Sumário

1. Aproximação de Padé............................................................................................................ 2
2. Método de Prony ................................................................................................................... 3
3. Aproximação para filtros FIR por mínimos quadrados inverso ............................................ 4
Referência Bibliográfica ............................................................................................................... 6
 2

1. Aproximação de Padé
As técnicas de projeto para filtros IIR1 são baseadas na transformação da função de
transferência, H(s), de um filtro analógico para uma função H(z) do filtro digital, através de uma
função de mapeamento s = f(z). A técnica de Padé é uma técnica de projeto baseada nos mínimos
quadrados, que aproxima diretamente um filtro baseando-se diretamente na resposta ao impulso
desejada hd(n) do sistema.

Seja H(z) a função racional deum sistema causal, isto é

∞
𝐵(𝑧) ∑𝑄
𝑘=0 𝑏𝑘 𝑧
−𝑛
𝐻(𝑧) = = = ∑ ℎ(𝑛)𝑧 −𝑛 (1.1)
𝐴(𝑧) 1 + ∑𝑃𝑘=1 𝑎𝑘 𝑧 −𝑘
𝑛=0

Esta função de transferência apresenta N = P + Q + 1 parâmetros livres, os coeficientes

ak e bk, que podem ser selecionados para minimizar um erro segundo algum critério. O
procedimento para encontrar estes coeficientes é estabelecer que a resposta ao impulso do filtro
seja igual à resposta ao impulso do filtro desejado para n = 0, 1,2, ..., N-1= P+Q, isto é,
ℎ(𝑛) = ℎ𝑑 (𝑛), 𝑛 = 0,1, … , 𝑃 + 𝑄 (1.2)
A equação (1.1) pode ser escrita como segue,
𝐻(𝑧)𝐴(𝑧) = 𝐵(𝑧) (1.3)
Transformando a equação acima para o domínio do tempo, através da propriedade da
soma de convolução segue que,
𝑃
∗
𝑎(𝑛) ℎ(𝑛) = ℎ(𝑛) + ∑ 𝑎(𝑘)ℎ(𝑛 − 𝑘) = 𝑏(𝑛) (1.4)
𝑘=1

A equação (1.4) é um conjunto de P + Q + 1 equações lineares distintas, assim,

estabelecendo h(n)=hd(n), n = 0,1,..., P+Q, tem-se que:0
𝑃
𝑏(𝑛), 𝑛 = 0,1, … , 𝑄
ℎ𝑑 (𝑛) + ∑ 𝑎(𝑘)ℎ𝑑 (𝑛 − 𝑘) = { (1.5)
0, 𝑛 = 𝑄 + 1, … , 𝑄 + 𝑃
𝑘=1

pois, pela equação (1.1) b(n) = 0 para n > Q.

Para a solução do filtro, o primeiro passo é determinar os coeficientes a(k). Admitindo,
na equação (1.5), que n = Q + 1, ..., P + Q e que as equações sejam linearmente independentes,
então,

ℎ𝑑 (𝑄) ℎ𝑑 (𝑄 − 1) ⋯ ℎ𝑑 (𝑄 − 𝑃 + 1) ℎ𝑑 (𝑄 + 1)
ℎ𝑑 (𝑄 + 1) ℎ𝑑 (𝑄) ⋯ ℎ𝑑 (𝑄 − 𝑃 + 2) ℎ (𝑄 + 2)
| | = −[ 𝑑 ] (1.6)
⋮ ⋮ ⋯ ⋮ ⋮
ℎ𝑑 (𝑄 + 𝑃 − 1) ℎ𝑑 (𝑄 + 𝑃 − 2) ⋯ ℎ𝑑 (𝑄) ℎ𝑑 (𝑄 + 𝑃)

1
Do inglês, Infinite Impulse Response
 3

Determinado os coeficientes ak através da equação acima, os coeficientes bk são

determinados admitindo n = 0, 1, ..., Q na equação (1.5) ou seja
𝑃

𝑏(𝑛) = ℎ𝑑 (𝑛) + ∑ 𝑎(𝑘)ℎ𝑑 (𝑛 − 𝑘), 𝑛 = 0,1, . . , 𝑄 (1.7)

𝑘=1

2. Método de Prony
O método de Prony é utilizado também no projeto de filtros IIR e é uma extensão do
método de Padé (Item 1). Ele utiliza a abordagem dos mínimos quadrados para determinar os
coeficientes do filtro. O método consiste em encontrar os coeficientes ak e bk, equação (1.1), que
minimizam o erro quadrático médio entre a resposta ao impulso desejada e a resposta ao impulso
do filtro encontrado.
Como as respostas ao impulso são reais e admitindo um filtro causal, este erro pode ser
escrito como:
∞

𝜀 = 𝐸 [∑(ℎ𝑑 (𝑛) − ℎ(𝑛))2 ] (2.1)

𝑛=0

Considerando a equação (1.5), admitindo n ≥Q + 1, podemos escrever que:

𝑃

ℎ𝑑 (𝑛) = − ∑ 𝑎(𝑘)ℎ𝑑 (𝑛 − 𝑘), 𝑛 ≥𝑄+1 (2.2)

𝑘=1

Admitindo hd(n) = h(n) e substituindo a equação (2.2) em (2.1) o erro quadrático médio
pode ser escrito como:
∞ 𝑃 2

𝜀 = 𝐸 [ ∑ (ℎ𝑑 (𝑛) + ∑ 𝑎(𝑘)ℎ𝑑 (𝑛 − 𝑘)) ] (2.3)

𝑛=𝑄+1 𝑘=1

Os coeficientes ak, que minimizam ε, podem ser encontrados estabelecendo as derivadas

parciais de ε em relação aos coeficientes ak iguais a zero, assim, após alguma manipulação
matemática tem-se que:
∞ 𝑃 ∞
𝜕𝜀
= 𝐸 [ ∑ ℎ𝑑 (𝑛)ℎ𝑑 (𝑛 − 1)] + ∑ 𝑎(𝑘)𝐸 [ ∑ ℎ𝑑 (𝑛 − 𝑘)ℎ𝑑 (𝑛 − 𝑙)] = 0 (2.4)
𝜕𝑎1
𝑛=𝑄+1 𝑘=1 𝑛=𝑄+1

Admitindo:
∞

𝑟ℎ (𝑘, 𝑙) = 𝐸 [ ∑ ℎ𝑑 (𝑛 − 𝑘)ℎ𝑑 (𝑛 − 𝑙)] (2.5)

𝑛=𝑄+1

ou seja, rh(k,l) é similar à função de auto correlação da resposta ao impulso desejada.

Portanto, a equação (2.4) pode ser reescrita como:
𝑃

𝑟ℎ (𝑘, 𝑙) + ∑ 𝑎(𝑘)𝑟𝑑 (𝑘, 0) = 0, 𝑙 = 1,2, … , 𝑃 (2.6)

𝑘=1
 4

Para uma facilidade maior de observação, podemos também escrever a equação (2.6) na
forma matricial,

𝑟ℎ (1,1) 𝑟ℎ (1,2) ⋯ 𝑟ℎ (1, 𝑃) 𝑎(1) 𝑟ℎ (1,0)

𝑟 (2,1) 𝑟ℎ (2,2) ⋯ 𝑟ℎ (2, 𝑃) 𝑎(2) 𝑟 (2,0)
| ℎ || | = −| ℎ | (2.7)
⋮ ⋮ ⋯ ⋮ ⋮ ⋮
𝑟ℎ (𝑃, 1) 𝑟ℎ (𝑃, 𝑃) ⋯ 𝑟ℎ (𝑃, 𝑃) 𝑎(𝑃) 𝑟ℎ (𝑃, 0)

Uma vez determinados os coeficientes ak, os coeficientes bk são encontrados utilizando a

equação (1.7), ou seja:
𝑃

𝑏(𝑛) = ℎ𝑑 (𝑛) + ∑ 𝑎(𝑘)ℎ𝑑 (𝑛 − 𝑘), 𝑛 = 0,1, … , 𝑄 (2.8)

𝑘=1

3. Aproximação para filtros FIR2 por mínimos quadrados inverso

Sabemos que um sistema inverso de um sistema linear invariante no tempo, com resposta
ao impulso h(n), é aquele que satisfaz as seguintes condições:

ℎ(𝑛)∗ ℎ1 (𝑛) = 𝛿(𝑛)

(3.1)

No domínio da frequência a transformada z da equação acima é dada por

𝐻(𝑧)∗ 𝐻1 (𝑧) = 1
(3.2)

em que hi(n) e HI(z) são, respectivamente a resposta ao impulso e a função do sistema linear
invariante no tempo inverso.

Se H(z) é um sistema somente com polos, então HI(z) será um sistema FIR, caso contrário
ele será um sistema IIR, assim, restringindo h(n) = hi(n) como a resposta ao impulso de um filtro
FIR de ordem M e truncando h(n) tal que:

ℎ1 (𝑛) = ℎ(𝑛) 𝑖 = 0,1, … , 𝑀

(3.3)

Admitindo n > M hi(n) é o erro de aproximação, assim, este procedimento conduz a um

erro quadrático de aproximação igual a:
∞

𝜀𝑡 = ∑ ℎ𝑖2 (𝑛)
(3.4)
𝑛=𝑀+1

Um método alternativo para o projeto é utilizar o critério do erro quadrático mínimo para
otimizar os coeficientes bk do filtro FIR. Este procedimento é descrito abaixo.
Seja d(n) a sequência de saída desejada do filtro FIR e seja h(n) a sequência de entrada
do filtro a ser aproximado, como mostra a figura 3.1.

2
Resposta ao Impulso Finita
 5

Figura 3.1 Filtro inverso FIR pelo método dos mínimos quadrados.

O erro entre a saída do filtro e a resposta desejada será:

𝑀

𝑒(𝑛) = 𝑑(𝑛) − 𝑦(𝑛) = 𝑑(𝑛) − ∑ 𝑏𝑘 ℎ(𝑛 − 𝑘)

(3.5)
𝑘=0

em que bk são os coeficientes do filtro.

Assim, o erro quadrático médio será:
∞ 𝑀 2

𝜀 = ∑ [𝑑(𝑛) − ∑ 𝑏𝑘 ℎ(𝑛 − 𝑘)] (3.6)

𝑛=0 𝑘=0

Este erro pode ser minimizado derivando a equação acima em relação aos coeficientes bk
e igualando o resultado a zero. Após alguma manipulação algébrica chega-se que:
𝑀

∑ 𝑏𝑘 𝑟ℎℎ (𝑘 − 𝑙) = 𝑟𝑑ℎ (𝑙) 𝑙 = 0,1, … , 𝑀 (3.7)

𝑘=0

em que:
∞ ∞

𝑟ℎℎ (𝑙) = ∑ ℎ(𝑛)ℎ(𝑛 − 𝑙) 𝑒 𝑟𝑑ℎ (𝑙) = ∑ 𝑑(𝑛)ℎ(𝑛 − 𝑙) (3.8)

𝑛=0 𝑛=0

O filtro que satisfaz a equação (3.7) é chamado de filtro de Wiener. Admitindo que o filtro
vai aproximar o filtro inverso, isto é, d(n) = δ(n), então:
ℎ(0), 𝑙 = 0
𝑟𝑑ℎ (𝑙) = { (3.9)
0, 𝑐. 𝑐
O conjunto de equações em (3.7) podem ser expressos na forma matricial como:

𝑟ℎℎ (0) 𝑟ℎℎ (1) ⋯ 𝑟ℎℎ (𝑀) 𝑏0 ℎ(0)

𝑟 (1) 𝑟ℎℎ (0) ⋯ 𝑟ℎℎ (𝑀 − 1) 𝑏1 0
| ℎℎ || | = | | (3.10)
⋮ ⋮ ⋯ ⋮ ⋮ ⋮
𝑟ℎℎ (𝑀) 𝑟ℎℎ (𝑀 − 1) ⋯ 𝑟ℎℎ (0) 𝑏𝑀 0

E o erro mínimo será:

𝜀𝑚𝑖𝑛 = 1 − ℎ(0)𝑏0 (3.11)
Observe que a matriz da equação (3.10) é simétrica, com todos os elementos iguais ao
longo da diagonal principal. Esta matriz é conhecida como matriz de Toeplitz. Utilizando as
 6

propriedades deste tipo de matriz foi desenvolvido o algoritmo eficiente (de Levinson-Durbin),
que resolve rapidamente a equação (3.10) sem utilizar métodos de inversão de matrizes.

Referência Bibliográfica

Oppenheim, A. V. and Schafer, R. W., Discrete-Time Signal Processing,Prentice-Hall, 1989.

Proakis, J. G. and Manolakis, D. G., Digital Signal Processing: Principles, Algorithms and
Applications,MacMIllan, 1992.
Diniz, Paulo S. R., Barros da Silva, E. A. e Lima Netto, S., Processamento Digital de Sinais,
Bookman Editora, 2004.
Parks, T. W. and Burrus, C. S., Digital Filter Design, John Wiley & Sons, 1987.