADA Z INVERSA .......................................................................................... 32

TRANSFORMADA RPIDA DE FOURIER (FFT) ......................................................... 38

3.1.

SERIE DE FOURIER .......................................................................................................... 38

3.2.

TRANSFORMADA DE FOURIER......................................................................................... 43

3.3.

TRANSFORMADA DISCRETA DE FOURIER ........................................................................ 46

3.4.

TRANSFORMADA RPIDA DE FOURIER ........................................................................... 46

DISEO DE FILTROS FIR ................................................................................................. 56

4.1.

DISEO DE UN FILTRO FIR PASOBAJO ............................................................................ 56

4.2.

DISEO DE FILTROS FIR PASOALTO ............................................................................... 63

4.3.

DISEO DE FILTROS FIR PASABANDA Y SUPRESOR DE BANDA ...................................... 65

DISEO DE FILTROS IIR .................................................................................................. 66

1. INTRODUCCIN

1.1.

Definicin y Aplicaciones del Procesamiento Digital de Seales

Las seales se originan como datos sensados provenientes del mundo real:

vibraciones ssmicas, imgenes visuales, ondas de sonido, etc. (Smith)

El Procesamiento Digital de Seales (DSP) es las matemticas, los algoritmos y
las tcnicas usadas para manipular estas seales despus de que han sido convertidas
a una forma digital. (Smith)
El DSP es una operacin o transformacin de una seal en un hardware digital
segn reglas bien definidas las cuales son introducidas al hardware a travs de un
software especfico.

Teora de
Comunicacin

Procesamiento
Digital de
Seales

Anlisis Numrico

Probabilidad
Estadstica

Procesamiento
Anlogo de
seales
Electrnica
Anloga

Teora de
Decisin

Electrnica
Digital

ESPACIO

Mejoramiento de fotografas espaciales

compresin de datos
Anlisis sensorial inteligente por sondas
espaciales remotas

CIENTIFICA

MEDICINA

Imagen diagnstica
Anlisis de electrocardiograma
Almacenamiento de imgenes mdicas

COMERCIAL

Compresin de imagen y sonido para

presentaciones multimedia
Efectos especiales de pelcula
Videoconferencia

TELEFONIA

MILITAR

Radar
Sonar
Comunicaciones seguras

INDUSTRIAL

Grabacin y anlisis de terremotos

Adquisicin de datos
Anlisis espectral
Modelado y simulacin

Compresin de voz y datos

Reduccin de eco
Multiplexin de seales
Filtrado

Bsqueda de petrleo y minerales

Monitoreo y control del proceso
Pruebas no destructivas
Herramientas de diseo y CAD

reas donde el DSP ha producido grandes cambios

Telecomunicaciones:

Multiplexado

Compresin

Control de Eco

Procesamiento de Audio

Msica

Generacin de Voz

Reconocimiento de Voz

Localizacin de Ecos

Radar

Sonar

Sismologa de Reflexin

Procesamiento de Imgenes

Medicina

Espacio

Productos Comerciales.

1.2.

Seales, Sistemas y Procesamiento de Seales

Seal: Una cantidad fsica que vara con el tiempo, el espacio o cualquier otra

variable o variables independientes. (Proakis)

Matemticamente una seal es una funcin de una o ms variables
independientes. Ejemplos:
f(t)=2t

g(t)=10t2

h(x,y)=4x+2y+6xy

seales de una variable: Electrocardiograma, voz

seales de dos variables: imgenes
La forma en que se generan las seales esta asociada a un sistema, que
responde a un estmulo o fuerza. Al estmulo en conjunto con el sistema se le llama la
fuente de seal. Para nuestro enfoque un sistema es un dispositivo, fsico o software,
que realiza alguna operacin sobre una seal. Ejemplo: filtro.

Elementos Bsicos de un Sistema DSP

Ventajas del Procesamiento Digital contra el Analgico

Flexibilidad: se reconfigura slo modificando el programa

Precisin: En el analgico las tolerancias de los componentes afectan a la

precisin, en el digital esta se especifica en la resolucin del convertidor
A/D y del procesador, segn la longitud de palabra y el tipo de aritmtica
utilizado (punto fijo o flotante).

Almacenamiento: No se deteriora la seal digital al almacenarla.

Complejidad de Operaciones. Algoritmos mas sofisticados que el

procesamiento analgico.
4

Costo. En muchas aplicaciones es mas barato.

Una limitante es la rapidez de la conversin A/D y del procesador. Para

aplicaciones en las que se requiere un ancho de banda demasiado grande el
procesamiento analgico es preferible.

1.3.

Clasificacin de las Seales

Seales Multicanal y Multidimensionales

Canal es el nmero de seales que se tienen y dependen de las mismas variables
independientes. La dimensin es el nmero de variables independientes.

Seales en Tiempo Continuo contra Seales en Tiempo Discreto

Las seales en tiempo continuo (analgicas) estn definidas en todo instante de
tiempo, las seales en tiempo discreto (muestreadas) estn definidas solo en instantes
determinados.
Las seales discretas se pueden producir porque:

Se muestrea una seal analgica cada cierto tiempo

La variable se acumula por un periodo de tiempo

Tiempo continuo

Tiempo discreto

tn=nT

T=tiempo de muestreo
5

Seales Determinsticas contra Seales Aleatorias

Cualquier seal que pueda ser definida por una forma matemtica explcita, un
conjunto de datos o una regla bien definida se denomina determinstica.
Si la seal evoluciona en el tiempo en forma impredecible se dice que es
aleatoria.
La mayor parte del anlisis de seales aleatorias es estadstico.

1.4.

Concepto de Frecuencia en Tiempo Continuo y Tiempo Discreto

Seales Senoidales en Tiempo Continuo

xa t A cos t , t
A Amplitud, Frecuencia , radianes por segundo (rad/s), Fase, radianes
La frecuencia se puede expresar 2 F

donde F en Hz (ciclos/seg)

xa t A cos 2 F t , t

Para todo valor fijo de la frecuencia F, xa(t) es peridica.

Las seales en tiempo continuo con frecuencias diferentes, son diferentes.

En aumento en la frecuencia F resulta en un aumento en la razn de

oscilacin,es decir, ms periodos en un intervalo determinado.

Seales Senoidales en Tiempo Discreto

x n A cos n , n
n es un entero, frecuencia en radianes por muestra. Si se toma 2 f , f en
ciclos por muestra

x n A cos 2 f n , n

Una senoidal en tiempo discreto es peridica slo si su frecuencia f es un

nmero racional.

Las senoidales en tiempo discreto cuyas frecuencias estn separadas por un

mltiplo entero de 2 son idnticas. Podramos decir que las seales con
frecuencia entre - y como nicas y las de frecuencias mayores como un alias
de las primeras.

La mayor razn de oscilacin en una senoidal en tiempo discreto se alcanza

cuando es igual a , o equivalentemente f es igual a .

1.5.

Conversin Analgico-Digital y Digital-Analgica

Muestreo de Seales Analgicas

La conversin A/D se puede considerar que tiene tres pasos:

1

Muestreo. Es la conversin de una seal de tiempo continuo a una seal de tiempo

discreto obtenida tomando muestras de la seal original en instantes de tiempo
discreto. El intervalo de tiempo entre muestras T se le llama intervalo de muestreo
o Tiempo de muestreo.

Cuantificacin. Esta convierte la seal en tiempo discreto y valores continuos a una

seal en tiempo discreto y valores discretos (digital). La diferencia antes y despus
de este proceso se llama error de cuantificacin.

Codificacin. Cada valor discreto se representa en forma binaria.

Se considerar que el muestreo es peridico o uniforme. Al recproco de T se le llama

frecuencia o rapidez de muestreo Fs=1/T (muestras por segundo).

xa t A cos 2 F t , t
al muestrear peridicamente convertimos t=nT

xa t A cos 2 F nT , t
2 nF

xa t A cos
A cos 2 n f
Fs

Por lo tanto, las frecuencias f y F estn relacionadas por f

F
, equivalentemente
Fs

T . Por esta razn a f se le conoce como frecuencia normalizada.

9

10

Ejemplo: Se tienen dos seales coseno con frecuencias F 1=10 Hz y F2=50 Hz,
que se muestrean a una frecuencia Fs=40Hz.

x1 t cos 2 10t
x1 t cos 2 50t
al ser muestreadas, las seales en tiempo discreto son

10
x1 n cos 2 n cos n
2
40
5
50
x1 n cos 2 n cos
n
2
40

ya que cos(5n/2)=cos(n/2) las seales discretas son idnticas e indistinguibles.

Se dice, entonces, que la frecuencia F2=50Hz es una alias de F1=10Hz a la frecuencia
de muestreo de Fs=40 muestras/seg. Otros alias son 90Hz, 130Hz, etc.

Ejemplo: xa(t)=3 cos(100 t)

a) Determine la rapidez de muestreo Fsmnima para evitar aliasing.
b) Suponga que la seal se muestrea a Fs=200 Hz, Cual es la seal en tiempo
discreto obtenida tras el muestreo?
c) Suponga que la seal se muestrea a Fs=75 Hz, Cual es la seal en tiempo
discreto obtenida tras el muestreo?

11

d) Cual es la frecuencia 0<F<Fs/2 de una senoidal que produce muestras

idnticas a las obtenidas en c)?

Teorema de Muestreo
Teorema de muestreo: Si la frecuencia mas alta contenida en una seal analgica xa(t)
es Fmax y la seal se muestrea a una frecuencia Fs>2Fmax entonces xa(t) se puede
recuperar totalmente a partir de sus muestras mediante la siguiente funcin de
interpolacin

g t

sen 2 Fmax t
2 Fmax t

As, xa(t) se puede expresar como

xa t

Fs

n
g t
Fs

La tasa de muestreo dada por FN=2Fmax se denomina Tasa de Nyquist.

Ejemplo:
Considere la seal analgica
xa t 3 cos 50 t 10 sen300 t cos 100 t

Cul es la tasa de Nyquist para esta seal?

12

13

Ejemplo:
Considere la seal analgica
xa t 3 cos 2000 t 5 sen 6000 t 10 cos 12000 t

a) Cul es la tasa de Nyquist para esta seal?

b) Suponga ahora que muestreamos a Fs=5000 muestras/s. Cul es la seal en
tiempo discreto que obtendramos tras el muestreo?
c) Cul es la seal analgica que ya(t) que obtendramos al hacer la
reconstruccin de esas muestras, utilizando interpolacin lineal?

14

15

1.6.

Seales en Tiempo Discreto

Representacin:
a) Representacin Funcional
b) Representacin Tabular
c) Representacin como secuencia

Seales Elementales en Tiempo Discreto

1. Impulso Unitario
2. Escaln Unitario
3. Rampa Unitaria
4. Seal Exponencial
a. Real
b. Compleja

Manipulacin de Seales
Transformaciones en el Tiempo:
1. Desplazamiento o traslacin
2. Reflexin
3. Submuestreo (diezmado)
Operaciones
1. Escalamiento
2. Suma
3. Producto

16

1.7.

Sistemas en Tiempo Discreto

Un sistema discreto es un dispositivo que opera sobre una excitacin o seal de

entrada en tiempo discreto segn una regla preestablecida para generar otra seal en
tiempo discreto denominada salida o respuesta del sistema. Si x(n) es la entrada y y(n)
la salida, denotamos al sistema como la operacin siguiente

yn xn
Descripcin Entrada-Salida
Es una operacin o regla que define la relacin entre la entrada y la salida del
sistema.

xn

yn

Ejemplo: Determine la respuesta de los siguientes sistemas a la seal de entrada

17

Representacin Mediante Diagrama de Bloques

Sumador

Multiplicacin por una constante

Multiplicador de seal

Retardador de un elemento

Adelantador de un elemento

Ejemplo: Obtenga el diagrama de bloques del siguiente sistema discreto

y n

1
1
1
y n 1 x n x n 1
4
2
2

Clasificacin de Sistemas Discretos

Sistemas Estticos (sin memoria)

Sistemas Dinmicos (memoria finita o infinita)

18

 Sistemas Invariantes en el tiempo (entrada retrasada salida retrasada)

Sistemas variantes en el tiempo

Sistemas Lineales

(Principio de Superposicin)

Sistemas No Lineales

Sistemas Causales (dependencia de tiempos pasados solamente)

Sistemas No Causales

Sistemas Estables

Sistemas Inestables

(Entrada acotada Salida acotada)

Interconexin de Sistemas Discretos

Serie

Paralelo

19

Respuesta de un Sistema LTI ante una Entrada

Podemos representar una seal discreta como una sumatoria de impulsos
escalados y trasladados en el tiempo

xn

xk n k

dondek es el instante discreto en el que ocurre el impulso.

Ejemplo: Exprese x(n)={2,4,0,3} como una sumatoria de impulsos (cero en 4)

xn 2 n 1 4 n 3 n 2

Se tiene un sistema LTI y causal. Su respuesta ante un impulso unitario es

yn n hn . Si le aplicamos la entradax(n)

yn xn xk n k xk n k xk h n k
k
k
k

Si se desea calcular la salida en un instante determinado n=n0 esta sera

yn0

xk h n

En esta ecuacin se realizan cuatro pasos:

1. Reflexin
2. Desplazamiento
3. Multiplicacin
4. Suma

20

Ejemplo: Si h(n)={1, 2, 1,-1} (cero en 2). Determine la respuesta ante la entrada

x(n)={1, 2, 3, 1} (cero en 1)

y(n)={, 0, 0, 1, 4, 8, 8, 3, -2, -1, 0, 0, }

(cero en 4)

21

Propiedades de la Convolucin

yn xn * hn

xk h n k

Propiedad Conmutativa

xn * hn hn * xn

Propiedad Asociativa

xn* h1n* h2 n xn* h1n* h2 n

Propiedad Distributiva

xn* h1 n h2 n xn* h1 n xn* h2 n

Ahora, basados en el concepto de respuesta al impulso, se puede hacer una
nueva clasificacin de sistemas discretos

Sistemas de Respuesta Infinita al Impulso (IIR)

Sistemas de Respuesta Finita al Impulso (FIR)

22

1.8.

Autocorrelacin y Correlacin Cruzada

La correlacin cruzada de dos secuencias reales x(n) y y(n) se define como

rx y l

xn yn l

l 0, 1, 2,

o equivalentemente como

rx y l

xn l yn

l 0, 1, 2,

Una primera propiedad se obtiene al invertir la posicin de x(n) y y(n)

ry x l

yn xn l

l 0, 1, 2,

Al comparar con la ecuacin anterior se aprecia que

rx y l ry x l

Ejercicio: Determine la correlacin cruzada de las secuencias

Resultado:

23

Se puede apreciar que las frmulas para calcular la correlacin cruzada y la

convolucin son muy semejantes, con excepcin de la operacin de reflexin. De aqu
vemos que

rx y l x l * y l
Un caso particular se da cuando ambas secuencias son la misma, lo cual se llama
Autocorrelacin, y esta dada por

rx x l

xn xn l

l 0, 1, 2,

o tambin

rx x l

xn l xn

Correlacin de Secuencias Peridicas

24

l 0, 1, 2,

25

2. TRANSFORMADA Z

2.1.

Definicin de la transformada z
Recordando que la transformada de Laplace esta definida como

L { f (t )} F ( s) f (t )e st dt
0

y adems que al muestrear la funcin f (t ) nos queda

f * (t ) f (nT ) (t nT ) f (0) (t ) f (T ) (t T ) f (2T ) (t 2T ) ...

n 0

entonces al obtener la transformada de Laplace de la funcin muestreada:

L { f * (t )} L { f (0) (t )} L { f (T ) (t T )} L { f (2T ) (t 2T )} ...
f (0)L { (t )} f (T )L { (t T )} f (2T )L { (t 2T )} ...
f (0)L { (t )} f (T )e sT L { (t )} f (2T )e 2 sT L { (t )} ...

considerando que:
L{ (t )} 1

tenemos
L{ f * (t )} f (0) f (T ) e sT f (2T ) e 2 sT ...

L{ f * (t )} F * ( s) f ( kT )e kTs
k 0

Introducimos la variable z
z e sT

F * ( s) z e sT f ( kT ) z k
k 0

Lo cual define la transformada Z como

Z{f(t)} f (kT ) z k
k 0

26

2.2.

Transformada Z de Seales Bsicas

Escaln Unitario

0 t 0
u1 (t )
1 t 0
t

k 0

k 0

k 0

Zu 1 t u 1 kT z k 1 z k z k

desarrollando la sumatoria
U ( z) 1 z 1 z 2 z 3 ...

multiplicando la ecuacinpor z 1
z 1U ( z) z 1 z 2 z 3 ...

ahora restando la ecuacina

U 1 ( z ) z 1 U 1 ( z ) 1
(1 z 1 ) U 1 ( z ) 1
finalmente

Z {u 1 (t )} U 1 ( z )

1
1 z 1

Funcin Exponencial

0
f (t ) at
e

t 0
t0
0

27

Z( f (t )) e anT z n 1 e aT z 1 e 2 aT z 2 e 3aT z 3 ...

n 0

Multiplicamospor e aT z 1

e aT z 1 Z{ f (t )} e aT z 1 e 2aT z 2 e 3aT z 3 ...

Restamos y

(1 e aT z 1 ) Z{ f (t )} 1

Z{e at }

1
1 e

aT

z 1

Funcin Rampa

t 0

0
f (t )
at

t0
t

k 0

k 0

F ( z) a k T z k aT k z k

F ( z) aT[ z 1 2z 2 3z 3 ...]

z 1 F ( z) aT [ z 2 2z 3 3z 4 ...]

(1 z 1 ) F ( z) aT [ z 1 z 2 z 3 ...]

Multiplicando por z 1

Restar de

Multiplicando por z 1
z 1 (1 z 1 ) F ( z) aT [ z 2 z 3 z 4 ...]

Restar de
[(1 z 1 ) z 1 (1 z 1 )] F ( z) aTz 1
28

[(1 z 1 )(1 z 1 )] F ( z) aTz 1

[(1 z 1 ) 2 ] F ( z) aTz 1

F z Z{at}

a T z 1

1 z

1 2

NOTA:

e jat Cos(at ) jSen(at )

e jat Cos(at ) jSen(at )
sumando ambas
e jat e jat 2 Cos(at )

por lo tanto
e jat e jat
Cos(at )
2

Si en lugar de sumar se restan las ecuaciones se obtiene

Sen(at )

e jat e jat
2j

Funcin Seno
[e j a k T e j a k T ]z k
1 jaKT k jakT k

e
z
e z
2j
2 j k 0
k 0
k 0

Z{Sen (at )} Sen(akT ) z k

k 0

jaT 1
jaT 1
z 1 (e jaT e jaT ) 2 j
1
1
1
1 1 e z 1 e z

2 j 1 e jaT z 1 1 e jaT z 1 2 j (1 e jaT z 1 )(1 e jaT z 1 ) 1 e jaT z 1 e jaT z 1 z 2

z 1 Sen(aT )
(e jaT e jaT ) z 1
1 2
z 2
2

Z{Sen(aT )}

z 1 Sen(aT )
1 2Cos(aT ) z 1 z 2
29

2.3.

Propiedades de la Transformada Z

1. Linealidad
Z {a f (t ) b g (t )} a F ( z) bG( z)

donde a y b son constantes.

2. Teorema Del Valor Inicial

lim f (t ) lim F ( z )
t 0

3. Teorema del Valor Final

1
lim f (t ) lim {(1 z ) F ( z )}
t

z 1

4. Translacin de una Funcin

Z{ f (t kT )} F ( z) z k

5. Translacin Compleja
Z{ f (t ) e at } F ( ze aT )

Ejemplo: Obtener Z{t e at }

Si consideramos f (t ) t entonces
Z{t}

Tz 1
F ( z)
(1 z 1 ) 2

y aplicando la propiedad 5
Z{t e at } F ( ze aT )

T e aT z 1
(1 e aT z 1 ) 2

Ejemplo: Determinar el valor x() de:

X ( z)

1
1
1
1 z
1 e T z 1

1
1 z 1
1

x() limz1 (1 z )
limz1 1
1
aT 1 1
1 e T z 1
1 z
1 e z
1

30

Ejemplo :

s
1
2
1
2
2
1
Z

Z
= Z
Z

2T 1
1 e T z 1
s 2 s 1
s 2
s 1 1 e z
( s 1)(s 2)

2 2e T z 1 1 e 2 T z 1
1 (2e T e 2 T ) z 1

(1 e 2 T z 1 )(1 e T z 1 ) (1 e 2 T z 1 )(1 e T z 1 )

Ejemplo:

s2
1
1
Te T z 1
1
s2
Z 2

Z
=
Z

2
2
T 1 2
( s 1) (1 e z )
1 e T z 1
s 2 s 1
( s 1)
( s 1)

Te T z 1 1 e T z 1 1 (T 1)e T z 1

(1 e T z 1 ) 2
(1 e T z 1 ) 2

31

2.4.

Transformada Z Inversa
La operacin inversa a la transformada Z es denotada como:

f k f (kT ) Z 1{F ( z )}
Ntese que la trasformada Z inversa nos devuelve la funcin muestreada f k , y no
la funcin original continua f (t ) .
Con la transformada Z inversa se obtiene una nica funcin f k pero esta no
responde a una nica funcin f (t ) , esto es, f k solo nos da los valores de f (t ) en los
instantes de muestreo T, 2T, 3T.
Existen varios mtodos para obtener la transformada Z inversa, los dos
que analizaremos son:
1) Mtodo de fracciones parciales
2) Mtodo de la divisin directa (expansin en series de potencias )

Mtodo de Fracciones Parciales

F ( z)

z2
( z 1)( z 2)

F ( z)
z
2
1

z
( z 1)( z 2) z 2 z 1
F z

2z
z
2
1

1
z 2 z 1 1 2z
1 z 1
1
2
Z 1 F ( z ) Z 1

1
1 z 1
1 2 z

2
k
Z 1
2 2
1
1 2 z
1

Z 1
1
1
1 z

Z 1 F ( z) f (k) 2 (2) k 1
32

k 0,1, 2,...

k 0

f(0) 1

k 1

f(T) 3

k2

f(2T) 7

f(KT) 15

Ejemplo:

F ( z)

3
3z 3

(1 z 1 ) 2 (1 0.5 z 1 ) ( z 1) 2 ( z 0.5)

F ( z)

3z 2
a
b1
b2

2
2
z 1
( z 1) ( z 0.5) z 0.5 ( z 1)

3z 2
3
( z 0.5) 2

b1

3z 2
6
( z 0.5)

b2

d 3z 2
( z 0.5)6 z 3 z 2 (1)

0
dz ( z 0.5)
( z 0.5) 2

F ( z)
3
6

z
z 0.5 ( z 1) 2
F ( z)

3z
6z
3
6 z 1

1
z 0.5 ( z 1) 2 1 0.5 z 1 (1 z ) 2

f (k ) 3(0.5) k 6k
f ( 0) 3
f (1) 7.5
f (2) 12.75
f (3) 18.375
f (4) 24.187
f (5) 30.094

Mtodo de Divisin Directa

Si la funcin F(z) se representa como:
a 0 a 1 z a 2 z 2 ...a m z m
F ( z)
b 0 b1 z b 2 z 2 ... b n z n

Donde n >m al efectuar la divisin polinomial se obtiene :

33

F ( z) c 0 c1 z 1 c 2 z 2 c 3 z 3 ...

Adems por definicin :

F ( z ) f (kT ) z k f 0 f (T ) z 1 f (2T)z-2 f (3T)z-3 ...

k 0

Comparando con se concluye que

f (0) c0

f (T ) c1

f (2T ) c2

, ...

Ejemplo:

F ( z)

3
3
3

1
1
2
1
1
(1 z ) (1 0.5 z ) (1 2 z z )(1 0.5 z ) 1 2.5 z 2 z 2 0.5 z 3
1 2

6
2 5 z 4 z 2 z 3
1

2 5z

4z

3 7.5z 1 12.75z 2
6
- 6 + 15z -1 12 z 2 3z 3
15z -1 12 z 2 3z 3
15z 1 37.52 z 2 30z 3 2.5z 4
25.5z -2 27 z 3 7.5z 4

aqu se observa que

f (0) 3 , f (T ) 7.5 , f (2T ) 12.75 , etc. como se haba

obtenido por el mtodo de fracciones parciales.

Ejemplo :
F ( z)

z 1
1 3z 1 2 z 2

Por fracciones parciales

F ( z)

z 1
z
2
1
2 z 1
z 1

1 3z 1 2 z 2 ( z 2)( z 1) z 2 z 1 1 2 z 1 1 z 1

0
fk
k 1
2(2)

k 0
k 1, 2 , 3 ,...

34

f (0) 0

f (T ) 1

f (2T ) 3

f (3T ) 7

f (4T ) 15

Por divisin directa :

F ( z)

z 1
1 3z 1 2 z 2

z 1 3z 2 7 z 3 15z 4 ...
1 3z 1 2 z 2 z 1
z 1 3z 2 2 z 3
3z 2 2 z 3
3z 2 9 z 3 6z 4
7 z 3 6z 4
7 z 3 21z 4 14 z 5
15z 4 14 z 5

35

36

37

3. TRANSFORMADA RPIDA DE FOURIER (FFT)

3.1.

Serie de Fourier

Forma Trigonomtrica
Considere la funcin x(t), peridica con periodo T, su frecuencia fundamental es
f0 =

1
,
T

0 = 2f0

La forma trigonomtrica de la serie de Fourier est dada por

0
=
+
2
0
2

, =

0 +
=1

0
=1

cos 0

38

, =

sen 0

Forma Polar

Note que = .

39

Forma Compleja

1
=

40

Ejemplos
Hallar la serie trigonomtrica de Fourier para la funcin

1 2 < 0
=
1

0<

La serie trigonomtrica est dada por

0
=
+
2
0 1
=
2

1
=

0 +
=1

0
=1

1
1 +

1 =

0
1

= 0+ + 0+ =0
2

2
=

2
cos 0 =

2
=
0
0
=

2
1 cos 0 +

2
0
0
0
2

2
+
0
0
+

1 cos 0

2
0

0
0
2
41

 =
2
=

2
0

0
2

2
0

0
2

2
sen 0 =

2
=
0
0

2
0
1
0
2
=

1 sen 0

2
0

0
0
2

1
0

1
0
2

2
0
2 2
0
2

Ya que 0 =
=

0
0

2
0
0
0
2

2
1 sen 0 +

=0

2
1

2
[1 (1) ]

As que, finalmente

=
=1

2
1 1

0 =

4
4
4
0 +
30 +
50 +

3
5

Note que

= 0 ya que la funcin es impar.

= 0 debido a que el promedio de la funcin es cero (bias).

La forma polar

cos 0 +
=1

Sera idntica a la trigonomtrica ya que

=

=
=1

2 + 2 = y = tan1
2
1

= 90

cos 0 + 90

=
=1

42

2
1

Para encontrar la forma compleja

1
=

3.2.

1
0 =

1
0
0

1
0
0

1
1 0 +

1 0

1
1
1 0 2
0
0
0

Transformada de Fourier

Al obtener la serie de Fourier de una seal peridica cuadrada con un periodo T=2
obtenemos

Podemos apreciar la forma de la grfica del espectro de magnitud

43

44

45

3.3.

Transformada Discreta de Fourier

Considerando que la seal que estamos manejando es discreta, y adems que la

resolucin en frecuencia que podemos tener es finita, la Serie de Fourier se convierte
en la Transformada Discreta de Fourier (DFT) de N puntos y su ecuacin es la
siguiente:

De igual manera, la operacin inversa es conocida como la Transformada

Discreta Inversa de Fourier (IDFT)

3.4.

Transformada Rpida de Fourier

Implementar cualquiera

de

las

ecuaciones anteriores

en

un

programa

computacional exige una gran cantidad de clculos, y an para las modernas y rpidas
computadoras el tiempo de ejecucin es considerable, haciendo cualquier aplicacin
imprctica la mayora de las veces. Es por esta razn que se han desarrollado mtodos
computacionales para aprovechar algunas caractersticas de la DFT, eliminando
operaciones redundantes.
Si definimos

46

Por lo que la DFT y la IDFT se pueden escribir

Principalmente se aprovechan las caractersticas de Periodicidad y Simetra de

los coeficientes dados por

Fig. 4.1 Periodicidad y simetra en los factores W.

A los mtodos as diseados se les conoce como Transformada Rpida de

Fourier (FFT).

Mtodo de Divide y Vencers para el Clculo de la DFT

Se basa en la descomposicin de una DFT de N puntos en varias DFTs de
menos puntos.
Se descompondr N en la multiplicacin de dos factores
47

N=L M
De forma que el vector de datos x(n) puede ser guardado en un arreglo matricial
de L filas por M columnas, por lo que ahora se indexar como x(l,m) de forma que

n=Ml+m (arreglo por filas)

n=l+Lm
donde

o bien

(arreglo por columnas)

0<l<L-1 y 0<m<M-1

De la misma manera indexamos el vector resultante X(k) como X(p,q) con

k=Mp+q o bien k=p+Lq.
Entonces reescribiremos la frmula de la DFT, acomodando x(n) por columnas y
X(k) por filas

De aqu

Ntese que

48

De donde simplificamos a

Esta ecuacin equivale al clculo de una DFT de M puntos y despus otra DFT de
L puntos.
1. Se calcula una DFT de M puntos para cada una de las L filas

l = 0,1,. . . , L- 1.
2. Calculamos

3. Finalmente se calculan DFTs de L puntos, para cada una de las M

columnas

1era etapa

q = 0, 1,, M-1

L DFTs de M puntos cada

LM multiplicaciones

LM(M-1)

una

complejas

complejas

2da etapa

sumas

LM multiplicaciones
complejas

3era etapa

M DFTs de L puntos cada

ML multiplicaciones

ML(L-1)

una

complejas

complejas

Total

N(M+L+1)

sumas

N(M+L-2)

Esta descomposicin se puede realizar en ms factores, resultando en DFTs ms

pequeas y eficientes:
N=r1 r2 r3 rv

49

Computacin de una DFT de N=15 puntos por medio de DFTs de 3 y 5 puntos.

Mtodo de Base 2 (Radio 2)

Uno de los mtodos para la FFT es el de Base-2 (Radix-2) el cual est basado en
que la seal x(n) tenga un nmero de elementos N que sea potencia de 2. Si no es el
caso, entonces se pueden agregar una cantidad de elementos cero adecuada para
tener una potencia de 2, a esto se le conoce como zero padding.
La DFT se calcula de forma ms eficiente entre ms se descomponga N en
factores pequeos. El mtodo de Base-2 se caracteriza por descomponer N en factores
r=2, de forma que N=2v, por lo que N tiene que ser una potencia de 2. Si no fuera el
caso, se rellenara x(n) con tantos ceros como fuese necesario para completar una
potencia de 2.
Se toma M=N/2 y L=2, es decir, se divide x(n), por diezmado en tiempo, en dos
subsecuencias de la mitad de longitud f1(n) y f2(n)

As

50

Ya que W N2=W N/2

Considerando que
F1(k) y F2(k) son peridicas con periodo N/2, F1(k+N/2)= F1(k) y F2(k+N/2)= F2(k)
WNk+N/2 = -W Nk

Este proceso requiere 2(N/2)2+N/2 multiplicaciones. Lo cual es una reduccin de

casi la mitad con respecto a la computacin directa de la DFT.
Este procedimiento se puede repetir sucesivamente con cada una de las dos DFT
logrando nuevos ahorros de cmputo.

51

La base de este mtodo es conocida como la operacin mariposa, que consiste

en hacer multiplicaciones, sumas y restas de acuerdo al siguiente diagrama de flujo

Fig. 4.2 Operacin mariposa.

Donde
= + y = .

De forma que una FFT de 8 puntos se obtiene segn el siguiente diagrama (x es

la seal original y X es su correspondiente transformada):

52

Fig. 4.3 Operaciones para una FFT de 8 puntos.

Note que para que los resultados se obtengan ordenados, los datos de la seal
x(n) se ordenan previamente en forma de bit inverso, esto es, l nmero
correspondiente a la posicin de cada dato se escribe en forma binaria, se invierte el
orden de los 0s y 1s y esto dar la nueva posicin.
53

4.4 Ordenamiento de bit inverso.

Este mtodo, que no es el nico FFT, reduce considerablemente el nmero de

operaciones, y por lo tanto el tiempo de ejecucin, con respecto al clculo directo de la
DFT.

4.5 Comparacin de la cantidad de operaciones entre el clculo directo de la DFT y la FFT

54

Fig. 4.6 Diagrama de flujo general del algoritmo FFT de radio 2.

55

4. DISEO DE FILTROS FIR

4.1.

Diseo de un Filtro FIR Pasobajo

Se desea calcular los coeficientes de un filtro de pasobajo digital FIR, con una

frecuencia de corte Fc=200Hz, utilizando una ventana Blackman y un ancho en la

banda de transicin de 100Hz. La frecuencia de muestreo es fs=1000 M/s.
El ancho en la banda de transicin, BW, expresado en frecuencia normalizada
con la frecuencia de muestreo es
BW

100
0.1
1000

Para la ventana Blackman, el ancho de la banda de transicin, expresada en

trminos de la longitud del filtro M, es BW
es BW

12
, en frecuencia normalizada (si fs=2)
M

6
6
6
de donde la longitud del filtro es M

60 .
M
BW 0.1

La ventana Blackman tiene la siguiente ecuacin

2 i
4 i
B (i) 0.42 0.5 cos
0.08 cos
, i 0 ,1,, M
M
M

y su forma se muestra en la figura 1

Ventana Blackman
1

0.9

0.8

0.7

0.6

0.5

0.4

0.3

0.2

0.1

10

20

30

40

Fig. 1 Ventana Blackman

56

50

60

La respuesta para un filtro pasobajo idea, con cero ancho de la banda de

transicin, est dada por la funcin Sinc

sin 2 Fc i
i

, i 0 , 1, 2,

la cual no es causal y adems es infinita por ambos extremos, por lo que es necesario
recortarla a M datos y adems se recorre a la derecha para estar centrada en M/2.

M
sin 2 Fc i
2

M
i
2

, i 0 ,1,, M

La forma de la funcin Sinc modificada se muestra en la figura 2. F c, la frecuencia

de corte del filtro, debe ser sustituido en frecuencia normalizada, esto es
Fc

200
0.2
1000

Sinc
1

0.8

0.6

0.4

0.2

-0.2

-0.4

10

20

30

40

50

60

Fig. 2 Funcin Sinc modificada.

Para disminuir el rizado en la respuesta del filtro producido por la truncacin

(Fenmeno de Gibss) se multiplica la funcin Sinc por una funcin ventana que atene
sus extremos, en este caso la Blackman, dando como resultado la ecuacin para los
coeficientes del filtro

57


M
sin 2 Fc i
2

h (i) K
M
i
2

2 i
4 i
0.42 0.5 cos M 0.08 cos M , i 0 ,1,, M

K es un factor necesario para lograr la ganancia deseada en la banda de paso, para

este ejemplo esa ganancia es unitaria (0 dB). Inicialmente se puede tomar K=1 y
calcular los coeficientes. Como se desea un filtro pasobajo la suma de los valores de
los coeficientes debe ser 1 (o la ganancia deseada en la banda de paso), si no es as
se dividen todos los coeficientes entre la suma total de ellos (en este ejemplo K=
3.141655602301966), obteniendo los coeficientes finales. Se debe tener cuidado en el
trmino h(M/2), el cual aparentemente se indetermina por la divisin, pero es igual a
K2Fc.
Los coeficientes del filtro, que son la respuesta al impulso del filtro, se muestran
en la figura 3.
Sinc con Ventana Blackman (Coeficientes del filtro)
0.4

0.35

0.3

0.25

0.2

0.15

0.1

0.05

-0.05

-0.1

10

20

30

40

50

60

Fig 3. Respuesta al impulso del filtro pasobajo.

Los coeficientes resultantes son mostrados a continuacin. Note que la precisin

de los coeficientes es importante para una respuesta correcta del filtro. Tambin note
que son simtricos, lo cual nos da el mismo defasamiento para cualquier frecuencia.

58

Coef. del 0 al 19

Coef. del 20 al 39

Coef. del4 0 al 59

0.000000000000000

-0.000000000000000

-0.000000000000000

-0.000010343373656

-0.023181012636192

0.015682177893114

-0.000026793454823

-0.017451273686986

0.007948180811951

0.000063702781699

0.021380438168477

-0.006488887206858

0.000195114400770

0.042847131752802

-0.008519804532084

-0.000000000000000

-0.000000000000000

-0.000000000000000

-0.000507225987798

-0.070406420286926

0.005477120220697

-0.000461958652354

-0.059885681866652

0.002673910668839

0.000655445255445

0.091877934752337

-0.002086828380550

0.001461525868174

0.301366226364990

-0.002598671515230

-0.000000000000000

0.399991985281630

-0.000000000000000

-0.002598671515230

0.301366226364990

0.001461525868174

-0.002086828380550

0.091877934752337

0.000655445255445

0.002673910668839

-0.059885681866652

-0.000461958652354

0.005477120220697

-0.070406420286926

-0.000507225987798

-0.000000000000000

-0.000000000000000

-0.000000000000000

-0.008519804532084

0.042847131752802

0.000195114400770

-0.006488887206858

0.021380438168477

0.000063702781699

0.007948180811951

-0.017451273686986

-0.000026793454823

0.015682177893114

-0.023181012636192

-0.000010343373656

Para observar la respuesta en frecuencia del filtro, se puede obtener la FFT del
vector de coeficientes, normalizando el eje de la frecuencia. Tambin se puede utilizar
las funciones freqz o fvtool de Matlab.
Magnitude Response (dB)
0

Magnitude (dB)

-20

-40

-60

-80

-100

-120
0

50

100

150

200
250
300
Frequency (Hz)

350

400

Fig. 4 Respuesta en frecuencia del filtro (en dB).

59

450

Para probar el funcionamiento del filtro se tomar una seal de dos componentes

xt sin2 F1 t 0.5 sin2 F2 t

con F1=100Hz y F2=313Hz. La longitud del vector de datos x ser de L=201.
x=sin(2*pi*100*t)+.5*sin(2*pi*313*t)
1.5

0.5

-0.5

-1

-1.5

0.02

0.04

0.06

0.08

0.1

0.12

0.14

0.16

0.18

0.2

Fig. 5 Seal de entrada al filtro.

Despus de aplicar el filtro FIR resultante, con la instruccin filter o la instruccin

conv, se obtiene la respuesta de la figura 6. Ntese que la componente de mayor
frecuencia fue eliminada. En los primeros instantes de muestreo la seal de salida no
es senoidal debido a que las localidades de memoria del filtro inician con valor cero.
Salida de la Convolucin (Seal Filtrada)
1
0.8
0.6
0.4
0.2
0
-0.2
-0.4
-0.6
-0.8
-1

0.05

0.1

0.15

0.2

0.25

Tiempo

Fig. 6 Seal filtrada a la salida del filtro.

Adems de utilizar la convolucin, el filtrado se puede realizar empleando la FFT,

pues segn sus propiedades la operacin de convolucin equivale a una multiplicacin
60

en el dominio de la frecuencia. El espectro de la seal original es mostrado en la Figura

7 y el de la respuesta del filtro en la figura 8.. Las dos crestas corresponden a las
componentes de frecuencia de 100 y 313 Hz.
Espectro de la Seal Original
100
90
80
70

Magnitud

60
50
40
30
20
10
0

50

100

150

200

250
Frecuencia

300

350

400

450

500

Fig. 7 Seal original x antes de ser filtrada.

Respuesta en Frecuencia del Filtro (Escala Lineal)
1.4

1.2

Ganancia

0.8

0.6

0.4

0.2

50

100

150

200

250
Frecuencia (Hz)

300

350

400

450

500

Fig. 8. Respuesta en frecuencia del filtro pasobajo.

Despus de multiplicar las FFTs de la seal de entrada y la del filtro se obtiene la

FFT de la salida filtrada, figura 9. Ntese que para realizar la multiplicacin ambas
FFTs deben tener la misma longitud N, por lo que ambos vectores, x y h, se rellenan
con ceros. Esta longitud debe ser mayor que la longitud del filtro M mas la longitud de
la seal L menos 1, ya que ese es el tamao de la convolucin resultante, M+L-1.

61

Producto de las FFT's del Filtro y la Seal

100
90
80
70

Magnitud

60
50
40
30
20
10
0

50

100

150

200

250
Frecuencia

300

350

400

450

500

Fig. 9 Producto del espectro de la seal por el del filtro.

La seal de salida se obtiene realizando la IFFT del resultado obtenido, recuerde

que solo los primeros M+L-1 elementos de la IFFT corresponden a la seal filtrada, el
resto se debe al rellenado con ceros. La figura 10 muestra la IFFT resultante, igual al
de la figura 6.
Salida de la Convolucin por FFT
1

0.8

0.6

0.4

Magnitud

0.2

-0.2

-0.4

-0.6

-0.8

-1

0.05

0.1

0.15

0.2

0.25

Tiempo

Fig. 10 Resultado de la convolucin por FFT.

El filtrado de seales de gran longitud se realiza seccionando el vector de datos

original en lotes de longitud L. Despus se realiza el filtrado por FFT, lo cual dar como
resultado lotes de seal filtrada con longitud N>L+M-1, por lo que parte de los datos se
traslaparn. Estos datos deben ser sumados aprovechando la propiedad de linealidad
del filtro.

62

4.2.

Diseo de Filtros FIR Pasoalto

Ya que se ha diseado un filtro de pasobajo con frecuencia de corte Fc, este

puede ser convertido a uno pasoalto empleando uno de los siguientes mtodos:

Inversin Espectral
A los coeficientes del filtro FIR de pasobajo se les cambia el signo, despus se
suma 1 al coeficiente central. Esta modificacin produce un efecto sobre la respuesta
en frecuencia del filtro de tal forma que lo invierte verticalmente, por lo que ahora los
coeficientes resultantes corresponden a un filtro pasoalto con frecuencia de corte F c.
Las figuras 11 y 12 muestran la respuesta al impulso y la caracterstica en frecuencia
del nuevo filtro.
Coeficientes del filtro con inversin espectral
1

0.8

0.6

0.4

0.2

-0.2

-0.4

10

20

30

40

50

60

Fig. 11 Respuesta al impulso del filtro pasoalto por inversin espectral.

Respuesta en Frecuencia del Filtro con Inversin Espectral
1.4

1.2

Ganancia

0.8

0.6

0.4

0.2

50

100

150

200

250
Frecuencia (Hz)

300

350

400

450

500

Fig. 12 Respuesta en frecuencia del filtro pasoalto por inversin espectral.

63

Reflexin Espectral
A los coeficientes del filtro FIR pasobajo se les cambia el signo alternadamente,
esto es, solo se cambian los coeficientes de las posiciones 1, 3, 5, etc. Este cambio
produce una reflexin horizontal en el espectro del filtro, entre frecuencia 0 y F s/2. De
esta manera, el filtro pasoalto resultante tiene una frecuencia de corte F s/2-Fc.
Coeficientes del Filtro con Reflexin Espectral
0.4

0.3

0.2

0.1

-0.1

-0.2

-0.3

-0.4

10

20

30

40

50

60

Fig. 13 Respuesta al impulso del filtro pasoalto por reflexin espectral.

Respuesta en la frecuecia del filtro con reflexin espectral
1.4

1.2

0.8

0.6

0.4

0.2

50

100

150

200

250

300

350

400

450

500

Fig. 14 Respuesta en frecuencia del filtro pasoalto por reflexin espectral.

64

4.3.

Diseo de Filtros FIR Pasabanda y Supresor de Banda

Un filtro pasabanda se puede obtener mediante la aplicacin en serie de un filtro

pasobajo

uno

pasoalto.

Los

coeficientes

filtro

equivalente

se

calculan

convolucionando los coeficientes de ambos filtros.

Filtro Pasobajo
1.5
1
0.5
0

50

100

150

200

250

300

350

400

450

500

300

350

400

450

500

300

350

400

450

500

Filreo Pasoalto
1.5
1
0.5
0

50

100

150

200

250
Filtro Pasabada

1.5
1
0.5
0

50

100

150

200

250
Frecuencia

Fig.15 Obtencin de un filtro pasabanda.

Un filtro supresor de banda se logra mediante la aplicacin en paralelo de un filtro

paso bajo y uno pasoalto. Los coeficientes del filtro equivalente se calculan sumando
los coeficientes de ambos filtros, que deben ser de la misma longitud. Otra forma de
disear este filtro es aplicando la inversin espectral a un filtro supresor de banda.
Filtro Supresor de Banda
1.4

1.2

Ganancia

0.8

0.6

0.4

0.2

50

100

150

200

250
Frecuencia

300

350

400

450

500

Fig 16. Filtro supresor de banda obtenido por inversin espectral del filtro de la fig. 15.

65

5. DISEO DE FILTROS IIR

66

67