SIstemas de Datos Muestreados PDF

SISTEMAS DE
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 MUESTREO Y RECONSTRUCCIÓN DE SEÑALES

Las aplicaciones prácticas de control y comunicaciones digitales usan como fundamento el
procesamiento digital de una señal continua, conocido como DSP (Digital Signal
Processing). Esta actividad implica la conversión de la señal continua x( t ) en una señal
discreta y después de ser procesada, convertirla nuevamente en una señal continua. En este
procesamiento la señal analógica x( t ) es sometida a dos tareas fundamentales: muestreo y
reconstrucción, las cuales serán analizadas en esta sección.
10 - 1
10 - 2 Capítulo 10 – SISTEMAS DE DATOS MUESTREADOS
El muestreo es realizado por el convertidor A/D para transformar la señal continua x( t ) en

una señal muestreada x( nT ) , donde T es el período de muestreo de la señal, que luego es
sometida a un proceso de cuantización para obtener la señal digital. Las tareas realizadas
por el convertidor A/D se muestran en la figura 10.1.
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.
Para efectos de manipulación algebraica y de notación designamos la señal digital como

x[ n] y como es una representación de las muestras de la señal muestreada x( nT ) , puede
considerarse que x[ n] ≡ x( nT ) , tal como se indicó en (7.4).
El procesamiento de la señal digital x [ n] produce como respuesta otra señal digital y[ n]

que es sometida a un proceso de decodificación, para generar la señal muestreada
y( nT ) = y[ n] . La salida del procesador es una señal muestreada, que es reconstruida por
el convertidor D/A, transformándola nuevamente en una señal continua reconstruida
y( t ) , de modo que pueda ser aplicada a los dispositivos analógicos finales del sistema. La
figura 10.2 muestra las tareas fundamentales realizadas por el convertidor D/A.
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
Modelo del dispositivo M-R

Para comprender el proceso de muestreo de una señal continua y la reconstrucción de una
señal muestreada, omitimos por el momento el filtro digital mostrado en la figura 1.5. El
resultado es el modelo simplificado de la figura 10.3, donde la señal continua x( t ) es
transformada por el convertidor A/D para obtener la señal muestreada x *( t ) . En una
segunda fase la señal muestreada x *( t ) es procesada por el convertidor D/A para obtener
la señal reconstruida x( t ) , donde se espera que x( t ) ≈ x( t ) .
En la figura 10.3 se identifican las dos operaciones fundamentales: muestreo y

reconstrucción, asociadas con el procesamiento digital de una señal. Estas operaciones se
realizan a través del dispositivo muestreador-retensor (M-R), que será usado como el
modelo básico en nuestro análisis. Para efecto de notación la señal x *( t ) representa a la
señal muestreada x( nT ) y por lo tanto x *( t ) ≡ x( nT ) .
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 .
Una primera aproximación de la característica operacional del retensor puede representarse

como se presenta en la figura 10.6, donde la reconstrucción se consigue manteniendo
constante el último valor muestreado, mientras dure abierto el interruptor lógico mostrado
en la figura 10.4.
Figura 10.5
Señal muestreada t0
como un tren de
pulsos.
La señal reconstruida x( t ) será aproximada dado que x *( t ) ≈ x( nT ) y solo se dispone de

información de la señal original x( t ) en cada instante de muestreo.
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 .
10.2 TRANSFORMADA Z EN SISTEMAS DE DATOS MUETREADOS

En esta sección se demostrará que usando el dispositivo M-R es posible representar la
señal muestreada x *( t ) en el dominio-s como X *( s) , conocida como la transformada
estrella de Laplace (TEL), a partir de la cual se podrá obtener la FT del retensor H R ( s) .
Este análisis conducirá al desarrollo de la transformada Z en un sistema de datos
muestreados y su relación con la TEL. De este modo, la TZ de una señal muestreada
x *( t ) se reconocerá como el modelo equivalente discreto de la señal continua x( t ) .
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:
x( t ) = x(0)[ u( t ) − u( t − T )] + x(T )[ u( t − T ) − u( t − 2T )] + (10.1)
10.2 – TRANSFORMADA Z EN SISTEMAS DE DATOS MUESTREADOS 10 - 5
Llevando la ecuación (10.1) al dominio-s, obtenemos

1 1
X ( s ) = x(0) ⎡⎣1 − e− sT ⎤⎦ + x(T ) ⎡⎣ e− sT − e−2 sT ⎤⎦ +
s s
Factorizando
1 − e− sT
X ( s) = ⎡⎣ x(0) + x(T )e− sT + x(2T )e−2 sT + ⎤⎦
s
Expresando el término entre corchetes como una sumatoria, la salida del retensor es
1 − e− sT ∞
X ( s) =
s
∑ x( kT ) e
k= 0
− k sT
(10.2)
Como la sumatoria solo depende de los valores de x *( t ) = x( nT ) y al evaluarla resulta

una función en el dominio-s, puede expresarse como
∞
X *( s) ∑ x( kT ) e
k= 0
− k sT
(10.3)
La expresión (10.3) se define como la transformada estrella de Laplace (TEL) de la señal

muestreada x *( t ) . Sustituyendo (10.3) en (10.2), obtenemos
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.
Como veremos en el desarrollo de este capítulo, este modelo requiere de un tratamiento

matemático especial, porque se combinan señales continuas y señales muestreadas. Por
esta razón es frecuente referirlo como un modelo seudo-continuo.
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).
Para conseguir el modelo matemático del muestreador asumimos que la señal x( t ) es

sometida a un proceso de modulación por impulsos, como se muestra en la figura 10.8.
Este modelo es solo una aproximación ideal del modelo original de la figura 10.5, ya que
ahora la señal muestreada se representa por un tren de impulsos, en lugar de un tren de
pulsos. Sin embargo, este modelo es suficiente para lograr el modelo del dispositivo M-R.
x( t ) x *( t )
X
δT ( t )
Figura 10.8
Modelo ideal del
muestreador.
A partir de este modelo ideal del muestreador, podemos expresar x *( t ) como

∞
x *( t ) = x( t ) δT ( t ) = x( t )∑ δ( t − kT ) = x( t ) ⋅ [ δ( t ) + δ( t − T ) + δ( t − 2T ) + ] (10.6)
k= 0
Aplicando la propiedad de muestreo de la señal impulso que se presentó en la sección 1.3

x *( t ) = x(0)δ( t ) + x(T )δ( t − T ) + x(2T )δ( t − 2T ) +
Llevando la expresión anterior al dominio-s, obtenemos
∞
X *( s) = x(0) + x(T ) e− sT + x(2T ) e−2 sT + = ∑ x( kT ) e− k sT (10.7)
k= 0
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.
Resumiendo, el modelo de la figura 10.7 representa con propiedad las operaciones de

muestreo y reconstrucción del sistema de datos muestreados, donde X *( s) es la
transformada de Laplace de la señal muestreada x *( t ) , conocida como la transformada
estrella de Laplace: X *( s) . Si x *( t ) tiene discontinuidades en t = nT se deberá tomar el
valor x *( t + ) en la evaluación de X *( s) .
Ejemplo 10.1: Obtener la TEL de la señal escalón u( t ) .

TEL de la señal
escalón usando
definición
Solución El primer paso para obtener la TEL de una señal continua es proceder a
muestrearla con un período T. A partir de u( t ) obtenemos
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
Transforma Z de señales muestreadas
Antes de continuar con la evaluación de la TEL es necesario reconocer la forma de evaluar

la TZ de una señal muestreada x( nT ) . Si el período de muestreo T es constante, la señal
muestreada x( nT ) puede ser representada como x[ n] ≡ x( nT ) . Por lo tanto, sustituyendo
esta expresión en la definición (8.3), obtenemos
∞
X ( z) ∑ x( nT )z
n =−∞
−n
(10.8)
que se reconoce como la transformada Z de una señal muestreada. En la expresión (10.8)

x( nT ) representa las muestras de x( t ) tomadas a intervalos fijos de tiempo T. La figura
10.9 presenta la versión muestreada u( nT ) de la señal escalón unitaria continua u( t ) y dos
señales continuas diferentes que tienen las mismas muestras para T = 1 s .
Figura 10.9
Señales muestreadas
con la misma TZ.
De acuerdo con la figura 10.9, X ( z) puede considerarse como la TZ de cualquier señal

analógica x( t ) cuyas muestras coincidan con las muestras de x( nT ) . En otras palabras,
una señal muestreada x( nT ) tendrá una y solo una expresión X(z) con su respectiva RC en
el dominio-z. De modo similar, al evaluar la TIZ a partir de X ( z) se obtiene un único valor

de x( nT ) . Sin embargo, a partir de x( nT ) es teóricamente imposible obtener la señal
original x( t ) . Este problema se puede interpretar usando la siguiente notación simbólica:
x( t ) → x( nT ) ↔ X ( z) (10.9)
La expresión (10.9) permite reconocer a X ( z) como la transformada Z equivalente de una

señal continua x( t ) sometida previamente al proceso de muestreo para obtener x( nT ) .
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.
Tabla 10.1 – Transformada Z equivalente de señales continuas

No. X(s) x( t ), t ≥ 0 x( nT ), n ≥ 0 X(z)
1 1 δ( t ) δ( nT ) 1
1 z
2 u( t ) u( nT )
s z−1
1 Tz
3 t nT
s2 ( z − 1)2
2 T 2 z( z + 1)
4 t2 n2T 2
s3 ( z − 1)3
1 z
5 e− a t e− a nT
s+ a z − e− aT
a z(1 − e− aT )
6 1− e −at
1− e − a nT
s( s + a ) ( z − 1)( z − e− aT )
b− a z( e− aT − e− bT )
7 e −at
−e − bt
e − a nT
−e − b nT
( s + a )( s + b) ( z − e− aT )( z − e− bT )
1 Tze− aT
8 t e− a t nT e− a nT
( s + a )2 ( z − e− aT )2
ω0 z sen ( ω0T )
9 sen ( ω0 t ) sen ( ω0 nT )
s + ω20
2
z − 2 z cos ( ω0T ) + 1
2
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
Comentarios:
1. La tabla 10.1 establece una relación directa entre la transformada de Laplace X ( s) de

la señal continua x( t ) y su transformada Z equivalente X ( z) .
2. Las transformadas T1 y T2 son idénticas a las transformadas T1 y T3 de la tabla 8.2,
porque independiente el valor de T , δ[ n] ≡ δ( nT ) y u[ n] = u( nT ) .
3. La mayoría de las transformadas de la tabla 10.1 incluyen el período de muestreo T.
4. Si T = 1 en la tabla 10.1, se logran varias de las transformadas de la tabla 8.2.
− 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
El resultado anterior corresponde a la T5 de la tabla 10.1 y puede ser logrado a partir de la

T6 de la tabla 8.2 para a = e− bT . Un resultado similar se consigue entre las transformadas
T11 de la tabla 10.1 y T13 de tabla 8.2, sustituyendo a por e− aT y haciendo Ω0 = ω0T .
Relación entre la TEL y la TZ equivalente

Comparando el resultado de la TEL del ejemplo 10.1, con la TZ equivalente del escalón
unitaria U ( z) = z /( z − 1) = 1/(1 − z−1 ) presentada en la tabla 10.1, se observa claramente
una relación entre la TEL y la TZ de una señal muestreada. Esta relación puede deducirse
si se comparan las definiciones de la TEL y la TZ dadas en (10.3) y en (10.8),
respectivamente. En efecto se observa que
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.
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
Aplicabilidad y limitaciones del modelo de la TEL y la TZE

El modelo X *( s) es suficiente para implementar las funciones del dispositivo M-R. Sin
embargo, presenta las siguientes limitaciones:
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.
10.3 METODOS PARA EVALUAR LA TEL Y LA TZE

Aunque la definición (10.3) es un método válido para el cálculo de la TEL, no es práctico
por la complejidad en su manejo algebraico. En esta sección haremos referencia a dos
10.3 – METODOS PARA EVALUAR LA TEL Y LA TZE 10 - 11
métodos clásicos que se usan en la evaluación de la transformada estrella de Laplace

(TEL) de una señal muestreada x( nT ) : tablas y el método de residuos modificado.
Uso de tablas y transformación z= e sT para evaluar la TEL

Este método se basa en evaluar X ( z) a partir de x( nT ) usando de tablas de TZ y luego
aplicar la transformación X ( z) ↔ X *( s) definida en (10.10). Para facilitar la aplicación
de esta transformación es conveniente expresar a X ( z) en la forma DSP.
Ejemplo 10.4: Obtener la TEL de la señal muestreada x *( t ) a partir de x( t ) = sen(ω0 t ) .

TEL usando
método de
transformación
Solución Usando T9 de la tabla 10.1 obtenemos X(z) en la forma DSP como
z sen( ω0T ) z−1 sen( ω0T )
X ( z) = 2 =
z − 2 zcos(ω0 T ) + 1 1 − 2 z−1cos(ω0 T ) + z−2
Usando la transformación z = e sT
e− sT sen( ω0 T )
X *( s) =
1 − 2 e− sT cos(ω0 T ) + e−2 sT
Nuevamente se observa que X *( s) no es una fracción racional.
Método de residuos modificado para calcular TZE

Aplicando el teorema de residuos que se presentó en la sección 8.4, se demuestra [Kuo92]
que es posible desarrollar a una forma alterna para calcular la TZ equivalente X ( z) de
x *( t ) , directamente a partir de la TL de la señal continua X ( s) . En este método X ( z) es la
TZ de x *( t ) = x( nT ) y se expresa como la suma de los residuos de X ( s) × z /( z − e sT ) ,
evaluados para cada polo de X ( s)
n
z
X ( z) = ∑ Residuos X ( s) (10.12)
k= 1 z − e sT polos X ( s )
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:
Caso 1: Polos simples, reales o complejos

z
Rk ( z) = ( s − s k ) X ( s ) (10.13)
z − e sT s = sk
Caso 2: Polos múltiples, reales o complejos
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.
Ejemplo 10.5: Obtener la TZE de una señal muestreada y *( t ) con T = 1 s , si

Método de
residuos 1
Y ( s) =
modificado con ( s + 1)( s + 2)
polos simples.
Solución Aplicando (10.13) para los 2 polos simples, Y ( z) = R1( z) + R2 ( z) , donde
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
Sumando estos residuos obtenemos finalmente,

z z 0.2325 z
Y ( z) = − =
z − 0.369 z − 0.1353 ( z − 0.3679)( z − 0.1353)
Este resultado se puede verificar usando la T7 de la tabla 10.1.
El ejemplo 10.5 se muestra la similitud de (10.13) con el método de fracciones parciales.

Solo existen dos diferencias: el factor z /( z − e sT ) y la doble sustitución de s y T. Se debe
recordar que en este caso X ( z) es el modelo equivalente de X *( s) en el dominio-z.
Ejemplo 10.6: Obtener el modelo equivalente discreto de una señal muestreada x *( t ) ,

Método de para T = 0.5 s , asumiendo que la TL de x( t ) viene dada por
residuos
modificado con 1
polos múltiples X ( s) = 2
s ( s + 1)
Solución: Existen 2 polos reales: uno simple en p1 = −1 y otro de multiplicidad 2 en

p2 = 0 . Por lo tanto se generan 2 residuos: R1( z) y R2 ( z) . Aplicando (10.13)
para el polo real simple obtenemos
1 z z
R1( z) = =
s2 z − e sT s =−1 z − 0.6065
T = 0.5
Para el polo múltiple aplicamos (10.14)

d⎡ 1 z ⎤ −z 0.5 z z( z − 1.5)
R2 ( z) = ⎢ sT ⎥
= + =−
ds ⎣ s + 1 z − e ⎦ s =0 z − 1 ( z − 1)2
( z − 1)2
T = 0.5
Al evaluar la derivada, la multiplicidad del polo genera 2 términos en R2 ( z) ,

como ocurrió en el método de fracciones parciales. Sumando los 2 residuos
0.1065 z( z + 0.8467)
X( z) =
( z − 1)2 ( z − 0.6065)
Para facilitar la aplicación de este método, se desarrolló la resimod() en MATLAB®, cuya

descripción se presenta en el apéndice B. Su sintaxis es
[nXz,dXz]=resimod(nXs,dXs,T)
Introduciendo solo el nombre de esta función se consigue ayuda y un ejemplo

demostrativo de aplicación.
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
Solución Los comandos necesarios para obtener X ( z) son

» nXs=1, dXs=poly([0 0 -1]);
» T=0.5, [nXz,dXz]=resimod(nXs,dXs,T)
nXz = 0 0.1065 0.0902 0
dXz = 1.0000 -2.6065 2.2131 -0.6065
Para facilitar la factorización del numerador y denominador de X ( z) usamos la

función tf2zp() del Toolbox de Señales (TBS) de MATLAB®
» [z,p,k]=tf2zp(nXz,dXz)
z = 0 p = 1.0000 k = 0.1065
-0.8467 1.0000
0.6065
Usando estos resultados, construimos X ( z)
0.1065 z2 + 0.0902 z 0.1065 z( z + 0.8467)

X ( z) = 3 =
z − 2.6065 z + 2.3131z − 0.6065 ( z − 1)2 ( z − 0.6065)
2
La función tf2zp() del TBS de MATLAB® utilizada en el ejemplo anterior permite

calcular los polos, ceros y la constante de ganancia, necesarios para construir la forma
factorizada de X ( z) , conocida como la forma ZPK. La forma expandida o de polinomios
en el numerador y denominador se reconoce como la forma TF. Existen otras funciones
para intercambiar las formas TF, ZPK y SS (modelo de estado). Se sugiere al lector
consultar el manual de referencia del TBS de MATLAB® para otras combinaciones.
TEL y TZE de señales con atrasos

En aplicaciones prácticas de sistemas de datos muestreados es posible encontrar señales
con atrasos. Tal es el caso de un sistema de radar, donde la señal reflejada por el objetivo a
localizar es prácticamente la señal emitida por la antena, desplazada un tiempo t0 .
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
Asumiendo que el atraso es un múltiplo del período de muestreo, es decir t0 = kT
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 .
Ejemplo 10.8: Usando el método de residuos modificado y asumiendo un período de

TZE de señal
muestreo T = 0.5 s , obtener la TZE de x( t ) cuyo modelo es:
muestreada
con atraso. −s
e
X ( s) =
s( s + 1)
Solución El modelo anterior representa una señal continua con un atraso t0 = 1 s .

Modificamos la expresión anterior para separar el término X1( s) que no
contiene el atraso, obtenemos:
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
Sumando los dos residuos

z z 0.3935 z
X1( z) = X11( z) + X12 ( z) = − =
z − 1 z − 0.6065 ( z − 1)( z − 0.6065)
Este resultado se puede verificar usando la función especial resimod()
» nX1s=1; dX1s=poly([0 -1]);
» T=0.5, [nX1z,dX1z]=resimod(nX1s,d1Xs,T);
» [z1,p1,k1]=tf2zp(nX1z,dX1z)
z1 = 0 p1 = 1.0000 k = 0.3935
0.6065
El efecto del factor e− s equivale a considerar k = t0 / T = 1/ 0.5 = 2 muestras de

atraso que se interpreta multiplicando X1( z) por z−2. Por lo tanto,
0.3935
X ( z) = z−2 X1( z) =
z( z − 1)( z − 0.6065)
10.4 MUESTREO Y RECONSTRUCCIÓN EN EL DOMINIO-ω

En la sección anterior se demostró que el modelo de la transformada estrella de Laplace
(TEL) permite analizar el proceso de muestreo y reconstrucción de una señal continua en
el dominio-s y en el dominio-z. Analizando el mismo problema en el dominio de la
frecuencia analógica: ω [rad/s ] o de la frecuencia digital Ω [rad ] , es posible identificar
otros aspectos que se derivan del proceso de muestreo de una señal continua y las
condiciones específicas para su reconstrucción. El cumplimiento del Teorema de Muestreo
será fundamental en el proceso de reconstrucción de la señal muestreada.
Espectro de frecuencia de una señal muestreada

Utilizando la relación que existe entre la transformada de Fourier y la transformada de
Laplace definidas para la señal continua x( t ) , es posible obtener una expresión para
evaluar el espectro de frecuencia de una señal muestreada x( nT ) . Para esto calculamos la

TFTC de x *( t ) usando la propiedad de convolución en el dominio-ω (P8 de tabla 4.4)
1
x *( t ) = x( t ) ⋅ δT ( t ) ↔ X *( j ω) = X ( j ω) ∗ δT ( j ω) (10.16)
2π
Aplicando la transformada T15 de la tabla 4.3, obtenemos

2π k=∞
δT ( j ω) = ∑ δ( j ω − jkωm )
T k=−∞
(10.17)
que es un tren periódico de impulsos, con período ωm = 2π / T [rad/s ] , conocida como la

frecuencia de muestreo y calculada a partir del período de muestreo (T ) . Sustituyendo
(10.17) en (10.16),
1 ∞
X *( j ω) = ∑ X ( j ω − jkωm ) (10.18)
T k=−∞
La expresión (10.18) permite reconocer que el espectro de una señal muestreada x *( t ) es

continuo y periódico con período ωm tal como se muestra en la figura 10.10.
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
En la figura anterior se observa que la magnitud de la componente fundamental y los

armónicos del espectro de x *( t ) resultan escaladas en magnitud por 1/T .
Definición 10.1: Espectro de frecuencia de una señal muestreada

Dada una señal continua x( t ) cuyo espectro X ( jω) es aperiódico y
banda limitada, el espectro de su versión muestreada x( nT ) es
periódico con período ωm = 2π / T , siendo ωm la frecuencia de
muestreo en rad/s y T el período de muestreo en segundos.
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
10.4 – MUESTREO Y RECONSTRUCCION EN EL DOMINIO-ω 10 - 17
x[ n] ↔ X ( e j Ω ) → espectro periódico con período 2π [ rad ]

(10.20)
x *( t ) ↔ X *( j ω) → espectro periódico con período 2π / T [ rad / s ]
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:
Definición 10.2: Teorema de muestreo

Una señal continua x( t ) de banda limitada con ancho de banda ω B ,
puede ser reconstruida a partir de su versión muestreada x *( t ) = x( nT ) ,
si la frecuencia de muestreo ωm es superior al doble de ω B , es decir:
ω m > 2ω B (10.21)
Definición 10.3: Frecuencia de Nyquist

La frecuencia de Nyquist se define como el ancho de banda del filtro ideal
ωN 1
2 ωm (10.22)
Comparando (10.21) y (10.22) la frecuencia de Nyquist es la máxima

frecuencia que puede estar contenida en una señal de banda limitada x( t ) ,
para poder reconstruirla a partir de su versión muestreada x( nT ) . Luego:
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 ) .
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
ωm ≈ (10 a 20) × ω B (10.24)
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.
Propiedades de la transformada estrella de Laplace

El resultado anterior permite identificar un conjunto de propiedades de la TEL, asociadas
con la periodicidad del espectro de la señal muestreada. Sustituyendo j ω = s en (10.18)
obtenemos una expresión equivalente de X *( j ω) en el dominio-s
1 ∞
X *( s) = ∑ X( s + j kωm )
T k=−∞
(10.25)
Si la señal x( t ) incluye una discontinuidad en el origen, se puede demostrar [Kuo92] que

la expresión anterior se convierte en
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).
La ecuación (10.25) permite reconocer dos propiedades de X *( s) :

P1. X *( s) es periódica con período jω m , es decir X *( s) = X *( s ± j kωm )
Esta propiedad se puede demostrar usando la definición (10.3) de la TEL
∞
X *( s ± j kωm ) = ∑ x( nT ) e− nT ( s ± j k ωm ) (10.27)
n=0
Evaluando la expresión anterior para ωm = 2π / T
e− nT ( s± j k ωm ) = e− nTs ⋅ e∓ j 2 π kn = e− nTs ⋅ 1∠ ∓ 2π kn = e− nTs

Sustituyendo esta expresión en (10.27), obtenemos
∞
X *( s ± j kωm ) = ∑ e( nT ) e− nTs = X *( s) (10.28)
n=0
De acuerdo con este resultado, X *( s) es periódica en el plano-s, con período ωm.
Ejemplo 10.9: Utilizando la integral de convolución, comprobar que la TEL de la señal

Integral de escalón u( nT ) es periódica con período ωm
convolución
para obtener
TEL
Solución: Aplicando la expresión (10.26) obtenemos
∞
1 u( 0 + )
U * ( s) =
T
∑ U ( s + jnω m ) + 2
=
n = −∞
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
La transformada inversa de Laplace de u( nT ) demuestra que contiene

términos armónicos de la forma 2cos( kωm t ) , para k = 0, 1, 2, 3, … y por lo
tanto el espectro de U *( s) es periódico con período ωm .
P2. Si X ( s) tiene un polo en s = so , X *( s) tendrá polos en s = so ± j kωm , k = 0, 1, 2, …

Esta propiedad puede demostrarse desarrollando (10.25)
1
X *( s) = [ + X ( s − j 2ω m ) + X ( s − j ω m ) + X ( s ) +
T (10.29)
+ X ( s + j ω m ) + X ( s + j 2ω m ) + ]
Si X ( s) tiene un polo en s = p1 , cada término de X *( s) en (10.29) contribuirá con un

polo en s = p1 ± j kωm , para k = 0,1,2,… ∞ .
Ejemplo 10.10: Comprobar la propiedad P2 de la TEL para la señal escalón unitario.

Propiedades de
la TEL para u(t)
Solución Del ejemplo 10.1
1
U *( s) =
1 − e− sT
Evaluando para s = s + j kωm = s + j k2π / T
1 1 1
U *( s + j kωm ) = − ( s + j k 2 π / T )T
= − sT − j k 2 π
= = U *( s)
1− e 1− e e 1 − e− sT
El único polo de U ( s) está en s1 = 0 . Por otra lado, los polos de U *( s) se
obtienen haciendo (1 − e− sT ) = 0 , que se consigue si
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 .
Correspondencia entre el plano-s y el plano-z

En la figura 10.10 se demostró que una señal continua x( t ) con espectro de frecuencia
aperiódico, al ser muestreada se produce una señal x( nT ) cuyo espectro es periódico, con
período ωm = 2π / T , siendo ωm la frecuencia de muestreo en rad/s. A continuación se
analizará el efecto de la periodicidad de X *( s) , desde el punto de vista de la relación entre
puntos del plano-s y puntos del plano-z.
Si partimos de la regla de transformación z = e sT que se aplicó en (10.10) para pasar del

plano-s al plano-z y considerando en principio los puntos sobre el eje imaginario, s = j ω :
z = eTs = e( σ+ j ω)T = e jωT = e j Ω = 1∠Ω = 1∠ωT (10.30)

σ= 0
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
punto a : z = 1∠0º Ω = 0, ω=0

punto b : z = 1∠90º Ω = π / 2 ω = π / 2T = ω N / 2 (10.31)
punto c : z = 1∠180º Ω=π ω = π / T = ωN
Luego los puntos en el intervalo ω = [0 , ω N ] se transforman en puntos sobre la parte

superior del c.u. De modo similar, los puntos en el intervalo ω = [ −ω N , 0] se transforman
en puntos sobre la parte inferior del c.u. Por lo tanto, los puntos de X *( s) en el intervalo
ω = [ −ω N ,ω N ] del eje-jω se transforman en puntos sobre el c.u.
Si en (10.30) consideramos σ < 0 y ω = [ −ω N , ω N ] , el análisis anterior incluye los puntos

del SPI del plano-s, que se transforman en puntos dentro del círculo unitario. Sin embargo,
debido a la periodicidad de e j Ω en (10.30), los puntos del SPI para ω N < ω < 3ω N se
solapan sobre los puntos dentro del c.u., tal como muestra la figura 10.12.
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 .
En resumen, de acuerdo con la figura 10.12, un punto en el plano-z es la representación de

infinitos puntos en el plano-s y la transformación z = e sT se reconoce como transformación
de varios-a-uno. Este aspecto es fundamental en el análisis y diseño de un sistema de datos
muestreados.
10.5 RECONSTRUCCIÓN POR INTERPOLACIÓN

En la sección anterior, se demostró que la reconstrucción en el dominio de la frecuencia de
una señal muestreada a partir de x *( t ) se reduce a un problema de filtrado, donde el
retensor debe comportarse como un filtro pasa-bajo, siempre que se satisfaga el teorema de
muestreo. En esta sección presentaremos los algoritmos para simular el funcionamiento del
retensor en el dominio del tiempo y a partir de estos su modelo en el dominio-s.
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:
Problema: Determinar el valor esperado de la señal recontraída x( t ) de la señal x( t )

en el intervalo [ nT , ( n + 1)T ] , conociendo el valor x( nT ) de la señal
muestreada x *( t ) .
La obtención de x( t ) se puede lograr usando 2 estrategias básicas, que conducen a formas

diferentes del algoritmo de interpolación. El primer modelo se basa en la expansión de
x( t ) a través de la serie de Taylor [Kuo92]
x ''( nT )
x( t ) ≈ x( nT ) + x '( nT )( t − nT ) + ( t − nT )2 + , nT ≤ t < ( n + 1)T (10.32)
2!
donde cada derivada se evalúa como
d n x( t )
x ( nT ) =
( n)
(10.33)
dt n t = nT
El segundo modelo [Ogata95], asume que el valor esperado se calcula a través de un

polinomio de orden-n:
x( nT + τ) = an τ n + an−1τ n−1 + + a1τ + a0 (10.34)
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:
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) ≈ an τ n + an −1τ n −1 + + a1τ + x( nT ), 0 ≤ τ < T (10.36)
que se reconoce como el polinomio de extrapolación de orden-n.
Retensor de orden-0 (ZOH)

Usando la primera estrategia y tomando solo el primer término de (10.32), obtenemos
x( t ) ≈ x( nT ), nT ≤ t < ( n + 1)T (10.37)
Un resultado similar se logra usando la segunda estrategia, si asumimos n = 0 en (10.36)
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).
Sin embargo, es posible llegar al mismo resultado, si se evalúa la FT a partir la respuesta

impulso como H 0 ( s) = L{ h0 ( t )} , asumiendo que la entrada del retensor es un impulso
unitario x *( t ) = δ( nT ) . La expresión de h0 ( t ) se obtiene interpretando gráficamente
(10.37) o (10.38), en el sentido de que valor esperado en el intervalo nT ≤ t < ( n + 1)T se
consigue manteniendo constante el valor actual x( nT ) hasta que llegue la siguiente
nuestra. La figura 10.13 presenta esta interpretación.
δ *( t ) h 0( t )
Figura 10.13 1 1
Respuesta impulso
del retensor de
orden-0 (ZOH). 0 T 0 T
−T t
Según la figura 10.13, la respuesta impulso del ZOH es

h0 ( t ) = u( t ) − u( t − T ) (10.39)
Llevando al dominio-s obtenemos la función de transferencia del ZOH, como

1 1 1 − e− sT
H 0 ( s) = − e− sT = (10.40)
s s s
que es el mismo resultado mostrado en la ecuación (10.5).
Retensor de orden-1 (FOH)

Un tratamiento similar permite llegar al modelo del retensor de orden-1 o FOH (First
Order Hold), si se toman los dos primeros términos en (10.32) y la primera derivada se
aproxima como la primera diferencia anterior. El resultado es,
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 )
Considerando que x( nT − T ) = x[( n − 1)T ] , de la expresión anterior obtenemos

x( nT ) − x[( n − 1)T ]
a1 =
T
Sustituyendo este resultado en (10.42), se obtiene una expresión similar a (10.41), como
algoritmo para simular el funcionamiento del FOH
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
Llevando al dominio-s y simplificando, obtenemos la FT del FOH, como

2
1 + sT ⎛ 1 − e− sT ⎞
H 1( s) = ⎜ ⎟ (10.45)
T ⎝ s ⎠
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.
En el ejemplo 10.11 se usaron las funciones especiales interpzoh() e interpfoh()

desarrolladas con base en los algoritmos (10.37) y (10.41), cuya descripción se presenta
en el apéndice B. Su sintaxis es
[xr,tr]=interpzoh(xnT,nT)
[xr,tr]=interpfoh(xnT,nT)
Introduciendo el nombre de cada función se obtiene ayuda y un ejemplo de aplicación.
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.
Aproximación de Padé para simulación del ZOH y FOH

Las expresiones (10.40) y (10.45) no son funciones racionales, circunstancia que
dificultaría el uso de las funciones de simulación, como filter() y otras incorporadas en
MATLAB®. Una estrategia posible consiste en aproximar la expresión de H 0 ( s) y H 1 ( s)
como la relación de dos polinomios, usando la aproximación de Padé para evaluar el
término exponencial e− sT . En el caso de aproximación de orden-1 [Kuo95]:
1 − sT / 2
e− sT ≈ (10.46)
1 + sT / 2
Sustituyendo (10.46) en (10.40) obtenemos la siguiente aproximación para el ZOH
2
H 0 ( s) ≈ (10.47)
s + 2 /T
Una expresión similar podría lograrse para el FOH. En MATLAB® se incorpora la función
− sT
pade(), que facilita racionalización del término exponencial e . Su sintaxis es
[np,dp]=pade(T,n)
donde n es el orden de la aproximación, T el tiempo de atraso y [np,dp] son arreglos de

los coeficientes de los polinomios de Padé del numerador y denominador.
Ejemplo 10.12: Usando aproximación de Padé de orden-2, obtener el modelo racional de

Aproximación
de Padé de
un ZOH cuyo período de muestreo es T = 0.1 s
orden 2 para la
FT de un ZOH
− sT
Solución: Utilizando Padé de orden-2 y T = 0.1 s , podemos aproximar e , como
» 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
Respuesta de frecuencia del retensor

Utilizando la RDF es posible comprobar que, de acuerdo con la figura 10.10, el retensor es
básicamente un filtro pasa-bajo, capaz de recuperar la información de la señal muestreada,
si se satisface el teorema de muestreo formulado en la definición 10.2. Para obtener la
RDF del ZOH hacemos s = j ω en (10.40)
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.
La figura anterior muestra la naturaleza periódica de la RDF de un sistema de datos

muestreados y sus características más relevantes son:
1. La respuesta de magnitud del ZOH se asemeja más a un filtro pasa-bajo,

característica deseada en el retensor para poder reconstruir la señal muestreada.
2. Los picos de la respuesta de magnitud del FOH se deben a la respuesta tipo rampa de
su respuesta impulso, mostrada en la figura 10.15.
3. La fase negativa del ZOH y FOH reducen la estabilidad del sistema.
4. Disminuyendo el período de muestreo T, se hace menor el efecto desestabilizador.
La selección de ωm usando el criterio formulado en (10.24) favorece esta condición.
5. Los convertidores D/A tienen características similares a un ZOH y ofrecen menos
problemas en la estabilidad del sistema de datos muestreados.
10.6 MODELO DE UN SISTEMA DE DATOS MUESTREADOS

En esta sección se tratarán aspectos fundamentales para el análisis y diseño sistemas de
control en tiempo discreto o control digital. Se demostrará como la presencia del
muestreador permite desarrollar el modelo equivalente discreto de un sistema de datos
muestreados, reconocido como la función de transferencia de pulsos (FTP), concepto
fundamental en el análisis de un sistema de control digital. Asimismo se verificará que la
presencia del muestreador y del retensor, son indispensables para el desarrollo del modelo
equivalente discreto G( z) del sistema, amén de garantizar que el mismo pueda preservar la
forma de la respuesta escalón del modelo continuo.
Función de transferencia de pulsos

El dispositivo M-R de la figura 10.4 es el fundamento para el desarrollo del modelo
discreto equivalente del proceso G( z) de un sistema de control de datos muestreados.
Consideremos el sistema de la figura 10.17, en la cual se muestra el dispositivo M-R en
cascada con el modelo continuo del proceso G p ( s ) del sistema de control de datos
muestreados, donde E( s) se reconoce como la señal de error.
G( s )
Figura 10.17 E( s) E *( s) E( s) Y ( s)
Sistema de control ZOH G p ( s)
de datos T
muestreados.
Considerando el bloque G( s) , la salida Y ( s) puede expresarse como

Y ( s) = G( s) ⋅ E *( s) (10.51)
10.6 – MODELO DE UN SISTEMA DE DATOS MUESTREADOS 10 - 29
Esta expresión es especial porque es el producto de una función aperiódica G( s) y una

función periódica E *( s) . Tomando la transformada estrella de Laplace (TEL) de los dos
miembros y aplicando la integral de convolución (10.26), asumiendo que y(0 + ) = 0 :
1 ∞
Y *( s) = {G( s ) ⋅ E *( s)}* = ∑ [G( s + jnωm ) ⋅ E *( s + jnωm )]
T n =−∞
Aplicando la propiedad de periodicidad de la TEL, E *( s + jnωm ) = E *( s) y considerando
que E *( s) no depende de la sumatoria, obtenemos
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:
Definición 10.4: Función de Transferencia de Pulsos

La función de transferencia de pulsos (FTP) es la relación entre la TEL de
la salida y la TEL de entrada, de un sistema continuo cuya entrada es
muestreada y se define como
Y *( s)
G *( s) (10.53)
E *( s)
El nombre dado a G *( s) hace referencia a que la señal de entrada E *( s) se ha logrado

usando modulación por pulsos, a través del muestreador ideal de la figura 10.8. Como en
(10.52) todos los factores están definidos en el dominio-s*, usando la transformación
z = e sT puede expresarse en el dominio-z, como
Y ( z) = G( z) E( z) (10.54)
Aplicando el concepto de FT a la expresión (10.54) obtenemos
Y ( z)
G ( z) (10.55)
E( z)
que se reconoce como la FT de pulsos equivalente. Como (10.55) o (10.53) son

equivalentes, en adelante y para efectos prácticos se utilizará el término función de
transferencia de pulsos (FTP), para hacer referencia a G( z) o G *( s) .
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 ⎭
Interpretando el término e- sT como el atraso de una muestra en el dominio-z
⎧ G p ( s) ⎫
G( z) = (1 − z−1 ) ⋅ Z ⎨ ⎬ (10.56)
⎩ s ⎭
Según la figura 10.18, la aplicación de (10.56) establece una condición implícita, en el

sentido de que la señal de entrada al bloque G(s) debe estar muestreada para que existe la
FTP. La expresión Z{G p ( s) / s } puede evaluarse utilizando los siguientes métodos:
1. Descomposición en fracciones parciales y uso de la tabla 10.1.

2. Método de residuos modificado (recomendable).
3. Función especial resimod() de MATLAB®.
El siguiente ejemplo muestra el procedimiento para obtener el modelo discreto equivalente

de un sistema de datos muestreados, usando el concepto de FTP.
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) ⎭
Para evaluar G1( z) utilizamos el método de residuos modificado (10.13)
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
Sumando los dos residuos y sustituyendo en la expresión de G( z)

0.3935 z 0.3935
G( z) = (1 − z−1 ) ⋅ =
( z − 1)( z − 0.6065) z − 0.6065
Para facilitar el cálculo de G( z) a partir de G( s) usando (10.56), se desarrolló la función

especial ftpuls() cuya estructura se muestra en el apéndice B. Su sintaxis es
[nGz,dGz]=ftpuls(nGps,dGps,T)
Introduciendo el nombre de esta función se consigue ayuda y un ejemplo de aplicación.

Esta función, al igual que la función resimod(), usan la TZ para obtener el equivalente
discreto de un modelo continuo. Sin embargo se diferencian en que ftpuls() asume que
G p ( s ) está precedida por un ZOH.
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
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.
La figura 10.19 muestra que el modelo discreto equivalente G( z) preserva la forma de la

respuesta escalón del modelo continuo G p ( s ) . Sin embargo, para mejorar la resolución
debería utilizarse un valor menor de T. En el ejemplo 10.19 se utilizó la función básica
®
stairs() de MATLAB que facilita la gráfica de una señal muestreada, emulando el
funcionamiento del ZOH.
Efecto del muestreador y del retensor

Un aspecto fundamental en la aplicación de la función de transferencia de pulsos (FTP) del
sistema de datos muestreados, se relaciona con la necesidad de que el modelo discreto
equivalente G( z) preserve las características dinámicas del modelo continuo G p ( s ) . El
resultado del ejemplo 10.14 muestra que esto es posible. En este sentido, existen dos
efectos relacionados con la presencia del muestreador y del retensor (dispositivo M-R) en
el modelo del sistema de datos muestreados:
1. La señal estrellada a la entrada del bloque G( s) garantiza la existencia de la FTP.

2. La presencia del ZOH permite preservar la forma escalón de la respuesta y( t ) .
Para evaluar el efecto de la presencia del muestreador, consideremos nuevamente el

sistema de la figura 10.15. En este caso, la expresión (10.52) de la FTP se logró porque la
señal de entrada al bloque G( s) estaba muestreada. Luego esta es la única condición para
que exista la FTP. Para demostrar lo anterior consideremos el sistema de la figura 10.20,
donde la señal de entrada al bloque G( s) no está muestreada.
Figura 10.20 E(s) Y(s)

Señal sin muestrear G(s)
a la entrada de G(s).
En este caso, la señal de salida es Y ( s) = G( s) E( s) . Para obtener Y *( s) , como ninguno de

los factores está estrellado, es necesario agruparlos
Y * ( s) = {G( s) ⋅ E( s)}* = GE * ( s)
donde GE * ( s) significa que debe efectuarse el producto G(s)×E(s), antes de llevar al

dominio estrellado. La expresión equivalente en el dominio-z es entonces
Y ( z) = GE( z) = Z{G( s) E( s)} (10.57)
que indica que debe efectuarse el producto G( s) × E( s) , antes de calcular la TZ. La

expresión (10.57) muestra que es posible obtener la respuesta en el dominio discreto, pero
al compararla con (10.54) no existe forma de calcular el modelo discreto G( z) del sistema.
Definición 10.5: Efecto de la presencia del muestreador

En un sistema de datos muestreados, la presencia del muestreador es
indispensable para poder aplicar el concepto de FTP en la
determinación del modelo equivalente discreto G( z) del proceso.
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 →∞
Tal como se muestra en la figura 10.21, la respuesta y( t ) para N − M = 1 obtenida a partir

de la FTP, presenta discontinuidades en t = 0, T , 2T , … , debido a que la expresión
devuelve los valores de la salida en y(0 + ), y(T + ), y(2T + ), … . Por otro lado, para
N − M ≥ 2 , la salida y( t ) es continua. En este caso la expresión (10.54) devuelve la salida
en y(0), y(T ), y(2T ), … , logrando que los valores de y *( t ) coincidan con los de y( t ) en
cada instante de muestreo, preservando así la forma de la respuesta del sistema.
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
La respuesta escalón discreta, usando FPI es
z2 z z
Y ( z) = = 1.5829 − 0.5820
( z − 1)( z − 0.3679) z−1 z − 0.3679
Aplicando T2 y T5 de la tabla 10.1, para e− aT = 0.3679 , con a = 1 y T = 1 :

y( nT ) = 1.5820 − 0.5820 e− nT , nT ≥ 0
A partir de esta expresión obtenemos y(0) = 1 y y( ∞ ) = 1.5820 , suficiente

para demostrar que no se preserva la forma de la respuesta escalón. Usando
comandos básicos de MATLAB® se obtuvo la gráfica de la figura 10.22.
Figura 10.22
Respuesta escalón
del modelo continuo
del proceso y su
equivalente discreto,
sin incluir el ZOH.
Definición 10.6: Efecto de la presencia del retensor

La presencia del retensor aporta el polo necesario en s = 0 , para que
G( s) pueda cumplir con la condición (10.58), garantizando así que el
modelo discreto del proceso G( z) , obtenido a partir de la FTP,
preserve la forma de la respuesta escalón del modelo continuo G p ( s ) .
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).
10.7 METODOS DIRECTOS DE TRANSFORMACION

En esta sección y en la siguiente se hará referencia a una estrategia para el desarrollo del
modelo equivalente discreto de un sistema continuo. Esta técnica tiene aplicación práctica
en sistemas de control, cuando se desea sustituir un controlador o compensador analógico
Gc ( s ) por un equivalente digital Gc ( z) . Así mismo, se aplica en el procesamiento digital
de señales, para el diseño de un filtro digital IIR (respuesta impulso infinita) H ( z) ,
obtenido a partir del prototipo analógico H ( s) , que se analizó en el capítulo 5.
Modelo discreto equivalente de un filtro analógico

El desarrollo del modelo de un filtro digital de a partir del filtro analógico, se basa en los
denominados métodos de transformación o de discretización. Como se demostrará más
adelante, dos casos relacionados con métodos de transformación fueron analizados en la
sección anterior: el método de residuos modificado y la función de transferencia de pulsos.
En general se reconocen dos estrategias [Katz81] para la obtención del modelo discreto
equivalente de un filtro analógico:
- métodos directos
- métodos indirectos
Los métodos directos se basan en desarrollar mediante aproximación numérica, la

ecuación en diferencias (EED) para el modelo discreto H ( z) , a partir de la ecuación
diferencial (ED) del modelo continuo H ( s ) . Estos métodos son similares a los que se
utilizan en el cálculo numérico para la evaluación numérica de una integral o una derivada
de una función continua. Una vez lograda la EDD, se aplica la TZ para obtener el modelo
H ( z) , tal como lo muestra la figura 10.23.
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
Los métodos indirectos no utilizan aproximación numérica para obtener regla de

transformación para convertir H ( s) en H ( z) . Por el contrario, se basan en garantizar que
ciertas características dinámicas del modelo continuo H ( s) , sean preservadas por el
modelo equivalente discreto H ( z) . Estos métodos serán desarrollados en la sección 10.8.
Algoritmo de los métodos directos de transformación

Según la figura 10.23, los métodos directos de transformación se basan en la aproximación
numérica de la derivada o de la integral que aparecen en la ecuación diferencial (ED) del
filtro continuo H ( s) , para obtener la ecuación en diferencias (EED) del filtro discreto
equivalente H ( z) . En este orden de ideas, desarrollaremos tres métodos directos:
- método de la diferencia anterior

- método de la transformación bilineal o transformación de Tustin
- método de Tustin con predesplazamiento de frecuencia
El fundamento de estos métodos es el desarrollo de una de regla de transformación, que

permite obtener el modelo H ( z) del filtro digital, a partir del filtro analógico H ( s ) . Sin
restar generalidad, consideraremos en principio un filtro pasa-bajo cuya FT es
a
H ( s) = (10.59)
s+a
10.7 – METODOS DIRECTOS DE TRANSFORMACION 10 - 37
Usando descomposición directa, es posible reconstruir la ecuación diferencial, como:

Y ( s) a
H ( s) = =
X ( s) s + a
Por lo tanto:
sY ( s) + a ⋅ Y ( s) = a ⋅ X ( s)
Aplicando la propiedad de la derivada de la TL para el sistema en reposo
dy( t )
+ a ⋅ y( t ) = a ⋅ x( t ) (10.60)
dt
Separando variables, integramos (10.60) en el intervalo [ t1 , t2 ] , como
y2 t2 t2
∫ dy = − a ∫ y( t ) ⋅ dt + a ∫ x( t ) ⋅ dt
y1 t1 t1
Evaluando numéricamente la integral entre t1 = ( n − 1)T y t2 = nT , obtenemos

nT nT
y( nT ) − y[( n − 1)T ] = − a × area{ y( t )} ( n−1)T + a × area{x( t )} ( n −1)T (10.61)
La expresión (10.61) es la ecuación en diferencias (EED) lograda por aproximación

numérica de la ED (10.60). Utilizando notación compacta en (10.61) obtenemos el
algoritmo básico para calcular el valor actual de la salida del filtro discreto, como:
y n = y n−1 + a × [ area{x} − area{ y}] (10.62)
Las diferentes reglas de transformación se obtienen aproximando numéricamente la

derivada en (10.60) o la integral necesaria para determinar las áreas en (10.62).
Método de la diferencia anterior

Este método aproxima la derivada en (10.60) a través de la primera diferencia anterior,
dy( t ) ∇y( t ) y( nT ) − y[( n − 1)T ]
≈ = (10.63)
dt T T
Sustituyendo (10.63) en (10.60) y considerando t = nT , obtenemos:
y( nT ) = y[( n − 1)T ] + aT ⋅ [ x( nT ) − y( nT )] (10.64)
Esta es la EED obtenida como resultado de la aproximación numérica de la ED (10.60) del

modelo continuo. La misma expresión se puede lograr si utiliza la regla del rectángulo del
lado derecho, para aproximar la integral necesaria para evaluar las áreas requeridas en
(10.62), tal como se muestra en la figura 10.24.
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
El área acumulada por x( t ) o y( t ) en el intervalo [( n − 1)T , nT ] , puede calcularse como

area{x} = x( nT ) ⋅ T , area{ y} = y( nT ) ⋅ T
Sustituyendo en (10.62), obtenemos:
y( nT ) = y[( n − 1)T ] + aT ⋅ [ x( nT ) − y( nT )] (10.65)
que es el mismo resultado mostrado en (10.64). Llevando (10.64) o (10.65) al dominio-z
Y ( z) = z−1 Y ( z) + aT ⋅ [ X ( z) − Y ( z)]
Despejando la relación Y ( z) / X ( z) obtenemos la FTD equivalente como
Y ( z) aT a
= H ( z) = = (10.66)
X ( z) 1 − z + aT 1 − z−1
−1
+a
T
Comparando el modelo discreto (10.66) con el modelo continuo (10.59), se puede formular
la regla de transformación del método de la diferencia anterior, como
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 ⎭
A partir de la expresión anterior es fácil demostrar que:

Re ( s) < 0 ⇔ ( x − 1/ 2)2 + y 2 < (1/ 2)2 (10.69)
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.
Según la figura 10.25, el método de la diferencia anterior garantiza un modelo discreto

H ( z) absolutamente estable, dado que los polos de H ( s) en el SPI, se transforman en
puntos dentro del círculo unitario.
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
De este modo no se presenta solapamiento de frecuencias, pero sí distorsión de frecuencia.

Esta distorsión origina un desplazamiento de frecuencia entre un valor analógico ω A y el
valor correspondiente Ω D del modelo digital, relacionadas como
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 )
Asumiendo que Ω D << , cos( Ω D ) ≈ 1 y sen( Ω D ) ≈ 0 . Por lo tanto
ω A ≈ T1 tan( Ω D ) ⇔ Ω D ≈ tan −1( ω AT ) (10.72)
El siguiente ejemplo muestra la evaluación de la distorsión y desplazamiento de frecuencia

del modelo discreto equivalente desarrollado a través del método de la diferencia anterior.
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
Evaluando la ganancia DC de cada modelo, obtenemos:

10 0.5 z
K DCs = =1 K DCz = =1
s + 10 s=0 z − 0.5 z=1
Por lo tanto este método preserva la ganancia DC. De acuerdo a lo tratado en la

sección 5.3, el ancho de banda de media potencia ω B del filtro analógico se
determina resolviendo la siguiente ecuación:
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
Resolviendo se obtiene ω B = 10 rad/s . Para evaluar la distorsión de frecuencia,

calculamos la magnitud de la RFD del filtro digital para este mismo valor,
expresándola como frecuencia digital: Ω B = ω BT = 10 × 0.1 = 1 rad
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
Esta distorsión es consecuencia del desplazamiento del ancho de banda del

modelo digital. En efecto, usando (10.72) para T=0.1s, obtenemos
Ω BD ≈ tan −1(10 × 0.1) = 0.7854 rad
equivalente a ω BD = 10 × 0.7854 = 7.8540 rad/s . Se muestra que el ancho de

banda ω BA = 10 rad/s del filtro analógico es desplazado en el filtro digital
equivalente a ω BD = 7.8540 rad/s .
Figura 10.26
Respuesta impulso y
respuesta escalón en
el método de la
diferencia anterior.
La figura 10.26 muestra que el filtro digital H ( z) obtenido por el método de de la

diferencia anterior, no preserva la respuesta impulso ni la respuesta escalón. Para reducir el
efecto de distorsión y desplazamiento de frecuencia, es necesario disminuir el período de
muestreo T. Se puede verificar que si T = 0.001 s el ancho de banda del filtro digital es
ω BD = 9.9997 rad/s .
En el ejemplo 10.16 utilizó la función especial danterior() desarrollada para obtener el

modelo discreto H ( z) de un filtro continuo H ( s ) por el método de la diferencia anterior.
Su descripción se presenta en el apéndice B y su sintaxis es:
[nHz,dHz] = danterior(nHs,dHs,T)
Introduciendo el nombre de esta función se obtiene ayuda y un ejemplo de aplicación.

Con base en los resultados del ejemplo anterior, podemos resumir las características del
método de la diferencia anterior, como:
1. No preserva la respuesta impulso ni la respuesta escalón.

2. Preserva la ganancia DC.
3. Si H ( s ) es estable, también lo es H ( z) .
4. No preserva la respuesta de frecuencia: existe desplazamiento y distorsión.
5. No existe solapamiento de frecuencias y no existe “aliasing”.
6. Se usa para modelar el controlador discreto PID.
Método de transformación bilineal o de Tustin

Este método directo de transformación no utiliza aproximación numérica de la derivada. Se
basa en aproximar la integral a través del trapecio, tal como se muestra en la figura 10.27.
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
El área en el intervalo [( n − 1)T , nT ] viene dada por

x( nT ) + x[( n − 1)T ] y( nT ) + y[( n − 1)T ]
area{x} = ⋅ T , area{ y} = ⋅T
2 2
Sustituyendo en (10.62), obtenemos el algoritmo de este método, como:
aT
y( nT ) = y[( n − 1)T ] + {x( nT ) + x[( n − 1)T − y( nT ) − y[( n − 1)T ]} (10.73)
2
Llevando (10.73) al dominio-z, la FTD Y ( z) / X ( z) del filtro digital es
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
A partir de (10.75) es posible evaluar la correlación entre el plano-s y el plano-z para

identificar características dinámicas y de RDF del modelo discreto H ( z) y su relación con
el modelo continuo H ( s) . Asumiendo z = x + jy en (10.75), obtenemos:
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
Para evaluar la RDF de los dos modelos, consideramos s = j ω en (10.75)

1 + j ωT / 2 A∠θ
z= = = 1∠2tan −1( ωT / 2) (10.77)
1 − j ωT / 2 A∠ − θ
Utilizando (10.77) podemos analizar los siguientes puntos:
Ω = ωT = 0, z = 1∠0º
Ω = ωT = 2, z = 1∠90º (10.78)
Ω = ωT = ∞, z = 1∠180º
El modelo obtenido no presenta solapamiento, pero sí distorsión de frecuencia. Similar al

caso de la diferencia anterior, esta distorsión origina un desplazamiento de frecuencia entre
un valor analógico ω A y su equivalente digital Ω D . Sustituyendo (10.71) en (10.75),
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
Para la ganancia DC de cada modelo, obtenemos
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
0.3333(1 + 0.5403 + j 0.8415)

H ( z) z= e j 10 T = = 0.6752 pu
0.5403 + j 0.8415 − 0.3333
que es suficiente para demostrar la distorsión de frecuencia. El desplazamiento

de frecuencia se puede verificar a partir de (10.79),
Ω BD = 2 × tan −1(10 × 0.1/ 2) = 2 × 0.4346 = 0.9273 rad
equivalente a ω BD = 9.2730 rad/s . Se demuestra que el ancho de banda

ω BA = 10 rad/s de H ( s) se desplaza en H ( z) a 9.2730 rad/s . Se puede
verificar que si T = 0.01 s el ancho de banda es ω BD = 9.9999 rad/s .
Figura 10.29
Respuesta impulso y
el método de la
transformación
La figura 10.29 muestra que el modelo discreto H ( z) obtenido usando transformación

bilineal, no preserva la respuesta impulso ni la respuesta escalón, a pesar de mantener la
misma ganancia DC. En el ejemplo anterior se usó la función bilinear() del Toolbox de
Señales de MATLAB® para conseguir el modelo del filtro digital H ( z) a partir del filtro
analógico H ( s ) , con base en la transformación bilineal.
Los resultados anteriores, permiten reconocer las características del método de la

transformación bilineal o de Tustin, como:
1. No preserva la respuesta impulso ni la respuesta escalón.

2. Preserva la ganancia DC.
3. Si H ( s ) es estable, también lo es H ( z) .
4. Presenta distorsión y desplazamiento de frecuencia.

5. No existe solapamiento de frecuencias y no presenta “aliasing”.
6. Se utiliza para obtener el modelo equivalente discreto del controlador PID y el
modelo continuo ficticio de la FT de un sistema discreto.
7. Se aplica en el diseño de un filtro digital a partir de su versión analógica.
Método de Tustin con predesplazamiento

Con base en los resultados del ejemplo 10.17, la figura 10.30 presenta una interpretación
gráfica del desplazamiento del ancho de banda ω B del modelo continuo. En efecto, para
T=0.1s, la frecuencia analógica ω A = 10 rad /s se desplaza hacia la izquierda a la posición
ω D = 9.2730 rad /s , como valor equivalente de Ω D .
Figura 10.30
Desplazamiento de ωA ωA p ω
frecuencia en la
transformación ωD ωD p
Si en la figura anterior la frecuencia analógica ω A es predesplazada hacia la derecha al

valor ω A p , es posible lograr que al aplicar la transformación de Tustin, la frecuencia del
modelo digital ω D p coincida exactamente con el valor original ω A . Usando el resultado
del ejemplo 10.16, se puede verificar que el valor predesplazado de la frecuencia analógica
ω A p se obtiene a partir de (10.79) como:
2
ωA p = tan(10 × 0.1/ 2) = 10.9260 rad/s
0.1
Usando este valor como nueva frecuencia analógica, la frecuencia del modelo digital es
2
ωD p = tan−1(10.9260 × 0.1/ 2) = 10 rad/s
0.1
Este resultado sugiere que es posible obtener el modelo equivalente digital de un filtro
analógico, preservando un valor particular de frecuencia ω p , por ejemplo el ancho de
banda. El método en cuestión se reconoce como Tustin con predesplazamiento y se aplica
mediante el siguiente procedimiento:
1. Escribir la expresión de H ( s) como H ( s/ω p ) , para preservar la ganancia DC.

2. Calcular la frecuencia analógica predesplazada ω pd , como
2 ⎛ ω pT ⎞
ω pd = tan ⎜ ⎟ (10.80)
T ⎝ 2 ⎠
3. Sustituir el valor de ω p por ω pd en la expresión de H ( s/ω p ) , para obtener H p ( s) .

4. Aplicar la regla de transformación bilineal (10.75) a H p ( s) para obtener H ( z) .
Ejemplo 10.18: Usando transformación bilineal con predesplazamiento, obtener el modelo

Modelo discreto discreto equivalente del siguiente filtro analógico pasa-bajo. Asumir que se
equivalente
usando
desea preservar el ancho de banda del modelo continuo y T = 0.1s .
transformación
bilineal con pre- 10
H ( s) =
desplazamiento. s + 10
Solución: La frecuencia a preservar es el ancho de banda del filtro ω B = 10 rad/s. Luego
ω p = 10 , que usamos para normalizar H ( s) , como:
1
H ( s/ω p ) =
( s/10) + 1
Utilizando (10.80) para T = 0.1s , obtenemos el valor predesplazado de ω B
2
ω pd = tan(10 × 0.1/ 2) = 10.9260 rad/s
0.1
Sustituyendo ω p = 10 por el valor anterior en H ( s/ω p ) , obtenemos:
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
Para comprobar que se preserva el ancho de banda ω B = 10 rad/s del modelo

analógico: H ( s) , calculamos la magnitud de la RDF del modelo digital: H ( z)
para esta misma frecuencia :
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
De este modo se logra preservar el ancho de banda del modelo continuo.

Usando MATLAB® se puede comprobar este resultado:
» Ex=exp(j*wB*T); HjWB=polyval(nHz,Ex)/polyval(dHz,Ex);
» magHjWB=abs(HjWB)
magHjWB = 0.7071
Método de Tustin con período de muestreo equivalente

La estrategia anterior presenta dificultades en sistemas de orden superior donde es
complicado identificar en H ( s ) el valor de la frecuencia ω p a preservar. Para facilitar este
trabajo existe un algoritmo especial [Shahian93], conocido como método del período de
muestreo equivalente Tp o de la frecuencia crítica, que se basa en modificar la regla de
transformación bilineal o de Tustin (10.75), como
2 z−1
s= × (10.81)
Tp z + 1
donde el valor de Tp es usado para preservar una frecuencia particular: ω p . El problema

se reduce a considerar que si el modelo analógico H ( s ) tiene una frecuencia ω A = ω p ,
aplicando (10.75) para T = Tp , el modelo digital H ( z) deberá tener una frecuencia
Ω D = ω pT . Por lo tanto, aplicando (10.80) para T = Tp , obtenemos
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
Para garantizar exactitud numérica en la aplicación de este algoritmo, el valor de Tp

calculado a partir de (10.83), debe tener un buen número de cifras significativas, tal como
se muestra en el siguiente ejemplo. La función bilinear() usada en el ejemplo 10.16
incluye una opción basada en el algoritmo anterior, para preservar una frecuencia
f p = ω p / 2π en Hz. Su sintaxis es
[num,den]=bilinear(nHs,dHs,fm,fp)
donde fm es la frecuencia de muestreo expresada en Hz y calculada como f m = 1/ T .
El siguiente ejemplo muestra el uso del método de la frecuencia crítica para preservar la
frecuencia de corte de un filtro tipo ranura (notch).
Ejemplo 10.19: Utilizando transformación bilineal con período equivalente, obtenga el

Transformación modelo discreto del siguiente filtro analógico tipo ranura (notch), usado
bilineal con
período para eliminar la frecuencia de ω = 10 rad/s . Suponga T = 0.01 s y que se
equivalente. desea preservar ω p = 10 rad/s .
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:
s2 + 0.2 s + 100 0.9534 z2 − 1.8954 z + 0.9515

H ( z) = =
s2 + 10 s + 100 s=
2( z − 1) z2 − 1.8954 z + 0.9049
0.01000834( z + 1)
Para verificar estos resultados, usamos MATLAB®

» T=0.01; wp=10;
» nHs=[1 0.2 100]; dHs=[1 10 100];
» Tp=(2/wp)*tan(wp*T/2); Tp=aproxN(Tp,8,'t')
» [nHz,dHz]=bilinear(nHs,dHs,1/Tp)
nHz = 0.9534 -1.8954 0.9515
dHz = 1.0000 -1.8954 0.9049
Para comprobar que se preserva la frecuencia ω = 10 rad/s o Ω = 0.1 rad :
s2 + 0.2 s + 100 j 0.2

H ( s) s = j 10 = = = 0.02 pu
s2 + 10 s + 100 s = j 10
j 10
0.9534 z2 − 1.8954 z + 0.9515

H ( z) z= e j 0.1 = = 0.02 pu
z2 − 1.8954 z + 0.9049 z= e j
Verificamos usando MATLAB®:

» Hjwp=polyval(nHs,j*wp)/polyval(dHs,j*wp);
» Ew=exp(j*wp*T); HjWp=polyval(nHz,Ew)/polyval(dHz,Ew);
» magHjwc=abs(Hjwp), magHjWc=abs(HjWp)
magHjwc = 0.02 magHjWc = 0.02
Usando la función bilinear() con predesplazamiento:
» fp=wp/(2*pi); [nHzm,dHzm]=bilinear(nHs,dHs,1/T,fp)
nHzm = 0.9534 -1.8954 0.9515
dHzm = 1.0000 -1.8954 0.9049
En el ejemplo anterior se utilizó la función especial aproxN(), que se desarrolló para

truncar o redondear un arreglo numérico a N cifras decimales. Su sintaxis es
xm = aproxN(x,N,modo)
Introduciendo el nombre de esta función se consigue ayuda y un ejemplo de aplicación. Se

recomienda al lector resolver el problema P10.17.
10.8 METODOS INDIRECTOS DE TRANSFORMACION

Los métodos indirectos no utilizan aproximación numérica para establecer la regla de
transformación que permite obtener H ( z) a partir de H ( s) . Por el contrario, esta regla de
transformación se construye preservando una característica dinámica del filtro analógico.
En esta sección serán analizados 3 métodos indirectos, a saber:
- método que preserva la respuesta impulso

- método que preserva la respuesta escalón
- método de la transformación de polos y ceros del modelo continuo
Método que preserva la respuesta impulso

Como su nombre lo indica, la regla de transformación debe garantizar que el modelo
discreto H ( z) preserve la respuesta impulso del modelo continuo H ( s) .
Figura 10.31 δ( nT ) h( nT )
δ( t ) h( t )
Fundamento del H ( s) ⇔ H ( z)
método que preserva
la respuesta impulso.
La figura 10.31 muestra el fundamento de este método, donde las muestras de h( nT )

deben coincidir con los valores de h( t ) en t = nT . Por lo tanto
h( nT ) ≡ h( t ) (10.84)
Tomando la TZ de los dos miembros de (10.84), obtenemos
H ( z) = Z{ H ( s)} (10.85)
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.
Al evaluar H ( z) usando (10.85), debe recordarse que es el modelo equivalente de un

sistema de datos muestreados obtenido a partir de TEL H *( s) , que según (10.28) es
10.8 – METODOS INDIRECTOS DE TRANSFORMACION 10 - 51
1 k=∞
H *( s) = ∑ H ( s + j kωm )
T k=−∞
(10.86)
La RDF del modelo discreto se evalúa como

H ( e jΩ ) = H ( z) z= e jΩ o H ( j ω) = H *( s) s = j ω
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
HT ( z) = T ⋅Z{ H ( s)} (10.87)
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
Este resultado puede verificarse usando MATLAB®:

» nHs=10; dHs=[1 10];
» T=0.1; [nHz,dHz]=resimod(nHs,dHs,T)
nHz = 10 0
dHz = 1.0000 -0.3679
Para evaluar la ganancia DC y la distorsión de frecuencia se debe trabajar con

el modelo ajustado en ganancia, multiplicando el valor anterior por T = 0,1 s :
z
H T ( z ) = T × H ( z) =
z − 0.3679
Evaluando la ganancia DC de cada modelo:
10 z 1
H ( s) s=0 = =1 H T ( z) z = 1 = = = 1.5820
s + 10 s=0 z − 0.3679 z= 1 0.6321
Luego, este método de transformación no preserva la ganancia DC. La

magnitud de la RDF de cada modelo para el ancho de banda ω B = 10 rad /s del
filtro analógico, es:
H ( s) s = j 10 = 0.7071 pu HT ( z) z= e j = 1.1642 pu
suficiente para demostrar la distorsión de frecuencia. Este resultado puede

verificarse usando MATLAB®:
» nHTz=T*nHz, dHTz=dHz;
» wB=10; HjwB=polyval(nHs,j*wB)/polyval(dHs,j*wB);
» Ew=exp(j*wB*T); HjWB=polyval(nHTz,Ew)/polyval(dHTz,Ew);
Se puede demostrar que para lograr una magnitud cercana a 0.7071 es

necesario reducir el período de muestrea a T = 0.00001 s . Luego este método
presenta un fuerte efecto de distorsión de frecuencia.
La figura 10.32 permite verificar que el modelo H ( z) preserva la respuesta

impulso, mientras que no preserva la respuesta escalón ni la ganancia DC.
Figura 10.32
Respuesta impulso y
el método de la TZ.
La figura 10.33 muestra la RDF de H ( s) y de HT ( z) para T = 0.1 s y

T = 0.01 s desarrolladas en el intervalo ω = [0, 2π / T ] rad/s , para mostrar la
forma periódica de H ( e jΩ ) . Usando los siguientes comandos de MATLAB®:
» w=0.1:0.05:2*pi/T; %6.274 puntos
» Hjw=freqs(nHs,dHs,w); magHjw=abs(Hjw);
» HjW=freqz(nHTz,dHTz,w*T); magHjW=abs(HjW);
Las líneas horizontales de la figura 10.33 corresponden a

H ( j ω B ) = 1/ 2 = 0.7071 y H ( e j Ω B ) = 1.5820 / 2 = 1.1686
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.
El Toolbox de Señales (TBS) de MATLAB® incluye la función impinvar() para

determinar el modelo discreto compensado en ganancia, que se utiliza para el diseño de un
filtro digital a partir de su versión analógica, por el método conocido también como del
impulso invariante. Aplicando al ejemplo 10.19, obtenemos
» T=0.1: [nHTz,dHTz]=impinvar(nHs,dHs,1/T)
nHTz = 1 dHTz = 1.0000 -0.3679
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
La solución de la ecuación (10.89) no es fácil y generalmente exige el uso de un

procedimiento numérico con el apoyo de software. Aplicando (10.88) al ejemplo 10.19 es
fácil verificar que ω B = 10 rad/s . La solución de (10.89) para T = 0.1 s , se puede obtener
numéricamente usando el siguiente guión de MATLAB®
» T=0.1; w=0.1:0.05:2*pi/T; kDCz=polyval(nHTz,1)/polyval(dHTz,1);
» k=min(find(magHjW>=kDCz/sqrt(2))); wBD=w(k)
wBD = 10.9700
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:
1. Preserva la respuesta impulso.

2. No preserva la respuesta escalón ni la ganancia DC.
3. Si H ( s ) es estable, H ( z) también lo es.
4. Presenta efecto de solapamiento y efecto de “aliasing”
6. Se usa para obtener el modelo equivalente discreto de un filtro continuo, conocido
como método de invarianza en el tiempo.
Método que preserva la respuesta escalón

La regla de transformación de este método se obtiene haciendo que las muestras de la
respuesta escalón del modelo discreto, coincidan con los valores de la respuesta escalón
del modelo continuo, tal como se muestra en la figura 10.34.
Figura 10.34 u( t ) y( t ) u( nT ) y( nT )
Fundamento del H ( s) H ( z)
método que preserva
la respuesta escalón.
En otras palabras, para preservar la respuesta escalón se requiere que
y( nT ) ≡ y( t ) ⇔ Y ( z) = Z{ Y ( s)} (10.90)
Considerando que U ( z) = z /( z − 1) , obtenemos
z ⎧ H ( s) ⎫
Y ( z) = ⋅ H ( z) = Z{Y ( s)} = Z ⎨ ⎬
z−1 ⎩ s ⎭
Despejando H ( z) obtenemos finalmente
⎧ 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.
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
Para evaluar la distorsión de frecuencia usamos el ancho de banda de H ( s)

H ( s) s = j 10 = 0.7071 H ( z) z= e j 10×0.1 = 0.7539
Este resultado se puede verificar con el apoyo de MATLAB®

» wB=10; HjwB=polyval(nHs,j*wB)/polyval(dHs,j*wB);
» WB=exp(j*wB*T); HjWB=polyval(nHz,WB)/polyval(dHz,WB);
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.
Aplicando el algoritmo del ejemplo anterior se evaluó el desplazamiento de

frecuencia, logrando ω D = 10.9700 rad/s para el ancho de banda del modelo
discreto Los siguientes comandos de MATLAB® verifican estos resultados.
» 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
La figura 10.36 muestra que el modelo discreto efectivamente preserva la

respuesta escalón, pero no la respuesta impulso
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:
1. No preserva la respuesta impulso.

2. Preserva la respuesta escalón y la ganancia DC.
3. El muestreador y retensor son ficticios.
4. No presenta problemas de estabilidad.
5. Puede presentar problemas de solapamiento y efecto de aliasing.

6. Se utiliza para obtener el modelo discreto del proceso en sistemas de control digital.
Método de transformación de polos y ceros

La estrategia consiste en colocar los polos y ceros del modelo discreto en el plano-z, de
modo que exista correspondencia uno-a-uno con los polos y ceros del modelo continuo en
el plano-s. De este modo, la regla de transformación es:
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.
Si H ( s) tiene un cero-∞, una posible estrategia es asociarlo con el extremo de la franja

fundamental, que corresponde a z = −1 para H ( z) . Esta solución es aproximada y será
válida en la medida en que se utilice un período de muestreo pequeño, dado que el ancho
de la franja fundamental está determinado por la frecuencia de Nyquist, ω N = π / T .
Sin embargo, surge un problema en el sentido de que la presencia de un cero-∞ en H ( s) ,

garantiza que la respuesta escalón es cero para t = 0 . Si este cero-∞ se transforma en un
cero finito en z = −1 , aparece como un factor ( z + 1) en el numerador de H ( z) , haciendo
que la respuesta escalón y( nT ) del modelo discreto presente un salto en nT = 0 . Para
preservar la respuesta escalón en t = 0 , se recomienda [Franklin90] que el primer cero-∞
de H ( s ) no se transforme y se conserve como un cero-∞ en el modelo discreto H ( z) .
La ganancia del compensador se determina preservando un valor particular de ganancia del

modelo continuo. Si se trata de un filtro digital pasa-bajo debe preservarse la ganancia DC
o de BF, evaluada para z = 1 . Si es un filtro digital pasa-alto el valor a preservar es la
ganancia en AF, que se evalúa para z=−1. La estrategia anterior condiciona el uso de este
método de transformación solo para filtros pasa-bajo y pasa-alto (ver problema 10.19).
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
Solución Utilizando (10.92) transformamos el polo real y finito s1 = −10 de H ( s) , en

z1 = e−10×0.1 = 0.3679 . Como existe un solo cero-∞ en H ( s ) no se transforma,
para preservar la respuesta escalón de los dos modelos t = 0 .
Luego una primera aproximación del modelo discreto es:

1
H ( z) = kc
z − 0.3679
Como se trata de un filtro pasa-bajo debemos preservar la ganancia DC del
modelo continuo es. Luego,
1
H ( s ) s =0 = H ( z) z=1 = kc =1
z − 0.3679 z= 1
Despejando obtenemos kc = 0.6321 y la FT del modelo discreto es

0.6321
H ( z) =
z − 0.3679
Como el resultado es igual al ejemplo 10.21, los valores característicos de
distorsión y desplazamiento de frecuencia, respuesta impulso y respuesta
escalón, son los mismos del método que preserva la respuesta escalón.
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:
1. No preserva la respuesta impulso.

2. Preserva la respuesta escalón y la ganancia DC.
3. Si H ( s ) es estable, H ( z) también es estable.
5. No existe solapamiento de frecuencia ni efecto de aliasing.
6. Se utiliza para obtener el modelo discreto del proceso en sistemas de control digital.
Usando el algoritmo anterior se desarrolló la función especial transpz() para obtener

H ( z) a partir de H ( s) . Su descripción de presenta en el apéndice B y su sintaxis es:
[nHz,dHz] = transpz(nHs,dHs,T)
Introduciendo solo el nombre de la función se consigue ayuda y un ejemplo de aplicación.

Aplicando al ejemplo 10.22:
» nHs=10; dHs=[1 10]; T=0.1; [nHz,dHz]=transpz(nHs,dHs,T)

nHz = 0 0.6321 dHz = 1.0000 -0.3679
10.9 FILTRO DIGITAL IIR A PARTIR DEL FILTRO ANALOGICO

En la sección 9.5 se presentaron los fundamentos de diseño de los filtros selectivos de
frecuencia, digitales tipo FIR, que se basó en el truncamiento y desplazamiento de un filtro
discreto ideal con respuesta impulso infinita, para convertirlo en un filtro real, estable y
causal, usando técnicas de ventaneo. En esta sección se demostrará que es posible obtener
el modelo de un filtro digital tipo IIR, aplicando métodos de transformación o de
discretización al prototipo analógico presentado en el capítulo.
Estrategias de diseño del filtro digital IIR selectivo de frecuencia

Los filtros digitales IIR tienen respuesta impulso de duración infinita, y por lo tanto pueden
obtenerse a partir de prototipos analógicos, usando los métodos de transformación o de
discretización presentados en las secciones 10.7 y 10.8. La principal ventaja que ofrece
esta estrategia se basa en que existe suficiente documentación sobre modelos matemáticos
para el diseño de filtros analógicos reales.
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
TBF en dominio-s Discretización

H PB ( s) → H ( s) H ( s ) → H ( z) Filtro
Filtro digital
analógico selectivo
Figura 10.37 pasa-bajo Estrategia-2 de
Estrategias de
diseño de filtros
H PB ( s) frecuencia
IIR selectivos de Discretización TBF en dominio-z
H ( z)
frecuencia.
H PB ( s) → H PB ( z) H PB ( z) → H ( z)
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 ) .
Para discretizar el modelo continuo se utilizará la transformación bilineal, aplicando

(10.80) para preservar las frecuencias características del filtro digital. De este modo,
utilizando la estrategia-1 de la figura 10.37, el procedimiento general para obtener el
modelo de un filtro digital H ( z) , a partir del modelo analógico H ( s) es:
1. Calcular las frecuencias características ω c i del filtro analógico H ( s ) , como valores

predesplazados de las frecuencias de características Ω c i del filtro digital H ( z)
2 ⎛ Ωc i ⎞
ωci= tan ⎜ ⎟ (10.93)
T ⎝ 2 ⎠
2. Calcular la frecuencia de corte ω0 del filtro analógico pasa-bajo H PB ( s) , usando

TBF en sentido inverso (tabla 5.1) a partir de las frecuencias ω c i .
3. Construir la FT del filtro analógico pasa-bajo H PB ( s) de orden N y frecuencia de
corte ω0 , usando las expresiones desarrolladas en la sección 5.2, según el prototipo
esperado de Butterworth, Chebyshev o Elíptico.
4. Obtener la FT del filtro analógico deseado H ( s) , aplicando TBF (tabla 5.1) al filtro
pasa-bajo H PB ( s) .
5. Calcular el filtro digital deseado H ( z) , aplicando a H ( s ) la regla de transformación
bilineal (10.75).
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 .
Filtro digital pasa-bajo a partir del filtro analógico pasa-bajo

Según la tabla 5.1, la regla de transformación de frecuencia es
ω0
s → s (10.94)
ωc
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.
Ejemplo 10.23: Obtener el modelo de un filtro digital pasa-bajo de Butterworth de orden-

Filtro digital pasa- 3 cuya frecuencia de corte es Ω c = 0.25π rad , utilizando el método de
bajo de Butterworth
a partir del filtro transformación bilineal o de Tustin.
analógico pasa-
bajo.
10.9 – FILTRO DIGITAL A PARTIR DEL FILTRO ANALOGICO 10 - 61
Solución Utilizando el procedimiento propuesto, obtenemos:

1. Frecuencia de corte del filtro analógico deseado H ( s) , para T = 1
2 ⎛ 0.25π ⎞
ω c = tan ⎜ ⎟ = 0.8284 rad/s
1 ⎝ 2 ⎠
2. Frecuencia de corte del filtro pasa-bajo: H PB ( s )

No es necesario aplicar TIBF porque H PB ( s) = H ( s) . Por lo tanto
ω0 = ωc = 0.8284 rad/s
3. FT del filtro analógico pasa-bajo de Butterworth: H PB ( s )

Según (5.32), H ( s) PB H PB ( − s) debe tener 2 × N = 6 polos distribuidos en la
circunferencia de radio ω0 = 0.8264 rad/s . Como N es impar, dos polos
están sobre el eje-Re y el ángulo de separación de los restante se logra
aplicando (5.33)
π π
θ= =
N 3
Seleccionando los polos del SPI, para garantizar estabilidad de H ( s)
⎧ 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
Este resultado puede verificarse usando la función butter() de MATLAB®

» Wc=0.25*pi; T=1; wc=(2/T)*tan(Wc/2);
» N=3; [nHPBs,dHPBs]=butter(N,wc,'s')
nHPBs = 0 0 0 0.5685
dHPBs = 1.0000 1.6569 1.3726 0.5685
4. FT del filtro analógico pasa-bajo de Butterworth: H ( s)

No es necesario usar TBF porque H ( s) = H PB ( s)
5. Modelo digital del filtro deseado: H ( z)
0.0317 z3 + 0.951z2 + 0.0951z + 0.0317

H ( z) = H ( s) s = 2( z−1) =
z+ 1 z3 − 1.4590 z2 + 0.9104 z − 0.1978
que se puede verificar usando MATLAB®
» [nHz,dHz]=bilinear(nHs,dHs,1/T)
nHz = 0.0317 0.0951 0.0951 0.0317
dHz = 1.0000 -1.4590 0.9104 -0.1978
Figura 10.38
Respuesta de
frecuencia del filtro
digital pasa-bajo de
Butterworth.
Usando la función freqz() de MATLAB® se obtuvo la RDF del filtro digital,

mostrada en la figura 10.38, donde se observa que se logra la frecuencia
característica Ω c = 0.25π rad del filtro digital pasa-bajo, que en este caso
corresponde al ancho de banda del filtro.
Esta figura permite reconocer además la forma plana de la respuesta magnitud

en la banda de paso y en la banda de rechazo, característica propia del filtro
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 .
Aplicando al ejemplo 10.23, obtenemos

» [num,den]=butter(N,Wc/pi)
num = 0.0317 0.0951 0.0951 0.0317
den = 1.0000 -1.4590 0.9104 -0.1978
que coincide con el resultado del ejemplo anterior.
Filtro digital pasa-alto a partir del filtro analógico pasa-bajo

En este caso, de acuerdo con la tabla 5.1, la regla de transformación de la banda de
frecuencia (TBF) para el desarrollo de las fases 2 y 4, es
ωc ω0
s → (10.95)
s
donde ω0 es la frecuencia de corte del filtro pasa-bajo H PB ( s) y ωc la del filtro pasa-alto
H ( s) , esta última evaluada como el valor predesplazado de Ω c , usando (10.93). Para
facilitar el problema, generalmente se asume que la frecuencia de corte del filtro analógico
pasa-bajo es ω0 = ωc .
Ejemplo 10.24: Obtener el modelo de un filtro digital pasa-alto de Butterworth de orden-

Filtro digital pasa- 3 cuya frecuencia de corte es Ω = 0.25π rad , utilizando el método de
c
alto de Butterworth
usando transformación bilineal o de Tustin.
transformación
bilineal.
Solución Aplicando el procedimiento sugerido:
1. Frecuencia de corte del filtro analógico pasa-alto: H ( s)

Aplicando (10.93) para T = 1 y Ω c = 0.25π rad obtenemos
2 ⎛ 0.25π ⎞
ω c = tan ⎜ ⎟ = 0.8284 rad/s
1 ⎝ 2 ⎠
2. Frecuencia de corte del filtro pasa-bajo: H PB ( s)

No es necesario aplicar TIBF si se asume que ω0 = ωc = 0.8284 rad/s .
Para ω0 = 0.8284 rad/s , según el resultado del ejemplo 10.23
0.56855
H PB ( s) =
s + 1.6569 s2 + 1.3726 s + 0.5685
3
4. FT del filtro analógico pasa-alto de Butterworth: H ( s )

Aplicando TBF dada en (10.95)
ωc ω0 0.8284 × 0.8284 0.6863
s → = =
s s s
Aplicando esta transformación en H PB ( s) , el filtro analógico pasa-alto es:
0.5685
H ( s) =
(0.6863 / s) + 1.6569(0.6863 / s)2 + 1.3726(0.6863 / s) + 0.5685
3
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
5. FT del filtro digital pasa-alto de Butterworth: H ( z)

Utilizando la transformación bilineal (10.75)
0.4459 z3 − 1.3377 z2 + 1.3377 z − 0.4459

H ( z) = H ( s) s= 2( z−1) =
z+ 1 z3 − 1.4590 z2 + 0.9104 z − 0.1978
que puede comprobarse usando MATLAB®:
nHz = 0.4459 -1.3377 1.3377 -0.4459
dHz = 1.0000 -1.4590 0.9104 -0.1978
Usando la función freqz() de MATLAB®, se obtuvo la RDF del filtro digital,

mostrada en la figura 10.39, donde se observa que la estrategia propuesta
permite lograr un filtro pasa-alto con frecuencia de corte Ω c = 0.25π rad .
Figura 10.39
Respuesta de
digital pasa-bajo de
Butterworth.
Como en el ejemplo 10.23, la función butter() permite obtener directamente la FT del

filtro digital pasa-alto, usando un tercer argumento para indicar el tipo de filtro a obtener:
» [num,den]=butter(N,Wc/pi,'High')
num = 0.4459 -1.3377 1.3377 -0.4459
den = 1.0000 -1.4590 0.9104 -0.1978
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.
Filtro digital pasa-banda a partir del filtro analógico pasa-bajo

s 2 + ωc 1 × ω c 2
s → ω0 ⋅ (10.96)
s(ωc 2 − ωc 1 )
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)
que corresponde a la frecuencia central de H ( s) . Como la transformación (10.96) es de

segundo orden, si H PB ( s) es de orden N el filtro pasa-banda H ( s) es de orden 2 × N .
Ejemplo 10.25: Obtener el modelo de un filtro digital pasa-banda de Butterworth de orden-

Filtro digital 6 cuyas frecuencias de corte son Ω c 1 = 0.25π rad y Ω c 2 = 0.75π rad ,
pasa-banda de
Butterworth utilizando el método de transformación bilineal o de Tustin.
usando TBL.

1. Frecuencias de corte del filtro analógico pasa-banda: H ( s)
Aplicando (10.93) para T = 1 , Ω c 1 = 0.25π rad y Ω c 2 = 0.75π rad obtenemos
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 )
ω0 = 0.8284 × 4.8284 = 2 rad/s
3. FT del filtro pasa-bajo de Butterworth: H PB ( s)

Para lograr el filtro pasa-banda de orden 6, debemos partir de un filtro pasa-
bajo de orden 3 y ω0 = 2 rad/s . Aplicando el procedimiento del ejemplo
10.23, obtenemos:
8
H PB ( s) = 3
s + 4s + 8s + 8
2
que se puede verificar usando MATLAB®:

» Wc1=0.25*pi; Wc2=0.75*pi;
» T=1; wc1=(2/T)*tan(Wc1/2); wc2=(2/T)*tan(Wc2/2);
» N=3; w0=sqrt(wc1*wc2); [nHPBs,dHPBs]=butter(N,w0,'s')
nHPBs = 0 0 0 8.0000
dHPBs = 1.0000 4.0000 8.0000 8.0000
4. FT del filtro analógico pasa-banda de Butterworth: H ( s)

Aplicando la transformación (10.96)
s 2 + ωc 1 × ω c 2 s2 + 0.8284 × 4.8284 0.5( s2 + 4)
s → ω0 ⋅ = 2⋅ =
s(ωc 2 − ωc 1 ) s(4.8284 − 0.8284) s
Sustituyen en la expresión de H PB ( s)
8
H PB ( s) = 3 2
⎛ 0.5( s2 + 4) ⎞ ⎛ 0.5( s2 + 4) ⎞ ⎛ 0.5( s2 + 4) ⎞
⎜ ⎟ + 4 ⎜ ⎟ + 8 ⎜ ⎟+8
⎝ s ⎠ ⎝ s ⎠ ⎝ s ⎠
Simplificando
64 s 3
H ( s) =
s6 + 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]=lp2bp(nH1s,dH1s,w0,Dw)
nHs = 64.0000 0.0000 0.0000 0.0000
dHs = 1.0000 8.0000 44.0000 128.0000 176.0000
128.0000 64.0000
5. FT del filtro digital pasa-banda de Butterworth: H ( z)

0.1667 z6 − 0.5 z4 + 0.5 z2 − 0.1667

H ( z) = H ( s) s= 2( z−1) =
z+ 1 z6 + 0.333 z2
que puede verificarse usando MATLAB®:
nHz = 0.1667 0.0000 -0.5000 -0.0000 0.5000
0.000 -0.1667
dHz = 1.0000 -0.0000 0.0000 0.0000 0.3333
0.0000 0.0000

mostrada en la figura 10.40, donde se observan las frecuencias de corte
Ω c 1 = 0.25π rad y Ω c 2 = 0.75π rad .
Figura 10.40
Respuesta de
digital pasa-banda de
Butterworth.
Usando la función butter() de MATLAB® se puede obtener directamente la FT del filtro

digital pasa-banda, introduciendo como segundo argumento un arreglos con las frecuencias
de corte digitales en unidades de π :
» [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
Filtro digital rechaza-banda a partir del filtro analógico

s ( ωc 2 − ω c 1 )
s → ω0 ⋅ (10.98)
s 2 + ωc 1 × ω c 2
donde ωc 1 y ωc 2 son las frecuencias de corte del filtro rechaza-banda analógico H ( s ) ,

calculadas como valores predesplazados de las frecuencias digitales Ω c 1 y Ω c 2 , aplicando
(10.93). La frecuencia de corte ω0 rad/s del filtro analógico pasa-bajo H PB ( s ) se calcula
usando (10.97). Nuevamente, la transformación (10.98) es de segundo orden y por lo tanto
si H PB ( s) es de orden N el filtro rechazo-banda H ( s) es de orden 2 × N .
Ejemplo 10.26: Obtener el modelo de un filtro digital rechaza-banda de Butterworth de

Filtro digital orden-6 cuyas frecuencias de corte son Ω c 1 = 0.25π rad y Ω c 2 = 0.75π rad ,
rechazo-banda
de Butterworth utilizando el método de transformación bilineal o de Tustin.
usando
transformación
bilineal.
1. Frecuencias de corte del filtro analógico rechaza-banda: H ( s )
Aplicando (10.93) para T = 1 , Ω c 1 = 0.25π rad y Ω c 2 = 0.75π rad obtenemos
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 ⎠

Seleccionamos
ω0 = 0.8284 × 4.8284 = 2 rad/s

Para lograr un filtro rechaza-banda de orden 6, debemos partir de un filtro
analógico pasa-bajo de orden 3 y ω0 = 2 rad/s , cuya FT (ejemplo 10.25) es:
8
H PB ( s) =
s + 4s + 8s + 8
3 2
4. FT del filtro analógico rechaza-banda de Butterworth: H ( s)

Aplicando la transformación (10.98)
s ( ωc 2 − ωc 1 ) s(4.8284 − 0.8284) 8s
s → ω0 ⋅ = 2⋅ 2 = 2
s + ωc 1 × ωc 2
2
s + 0.8284 × 4.8284 ( s + 4)
Sustituyendo en H PB ( s ) y simplificando
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
5. FT del filtro digital rechaza-banda de Butterworth: H ( z)

0.1667 z6 + 0.5 z4 + 0.5 z2 + 0.1667

H ( z) = H ( s) s= 2( z−1) =
z+ 1 z6 + 0.333 z2
que se puede verificar usando MATLAB®:
nHz = 0.1667 -0.0000 0.5000 -0.0000 0.5000
0.0000 0.1667
dHz = 1.0000 -0.0000 -0.0000 -0.0000 0.3333
0.0000 -0.0000
Usando la función freqz() de MATLAB®, se obtuvo la figura 10.41 donde se

observan las frecuencias de corte Ω c 1 = 0.25π rad y Ω c 2 = 0.75π rad del filtro
rechaza-banda.
Figura 10.41
Respuesta de
digital rechazo-banda
de Butterworth.
Como en el ejemplo 10.25, usando la función butter() de MATLAB® se puede obtener

directamente la FT del filtro digital rechaza-banda, introduciendo un tercer argumento:
» [num,den]=butter(N,[0.25 0.75],'stop')
num = 0.1667 -0.0000 0.5000 -0.0000 0.5000 -0.0000 0.1667
den = 1.0000 -0.0000 -0.0000 -0.0000 0.3333 0.0000 -0.0000
Función de transferencia de otros prototipos de filtros IIR digitales

La estrategia utilizada en los ejemplos anteriores puede extenderse sin dificultad para
obtener la FT de un filtro digital selectivo de frecuencia H ( z) de Chebyshev o Elíptico, a
partir de su modelo analógico pasa-bajo H PB ( s) . La única diferencia está en usar la
función apropiada de MATLAB® para obtener el modelo del filtro pasa-bajo H PB ( s ) . Las
funciones en referencia son:
[nHPBs,dHPBs]=butter(N,w0,'s')
[nHPBs,dHPBs]=cheby1(N,Rp,w0,'s')
[nHPBs,dHPBs]=cheby2(N,As,w0,'s')
[nHPBs,dHPBs]=ellip(N,Rp,As,w0,'s')
donde N es el orden del filtro pasa-bajo analógico H PB ( s) , Rp el rizado de la banda de paso

en dB, As la atenuación mínima de la banda de rechazo en dB y w0 la frecuencia de corte
de H PB ( s) en rad/s. En este caso es necesario indicar las especificaciones de rizado de la
banda de paso y atenuación de la banda de rechazo por la forma típica de la respuesta de
amplitud de los filtros de Chebyshev y Elíptico.
Ejemplo 10.27: Utilizando el método de transformación bilineal o de Tustin, obtener el

Filtro digital modelo de un filtro digital pasa-alto Chebyshev tipo I de orden-3, con
pasa-alto
Chebyshev tipo I frecuencia de corte Ω c = 0.25π rad y rizado de la banda de paso R p = 1 dB .
usando
transformación
bilineal.
1. Frecuencias de corte del filtro analógico pasa-alto: H ( s)

Aplicando (10.93) para T = 1 , Ω c = 0.25π rad , obtenemos
2 ⎛ 0.25π ⎞
ω c = tan ⎜ ⎟ = 0.8284 rad/s
1 ⎝ 2 ⎠

Asumimos ω0 = ωc = 0.8284 rad/s .
3. FT del filtro analógico pasa-bajo de Chebyshev tipo I: H PB ( s)

Aunque se puede aplicar el método analítico propuesto en la sección 5.2,
utilizamos la función cheby1() del TBS de MATLAB®:
» Wc=0.25*pi; Rp=1; T=1; wc=(2/T)*tan(Wc/2);
» N=3; w0=wc, [nHPBs,dHPBs]=cheby1(N,Rp,w0,'s')
nHPBs = 0 0 0 0.2793
dHPBs = 1.0000 0.8188 0.8499 0.2793
Por lo tanto
0.2793
H PB ( s) =
s + 0.8188 s + 0.8499 s + 0.2793
3 2
4. FT del filtro analógico pasa-alto de Chebyshev tipo I: H ( s)

Aplicando TBF dada en (10.95)
ωc ω0 0.8284 × 0.8284 0.6863

s → = =
s s s
Sustituyendo en H PB ( s) y simplificando, la FT H ( s) es:
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
5. FT del filtro digital pasa-alto Chebyshev tipo I: H ( z)

0.3947 z3 − 1.1840 z2 + 1.1840 z − 0.3947

H ( z) = H ( s) s= 2( z−1) =
z+ 1 z3 − 1.2885 z2 + 0.8070 z − 0.0617
que puede comprobarse usando MATLAB®:
nHz = 0.3947 -1.1840 1.1840 -0.3947
dHz = 1.0000 -1.2885 0.8070 -0.0617

mostrada en la figura 10.42, donde se observa la respuesta plana en la banda de
rechazo y rizada en la banda de paso, característica del filtro Chebyshev tipo I.
Figura 10.42
Respuesta de
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)
Aplicando (10.99) al ejemplo 10.27, obtenemos R = 10 −1/ 20 = 0.8913 pu , que es el valor

mostrado en la figura 10.41. De modo similar, en el caso del filtro Chebyshev tipo II, es
necesario dibujar la línea correspondiente a la atenuación As [ dB] de la banda de rechazo,
expresada en p-u como:
− A s / 20
A = 10 (10.100)
Diseño directo de filtros analógicos y digitales IIR usando MATLAB® (*)

En los ejemplos anteriores se mostró el uso de las funciones incorporadas en el TBS de
MATLAB®, para el diseño de filtros IIR selectivos de frecuencia, analógicos o digitales,
dentro de la categoría de prototipos, cuyo resumen se presenta en la figura 10.43.
El primer bloque presenta las tres fases de la estrategia-1 de diseño de la figura 10.36:
- creación del prototipo pasa-bajo analógico H PB ( s )

- cálculo del prototipo deseado H ( s) , usando TBF en el dominio-s.
- desarrollo del modelo digital H ( z) , usando el método de transformación bilineal.
Diseño clásico de filtros IIR
Prototipo pasa-bajo Transformación de la

analógico banda de frecuencia Filtro digital
buttap cheb1ap lp2lp lp2hp bilinear
cheb2ap ellipap lp2bp lp2bs
Diseño directo de filtros IIR

butter cheby1 cheby2 ellip
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')
donde N es el orden del filtro. Los argumentos Rp y As corresponden al rizado de la banda

de paso y a la atenuación de la banda de rechazo en dB, respectivamente.
El argumento wc es un escalar que representa la frecuencia de corte ωc del filtro pasa-bajo

o pasa-alto en rad/s. Si el filtro es pasa-banda o rechaza-banda wc=[wc1,wc2], donde
wc1,wc2 son las frecuencias de corte en rad/s. El argumento tipo es opcional y solo debe
usarse cuando se trata de un filtro pasa-alto, como 'High' o rechaza-banda como 'Stop'.
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)
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)
Los parámetros Wpn y Wsn son frecuencias normalizadas en unidades de π, donde:

- filtro pasa-bajo: deben ser escalares tal que Wpn < Wsn.
- filtro pasa-alto: deben ser escalares tal que Wpn > Wsn.
- filtro pasa-banda: deben ser arreglos de dos componentes Wpn=[Wp1n,Wp2n] y
Wsn=[Ws1n,Ws2n], tal que Ws1n < Wp1n < Wp2n < Ws2n.
- filtro rechaza-banda: deben ser arreglos de dos componentes Wpn=[Wp1n,Wp2n] y
Wsn=[Ws1n,Ws2n], tal que Wp1n < Ws1n < Ws2n < Wp2n.
Los parámetros Rp y As son el rizado de la banda de paso y la atenuación de la banda de

rechazo en dB. Cada función devuelve el mínimo orden del filtro N que garantiza las
especificaciones de diseño y la frecuencia de corte digital normalizada Wcn, que deben
usarse con las funciones de diseño. Si el filtro es pasa-bajo o pasa-alto, Wcn es un escalar;
en el caso de filtro pasa-banda o rechaza-banda es un vector de dos componentes.
Las frecuencias digitales normalizadas Ω k n en unidades de π asumen una frecuencia de

muestreo f m = 2 rad/s . En otro caso deben calcularse como
2 × fk
Ωkn = (10.101)
fm
donde f k es la frecuencia real y f m la frecuencia de muestreo, ambas en Hz
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®.
Comentarios:
1. A pesar de que la función cheb2ord() devuelve un valor de N = 3 , como la TBF es

de orden-2, el filtro resultante es de orden 2 N = 2 × 3 = 6 . Este es el orden mínimo
que garantiza las especificaciones de diseño.
2. La figura 10.43 muestra que se logra un rizado máximo en la banda de paso
R = 0.7943 pu y una atenuación mínima en la banda de rechazo A = 0.1 pu , que
según (10.99) y (10.100) corresponden a los valores de R p = 2 dB y A s = 20 dB .
3. La figura 10.43 muestra la característica que identifica al filtro Chebyshev tipo II:
magnitud plana en la banda de paso y rizado en la banda de rechazo.
4. Por otro lado la respuesta fase es fuertemente no lineal, una característica propia de
los filtros digitales IIR.
El procedimiento utilizado en el ejemplo 10.28 puede aplicarse para el diseño de cualquier

otro filtro digital. Mayores detalles pueden consultarse en [Mitra06].
RESUMEN Y CONCEPTOS IMPORTANTES
En este capítulo se describieron en forma gráfica las operaciones de muestreo y

reconstrucción de una señal continua, utilizadas en el procesamiento digital de señales (DSP). A
partir de estas operaciones se desarrolló el modelo del dispositivo muestreador-retensor (M-R)
indispensable para comprender el funcionamiento del sistema de datos muestreados.
Utilizando el dispositivo M-R se desarrolló la transforma estrella de Laplace (TEL):

X *( s) , como modelo fundamental para el análisis de una señal muestreada x( nT ) en el
dominio-s. Utilizando la relación entre la TEL y la transformada Z (TZ) se consiguió el modelo
equivalente discreto X ( z) de una señal continua o TZ equivalente (TZE), como modelo alterno
para el análisis de la señal muestreada x( nT ) . Para la evaluación de la TEL y la TZE se
desarrolló el método de residuos modificado, que permite obtener la TZE: X ( z) a partir del
modelo X ( s) de la señal continua x( t ) .
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.
10.10 – RESUMEN Y CONCEPTOS IMPORTANTES 10 - 77
Utilizando la serie de Taylor y un polinomio de interpolación fue posible analizar el

problema de reconstrucción en el dominio-n, desarrollando un algoritmo para obtener la
respuesta impulso h( nT ) del retensor. Aplicando la transformada de Laplace h( nT ) ↔ H ( s) ,
se obtuvo la FT del retensor de orden-0 (ZOH) y de orden-1 (FOH) en el dominio-s. A partir de
la FT H ( s) se evaluó la RDF para comprobar que el retensor es un filtro pasa-bajo.
Utilizando el dispositivo M-R fue posible desarrollar la función de transferencia de pulsos

(FTP) para obtener el modelo discreto equivalente G( z) de un sistema de datos muestreados.
Usando la FTP se analizó el efecto de la presencia del muestreador y del retensor en el desarrollo
del modelo del sistema de datos muestreados.
Se desarrollaron dos estrategias para obtener por métodos de transformación, el modelo

discreto equivalente H ( z) de un filtro analógico H ( s) : métodos directos y métodos indirectos.
En los métodos directos el fundamento es lograr la ecuación en diferencias (EED) del filtro
discreto mediante aproximación numérica de la ecuación diferencial (ED) del filtro analógico.
Por otro lado, en los métodos indirectos de transformación se construye el filtro discreto, capaz
de preservar algunos valores característicos de la respuesta dinámica del filtro analógico.
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.
1. Procesamiento digital de una señal analógica (DSP): tareas de muestreo, cuantización,

decodificación y reconstrucción en convertidores A/D y D/A.
2. Dispositivo M-R: emular operaciones de muestreo y reconstrucción.

3. Modelo funcional del dispositivo M-R: figura 10.4.
4. Transformada estrella de Laplace: obtener relación la x *( t ) → x( t ) en el dominio-s.
5. Modelo del dispositivo M-R: muestreador ideal y FT del retensor.
6. Transformada Z equivalente (TZE) de una señal muestreada.
7. Diferencia conceptual entre TZ y TZE: x[ n] ↔ X ( z) y x( t ) → x( nT ) ↔ X ( z) .
8. Relación TEL v/s TZE: regla de transformación z = e sT .
9. Aplicabilidad y limitaciones de la TEL y la TZE.
10. Tablas y transformación z = e sT para evaluar TEL.
11. Método de residuos modificado: cálculo de TZE X ( z) a partir de X ( s) . Función
especial resimod() .
12. TEL y TZE de señales con atrasos.
13. Muestreo y reconstrucción en el dominio-ω: muestreo de una señal continua genera un
espectro periódico y su reconstrucción se reduce a un problema filtrado.
14. Espectro de señal muestreada: periódico con período ωm = 2π/T .
15. Teorema de muestreo: condición para reconstruir espectro de señal muestreada.
16. Frecuencia de muestreo ( ωm ) y frecuencia de Nyquist ( ( ω N ) .
17. Propiedades de la TEL: efecto de periodicidad del espectro de señal muestreada.
18. Correspondencia entre plano-s y plano-z: transformación varios-a-uno.
19. Franja fundamental y franjas complementarias: solapamiento.
20. Reconstrucción por interpolación: algoritmos para respuesta impulso del retensor.
21. Dos estrategias: serie de Taylor y polinomio de extrapolación.
22. Respuesta impulso y FT de retensor de orden-0 (ZOH) y retensor de orden-1 (FOH).
23. Aproximación de Padé para racionalizar FT del ZOH y FOH.
24. Respuesta de frecuencia del ZOH y FOH: comprobar que actúan como filtro pasa-bajo.
25. Función de transferencia de pulsos (FTP): modelo de sistema de datos muestreados.
26. Métodos para evaluar Z{G p ( s) / s } : tablas o método de residuos modificado. Función
especial ftpuls().
27. Efecto del muestreador y retensor: aplicar FTP y preservar respuesta dinámica.
28. Métodos de transformación para obtener H ( z) a partir de H ( s) : directos e indirectos.
29. Métodos directos: EED mediante aproximación numérica de la ED.
30. Método de diferencia anterior (MDA): aproximación numérica de derivada mediante
diferencia anterior o integral usando método de rectángulo del lado derecho.
1
31. Plano-s v/s plano-z en MDA: ω A ≈ tan( Ω D ) ⇔ Ω D ≈ tan−1( ω AT )
T
32. Características del MDA.
33. Método de transformación bilineal (TBL) o Tustin: aproximación numérica de la
integral usando el método del trapecio.
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 ⎠
39. Método de Tustin con período equivalente: facilitar aplicación de predesplazamiento.

40. Función del TBS: [nHz,dHz]=bilinear(nHs,dHs,fm,fp).
41. Métodos indirectos: preservar características dinámicas del modelo analógico H ( s ) .
42. Método que preserva la respuesta impulso: método de la TZ.
43. Modelo discreto compensado en ganancia.
44. Función del TBS: [nHTz,dHTz]=impivar(nHs,dHs,1/T).
45. Desplazamiento de frecuencia en método de TZ: algoritmo especial.
46. Características del método de la TZ.
47. Método que preserva la respuesta escalón: método del ZOH+TZ.
48. Características del método de ZOH+TZ.
49. Método de transformación de polos y ceros: correspondencia uno-a-uno de polos y
ceros finitos de H ( s) ↔ H ( z) . Regla de transformación → zk = e s kT .
50. Ceros-∞ de H ( s) en el extremo de franja fundamental: z = −1 .
51. Algoritmo de Franklin & Powel: preservar primer cero-∞.
52. Solo para transforma filtro analógico pasa-abajo o pasa-alto.
53. Preservar ganancia del filtro digital pasa-bajo: kBF ( z = 1) .
54. Preservar ganancia del filtro digital pasa-alto: kAF ( z = −1) .
55. Función especial: [nHz,dHz] = transpz(nHs,dHs,T).
56. Estrategias para diseño del filtro digital IIR a partir del filtro analógico: tabla 10.37.
57. Procedimiento general para obtener H ( z) a partir de H ( s) , usando transformación
bilineal (TBL).
58. Filtro digital pasa-bajo (Ω c ) a partir a partir del filtro analógico pasa-bajo ( ω0 ) .
59. Filtro digital pasa-alto (Ω c ) a partir a partir del filtro analógico pasa-bajo ( ω0 ) .
60. Filtro digital pasa-banda ( Ω c 1 , Ω c 2 ) a partir a partir del filtro analógico pasa-bajo ( ω0 ) .
61. Filtro digital rechaza-banda ( Ω c 1 , Ω c 2 ) a partir a partir del filtro analógico pasa-bajo ( ω0 ) .
62. FT de otros prototipos de filtros IIR digitales: funciones del TBS de MATLAB®.
63. Diseño directo de filtros analógicos y digitales IIR usando MATLAB®.
PROBLEMAS DE REFUERZO
Muestreo y reconstrucción de señales

P10.1 Considere la siguiente señal discreta
x[ n] = sen(0.25π n)
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.
Sugerencia: Considere que el muestreo de una señal continua x( t ) genera componentes

armónicos, cuya frecuencia es ω = ω0 + kωm , donde ω0 = Ω0 / T = Ω0 × f m .
P10.2 La señal de entrada al muestreador de la figura 10.4 es x( t ) = sen( t ) + sen(3t ) .

Asumiendo una frecuencia de muestreo ωm = 3 rad/s , con ayuda del MATLAB®:
a. Obtenga la gráfica de x( t ) para el intervalo t = [0,4 π] .

b. Obtenga la gráfica de x( nT ) . ¿Cuál debe ser el intervalo de n?
c. A partir del resultado anterior verifique que x( nT ) no muestra la componente de
frecuencia para ωm = 3 rad/s , a pesar de que existe en x( t ) . Esta componente se
reconoce como una oscilación oculta.
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.
P10.4 Dada la siguiente señal analógica

x( t ) = 4 cos(50 π t )
a. Determine la mínima frecuencia de muestro f m en Hz, para evitar aliasing.

b. Si la señal se muestrea a una frecuencia f m = 100 Hz , ¿cuál es la señal discreta?
c. ¿Cuál es la señal discreta si la frecuencia de muestreo es f m = 30 Hz ?
Sugerencia: Tenga en cuenta que en cualquier caso la frecuencia fundamental de la

señal discreta debe estar en el intervalo −π < Ω0 < π .
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 )
Obtenga la señal reconstruida x( t ) si la frecuencia de muestreo es f m = 1200 Hz .

Verifique su resultado usando la función especial fxrec() de MATLAB®. Introduciendo
el nombre de esta función se consigue ayuda y un ejemplo de aplicación.
P10.8 Dada la FT del retensor de orden-0 (ZOH):

1 − e− sT
H 0 ( s) =
s
Demuestre que s = 0 no es un polo de H 0 ( s) . Sugerencia: Verifique que H 0 ( s) s=0 = T .
Transformada estrella de Laplace y TZ equivalente de sistemas muestreados

P10.9 Usando la tabla 10.1, calcule la TZ equivalente de las siguientes señales continuas,
asumiendo T = 0.1 s :
a. x( t ) = 5 e−2 t b. y( t ) = 5 e− t cos(4 t ) c. w( t ) = 4 te−5 t

Verifique cada resultado usando la función especial resimod() de MATLAB®
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
Verifique sus resultados usando la función especial resimod().
Modelo de un sistema de datos muestreados

P10.12 Utilizando el método de residuos modificado, obtenga el modelo equivalente discreto
del proceso G( z) , asumiendo un ZOH con T=0.1s.
1 1 1
a. G p ( s ) = b. G p ( s) = c. G p ( s ) =
s+2 ( s + 1)( s + 2) s( s + 5)
Verifique sus resultados usando resimod() y ftpuls().
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().
Métodos directos de transformación

P10.14 Dado el siguiente filtro analógico pasa-bajo y asumiendo T = 0.1 s :
5
H ( s) =
s + 10
a. Obtenga el modelo discreto H ( z) , usando el método de la diferencia anterior.
b. Evalúe la distorsión y desplazamiento de frecuencia.
c. Verifique si se preserva o no la ganancia DC.
d. Verifique sus resultados usando MATLAB®.
e. Con el apoyo de MATLAB® obtenga la respuesta de frecuencia, la respuesta impulso
y la respuesta escalón del modelo continuo y de su equivalente discreto.
P10.15 Considere el siguiente filtro analógico pasa-alto:

2.5( s + 2)
H ( s) =
s + 10
a. Desarrolle analíticamente el equivalente discreto H ( z) usando el método de Tustin,
para T = 0.1 s .
b. Verifique el resultado anterior usando la función bilinear() de MATLAB®.
c. Evalúe el efecto de distorsión y desplazamiento respecto de la frecuencia de corte

ωc rad/s de H ( s) .
d. Verifique si se preserva la ganancia DC.
e. Verifique sus resultados obteniendo en un mismo gráfico la magnitud de la RDF del
modelo analógico H ( s ) y del modelo digital H ( z) .
P10.16 Para el filtro analógico del problema P10.15:

a. Obtenga el modelo discreto H ( z) para T = 0.1 s , aplicando el método de Tustin con
período equivalente para preservar la frecuencia de corte ωc rad /s de H ( s) .
b. Verifique el resultado usando la función bilinear() con predesplazamiento.
c. Calcule la magnitud de la RDF de cada modelo en ω = ωc , para verificar que se
preserva la frecuencia de corte.
P10.17 La FT del filtro tipo ranura (notch) del ejemplo 10.19 puede modificarse para filtrar la
frecuencia de 60Hz, como:
s 2 + 1.2π s + (120 π)2

H ( s) =
s 2 + 60 π s + (120 π)2
a. Utilice la función freqs() para obtener la gráfica de magnitud en pu de la RDF para

f = [40, 80] Hz . ¿Cuál es la atenuación para f0 = 60 Hz ?
b. Obtenga el equivalente discreto H 1( z) usando el método de Tustin, para T=0.001s.
c. Evalúe la distorsión de frecuencia de H 1( z) respecto del valor de 60 Hz .
d. Utilice el método de Tustin con período equivalente para obtener el modelo H 2 ( z)
que preserva la atenuación en la frecuencia de 60 Hz .
e. Verifique el resultado anterior evaluando la magnitud de RDF de H 2 ( z) para 60 Hz .
Métodos indirectos de transformación

P10.18 Dado el siguiente filtro analógico pasa-alto de Butterworth
5s
H ( s) =
s + 10
a. Obtenga el modelo discreto equivalente H ( z) , usando el método que preserva la
respuesta escalón, asumiendo T = 0.1 s .
b. Verifique si se preserva la ganancia en alta frecuencia ( K AF ) .
c. Evalúe la distorsión de frecuencia para la frecuencia de corte ωc [ rad/s ] de H ( s ) .
d. Evalúe numéricamente el desplazamiento de frecuencia, para la frecuencia de corte
ωc [ rad/s ] de H ( s) . Para verificar lo anterior, obtenga en un solo gráfico la
magnitud de la RDF de H ( s ) y H ( z) .
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().
P10.20 Un filtro analógico de segundo orden viene dado por:

s+3
H ( s) =
s + 3s + 2
2
a. Usando la función freqs() de MATLAB® obtenga la gráfica de la RDF para

ω = [0.1, 100] rad/s y evalúe sus valores característicos.
b. Para T = 0.1s , obtenga el modelo discreto equivalente H 1( z) usando el método que
preserva la respuesta escalón.
c. Para T = 0.1 s , obtenga el modelo discreto H 2 ( z) usando el método de
transformación de polos y ceros. Verifique el resultado usando la función especial
transpz().
d. Usando MATLAB® obtenga en un mismo gráfico la magnitud de la RDF de H 1( z) y
H 2 ( z) . Verifique que preservan los valores característicos del filtro analógico H ( s) .
Filtro IIR digital a partir del filtro analógico

P10.21 Se desea obtener un filtro IIR digital pasa-bajo 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. Utilizando transformación bilineal, obtenga analíticamente la FT del filtro digital.
Verifique su resultado usando la función bilinear() de MATLAB®.
d. Obtenga directamente la FT del filtro digital pasa-bajo usando la función butter()
de MATLAB®. Compare este resultado con el valor obtenido en c.
e. 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.
P10.22 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:
b. Usando la función cheby1() obtenga la FT del filtro analógico pasa-bajo.
c. Aplicando transformación bilineal, obtenga analíticamente la FT del filtro digital.

Verifique su resultado usando la función bilinear() de MATLAB®.
d. Obtenga directamente la FT del filtro digital pasa-bajo usando la función cheby1()
de MATLAB®. Compare este resultado el valor obtenido en c.
e. Usando MATLAB®, obtenga la RDF del filtro digital y verifique la característica de la
respuesta de magnitud: rizada en la banda de paso y plana en la banda de rechazo.
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 :
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().
e. Usando transformación bilineal, obtenga analíticamente la FT del filtro digital pasa-

f. Obtenga directamente la FT del filtro digital pasa-banda usando la función cheby1()
de MATLAB®. Compare este resultado el valor obtenido en el ítem anterior.
g. Usando MATLAB® obtenga la RDF del filtro digital y verifique la característica de la
respuesta de magnitud: plana en la banda de paso y rizada en la banda de rechazo.
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-
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.
Diseño directo de filtros IIR digitales usando funciones de MATLAB®

P10.31 Utilizando funciones del TBS de MATLAB® obtenga la FT de un filtro IIR digital pasa-
alto Butterworth, que satisfaga los requerimientos de diseño:
f s = 2 kHz f p = 3 kHz
asumiendo frecuencia de muestreo f m = 10 kHz , máximo rizado en la banda de paso

R p = 2 dB y mínima atenuación en la banda de rechazo A s = 20 dB . Obtenga la RDF
para verificar si se cumplen las especificaciones de diseño.
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:
Ω s 1 = 0.2π rad Ω p 1 = 0.4π rad Ω p 2 = 0.6π rad Ω s 2 = 0.8 π rad
asumiendo R p = 2 dB y A s = 20 dB . Obtenga la RDF para verificar que se cumplan las

especificaciones 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.
Chebyshev tipo II, con las mismas especificaciones de diseño.
Elíptico, con las mismas especificaciones de diseño.
RESPUESTAS
P10.1: Considerando la componente fundamental ( k = 0) y la primera armónica ( k = 1) , las dos

señales continuas son: x0 ( t ) = sen(500 t ) y x1( t ) = sen(4500 t ) .
P10.2: b. Intervalo de n = [0,6]
P10.3: a. ω1m = 48 π rad/s b. ω2 m = 16 π rad/s c. ωm 3 = 18 π rad/s d. ω4 m = 16 π rad/s

P10.4: a. f m = 50 Hz b. x[ n] = 4 cos( nπ / 2) c. x[ n] = 4 cos( n π / 3)
P10.6: a. x( t ) = 4 cos(50 π t ) = x( t ) b. x( t ) = 4 cos(10 π t ) ≠ x( t )
P10.7: x( t ) = 16 cos(100 π t ) + 3 sen(800 π t )

z 5 z2 − 4.1671z 0.2426 z
P10.9: a. X ( z) = b. Y ( z) = c. W ( z) =
z − 0.8187 z − 1.6668 z + 0.8187
2
( z − 0.6065)2
1 5 − 4.1671e−0.1s
P10.10: a. X *( s ) = b. Y *( s) =
1 − 0.8187 e−0.1s 1 − 1.6668 e−0.1s + 0.8187 e−0.2 s
0.2426 e−0.1s
c. W *( s) =
(1 − 0.6065 e−0.1s )2
0.7869 z 0.5327 z( z + 0.8467)
P10.11: a. X1( z) = b. X2 ( z) =
( z − 1)( z − 0.6065) ( z − 1)2 ( z − 0.6065)
0.1668 z( z + 0.7081) 0.0710 z( z + 0.1859)( z + 2.5429)
c. X3 ( z) = d. X4 ( z) =
( z − 1)( z − 0.6554 z + 0.3679)
2
( z − 0.6065)2 ( z2 − 1.4138 z + 0.6065)
0.0906 0.0045 z + 0.0041 0.0045 z + 0.0041
P10.12: a. G( z) = b. G( z) = = 2
z − 0.8187 ( z − 0.9048)( z − 0.8187) z − 1.7326 z + 0.7048
0.0043 z + 0.0036 0.0043 z + 0.0036
c. G( z) = = 3
( z − 1)( z − 0.6065) z − 1.6065 z + 0.6065
P10.13: a. y( t ) = e− t − e−2 t , t ≥ 0 b. y( nT ) = 1.6487 e− nT − 1.6487 e−2 nT , n ≥ 0
c. y m ( nT ) = 2.5415 e− nT − 1.5415 e−2 nT , n ≥ 0

La figura P10.13 confirma que la presencia del muestreador preserva la forma de la
respuesta del modelo continuo del proceso. Sin embargo, es necesario usar un valor
más pequeño de T para mejorar la resolución del modelo discreto del proceso: G( z) .
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
c. K DCs = 0.5 , K DCz = 0.5 .
d. Figuras P10.14a y P10.14b.
Figura P10.14a
Figura P10.14a
1.8333 z − 1.5 1.8333( z − 0.8182)

P10.15: a. H ( z) = =
z − 0.3333 z − 0.3333
b. H ( jω B ) = 1.8028 pu y H ( e j Ω B ) = 1.8748 pu , ω B = 10 rad/s , ω BD = 9.2730 rad/s
c. K DCs = 0.5 , K DCz = 0.5 .
d. Figuras P10.15a y P10.15b.
Figura P10.15a
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
P10.17: a. Atenuación: 6%. Figura P10.17.

0.9723 z2 − 1.8079 z + 0.9688
b. H ( z) = c. H ( s) s = j 120 π = 0.06 y H ( z) z= e j 0.12 π = 0.1538 .
z2 − 1.8079 z + 0.9411
c. H p ( z) = 0.0600
z = e j 0.12 π
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
d. ωc = 10 rad/s , ωcD = 8.6600 rad/s , Ω c = 0.8660 rad
e. Gráfica de RDF en la figura P10.18.
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
Figura P10.20a
0.0997 z − 0.0738 0.0999( z − 0.7408)

b. H 1( z) = c. H 2 ( z) =
( z − 0.9048)( z − 0.8187) ( z − 0.9048)( z − 0.8187)
d. Figura P10.20b. Se preservan los valores característicos del filtro continuo.
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
0.0186 z4 + 0.0743 z3 + 0.1114 z2 + 0.0743 z + 0.0186

c. H ( z) =
z4 − 1.5704 z3 + 1.2756 z2 − 0.4844 z + 0.0762
e. Figura P10.21
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
0.0062 z4 + 0.0248 z3 + 0.0373 z2 + 0.0248 z + 0.0062

c. H ( z) =
z4 − 2.5588 z3 + 3.0624 z2 − 1.8898 z + 0.5113
e. Figura P10.22.
Figura P10.22
0.1s 4 + 0.8308 s2 + 0.8627

P10.23 a. ωc = 1.0191rad/s b. H ( s) =
s 4 + 2.3046 s 3 + 2.7386 s2 + 1.8143 s + 0.8627
0.1160 z4 − 0.0591z3 + 0.1630 z2 − 0.0591z + 0.1160
c. H ( z) =
z4 − 1.8076 z3 + 1.5891z2 − 0.6201z + 0.1153
e. Figura P10.23
Figura P10.23
0.1s 4 + 0.4784 s2 + 0.4334

P10.24 a. ωc = 1.0191rad/s b. H ( s) =
s 4 + 0.6899 s 3 + 1.5990 s2 + 0.6748 s + 0.5456
0.1324 z4 − 0.1565 z3 + 0.2809 z2 − 0.1565 z + 0.1324
c. H ( z) =
z4 − 2.3534 z3 + 2.9011z2 − 1.7939 z + 0.5392
e. Figura P10.24
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
Figura P10.25
P10.26 a. ω c 1= 1.0191 rad/s y ω c 2 = 3.9252 rad/s b. ω0 = 2 rad/s

2.6151
c. H PB ( s) = 3
s + 1.4756 s + 4.0888 s + 2.6151
2
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
P10.27 a. ω c 1= 1.0191 rad/s y ω c 2 = 3.9252 rad/s . b. ω0 = 2 rad/s

8
c. H PB ( s) = 3
s + 4s + 8s + 8
2
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
0.0985 z6 − 0.2956 z4 + 0.2956 z2 − 0.0985

e. H ( z) =
z6 + 0.5772 z4 + 0.4218 z2 + 0.0563
f. Figura P10.27
Figura P10.27

0.6030 s2 + 3.2161
c. H PB ( s) =
s 3 + 2.8108 s2 + 3.7684 s + 2.2161
0.8762 s 5 + 16.8774 s 3 + 14.0199 s
d. H ( s) = 6
s + 4.0843 s 5 + 19.9568 s 4 + 42.54174 s 3 + 79.8271s2 + 65.3485 s + 64
0.1397 z6 − 0.0911z4 + 0.0911z2 − 0.1397
e. H ( z) =
z6 + 1.1454 z4 + 0.7275 z2 + 0.1205
g. Figura 10.28
Figura P10.28

0.5576 s2 + 3.8493
c. H PB ( s) =
s 3 + 1.4522 s2 + 4.28 s + 3.8493
0.8103 s 5 + 18.2924 s 3 + 12.9645 s

d. H ( s) = 6
s + 2.1202 s 5 + 21.0370 s 4 + 28.6915 s 3 + 84.1478 s2 + 33.7628 s + 64
0.17 z6 − 0.1542 z4 + 0.1542 z2 − 0.17
e. H ( z) = 6
z + 1.0581z4 + 1.081z2 + 0.3745
g. Figura P10.29
Figura P10.29
P10.30 a. ω c 1= 1.0191 rad/s y ω c 2 = 3.9252 rad/s b. ω0 = 2 rad/s

8
c. H PB ( s) = 3
s + 4s + 8s + 8
2
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
P10.31 Ω sn = 0.4 y Ω pn = 0.6

0.0366 z5 − 0.1831z4 + 0.3663 z3 − 0.3663 z2 + 0.1831z − 0.0336
H ( z) =
z5 + 0.4375 z4 + 0.7004 z3 + 0.1528 z2 + 0.0661z + 0.0041
Figura P10.31
P10.32 Ω sn = 0.4 y Ω pn = 0.6
0.0570 z3 − 0.1709 z2 + 0.1709 z − 0.0570

H ( z) =
z3 + 1.1905 z2 + 1.0452 z + 0.3990
Figura P10.32
P10.33 Ω sn = 0.4 y Ω pn = 0.6
0.2227 z3 − 0.3626 z2 + 0.3626 z − 0.2227

H ( z) =
z3 + 0.2652 z2 + 0.4310 z − 0.0049
Figura P10.33
P10.34 Ω sn = 0.4 y Ω pn = 0.6
0.1700 z3 − 0.1542 z2 + 0.1542 z − 0.1700

H ( z) =
z3 + 1.0581z2 + 1.0810 z + 0.3745
Figura P10.34
P10.36 Ω s 1n = 0.2 Ω p 1n = 0.4 Ω p 2 n = 0.6 Ω s 2 n = 0.8
0.1053 z4 − 0.2107 z2 + 0.1053

H ( z) =
z4 + 0.8958 z2 + 0.3172
Figura P10.36
P10.37 Ω s 1n = 0.2 Ω p 1n = 0.4 Ω p 2 n = 0.6 Ω s 2 n = 0.8
0.0512 z4 − 0.1024 z2 + 0.0512

H ( z) =
z4 + 1.3547 z2 + 0.6125
Figura P10.37
P10.38 Ω s 1n = 0.2 Ω p 1n = 0.4 Ω p 2 n = 0.6 Ω s 2 n = 0.8
0.1490 z4 − 0.0576 z2 + 0.1490

H ( z) =
z4 + 1.0242 z2 + 0.3798
Figura P10.38
P10.39 Ω s 1n = 0.2 Ω p 1n = 0.4 Ω p 2 n = 0.6 Ω s 2 n = 0.8
0.1302 z4 − 0.0390 z2 + 0.1302

H ( z) =
z4 + 1.3579 z2 + 0.6367
Figura P10.39
FUNCIONES ESPECIALES DE MATLAB®
resimod Obtener X ( z) a partir de X ( s) usando método de residuos modificado.

interpzoh Reconstruir la señal x( t ) a partir de x( nT ) utilizando interpolación ZOH
interpfoh Reconstruir la señal x( t ) a partir de x( nT ) utilizando interpolación FOH
ftpuls Obtener el modelo discreto equivalente G( z) a partir de G( s) usando función de
transferencia de pulsos para ZOH.
danterior Transforma H ( s) en H ( z) usando método de la diferencia anterior.

aproxN Para truncar o redondear un arreglo a N dígitos.
transpz Transforma H ( s ) en H ( z) usando método de transformación de polos y ceros.

SIstemas de Datos Muestreados PDF

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

SIstemas de Datos Muestreados PDF

Caricato da

Copyright:

Formati disponibili

SISTEMAS DE

10.1 MUESTREO Y RECONSTRUCCIÓN DE SEÑALES

El muestreo es realizado por el convertidor A/D para transformar la señal continua x( t ) en

Para efectos de manipulación algebraica y de notación designamos la señal digital como

El procesamiento de la señal digital x [ n] produce como respuesta otra señal digital y[ n]

Modelo del dispositivo M-R

En la figura 10.3 se identifican las dos operaciones fundamentales: muestreo y

Una primera aproximación de la característica operacional del retensor puede representarse

La señal reconstruida x( t ) será aproximada dado que x *( t ) ≈ x( nT ) y solo se dispone de

10.2 TRANSFORMADA Z EN SISTEMAS DE DATOS MUETREADOS

x( t ) = x(0)[ u( t ) − u( t − T )] + x(T )[ u( t − T ) − u( t − 2T )] + (10.1)

Llevando la ecuación (10.1) al dominio-s, obtenemos

Como la sumatoria solo depende de los valores de x *( t ) = x( nT ) y al evaluarla resulta

La expresión (10.3) se define como la transformada estrella de Laplace (TEL) de la señal

Como veremos en el desarrollo de este capítulo, este modelo requiere de un tratamiento

Para conseguir el modelo matemático del muestreador asumimos que la señal x( t ) es

A partir de este modelo ideal del muestreador, podemos expresar x *( t ) como

Aplicando la propiedad de muestreo de la señal impulso que se presentó en la sección 1.3

Resumiendo, el modelo de la figura 10.7 representa con propiedad las operaciones de

Ejemplo 10.1: Obtener la TEL de la señal escalón u( t ) .

Transforma Z de señales muestreadas

Antes de continuar con la evaluación de la TEL es necesario reconocer la forma de evaluar

que se reconoce como la transformada Z de una señal muestreada. En la expresión (10.8)

De acuerdo con la figura 10.9, X ( z) puede considerarse como la TZ de cualquier señal

el dominio-z. De modo similar, al evaluar la TIZ a partir de X ( z) se obtiene un único valor

La expresión (10.9) permite reconocer a X ( z) como la transformada Z equivalente de una

Tabla 10.1 – Transformada Z equivalente de señales continuas

1. La tabla 10.1 establece una relación directa entre la transformada de Laplace X ( s) de

El resultado anterior corresponde a la T5 de la tabla 10.1 y puede ser logrado a partir de la

Relación entre la TEL y la TZ equivalente

Aplicabilidad y limitaciones del modelo de la TEL y la TZE

10.3 METODOS PARA EVALUAR LA TEL Y LA TZE

métodos clásicos que se usan en la evaluación de la transformada estrella de Laplace

Uso de tablas y transformación z= e sT para evaluar la TEL

Ejemplo 10.4: Obtener la TEL de la señal muestreada x *( t ) a partir de x( t ) = sen(ω0 t ) .

Método de residuos modificado para calcular TZE

Caso 1: Polos simples, reales o complejos

Caso 2: Polos múltiples, reales o complejos

Ejemplo 10.5: Obtener la TZE de una señal muestreada y *( t ) con T = 1 s , si

Sumando estos residuos obtenemos finalmente,

El ejemplo 10.5 se muestra la similitud de (10.13) con el método de fracciones parciales.

Ejemplo 10.6: Obtener el modelo equivalente discreto de una señal muestreada x *( t ) ,

Solución: Existen 2 polos reales: uno simple en p1 = −1 y otro de multiplicidad 2 en

Para el polo múltiple aplicamos (10.14)

Al evaluar la derivada, la multiplicidad del polo genera 2 términos en R2 ( z) ,

Para facilitar la aplicación de este método, se desarrolló la resimod() en MATLAB®, cuya

Introduciendo solo el nombre de esta función se consigue ayuda y un ejemplo

Solución Los comandos necesarios para obtener X ( z) son

Para facilitar la factorización del numerador y denominador de X ( z) usamos la

0.1065 z2 + 0.0902 z 0.1065 z( z + 0.8467)

La función tf2zp() del TBS de MATLAB® utilizada en el ejemplo anterior permite

TEL y TZE de señales con atrasos

Asumiendo que el atraso es un múltiplo del período de muestreo, es decir t0 = kT

Ejemplo 10.8: Usando el método de residuos modificado y asumiendo un período de

Solución El modelo anterior representa una señal continua con un atraso t0 = 1 s .

Sumando los dos residuos

El efecto del factor e− s equivale a considerar k = t0 / T = 1/ 0.5 = 2 muestras de

10.4 MUESTREO Y RECONSTRUCCIÓN EN EL DOMINIO-ω

Espectro de frecuencia de una señal muestreada

evaluar el espectro de frecuencia de una señal muestreada x( nT ) . Para esto calculamos la

Aplicando la transformada T15 de la tabla 4.3, obtenemos

que es un tren periódico de impulsos, con período ωm = 2π / T [rad/s ] , conocida como la

La expresión (10.18) permite reconocer que el espectro de una señal muestreada x *( t ) es

El nombre dado a G ( s) hace referencia a que la señal de entrada E ( s) se ha logrado