Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
DATOS MUESTREADOS 10
INTRODUCCIÓN
En el capítulo anterior presentamos un conjunto de herramientas que facilitan el análisis
y la representación de sistemas discretos, modelados por: la ecuación en diferencias (EED), la
respuesta impulso o la función de Transferencia Discreta (FTD). Las señales utilizadas se
describieron como arreglos ordenados de muestras para valores enteros de su base de tiempo.
Aunque desde el punto de vista matemático es suficiente trabajar con este tipo de señales
discretas de la forma x[ n] , en aplicaciones prácticas las señales en tiempo real son continuas y
deben ser muestreadas y cuantificadas antes de ser procesadas por un filtro digital.
Otra razón importante para considerar las señales muestreadas x( nT ) , se relaciona con el
análisis espectral de señales en tiempo real. Estas señales no son determinísticas y por lo tanto su
análisis de Fourier tiene que efectuarse a partir de las muestras de x( nT ) , usando algoritmos
para la evaluación numérica de la transformada de Fourier, cuyo fundamento es la transformada
discreta de Fourier (TDF), que será presentada en el capítulo 11.
En este capítulo se trataran aspectos relacionados con el muestreo de una señal continua y
la reconstrucción de una señal muestreada. Para facilitar nuestro trabajo, ampliaremos el modelo
de la función de transferencia discreta (FTD) incluyendo el efecto del dispositivo muestreador-
retensor (M-R). El fundamento matemático es la transformada estrella de Laplace (TEL) y el
basamento físico son los convertidores análogo-digital (A/D) y digital-analógico (D/A) usados
en el procesamiento digital de una señal, cuyos componentes se muestran en la figura 1.5. Se
analizarán además las implicaciones del Teorema de Muestreo en la reconstrucción de la señal
continua a partir de su versión muestreada x( nT ) . El nuevo modelo será reconocido como la
función de transferencia de pulsos (FTP), cuyo nombre se debe al modelo matemático que es
utilizado para representar el proceso de muestreo la señal continua x( t ) .
10 - 1
10 - 2 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
x( t ) x( nT )
x [ n]
0 0 10 110 1110
Figura 10.1
t n
Tareas muestreo cuantización
realizadas por el Señal analógica Señal muestreada Señal digital
convertidor A/D.
y [ n] y( nT )
y( t )
0 0 10 110 1110
n t
Figura 10.2
Tareas decodificación reconstrucción
realizadas por el Señal digital Señal muestreada Señal reconstruida
convertidor D/A.
En las figuras 10.1 y 10.2 se identifican las dos operaciones fundamentales que requiere el
procesamiento digital de señales (DSP): muestreo y reconstrucción. En esta sección
desarrollaremos el modelo matemático del dispositivo muestreador-retensor (M-R) de un
sistema de datos muestreados, cuyo propósito es emular estas dos operaciones. Este
modelo es la base para reconocer el efecto del muestreo de las señales continuas (señales
en tiempo real), utilizadas en las aplicaciones prácticas de DSP.
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.1 – MUESTREO Y RECONSTRUCCION DE SEÑALES 10 - 3
x( t ) x *( t ) x( t )
Figura 10.3
MUESTREADOR RETENSOR
Muestreo y
reconstrucción de
una señal continua.
La figura 10.4 muestra el modelo funcional del dispositivo M-R donde el muestreo de la
señal continua x( t ) se simula a través de un interruptor lógico que permanece abierto un
tiempo T y cerrado un tiempo t0 . La reconstrucción de la señal muestreada x *( t ) se
ejecuta a través del retensor, cuyo propósito es lograr la señal reconstruida x( t ) .
x( t ) x *( t ) x( t )
RETENSOR
Figura 10.4 T
Modelo funcional
del dispositivo M-R.
La figura 10.5 presenta la salida probable del muestreador donde la señal x *( t ) es ahora
un tren de pulsos de duración t0 y amplitud variable, separados un tiempo T. Se logra así
una representación aproximada x( nT ) ≈ x *( t ) de la señal muestreada, que se puede
mejorar en la medida en que t0 << T .
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 4 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
Figura 10.5
Señal muestreada t0
como un tren de
pulsos.
Figura 10.6
Aproximación de la
señal reconstruida
por el retensor.
Entre más pequeño sea el período de muestreo T, mejor será el proceso de reconstrucción
de x( t ) a partir de su versión muestreada x( nT ) , logrando un mejor resultado en la
aproximación x( t ) ≈ x( t ) . Sin embargo, esto afecta la aproximación x *( t ) ≈ x( nT ) de la
señal muestreada de la figura 10.5, ya que exige un valor aún más pequeño de t0 .
Definición de la TEL
La representación en el dominio-s de la señal reconstruida mostrada en la figura 10.6, nos
permite obtener un primer modelo matemático para el retensor. En efecto, la señal x( t ) es
continua por intervalos y puede expresarse como:
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.2 – TRANSFORMADA Z EN SISTEMAS DE DATOS MUESTREADOS 10 - 5
1 − e− sT
X ( s) = X *( s) (10.4)
s
Asociando la ecuación (10.4) con el modelo funcional de la figura 10.4, es posible
identificar la función de transferencia del retensor, como
1 − e− sT
H R ( s) = (10.5)
s
Las expresiones anteriores son suficientes para lograr un primer modelo matemático del
dispositivo M-R en el dominio-s, el cual se muestra en la figura 10.7.
X ( s) X *( s) 1 − e− sT X ( s)
Figura 10.7 s
T
Modelo del
dispositivo M-R.
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 6 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
Muestreador ideal
En la figura 10.7 se observa que el muestreador no tiene asociada una función de
transferencia, circunstancia que puede dificultar su manejo algebraico. Sin embargo, es
posible lograr un modelo matemático del muestreador que permita formular la relación
entre X ( s) y X *( s) , compatible con el resultado de la expresión (10.3).
x( t ) x *( t )
X
δT ( t )
Figura 10.8
Modelo ideal del
muestreador.
Se logra así la misma expresión (10.3) como señal de salida del muestreador y como
entrada del retensor. Luego, el modelo ideal del muestreador como un tren de impulsos, es
compatible con el modelo aproximado del retensor propuesto en la figura 10.6.
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.2 – TRANSFORMADA Z EN SISTEMAS DE DATOS MUESTREADOS 10 - 7
u *( t ) = u( nT ) = {1, 1, 1, 1, …}
Aplicando la definición (10.3) de la TEL, obtenemos
∞ ∞
1
U *( s) = ∑ u( kT ) e− k sT = ∑(1) e− ksT = − sT
, | e− sT|< 1
k= 0 k= 0 1− e
Figura 10.9
Señales muestreadas
con la misma TZ.
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 8 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
x( t ) → x( nT ) ↔ X ( z) (10.9)
La tabla 10.1 presenta la TZ de las señales causales más frecuentes, la cuales pueden
obtenerse aplicando la definición (10.8) y las propiedades de la tabla 8.3.
s z[ z − cos ( ω0T )]
10 cos ( ω0 t ) cos ( ω0 nT )
s + ω20
2
z − 2 z cos ( ω0T ) + 1
2
ω0 z e− aT sen ( ω0T )
11 e− a t sen ( ω0 t ) e− a nT sen( ω0 nT )
( s + a)2 + ω20 z2 − 2 z e− aT cos ( ω0T ) + e−2 aT
s+ a z2 − z e− aT cos ( ω0T )
12 e− a t cos ( ω0 t ) e− a nT cos ( ω0 nT )
( s + a)2 + ω20 z2 − 2 z e− aT cos ( ω0T ) + e−2 aT
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.2 – TRANSFORMADA Z EN SISTEMAS DE DATOS MUESTREADOS 10 - 9
Comentarios:
− bt
Ejemplo 10.2: Obtener la TZ equivalente de la señal continua x( t ) = e u( t )
TZ equivalente
de una señal
continua.
Solución: Antes de obtener X ( z) es necesario muestrear a x( t ) para obtener x( nT ) :
x( nT ) = e− bnT u( nT )
Aplicando la definición (10.8)
∞ ∞
1 z
X ( z) = ∑ e− b nT z− n = ∑ ( e− bT z−1 )n = − bT −1
= − bT
, z > e− bT
n=0 n=0 1− e z z− e
X *( s) = X ( z) z= e s T (10.10)
donde la expresión
z = e sT (10.11)
se reconoce como la regla de transformación que permite establecer la relación
X *( s) ↔ X ( z) entre el modelo de una señal muestreada x *( t ) en el dominio-s y su
equivalente discreta (TZE) en el dominio-z. Esta expresión será usada en la sección 10.4
para establecer la correlación entre puntos del plano-s y puntos del plano-z.
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 10 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
De este modo existen dos modelos para el análisis de una señal muestreada x *( t ) : X *( s)
en el dominio-s y X ( z) en el dominio-z. Sin embargo, como X ( z) se logra por
transformación de X *( s) , se reconocerá en adelante como el modelo equivalente en el
dominio-z de x *( t ) . Esta última observación permite reconocer una diferencia conceptual
entre la TZ de una señal discreta x[ n] ↔ X ( z) , que fue evaluada en el capítulo 8, y la TZ
de una señal muestreada x( nT ) ↔ X ( z) .
−2 t
Ejemplo 10.3: Obtener la TEL de la señal x( t ) = 5 e , para T = 0.5 s
TEL de una señal
continua usando
transformación
Solución: Para calcular X *( s ) debemos muestrear a x( t ) , obteniendo x( nT ) = 5 e−2 nT .
Usando T5 de la tabla 10.1 y aplicando (10.10), obtenemos
5z 5 z= e sT 1
X ( z) = −2×0.5
= ⎯⎯⎯ → X *( s) =
z− e 1 − z−1 e−1 1 − 0.3679 e−0.5 s
1. Los dos componentes del dispositivo M-R mostrados en la figura 10.7 no modelan
ningún elemento físico. Simplemente permiten formular con un cierto grado de
aproximación la relación entre la señal continua X ( s) y la señal reconstruida X ( s) .
2. Aunque la señal X *( s) permite interconectar los modelos del muestreador y del
retensor, tiene el inconveniente de que su expresión en el dominio-s no es una
fracción racional y por lo tanto su manipulación algebraica es compleja.
3. Este problema se supera si en lugar del modelo X *( s) se utiliza su modelo
equivalente X ( z) , que sí es una fracción racional.
4. Sin embargo el modelo equivalente X ( z) solo permite obtener valores de la señal
reconstruida x( t ) en cada instante de muestreo, es decir x( nT ) . Para valores
intermedio es necesario utilizar otros modelos.
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.3 – METODOS PARA EVALUAR LA TEL Y LA TZE 10 - 11
Se observa que (10.12) es una variante de la expresión (8.43), que se utilizó para calcular
la TIZ. Según el tipo de polos de X ( s) pueden ocurrir 2 casos:
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 12 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
1 d m−1 ⎡ z ⎤
Rk ( z) = m−1 ⎢
( s − sk ) m X ( s ) (10.14)
( m − 1)! ds ⎣ z − e sT ⎥⎦ s= sk
Este método permite obtener directamente la TZ equivalente de una señal continua, sin
necesidad de recurrir a la estrategia que se utilizó para generar la tabla 10.1:
X ( s) → x( t ) → x( nT ) → X ( z) . Por lo tanto, a través de (10.12) es posible verificar
cada una de las transformadas mostradas en la tabla 8.2.
1 z z 1 z −z
R1( z) = = R 2( z) = =
( s + 2) z − e sT s =−1 z − 0.9048 ( s + 1) z − e sT s =−2 z − 0.1353
T = 0.1 T =1
1 z z
R1( z) = =
s2 z − e sT s =−1 z − 0.6065
T = 0.5
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.3 – METODOS PARA EVALUAR LA TEL Y LA TZE 10 - 13
0.1065 z( z + 0.8467)
X( z) =
( z − 1)2 ( z − 0.6065)
Ejemplo 10.7: Obtener X ( z) para la señal del ejemplo anterior, usando resimod().
Uso de la función
especial 1
X ( s ) =
resimod() s ( s + 1)
2
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 14 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
Sea x( t ) una señal con atraso t0 , construida a partir de x1( t ) como x( t ) = x1( t − t0 ) .
Aplicando la propiedad de desplazamiento real de la TL y asumiendo que x1( t ) ↔ X1( s) ,
x( t ) ↔ X( s) = X1( s) ⋅ e− st0
X( s) = X1( s) ⋅ e− kTs
Representando en el dominio-z y considerando que existe un atraso de k-muestras
X( z) = z− k X1( z)
Finalmente, aplicando la transformación (10.10), la TEL de x *( t ) = x( nT ) viene dada por
X *( s) = e− kTs X1 *( s ) (10.15)
El resultado anterior establece que la TEL de una señal con un atraso t0 , múltiplo del
período de muestreo T, se reduce a multiplicar la TEL de la señal sin atraso, por el factor
e− kTs , siendo k = t0 / T .
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.3 – METODOS PARA EVALUAR LA TEL Y LA TZE 10 - 15
1
X 1( s) =
s( s + 1)
Aplicando el método de residuos modificado, obtenemos
1 z z
X11( z) = =
s + 1 z − e sT s=0 z−1
T = 0.5
1 z −z
X12 ( z) = =
s z − e sT s =−1 z − 0.6065
T = 0.5
0.3935
X ( z) = z−2 X1( z) =
z( z − 1)( z − 0.6065)
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 16 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
X ( jω) X *( j ω)
T
A A /T
Figura 10.10
Espectro de
frecuencia de ω ω
una señal
muestreada.
− ωB ωB − ωm − 21 ωm −ω B ωB 1
2 ωm
ωm
El resultado anterior se corresponde con el análisis que se hizo en la sección 9.2, sobre la
TFTD de una señal discreta x[ n] . En efecto, evaluando (10.10) para s = j ω , obtenemos
X *( j ω) = X *( s) s= j ω = X ( z) z= e j ωT = X ( e j ωT ) (10.19)
Las ecuaciones (10.19) y (9.10) son equivalentes si se considera que ωT = Ω . Por lo tanto
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.4 – MUESTREO Y RECONSTRUCCION EN EL DOMINIO-ω 10 - 17
Este concepto es fundamental en el análisis que se hará a continuación, para lograr que en
el proceso de reconstrucción de x( nT ) en el dominio-ω, x( t ) ≈ x( t ) .
Teorema de muestreo
Según la figura 10.10, la reconstrucción de una señal muestreada en el dominio-ω se
reduce a un proceso de filtrado para eliminar los componentes armónicos por encima de la
frecuencia 21 ωm . En efecto usando el filtro pasa-bajo ideal mostrado en esta figura, con
kBF = T y ancho de banda ω0 = 21 ωm , debería ser posible recuperar el espectro X ( jω) de
la señal continua, a partir del espectro X *( j ω) de la señal muestreada.
Sin embargo, según la figura 10.10, para lograr la recuperación de la señal muestreada, el
ancho de banda ω B de la señal continua x( t ) debe ser inferior a la frecuencia 21 ωm . Esta
condición se reconoce como el teorema de muestreo, que se formula así:
ω m > 2ω B (10.21)
ωN 1
2 ωm (10.22)
ωB < ωN (10.23)
Si ω B > ω N , tal como se muestra en la figura 10.11, se presenta solapamiento entre los
espectros de los armónicos, siendo imposible recuperar la señal muestreada. Esta situación
produce un efecto de aliasing de la señal reconstruida en el dominio del tiempo, que se
interpreta reconociendo que la señal reconstruida x( t ) es un “alias” de x( t ) .
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 18 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
X *( j ω)
A/T
Figura 10.11
Efecto de
solapamiento en el
espectro de una señal
ω
muestreada.
−½ ωm ½ ωm
De las figuras 10.10 y 10.11 se puede concluir que para reconstruir la señal x( t ) a partir de
la señal muestreada x *( t ) , el retensor de la figura 10.4 debe ser un filtro pasa-bajo, con
ancho de banda ω N > ω B , siendo ω B es el ancho de banda de la señal continua x( t ) . En
aplicaciones prácticas se recomienda la selección de la frecuencia de muestreo como
para evitar que las señales de ruido interfieran en el procesamiento digital de la señal. La
condición (10.24) se logra usando un bajo período de muestreo T. Sin embargo, existen
limitaciones físicas por cuanto la frecuencia de muestreo ωm es establecida por la señal de
reloj del oscilador que controla los convertidores A/D y D/A de la figura 1.5. Una solución
a este problema consiste en utilizar un filtro pasa-bajo que reduzca el ancho de banda de la
señal x( t ) antes de ser muestreada, conocido como filtro antialising o filtro guardián.
1 ∞
X *( s) = ∑ X( s + j kωm )
T k=−∞
(10.25)
1 ∞ x(0 + )
X *( s) = ∑ X ( s + j kωm ) + (10.26)
T k=−∞ 2
que es una expresión alterna para evaluar la TEL, reconocida como el método de la
integral de convolución, donde el segundo término incluye el efecto de iniciar el muestreo
en t = 0 + . Sin embargo en la sección 10.6 se demostrará que la presencia del retensor
garantiza que x( t ) es continua en t = 0 y por lo tanto x(0 + ) = 0 . Esto permite trabajar con
(10.25) en lugar de (10.26).
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.4 – MUESTREO Y RECONSTRUCCION EN EL DOMINIO-ω 10 - 19
1⎡ 1 1 1 1 1 ⎤ 1
U * ( s) = ⎢ + + + + + + ⎥+
T⎣ s − j 2 ω m s − jω m s s + jω m s + j 2 ω m ⎦ 2
Simplificar este resultado para lograr el que se obtuvo en el ejemplo 10.1, no
es un trabajo fácil. Sin embargo, el aspecto más interesante de este resultado,
está en que combinando los términos complejos conjugados, obtenemos
1 ⎡1 2s 2s ⎤ 1
U *( s) = ⎢ + 2 + 2 + ⎥+
T ⎣ s s + ωm s + (2ωm )2
2
⎦ 2
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 20 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
e− sT = 1 = e− j 2 πk , k = 0, ± 1, ± 2, …
Esta es una identidad trigonométrica que se satisface para sT = j 2π k , o
2πk
s= j = j kωm , k = 0, ± 1, ± 2,…
T
Luego, los polos de U *( s) se repiten periódicamente a partir del único polo de
U ( s) , ubicado en s1 = 0 .
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.4 – MUESTREO Y RECONSTRUCCION EN EL DOMINIO-ω 10 - 21
Luego los puntos sobre el eje-jω se transformarían en puntos sobre el círculo unitario. Sin
embargo, evaluando (10.30) para los tres puntos mostrados en la figura 10.12, dentro del
intervalo Ω = [0, π] , obtenemos
jω
3ω N jy
Franja b
complementaria
Franja c ωN
fundamental b c a
a σ x
z= e sT
− ωN →
Figura 10.12
Correspondencia
entre el plano-s y
el plano-z. − 3ω N Transformación
varios-a-uno
En la figura 10.12 los puntos en el SPI del plano-s se agrupan en un conjunto de bandas
delimitadas por la frecuencia de Nyquist ω N = π / T . Los puntos que se encuentran en el
intervalo [ −ω N , ω N ] corresponden a la franja fundamental y los restantes configuran las
franjas complementarias, cuyo ancho es ωm = 2ω N .
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 22 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
Algoritmos de interpolación
El proceso de reconstrucción de la señal muestreada a partir de x *( t ) puede modelarse
matemáticamente como un problema de interpolación o de modo más específico como de
extrapolación. En este sentido, el problema se formula en los siguientes términos:
Existe una regla básica en la aplicación de estos dos modelos, la cual establece que a la
salida del retensor el valor actual debe ser igual al último valor reconstruido. En decir:
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.5 – RECONSTRUCCION POR INTERPOLACION 10 - 23
x( nT ) = x( nT ) (10.35)
Evaluando (10.34) para τ = 0 y considerando (10.35), obtenemos que a0 = x( nT ) . Luego
x( nT + τ) ≈ x( nT ), 0 ≤ τ < T (10.38)
que se reconoce como el retensor de orden-0 o ZOH (Zero Order Hold). Considerando la
primera aproximación que se hizo para el retensor en la figura 10.6, se observa una
coincidencia total con (10.37) o (10.38). Por lo tanto la función de transferencia del ZOH
debe ser la expresión mostrada en la ecuación (10.5).
δ *( t ) h 0( t )
Figura 10.13 1 1
Respuesta impulso
del retensor de
orden-0 (ZOH). 0 T 0 T
−T t
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 24 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
x( nT ) − x[( n − 1)T ]
x( t ) ≈ x( nT ) + ( t − nT ), nT ≤ t < ( n + 1)T (10.41)
T
Un resultado similar se logra haciendo n = 1 en la ecuación (10.36)
x( nT + τ) ≈ a1τ + x( nT ) (10.42)
Evaluando la (10.42) como una identidad para τ = −T , obtenemos
x( nT − T ) = − a1T + x( nT )
x( nT ) − x[( n − 1)T ]
x( nT + τ) = x( nT ) + τ, 0 ≤ τ < T (10.43)
T
Llevando (10.41) o (10.43) al dominio-s es posible llegar a una expresión analítica de la
FT del FOH. Sin embargo, es más fácil hacerlo por interpretación gráfica, si se reconoce
que el valor esperado x( t ) debe obtenerse por extrapolación lineal de los dos últimos
valores reconstruidos. El resultado se muestra en la Figura 10.14.
h 1( t )
2
δ *( t )
Figura 10.14 1 1
Respuesta impulso
del retensor de T 2T
orden-1 (FOH).
−T 0 T t −T 0
Aplicando el método directo de la sección 1.3 se puede expresar la respuesta impulso h1( t )
del FOH, en función de los cambios de magnitud y de pendiente, como
1 2 1
h1 ( t ) = u( t ) + t u( t ) − 2 u( t − T ) − ( t − T ) u( t − T ) + ( t − 2T ) u( t − 2T ) + u( t − 2T ) (10.44)
T T T
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.5 – RECONSTRUCCION POR INTERPOLACION 10 - 25
En el siguiente ejemplo se utilizan estos 2 modelos para reconstruir una señal muestreada.
Ejemplo 10.11: Utilizando los modelos del ZOH y FOH, reconstruir la señal continua
Reconstrucción
de una señal
x( t ) = (1 − e−2 t ) u( t ) , asumiendo que fue muestreada con T = 0.5 s .
muestreada con
ZOH y FOH
®
Solución Los comandos básicos de MATLAB para resolver este ejemplo son:
» T=0.5; t=0:T/100:3; xt=1-exp(-2*t);
» nmax=t(end)/T; nT=(0:nmax)*T; xnT=1-exp(-2*nT);
» [x1r,t1r]=interpzoh(xnT,nT);
» [x2r,t2r]=interpfoh(xnT,nT);
El resultado se muestra en la figura 10.15
Figura 10.15
Reconstrucción de
una señal
muestreada usando
ZOH y FOH.
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 26 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
En la figura 10.15 se observa que la interpolación usando FOH no ofrece grandes ventajas
sobre el ZOH; en efecto, el FOH puede causar “sobre corrección” en la aproximación. La
respuesta del ZOH es suficiente en aplicaciones prácticas y corresponde a la característica
de funcionamiento de la mayoía de los convertidores D/A.
[np,dp]=pade(T,n)
» T=0.1; [np,dp]=pade(T,2)
np = 1 -60 1200 dp = 1 60 1200
Interpretando resultados
− 0.1 s s2 − 60 s + 1200
e ≈ 2
s + 60 s + 1200
Aplicando modelo dado en (10.40), obtenemos finalmente
1 − e−0.1s 120
H 0 ( s) = ≈ 2
s s + 60 s + 1200
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.5 – RECONSTRUCCION POR INTERPOLACION 10 - 27
1 − e− j ωT sen( ωT / 2) − j ωT / 2
H 0 ( j ω) = =T e (10.48)
jω ωT / 2
Sustituyendo ωT / 2 = πω / ωm en (10.48) y usando la definición (1.48) de la señal sinc()
πω ⎧ 0, sinc( ω / ωm ) > 0
| H 0 ( j ω)|= T sinc( ω / ωm ) ∠H 0 ( j ω) = − +ϕ ϕ=⎨ (10.49)
ωm ⎩π, sinc( ω / ωm ) < 0
De modo similar, a partir de (10.45) obtenemos para el FOH
4 π2
| H 1( j ω)|= T 1 + 2 ⋅ sinc2 ( ω / ωm ) ∠H 1( j ω) = tan−1(2πω / ωm ) − 2πω / ωm (10.50)
ωm
La figura 10.16 muestra la RDF del ZOH y el FOH, que se obtuvo simulando (10.49) y
(10.50) para T=0.1s. Para mostrar que el ZOH y el FOH se aproximan a un filtro pasa-
bajo, en la figura 10.16 se incluye la característica del filtro ideal de la figura 10.10.
Figura 10.16
Respuesta de
frecuencia de ZOH
y FOH.
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 28 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
G( s )
Figura 10.17 E( s) E *( s) E( s) Y ( s)
Sistema de control ZOH G p ( s)
de datos T
muestreados.
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.6 – MODELO DE UN SISTEMA DE DATOS MUESTREADOS 10 - 29
1 ∞
Y *( s) = E *( s) ⋅ ∑ G( s + jnωm ) = E *( s) ⋅ G *( s)
T n =−∞
(10.52)
Las expresiones (10.52) y (10.51) definen la regla de factores estrellados, la cual establece
que si uno de los factores de un producto está estrellado, se puede evaluar su TEL llevando
el término no estrellado al dominio-s*. La ecuación (10.52) representa la relación entrada-
salida en el dominio-s* del bloque punteado en la figura 10.17, donde la función G *( s) se
reconoce como la función de transferencia de pulsos (FTP) del sistema de datos
muestreados y se define como:
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 30 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
Figura 10.18 E( s) E *( s) Y ( s) E( z) Y ( z)
Modelo discreto G( s ) Y *( s) G ( z)
equivalente del T
sistema de control de
datos muestreados. T
Las expresiones (10.53) y (10.55) permiten llegar al modelo equivalente del sistema de
datos muestreados de la figura 10.18, donde el muestreador ficticio en la salida del bloque
G( s) se usa para reconocer que el modelo de FTP permite calcular la salida Y *( s) o su
equivalente Y ( z) , en lugar de Y ( s) . Por lo tanto el modelo de FTP solo permite la
reconstrucción de los valores de la respuesta en cada instante de muestreo: y( nT ) .
Considerando que en la figura 10.17, G( s) incluye la FT del ZOH cuya FT viene dada por
(10.40), y que G( z) es el modelo equivalente de G( s) , obtenemos:
⎧ 1 − e− sT ⎫
G( z) = Z{G( s)} = Z ⎨ ⋅ G p ( s )⎬
⎩ s ⎭
⎧ G p ( s) ⎫
G( z) = (1 − z−1 ) ⋅ Z ⎨ ⎬ (10.56)
⎩ s ⎭
Ejemplo 10.13: Obtener modelo discreto equivalente del sistema mostrado en la figura
Modelo
equivalente
10.14, asumiendo T = 0.5 s y que el proceso está modelado por
discreto de un
1
sistema de datos G p ( s) =
muestreados. s+1
Solución: Aplicando (10.56) obtenemos
⎧ 1 ⎫
G ( z) = ( 1 − z − 1 ) ⋅ Z ⎨ −1
⎬ = ( 1 − z ) ⋅ G 1 ( z)
⎩ s( s + 1) ⎭
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.6 – MODELO DE UN SISTEMA DE DATOS MUESTREADOS 10 - 31
1 z z 1 z −z
R1( z) = ⋅ = R2 ( z) = ⋅ =
s + 1 z − e sT s =0 z−1 s z − e sT s =−1 z − 0.6065
T = 0.5 T = 0.5
Ejemplo 10.14: Comparar la respuesta escalón del modelo continuo del proceso G p ( s ) y su
Respuesta equivalente discreto G( z) del ejemplo anterior, donde:
escalón del
proceso y su 1
equivalente G p ( s) = , ZOH con T = 0.5 s
discreto. s+1
Solución: Del ejemplo anterior, el modelo discreto es
0.3935
G ( z) =
z − 0.6065
que puede verificarse usando MATLAB®:
» nGs=1; dGs=[1 1]
» T=0.5; [nGz,dGz]=ftpuls(nGs,dGs,T);
nGz = 0 0.3935 dGz = 1.0000 -0.6065
La respuesta escalón del modelo continuo es
1 1 1
Y ( s) = G p ( s) ⋅ U ( s) = ⋅ =
s + 1 s s( s + 1)
Usando la T6 de la tabla 10.1, para a = 1
y( t ) = 1 − e− t , t ≥ 0
La respuesta escalón del modelo equivalente discreto, usado FPI es
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 32 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
0.3935 z z z
Y ( z ) = G ( z) ⋅ U ( z ) = ⋅ = −
z − 0.6065 z − 1 z − 1 z − 0.6065
Usando T2 y T5 de la tabla 10.1, para 0.6065 = e− aT , T = 0.5 y a = 1
y( nT ) = 1 − e− nT , nT ≥ 0
La figura 10.19 muestra la respuesta escalón de los dos modelos, que se obtuvo
usando los siguientes comandos de MATLAB®,
» t=0:0.01:10; y=1-exp(-t); plot(t,y,'b-')
» T=0.5; n1=t(1)/T; n2=t(end)/T; n=n1:n2; nT=n*T;
» ynT=1-exp(-nT); hold on
» stairs(nT,ynT,'b:'), hold off
Figura 10.19
Respuesta escalón
del modelo continuo
del proceso y su
equivalente discreto.
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.6 – MODELO DE UN SISTEMA DE DATOS MUESTREADOS 10 - 33
Y * ( s) = {G( s) ⋅ E( s)}* = GE * ( s)
Por otro lado, la presencia del retensor (ZOH) hace posible que el modelo discreto
equivalente G( z) preserve la forma de la respuesta y( t ) . Se puede demostrar [Ogata95]
que esta condición se consigue si el número de polos de G( s) en la figura 10.18, excede en
2 al número de ceros, es decir cuando N − M ≥ 2 . Lo anterior implica que
lim sG( s ) = 0 (10.58)
s →∞
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 34 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
Figura 10.21
Efecto de la
diferencia entre polos
y ceros de G(s) en la
respuesta dinámica.
El siguiente ejemplo demuestra que la ausencia del ZOH impide que el modelo discreto
obtenido a partir del concepto de FTP preserve la forma de la respuesta escalón.
Ejemplo 10.15: Evaluar el efecto del retensor en la respuesta escalón del sistema del
Efecto del ejemplo anterior, asumiendo T = 1s y que en el cálculo de G( z) no se
retensor en la
respuesta incluye el ZOH.
escalón de G(z).
Solución: Usando T5 de la tabla 10.1 para T = 1 y a = 1 , el modelo discreto G( z) sin
incluir el ZOH es
⎧ 1 ⎫ z z
G( z) = Z{G p ( s)} = Z ⎨ ⎬= −T
=
⎩ s + 1⎭ z − e T =1 z − 0.3679
z2 z z
Y ( z) = = 1.5829 − 0.5820
( z − 1)( z − 0.3679) z−1 z − 0.3679
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.6 – MODELO DE UN SISTEMA DE DATOS MUESTREADOS 10 - 35
Figura 10.22
Respuesta escalón
del modelo continuo
del proceso y su
equivalente discreto,
sin incluir el ZOH.
Aplicando el teorema del valor inicial, se puede comprobar que la condición (10.58)
garantiza además que y(0 + ) = 0 , tal como se asumió en el desarrollo de (10.52).
En general se reconocen dos estrategias [Katz81] para la obtención del modelo discreto
equivalente de un filtro analógico:
- métodos directos
- métodos indirectos
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 36 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
Métodos directos
Ecuación Ecuación en
diferencial diferencias
Aproximación numérica
L Z
Figura 10.23
Fundamento de los Métodos indirectos
métodos de H ( s) H ( z)
transformación. Preservar características
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.7 – METODOS DIRECTOS DE TRANSFORMACION 10 - 37
∫ dy = − a ∫ y( t ) ⋅ dt + a ∫ x( t ) ⋅ dt
y1 t1 t1
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 38 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
x( t ), y( t )
Figura 10.24
Regla del rectángulo
del lado derecho en
el método de la
diferencia anterior. t
( n − 1)T nT
z−1 1
s= ⇔ z= (10.67)
Tz 1 − sT
Si se analiza la correlación entre el plano-s y el plano-z se pueden identificar algunas
características asociadas con este método de transformación. En efecto, considerando los
puntos del semiplano izquierdo (SPI) del plano-s, obtenemos
⎧ z − 1⎫
Re ( s) < 0 ⇔ Re ⎨ ⎬<0 (10.68)
⎩ Tz ⎭
Evaluando la expresión en el plano-z
⎧ z − 1⎫ 1 ⎧ x + jy − 1⎫ 1 ⎧ x 2 − x + y 2 + jy ⎫
Re ⎨ ⎬ = Re ⎨ ⎬ = Re ⎨ ⎬<0
⎩ Tz ⎭ T ⎩ x + jy ⎭ T ⎩ x2 + y 2 ⎭
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.7 – METODOS DIRECTOS DE TRANSFORMACION 10 - 39
Luego, los puntos del SPI del plano-s se transforman en puntos en el plano-z dentro de un
círculo inscrito dentro del círculo unitario, tal como se muestra en la figura 10.25.
jy
jω
Figura 10.25
Correspondencia
entre el plano-s y el σ x
plano-z en el método ½
de la diferencia
anterior.
Sin embargo, analizando los puntos del eje-jω, es posible descubrir que el modelo H ( z)
del filtro discreto presenta distorsión en la respuesta de frecuencia, respecto del filtro
continuo original H ( s) . En efecto, evaluando (10.67) para s = j ω , obtenemos
1
z=
1 − jωT
Usando esta expresión podemos identificar los siguientes puntos característicos:
ωT = 0, z = 1∠0º
ωT = 1, z = (1 + j ) / 2 = 0.5 + j 0.5 (10.70)
ωT = ∞ , z = 0
s = j ω A ⇔ z = e j Ω D = e j ω DT (10.71)
siendo ω D el valor equivalente en rad/s de Ω D en rad.
Sustituyendo (10.71) en (10.67)
e j Ω D − 1 cos( Ω D ) − 1 + jsen( Ω D )
j ω AT = =
e jΩ D cos( Ω D ) + jsen( Ω D )
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 40 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
Ejemplo 10.16: Obtener el modelo discreto equivalente del siguiente filtro analógico pasa-
Modelo discreto bajo, utilizando el método de la diferencia anterior, asumiendo T=0.1s.
equivalente
usando método
10
de la diferencia H ( s) =
anterior. s + 10
Solución: Aplicando la regla de transformación (10.67) para T=0.1s obtenemos
10 10 10Tz 0.5 z
H ( z) = = = =
s + 10 z−1
+ 10 z − 1 + 10Tz T =0.1 z − 0.5
z− 1
s=
Tz
Tz
Usando MATLAB® se puede verificar este resultado
» nHs=[0 10]; dHs=[1 10];
» T=0.1; [nHz,dHz]=danterior(nHs,dHs,T)
nHz = 0.5000 0
nHz = 1.0000 -0.5000
10 K 1
H ( jωB ) = = DCs = = 0.7071
j ω B + 10 2 2
que se reduce a
10 1
=
ω + 100
2
B
2
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.7 – METODOS DIRECTOS DE TRANSFORMACION 10 - 41
0.5 z
H ( e jΩ B ) = = 0.5935 pu
z − 0.5 z= e j 1
Usando MATLAB® es posible verificar estos resultados
» wB=10, HjwB=polyval(nHs,j*wB)/polyval(dHs,j*wB)
» Ew=exp(j*wB*T); HjWB=polyval(nHz,Ew)/polyval(dHz,Ew);
» magHjwB=abs(HjwB), magHjWB=abs(HjWB)
magHjwB = 0.7071 magHjWB = 0.5935
Figura 10.26
Respuesta impulso y
respuesta escalón en
el método de la
diferencia anterior.
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 42 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
x( t ), y( t )
Figura 10.27
Regla del trapecio en
el método de la t
transformación
bilineal o de Tustin.
( n − 1)T nT
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.7 – METODOS DIRECTOS DE TRANSFORMACION 10 - 43
a
H ( z) = (10.74)
2 1 − z−1
× +a
T 1 + z−1
Comparando (10.74) con el modelo continuo dado en (10.59), podemos conseguir la regla
de transformación del método de transformación bilineal o de Tustin, como:
2 z−1 1 + sT / 2
s= × ⇔ z= (10.75)
T z+1 1 − sT / 2
2 x + jy − 1 2 ( x − 1 + jy )( x + 1 − jy )
s= × = ×
T x + jy + 1 T ( x + 1)2 + y 2
Considerando los puntos en el SPI del plano-s, es fácil demostrar que
Re {s} < 0 ⇔ x2 + y 2 < 1 (10.76)
que corresponde a los puntos dentro del círculo unitario en el plano-z, tal como se muestra
en la figura 10.28. Se logra así relación uno-a-uno entre puntos del SPI del plano-s y
puntos del círculo unitario del plano-z, garantizando estabilidad absoluta y sin efecto de
solapamiento o “aliasing”.
jy
jω
Figura 10.28 σ x
Correspondencia
⇔
entre el plano-s y el
plano-z en el método
de la transformación
bilineal o de Tustin.
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 44 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
2 e jΩ D − 1 2 2 sen( Ω D / 2) 2
jω A = × j Ω DT = ×j = j tan( Ω D / 2)
T e +1 T 2 cos( Ω D / 2) T
Por lo tanto
2 ⎛Ω ⎞ ⎛ω T ⎞
ωA = tan ⎜ D ⎟ ⇔ Ω D = 2tan −1 ⎜ A ⎟ (10.79)
T ⎝ 2 ⎠ ⎝ 2 ⎠
Ejemplo 10.17: Obtener el modelo discreto equivalente del siguiente filtro analógico pasa-
Modelo discreto bajo, utilizando el método de la transformación bilineal, para T = 0.1s .
equivalente
usando 10
transformación H ( s) =
bilineal o de s + 10
Tustin.
Evaluar además el efecto de distorsión y desplazamiento de frecuencia.
Solución: Utilizando la regla de transformación (10.75) para T=0.1s
10 10 0.3333( z + 1)
H ( z) = = =
s + 10 2( z − 1) 20( z − 1) z − 0.3333
s=
T ( z + 1) + 10
z+1
Utilizando MATLAB® se puede verificar este resultado
» nHs=[0 10]; dHs=[1 10];
» T=0.1; Fm=1/T;
» [nHz,dHz]=bilinear(nHs,dHs,Fm)
nHz = 0.3333 0.3333
dHz = 1.0000 -0.3333
10 0.3333( z + 1)
K DCs = = 1 y K DCz = =1
s + 10 s=0 z − 0.3333 z=1
Por lo tanto este método preserva la ganancia DC. Para verificar la distorsión
de frecuencia evaluamos la magnitud de la RDF de cada modelo para el ancho
de banda ω A = 10 rad/s del modelo analógico, obtenemos
10
H ( s ) s = j 10 = = 0.7071 pu
j 10 + 10 s = j 10
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.7 – METODOS DIRECTOS DE TRANSFORMACION 10 - 45
Figura 10.29
Respuesta impulso y
respuesta escalón en
el método de la
transformación
bilineal o de Tustin.
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 46 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
Figura 10.30
Desplazamiento de ωA ωA p ω
frecuencia en la
transformación ωD ωD p
bilineal o de Tustin.
2 ⎛ ω pT ⎞
ω pd = tan ⎜ ⎟ (10.80)
T ⎝ 2 ⎠
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.7 – METODOS DIRECTOS DE TRANSFORMACION 10 - 47
1 10.9260
H p ( s) = =
( s / 10.9260) + 1 s + 10.9260
Transformando al dominio-z mediante la regla de Tustin (10.75)
10.9260 10.9260( z + 1) 0.3533( z + 1)
H ( z) = = =
2 ⎛ z− 1⎞ 20( z − 1) + 10.9260( z + 1) z − 0.2934
⎜ ⎟ + 10.9260
0.1 ⎝ z + 1 ⎠
Los comandos de MATLAB® que permiten verificar este resultado son
» T=0.1; wB=10; wp=(2/T)*tan(wB*T/2);
» nHps=wp; dHps=[1 wp];
» Fm=1/T; [nHz,dHz]=bilinear(nHps,dHps,Fm)
nHz = 0.3533 0.3533
dHz = 1.0000 -0.2934
0.3533(0.5403 + j 0.8415 + 1)
H ( z) z=ε j 10 T = = 0.7071 pu
0.5403 + j 0.8415 − 0.2934
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 48 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
2 z−1
s= × (10.81)
Tp z + 1
2 ⎛ ω pT ⎞
ωp = tan ⎜ ⎟ (10.82)
Tp ⎝ 2 ⎠
Despejando Tp de la ecuación (10.82), obtenemos
2
Tp = tan( ω pT / 2) (10.83)
ωp
El siguiente ejemplo muestra el uso del método de la frecuencia crítica para preservar la
frecuencia de corte de un filtro tipo ranura (notch).
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.7 – METODOS DIRECTOS DE TRANSFORMACION 10 - 49
s 2 + 0.2 s + 100
H ( s) = 2
s + 10 s + 100
Solución: Aplicando (10.83) para ω p = 10 rad/s y T = 0.01 s
2
Tp = tan(10 × 0.01/ 2) = 0.01000834 s
10
Aplicando el método de Tustin para Tp = 0.01000834 s , obtenemos:
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 50 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
Figura 10.31 δ( nT ) h( nT )
δ( t ) h( t )
Fundamento del H ( s) ⇔ H ( z)
método que preserva
la respuesta impulso.
que es la regla de transformación de este método, la cual indica que el modelo discreto
debe obtenerse aplicando la TZ al modelo continuo. Por esta razón se reconoce también
cono el método de la transformada- Z y para el desarrollo del modelo digital, puede
usarse la tabla 10.1 o el método de residuos modificado presentado en la sección 10.3.
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.8 – METODOS INDIRECTOS DE TRANSFORMACION 10 - 51
1 k=∞
H *( s) = ∑ H ( s + j kωm )
T k=−∞
(10.86)
Lo anterior implica que la RDF del modelo discreto obtenido a través de (10.85), además
de ser periódica y presenta escalamiento de amplitud 1/T . Para lograr un modelo discreto
compensado en ganancia, se debe usar la siguiente regla de transformación
Ejemplo 10.20: Obtener el modelo discreto del filtro continuo dado a continuación, usando
Modelo discreto
el método que preserva la respuesta impulso, para T = 0.1s .
equivalente
usando el
10
método de la H ( s) =
transformada-Z s + 10
Solución Aplicando la regla de transformación (10.85) y usando la tabla 10.1 o
aplicando el método de residuos modificado (10.13)
z 10 z
H ( z) = 10 =
z − e sT s =−10 z − 0.3679
T = 0.1
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 52 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
H ( s) s = j 10 = 0.7071 pu HT ( z) z= e j = 1.1642 pu
Figura 10.32
Respuesta impulso y
respuesta escalón en
el método de la TZ.
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.8 – METODOS INDIRECTOS DE TRANSFORMACION 10 - 53
que se deben ser tomadas como referencia para identificar el ancho de banda
del filtro analógico y del filtro digital.
H ( e jΩ )
Figura 10.33
Desplazamiento de
frecuencia en el H ( jω)
método de la TZ.
Como se trata de una función del TBS, debe interpretarse en la forma DSP, como
1 z
H T ( z) = −1
=
1 − 0.3679 z z − 0.3679
que concuerda con la expresión del ejemplo 10.19.
En los métodos indirectos no es posible desarrollar una expresión algebraica que permita
evaluar analíticamente el desplazamiento de frecuencia, similar a la ecuación (10.72) del
método de la diferencia anterior o (10.79) del método de la transformación bilineal. Sin
embargo, el ancho de banda ω B [rad/s ] de H ( s ) se consigue resolviendo
1
H ( s) s = j ω = H ( s) s =0 (10.88)
B
2
De modo similar, para lograr el ancho de banda Ω B [rad ] de H ( z) , debemos resolver
1
H T ( z) z = e j Ω B = H T ( z) z = 1 (10.89)
2
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 54 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
Este resultado concuerda con la figura 10.35. Se puede demostrar que para T = 0.01 s se
obtiene una solución aproximada de Ω D ≈ 0.1001 rad ≡ 10.0100 rad/s .
Con base en los resultados del ejemplo 10.19 podemos resumir las características del
método de la transformada-Z, como:
Figura 10.34 u( t ) y( t ) u( nT ) y( nT )
Fundamento del H ( s) H ( z)
método que preserva
la respuesta escalón.
y( nT ) ≡ y( t ) ⇔ Y ( z) = Z{ Y ( s)} (10.90)
z ⎧ H ( s) ⎫
Y ( z) = ⋅ H ( z) = Z{Y ( s)} = Z ⎨ ⎬
z−1 ⎩ s ⎭
Despejando H ( z) obtenemos finalmente
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.8 – METODOS INDIRECTOS DE TRANSFORMACION 10 - 55
⎧ H ( s) ⎫
H ( z) = (1 − z−1 )Z ⎨ ⎬ (10.91)
⎩ s ⎭
La expresión anterior es la misma que se obtuvo como (10.56) para el modelo discreto del
proceso, aplicando el concepto de función de transferencia de pulsos (FTP). La figura
10.35 muestra la interpretación gráfica de la ecuación (10.91).
H ( z)
Figura 10.35
Interpretación gráfica X ( s) Y ( z)
del método que ZOH H ( s)
preserva la respuesta T
escalón.
Sin embargo, en este caso no existe el dispositivo M-R y por la similitud de los dos
resultados, se reconoce como el método del ZOH+TZ, donde, el muestreador y el retensor
(ZOH) de la figura 10.35 son ficticios.
Ejemplo 10.21: Obtener el modelo discreto del filtro continuo dado a continuación, usando
Modelo discreto
el método que preserva la respuesta escalón, para T = 0.1 s :
equivalente
usando el
10
método H ( s) =
ZOH+TZ s + 10
Solución Utilizando (10.91) y aplicando el método de residuos modificado,
⎧ 10 ⎫ 0.6321
H ( z) = (1 − z−1 )Z ⎨ ⎬=
⎩ s( s + 10) ⎭ z − 0.3679
Este resultado puede verificarse usando la función especial ftpuls()
» nHs=10; dHs=[1 10];
» T=0.1, [nHz,dHz]=ftpuls(nHs,dHs,T)
nHz = 0.6321 dHz = 1.0000 -0.3679
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 56 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
Se puede demostrar que para T = 0.001 s se logra una magnitud del modelo
discreto de 0.7071 pu . Por lo tanto el efecto de distorsión de frecuencia, es
menos acentuado que en el método de la TZ.
» w=0.1:0.01:2*pi/T;
» HjW=freqz(nHz,dHz,w*T); magHjW=abs(HjW);
» kDC=polyval(nHs,0)/polyval(dHs,0);
» k=min(find(magHjW<=kDC/sqrt(2)));
» wBD=w(k)
wBD = 10.9700
Figura 10.36
Respuesta impulso y
respuesta escalón
del método ZOH+TZ.
A partir de los resultados anteriores, las características del método que preserva la
respuesta escalón o método del ZOH+TZ, pueden resumirse en:
zk = e s kT (10.92)
La ecuación (10.92) se utilizó en la sección 10.2 para establecer la correlación entre puntos
del plano-s y del plano-z de un sistema de datos muestreados, tal como se muestra en la
figura 10.9. Por lo tanto, para lograr una relación uno-a-uno, la ecuación (10.92) solo debe
aplicarse a los polos y ceros finitos de H ( s) que se están dentro de la franja fundamental.
Ejemplo 10.22: Obtener el modelo discreto del filtro continuo dado a continuación, usando
Modelo discreto el método de transformación de polos y ceros, para T = 0.1 s :
usando el
método de 10
transformación H ( s) =
de polos y ceros. s + 10
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 58 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
1
H ( s ) s =0 = H ( z) z=1 = kc =1
z − 0.3679 z= 1
Las características de este método indirecto de transformación son similares a las del
método ZOH+TZ que preserva la respuesta escalón, con excepción de que no existe
solapamiento de frecuencias ni efecto de aliasing por la relación uno-a-uno aplicada en el
proceso de transformación de los polos y ceros del modelo analógico:
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.8 – METODOS INDIRECTOS DE TRANSFORMACION 10 - 59
Sin embargo como se demostró en la sección 5.2, la mayor parte de estos modelos han sido
desarrollados para los filtros analógicos pasa-bajo como: Butterworth, Chebyshev I,
Chebyshev II, Elíptico, entre otros. Para obtener otros filtros analógicos selectivos de
frecuencia se puede aplicar la técnica de transformación de la banda de frecuencia (TBF)
[Mitra06] que puede realizarse en el dominio-s o en el dominio-z, tal como se muestra en
la figura 10.37.
Estrategia-1
La primera estrategia es utilizada por las funciones del TBS de MATLAB® y será aplicada
en esta sección para obtener el modelo digital H ( z) , a partir del modelo analógico H ( s ) .
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 60 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
2 ⎛ Ωc i ⎞
ωci= tan ⎜ ⎟ (10.93)
T ⎝ 2 ⎠
Como esta estrategia utiliza dos veces la transformación bilineal, en sentido inverso en el
paso-1 y luego en sentido directo en el paso-4, el valor de T no tiene efecto y por lo tanto
puede asumirse cualquier valor, por ejemplo T = 1 .
donde ω0 es la frecuencia analógica del filtro pasa-bajo original y ωc la del nuevo filtro
pasa-bajo. Si embargo asumiendo ω0 = ωc , no se requiere transformación de la banda de
frecuencia y por lo tanto se pueden omitir las etapas 2 y 4 del procedimiento general.
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.9 – FILTRO DIGITAL A PARTIR DEL FILTRO ANALOGICO 10 - 61
2 ⎛ 0.25π ⎞
ω c = tan ⎜ ⎟ = 0.8284 rad/s
1 ⎝ 2 ⎠
⎧ p1 = −0.8284
polos de H PB ( s) = ⎨
⎩ p2,3 = −0.4142 ± j 0.7174
Aplicando (5.34)
ω03 0.5865
H PB ( s) = = 3
( s − p1 )( s − p2 )( s − p3 ) s + 1.6569 s + 1.3726 s + 0.5865
2
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 62 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
Figura 10.38
Respuesta de
frecuencia del filtro
digital pasa-bajo de
Butterworth.
En el ejemplo anterior utilizó la función butter() del TBS de MATLAB®, para obtener la
FT de un filtro pasa-bajo analógico H PB ( s ) de Butterworth de orden N y frecuencia de
corte ωc en rad/s, que es el punto de partida de la estrategia 1 mostrada en la figura 10.37.
Sin embargo, aplicando, esta misma función es posible obtener directamente la FT del
filtro digital H ( z) de orden N, a partir de la frecuencia de corte digital normalizada Ω c
expresada en unidades de π .
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.9 – FILTRO DIGITAL A PARTIR DEL FILTRO ANALOGICO 10 - 63
2 ⎛ 0.25π ⎞
ω c = tan ⎜ ⎟ = 0.8284 rad/s
1 ⎝ 2 ⎠
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 64 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
Simplificando obtenemos
s3
H ( s) =
s 3 + 1.6569 s2 + 1.3726 s + 0.5865
Este resultado puede verificarse usando lp2hp() de MATLAB®:
» [nH1s,dH1s]=butter(N,1,'s'); %filtro pasa-bajo wc=1
» w0=0.8284; [nHs,dHs]=lp2hp(nH1s,dH1s,w0)
nHs = 1.0000 0.0000 0.0000 0.0000
dHs = 1.0000 1.6569 1.3726 0.5685
Figura 10.39
Respuesta de
frecuencia del filtro
digital pasa-bajo de
Butterworth.
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.9 – FILTRO DIGITAL A PARTIR DEL FILTRO ANALOGICO 10 - 65
que coincide con el resultado logrado al aplicar los métodos de transformación. El TBS de
MATLAB® incluye las siguientes funciones para aplicar la TBF:
[nHs,dHs]=lp2lp(nHPBs,dHPBs,wc)
[nHs,dHs]=lp2hp(nHPBs,dHPBs,wc)
[nHs,dHs]=lp2bp(nHPBs,dHPBs,wc,wB)
[nHs,dHs]=lp2bs(nHPBs,dHPBs,wc,wB)
donde nHPBs y dHPBs son vectores del numerador y denominador de la FT del filtro pasa-
bajo H PB ( s) con frecuencia de corte normalizada ω0 = 1 rad/s . En los dos primeros casos,
wc es la frecuencia de corte en rad/s del filtro resultante. En los dos últimos casos, wc es la
frecuencia central y wB el ancho de banda en rad/s, del filtro resultante. Los vectores nHs y
dHs contienen el numerador y denominador del filtro resultante H ( s) . Estas funciones
exigen que el filtro pasa-bajo original tenga una frecuencia de corte normalizada (ω0 = 1) ,
tal como se mostró en el ejemplo 10.24.
donde ωc 1 y ωc 2 son las frecuencias de corte del filtro pasa-banda analógico resultante
H ( s ) , calculadas como valores predesplazados (10.93) de las frecuencias digitales Ω c 1 y
Ω c 2 . La frecuencia del filtro analógico pasa-bajo ω0 rad/s se evalúa como
ω0 = ωc 1 × ωc 2 (10.97)
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 66 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
2 ⎛ 0.25π ⎞ 2 ⎛ 0.75π ⎞
ω c 1= tan ⎜ ⎟ = 0.8284 rad/s ω c 2 = tan ⎜ ⎟ = 4.8284 rad/s
1 ⎝ 2 ⎠ 1 ⎝ 2 ⎠
2. Frecuencia de corte del filtro pasa-bajo: H PB ( s )
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.9 – FILTRO DIGITAL A PARTIR DEL FILTRO ANALOGICO 10 - 67
Figura 10.40
Respuesta de
frecuencia del filtro
digital pasa-banda de
Butterworth.
» [num,den]=butter(N,[0.25 0.75])
num = 0.1667 0 -0.5000 0 0.5000
0 -0.1667
den = 0.0000 -0.0000 0.0000 0.0000 0.3333
0.0000 0.0000
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 68 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
2 ⎛ 0.25π ⎞ 2 ⎛ 0.75π ⎞
ω c 1= tan ⎜ ⎟ = 0.8284 rad/s ω c 2 = tan ⎜ ⎟ = 4.8284 rad/s
1 ⎝ 2 ⎠ 1 ⎝ 2 ⎠
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.9 – FILTRO DIGITAL A PARTIR DEL FILTRO ANALOGICO 10 - 69
s6 + 12 s 4 + 48 s 2 + 64
H ( s) = 6
s + 8 s 5 + 44 s 4 + 128 s 3 + 176 s2 + 128 s + 64
Este resultado se puede verificar usando la función lp2hp() de MATLAB®:
» [nH1s,dH1s]=butter(N,1,'s');
» Dw=wc2-wc1; [nHs,dHs]=lp2bs(nH1s,dH1s,w0,Dw)
nHs = 1.0000 0 12.0000 0 48.0000
0 64.0000
dHs = 1.0000 8.0000 44.0000 128.0000 176.0000
128.0000 64.0000
Figura 10.41
Respuesta de
frecuencia del filtro
digital rechazo-banda
de Butterworth.
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 70 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
2 ⎛ 0.25π ⎞
ω c = tan ⎜ ⎟ = 0.8284 rad/s
1 ⎝ 2 ⎠
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.9 – FILTRO DIGITAL A PARTIR DEL FILTRO ANALOGICO 10 - 71
s3
H ( s) =
s 3 + 2.0882 s2 + 1.3806 s + 1.1572
Verificamos usando lp2hp() del TBS de MATLAB®:
» [nH1s,dH1s]=cheby1(N,,Rp,1,'s');
» w0=0.8284; [nHs,dHs]=lp2hp(nH1s,dH1s,w0)
nHs = 1.0000 0.0000 0.0000 -0.0000
dHs = 1.0000 2.0882 1.3806 1.1572
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 72 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
Figura 10.42
Respuesta de
frecuencia del filtro
digital pasa-banda
Chebyshev tipo I.
Para identificar la frecuencia de corte Ω c = 0.25π rad del filtro Chebyshev tipo I, fue
necesario dibujar la línea correspondiente al rizado R p [ dB] de la banda de paso, que
expresada en pu, viene dada por [Mitra06]:
− R p / 20
R = 10 pu (10.99)
El primer bloque presenta las tres fases de la estrategia-1 de diseño de la figura 10.36:
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.9 – FILTRO DIGITAL A PARTIR DEL FILTRO ANALOGICO 10 - 73
Figura 10.43
Diseño de filtros
IIR prototipos, Estimación de parámetros de diseño
usando MATLAB®. buttord cheb1ord cheb2ord ellipord
Las funciones del bloque “Diseño directo de filtros IIR” se pueden usar para el diseño
del filtro analógico IIR de cualquier tipo. Su sintaxis general es:
[nHs,dHs]=butter(N,wc,tipo,'s')
[nHs,dHs]=cheby1(N,Rp,wc,tipo,'s')
[nHs,dHs]=cheby2(N,As,wc,tipo,'s')
[nHs,dHs]=ellip(N,Rp,As,wc,tipo,'s')
Estas funciones pueden usarse para el diseño directo del filtro digital IIR de cualquier tipo,
si se omite la opción 's'. Su sintaxis es
[nHz,dHz]=butter(N,Wcn,tipo)
[nHz,dHz]=cheby1(N,Rp,Wcn,tipo)
[nHz,dHz]=cheby2(N,As,Wcn,tipo)
[nHz,dHz]=ellip(N,Rp,As,Wcn,tipo)
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 74 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
donde el argumento Wcn sigue las reglas del modelo analógico, pero deben ser frecuencias
normalizadas en unidades de π, intervalo [0,1] . El algoritmo de estas opciones se basa en
la estrategia-1 de la figura 10.36, que utiliza transformación de la banda de frecuencia en
el dominio-s para construir el modelo analógico deseado H ( s) y transformación bilineal
para lograr filtro digital H ( z) .
El diseño de un filtro digital IIR [Mitra06] se inicia con la estimación del orden N del
filtro, a partir de un conjunto de especificaciones de diseño que incluyen las frecuencias de
transición entre las bandas de paso y los requerimientos de rizado de la banda de paso
( R p ) y atenuación de la banda de rechazo ( A s ) expresados en dB.
En el último bloque de la figura 10.42 se muestran las funciones usadas para estimar el
orden N de cada modelo de filtro. Su sintaxis es:
[N,Wcn]=buttord(Wpn,Wsn,Rp,As)
[N,Wcn]=cheb1ord(Wpn,Wsn,Rp,As)
[N,Wcn]=cheb2ord(Wpn,Wsn,Rp,As)
[N,Wcn]=ellipord(Wpn,Wsn,Rp,As)
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.9 – FILTRO DIGITAL A PARTIR DEL FILTRO ANALOGICO 10 - 75
Ejemplo 10.28: Diseñar un filtro digital rechaza-banda Chebyshev tipo II, con las
Diseño de filtro siguientes especificaciones, asumiendo frecuencia de muestreo f = 4 kHz
m
digital rechaza-
banda Elíptico f p 1 = 0.6 kHz f s 1 = 0.8 kHz f s 2 = 1.2 kHz f p 2 = 1.4 kHz
usando MATLAB®
con máximo rizado en la banda de paso R p = 2 dB y mínima atenuación en
la banda de rechazo A s = 20 dB .
Solución Aplicando (10.101) las frecuencias digitales normalizadas son:
Ω p 1n = 2 × 0.6 / 4 = 0.3 Ω s 1n = 2 × 0.8 / 4 = 0.4
Ω s 2 n = 2 × 1.2 / 4 = 0.6 Ω p 2 n = 2 × 1.4 / 4 = 0.7
Aplicando la función cheb2ord() del TBS de MATLAB®, obtenemos los
parámetros de diseño del filtro digital:
» fp1=0.6, fs1=0.8, fs2=1.2, fp2=1.4, Rp=2, As=20
» fm=4, Wp1n=2*fp1/fm, Ws1n=2*fs1/fm, Ws2n=2*fs2/fm
» Wp2n=2*fp2/fm; Wpn=[Wp1n Wp2n]; Wsn=[Ws1n Ws2n];
» [N,Wcn]=cheb2ord(Wpn,Wsn,Rp,As)
N = 3 Wc = 0.3680 0.6320
Con estos parámetros y la función cheby2() obtenemos la FT del filtro digital:
» [nHz,dHz]=cheby2(N,As,Wcn,'stop')
nHz = 0.3920 0.0000 0.9769 0.0000 0.9769 0.0000 0.3920
dHz = 1.0000 0.0000 0.9299 0.0000 0.6596 0.0000 0.1484
Interpretando resultados:
0.3920 z6 + 0.9769 z4 + 0.9769 z2 + 0.3920
H ( z) =
z6 + 0.9299 z4 + 0.6596 z2 + 0.1484
La figura 10.44 muestra la respuesta de frecuencia del filtro digital.
Figura 10.44
Diseño completo
de filtro digital IIR
rechaza-banda,
Chebyshev tipo II,
usando MATLAB®.
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 76 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
Comentarios:
El análisis en el dominio-ω permitió reconocer que una señal continua x( t ) , cuyo espectro
X ( jω) es aperiódico y de banda limitada, al ser muestreada se transforma en un espectro
X *( jω) periódico con período ωm = 2π / T , reconocida como la frecuencia de muestreo en
rad/s. Finalmente, se demostró que la reconstrucción en el dominio-ω se reduce a un problema
de filtrado efectuado por el retensor. La reconstrucción se consigue mediante un filtro pasa-bajo
ideal de amplitud 1/T y ancho de banda ω N = π / T rad/s , siempre que se cumpla con el
teorema de muestreo.
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.10 – RESUMEN Y CONCEPTOS IMPORTANTES 10 - 77
Se analizaron las dos estrategias utilizadas para obtener la FT de un filtro IIR digital H ( z)
a partir del prototipo analógico H ( s ) , cuyo fundamento es la transformación de la banda de
frecuencia (TBF) y los métodos de transformación del dominio-s al dominio-z. Aplicando la
primera estrategia se desarrolló un procedimiento basado en la transformación bilineal (TBL) y
la TBF en el dominio-s, para obtener la FT de un filtro digital IIR selectivo de frecuencia H ( z) ,
a partir del prototipo analógico pasa-bajo H PB ( s) , que es el fundamento de las funciones del
Toolbox de Señales de MATLAB®.
Finalmente se analizó la estrategia utilizada por las funciones del Toolbox de Señales de
MATLAB® para el diseño directo del filtro analógico o digital IIR selectivo de frecuencia a partir
del orden N y de sus frecuencias de corte o frecuencias características. Para estimar el orden N
del filtro se utilizaron funciones que se basan en satisfacer requerimientos de diseño de rizado de
la banda de paso ( R p ) y atenuación de la banda de rechazo ( A s ) , según el prototipo del filtro
deseado: Butterworth, Chebyshev o Elíptico.
A continuación se presenta una relación de los términos y conceptos que fueron abordados
en este capítulo y que pueden ser una buena referencia para la evaluación del aprendizaje de los
temas desarrollados.
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 78 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10.10 – RESUMEN Y CONCEPTOS IMPORTANTES 10 - 79
2 ⎛Ω ⎞ ⎛ω T ⎞
34. Plano-s v/s plano-z en TBL: ω A = tan ⎜ D ⎟ ⇔ Ω D = 2tan−1 ⎜ A ⎟
T ⎝ 2 ⎠ ⎝ 2 ⎠
35. Función del TBS: [nHz,dHz]=bilinear(nHs,dHs,1/T)
36. Características del método de Tustin.
37. Método de Tustin con predesplazamiento: preservar frecuencia ω p .
2 ⎛ ω pT ⎞
38. Frecuencia predesplazada: ω pd = tan ⎜ ⎟.
T ⎝ 2 ⎠
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 80 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
PROBLEMAS DE REFUERZO
Encuentre dos señales continuas, que al ser muestreadas a una frecuencia de 2 kHz ,
puedan generar a x[ n] . Con ayuda de MATLAB® dibuje en un solo gráfico las señales
continuas y la señal discreta anterior.
P10.3 Para evitar aliasing, la frecuencia de muestreo de la señal continua x( t ) = 5 cos(8 π t ) debe
ser ωm = 2 × 8 π = 16π rad/s . Determine ωm de las siguientes señales:
a. x1( t ) = x(3t )
dx( t )
b. x2 ( t ) =
dt
c. x3 ( t ) = cos( π t ) x( t )
d. x4 ( t ) = x( t − 0.25)
Sugerencia: Aplique las propiedades de la transformada de Fourier en tiempo continuo.
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
PROBLEMAS DE REFUERZO 10 - 81
P10.5 Con base en el problema P10.4, demuestre que si una señal continua
x( t ) = A cos(2π f0 t + θ) es muestreada con una frecuencia f m < 2 f0 se presenta efecto de
aliasing y la señal reconstruida es x( t ) = Acos(2π f a t + θ) , donde la frecuencia de aliasing
f a debe estar en el intervalo f = [ − 21 f m , 21 f m ] .
Sugerencia: Para lograr esta condición, la frecuencia de aliasing debe calcularse como
f a = f0 − k f m siendo k un entero.
P10.6 Utilice la propiedad demostrada en el problema P10.5 para obtener la señal reconstruida
x( t ) en los casos b. y c. del problema P10.4.
P10.7 Dada la señal continua:
x( t ) = 10 cos(100π t ) + 5 sen(800π t ) + 2 sen(1600π t ) + 6 cos(2500π t )
P10.10 Utilizando la relación con la TZ, obtenga la TEL de las señales del problema P10.9.
P10.11 Utilizando el método de residuos modificado obtenga la TZ equivalente de las siguientes
señales, asumiendo T = 0.5 s .
2 5
a. X1( s) = b. X2 ( s) =
s( s + 1) s ( s + 1)
2
2 5
c. X3 ( s) = d. X4 ( s ) =
s( s + 2 s + 5)
2
( s + 1) ( s 2 + s + 1)
2
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 82 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
P10.13 Suponga que en la figura 10.17 e( t ) = e−2 t , T = 0.5 s y que la FT del proceso es
1
G p ( s) =
s+1
a.Obtenga la forma analítica de y( t ) sin incluir el dispositivo M-R.
b.Obtenga la forma analítica de y( nT ) incluyendo el muestreador y el ZOH.
c.Obtenga la forma analítica de y m ( nT ) incluyendo solo el muestreador.
d.Usando MATLAB® dibuje las tres respuestas en una sola gráfica y evalúe el efecto de la
presencia del ZOH.
Verifique sus resultados usando resimod() y ftpuls().
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
PROBLEMAS DE REFUERZO 10 - 83
P10.17 La FT del filtro tipo ranura (notch) del ejemplo 10.19 puede modificarse para filtrar la
frecuencia de 60Hz, como:
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 84 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
P10.19 Usando el método de transformación de polos y ceros, obtenga el modelo discreto del
filtro analógico del problema P10.18, asumiendo que se debe preservar la ganancia en
alta frecuencia. Verifique el resultado usando la función especial transpz().
P10.22 Se desea obtener un filtro IIR digital pasa-bajo Chebyshev tipo I de orden-4, con
frecuencia de corte Ω c = 0.3π rad y rizado R p = 2 dB en la banda de paso:
a. Usando predesplazamiento, calcule la frecuencia de corte ωc en rad/s del filtro
analógico pasa-bajo.
b. Usando la función cheby1() obtenga la FT del filtro analógico pasa-bajo.
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
PROBLEMAS DE REFUERZO 10 - 85
P10.23 Repita el problema P10.22 para obtener un filtro IIR digital pasa-bajo Chebyshev tipo II
de orden-4, con frecuencia de corte Ω c = 0.3π rad y atenuación A s = 20 dB en la banda
de rechazo. Utilice la función cheby2() en los ítems b. y d.
P10.24 Repita el problema P10.22 para un filtro IIR digital pasa-bajo Elíptico de orden-4, con
frecuencia de corte Ω c = 0.3π rad , rizado R p = 2 dB en la banda de paso y atenuación
A s = 20 dB en la banda de rechazo. Use la función ellip() en los ítems b. y d.
P10.25 Se desea obtener un filtro IIR digital pasa-alto de Butterworth de orden-4, con
frecuencia de corte Ω c = 0.3π rad :
a. Usando predesplazamiento, calcule la frecuencia de corte ωc en rad/s del filtro
analógico pasa-bajo.
b. Determine analíticamente la FT del filtro analógico pasa-bajo. Verifique su resultado
usando la función butter() de MATLAB®.
c. Aplicando transformación de la banda de frecuencia (TBF) obtenga la FT del filtro
analógico pasa-alto. Verifique su resultado usando la función lp2hp().
d. Usando transformación bilineal, obtenga analíticamente la FT del filtro digital pasa-
alto. Verifique su resultado usando la función bilinear() de MATLAB®.
e. Obtenga directamente la FT del filtro digital pasa-alto usando la función butter()
de MATLAB®. Compare este resultado el valor obtenido en d.
f. Usando MATLAB® obtenga la RDF del filtro digital y verifique la característica de la
respuesta de magnitud: plana en la banda de paso y en la banda de rechazo.
P10.26 Se desea obtener un filtro IIR digital pasa-banda Chebyshev tipo I de orden-6, con
frecuencias Ω c 1 = 0.3π rad , Ω c 2 = 0.7 π rad y rizado R p = 2 dB en la banda de paso.
a. Usando predesplazamiento, calcule las frecuencias de corte ωc 1 y ωc 2 en rad/s del
filtro analógico pasa-banda.
b. Usando TBF en sentido inverso obtenga la frecuencia de corte ω0 del filtro pasa-
bajo analógico.
c. Usando la función cheby1() obtenga la FT del filtro analógico pasa-bajo.
d. Aplicando TBF obtenga la FT del filtro analógico pasa-banda. Verifique su resultado
usando la función lp2bp().
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 86 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
P10.27 Repita el problema P10.26 para obtener un filtro IIR digital pasa-banda de Butterworth
de orden-6. Utilice la función butter() en los ítems c. y f.
P10.28 Repita el problema P10.26 para obtener un filtro IIR digital pasa-banda de orden-6
Chebyshev tipo II con atenuación A s = 20 dB en la banda de rechazo. Utilice la función
cheby2() en los ítems c. y f.
P10.29 Repita el problema P10.26 para obtener un filtro IIR digital de pasa-banda de orden-6
Elíptico con rizado rizado R p = 2 dB en la banda de paso y atenuación A s = 20 dB en la
banda de rechazo. Utilice la función ellip() en los ítems c. y f.
P10.30 Se desea obtener un filtro IIR digital rechaza-banda Butterworth de orden-6, con
frecuencias de corte Ω c 1 = 0.3π rad , Ω c 2 = 0.7 π rad .
a. Usando predesplazamiento, calcule las frecuencias de corte ωc 1 y ωc 2 en rad/s del
filtro analógico rechaza-banda.
b. Usando TBF en sentido inverso obtenga la frecuencia de corte ω0 del filtro pasa-
bajo analógico.
c. Usando la función butter() obtenga la FT del filtro analógico pasa-bajo.
d. Aplicando TBF obtenga la FT del filtro analógico rechaza-banda. Verifique su
resultado usando la función lp2bs().
e. Usando transformación bilineal, obtenga analíticamente la FT del filtro digital pasa-
alto. Verifique su resultado usando la función bilinear() de MATLAB®.
f. Obtenga directamente la FT del filtro digital pasa-banda usando la función butter()
de MATLAB®. Compare este resultado el valor obtenido en c.
g. Usando la función freqz() de MATLAB®, obtenga la RDF del filtro digital y
verifique la característica de la respuesta de magnitud: plana en la banda de paso y en
la banda de rechazo.
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
PROBLEMAS DE REFUERZO 10 - 87
f s = 2 kHz f p = 3 kHz
P10.32 Repita el problema P10.31 para obtener un filtro IIR digital pasa-alto Chebyshev tipo I,
con las mismas especificaciones de diseño.
P10.33 Repita el problema P10.31 para obtener un filtro IIR digital pasa-alto Chebyshev tipo II,
con las mismas especificaciones de diseño.
P10.34 Repita el problema P10.31 para obtener un filtro digital pasa-alto IIR Elíptico, con las
mismas especificaciones de diseño.
P10.35 Compare el resultado obtenido en los problemas P10.31 a P10.34 desde el unto de vista
de: orden del filtro, forma de la respuesta de magnitud y grado de no linealidad de la
respuesta de fase.
P10.36 Utilizando funciones del TBS de MATLAB® determine la FT de un filtro IIR digital
pasa-banda Butterworth, que satisfaga los requerimientos de diseño:
P10.37 Repita el problema P10.36 para obtener la FT de un filtro IIR digital pasa-banda
Chebyshev tipo I, con las mismas especificaciones de diseño.
P10.38 Repita el problema P10.36 para obtener la FT de un filtro IIR digital pasa-banda
Chebyshev tipo II, con las mismas especificaciones de diseño.
P10.39 Repita el problema P10.36 para obtener la FT de un filtro IIR digital pasa-banda
Elíptico, con las mismas especificaciones de diseño.
RESPUESTAS
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 88 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
Figura P10.13
0.25 z
P10.14: a. H ( z) =
z − 0.5
b. H ( jω B ) = 0.3536 pu , H ( e j Ω B ) = 0.2968 pu , ω B = 10 rad/s , ω BD = 7.8540 rad/s
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
PROBLEMAS DE REFUERZO 10 - 89
Figura P10.14a
Figura P10.14a
Figura P10.15a
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 90 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
Figura P10.15b
1.7968 z − 1.4452
P10.16: a. H ( z) = c. H ( j ω) ω=ω = 1.7678 y H ( e j Ωc ) = 1.7678
z − 0.2968 c
Figura P10.17
5z − 5
P10.18: a. H ( z) = b. K AFs = 5 , K AFz = 7.3105
z − 0.3679
c. ωc = 10 rad/s , H ( s) s= j ω = 3.5355 , H ( e j Ωc ) = 5.5815
c
Figura P10.18
3.4197( z − 1)
P10.19: H ( z) =
z − 0.3679
P10.20 a. Figura 10.20a. Filtro pasa-bajo. K DC = 1.5 pu y ω B = 0.9013 rad/s
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
PROBLEMAS DE REFUERZO 10 - 91
Figura P10.20a
K DCz1 = 1.5014
Ω B1 = 0.0902 rad
K DCz2 = 1.5014
Figura P10.20b
Ω B2 = 0.0902 rad
Los dos modelos discretos preservan valores característicos del modelo continuo.
1.0784
P10.21 a. ωc = 1.0191rad/s b. H ( s) =
s + 2.6629 s + 3.5455 s2 + 2.7653 s + 1.0784
4 3
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 92 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
Figura P10.21
0.1763
P10.22 a. ωc = 1.0191rad/s b. H ( s) =
s + 0.7299 s + 1.3048 s 2 + 0.5469 s + 0.2219
4 3
Figura P10.22
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
PROBLEMAS DE REFUERZO 10 - 93
Figura P10.23
Figura P10.24
1.0784
P10.25 a. ωc = 1.0191rad/s b. H PB ( s) =
s + 2.6629 s + 3.5455 s2 + 2.7653 s + 1.0784
4 3
s4
c. H ( s) =
s 4 + 2.6629 s 3 + 3.5455 s2 + 2.7653 s + 1.0784
0.2754 z4 − 1.1017 z3 + 1.6525 z2 − 1.1017 z + 0.2754
d. H ( z) =
z4 − 1.5704 z3 + 1.2756 z2 − 0.4844 z + 0.0762
f. Figura P10.25
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 94 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
Figura P10.25
8.0235 s 3
d. H ( s) = 6
s + 2.1442 s 5 + 20.6332 s 4 + 25.1774 s 3 + 82.5330 s2 + 34.3078 s + 64
0.0570 z6 − 0.1709 z4 + 0.1709 z2 − 0.0570
e. H ( z) =
z6 + 1.1905 z4 + 1.0452 z2 + 0.3990
g. Figura P10.26
Figura P10.26
24.5450 s 3
d. H ( s) = 6
s + 5.8123 s 5 + 28.8916 s 4 + 71.0137 s 3 + 115.5666 s2 + 92.9974 s + 64
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
PROBLEMAS DE REFUERZO 10 - 95
Figura P10.27
Figura P10.28
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 96 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
Figura P10.29
s6 + 12 s 4 + 48 s2 + 64
d. H ( s) = 6
s + 5.8103 s 5 + 28.8916 s 4 + 71.0437 s 3 + 115.5666 s2 + 92.9974 s + 64
0.2569 z6 + 0.7707 z4 + 0.7707 z2 + 0.2596
e. H ( z) =
z6 + 0.5772 z4 + 0.4218 z2 + 0.0563
g. Figura P10.30
Figura P10.30
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
PROBLEMAS DE REFUERZO 10 - 97
Figura P10.31
Figura P10.32
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 98 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
Figura P10.33
Figura P10.34
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
PROBLEMAS DE REFUERZO 10 - 99
Figura P10.36
Figura P10.37
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
10 - 100 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
Figura P10.38
Figura P10.39
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009
PROBLEMAS DE REFUERZO 10 - 101
SEÑALES Y SISTEMAS EN TIEMPO CONTINUO Y EN TIEMPO DISCRETO – Carlos Alberto Rey Soto - 2009