Universidad Nacional de Colombia

Facultad de Minas
Departamento de Energı́a Eléctrica y Automática
Tópicos en Procesamiento Digital de Señales

Tercer Laboratorio
26 de Julio de 2019

Cambios en la tasa de muestreo de una señal

La tasa, velocidad, o frecuencia de muestreo (FS ) de una señal digital se define originalmente
en el proceso de conversión A/D, tal y como se vio en clase. Dicha frecuencia corresponde a la
cantidad de muestras por segundo que se toman de una señal análoga, con el fin de discretizar su
dominio (el tiempo). Existen operaciones para modificar dicha velocidad de muestreo sin tener que
reconstruir la señal (conversion D/A) para volverla a muestrear a una velocidad diferente. Estas
conversiones son válidas incluso en el contexto de señales digitales que no provienen de una señal
análoga de origen.
Hay dos operaciones básicas relacionadas con estos procesos. La Decimación permite reducir la
frecuencia de muestreo por un factor entero M , lo que genera una señal con una menor densidad
de valores (menos tamaño). Alternativamente se puede decir que la Decimación aumenta el periodo
de muestreo de la señal por un factor de M .
La Decimación se puede lograr fácilmente al retirar de manera periódica M − 1 muestras de la
señal original, generando una reducción del tamaño de la misma a 1/M veces el tamaño original. El
efecto de este proceso en el dominio de la frecuencia es una expansión del espectro, lo que representa
el peligro de alias en la señal, si la misma tiene presentes componentes de alta frecuencia. A manera
de ejemplo considérese el espectro de magnitud de una señal arbitraria (x(n)), mostrado en la Figura
1.
Suponga que la señal cuyo espectro aparece en la Figura 1, va a ser decimada por un factor
de M , esta operación se simboliza normalmente como ↓ M . Como ya se dijo, el efecto de esta
operación es una disminución de la Frecuencia de Muestreo por un factor de M , lo que implica una
expansión del espectro haciendo que los nuevos lı́mites del rango fundamental correspondan a lo
que ahora es el rango comprendido entre los lı́mites ±π/M . Esto no serı́a un problema, de no ser
por las componentes de alta frecuencia concentradas alrededor de la frecuencia ωN , ya que al hacer
la expansión del espectro, dichas componentes se convertirı́an en alias de la señal decimada. Es por
1
 Figura 1: Seña a la que se le hará la Decimación por un factor de M

esto que siempre que se va a hacer una reducción de la tasa de muestreo, esta debe estar precedida
por un filtrado paso−bajo ideal, sintonizado en una frecuencia de corte dada por: ωC = π/M .
El otro proceso básico es referido como interpolación para una señal digital, e implica aumentar
la densidad de muestras que posee la misma, sin cambiar su naturaleza. En ocasiones anteriores
se ha procedido con esquemas de interpolación basados en aproximaciones trapezoidales o lineales,
y de orden cero (hold o sostenimiento). Si se quiere una reconstrucción perfecta de la señal, es
necesario proceder de dos posibles formas:

En primer lugar, se puede usar una interpolación del tipo sinc, tal y como se explicó en clase
para la conversión D/A, en donde cada muestra multiplica y desplaza una función generadora
del tipo sen(π · FS · t)/(π · FS · t). La suma de todos esas señales tipo sinc permite rellenar
o interpolar los espacios entre muestras, de modo que serı́a muy fácil determinar los valores
intermedios idealizados para incrementar la tasa de muestreo.

La segunda opción equivalente serı́a construir un expansor (simbolizado regularmente como

un bloque ↑ L) seguido por un filtro paso−bajo ideal que corta en ωc = π/L. El bloque
expansor incrementa la densidad de muestras poniendo ceros en aquellas posiciones en las
que debera aparecer una muestra nueva, de modo que el filtro posterior suaviza e interpola
los valores para la reconstrucción adecuada de la señal.

Implemente ambos procesos (el de decimación y el de interpolación) y ensáyelos para diferentes

tipos de señales, analizando los cambios producidos a la señal en el dominio del tiempo (tamaño de
las señales), en el dominio de la frecuencia (expansión/contracción del espectro) y en cuanto a su
calidad luego de los cambios (preferiblemente señales de audio).

Diseño de filtros análogos

En clase se ha visto que el diseño de filtros digitales IIR puede hacerse a partir de su contraparte
análoga. La primera etapa del proceso de diseño corresponde a la sı́ntesis de un filtro normalizado
paso−bajo, con una frecuencia de corte unitaria (ΩC = 1 rad/s). En la segunda etapa, al filtro se le
cambia su tipo si es necesario (pasa−alta, pasa−banda, rechaza−banda) y su frecuencia de corte.

2
Finalmente, el filtro se lleva al dominio z por medio de alguna transformación.

En este punto se propone replicar las dos primeras etapas del proceso de diseño de filtros IIR
digitales, es decir, las etapas que conciernen exclusivamente al dominio análogo (s). Escriba un
programa en Matlab que permita obtener los coeficientes numerador y denominador de la función
de transferencia H (s) al final de la segunda etapa, es decir, en el punto en el que el filtro está listo
para ser transformado en el dominio digital.

El programa deberá preguntar por la frecuencia de corte del filtro, su tipo y su forma (Butter-
worth, Chebyshev). Está prohibido el uso de funciones o comandos en Matlab que hagan el cálculo
directamente.

Sistemas de Fase−Mı́nima y sistemas Pasa−Todo

Implemente un programa en Matlab que permita obtener la versión de fase mı́nima para cual-
quier función de transferencia digital, dada por los coeficientes del numerador (bk ) y los del deno-
minador (ak ). Compare el sistema original con su versión de fase mı́nima usando la representación
espectral, y la respuesta al impulso (o al escalón) de cada sistema. A manera de ejemplo, considérese
el sistema causal dado por:

1 − 0,7 · z −1 − 4,5 · z −2
H(z) = (1)
1 + 0,3913 · z −1 − 0,496 · z −2 − 0,27 · z −3

La Figura 2 muestra la comparación espectral del sistema dado en la Ecuación (1) con respecto a
su versión de fase mı́nima. Como puede verse, la versión de fase mı́nima conserva las caracterı́sticas
de magnitud del sistema, pero logrando una respuesta de fase o ángulo con mı́nima excursión.

Sistema original Sistema de fase mínima

8 8

6 6
|X MP |
|X|

4 4

2 2
0 0.1 0.2 0.3 0.4 0.5 0 0.1 0.2 0.3 0.4 0.5
f f
200 250
[ ]
o
[ ]
o

XMP

0 200
X

-200 150
0 0.1 0.2 0.3 0.4 0.5 0 0.1 0.2 0.3 0.4 0.5
f f

Figura 2: Comparación espectral entre el sistema de la Ecuación (1), y su versión de fase mı́nima

Otra forma de hacer la comaparación es en el dominio del tiempo. Los equivalentes de fase
mı́nima son más rápidos liberando la energı́a que sus contrapartes de fase no−mı́nima, lo que

3
significa que manejan retardos menores. La Figura 3 muestra que el transitorio de la respuesta de
fase mı́nima termina más temprano que el transitorio del sistema original, por lo que se ha logrado
un filtro con igual respuesta de magnitud al original, pero mucho más rápido.

0
h(n)

-2

-4
Sistema Original
Sistema de Fase Mínima
-6
0 2 4 6 8 10 12 14 16 18 20
n

Figura 3: Comparación de la respuesta al impulso entre el sistema de la Ecuación (1), y su versión

de fase mı́nima

Implementación de la Transformada Wavelet Discreta (DWT)

La Transformada Wavelet Discreta (DWT por sus siglas en inglés), se basa en un proceso
iterativo de filtrado complementario y decimación, tal y como lo muestra la Figura 4. La señal
x(n) corresponde a la entrada de la transformada, mientras que las señales yhpk (1 ≤ k ≤ L) y ylp
corresponden a los componentes de salida de la transformada.

Figura 4: Esquema de bloques para una DWT de dos niveles

Como puede verse en la figura, para cada nivel de descomposición se usa un par de filtros
complementarios (etiquetados como H0 (ω) y H1 (ω)) que separan el contenido espectral de la señal
proveniente del nivel inmediatamente anterior (o en el caso del primer nivel, se separa el contenido
espectral de la señal original). H0 (ω) corresponde a un filtro paso−bajo, y es referido comunmente
4
como Filtro de Escala, mientras que H1 (ω) tiene una respuesta paso−alto, y es conocido como
Filtro de Detalle. La Figura 5 muestra el espectro de magnitud para los filtros complementarios
de la función madre db4. Esta última denominación se puede entender como la forma del filtro
complementario que se desea usar (ası́ como para filtrado IIR se tienen opciones de forma tales
como Butterworth, Chebyshev, Elı́ptico, Bessel, etc).

Figura 5: Espectro de magnitud para los filtros complementarios de la función madre Daubechies
4 (db4)

Después de cada separación espectral, la salida de los filtros es decimada por un factor M = 2,
reduciendo el tamaño de las señales a la mitad de su valor original. La salida decimada del Filtro
de Detalle inmediatamente se convierte en uno de los componentes de salida de la señal (yhpk en
la Figura 4), mientras que con la salida decimada del Filtro de Escala pueden ocurrir dos cosas:
Se puede tomar la señal de escala y someterla nuevamente al proceso de filtrado complementario
y decimación, con el propósito de generar un nuevo nivel de descomposición, o en el caso que se
trate del últimmo nivel, la señal de escala pasa a ser el último componente de la salida (ylp en la
Figura 4). Lo anterior quiere decir que cuando se efectua una desconposición wavelet de L niveles,
se obtienen L + 1 componentes: L componentes de detalle (yhpk ), y un componente de escala (ylp ).
La Figura 6 muestra una señal x(n) arbitraria, y los diferentes componentes obtenidos para
L = 4 niveles de descomposición. Obsérvese que aunque los componentes han sido graficados sobre
la misma base de tiempo, si se puede notar una disminución gradual del tamaño de las señales, a
medida que se sube de nivel en la descomposición.

5
Figura 6: Señal de entrada y componentes resultantes para una DWT de 4 niveles, usando las
funciones madre representadas en la Figura 5

Fecha de entrega: