Filtrado de Señales Analógicas y Digitales

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO
FACULTAD INGENIERÍA
FILTRADO DE SEÑALES ANALÓGICAS
Y DIGITALES
(FILTROS PASIVOS, ACTIVOS Y DIGITALES)
BOHUMIL PŠENIČKA
DIVISIÓN DE INGENIERÍA ELÉCTRICA

UNIVERSID NACIONAL AUTONÓMA DE MÉXIC0 - UNAM
MIGUEL ÁNGEL RODRÍGUEZ HERNÁNDEZ
UNIVERSIDAD POLITÉCNICA DE VALÉNCIA - UPV

PRÓLOGO
La gran cantidad de aplicaciones que tiene el Filtrado de señales analógicas y digitales incluye
áreas tales como: radar, procesamiento de voz, de imágenes, comunicaciones, telefonı́a, medicina,
control, sismologı́a, etc. Las personas a quienes va a dirida esta obra deben poseer buenas bases
de matemáticas, lo que es muy importante para entender cómo se diseñan los filtros analógicos
y digitales.
El amplio crecimiento que ha tenido la industria digital y analógica se debe en gran medida al
desarrollo de algoritmos para el procesamiento de señales. Las áreas antes mencionadas requieren
aplicaciones, como filtrado, compresión, análisis y sı́ntesis de los circuitos en el dominio de la
frecuencia.
Lo que se pretende es demostrar al estudiante de que el análisis, sı́ntesis, aproximación de las
plantillas y realización de los circuitos es muy divertido y útil no sólo en la área de telecomuni-
caciones. Es necesario decir que más de 80 por ciento de los sistemas tienen uno o más filtros,
por lo tanto si no se conoce cómo se diseñan los filtros no es posible desarrollar los sistemas. Se
espera que con este texto los estudiantes puedan aprender por sı́ mismos la sı́ntesis y el análisis
de los filtros. Cada capı́tulo presenta bastantes ejemplos que son muy ilustrativos y ayudan a
entender la teorı́a y/o programación en lenguaje C.
El propósito de este libro es explicar a los alumnos de las carreras de Ingenierı́a en Telecomuni-
caciones , Electrónica y Computación de la Facultad de Ingenierı́a de la UNAM cómo se calculan
los filtros pasivos, activos y digitales. Un gran variedad de ejemplos se incluyen en cada capı́tulo
con el fin de que el alumno aplique los conocimientos teóricos de la materia de forma práctica a
través de simulaciones en computadora mediante el paquete MATLAB.
La obra tiene 20 capı́tulos y al final una bibliografı́a para que el estudiante puede profundizar sus
conocimientos. En los primeros seis capı́tulos se explica cómo se calculan los filtros pasivos. En
los capı́tulos 7 y 8, se describe la manera cómo se diseñan los filtros activos con amplificadores,
giradores y capacitores conmutados. En los capı́tulos 9, 10 y 11 se presenta clasificación de las
señales y sistemas, la transformada Z-directa e inversa y la Correlación. En capı́tulos 12 y 13 se
explica transformada rápida de Fourier . Finalmente, los capı́tulos 19 al 20 se dedican al diseño
de los filtros digitales.
Este libro representa un gran esfuerzo de los autores para contribuir a que los alumnos tengan un
material para aprender cómo se diseñan los filtros. Nuestro deseo es que los lectores encuentren
en este material una motivación para el estudio del análisis y procesamiento digital de señales.
Se agradece el apoyo a la Facultad de Ingenierı́a de la UNAM y especialmente a los profesores
Aurelio Sánchez Vaca y Juan Fernando Solórzano Palomares quienes efectuaron una
revisión técnica del contenido; de iqual forma se agradece a la Lic. Amelia Fiel Rivera, del
Dpto de Apoyo Editorial de la revisión de estilo de los primeros capı́tulos para la publicación de
esta obra.
Dr. Bohumil Pšenička

Profesor de la Facultad de Ingenierı́a de la UNAM.
i
A mis alumnos
El conocimiento de la matemática y las bases de la teoria de circuitos

te amplia el horizonte de toda especialidad técnica
y te posibilita encontrar nuevos principios
Bohumil Psenicka
ii
Índice general
1. Circuitos de dos puertos 3

1.1. Parámetros de los circuitos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1. Parámetros de cascada Aij . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.2. Parámetros de impedancia Zij . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.3. Parámetros de admitancia Yij . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.4. Parámetros de transferencia Tij . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.5. Parámetros de dispersión Sij . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2. Función de transferencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3. Ecuación caracterı́stica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2. Realización de circuitos LRC 21

2.1. Polos y ceros de la impedancia Z(s) . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.1.1. Realización de Z(s) mediante el método de Foster I . . . . . . . . . . . . . 24
2.1.2. Realización Y(s) mediante el método de Foster II . . . . . . . . . . . . . . 30
2.1.3. Realización Z(s) mediante el método de Cauer I . . . . . . . . . . . . . . . 33
2.1.4. Realización Z(s) mediante el método de Cauer II . . . . . . . . . . . . . . 34
2.2. Realización de circuitos de dos puertos . . . . . . . . . . . . . . . . . . . . . . . . 38
3. Transformación de las plantillas 51

3.1. Plantillas de filtros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.2. Transformación de las plantillas PBF, PA, PB y SB a PBFN . . . . . . . . . . . 52
4. Aproximación de las plantillas 63

4.1. Aproximación de Butterworth . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.2. Aproximación Chebychev . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
4.3. Aproximación Chebychev inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
4.4. Aproximación de Bessel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
4.5. Aproximación de Cauer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
5. Diseño de filtros mediante tablas 101

5.1. Tablas del filtro de Butterworth . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
5.2. Tablas del filtro Chebychev . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
5.3. Tablas de filtro Chebychev inverso . . . . . . . . . . . . . . . . . . . . . . . . . . 107
iii
6. Filtros pasivos RC 115
6.1. Filtros pasivos RC elementales. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
6.2. Cascada de filtros RC elementales . . . . . . . . . . . . . . . . . . . . . . . . . . 118
6.3. Circuitos progresivos en cascada . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
6.4. Filtros RC en cascada con divisor . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
6.5. Filtro RC con la admitancia en paralelo . . . . . . . . . . . . . . . . . . . . . . . 126
7. Filtros activos con amplificador. 129

7.1. Filtros activos de segundo orden . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
7.1.1. Filtro activo paso bajas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
7.1.2. Filtro activo paso altas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
7.1.3. Filtro activo paso banda. . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
7.2. Filtros activos de primer orden . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
7.2.1. Filtro paso altas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
7.2.2. Filtro paso bajas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
7.2.3. Filtro paso banda. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
7.3. Filtros con realimentación múltiple . . . . . . . . . . . . . . . . . . . . . . . . . . 139
7.3.1. Paso bajas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
7.3.2. Paso altas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
7.3.3. Paso banda. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
7.4. Filtros activos diseñados mediante las tablas . . . . . . . . . . . . . . . . . . . . . 142
7.5. Filtro Butterworth paso bajas de sexto orden . . . . . . . . . . . . . . . . . . . . 144
7.6. Diseño de un filtro Chebychev. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
7.6.1. La estructura que realiza un polo real. . . . . . . . . . . . . . . . . . . . . 147
7.6.2. La estructura que realiza polos complejos. . . . . . . . . . . . . . . . . . . 148
7.6.3. Ajuste del bloque de primer orden. . . . . . . . . . . . . . . . . . . . . . . 149
7.6.4. Ajuste del bloque de segundo orden. . . . . . . . . . . . . . . . . . . . . . 150
7.7. Diseño de los filtros con girador . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
7.7.1. Girador. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
7.8. Realización de la bobina mediante un girador . . . . . . . . . . . . . . . . . . . . 163
7.9. Los filtros electrónicos con condensador doble . . . . . . . . . . . . . . . . . . . . 166
8. Filtros con capacitancia conmutada. 169

8.1. Filtro SC de segundo orden. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
8.2. Análisis de los circuitos SCF. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
8.3. Análisis de los circuitos RC conmutados. . . . . . . . . . . . . . . . . . . . . . . . 181
9. Clasificación de las señales y sistemas 199

9.1. Señales continuas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
9.1.1. Señales continuas y no periódicas. . . . . . . . . . . . . . . . . . . . . . . 200
9.1.2. Señales continuas y periódicas. . . . . . . . . . . . . . . . . . . . . . . . . 201
9.2. Señales discretas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
9.2.1. Señales discretas y periódicas. . . . . . . . . . . . . . . . . . . . . . . . . . 203
9.2.2. Señal discreta y no periódica. . . . . . . . . . . . . . . . . . . . . . . . . . 203
9.3. Sistemas discretos en el tiempo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204
9.3.1. Sistema invariante en el tiempo. . . . . . . . . . . . . . . . . . . . . . . . 204
iv
9.3.2. Sistema lineal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204
9.3.3. Sistema causal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
9.3.4. Sistema estable. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
9.3.5. Un sistema lineal e invariante en el tiempo. . . . . . . . . . . . . . . . . . 205
10.Transformada-z directa e inversa 211

10.1. Transformada-z. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
10.1.1. Propiedades de la transformada-z. . . . . . . . . . . . . . . . . . . . . . . 213
10.2. La transformada-z inversa. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217
11.Correlación 221
12.Transformada discreta de Fourier 227

12.1. Simetrı́a de la transformada de Fourier. . . . . . . . . . . . . . . . . . . . . . . . 228
12.2. Propiedades de la transformada Fourier. . . . . . . . . . . . . . . . . . . . . . . . 232
12.3. La transformada de una señal discreta y periódica. . . . . . . . . . . . . . . . . . 238
12.4. Propiedades de la DFT. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
13.La transformada rápida de Fourier 247

13.1. El algoritmo Decimación en el tiempo . . . . . . . . . . . . . . . . . . . . . . . . 250
13.2. El algoritmo Decimación en la frecuencia . . . . . . . . . . . . . . . . . . . . . . 255
13.3. La respuesta a un impulso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263
13.4. Macro para FFT N=8 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 266
13.5. Transformada de Fourier mediante Matlab . . . . . . . . . . . . . . . . . . . . . . 271
14.Filtros digitales con respuesta infinita 279

14.1. La estructura cascada de un filtro digital . . . . . . . . . . . . . . . . . . . . . . . 282
14.2. La estructura paralela de un filtro digital. . . . . . . . . . . . . . . . . . . . . . . 283
14.3. Algoritmo para la transformada-z bilineal . . . . . . . . . . . . . . . . . . . . . . 286
14.4. Transformación paso bajas a paso bajas . . . . . . . . . . . . . . . . . . . . . . . 287
14.5. Transformación paso bajas a paso altas . . . . . . . . . . . . . . . . . . . . . . . 289
14.6. Transformación paso bajas a paso banda . . . . . . . . . . . . . . . . . . . . . . 291
14.7. Diseño desde la respuesta al pulso de Dirac . . . . . . . . . . . . . . . . . . . . . 293
14.8. La variancia de impulso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 297
14.9. Sı́ntesis con la ayuda de las matrices circulares . . . . . . . . . . . . . . . . . . . 299
15.Filtros digitales con respuesta finita 303

15.1. Filtros con respuesta finita al impulso FIR . . . . . . . . . . . . . . . . . . . . . . 303
15.2. Diseño del Filtro FIR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308
15.3. El diferenciador. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 319
15.4. Transformador de Hilbert. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 321
15.5. La influencia de las ventanas a la respuesta . . . . . . . . . . . . . . . . . . . . . 322
15.6. FIR obtenidos en el dominio de la frecuencia . . . . . . . . . . . . . . . . . . . . 327
16.Función de transferencia 331

16.1. Función de transferencia de los sistemas . . . . . . . . . . . . . . . . . . . . . . . 331
16.2. Análisis de circuitos discretos en frecuencia . . . . . . . . . . . . . . . . . . . . . 337
v
17.Sı́ntesis y análisis de filtros digitales 343
17.1. Análisis matricial de circuitos discretos . . . . . . . . . . . . . . . . . . . . . . . . 343
17.2. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 345
17.3. Sı́ntesis matricial de los circuitos discretos . . . . . . . . . . . . . . . . . . . . . . 349
18.Filtros digitales de onda 361

18.1. Sustitución de L y C por un circuito discreto . . . . . . . . . . . . . . . . . . . . 361
18.2. Los adaptadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 363
18.2.1. Adaptador paralelo dependiente . . . . . . . . . . . . . . . . . . . . . . . 363
18.2.2. Adaptador serie dependiente . . . . . . . . . . . . . . . . . . . . . . . . . 364
18.2.3. Adaptadores elementales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 366
18.3. Ejemplos de realización . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 367
18.4. Tablas del filtro de Onda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 375
19.Filtros digitales en celosı́a 389

19.1. Filtros con la respuesta finita al impulso . . . . . . . . . . . . . . . . . . . . . . 389
19.2. Filtros con la respuesta infinita al impulso . . . . . . . . . . . . . . . . . . . . . . 396
19.3. Filtros IIR con polos y ceros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 401
20.Filtros digitales de dos dimensiones 411

20.1. Diseño de un filtro de paso bajas . . . . . . . . . . . . . . . . . . . . . . . . . . . 412
20.2. Análisis del filtro digital de dos dimensiones . . . . . . . . . . . . . . . . . . . . 415
20.3. Diseño de un filtro paso bajas simétrico . . . . . . . . . . . . . . . . . . . . . . . 416
20.4. Diseño del filtro paso altas simétrico . . . . . . . . . . . . . . . . . . . . . . . . . 417
20.5. Diseño del filtro supresor de banda . . . . . . . . . . . . . . . . . . . . . . . . . . 418
20.6. Diseño del filtro de paso banda . . . . . . . . . . . . . . . . . . . . . . . . . . . . 419
20.7. Realización de las funciones transferencias . . . . . . . . . . . . . . . . . . . . . . 419
20.8. Realización mediante ampliación de la matriz . . . . . . . . . . . . . . . . . . . . 421
21.El efecto de la cuantización 423

21.1. Cuantificación de los coeficientes . . . . . . . . . . . . . . . . . . . . . . . . . . . 427
21.2. Cuantificación de los coeficientes del filtro IIR . . . . . . . . . . . . . . . . . . . . 428
21.2.1. Sobreflujo en los circuitos digitales. . . . . . . . . . . . . . . . . . . . . . . 430
22.Submuestreo de la señal 433

22.1. Banco con los filtros FIR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 437
22.2. Banco con filtros IIR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 442
22.3. Banco con estructura en celosı́a. . . . . . . . . . . . . . . . . . . . . . . . . . . . 447
22.4. Banco de filtros de 4 canales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 449
23.Filtros adaptativos 453

23.1. Introducción a los filtros adaptativos . . . . . . . . . . . . . . . . . . . . . . . . . 453
23.1.1. Gradiente de aproximación estocástica . . . . . . . . . . . . . . . . . . . . 454
23.1.2. Estimación mediante mı́nimos cuadrados . . . . . . . . . . . . . . . . . . 454
23.2. Algoritmo LMS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 455
23.3. Implementación del algoritmo LMS en TMS32C25 . . . . . . . . . . . . . . . . . 456
23.4. Algoritmo RLS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 460
vi
1
24.Control activo del ruido 463

24.1. Cancelador de ruido con filtrado adaptativo . . . . . . . . . . . . . . . . . . . . . 463
24.2. Cancelador en el dominio de la frecuencia . . . . . . . . . . . . . . . . . . . . . . 464
24.2.1. La transformada del coseno . . . . . . . . . . . . . . . . . . . . . . . . . . 465
24.2.2. La transformada de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . 466
25.Eliminación de ruido en imágenes 469

25.1. Definición del algoritmo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 469
25.2. Programa en C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 471
25.2.1. Recomendaciones generales de uso . . . . . . . . . . . . . . . . . . . . . . 472
2
Capı́tulo 1
Circuitos de dos puertos
1.1. Parámetros de los circuitos

En este capı́tulo trataremos la sı́ntesis de circuitos de dos puertos sin pérdidas y su imple-
mentación mediante inductancias y capacitancias de carácter ideal. En este caso, la estructura
transversal clásica puede constituir un modelo apropiado para ser aplicado con otras técnicas de
realización de filtros, por ejemplo, los circuitos activos RC, configuraciones con capacitores de
contacto y sistemas piezoeléctricos o electromecánicos.
Los parámetros de imagen se han utilizado clásicamente en la sı́ntesis de redes desfasadoras,
circuitos correctores RLC y en filtros resonadores de cristal. Los problemas de acoplamiento
fueron ya resueltos por Cauer y Darlington.
Un circuito de dos puertos de carácter general trabaja entre dos impedancias: la impedancia de
la fuente Z1 y la impedancia de carga Z2 , como se ve en la figura 1.1.
Figura 1.1: Circuito de dos puertos
1.1.1. Parámetros de cascada Aij

Las ecuaciones lineales expresadas en (1.1) caracterizan el circuito de dos puertos. Los parámetros
Aij se denominan parámetros de cascada.
U1 = A11 U2 + A12 I2
I1 = A21 U2 + A22 I2 (1.1)
3
4 capı́tulo 1. circuitos de dos puertos
Si la salida del circuito está abierta, sin carga, entonces I2 = 0, de aquı́ se deduce que A11 es la
función de transferencia de tensiones del circuito definida como
U1
A11 = (1.2)
U2
Si la salida del circuito está cortocircuitada, entonces U2 = 0, de donde se deduce que A22 , la
función de transferencia de corriente, se define mediante la ecuación
I1
A22 = (1.3)
I2
El circuito de dos puertos es simétrico si A11 = A22 , y es pasivo si |A| = 1, donde |A| =
A11 · A22 − A12 · A21 = 1. Si el circuito es pasivo, su implementación se podrá realizar únicamente
con elementos sencillos como resistencias, bobinas, condensadores y transformadores.
1.1.2. Parámetros de impedancia Zij

Los parámetros Zij caracterizan el circuito mediante unas medidas de impedancia. Si se conocen
los parámetros Zij , entonces el circuito de dos puertos se representa con las siguientes ecuaciones:
U1 = Z11 I1 + Z12 I2
U2 = Z21 I1 + Z22 I2 (1.4)
El parámetro Z11 es la impedancia de entrada del circuito si el puerto de la salida está abierto,
mientras que Z22 es la impedancia de salida si el puerto de entrada está abierto, figura 1.2. Z12
es la impedancia de transferencia si I1 = 0, y Z21 es la impedancia de transferencia si el puerto
de salida está abierto, I2 = 0.
U1 U1
Z11 = Z12 =
I1 |I2 =0 I2 |I1 =0
U2 U2
Z21 = Z22 = (1.5)
I1 |I2 =0 I2 |I1 =0
Figura 1.2: Parámetros de la matriz de impedancia
El circuito de dos puertos será simétrico si Z11 = Z22 , y será pasivo si Z12 = Z21 .
1.1. parámetros de los circuitos 5
1.1.3. Parámetros de admitancia Yij

Los parámetros Yij permiten caracterizar el circuito a partir de unas medidas de admitancia.
Si se conocen los parámetros Yij del circuito, entonces el circuito de dos puertos se caracteriza
mediante las ecuaciones
I1 = Y11 U1 + Y12 U2
I2 = Y21 U1 + Y22 U2 (1.6)

El parámetro Y11 es la admitancia de entrada del circuito si el puerto en la salida está en
cortocircuito y Y22 es la admitancia de salida si el puerto en entrada está en cortocircuito, figura
1.3. Y12 es la admitancia de transferencia si U1 = 0 y Y21 es la admitancia de transferencia si
U2 = 0 (el puerto de salida está en corto):
Figura 1.3: Parámetros de la matriz de admitancia
I1 I1
Y11 = Y12 =
U1 |U2 =0 U2 |U1 =0
I2 I2
Y21 = Y22 = (1.7)
U1 |U2 =0 U2 |U1 =0
El circuito de dos puertos será simétrico si Y11 = Y22 . El circuito de dos puertos es pasivo si
Y12 = Y21 . En la figura 1.3 se muestran los parámetros de la matriz Y.
1.1.4. Parámetros de transferencia Tij

Los parámetros Tij caracterizan el circuito como un elemento que transmite y refleja ondas. Si
se conocen los parámetros de transferencia Tij del circuito de dos puertos, las ecuaciones lineales
que caracterizan el circuito en la figura 1.4 toman la forma
A1 = T11 A2 + T12 B2
B1 = T21 A2 + T22 B2 (1.8)
Donde A1 es la onda que entra al circuito en la entrada, A2 es la onda que entra al circuito en
la salida, y B1 y B2 son las ondas reflejadas en la entrada y la salida respectivamente, como
Figura 1.4: Circuito de dos puertos
se muestra en la figura 1.4. Si se conocen los parámetros de cascada Aij de un circuito, los
parámetros de transferencia Tij se calculan mediante la ecuación
1 A12 Z1
T11 = (A11 + + Z1 A21 + A22 )
2 Z2 Z2
1 A12 Z1
T12 = (A11 + − Z1 A21 − A22 )
2 Z2 Z2
1 A12 Z1
T21 = (A11 − + Z1 A21 − A22 )
2 Z2 Z2
1 A12 Z1
T22 = (A11 − − Z1 A21 + A22 ) (1.9)
2 Z2 Z2
1.1.5. Parámetros de dispersión Sij
Si se conocen los parámetros de dispersión Sij del circuito de bipuertos, las ecuaciones lineales
que caracterizan el circuito en la figura 1.4 toman la forma:
A1 = S11 B1 + S12 B2
A2 = S21 B1 + S22 B2 (1.10)
La relación entre los parámetros de dispersión y de transferencia se definen mediante las ecua-
ciones (1.11), donde | T |= T11 · T22 − T12 · T21
T11 −|T |
S11 = S12 =
T21 T21
1 −T22
S21 = S22 = (1.11)
T21 T21
Las ecuaciones (1.1), (1.4) y (1.6) se pueden escribir en la forma matricial:

" # " # " #
U1 A11 A12 U2
= × (1.12)
I1 A21 A22 I2
" # " # " #

U1 Z11 Z12 I1
= × (1.13)
U2 Z21 Z22 I2
" # " # " #
I1 Y11 Y12 U1
= × (1.14)
I2 Y21 Y22 U2
Utilizando las ecuaciones de cascada, la impedancia de entrada Zen se puede expresar como
U1 A11 U2 + A12 I2
Zen = = (1.15)
I1 A21 U2 + A22 I2
Considerando la ecuación (1.15), la impedancia del circuito abierto está dada por
A11
Z∞1 = (1.16)
A21
Alternativamente, la impedancia del circuito en corto U2 = 0 se puede expresar de la siguiente

manera:
A12
Zc1 = (1.17)
A22
De acuerdo con las expresiones anteriores, la impedancia caracterı́stica de entrada de la confi-
guración correspondiente a la figura 1.1 está dada por la ecuación
s
p A11 A12
Z01 = Z∞1 Zc1 = (1.18)
A21 A22
La impedancia de imagen (caracterı́stica) de salida Z02 se puede calcular mediante la ecuación
s
p A22 A12
Z02 = Z∞2 Zc2 = (1.19)
A21 A11
Ejemplo 1.1
Calcular los parámetros Aij del circuito en la figura 1.5. Para este circuito se pueden escribir las
siguientes ecuaciones:
U1 = 1 · U2 + Z · I2
I1 = 0 · U2 + 1 · I2 (1.20)
La tensión a la entrada U1 será la tensión a la salida U2 , más la caı́da de tensión en la impedancia
Z. La corriente a la entrada I1 será igual a la corriente a la salida. La ecuación matricial de
cascada está dada por
Figura 1.5: Circuito con impedancia en la rama de serie
" # " # " # " #

U1 1 Z U2 U2
= × = A1 ×
I1 0 1 I2 I2
Ejemplo 1.2
Calcular la matriz de cascada A2 del circuito en la figura 1.6.
Figura 1.6: Circuito con admitancia en la rama paralela
En el circuito la tensión U1 es igual a la tensión de salida, mientras que la corriente de entrada

será la suma de I2 con la corriente que atraviesa la admitancia Y.
U1 = 1 · U2 + 0 · I2 I1 = Y · U2 + 1 · I2
Y la ecuación matricial de cascada está dada por

" # " # " # " #
U1 1 0 U2 U2
= × = A2 ×
I1 Y 1 I2 I2
Ejemplo 1.3
Calcular la matriz A de cascada del circuito en la figura 1.7, y verificar si el circuito es pasivo
y simétrico.
El circuito en la figura 1.7 es la conexión en cascada de los circuitos de las figuras 1.5 y 1.6. Por
eso la matriz A del circuito en la figura 1.7 se obtiene como la multiplicación de las matrices
A1 · A2
Figura 1.7: Circuitos básicos en cascada
" # " # " #

1 Z1 1 0 1 + Z1 Y2 Z1
A= × =
0 1 Y2 1 Y2 1
Como A11 6= A22 , el circuito no es simétrico. | A |= detA = 1(1 + Z1 Y2 ) − Z1 Y2 = 1, entonces
el circuito es pasivo.
Ejemplo 1.4
Calcular las impedancias caracterı́sticas Z01 y Z02 del circuito en la figura 1.8.
Figura 1.8: Circuitos básicos en cascada
Utilizando los parámetros Aij del circuito del apartado anterior, resultan:
A11 = 1 + Z1 /Z2 = 2 A12 = Z1 = 424

A21 = 1/Z2 = 1/424 A22 = Z1 /Z2 = 1
Sustituyendo los valores de Aij en las ecuaciones (1.18) y (1.19), se obtiene:
√ √
Z01 = 2 · 424 · 424 = 424 2 = 600 Ω
r
424 · 424 424
Z02 = = √ = 300 Ω
2 2
Como el acoplamiento entre la fuente de señal y la carga del circuito es perfecto, tal y como
muestra la figura 1.8, no se produce reflexión ni a la entrada ni a la salida.
Ejemplo 1.5
Calcular las impedancias caracterı́sticas del circuito en la figura 1.9.
Primero se calculan los parámetros Aij .
Figura 1.9: Circuito en forma T
Como el circuito es simétrico, A11 = A22
U1 R1 199
Como A11 = U2 |I2 =0 ⇒ A11 = A22 = 1 + R2 =1+ 804 = 1,247
U1 R12 1
Como A12 = I2 |U2 =0 ⇒ A12 = 2R1 + R2 = 2,199 + 1992 804 = 1,4725
U2
Como A21 = 1 1
I1 |I2 =0 ⇒ A21 = R2 = 804 = 1,24378 · 10−3
Las impedancias caracterı́sticas se obtienen si se sustituye Aij en (1.18) y (1.19)

s
447,5
Z01 = = 599,657 Ω
1,24378 · 10−3
Ejemplo 1.6
Calcular los parámetros de transferencia Tij para el circuito en la figura 1.10.

Primero se calculan los parámetros de la matriz A como sucesión de tres cuadrı́pulos: L, C, L.
La primera y tercera matriz en la ecuación es de la inductancia en la rama longitudinal y la
segunda matriz es de la capacitancia en la rama diagonal (confróntense los ejemplos 1.1 y 1.2).
Figura 1.10: Filtro LC paso bajas
" #" #" # " #

1 s 1 0 1 s 1 + 2s2 2s + 2s3
A= =
0 1 2s 1 0 1 2s 1 + 2s
Sustituyendo los parámetros A en las ecuaciones (1.9), se obtiene:
T11 = s3 + 2s2 + 2s + 1
T12 = s3
T21 = −s3
T22 = −s3 + 2s2 − 2s + 1
Ejemplo 1.7
Calcular los parámetros de dispersión del circuito en la figura 1.23.
Figura 1.11: Filtro paso bajas
Primero se calculan los parámetros de cascada Aij para i,j=1,2. Después se calculan los paráme-
tros de transferencia Sij para i,j=1,2. Utilizando las ecuaciones (1.11), se obtiene el siguiente
resultado:
s3 +2s2 +2s+1 G(s)

S11 = s3
= φ(s)
1 1
S12 = s3
= φ(s)
−1 −1
S21 = s3
= φ(s)
−s3 +2s2 −2s+1 G(−s)

S22 = s3
= φ(s)
1.2. Función de transferencia

La función de transferencia de trabajo se define mediante la relación:
s
U0 I 0
GT = (1.21)
U2 I 2
Figura 1.12: Circuitos que definen la función de transferencia de trabajo
Los voltajes U0 , U2 y las corrientes I0 , I2 están representados en la figura 1.12. La ecuación

(1.21) y el circuito en la figura 1.12 definen la función de transferencia de trabajo, la cual es
la raı́z cuadrada de la potencia que el generador con la impedancia Z0 suministra a la misma
impedancia Z0 , entre la potencia que el mismo generador suministra a la salida del circuito
acoplado con la impedancia Z2 .
La función de transferencia de espejo (caracterı́stica) se define mediante la expresión:
s
U1 I1
GE = (1.22)
U2 I2
Los voltajes U1 , U2 y las corrientes I1 , I2 están representados en la figura 1.13. En este caso, la
entrada y la salida del circuito están perfectamente acopladas, y tanto en la entrada como en la
salida no se refleja nada. La ecuación (1.22) y el circuito en la figura 1.13 definen la función de
transferencia de espejo.
La función de transferencia de espejo es la raı́z cuadrada de potencia a la entrada entre la

potencia a la salida de un circuito perfectamente acoplado. De la figura 1.12 se pueden deducir
las siguientes ecuaciones:
U2 = Z2 I2 (1.23)
1.2. función de transferencia 13
Figura 1.13: Circuito que define la función de transferencia de espejo
E Z0 + Z1 1
U0 = = I1 = (Z0 I1 + U1 ) (1.24)
2 2 2
Siendo E la tensión del generador ideal, se expresa el voltaje y la corriente utilizando las ecua-
ciones de cascada
U1 = A11 U2 + A12 I2
I1 = A21 U2 + A22 I2 (1.25)
sustituyendo en las ecuaciones (1.23) y (1.24), se obtiene:
1 A12 Z0

U0 = A11 + + A21 Z0 + A22 U2
2 Z2 Z2
U0 Z2 A12 Z0

I0 = = A11 + + A21 Z0 + A22 I2 (1.26)
Z0 2Z0 Z2 Z2
La ecuación (1.26) se puede escribir en la forma:
U0 1 A12 Z0

= A11 + + A21 Z0 + A22
U2 2 Z2 Z2
I0 Z2 A12 Z0

= A11 + + A21 Z0 + A22 (1.27)
I2 2Z0 Z2 Z2
La función de transferencia de trabajo, expresada mediante los parámetros de cascada y las

impedancias de entrada y de salida, resulta:
s "s s #
U0 I0 1 Z2 A12 p Z0
GT = = A11 + √ + A21 Z0 Z2 + A22 (1.28)
U2 I2 2 Z0 Z0 Z2 Z2
Para el circuito normalizado Z0 = Z2 = 1, la función de transferencia (1.28) se simplifica a
1
GT = [A11 + A12 + A21 + A22 ] (1.29)
2
Ejemplo 1.8
Calcular la atenuación del circuito en la figura 1.14.
Figura 1.14: Circuito para el ejemplo 1.8
Primero se calculan las impedancias de espejo Z01 y Z02 .

√
Z01 = 2 · 424 · 424 = 600Ω
r
424
Z02 = 424= 300Ω
2
Tanto en la entrada como en la salida, el circuito no está bien acoplado. Por este motivo, en
los puertos de entrada y salida se produce una reflexión de corriente y de tensión y se hacen
necesarios nuevos cálculos. A continuación, se calculan los elementos de la matriz de cascada
Aij :
" # " # " #
1 424 1 0 2 424
A= × 1 = 1
0 1 424 1 424 1
Si se sustituyen los parámetros Aij , Z2 y Z0 en la ecuación (1.28), se obtiene:
" r √ r #
1 150 424 150 · 300 300
GT = 2 +√ + + = 2,663
2 300 150 · 300 424 150
a = 20 · log(2,663) = 8,506 dB
Ejemplo 1.9
Calcular la atenuación en dB del ejemplo anterior, si los puertos están bien acoplados, si Z0 =
600 Ω y Z2 = 300 Ω. En este caso, en los puertos no se refleja nada porque están bien acoplados.
Entonces se calcula la atenuación caracterı́stica.
" r √ r #
1 300 424 600 · 300 600
GT = 2 +√ + + = 2, 414
2 600 600 · 300 424 300
1.2. función de transferencia 15
a = 20 · log(2, 414) = 7, 65 dB
El mismo resultado se obtiene si se utiliza la ecuación para calcular atenuación de los circuitos
perfectamente acoplados (1.30)
p p
GE = A11 A22 + A12 A21 (1.30)
√
r
1
GE = 2·1+ 424 · = 2,414
424
a = 20 · log(2, 414) = 7, 65 dB
La atenuación se puede calcular también mediante la ecuación (1.31), donde el primer término
es la función de transferencia de espejo, el segundo y tercer término son las funciones de contacto
en los puertos de entrada y de salida. Los términos sexto y séptimo (Z0 − Z0i )/(Z0 + Z0i ) se
denominan coeficientes de reflexión. Si Z0 = Z01 , no se refleja nada en el puerto de entrada.
Si Z2 = Z02 no se refleja nada en el puerto de salida. Si Z0 = Z01 y Z2 = Z02 , la función de
transferencia de trabajo es igual a la función de transferencia de espejo.
" #
Z0 + Z01 Z2 + Z02 Z0 − Z01 Z2 − Z02 1
GT (p) = GE √ √ 1− (1.31)
2 Z0 Z01 2 Z2 Z02 Z0 + Z01 Z2 + Z02 G2E
Ejemplo 1.10
Calcular mediante la ecuación (1.31) la atenuación del circuito en la figura 1.15.
Figura 1.15: Circuito con resistencias
Primeramente se calcula la función de transferencia de espejo GE para A11 = 2, A12 = 424,

1
A21 = 424 y A22 = 1.
√
r
1
GE = 2·1+ 424 = 2,414
424
Utilizando la ecuación (1.31) y sustituyendo por Z0 = 300, Z01 = 600, Z02 = 300, Z0 = 150 y
Z2 = 150, se obtiene:
(300 + 600) (150 + 300) (300 − 600) (150 − 300) 1

GT = 2,414 √ √ 1− = 2,663
2 300 · 600 2 150 · 300 (300 + 600) (150 + 300) 2,4142
a = 20 · log(2,663) = 8,506 dB
Se obtuvo el mismo resultado como en el ejemplo 1.8.
1.3. Ecuación caracterı́stica

A partir de las ecuaciones de cascada (1.1), utilizando la impedancia Z2 = 1, se obtienen las
siguientes ecuaciones:
U1
Q(s) = = A11 + A12
U2
I1
N (s) = = A21 + A22 (1.32)
I2
La función de transferencia G(p) se puede escribir en la forma:
1
G(s) = [Q(s) + N (s)] (1.33)
2
La ecuación caracterı́stica se define mediante la siguiente ecuación:
G(s)G(−s) = 1 + ϕ(s)ϕ(−s). (1.34)

De la ecuación caracterı́stica (1.34), se puede calcular la función caracterı́stica ϕ(s).
1
ϕ(s) = [Q(s) − N (s)] (1.35)
2
Si se suman y restan las ecuaciones (1.33) y (1.35), se obtiene:
U1
G(s) + ϕ(s) = Q(s) =
U2
I1
G(s) − ϕ(s) = N (s) = (1.36)
I2
Dividiendo estas dos ecuaciones, se obtiene para Z2 = 1, U2 = I2 :
U1 I2 G(s) + ϕ(s)
Z1 = = (1.37)
I1 U2 G(s) − ϕ(s)
De donde se deduce que Z1 es la impedancia de entrada de un puerto si la impedancia en la
salida Z2 = 1, como se muestra en la figura 1.16.
1.3. ecuación caracterı́stica 17
Figura 1.16: Impedancia del circuito definida mediante G(p)
Ejemplo 1.11
Calcular G(s) ϕ(s) y Z1 (s) del circuito en la figura 1.17.
Figura 1.17: Circuito LC
Primeramente se calculan los parámetros Aij de la matriz de cascada.
" # " # " # " #

1 s 1 0 1 s 1 + 2s2 2s + 2s3
A= × × =
0 1 2s 1 0 1 2s 1 + 2s2
La función de transferencia G(s) y la caracterı́stica ϕ(s) toman la forma según las expresiones
(1.33) y (1.35).
1h i
G(s) = 1 + 2s2 + 2s + 2s3 + 2s + 1 + 2s2 = s3 + 2s2 + 2s + 1
2
1h i
ϕ(s) =1 + 2s2 + 2s + 2s3 − 2s − 1 − 2s2 = s3
2
La impedancia de entrada del circuito en la figura 1.17 es por tanto:
2s3 + 2s2 + 2s + 1
Z1 =
2s2 + 2s + 1
Ejemplo 1.12
Calcular la impedancia caracterı́stica Z01 del circuito en la figura 1.18 para la frecuencia ω = 0,
ω = 1 y ω > 1.
Los parámetros de cascada tienen la forma:
A11 = A22 = 1 + 2s2

A12 = 2s + 2s3
A21 = s3
La impedancia caracterı́stica Z01 se expresa:
s
A11 Z12 p
Z01 = = 1 + s2
A21 A22
Para ω=0 Z01 = 1

Para ω=1 Z01 = 0
√
Para ω > 1 Z01 = 1 − ω2 La impedancia Z01 no es real.
Del resultado obtenido se observa que la impedancia caracterı́stica Z01 es real en el rango de las
frecuencias angulares desde 0 hasta 1 [rad/sec]. Entonces, el circuito se puede terminar en los
puertos con el resistor. En este rango de las frecuencias es la banda de paso. Para las frecuencias
angulares mayores a 1 [rad/sec], la impedancia caracterı́stica Z01 tiene el carácter de inductancia
y si el circuito se termina con la resistencia, se obtienen reflexiones en la entrada y en la salida.
La gráfica de la impedancia caracterı́stica se muestra en la figura 1.19.
1.3. ecuación caracterı́stica 19
Figura 1.19: Impedancia caracterı́stica Z01 del circuito LC
Ejemplo 1.13
Calcular la función de transferencia G(s), ϕ(s) y ZE del circuito representado en la figura 1.20.
Resultado:
G(s) = s4 + 2,613s3 + 3,414s2 + 2,613s + 1

ϕ(s) = s4
2s4 + 2,613s3 + 3,414s2 + 2,613s + 1
ZE =
2,613s3 + 3,414s2 + 2,613s + 1
Ejemplo 14:
Calcular la función de transferencia G(s) del circuito en la figura 1.21.
G(s) = s5 + 3,236s4 + 5,263s3 + 5,263s2 + 3,236s + 1

Figura 1.21: Circuito LC para el ejemplo 14.
Tarea 1.1
Calcular la atenuación del circuito en la figura 1.22.
Figura 1.22: Circuito para el ejemplo 1.8
Tarea 1.2
Calcular los parámetros de dispersión del circuito en la figura 1.23.
Figura 1.23: Filtro paso bajas

Capı́tulo 2
Realización de circuitos LRC
En este capı́tulo trataremos de realizar los circuitos de un puerto, conociendo la impedancia

del circuito. Se utilizarán para su implementación resistencias, bobinas y condensadores para
obtener circuitos LC, LR ó RC.
Existen los métodos de Cauer y de Foster. El método de Cauer emplea circuitos de cadena, mien-
tras que el de Foster, circuitos básicos que se conectan en serie o en paralelo (depende si se realiza
la implementación basándose en la impedancia o la admitancia del circuito). La impedancia del
circuito se representa mediante la función Z(s), que es el cociente de dos polinomios.
a0 + a1 s + a2 s2 + a3 s3 + ... + an sn
Z(s) = (2.1)
b0 + b1 s + b2 s2 + b3 s3 + ... + bn sn
La impedancia del circuito Z(s) en la ecuación (2.1) se puede desarrollar en fracciones, tal como
se representa en la ecuación (2.2), lo cual se denomina realización de Cauer.
1
Z(s) = Z0 + 1 (2.2)
Y1 + Z2 + Y1
3
La ecuación (2.2) se implementa mediante el circuito representado en la figura 2.1.
Figura 2.1: Circuito en la forma de escalera (Cauer)
Si la impedancia Z(s) se desarrolla como suma de fracciones simples (2.3), se obtiene el circuito
que se muestra en la figura 2.2, que es el caso del circuito RC realizado con el método de Foster.
k
1 X Ai
Z(s) = + R0 + (2.3)
sc0 i=1
s + ωi
21
22 capı́tulo 2. realización de circuitos lrc
Figura 2.2: Circuito RC en la forma de Foster I
2.1. Polos y ceros de la impedancia Z(s)

Polos y ceros del circuito LC
Los polos y ceros de la impedancia LC están ubicados en el eje imaginario. Los polos se alternan
con los ceros. En el origen del plano Z(s) debe estar un polo o un cero. También en el infinito
del plano Z(s) está un polo o un cero. Las cuatro posibilidades de ubicación de polos y ceros de
la impedancia ZLC se muestran en la figura 2.3.
Figura 2.3: Ubicación de los polos y ceros de la impedancia Z(s)LC
Polos y ceros del circuito RC

Los polos y ceros de la impedancia RC están ubicados en el eje real y en la parte izquierda
del plano Z(s). Los polos se alternan con los ceros. En origen del plano Z(s) o cerca del origen
debe estar un polo. Las dos posibilidades de ubicación de polos y ceros para el circuito RC se
muestran en la figura 2.4.
Polos y ceros del circuito LR

Los polos y ceros de la impedancia LR están ubicados en el eje real y en la parte izquierda del
plano Z(s). Los polos se alternan con los ceros. En el origen del plano Z(s) o cerca del origen
2.1. polos y ceros de la impedancia z(s) 23
Figura 2.4: Polos y ceros de la impedancia RC
debe estar un cero. Las dos posibilidades de ubicación de polos y ceros para el circuito LR se
muestran en la figura 2.5.
Figura 2.5: Los polos y ceros de la impedancia LR
Ejemplo 2.1
Dibujar la ubicación de los ceros y polos en el circuito de la figura 2.6a.
La ubicación de los polos y ceros del circuito en la figura 2.6a se muestra en la figura 2.6b. La
impedancia Z(s) es igual a cero para ω = 0 y por eso en el origen existe un cero. La impedancia
Z(s) es igual a ∞ para la frecuencia de resonancia del circuito paralelo y por eso sigue un polo.
Para la frecuencia ω = ∞ la impedancia del circuito es infinita y por eso en ω = ∞ tenemos un
polo. El segundo cero en la figura 2.6 pertenece a la frecuencia de resonancia del circuito serie.
Figura 2.6: a) Circuito LC. b) La ubicación de sus ceros y polos en el plano Z(s)
Ejemplo 2.2
Dibujar la ubicación de los ceros y polos en el circuito de la figura 2.7a.
La ubicación de los polos y ceros del circuito en la figura 2.7a se muestra en la figura 2.7b. La
impedancia Z(s) es igual a ∞ para ω = 0 y por eso en el origen hay un polo. La impedancia Z(s)
es igual a cero para la frecuencia de resonancia serie del circuito y por eso sigue un cero. Para
la frecuencia ω = ∞ la impedancia del circuito es cero y por eso en ω = ∞ tenemos un cero. El
polo en la figura 2.7b pertenece a la frecuencia de resonancia paralela.
Figura 2.7: a) Circuito LC. b) Ubicación de los polos y ceros en el plano Z(s)
2.1.1. Realización de Z(s) mediante el método de Foster I

El método Foster I se basa en la realización de circuitos caracterizados mediante impedancias.
El resultado de esta implementación es un conjunto de elementos conectados en serie.
Impedancias LC
En este apartado se explicará la implementación de impedancia en la que se utilizarán únicamente

bobinas y condensadores para circuitos LC.
La expresión de la impedancia del circuito LC viene dada por la siguiente ecuación:
k
1 X sAi
Z(s) = sL0 + + , (2.4)
sC0 i=0 s + ωi2
2
donde
1 1
Ai = ωi2 = ,
Ci Li Ci
La realización del circuito mediante la forma de Foster se muestra en la figura 2.8.
Ejemplo 2.3
Mediante el método Foster realizar la impedancia

Figura 2.8: Circuito LC en la forma Foster I
s4 + 4s2 + 3
Z(s) = .
s3 + 2s
El numerador es un polinomio de grado par y el denominador es un polinomio de grado impar.
La impedancia puede ser la de un circuito LC. Esta ecuación se puede escribir en la forma:
(s2 + 1)(s2 + 3)
Z(s) = .
s(s2 + 2)
Los ceros y los polos están en el eje imaginario. En ω = 0 hay un polo y en ω = ∞ la impedancia
√
√ en ω = ∞ hay otro polo. El tercer polo está en ω = ±j 2 y los
de Z(s) es infinita, entonces
ceros en ω = ±j y ω = ±j 3. La ubicación de los polos y ceros se muestra en la figura 2.9a. La
ecuación anterior se puede desarrollar en fracciones parciales, como se muestra en la ecuación
(2.5).
Figura 2.9: a) Ubicación de los polos y ceros de Z(s). b)Implementación Z(s)

.
(s2 + 1)(s2 + 3) A Bs
Z(s) = = + 2 + Cs. (2.5)
s(s2 + 2) s s +2
Para implementar la impedancia con un circuito se descompone Z(s) en fracciones simples y

para ello es necesario calcular los coeficientes A, B y C.
(s2 + 1)(s2 + 3) 3
A= |s=0 =
(s2 + 2) 2
(s2 + 1)(s2 + 3) 1
B= 2
|s=−2 =
s 2
(s2 + 1)(s2 + 3)
C= |s=∞ = 1
(s2 + 2)s2
Sustituyendo por A, B y C, la impedancia Z(s) toma la forma:
3 1
(s2 + 1)(s3 + 1) 2 2s
Z(s) = = + + s.
s(s2 + 2) s s2 + 2
La realización de esta ecuación se muestra en la figura 2.9b.
Impedancias RC
En este apartado se estudiará la implementación de impedancias y se utilizarán resistencias y
condensadores como elementos circuitales para obtener circuitos RC. La impedancia del circuito
RC está dada por la ecuación
k
1 X Ai
Z(s) = R0 + + , (2.6)
sC0 i=0 s + ωi
donde
1 1
Ai = ωi =
Ci Ci Ri
se realiza mediante el circuito en la forma de Foster que se muestra en la figura 2.10.
Figura 2.10: Circuito RC en la forma de Foster I
El término R0 de (2.6) corresponde a una resistencia; el término 1/sC0 representa a un conden-

sador; Ai /(s + ωi ), al paralelo de resistencia y condensador.
Ejemplo 2.4
Mediante el método de Foster implementamos la impedancia
s+2
Z(s) = .
s2 + 4s + 3
En el numerador y en el denominador hay polinomios. En estos polinomios no falta ninguna
potencia de s y por eso el circuito puede ser LR o RC. Esta ecuación se puede reescribir de la
siguiente forma:
(s + 2)
Z(s) = .
(s + 1)(s + 3)
Debido a que cerca del origen hay un polo (s=-1), se puede afirmar que la impedancia Z(s)
corresponde con un circuito RC. Además, los polos se alternan con los ceros. La ubicación de
los polos y ceros se muestra en la figura 2.11a.
La ecuación anterior se puede desarrollar en la forma de fracciones simples
Figura 2.11: a) Ubicación de los polos y ceros de Z(s)RC .

b) Implementación de Z(s)RC
(s + 2) A B C
Z(s) = = R0 + + + .
(s + 1)(s + 3) s s + 1 (s + 3)
Para realizar la impedancia con un circuito es necesario calcular previamente los coeficientes A,
B, C y R0 .
s(s + 2)
A= |s=0 = 0
(s + 1)(s + 3)
(s + 2)
R0 = |s=∞ = 0
(s + 1)(s + 3)
(s + 2) 1
B= |s=−1 =
(s + 3) 2
(s + 2) 1
C= |s=−3 =
(s + 1) 2
Sustituyendo por A, B, R0 y C, la impedancia Z(s) se representa como
(s + 2) 1 1
Z(s) = = + .
(s + 1)(s + 3) 2s + 2 2s + 6
La realización de esta impedancia Z(s) se muestra en la figura 2.11b.
Impedancias LR
En este apartado se estudia la realización de impedancias mediante la utilización de bobinas
y resistencias para realizar circuitos LR. La impedancia del circuito LR está expresada por la
ecuación
k
X sAi
Z(s) = R0 + sL0 + , (2.7)
i=0
s + ωi
donde
1 1
Ai = ωi2 =
Ri Li Ri
Su implementación se realiza mediante el circuito en la forma de Foster I que se muestra en la
figura 2.12.
Figura 2.12: Circuito RL en la forma Foster I
Ejemplo 2.5
Realizar mediante el método de Foster la impedancia de la siguiente expresión:
s2 + 2s
Z(s) = .
s2 + 4s + 3
Como en el numerador y denominador hay polinomios y en estos polinomios no falta ninguna

potencia de s, el circuito puede ser LR o RC. Esta ecuación se puede escribir de la siguiente
forma:
s(s + 2)
Z(s) = .
(s + 1)(s + 3)
En la expresión anterior se aprecia que en el origen hay un cero, lo que implica que la impedancia
Z(s) corresponde a un circuito LR. Los polos se alternan con los ceros. La ubicación de los polos
y ceros se muestra en la figura 2.13a. La ecuación anterior se puede representar con la expresión
Figura 2.13: a) Ubicación de los polos y ceros de Z(s)

b) Implementación del circuito LR
s(s + 2) As Bs
Z(s) = = R0 + sL0 + + .
(s + 1)(s + 3) s + 1 (s + 3)
Como paso previo a la realización de la impedancia con un circuito, es necesario calcular los
coeficientes R0 , L0 , A y B.
s(s + 2)
R0 = |s=0 = 0
(s + 1)(s + 3)
(s + 2)
L0 = |s=∞ = 0
(s + 1)(s + 3)
(s + 2) 1
A= |s=−1 =
(s + 3) 2
(s + 2) 1
B= |s=−3 =
(s + 1) 2
Sustituyendo por A, B, R0 y L0 , se obtiene la impedancia Z(s)
s(s + 2) 1 1
Z(s) = = 2 + 6
(s + 1)(s + 3) 2+ s 2+ s
La realización de esta impedancia se muestra en la figura 2.13b.
El método de Foster II realiza la implementación de circuitos a partir de la caracterización con

admitancias. La forma de los circuitos resultantes está dada por la conexión en paralelo de los
distintos elementos que la componen. En este caso, se estudiará con el método de Foster II de
implementaciones circuitales RC y LC.
2.1.2. Realización Y(s) mediante el método de Foster II

Admitancias LC
La admitancia del circuito LC de la ecuación
k
1 X Ai s 1 1
Y (s) = sC0 + + Ai = , ωi2 = (2.8)
sL0 i=0 s + ωi2
2 Li LC
se realiza mediante el circuito en la forma de Foster II que se muestra en la figura 2.14. Los
elementos del circuito se conectan en paralelo.
Figura 2.14: Circuito LC en la forma Foster II
Ejemplo 2.6
Mediante el método Foster II, realizar la admitancia
s3 + 2s
Y (s) = .
s4 + 5s2 + 4
En el numerador hay un polinomio de grado impar y en el denominador, un polinomio de grado
par; por eso el circuito puede ser LC. La segunda condición necesaria es que los polos alternen
con los ceros. La admitancia Y(s) se puede escribir mediante la ecuación
s(s2 + 2)
Y (s) = .
(s2 + 1)(s2 + 4)
Los polos y ceros están ubicados en el eje imaginario y se alternan; por tanto, esta admitancia
corresponde a un circuito LC. La ubicación de los polos y ceros se muestra en la figura 2.15a.
Figura 2.15: a) Ubicación de los polos y ceros de Z(s)LC . b) Implementación
La ecuación anterior se puede desarrollar como suma de fracciones simples.

s(s2 + 2) 1 As Bs
Y (s) = = sC0 + + + (2.9)
(s2 + 1)(s2 + 4) sL0 s2 + 1 s2 + 4
Para realizar la admitancia con un circuito es necesario calcular los valores C0 , L0 , A y B.
(s2 + 2)
C= |s=∞ = 0
(s2 + 1)(s2 + 4)
1 s2 (s2 + 2)
= 2 |s=0 = 0
L0 (s + 1)(s2 + 4)
(s2 + 2) 1
A= 2
|s=−1 =
(s + 4) 3
(s2 + 2) 2
B= |2 =
(s2 + 1) s =−4 3
Sustituyendo por A, B, L0 y C0 en la ecuación (2.9), se obtiene la admitancia Y(s). La imple-
mentación de admitancia Y(s) se muestra en la figura 2.15b.
1 2
s(s2 + 2) 3s 3s
Y (s) = = + .
(s2 + 1)(s2 + 4) s2 + 1 s2 + 4
Admitancias RC
La admitancia del circuito RC de la figura 2.16 se puede expresar con la siguiente ecuación:
k
1 X Ai s 1 1
Y (s) = + sC0 + Ai = ωi = (2.10)
R0 i=0
s + ωi R RC
y se realiza mediante el circuito en la forma de Foster II.
Figura 2.16: Circuito RC en la forma de Foster II
Ejemplo 2.7
Realizar mediante el método Foster II la admitancia
s2 + 3s
Y (s) = .
s2 + 5s + 4
La admitancia tiene cero en el origen, los polos se alternan con los ceros, por estos motivos la
admitancia tiene carácter del circuito RC. La admitancia Y(s) se puede escribir mediante la
siguiente ecuación:
s(s + 3)
Y (s) = .
(s + 1)(s + 4)
Los polos y ceros están ubicados en el eje real, como se observa en la figura 2.17a.
Figura 2.17: a) Ubicación de los polos y ceros de Y (s)RC . b) Implementación
La ecuación anterior se puede desarrollar como la suma de los quebrados parciales.
s(s + 3) 1 As Bs
Y (s) = = + sC0 + + (2.11)
(s + 1)(s + 4) R0 s+1 s+4
Para realizar Y(s) con un circuito, es necesario calcular los valores R0 , C0 , A y B.
1 s(s + 3)
= |s=0 = 0
R0 (s + 1)(s + 4)
(s + 3)
C0 = |s=∞ = 0
(s + 1)(s + 4)
(s + 3) 2
A= |s=−1 =
(s + 4) 3
(s + 3) 1
B= |s=−4 =
(s + 1) 3
Sustituyendo por A, B, R0 y C0 en la ecuación (2.11), la admitancia Y(s) toma la forma:
2s s
s(s + 3) 3 3
Y (s) = = + ,
(s + 1)(s + 4) s+1 s+4
y el desarrollo de esta ecuación se muestra en la figura 2.17b.

2.1.3. Realización Z(s) mediante el método de Cauer I

El método de Cauer I efrectúa la implementación de circuitos a partir de la caracterización
mediante impedancia o admitancia. En el caso de Cauer I, las potencias de s de los polinomios
son en la forma decreciente. La forma de los circuitos resultantes está dada por fracciones en
escalera. A continuación se presentan los ejemplos de implementación RC y LC.
Ejemplo 2.8
Realizar mediante el método de Cauer I la impedancia
s2 + 2s
Z(s) = .
s+1
Para ello es necesario desarrollar la impedancia Z(s) en fracciones en escalera. Como el cero
está en el origen, el circuito es de la forma RL. El desarrollo de Z(s), la fracción en escalera, se
muestra en la figura 2.18 y en la ecuación (2.12).
Figura 2.18: Fracción en escalera y el circuito LR en la forma escalera (Cauer I)
s2 + 2s 1
Z(s) = =s+ 1 (2.12)
s+1 1+ s
En la figura 2.18 se puede observar que en la primera división numerador se divide por el deno-
minador de Z(s). En la segunda división el numerador se cambia por el denominador y denomi-
nador por el numerador. En general, las divisiones, excepto la primera, tienen por numerador el
denominador de la anterior y como denominador el resto de la anterior.
Ejemplo 2.9
s4 + 5s2 + 4
Z(s) =
s3 + 3s
Es necesario desarrollar la impedancia Z(s) en fracciones en escalera. Los ceros y los polos están
en el eje imaginario y se alternan; por lo tanto, el circuito tiene inductancias y capacitancias,
es un circuito LC. Se debe desarrollar la impedancia Z(s) en el quebrado de escalera, como se
puede observar en la figura 2.19. La expresión de Z(s) resultante está dada por (2.13).
Figura 2.19: Desarrollo en fracciones en escalera y el circuito LC en la forma escalera

(Cauer I)
s4 + 5s2 + 4 1
Z(s) = =s+ s 1 (2.13)
s3 + 3s 2 + 1
2s+ s
4
El quebrado de escalera, ecuación (2.13), se realiza mediante el circuito que se muestra en la

figura 2.19.
Ejemplo 2.10
s2 + 4s + 3
Z(s) =
s2 + 6s + 8
Es necesario desarrollar en quebrado de escalera la impedancia Z(s). Los ceros y los polos están
en el eje real y se alternan. Además cerca del origen está un cero, lo que implica que el circuito
contiene resistencias y inductores. Se desarrolla la impedancia Z(s) en el quebrado de escalera,
como se puede observar en la figura 2.20, la cual toma la forma que se muestra en la ecuación
(2.14).
1 1
Z(s) = s2 +6s+8
= 1 (2.14)
s2 +4s+3
1+ s
+4 1
2 1
3 + 3s + 1
2 1
3
Este quebrado de escalera se desarrolla mediante el circuito que se muestra en la figura 2.20.
2.1.4. Realización Z(s) mediante el método de Cauer II

El método de Cauer II efectúa la implementación de circuitos a partir de la caracterización
mediante admitancias o impedancias. En el caso de Cauer II, las potencias de s de los polinomios
Figura 2.20: Desarrollo en escalera de Z(s) y el circuito RC en la forma escalera

(Cauer)
son en la forma creciente. La forma de los circuitos resultantes está dada por fracciones en
escalera. A continuación se presentan los ejemplos de implementación RC y RL.
Ejemplo 2.11
Realizar mediante el método de Cauer II la impedancia
3 + 4s + s2
Z(s) = .
8 + 6s + s2
Para ello es necesario desarrollar en quebrado de escalera la impedancia Z(s), pero antes deben
reordenarse los polinomios en el numerador y denominador en la forma ascendente. Como los
ceros y los polos están alternándose en el eje real y cerca del origen hay un cero, entonces el
circuito va a contener resistencias e inductancias. Se desarrolla la impedancia Z(s) en el quebrado
de escalera como se muestra en la figura 2.21.
3 + 4s + s2 3 1
Z(s) = = + 8·4 1 (2.15)
8 + 6s + s2 8 1+ + 7·7
7s
22·4
+ 44·221 1
3·7s + 3
44
El quebrado de escalera ecuación (2.15) se realiza mediante el circuito que se muestra en la

figura 2.21.
Ejemplo 2.12
Se conoce la parte real y la parte imaginaria de la impedancia de un cable que se muestra en la

figura 2.22. Calcular la impedancia Z(s) y realizarla por el método de Cauer.
La impedancia de primer orden se puede escribir en la forma:

a0 + a1 s
Z(s) =
b0 + b1 s
Figura 2.21: Circuito LR en la forma escalera (Cauer II) y desarrollo en fracciones

en escalera
Si se divide el numerador y el denominador entre b0 , se obtiene la siguiente ecuación:

a0 a1
b0 + b0 s A0 + A1 s
Z(s) = b1
= (2.16)
1+ b0 s
1 + B1 s
La impedancia se puede desarrollar en parte real e imaginaria.
A0 + jωA1
Z(jω) = X + jY =
1 + jωB1
Si se multiplica la ecuación anterior por (1 + jωB1 ), se obtiene
X + jωXB1 + jY − ωB1 Y = A0 + jωA1
Comparando las partes imaginarias y reales se recibe
X − ωY B1 = A0
ωXB1 + Y = ωA1 (2.17)
De la figura 2.22, para ω1 = 6000, la parte real de la impedancia X1 = 400 y la parte imaginaria
Y1 = −300. Para ω = ∞ se obtiene X2 = 100 y Y2 = 0. Si se sustituyen los valores en las
ecuaciones 2.17, se obtiene la ecuación (2.18).
400 + 6000 · 300 · B1 = A0
6000 · 400 · B1 − 300 = 6000 · A1
100 · B1 = A1 (2.18)
Las ecuaciones (2.18) se pueden escribir en la forma matricial

Figura 2.22: La parte real e imaginaria de Z(s) del cable
     
1 0 −18 · 105 A0 400
 0 6 · 10 −24 · 105  ×  A1  =  −300 
3
     
0 1 −10 2 B1 0
De esta ecuación matricial se pueden calcular los valores de A0 , A1 y B1 .

   −1    
A0 1 0 −18 · 105 400 700
 A1  =  0 6 · 10 −24 · 105 
3 ×  −300  =  0,01666
       

B1 0 1 −102 0 1,6666 · 10−4
Los coeficientes de la impedancia Z(s) (2.16) son
A0 = 700 A1 = 0,0166666 B1 = 1,66666,10−4
y la impedancia
700 + 0,016666s
Z(s) =
1 + 1,6666 · 10−4 s
El cero s0 y el polo s∞ tienen los valores:

700
s0 = − = −42000,168
0,0166
1
s∞ = − = −6000,024
1,6666 · 10−4
Z(s) corresponde a la impedancia de un circuito RC, porque un polo está cerca del origen. Si la
impedancia Z(s) se desarrolla en el quebrado de escalera se obtiene
1
Z(s) = 99,639 + 1
2,777 · 10−7 s + 600
El circuito representado en la figura 2.23 tiene la misma impedancia que el cable en las frecuencias
angulares ω = 6000 y ω = ∞.
Figura 2.23: Circuito RC en la forma escalera (Cauer)
2.2. Realización de circuitos de dos puertos

Para realizar el circuito de dos puertos es necesario conocer dos parámetros, por ejemplo, para el
caso de un circuito pasivo y simétrico, Z11 y Z12 o Y11 y Y12 . De la impedancia Z11 o admitancia
Y22 se puede verificar si la impedancia del circuito de dos puertos corresponde con la impedancia
de un circuito RL, LC o RC. El procedimiento de realización es el siguiente. Primero, para el
circuito de la figura 2.24 es necesario escribir las siguientes ecuaciones:
Figura 2.24: Circuito para implementar parámetros Zij
1 1
1 = Y0 − Z0 = Z11 − Z1 (2.19)
Z11 Z2
La impedancia Z11 se conoce y la queremos desarrollar en un circuito. La impedancia Z1 no se
conoce, pero se puede calcular. Si por ejemplo Z2 es el circuito serie, su impedancia es igual a
cero para la frecuencia de resonancia serie fres.serie . Eso significa, que en lugar de Z2 tenemos
un corto circuito y se puede escribir la ecuación
Z1 = Z11 |f =f res.serie (2.20)

En el caso de que el primer elemento del circuito sea la admitancia Y1 , como el caso de la figura
2.25, se pueden escribir las siguientes ecuaciones:
1
Y0 = Y22 − Y1 Z0 = Z2 + 1 (2.21)
Y22
La admitancia Y22 se conoce y se requiere desarrollar en un circuito. La admitancia Y1 no se
conoce, pero se puede calcular. Si por ejemplo Z2 es un circuito en paralelo, su impedancia es
igual a infinito para la frecuencia de resonancia paralela fres.paralela . Eso significa, que en lugar
de Z2 tenemos un circuito abierto y se puede escribir la ecuación
2.2. realización de circuitos de dos puertos 39
Figura 2.25: Circuito para implementar parámetros Yij
Y1 = Y22 |f =f res.paralela (2.22)

Los valores ω1 , ω2 , ... son las frecuencias de resonancia y se obtienen de la impedancia de
transferencia Z12 o Y12 , en la ecuación (2.23).
(s2 + ω12 )(s2 + ω22 )....

Z12 = (2.23)
a0 + a1 s + a2 s2 + ...
En los siguientes ejemplos se muestra cómo se realizan los circuitos de bipuertos.
Ejemplo 2.13
Realizar el circuito a partir de las admitancias Y22 y Y21 dadas por las siguientes expresiones:
s2 + 1
Y21 =
6s3 + 3s
12s4 + 12s2 + 1
Y22 =
6s3 + 3s
Los denominadores de Y21 y Y22 son iguales. Entonces si se realiza el denominador Y22 , también
se desarrolla el denominador del parámetro Y21 . Los ceros del parámetro Y21 son en s2 = −1 y
en s = ∞, y no coinciden con los ceros del parámetro Y22 . Si queremos realizar el parámetro Y22
es necesario hacerlo de tal manera que tengamos en el circuito los ceros de Y21 , los cuales son
distintos de los ceros de Y22 . Los ceros de Y21 expresan la atenuación infinita del circuito, eso
significa que para esos valores nada se transfiere desde la entrada a la salida.
Primero se implementa el polo de la atenuación (cero de la Y21 ) en p = ∞ y después en s2 = −1.

El polo en ∞ se efectúa mediante el método de Cauer I. La realización parcial se muestra en el
circuito en la figura 2.26.
12s4 + 12s2 + 1 1
Y22 = = 2s +
3
6s + 3s s + 6s21+1
2s
En el circuito en la figura 2.26 se puede apreciar que, para ω = ∞, la atenuación es infinita y

esto significa que la transferencia es igual a cero, tal y como se expresa en la ecuación (2.24).
Figura 2.26: Circuito de dos puertos para implementar los parámetros Yij
Para ω = ∞ la impedancia de la inductancia es infinita y en el circuito la transferencia es nula

desde la entrada a la salida.
s2 + 1
Y21 = |s=∞ = 0 (2.24)
6s3 + 3s
Con el circuito de la figura 2.26 se implementó el primer cero para s = ∞. Ahora tenemos que
realizar el cero de la admitancia de trasferencia Y21 en s = ±j, ω = ±1. El cero en ω = ±1 se
realiza mediante el circuito de la figura 2.27.
Figura 2.27: Circuito para realizar el cero de Y21 en ω = 1
1 6s2 + 1 5
Y1 = Y22 |s2 =−1 = =s
2s 2
Entonces la admitancia Y1 es la capacidad C1 = 52 . La realización parcial se muestra en la figura
2.28. Ahora es necesario calcular la admitancia Y0 .
Figura 2.28: Circuito parcial que realiza las admitancias Y22 y Y21
6s2 + 1 5s s2 + 1
Y0 = − =
2s 2 2s
2s 1
Z0 = = s 1
s2 +1 2 + 2s
La impedancia Z0 se realiza mediante el circuito LC paralelo con los valores C4 = 12 y L4 = 2.

La estructura completa que implementa los parámetros Y21 y Y22 se muestra en la figura 2.29.
De este circuito podemos apreciar que el polo de transferencia en ω = 1 está realizado mediante
el circuito paralelo, mientras el polo de transferencia en ω = ∞ se hace con la inductancia. La
impedancia de la inductancia para ω = ∞ es infinita y se trata como el circuito abierto para
ω = ∞, por lo que la transferencia de la entrada a la salida es nula.
Figura 2.29: Circuito de dos puertos que realiza las admitancias Y22 y Y21
Ejemplo 2.14
Realizar el circuito de dos puertos a partir de las impedancias Z11 y Z12 dadas por los siguientes
expresiones si se conocen los parámetros
(s2 + 1)(s2 + 2)
Z12 =
8s5 + 15s3 + 6s
5s4 + 8s2 + 2
Z22 =
8s5 + 15s3 + 6s
√ de la impedancia de transferencia Z12 (polos de la atenuación) están en ω = ±1,

Los ceros
ω = ± 2 y en ω = ∞. Primero vamos a realizar el cero en ω = ±1, para que se calcule la
admitancia Y1 del circuito en la figura 2.30 mediante la ecuación (2.25).
1 s(8s4 + 15s2 + 6)
Y1 = |s2 =1 = |2 =s (2.25)
Z22 5s4 + 8s2 + 2 s =1
La admitancia Y1 es el capacitor C1 = 1. Ahora se calcula la admitancia Y0 y después Z0 .
8s5 + 15s3 + 6s (s2 + 1)(3s3 + 4s)

Y0 = − s =
5s4 + 8s2 + 2 5s4 + 8s2 + 2
Figura 2.30: Circuito de dos puertos que realiza los parámetros Zij
5s4 + 8s2 + 2 As 1 1
Z0 = = 2 + Z22 = Z2 + Z22 (2.26)
(s2 + 1)(3s3 + 4s) s +1
Para calcular los valores del circuito paralelo se calcula la constante A.
5s4 + 8s2 + 2
A= |2 =1
3s4 + 4s2 s −1
La impedancia Z2 en la ecuación (2.26) toma la forma:
s 1
Z2 = = .
s2 +1 s + 1s
La impedancia Z2 es un circuito paralelo LC con los valores L2 = 1 y C2 = 1. El circuito parcial
1 . El procedimiento de
que se realizó se muestra en la figura 2.31. Ahora es necesario calcular Z22
realización es el mismo, pero en este caso se implementa el otro cero de la impedancia Z21 :
Figura 2.31: Circuito parcial de dos puertos
1 5s4 + 8s2 + 2 s (s2 + 1)(2s2 + 2)

Z22 = − =
(s2 + 1)(3s3 + 4s) s2 + 1 (s2 + 1)(3s3 + 4s)
El término común (s2 + 1) del numerador y del denominador se elimina y la impedancia Z22
1
toma la forma:
1 2s2 + 2
Z22 =
3s3 + 4s
La impedancia Z3 se obtiene mediante la siguiente ecuación:
1
Y3 = 1 |s2 =−2
Z22
s(3s2 + 4)
Y3 = |2 =s
2s2 + 2 s =−2
Entonces la impedancia Z3 es un condensador de valor 1. Seguimos calculando la admitancia Y0
y Z0 .
1 3s3 − 4s s3 + 2s
Y0 = 1 − Y3 = 2
−s= 2
Z11 2s + 2 2s + 2
2s2 + 2 As 2 2
Z0 = 2
= 2 + Z11 = Z4 + Z11
s(s + 2) s +2
Calculando la constante A se obtiene la impedancia Z4 . La impedancia Z4 es el circuito paralelo

LC con los valores L = 12 y C = 1. El circuito parcial se ve en la figura 2.32. Nos queda calcular
2 :
el último elemento Z22
2s2 + 2
A= |s2 =−2 = 1
s2
s 1
Z4 = = 2
s2 +2 s+ s
Figura 2.32: Circuito parcial de dos puertos que realiza las impedancias Z22 y Z12
2 2s2 + 2 s 1
Z22 = Z0 − Z4 = 2
− 2 =
s(s + 2) s + 2 s
El último elemento es el condensador y la realización completa de las impedancias Z22 y Z12√se

muestra en la figura 2.33. Los circuitos paralelos realizan los ceros de Z12 en ω = 1 y en ω = 2.
Figura 2.33: Circuito de dos puertos que realiza las impedancias Z22 y Z12
Los condensadores que son conectados a tierra ubican el cero en ω = ∞ (circuito corto para
ω = ∞).
El programa siguiente calcula el circuito de dos puertas si se conocen los parámetros Z22 y Z12 .
El programa está escrito en C++. Como ejemplo se van a calcular los elementos del circuito si
5s4 + 8s2 + 2
Z22 =
8s5 + 15s3 + 6
(s2 + 1)(s2 + 2)
Z12 =
8s5 + 15s3 + 6
Primero se teclea el orden de Z22 , después los coeficientes del numerador de Z22 en el orden 2
8 5, los coeficientes
√ del denomirador en el orden 6 15 8 y al fin los ceros de la impedancia Z12
en el orden 1 2. El resultado del calculo es el siguiente:
c1=1.000000
c2=1.000000
l2=1.000000
c3=0.999995
c4=1.000000
l4=0.499995
c5=1.000005
Los elementos y la estructura del circuito están en la figura 2.33.
#include <stdio.h>
#include <math.h>
#include <conio.h>
int k,n,m,i,j,m1,m2,m3;
float c[10],z[10],omega[10],x[10],v[10],l[10];
float e1,e2,g,a;
clrsrc();
main()
{
printf("Tecle el orden del Z11 n:\n ");
scanf("%i", &n);
printf("Tecle los coeficientes del numerador z11\n");

m=n;
for(i=0;i<=n-1;i=i+2)
{
scanf("%f", &z[i]);
printf("z[%i]=%f\n",i,z[i]);
}
printf("Tecle los coeficientes del numerador z11\n");

for(i=1;i<=n;i=i+2)
{
scanf("%f", &z[i]);
printf("z[%i]=%f\n",i,z[i]);
}
printf("Tecle los zeros de z12\n");
for(i=1;i<=(n-1)/2;i++)
{
scanf("%f", &omega[i]);
printf("omega[%i]=%f\n",i,omega[i]);
}
for(k=1;k<=(n-1)/2;k++)
{
e1=0;
for(i=0;i<=m-1;i=i+4)
{
e1=e1+z[i]*pow(omega[k],i);
}
/* printf("e1=%f\n",e1);*/
for(i=1;i<=m-1;i=i+4)
{
e1=e1-z[i+1]*pow(omega[k],(i+1));
}
/*printf("e1=%f\n",e1);*/
e2=0;
for(i=1;i<=m;i=i+4)
{
e2=e2+z[i]*pow(omega[k],(i-1));
}
for(i=2;i<=m;i=i+4)
{
e2=e2-z[i+1]*pow(omega[k],i);
}
c[2*k-1]=e2/e1;
printf("c[%i]=%f\n",2*k-1,c[2*k-1]);
for(i=1;i<=m;i=i+2)
{
x[i]=z[i]-c[2*k-1]*z[i-1];
/*printf("x[%i]=%f\n",i,x[i]);*/
}
v[m+1]=0;
m2=m-2;
for(j=1;j<=m2;j=j+2)
{
i=m2-j+1;
v[i+1]=x[i+2]-v[i+3]*omega[k]*omega[k];
/*printf("v[%i]=%f\n",i,v[i+1]);*/
}
g=0;
for(i=1;i<=m;i=i+4)
{
g=g-v[i+1]*pow(omega[k],(i+1));
}
for(i=3;i<=m;i=i+4)
{
g=g+v[i+1]*pow(omega[k],(i+1));
}
/*printf("g=%f\n",g);*/
a=e1/g;
/*printf("a=%f\n",a);*/
c[2*k]=1/a;
l[2*k]=a/(omega[k]*omega[k]);
printf("c[%i]=%f\n",2*k,c[2*k]);
printf("l[%i]=%f\n",2*k,l[2*k]);
v[m]=0;
m3=m-2;
for(j=1;j<=m3;j=j+2)
{
i=m3-j+1;
v[i]=z[i+1]-v[i+1]*a-v[i+2]*omega[k]*omega[k];
}
m1=m-1;
for(i=1;i<=m1;i++)
{
z[i-1]=v[i];
/*printf("z[%i]=%f\n",i-1,z[i-1]);*/
}
m=m-2;
}
c[n]=z[1]/z[0];
printf("c[%i]=%f\n",n,c[n]);
getche();
return 0;
}
Ejemplo 2.15
Realizar un circuito de dos puertos como en el ejemplo anterior, pero ahora se
√deben implementar
los ceros de Z12 en orden ω = ∞, ω = ±1 y como último el cero en ω = ± 2.
(s2 + 1)(s2 + 2)
Z12 =
8s5 + 15s3 + 6s
5s4 + 8s2 + 2
Z11 =
8s5 + 15s3 + 6s
√
Los ceros de la impedancia de transferencia (polos de la atenuación) están en ω = ±1, ω = ± 2
y en ω = ∞. En este ejemplo
√ vamos a realizar el cero de Z12 en ∞, después en ω = ±1 y a final
el cero de Z12 en ω = 2. La impedancia Z11 se desarrolla en fracciones en escalera y se hace
solo una vez, como se observa en la ecuación.
1
Z11 = 8s 1
5 + 5s4 +8s2 +2
11s3 + 14s
5 5
1 es el último término en el quebrado de escalera y toma la forma:

La impedancia Z11
1 25s4 + 40s2 + 10
Z11 =
11s3 + 14s
Figura 2.34: Circuito parcial de dos puertos que realiza las impedancias Z11 y Z12
La realización no completa se muestra en la figura 2.34. Ahora vamos a desarrollar el cero de

Z12 en s2 = −1 y obtenemos la impedancia Z2 .
1 25s4 + 40s2 + 10 (−5) s (−5) 5s

Z11 |s2 −1 = Z2 = |s2 =−1 = = 2 |2 =
s 11s3 + 14s 3s s 3 s =−1 3
La impedancia Z2 es la bobina que tiene el valor 35 . Ahora se puede calcular la impedancia Z0 .
25s4 + 40s2 + 10 5s 20s4 + 50s2 + 30

Z0 = Z11 − Z2 = − =
11s3 + 14s 3 33s3 + 42s
33s3 + 42s As 2 2
Y0 = = 2 + Y11 = Y3 + Y11
(s2 + 1)(20s2 + 30) s +1
Si se calcula la constante A se puede desarrollar la admitancia Y3 . La admitancia Y3 presenta

el circuito LC en serie. La inductancia L3 tiene el valor 10 9
9 y la capacidad C3 = 10 . El circuito
parcial se muestra en la figura 2.35 y√
falta de realizar mediante las impedancias Z4 y Z5 el último
cero de la impedancia Z12 en s = − 2.
Figura 2.35: Circuito parcial de dos puertos que realiza los parámetros Z11 y Z12
33s2 + 42 9
A= 2
|s2 −1 =
20s + 30 10
9s
10 1
Y3 = = 10s 10
s2 + 1 9 + 9s
2
La admitancia Y3 se realiza con un circuito LC en serie. Si se conoce Y3 , se puede calcular Z11
mediante la ecuación:
1
Y0 − Y3 = 2 .
Z11
9s
1 33s3 + 42s 10 15s(s2 + 1)
2 = − =
Z11 (s2 + 1)(20s2 + 30) s2 + 1 (s2 + 1)(20s3 + 30)
2 20s2 + 30
Z11 =
15s
A continuación se realiza el último cero de la impedancia de transferencia Z12 en s2 = −2.
2 1 −40 + 30 −10 −10s s

Z4 = Z11 |s2 =−2 = = = 2
|s2 =−2 =
s 15 15s 15s 3
La impedancia Z4 se realiza mediante una inductancia con el valor 31 . Todavı́a es necesario

desarrollar la impedancia Z5 , pero primero se calcula la impedancia Z0 .
2 15s2 + 30 s 2
Z0 = Z11 − Z4 = − =s+
15s 3 s
La impedancia Z0 = Z5 es un circuito LC serie. La inductancia tiene valor 1 H y el capacitor
0.5 F. El circuito completo se muestra en la figura 2.36.
Figura 2.36: Circuito de dos puertos que realiza los parámetros Z11 y Z12
Ejemplo 2.16
Realizar el circuito de dos puertos si se conocen los parámetros Z11 y Z21 .
1 (s + 2)(s + 5)
Z21 = Z11 =
(s + 1)(s + 3) (s + 1)(s + 3)
Z11 tiene un polo cerca de origen Z11 , tratándose por tanto de un circuito RC. Todos los ceros
están en ∞ y por este motivo la impedancia Z11 se desarrolla en fracciones en escalera (Cauer
I).
s2 + 7s + 10 1
Z11 = =1+ s 1
s2 + 4s + 3 + 9
3
5
+ 25s 1 1
24 + 8
15
Por lo que se obtiene el circuito que se muestra en la figura 2.37.
Ejemplo 2.17
Realizar el circuito de dos puertos, si se conocen los parámetros Z11 y Z21 .
s2 (s + 2)(s + 4)
Z21 = Z11 =
(s + 1)(s + 3) (s + 1)(s + 3)
Z11 tiene un polo cerca del origen y por ello el circuito es RC. Todos los ceros se hayan en ω=0
de ahı́ que la impedancia Z11 se desarrolle en fracciones en escalera, pero ahora el grado de s en
los polinomios es en forma ascendente (Cauer II).
10 + 7s + s2 1 1
Z11 = = 10+7s+s2
= 3 1
3 + 4s + s2 8 + 32 1
3+4s+s2 7s
+ 49 1
88 + 968 + 1
21s 3
44
El circuito se muestra en la figura 2.38. En el circuito se puede apreciar que el cero de trans-
ferencia se encuentra en ω = 0. El condensador para ω = 0 actúa como un circuito abierto y
la transferencia de la entrada a la salida es nula. Para ω = 0 el condensador tiene impedancia
1
infinita Zc = jωc |ω=0 = ∞.
Ejemplo 2.18
Realizar el circuito de dos puertos si se conocen los parámetros Z11 y Z21 .
s (s + 2)(s + 4)
Z21 = Z11 =
(s + 1)(s + 3) (s + 1)(s + 3)
Cerca del origen hay un polo y por eso el circuito es RC. Un cero de Z21 está en ω=0 y el otro
cero está en ω = ∞ y por eso la impedancia Z11 se desarrolla en fracciones simples de escalera,
pero ahora se desarrolla Z11 primero como Cauer I y después como Cauer II.
s2 + 6s + 8 1
Z11 = =1+ s 3 1
s2 + 4s + 3 + + 50
2 5
3s
+ 31
20
El circuito resultante se muestra en la figura 2.39. En el circuito de la figura 2.39 se aprecia cómo
los ceros de transferencia se sitúan en ω = 0 y ω = ∞. El segundo condensador del circuito para
ω = 0 actúa como circuito abierto y la transferencia de señal es nula. La primera capacidad para
ω = ∞ está en cortocircuito y la transferencia de señales también es nula. Entonces el circuito
tiene ceros en ω = ∞ y en ω = 0.
Capı́tulo 3
Transformación de las plantillas
Existen diferentes factores que pueden producir una disminución de la calidad de las señales.
Esos factores son: distorsión, interferencia, ruido y atenuación. Una forma de minimizar los
efectos de esos factores es la utilización de filtros que dejen pasar las señales que interesen y que
no permitan el paso de las señales indeseadas.
3.1. Plantillas de filtros
El ruido, por ejemplo, puede situarse en las frecuencias altas o en las frecuencias bajas. Para
eliminar el ruido en las frecuencias altas se utilizan los filtros paso bajas, mientras que los filtros
paso altas se usan para eliminar el ruido en las frecuencias bajas. Si el ruido se encuentra en las
frecuencias altas y bajas, se emplean filtros paso bandas para quitar el ruido y dejar pasar la
señal. Las plantillas de los filtros se muestran en la figura 3.1.
Figura 3.1: Plantillas de diferentes filtros. a) paso bajas, b)paso altas,

c)paso de banda y d) supresor de banda
51
52 capı́tulo 3. transformación de las plantillas
3.2. Transformación de las plantillas PBF, PA, PB y SB a PBFN
Todos los tipos de filtros se pueden transformar en un filtro paso bajas normalizado, (PBFN).
Se denomina PBFN al filtro PBF con la frecuencia de corte en Ω1 = 1. La ecuación que nos
transforma paso bajas a paso bajas normalizado es
ω1
Ω=
ω
Un filtro paso altas se transforma a un filtro PBFN con la ecuación
ω−1
Ω=−
ω
Un filtro paso banda se transforma a un filtro PBFN mediante la ecuación
ω 2 − ω1 ω−1
Ω=
ω(ω1 − ω−1 )
Un filtro supresor de banda se transforma a un filtro PBFN usando la ecuación
ω(ω1 − ω−1 )
Ω=−
ω 2 − ω1 ω−1
Figura 3.2: Transformación de las plantillas PBF, PA, PB y SB a PBFN
En la figura 3.2 se puede observar cómo se transforman las plantillas de los diferentes tipos de
filtros a un filtro paso bajas normalizado. En los ejemplos se muestra la transformación de todos
los tipos de plantillas a la plantilla del filtro paso bajas normalizado PBFN.
Ejemplo 3.1
Transformar la plantilla de un filtro paso bajas de la figura 3.3 a la plantilla de un filtro paso
bajas normalizado.
3.2. transformación de las plantillas pbf, pa, pb y sb a pbfn 53
Primero se calcula la frecuencia del corte normalizada Ω1 y después Ω2 . La plantilla del filtro
paso bajas normalizado se muestra en la figura 3.3 b).
3400 4700
Ω1 = =1 Ω2 = = 1,382
3400 3400
Figura 3.3: Plantillas PBF y PBFN
Ejemplo 3.2
Transformar la plantilla del filtro paso altas de la figura 3.4a a la plantilla de un filtro paso bajas
normalizado.
Primero se calcula la frecuencia de corte normalizado Ω−1 y después Ω−2 . La plantilla del filtro
paso bajas normalizado se muestra en la figura 3.4b.
3400 3400
Ω−1 = − = −1 Ω−2 = − = −11, 333
3400 300
Figura 3.4: Plantillas de PA y PBFN
Ejemplo 3.3
Transformar la plantilla del paso banda de la figura 3.5a a la plantilla de un filtro paso bajas
normalizado.
Primero se calcula la frecuencia de corte normalizado Ω1 , Ω−1 y después Ω−2 , Ω2 . La plantilla
del filtro paso bajas normalizado se muestra en la figura 3.5b.
34002 − 300 · 3400 3002 − 300 · 3400

Ω1 = =1 Ω−1 = = −1
3400(3400 − 300) 300(3400 − 300)
47002 − 3400 · 300 1502 − 3400 · 300

Ω2 = = 1, 446 Ω−2 = = −2, 145
4700(3400 − 300) 150(3400 − 300)
Figura 3.5: Plantillas PB y PBFN
Ejemplo 3.4
Transformar la plantilla del filtro supresor de banda de la figura 3.6a a la plantilla de un filtro
paso bajas normalizado.
Primero se calcula la frecuencia del corte normalizada Ω1 , Ω−1 y después Ω−2 , Ω2 . La plantilla
del filtro paso bajas normalizado se muestra en la figura 3.6b.
100(100 − 4700) 4700(100 − 4700)

Ω1 = =1 Ω−1 = = −1
1002 + 100 · 4700 47002 − 100 · 4700
300(100 − 4700) 3400(100 − 4700)
Ω2 = = 3, 63 Ω−2 = = −1, 41
3002 − 100 · 4700 34002 − 100 · 4700
Figura 3.6: Plantillas de SB y PBFN
En los catálogos de filtros se encuentran las estructuras de un filtro paso bajas normalizado.
Para cumplir los especificaciones de la plantilla es necesario transformar la estructura normali-
zada a una estructura desnormalizada PBF, PA, PB o SB. A continuación se muestra cómo se
obtiene una estructura desnormalizada de un filtro paso banda si se conoce el filtro paso bajas
normalizado.
• Transformación del filtro paso bajas normalizado a filtro paso banda
La impedancia de inductancia normalizada en la figura 3.7 es Z(jΩ) = jΩl . Si se sustituye por

Ω
ω 2 − ω1 ω−1
Ω=
ω(ω1 − ω−1 )
se obtiene la impedancia Z(jω) de un circuito serie L1 , C1 .
l 1 1 1
Z(jω) = jω + ω1 −ω−1 = jωL1 +
ω1 − ω−1 jω lω1 ω−1
jωC1
La bobina se transforma a un circuito serie LC, como se muestra en la figura 3.7, con los valores
l ω1 − ω−1
L1 = C1 =
ω1 − ω−1 l ω1 ω−1
La admitancia de un condensador normalizado en la figura 3.7 es y = jΩc. Si se sustituye por Ω
ω 2 − ω1 ω−1
Ω=
ω(ω1 − ω−1 )
se obtiene la admitancia Y (jω) de un circuito paralelo L2 , C2 .
c 1 1 1
Y (jω) = jω + ω1 −ω−1 = jωC2 +
ω1 − ω−1 jω cω1 ω−1
jωL2
El condensador c se transforma a un circuito paralelo LC, como se observa en la figura 3.7, con
los valores
c ω1 − ω−1
C2 = L2 =
ω1 − ω−1 cω1 ω−1
En la figura 3.7 se muestra la transformación del filtro paso bajas normalizado a un filtro paso
banda.
• Transformación del filtro paso bajas normalizado
a filtro supresor de banda
La impedancia de inductancia normalizada es Z(jΩ) = jΩl . Si se sustituye por Ω en la siguiente

ecuación:
ω(ω1 − ω−1 )
Ω=− ,
ω 2 − ω1 .ω−1
se obtiene la impedancia Z de un circuito paralelo L1 , C1 .
ω(ω1 − ω−1 ) 1
Z = jΩl = −jl = jω ω1 ω−1 .
ω 2 − ω1 ω−1 l(ω1 −ω−1 ) + jωl(ω 1 −ω−1 )
Figura 3.7: Transformación PBF a PB
El inductor normalizado se transforma a un circuito paralelo LC, como se observa en la figura

3.8, con los valores
l (ω1 − ω−1 ) 1
L1 = C1 = .
ω1 ω−1 l (ω1 − ω−1 )
1
La impedancia normalizada de un condensador c es z = jΩc . Si se sustituye por Ω en la ecuación
(3.1) se obtiene la impedancia Z(jω) de un circuito LC serie.
ω(ω1 − ω−1 )
Ω=− (3.1)
ω 2 − ω1 .ω−1
−1 ω 2 − ω1 ω−1 jω ω1 ω−1
Z(jω) = = + .
jc ω(ω1 − ω−1 ) (ω1 − ω−1 ) jωc(ω1 − ω−1 )
El condensador se transforma a un circuito serie LC, como se muestra en la figura 3.8, con los
valores
c(ω1 − ω−1 ) 1
C2 = L2 = .
ω1 ω−1 c(ω1 − ω−1 )
En la figura 3.8 se muestra la transformación de un filtro paso bajas normalizado a un filtro

supresor de banda.
• Transformación del filtro paso bajas normalizado a filtro paso bajas
La impedancia del inductor normalizado es Z(jΩ) = jΩl y se transforma con la ecuación

ω
Ω=
ω1
a un inductor
Figura 3.8: Transformación PBF a SB
jω
Z= l = jωL1
ω1
con el valor
l
L1 =
ω1
La admitancia del capacitor normalizado es Y (jΩ) = jΩc y se transforma con la ecuación
ω
Ω=
ω1
a una capacidad
jω
Y = c = jωC2
ω1
con el valor
c
C2 =
ω1
En la figura 3.9 se muestra la transformación de un filtro paso bajas normalizado al filtro paso
bajas desnormalizado.
• Transformación del filtro paso bajas normalizado a filtro paso altas
La impedancia del inductor normalizado es Z(jΩ) = jΩl y se transforma con la ecuación

−ω−1
Ω=
ω
a un condensador C1
ω−1 l 1
Z= =
jω1 jωC1
Figura 3.9: Transformación PBFN a PBF
con el valor
1
C1 = .
ω1 l
La admitancia del condensador normalizado es Y (jΩ) = jΩc y se transforma con la ecuación
−ω−1
Ω=
ω
a un inductor
ω1 1
Y = jΩc = c=
jω jωL2
con el valor
1
L2 = .
cω1
En la figura 3.10 se muestra la transformación del circuito filtro paso bajas normalizado a circuito
del filtro paso altas denormalizado.
Ejemplo 3.5
Calcular el filtro paso banda si el orden del filtro es n=2 y la impedancia en la salida y entrada
es R0 = 600 Ω. Las especificaciones de la plantilla del filtro están en la figura 3.11a.
La estructura normalizada de segundo orden de Butterworth se muestra en √ la figura 3.11c.

√ Los
valores de paso bajas normalizados obtenidos de un catálogo son l1 = 2 y c2 = 2. Si se
utilizan las ecuaciones para la transformación filtro paso bajas normalizado a filtro paso banda,
la bobina se transforma a circuito serie LC con los valores L1 , C1 .
√
l1 R0 2 · 600
L1 = = = 0,0435 H
2π(f1 − f−1 ) 2π(3400 − 300)
Figura 3.10: Transformación PBFN a PA
(f1 − f−1 ) 3400 − 300

C1 = = √ = 570,05 nF
2πR0 l1 f1 f−1 2π · 600 · 2 · 300 · 3400
y el condensador se transforma a un circuito paralelo LC con los valores L2 , C2 .
R0 (f1 − f−1 ) 600 · (3400 − 300)

L2 = = √ = 205,2 mH
2πc2 f1 f−1 2π 2 · 300 · 3400
√
c2 2
C2 = = = 121,01 nF
2πR0 (f1 − f−1 ) 2π · 600 · (3400 − 300)
La estructura del filtro paso banda, que cumple las especificaciones de la plantilla figura 3.11a,
se muestra en la figura 3.11b.
Ejemplo 3.6
Calcular el filtro supresor de banda si el orden del filtro es n = 3, y la impedancia en la salida
y entrada es R0 = 100 Ω. Los especificaciones de la plantilla del filtro están en la figura 3.12a.
La estructura PBFN de tercer orden normalizada de Butterworth obtenida de un catálogo se
muestra en la figura 3.12c. Los valores de paso bajas normalizados son l1 = l3 = 1 y c2 = 2.
Si se utilizan las ecuaciones para la transformación del filtro paso bajas normalizado a filtro
supresor de banda, el inductor se transforma a un circuito paralelo L1 , C1 .
l1 R0 (f1 − f−1 ) 1 · 100(3400 − 300)

L1 = = = 48,371 mH
2πf1 f−1 2π3400 · 300
1 1
C1 = = = 513,4 nF
l1 R0 (f1 − f−1 ) 1 · 100 · 2π(3400 − 300)
y el condensador c2 se transforma a un circuito serie L2 , C2 .

Figura 3.11: Transformación PBFN a PB
Figura 3.12: Transformación PBFN a SB
R0 100
L2 = = = 2,567 mH
c2 π(f1 − f−1 ) 2 · 2π(3400 − 300)
c2 (f1 − f−1 ) 2(3400 − 300)
C2 = = = 9674,1 nF
2πf1 f−1 2π100 · 300 · 3400
La estructura del filtro supresor de banda que cumple las especificaciones de la plantilla figura
3.12a, se muestra en la figura 3.12b.
Ejemplo 3.7
Calcular el filtro paso altas si el orden del filtro es n=2 y la impedancia en la salida y entrada es
R0 = 75 Ω. Las especificaciones de la plantilla del filtro están en la figura 3.13a. La estructura
de segundo orden normalizado √de Butterworth

√ se muestra en la figura 3.13c. Los valores de paso
bajas normalizados son l1 = 2 y c2 = 2. Si se utilizan las ecuaciones para la transformación
del filtro paso bajas normalizado a paso altas, el condensador se transforma en la bobina L1 y
la bobina l2 se transforma en el condensador C2 .
Figura 3.13: Transformación PBFN a PA
R0 75
L1 = = √ = 2,482 mH
2πcf1 2π · 3400 · 2
1 1
C2 = =√ = 441,33 nF
l2 2πf1 2 · 2π · 3400 · 75
La estructura del filtro paso bajas, que cumple las especificaciones de la plantilla de la figura
3.13a, se muestra en la figura 3.13b.
Ejemplo 3.8:
Calcular el filtro paso bajas si el orden del filtro es n=3, y la impedancia en la salida y entrada
es R0 = 100 Ω. Las especificaciones de la plantilla del filtro están en la figura 3.14a. Si se
utilizan las ecuaciones para la transformación filtro paso bajas normalizado a filtro paso bajas,
el condensador c2 se transforma en condensador C2 y la bobina l1 se transforma en la bobina
L1 = L3 . La estructura filtro paso bajas que cumple las especificaciones de la plantilla figura
3.13a se muestra en la figura 3.14b.
c2 2
C2 = = = 936,2 nF
R0 2πf1 2π · 100 · 3400
l1 R0 100
L1 = L3 = = = 4,681 mH
2πf1 2π · 3400
Figura 3.14: Transformación PBFN a PBF
Ejemplo 3.9
Transformar la plantilla de un filtro paso bajas de la figura 3.15 a la plantilla de un filtro paso
bajas normalizado.
Figura 3.15: Plantillas PBF y PBFN

Capı́tulo 4
Aproximación de las plantillas
En capı́tulo anterior se ha estudiado como a partir de la plantilla de especificaciones de un filtro

cualquiera como se obtiene la plantilla del filtro paso bajas equivalente. En este capı́tulo se van
a estudiar una serie de métodos que permiten la generación de la función de transferencia G(s)
de un filtro realizable.
Hay que hacer notar, como primer factor a tener en cuenta, que las especificaciones de los filtros
se dan en función de la frecuencia o pulsación (ω), mientras que los métodos de aproximación
utilizan la función de transferencia G(s).
Un parámetro que influirá en la aproximación obtenida es el orden del filtro n, el cual ma-
temáticamente viene dado por el número de ceros que tenga la función de transferencia G(s)
del filtro, mientras que fı́sicamente está relacionado con la pendiente del filtro en la banda de
transición. La banda de transición queda comprendida entre el final de la banda de paso y el
principio de la banda atenuada. De este modo, a medida que se incrementa n, la pendiente de la
banda de transición va aumentando. Sin embargo, no conviene que el orden n sea muy elevado
en realizaciones prácticas, ya que el número de elementos del circuito
que intervienen en la implementación del filtro es directamente proporcional al orden n.
Los métodos que se van a explicar en este tema son fácilmente implementables mediante el uso de
la computadora. Por ello, a continuación, se comienza el tema con algunos casos de aproximación
del filtro paso bajas normalizado.
La aproximación de las plantillas consiste en encontrar la función de transferencia G(s) que

cumple las especificaciones de ésta. En la figura 4.1 se muestra la aproximación Bessel
del módulo de H(jω) = 1/G(jω). La función de transferencia y la atenuación para N=2,4,11 se
obtiene mediante el siguiente programa en MATLAB.
[z1,p1,k1]=besselap(2);
[a1,b1]=zp2tf(z1,p1,k1);
[a2,b2]=zp2tf(z2,p2,k2);
[a3,b3]=zp2tf(z3,p3,k3);
w=0:pi/800:3.5;
63
64 capı́tulo 4. aproximación de las plantillas
Figura 4.1: Aroximación Bessel de la plantilla
[h1,w1]=freqs(a1,b1,w);
m1=abs(h1);
m2=abs(h2);
m3=abs(h3);
plot(w1,m1,w2,m2,w3,m3);grid
xlabel(’-->w [rad/sec]’);
ylabel(’-->modulo’);
En la figura 4.2 se muestra la aproximación Butterworth del módulo de H(ω) para n= 2,4,11.
De la atenuación se puede observar que la aproximación es máximamente plana en la banda de
paso y en la banda eliminada, esta propiedad es la caracterı́stica principal de la aproximación
de Butterworth. En Ω = 1 el módulo es igual a 0.707, entonces la atenuación es 3 dB.
El código MATLAB que permite el cálculo y representación de la aproximación de Butter-

worth es el siguiente.
[z1,p1,k1]=buttap(2);
[z2,p2,k2]=buttap(4);
[z3,p3,k3]=Buttap(11);
[a1,b1]=zp2tf(z1,p1,k1);
[a2,b2]=zp2tf(z2,p2,k2);
[a3,b3]=zp2tf(z3,p3,k3);
w=0:pi/800:3.5;
65
m1=abs(h1);
m2=abs(h2);
m3=abs(h3);
Figura 4.2: Aproximación Butterworth de la plantilla
En la figura 4.3 se muestra la aproximación de Chebychev para n=2,4,11. La aproximación de

Chebychev tiene oscilaciones en la banda de paso de 3 dB. En comparación con la aproximación
de Butterworth, la atenuación tiene la pendiente más grande. Esto significa que la aproximación
de Chebychev para cumplir las mismas especificaciones requiere un orden menor, lo que implica
menos elementos en el circuito que la aproximación Butterworth.
El código MATLAB que permite el cálculo y representación de la aproximación de Chebychev

es el siguiente.
[z1,p1,k1]=cheb1ap(2,3);
[z2,p2,k2]=cheb1ap(4,3);
[z3,p3,k3]=cheb1ap(11,3);
[a1,b1]=zp2tf(z1,p1,k1);
[a2,b2]=zp2tf(z2,p2,k2);
[a3,b3]=zp2tf(z3,p3,k3);
w=0:pi/800:3.5;
m1=abs(h1);
m2=abs(h2);
m3=abs(h3);
Figura 4.3: Aproximación Chebychev
En la figura 4.4 se presenta la aproximación de Chebychev inversa. La atenuación Chebychev

inversa es máximamente plana en la banda de paso, pero tiene oscilaciones en la banda atenuada.
La frecuencia del corte de la banda atenuada está en Ω = 1. Los polos de la función de trans-
ferencia H(jω) se realizan mediante los circuitos LC en paralelo o con circuitos LC conectados
en serie.
El código MATLAB que permite el cálculo y representación de la aproximación de Chebychev

inversa es el siguiente.
[z1,p1,k1]=cheb2ap(2,20);
[z2,p2,k2]=cheb2ap(4,20);
[z3,p3,k3]=cheb2ap(11,20);
[a1,b1]=zp2tf(z1,p1,k1);
[a2,b2]=zp2tf(z2,p2,k2);
[a3,b3]=zp2tf(z3,p3,k3);
w=0:pi/800:3.5;
m1=abs(h1);
m2=abs(h2);
m3=abs(h3);
67
Figura 4.4: Aproximación Chebychev inversa
En la figura 4.5 se presenta la aproximación elı́ptica (Cauer) para n=2,4,11. La atenuación tiene
las oscilaciones en la banda de paso y en la banda atenuada. La atenuación en la banda de paso
es 3 dB. La frecuencia del corte es Ω = 1.
El código MATLAB que permite el cálculo y representación de la aproximación elı́ptica (Cauer)

es el siguiente.
[z1,p1,k1]=ellipap(2,3,20);
[z2,p2,k2]=ellipap(4,3,20);
[z3,p3,k3]=ellipap(11,3,20);
[a1,b1]=zp2tf(z1,p1,k1);
[a2,b2]=zp2tf(z2,p2,k2);
[a3,b3]=zp2tf(z3,p3,k3);
w=0:pi/800:3.5;
m1=abs(h1);
m2=abs(h2);
m3=abs(h3);
Figura 4.5: Aproximación Cauer
El método general de aproximación de las plantillas se basa en la utilización de la ecuación

caracterı́stica (4.1).
G(s)G(−s) = 1 + φ(s)φ(−s) (4.1)

donde G(s) es la función de transferencia definida por la ecuación (4.2).
s
U1 I 1
G(s) = (4.2)
U2 I 2
La función φ(s) es la función caracterı́stica por elegir, la cual sólo requiere de una condición:
debe ser cualquier función positiva y, dependiendo de la φ(s) seleccionada, se obtienen distintos
métodos de aproximación. La función de transferencia debe cumplir las siguientes condiciones :
El numerador de G(s) debe ser un polinomio Hurwitz. Eso significa que los ceros deben
estar en el lado izquierdo del plano complejo de s.
Para todas las frecuencias ω la función de transferencia G(s) debe cumplir la condición
|G(jω)| ≥ 1.
Comprobar que G(s) es una función de transferencia válida, no es fácil, pero si φ(s) es una
función positiva podemos observar en (4.1) que se cumple la condición |G(jω)| ≥ 1. Si además
se eligen los ceros de la ecuación de transferencia en el lado izquierdo del plano complejo de
G(s), entonces se realizan las dos condiciones necesarias.
Ejemplo 4.1:
Comprobar que G(s) es una función de transferencia válida.
s3 + 5s2 + 9s + 5
G(s) =
s2 − 4
4.1. aproximación de butterworth 69
Los ceros de G(s) se hallan en la parte izquierda del plano, como se deduce de la siguiente
ecuación :
s3 + 5s2 + 9s + 5 = (s + 1)(s + 2 + j)(s + 2 − j)

El numerador de G(s) es un polinomio de Hurwitz, entonces se cumple la primera condición.
Ahora se calcula |G(jω)| ≥ 1. Para ello calcularemos |G(jω|2 = G(jω)·G(−jω) y como resultado
se obtiene:
16ω 6 + 96ω 4 + 488ω 2 + 399

|G(jω)|2 = 1 + >1
16ω 4 + 8ω 2 + 1
Para cualquier ω, |G(jω)|2 es mayor a uno, entonces se cumple la segunda condición, por lo
tanto, la función G(s) es una función de transferencia válida y se puede efectuar con elementos
LRC positivos. Esto significa que es fı́sicamente realizable.
4.1. Aproximación de Butterworth

La aproximación de Butterworth resulta al elegir como la función caracterı́stica φ(s) = sn . La
ecuación caracterı́stica (4.1) para la aproximación de Butterworth toma la forma (4.3) o (4.4).
G(s)G(−s) = 1 + (−1)n 2 s2n (4.3)
|G(Ω)|2 = G(jΩ)G(−jΩ) = 1 + 2 Ω2n (4.4)
El orden del filtro

Para calcular el orden n del filtro normalizado en la figura 4.6, necesitamos conocer la atenuación
máxima amax en Ω1 y la atenuación mı́nima amin en Ω2 .
Figura 4.6: Plantilla normalizada paso bajas
Para la plantilla normalizada Ω = Ω1 = 1, la atenuación es a = amax y de la expresión (4.4) se

deduce
amax
e2amax = 1 + 2 10 10 = 1 + 2
siendo
q
p amax
= e2amax − 1 = 10 10 −1
La primera ecuación es válida si la atenuación está en népers y la segunda se utiliza si la
atenuación está en decibeles. Para Ω = Ω2 , la atenuación es a = amin y de (4.4) se deduce
amin
e2amin = 1 + 2 Ω2n
2 10 10 = 1 + 2 Ω2n
2
Despejando por logaritmos ambos lados de las ecuaciones anteriores, se obtiene la ecuación para
calcular el orden del filtro Butterworth (4.5) y (4.7).
2a min −1
ln ee2amax −1
n≥ (4.5)
2 ln Ω2
En la ecuación (4.5) la atenuación tiene unidades el népers. Para sustituir la atenuación en
decibeles se utilizan las ecuaciones (4.6) o (4.7).
0,23a min −1
ln ee0,23amax −1
n≥ (4.6)
2 ln Ω2
amin
10 −1
log 10 amax
10 10 −1
n≥ (4.7)
2 log Ω2
Ceros de la función de transferencia

Para calcular la función de transferencia G(s) primero es necesario calcular los ceros de la
ecuación
G(s)G(−s) = 1 + (−1)n 2 s2n = 0 (4.8)

Si n tiene el orden par, se obtiene:
1 + 2 s2n = 0
Si = 1, los ceros de la función de transferencia G(s) para orden n par se calculan mediante la
ecuación (4.9) y se colocan en el cı́rculo unidad.
π+2πk π + 2kπ π + 2kπ

sk = ej 2n = cos + jsen (4.9)
2n 2n
Si n tiene orden impar, se obtiene:
1 − 2 s2n = 0
Si = 1, los ceros de la función de transferencia G(s) para orden n impar se calculan mediante
la ecuación (4.10) y se sitúan en el cı́rculo unidad. Es necesario decir que los ceros no están
ubicados en ningún caso en el eje imaginario. El numerador de la función de transferencia debe

ser un polinomio de Hurwitz.
πk kπ kπ
sk = ej n = cos + jsen (4.10)
n n
Ejemplo 4.2:
Calcular la función de transferencia de un filtro normalizado de Butterworth para el orden n=2.
El orden de filtro es par y por eso se utiliza la ecuación (4.9). Los ceros de la función de
transferencia G(s) son:
π π
s0 = cos + jsen = 0, 707 + j0, 707
4 4
3π 3π
s1 = cos + jsen = −0,707 + j0, 707
4 4
Los ceros de G(s) y G(−s) se muestran en la figura 4.7.
Figura 4.7: Ceros de la función de transferencia de Butterworth para n=2
La función de transferencia debe tener los ceros en la parte izquierda del plano s para que el
filtro sea estable y causal.
√
G(s) = (s + 0, 707 − j0, 707)(s + 0, 707 + j0, 707) = s2 + 2s + 1
Ejemplo 4.3:
Calcular la función de transferencia de un filtro normalizado de Butterworth para el orden n=3.
El orden de filtro es impar y por eso se utiliza la ecuación (4.10). Los ceros de la función de
transferencia tienen los valores:
s0 = cos0 + jsen0 = 1
√
π π 1 3
s1 = cos + jsen = + j
3 3 2 2
√
2π 2π 1 3
s2 = cos + jsen =− +j
3 3 2 2
Los otros ceros de (4.8) no es necesario calcularlos, porque son conjugados y están ubicados
también en el cı́rculo unitario. Los ceros de G(s) y G(−s) se muestran en la figura 4.8. La
función de transferencia debe tener los ceros en la parte izquierda del plano s.
Figura 4.8: Ceros de la función de transferencia de Butterworth para n=3
G(s) = (s − s2 )(s − s3 )(s − s4 ),

entonces
√ √
1 3 1 3
G(s) = (s + − j )(s + + j )(s + 1)
2 2 2 2
G(s) = s3 + 2s2 + 2s + 1.
Los ceros del filtro Butterworth de tercer orden para la atenuación de 3 dB en la frecuencia
angular ω = 1 deben estar en el cı́rculo unidad, porque se elegió = 1. Calculando para s = j
se obtiene:
G(j) = −j − 2 + 2j + 1 = −1 + j
√
a = 20 · log 2 = 3 dB
En general, todos los filtros normalizados de tipo Butterworth en la frecuencia del corte ω1 = 1
tienen atenuación de 3 dB para cualquier orden del filtro.
Ejemplo 4.4:
Calcular la impedancia de entrada para el filtro normalizado Butterworth n=3.
Del ejemplo 4.3 se conoce la función de transferencia G(s) = s3 + 2s2 + 2s + 1 y la función

caracterı́stica φ(s) = sn = s3 . Si se sustituye G(s) y φ(s) en la ecuación (4.11),
G(s) + φ(s)
Zentrada (s) = (4.11)
G(s) − φ(s)
se obtiene:
2s3 + 2s2 + 2s + 1
Zentrada = .
2s2 + 2s + 1
Si la última ecuación se desarrolla con una fracción de escalera, se obtienen los elementos del
filtro Butterworth de tercer orden.
1
Zentrada = s +
2s + s+1 1
1
El filtro Butterworth de tercer orden se muestra en la figura 4.9a. Está terminado en la puerta de
salida con una resistencia de 1 Ω y a la frecuencia del corte ω1 = 1 tiene 3 dB de atenuación. Los
elementos del circuito normalizado de Butterworth se pueden calcular directamente. Los valores
de los elementos zk en el circuito en la figura 4.9b se pueden calcular mediante la ecuación (4.12).
Figura 4.9: Filtros de Butterworth de 3, 4 y 5 orden
(2k + 1)π
zk = 2sen (4.12)
2n
Ejemplo 4.5:
Calcular los elementos del filtro Butterworth para el orden n=4.
Se utiliza la ecuación (4.12), se obtiene:
π 3π
z0 = 2sen = 0, 765 z1 = 2sen = 1, 847
8 8
5π 7π
z2 = 2sen = 1, 847 z3 = 2sen = 0, 765
8 8
El filtro paso bajas normalizado con respecto a rsalida = 1 y ω1 = 1 se muestra en la figura 4.9c.
Ejemplo 4.6:
Calcular los elementos del filtro Butterworth para el orden n=5.
Aplicando la ecuación (4.12),
π 3π
z0 = 2sen = 0, 618 z1 = 2sen = 1, 618
10 10
5π 7π
z2 = 2sen = 2, 000 z3 = 2sen = 0, 1, 618
10 10
9π
z4 = 2sen = 0, 618
10
El filtro paso bajas de orden 5, normalizado con respecto a rsalida = 1 y ω1 = 1 se muestra en
la figura 4.9d. Si se necesita que un filtro tenga otra atenuación en la frecuencia de corte, es
necesario multiplicar cada elemento del circuito por una constante K, donde:
q
p amax
2n 2n
K= e0,23amax − 1) = 10 10 − 1. (4.13)
Ejemplo 4.7:
Calcular los elementos del filtro Butterworth para el orden n=2 y amax = 0, 1dB.
Los elementos del filtro de segundo orden normalizados con respecto

√ a amax = 3 dB se obtienen
mediante la ecuación (4.12). Calculando se llega a l1 = c2 = 2. El filtro se muestra en la figura
4.10a. Como amax =0.1 dB cada valor obtenido se multiplica por
p
K =4 e0,235·0,1 − 1 = 0,390557.
Los valores nuevos del filtro Butterworth con atenuación 0,1 dB en ω1 son
√
l1 = c2 = 2 · 0,390557 = 0,55233.
Para comprobar si el filtro en la figura 4.10b atenúa 0,1 dB en ω1 = 1, es necesario calcular
primero la impedancia Z(s) y después G(s). La estructura del filtro en la figura 4.10b es de
escalera y por eso la impedancia de entrada del filtro es
Figura 4.10: Filtro Butterworth de segundo orden
1 0,3050689s2 + 0,55233s + 1
Z(s) = 0,55233s + 1 = .
0,55233s + 1
0,55233s + 1
Del numerador de Z(s) se obtiene
G(s) + φ(s) = 0,3050689s2 + 0,55233s + 1

Del denominador de Z(s),
G(s) − φ(s) = 0,55233s + 1.

Si se suman las dos ecauaciones anteriores resulta
G(s) = 0,1525342s2 + 0,55233s + 1.

La función de transferencia para ω1 = 1 toma la forma
G(j) = 0,8474676 + j0,55233,

y la atenuación en ω = 1 se obtiene calculando la ecuación a = 20 · log |G(j)|.
q
a = 20 log 0,84746762 + 0,552332 = 0, 1 dB
En las tablas de Butterworth 4.1, 4.2 y 4.3 se muestran los coeficientes de la función de trans-
ferencia, los elementos del filtro y los ceros dicha función calculados para amax = 3 dB. Si se
requiere calcular la función de transferencia para otras amax , es necesario sustituir G(s) por
G(p) según (4.14).
p
s =2n e0,23amax − 1p (4.14)
En el siguiente ejemplo se muestra cómo se calcula la función de transferencia para otras amax .
Ejemplo 4.8:
Calcular la función de transferencia del filtro Butterworth para amax = 0, 1 dB y orden n=3.
Tabla 4.1: Elementos del filtro Butterworth para amax = 3 dB r1 = r2 = 1

n l1 c2 l3 c4 l5 c6 l7
1 2,00000
2 1,41421 1,41421
3 1,00000 2,00000 1.00000
4 0,76536 1,84775 1,84775 0,76536
5 0,61803 1,61803 2,00000 1,61803 0,61803
6 0,51763 1,41421 1,93185 1,93185 1,41421 0,51763
7 0,44504 1,24697 1,80193 2,00000 1,80193 1,24697 0,44504
n c1 l2 c3 l4 c5 l6 c7
La función de transferencia, obtenida mediante la tabla 4.2, toma la forma
G(s) = s3 + 2s2 + 2s + 1.
Ahora se calcula la nueva variable p,
p
s =6 e0,23·0,1 − 1p = 0,5343043p.
La función de transferencia de filtro, que atenúa 0,1 dB en la frecuencia del corte ω1 = 1, toma
la forma
G(p) = 0,53430433 p3 + 2 · 0,53430432 p2 + 2 · 0,5343043p + 1
G(p) = 0,1525338p3 + 0,5709622p2 + 1,06860868p + 1.

Si la atenuación en la frecuencia del corte es 0,1 dB, se comprueba calculando G(j),
G(j) = −j0,1525338 − 0,5709622 + j1,06860868 + 1 = 0,4290378 + j0,9160748

q
a = 20 · log 0,42903782 + 0,91607482 = 0,1 dB
Tabla 4.2: Coeficientes de la función de transferencia del filtro Butterworth para

amax = 3 dB, r1 = r2 = 1 y b0 = 1. G(s)=b0 + b1 s + b2 s2 +...
n b1 b2 b3 b4 b5 b6 b7
1 1,00000
2 1,41421 1,00000
3 2,00000 2,00000 1,00000
4 2,61312 3,41421 2,61312 1,00000
5 3,23606 5,23606 5,23606 3,23606 1,00000
6 3,86370 7,46410 9,14162 7,46410 3,86370 1,00000
7 4,49396 10,0978 14,5918 14,5918 10,0978 4,49396 1,00000
Tabla 4.3: Ceros de la función de transferencia del filtro Butterworth para

amax = 3 dB, r1 = r2 = 1
n 1 2 3 4 5 6 7
s1 -1,00000 -1,00000 -1,00000 -1,00000
s2 , s3 -0,70710 -0,50000 -0,38268 -0,30901 -0,25882 -0,22252
± j0,707 ± j0,866 ± j0,924 ± j0,951 ± j0,966 ± j0,975
s4 , s5 -0,92388 -0,80902 -0,70710 -0,62489
± j0,383 ± j0,588 ± j0,707 ± j0,782
s6 , s7 -0,96592 -0,90097
± j0,259 ± j0,434
Ejemplo 4.9:
Calcular el filtro Butterworth de cuarto orden paso bajas para amax = 2 dB, f1 = 3400 Hz si
los puertos de salida y de entrada están conectados con un resistor de 2000 Ω.
Los valores normalizados del filtro Butterworth para amax = 3 dB se obtienen de la tabla 4.1.
l1 = c4 = 0,76536 l3 = c2 = 1,84775
Para obtener el filtro que atenúa en ω1 2 dB es necesario multiplicar cada elemento por la
constante K
p
2n
p
8
K= e0,13·amax − 1 = e0,23·2 − 1 = 0,93499
Los valores desnormalizados con respecto a la atenuación son
l1 = c4 = 0,715603 l3 = c2 = 1,727627
Para desnormalizar los valores del filtro paso bajas normalizado se utilizan las expresiones (4.15)
lk · R0 ck
Lk = Ck = (4.15)
ω1 ω1 · R0
Ahora los elementos se desnormalizan con respecto a la frecuencia de corte ω1 y a la impedancia
R0 = 2000Ω. Calculando se obtiene:
l1 · R0 0,715603 · 2000
L1 = = = 66,995 mH
2π · f1 2π · 3400
c2 1,727627
C1 = = = 40,435 nF
2π · f1 · R0 2π · 3400 · 2000
l3 · R0 1,727627 · 2000
L3 = = = 161,741 mH
2π · f1 2π · 3400
c4 0,715603
C4 = = = 16,748 nF.
2π · f1 · R0 2π · 3400 · 2000
El filtro paso bajas de Butterworth resultante se muestra en la figura 4.11.
Figura 4.11: Filtro Butterworth de cuarto orden

4.2. aproximación chebychev 79
Ejemplo 4.10:
Calcular el filtro Butterworth de tercer orden paso altas para amax = 1 dB, f1 = 340 Hz si los
puertos de salida y de entrada están conectados con un resistor de 100 Ω.
Los valores normalizados del filtro Butterworth para amax = 3 dB se obtienen de la tabla 4.1.
l1 = l3 = 1,000 c2 = 2,000
Para obtener el filtro
√ que atenúa en ω−1 1 dB, es necesario multiplicar cada elemento por la
constante K, K = 6 100,1 − 1 = 0,7986. Los valores desnormalizados con respecto a la atenuación
son
l1 = l3 = 0,7984 c2 = 1,5968
Para transformar los valores del filtro paso bajas a paso altas, se utilizan las expresiones (4.16)
R0 1
Lk = Ck = (4.16)
ω−1 · ck ω−1 · R0 · lk
Ahora los elementos se desnormalizan con respecto a la frecuencia de corte ω−1 y a la impedancia
R0 = 100Ω. Calculando se obtiene:
L1 = L3 = 0,0293 H C2 = 5,863 µF
El filtro paso altas de Butterworth resultante se muestra en la figura 4.12.
Figura 4.12: Filtro Butterworth paso altas de tercer orden
4.2. Aproximación Chebychev

La función caracterı́stica para la aproximación de Chebychev es de la forma
φ(jΩ) = cos(n arc cos(Ω)) para Ω ≤ 1 (4.17)
φ(jΩ) = cosh(n arg cosh(Ω)) para Ω ≥ 1. (4.18)

La ecuación caracterı́stica para la aproximación de Chebychev se obtiene sustituyendo en la

ecuación (4.1) las ecuaciones (4.17) y (4.18) de lo cual resulta:
G(jΩ)G(−jΩ) = 1 + 2 cos2 (n arc cos(Ω)) (4.19)
G(jΩ)G(−jΩ) = 1 + 2 cos2 h(n arg cosh(Ω)). (4.20)
Orden del filtro

Igual que en el caso de la aproximación de Butterworth, se puede deducir el orden del filtro para
la aproximación de Chebychev. De la figura 4.13, para Ω = Ω1 la atenuación es a = amax y de
(4.20) se puede escribir
Figura 4.13: Plantilla normalizada de paso bajas
e2amax = 1 + 2 cos2 (n · argcosh(1))
siendo ,
q
p amax
= e2amax −1= 10 10 −1
Para Ω = Ω2 = 1, la atenuación es a = amin y de (4.20) se puede calcular el orden n.
e2amin = 1 + 2 cos2 h(n · argcosh(Ω2 ))
Si se calcula el logaritmo natural a ambos lados de la ecuación anterior, se logra la ecuación

(4.21) que permite obtener el orden del filtro para la aproximación de Chebychev
q
e2amin −1
argcosh e2amax −1
n≥ . (4.21)
argcosh(Ω2 )
En la ecuación (4.21) la atenuación a se expresa en népers. Para calcular la atenuación en
decibeles se utilizan las ecuaciones (4.22) o (4.23).
q
e0,23amin −1
argcosh e0,23amax −1
n≥ (4.22)
argcosh(Ω2 )
amin
r
10 10 −1
argcosh amax
10 10 −1
n≥ (4.23)
argcosh(Ω2 )
Ceros de la función de transferencia

Para calcular la función de transferencia G(s), se calculan los ceros de la ecuación
G(jΩ)G(−jΩ) = 1 + 2 cos2 (n · arccos(Ω)). (4.24)

Sustituyendo
arc cos(Ω) = θ1 + jθ2 ,

se obtiene
Ω = cos(θ1 + jθ2 ) = cos(θ1 )cosh(θ2 ) + jsen(θ1 )senh(θ2 ). (4.25)

De la ecuación (4.24) se llega a
j
cos(nθ1 + jnθ2 ) = .

Si se desarrolla la función anterior en la forma trigonométrica, se obtiene
j
cos(nθ1 )cosh(nθ2 ) + jsen(nθ1 )senh(nθ2 ) = .

De esta ecuación es posible lograr dos ecuaciones y comparando las partes reales e imaginarias
de ambos lados de la ecuación anterior resulta:
cos(nθ1 )cosh(nθ2 ) = 0 (4.26)
1
sen(nθ1 )senh(nθ2 ) = (4.27)

La función cosh(nθ2 ) para ningún valor de nθ2 se iguala a cero. Entonces, el primer término de
la primera ecuación debe ser igual a cero (cos(nθ1 ) = 0). Esta ecuación es igual a cero para
(2k + 1)
θ1 = π. (4.28)
2
Si se sustituye (4.28) en (4.27), se obtiene
(2k + 1)π 1
sen( )senh(nθ2 ) = ,
2
pero sen( (2k+1)π
2 ) = 1 y de la ecuación anterior se puede calcular θ2
1 1
θ2 = argsenh( ). (4.29)
n
De la ecuación (4.25) se obtiene la ecuación (4.30). Mediante (4.30) se calculan los ceros de la fun-
ción de transferencia del filtro Chebychev para cualquier orden del filtro y cualquier atenuación
amax
sk = jΩk = −sen(θ1 )senh(θ2 ) ± jcos(θ1 )cos(θ2 ). (4.30)

Mediante las ecuaciones (4.29), (4.28) y (4.30) se puede calcular la función de transferencia
G(s) del filtro Chebychev. Los ceros del filtro Chebychev son ubicados en una elipse y en el
semiplano izquierdo del plano s. En el siguiente ejemplo, se muestra cómo se calcula la función
de transferencia G(s) de un filtro de tercer orden.
Ejemplo 4.11:
Calcular la función de transferencia G(s) de Chebychev para amax = 2 dB y n=3.
Primero, se calcula y θ2 :
√ q
= 10amax/10 − 1 = 102/10 − 1 = 0,764
1 1
θ2 = argsenh( ) = 0,358
3 0, 764
cosh(0, 358) = 1, 06 senh(0, 358) = 0,366

Los ceros de la función de transferencia G(s) se calculan mediante la ecuación (4.30).
π π
s0 = −0,366sen( ) ± j1,065cos( ) = −0,183 ± j0,922
6 6
3π 3π
s1 = −0,366sen( ) ± j1,065cos( ) = −0,366
6 6
Los demás ceros no es necesario calcularlos, porque son conjugados y están ubicados en la elipse,
como se observa de la figura 4.14. La función de transferencia es
G(s) = (s + 0,366)(s + 0,183 + j0,922)(s + 0,183 − j0,922)
G(s) = s3 + 0,73329s2 + 1,01859s + 0,324665

A primera vista se ve, que para ω = 0 la atenuación no es igual a cero, es igual a 20·log0,324665 =
−0,9771 dB. Falta calcular la constante K. Para s = 0 debe ser G(s)=1. La constante se obtiene
de la ecuación siguiente
G(s)|s=0 = K(s3 + 0,73392s2 + 1,01859s + 0,324665)|s=0 = 1,

entonces
Figura 4.14: Ubicación de los ceros de G(s) del filtro Chebychev
1
K= = 3,0857855.
0,324066
La función de transferencia toma la forma
G(s) = 3,085588855s3 + 2,261678s2 + 3,1431724s + 1.

Para ω = 1, la atenuación debe ser igual a 2 [dB].
G(j) = −j3,0855855 − 2,2616 + 3,14317j + 1 = −1,2616 + j0,05758
q
a = 20 · log 1,26162 + 0,05758692 = 2,03 [dB]
Para obtener la impedancia de entrada (4.31) de un filtro de Chebychev es necesario calcular la
función caracterı́stica φ(s) en la forma polinomial, porque la función caracterı́stica en la forma
trigonométrica no se puede utilizar.
G(s) ± φ(s)
Zentrada = (4.31)
G(s) ∓ φ(s)
En la función caracterı́stica
φn (jΩ) = · cos(n · arccos(Ω))

se sustituye por arcos(Ω) = θ, = 1 y se obtiene:
φn (jΩ) = cos(nθ)
para n=1 φ1 (jΩ) = cos(θ) = Ω
para n=2 φ2 (jΩ) = cos(2θ) = 2Ω2 + 1
para n=3 φ3 (jΩ) = cos(3θ) = 4Ω3 − 3Ω
En la tabla 4.4 se muestran las funciones caracterı́sticas φn (s) del Chebychev para n=1 hasta
n=9. Los ceros de φn (s) se calculan mediante la ecuación (4.32). Los ceros de φn (s) son los ceros
de atenuación.
π
si = cos(2i − 1) (i = 1, 2, 3, ..., n) (4.32)
2n
Ejemplo 4.12:
Calcular la impedancia de entrada de Chebychev para amax = 2 dB, el orden de filtro es n=3.
La función transferencia fue calculada en el ejemplo 4.10 y es de la forma
G(s) = 3,085588855s3 + 2,261678s2 + 3,1431724s + 1.

La función caracterı́stica φ3 (s) para n=3 y amax = 2 dB es
p
φ3 (s) = e0,23amax − 1(4s3 + 3s)
p
φ3 (s) = e0,23·2 − 1(4s3 + 3s) = 3,0855855s3 + 2,3141892s.
Y la impedancia de entrada del filtro de Chebychev es
G(s) + φ(s) 6,171s3 + 2,2616s2 + 5,457s + 1

Zentr (s) = = .
G(s) − φ(s) 2,2616s2 + 0,8289s + 1
Si se desarrolla la impedancia Z(s) en fracciones de escalera, se obtiene el circuito que se muestra
en la figura 4.15.
1
Z(s) = 2,728s + 1
0,8289s + 2,728s+ 11
Si se necesita que el filtro tenga en la salida impedancia infinita, se calcula la impedancia de

entrada del filtro mediante la ecuación (4.33)
parte impar de G(s)

Z(s)entr = (4.33)
parte par de G(s)
Tabla 4.4: Funciones caracterı́sticas φn (s) de Chebychev
φ1 (s) = s
φ2 (s) = s2 + 1
φ3 (s) = 4s3 + 3s
φ4 (s) = 8s4 + 8s2 + 1
φ5 (s) = 16s5 + 20s3 + 5s
φ6 (s) = 32s6 + 48s4 + 18s2 + 1
φ7 (s) = 64s7 + 112s5 + 56s3 + 7s
φ8 (s) = 128s8 + 256s6 + 160s4 + 32s2 + 1
φ9 (s) = 256s9 + 576s7 + 432s5 + 120s3 + 9s
4.3. aproximación chebychev inversa 85
Figura 4.15: Filtro Chebychev de tercer orden
3,08558s3 + 3,14317s
Zentr (s) =
2,2116s2 + 1
1
Zentr = 1,36429s + 1
1,2714s + 1,2788s
El circuito que trabaja con la salida abierta se muestra en la figura 4.16b. El circuito en la figura
4.16a no se puede utilizar, porque la última inductancia no influye en la función de transferencia
y es necesario utilizar el circuito dual que se muestra en la figura 4.16b.
Figura 4.16: Filtro Chebychev de tercer orden
4.3. Aproximación Chebychev inversa

La aproximación Chebychev inversa se obtiene de la aproximación Chebychev normal mediante
las transformaciones
1 1
Ω= φ(s) = .
Ω φ(1/s)
La transformación se muestra en la figura 4.17.
La ecuación caracterı́stica (4.17) con estas transformaciones cambia y toma la forma
1
G(s)G(−s) = 1 + (4.34)
φ( 1s )φ( −1
s )
Figura 4.17: Transformación de las plantillas
1
G(jΩ)G(−jΩ) = 1 + Ω≥1 (4.35)
2 cos2 (n arccos( Ω1 ))
1
G(jΩ)G(−jΩ) = 1 + Ω≤1 (4.36)
2 cosh2 (n argcosh( Ω1 ))
1 + 2 cos2 (n arccos( Ω1 ))
G(jΩ)G(−jΩ) = (4.37)
2 cos2 (n arccos( Ω1 ))
1 + 2 cosh2 (n argcosh( Ω1 ))
G(jΩ)G(−jΩ) = (4.38)
2 cosh2 (n argcosh( Ω1 ))
Como en el caso de la aproximación de Chebychev, se pueden obtener de manera similar las
ecuaciones para calcular los ceros de la función de transferencia. Los ceros de la función de
transferencia del filtro Chebychev inversa se calculan mediante las ecuaciones (4.39) (4.40) (4.41)
y (4.42):
1
= √ (4.39)
e0,23amin − 1
1 1
φ2 = argsenh (4.40)
n
2k + 1
φ1 = π (4.41)
2n
1
s(k) = (4.42)
−sin(φ1)sinh(φ2 ) ± jcos(φ1 )cosh(φ2 )
Los polos de la función de transferencia G(s) se hallan en las frecuencias Ωk . Los polos de la
atenuación se calculan igualando el denominador (4.37) a cero como se observa en (4.43).
1
2 cos2 (n · arccos ) = 0 (4.43)
Ω
Los polos de la función de transferencia se calculan mediante la ecuación (4.44)
1
Ωk = . (4.44)
cos 2k+1
2n π
Ejemplo 4.13:
Calcular los polos de la función de transferencia de Chebychev inversa para el filtro de orden
n=2.
1
Ωk =
cos 2k+1
6 π
1
Ω0 = = 1, 1547
cos π6
1
Ω1 = =∞
cos 3π
6
La atenuación tiene dos polos en la frecuencia Ω0 = 1, 1547 y en Ω1 = ∞. La atenuación se

muestra en la figura 4.18a y la estructura del filtro en la figura 4.18b. El polo de atenuación,
cero de la función de transferencia G(s), se realiza mediante el circuito LC en paralelo.
Figura 4.18: Atenuación y la estructura del filtro Chebychev inverso para n=3
Ejemplo 4.14:
n=5.
Los polos de atenuación se calculan mediante la ecuación
1
Ωk =
cos 2k+1
6 π
1
Ω0 = π = 1, 0514
cos 10
1
Ω1 = = 1, 7013
cos 3π
10
1
Ω2 = =∞
cos 5π
10
La atenuación tiene tres polos en la frecuencia Ω0 = 1, 0514, Ω2 = 1, 7013 y en Ω = ∞. La
atenuación se muestra en la figura 4.19a y la estructura en la figura 4.19b.
Figura 4.19: Atenuación y estructura del filtro Chebychev inversa para n=5
Ejemplo 4.15:
Calcular la función de transferencia para la aproximación de Chebychev inversa si n=3, amin =

4, 338 [dB].
Primero se calcula , φ2 , cosh(φ2 ) y senh(φ2).

1 1
= √ =√ = 0,764247
e0,23amin −1 e0,23·4,338 − 1
1 1
φ2 = argsenh = 0,358724
3 0,764247
cosh(φ2 ) = cosh(0,358724) = 1,06503

senh(φ2 ) = senh(0,358724) = 036646
Como n=3, es necesario sustituir por k= 0,1 en la ecuación (4.42)
1
s0 = = 0,207 ± j1,043
−0,3664sen π6 ± j1,06503cos π6
1
s1 = = 2,7287
−0,3664sen 3π
6 ± j1,06503cos 3π
6
Los ceros son complejos y conjugados y por eso no es necesario calcularlos todos. Como se aprecia
en la figura 4.20, los ceros de la función de transferencia de Chebychev inversa están ubicados
en un ovalo y los polos en el eje imaginario.
Si se multiplican los ceros, se obtiene la función de transferencia. El polo de la función de
transferencia se ha calculado en el ejemplo 4.11 y tiene el valor Ω0 = 1, 154.
Figura 4.20: Ceros y polos de la función de transferencia de Chebychev inversa

para n=3.
[(s + 0,2072)2 + 1,043022 ](s + 2,7287)

G(s) = K
s2 + 1,1542
s3 + 3,14317s2 + 2,26168s + 3,08578
G(s) = K
s2 + 1,1542
Si se calcula la función de transferencia de Chebychev para el mismo , se obtiene:
G(s) = 3,08578s3 + 2,26168s2 + 3,143173 + 1.

Si se compara el numerador de Chebychev inverso con la función de transferencia de Cheby-
chev, podemos observar que la relación entre los coeficientes de la función de transferencia de
Chebychev y Chebychev inversa es ai = an−i . Todavı́a se necesita calcular la constante K de
Chebychev inversa, de la misma manera que la función de transferencia G(0) = 1.
3,08578
K =1
1,1542
K = 0,4320885
La función de transferencia G(s) que cumple las especificaciones es de la forma
0,432s3 + 1,358s2 + 0,977s + 1,333

G(s) = .
s2 + 1,1542
Vamos ahora a comprobar si en ω = 1, la atenuación es 4.3379 [dB].
−j0,432 − 1,358 + j0,977 + 1,333
G(j) = = −0,07438 + j1,63547
−1 + 1,333
q
a = 20 · log 0,074382 + 1,635472 ∼
= 4,3 [dB]
Para realizar el circuito no se puede calcular la impedancia de entrada como en el caso de
Butterworth o Chebychev, porque la función de transferencia no es un polinomio, sino el cociente
de dos polinomios. También existen polos en las frecuencias Ωk . Esto significa que para realizar
el circuito se necesitan conocer dos parámetros, la impedancia de entrada Z11 y la impedancia
de transferencia Z12 . Las impedancias mencionadas se pueden calcular mediante las ecuaciones
(4.45) y (4.46)
gimpar + fimpar
Z11 = (4.45)
gpar + fpar
k(s)
Z12 = , (4.46)
gpar + fpar
donde g(s) es el numerador del polinomio G(s). f(s), el numerador del polinomio φ(s); y k(s); el
denominador de φ(s). Polinomio gpar (s) es la parte par del numerador de polinomio G(s). En el
siguiente ejemplo se realiza un filtro Chebychev inverso a partir de G(s) y φ(s).
Ejemplo 4.16:
Realizar el filtro Chebychev inverso del ejemplo 4.14.
La función de transferencia del filtro Chebychev inverso del ejemplo anterior es de la forma
0, 432s3 + 1, 358s2 + 0, 977s + 1, 333

G(s) =
s2 + 1, 15472
Entonces, las partes par e impar de g(s) son, respectivamente,
Figura 4.21: Circuito Chebychev inverso de los ejemplos 4.13 y 4.14.
gpar (s) = 1, 358s2 + 1, 333 gimp (s) = 0, 432s3 + 0, 977s

Todavı́a es necesario calcular φ(s).
s3 0, 333s3
φ(s) = =
4 + 3s2 s2 + 1, 1542
Para = 0, 76424, se conoce del ejemplo anterior que la función caracterı́stica es de la forma
0, 4320885s3
φ(s) = .
s2 + 1, 1542
4.4. aproximación de bessel 91
A partir de la ecuación anterior, se deduce
fpar = 0 fimp = 0, 432s3 k(s) = s2 + 1, 1542 .

Las impedencias de entrada Z11 y de transferencia Z12 son de la forma
0, 864s3 + 0, 977s s2 + 1, 1542

Z11 = Z12 = .
1, 358s2 + 1, 333 1, 358s2 + 1, 333
Es necesario calcular ambos parámetros para obtener el circuito. Los denominadores de Z11 y
Z12 son iguales, y si se realiza el denominador de Z11 , también el denominador de Z12 . Los ceros
de Z12 están en ∞ y en s = −j1, 154. Si se realizan los ceros en orden ∞, s = −j1, 154 se obtiene
el circuito que se muestra en la figura 4.21. Si se calcula la frecuencia de resonancia del circuito
en serie, se obtiene ωres = 1, 154. Este valor coincide con el polo de la función caracterı́stica,
pero también con el cero de la impedancia Z12 .
4.4. Aproximación de Bessel

La función de transferencia de este filtro es un polinomio de Bessel que se calcula mediante la
ecuación (4.47)
n
X (2n − k)!sk
yn (s) = . (4.47)
k=0
2n−k k!(n
− k)!
Los filtros de Bessel necesitan más elementos que la aproximación Butterworth para las mismas
especificaciones, pero la ventaja es que la fase en la banda de paso puede ser lineal, eso significa
que todas las frecuencias en la banda de paso son retardadas al mismo tiempo. Esta propiedad
presenta ventajas en determinadas situaciones, por ejemplo, cuando se transmiten las señales de
video.
Ejemplo 4.17.
Calcular la función de transferencia del filtro Bessel de orden n=6.
(12 − 0)!s0
k=0 y0 (s) = = 10395
26 0!(6 − 0)!
(12 − 1)!s1
k=1 y1 (s) = = 10395s
25 1!(6 − 1)!
(12 − 2)!s2
k=2 y2 (s) = = 4725s2
24 2!(6 − 2)!
(12 − 3)!s3
k=3 y3 (s) = = 1260s3
23 3!(6 − 3)!
(12 − 4)!s4
k=4 y4 (s) = = 210s4
22 4!(6 − 4)!
Tabla 4.5: Coeficientes del polinomio de Bessel y(s) = a0 + a1 s + ... + an sn , an = 1
n a0 a1 a2 a3 a4 a5
1 1
2 3 3
3 15 15 6
4 105 105 45 10
5 945 945 420 105 15
6 10395 10395 4725 1260 210 21
(12 − 5)!s5
k=5 y5 (s) = = 21s5
21 5!(6 − 5)!
(12 − 6)!s6
k=6 y6 (s) = = 1s6
20 6!(6 − 6)!
El polinomio de Bessel para n=6 toma la forma:
y6 (s) = s6 + 21s5 + 210s4 + 1260s3 + 4725s2 + 10395s + 10395

La función de transferencia debe cumplir la condición |G(0)| = 1. Para asegurarlo es necesario
calcular el coeficiente en el denominador de la función de transferencia. Para nuestro ejemplo,
el coeficiente es 10395 y da como resultado
s6 + 21s5 + 210s4 + 1260s3 + 4725s2 + 10395s + 10395

G(s) = (4.48)
10395
Los coeficientes de la función de transferencia del filtro Bessel se muestran en la tabla 4.5.
Ejemplo 4.18.
Calcular la atenuación del filtro Bessel de orden n=3 para ω = 1.
La función de transferencia del filtro de Bessel para n=3 se obtiene de la tabla 4.5.
15 + 15s + 6s2 + s3
G3 (s) =
15
15
Para ω = 0, se obtiene |G3 (0)| = 15 = 1 y la atenuación amax = 20 · log(1) = 0. En ω = 1, la
función de transferencia G(j) toma la forma
15 + 15j − 6 − j
G(j) = = 0,6 + j0,9333,
15
y la atenuación en la ω = 1 tiene el valor
q
a = 20 · log (0,62 + 0,93332 ) = 0,902 [dB].
Los ceros de la función de Bessel se pueden encontrar en la tabla 4.6. A modo de comparación
se puede ver que el filtro Butterworth tiene en la frecuencia de corte ω = 1 atenuación 3 [dB] y
el filtro Bessel 0.902 [dB].
4.4. aproximación de bessel 93
Ejemplo 4.19:
Calcular la función de transferencia para el filtro en cascada de Bessel de sexto orden.
La función de transferencia se obtiene de la tabla 4.6.
G(s) = [(s + 4,248)2 + 0,8672 ][(s + 3,375)2 + 2,6262 ][(s + 2,515)2 + 4,4922 ]
K1 K2 K3
H(s) =
s2 2 2
+ 8,496s + 18,797 s + 5,03s + 26,503 s + 7,47s + 20,846
Cada función de transferencia parcial tiene que cumplir Hi (0) = 1 y por esta razón elegimos las
constantes
K1 = 18,797 K2 = 26,503 K3 = 20,846
Ejemplo 4.20.
Calcular un filtro de Bessel LC paso bajas de tercer orden en la forma normalizada, si en la
salida se conecta un circuito electrónico con impedancia infinita.
La función de transferencia G(s) se obtiene de la tabla 4.6.
y(s) = (s + 2, 322)[(s + 1, 838)2 + 1, 7542 )] = s3 + 6s2 + 15s + 15
s3 + 6s2 + 15s + 15
G(s) = = 0, 0666s3 + 0, 4s2 + s + 1
15
Si el circuito trabaja con la puerta de salida abierta, la impedancia de entrada del circuito es
Gimpar 0, 0666s3 + s
Z(s) = = .
Gpar 0, 4s2 + 1
Si la impedancia Z(s) se desarrolla en el fracciones en escalera, se obtiene:
1
Z(s) = 0, 1666s + 1
0, 48s + 0,83s
Tabla 4.6: La tabla del los ceros de polinomio de Bessel

n r1 ± i1 r2 ± i2 r3 ± i3
1 -1
2 −1, 5 ± j0, 866
3 -2,322 −1, 838 ± j1, 754
4 −2, 896 ± j0, 867 −2, 103 ± j2, 657
5 -3,646 −3, 351 ± j1, 742 −2, 324 ± j3, 572
6 −4, 248 ± j0, 867 −3, 735 ± j2, 626 −2, 515 ± j4, 492
El circuito LC en la figura 4.22a no se puede utilizar, porque la última inductancia está en abierto
y no sirve como elemento del filtro (la salida está abierta). Es necesario utilizar el circuito dual
en la forma π que se muestra en la figura 4.22b.
Figura 4.22: Circuito Bessel de tercer orden en las formas T y π
4.5. Aproximación de Cauer

En el caso de aproximación elı́ptica, la función caracterı́stica se elige como se muestra en la
ecuación (4.49)
i=n 2
b0 + b1 s + b2 s2 + ... 2
i=1 (s − s01 )
Q
φ(s) = s = s i=n 2 (4.49)
a0 + a1 s + a2 s2 + ... 2
i=1 (s − s∞1 )
Q
En la ecuación (4.49) s0i y s∞i son los ceros, Ω0i y Ω∞i los polos respectivos, como se muestra en
la figura 4.23. Los polos de la función caracterı́stica φ(s) son también los polos de la función de
transferencia G(s). Los polos Ω∞i y los ceros Ω0i de la función transferencia G(s) son recı́procos
Ω∞i = 1/Ω0i .
El filtro elı́ptico tiene la atenuación que se muestra en la figura 4.23, la cual presenta oscilaciones
en la banda de paso y también en la banda de supresión. Calcular la función de transferencia no
es fácil, es necesario usar integrales elı́pticas, que en este apartado se van a utilisar en desarrollo
en serie para calcular los ceros de la función de transferencia mediante el método de Skwirzinsky.
De la figura 4.23 se calcula la constante K
ω1
K= ,
ω2
donde ω1 es la frecuencia del corte y ω2 es la frecuencia de supresión. En el caso del filtro elı́ptico,
las frecuencias de la atenuación mı́nima y máxima están relacionadas mediante las ecuaciones
1 1
Ω0s = Ωus = .
Ω∞s Ωns
El orden n del filtro se puede calcular mediante la ecuación (4.50)
ln(e0,23amax − 1) − 0,23amin − 2,77

n= , (4.50)
ln(q)
donde
4.5. aproximación de cauer 95
Figura 4.23: Atenuación del filtro de Cauer
" 2 4 6 # 4
K K K K

q= 1+2 + 15 + 150 . (4.51)
16 4 4 4
Los ceros de la función caracterı́stica Ω0s se calculan para n impar mediante la ecuación (4.52)
y los máximos de la función caracterı́stica Ωus se obtienen con la ecuación (4.53).
2s 6s
1 sen( 2n π) − q 2 sen( 2n π) + q 6 sen( 10s
2n π)
Ω0s = 2q 4 2s 4 4s (4.52)
1 − 2qcos( n π) + 2q cos( n π)
3(2s+1) 5(2s+1)
1 sen( 2s+1 2 6
2n π) − q sen( 2n π) + q sen( 2n π)
Ωus = 2q 4
2(2s−1)
(4.53)
1 − 2qcos( 2s−1 4
n π) + 2q cos( n π)
Los ceros de la función de transferencia se calculan realizando las ecuaciones (4.54), (4.55), (4.56)
y (4.57). Primero es necesario obtener la constante w.
" #
(0,115amax )2

1 2
w= ln + + ... (4.54)
2n 0,115amax 12
El cero real de la función de transferencia se calcula mediante (4.55).
1 senh(w) − q 2 senh(3w) + q 6 senh(5w)

α0 = 2q 4 (4.55)
1 − 2qcosh(2w) + 2q 4 cosh(4w)
La parte real del cero complejo se calcula usando la ecuación (4.56) y la parte imaginaria del
cero complejo se calcula mediante la ecuación (4.57).
q
1
α0 1 − Ω20s (K + K − Ω20s )
αs = (4.56)
1 + α02 Ω20s
q
1
Ω0s 1 − α02 (K + K + α02 )
βs = ± (4.57)
1 + α02 Ω20s
Las ecuaciones anteriores se pueden utilizar para calcular el filtro de Cauer sólo para orden
impar. En el siguiente ejemplo se explica cómo se calculan los filtros de Cauer.
Ejemplo 4.21:
Calcule el filtro Cauer para las especificaciones que se muestran en la figura 4.24a.
Para ello es necesario normalizar la plantilla de las especificaciones en la figura 4.24a para obtener
Ω0 = 1.
Figura 4.24: Especificaciones de la plantilla y la plantilla normalizada
√
f0 = 3400 · 5100 = 4164,1326
f0 4164,1326
Ω0 = = =1
f0 4164,1326
f1 3400
Ω1 = = = 0,816
f0 4164,1326
f2 5100
Ω2 = = = 1,224
f0 4164,1326
La plantilla normalizada se muestra en la figura 4.24b. Es necesario calcular el orden del filtro.
Primero se calcula la constante K y después q.
0,816
K= = 0,6666
1,224
4
0,4444 0,666 2 0,666 4 0,666 6

q= 1 + 2( ) + 15( ) + 150( ) = 0,0364579
16 4 4 4
−1,50777 − 5 − 2,77
n≥ = 2,8
−3,311159
El orden del filtro debe ser un número entero y por eso se elige n=3.
Frecuencia normalizada de atenuación mı́nima en la banda de paso
1 sen( 62 π) − 0,03642 sen( 66 π) + 0,03646 sen( 10

6 π)
Ω01 = 2 · 0,0364 4 2 4 4
1 − 2 · 0,0364cos( 3 π) + 2 · 0,0364 cos( 3 π)
0,7292548
Ω01 = = 0,730226
1,0364561
Frecuencia normalizada de atenuación máxima en la banda de paso
1 sen( 16 π) − 0,03642 sen( 36 π) + 0,03646 sen( 56 π)

Ωu1 = 2 · 0,0364 4
1 − 2 · 0,0364cos( 13 π) + 2 · 0,03644 cos( 23 π)
0,5 − 0,0013 + 2,348 · 10−9 · 0,5

Ωu1 = 0,8739 = 0,4535
1 − 0,036957 − 0,0000018
El polo de la atenuación y la frecuencia mı́nima normalizada en la banda de supresión se calculan
como el valor inverso de Ω01 y Ωu1 . Calculando, se obtiene:
1 1
Ω∞ = = 1,369 Ωn1 = = 2,205
0,73022 0,4535
Antes de calcular los ceros de la función de transferencia, se obtiene el coeficiente w
" #
(0,115 · 0,8699)2

1 2
w= ln + + ... = 0,499
6 0,115 · 0,869 12
Cero real de la función de transferencia
1 senh(0,499) − 0,03642 senh(3 · 0,499) + 0,03646 senh(5 · 0,499)

α0 = 2 · 0,0364 4 = 0,5096
1 − 2 · 0,0364cosh(2 · 0,499) + 2 · 0,03644 cosh(4 · 0,499)
Parte real del cero complejo de la función de transferencia
q
1
0,5096 1 − 0,7320222 (0,666 + 0,666 − 0,730222 )
α1 = = 0,160769
1 + 0,50962 · 0,730222
Parte imaginaria del cero complejo de la función de transferencia
q
1
0,73022 1 − 0,50962 (0,6666 + 0,6666 + 0,50962 )
β1 = ± = 0,8189
1 + 0,50962 · 0,73022682
La función de transferencia del filtro Cauer es
[(s + 0,1607)2 + 0,81892 ]

G(s) = C(s + 0,5096)
s2 · 0,730222 + 1
s3 + 0,83s2 + 0,865s + 0,35

G(s) = 5,358 (4.58)
s2 + 1,87536
Y la función caracterı́stica toma la forma
s3 + 0,533s
φ(s) = 5,358 (4.59)
s2 + 1,87
Ejemplo 4.22:
Realice el filtro de Cauer del ejemplo 4.20.
La impedancia Z11 y Z12 del filtro de Cauer se calcula mediante la ecuación (4.60).
gimpar + fimpar k(p)

Z11 = Z12 = (4.60)
gpar + fpar gpar + fpar
Sustituyendo por gimpar , gpar , fpar , fimpar y por k(p) en (4.60), se obtiene:
2s3 + 1,398s s2 + 1,875

Z11 = Z12 = . (4.61)
083s2 + 0,35 0,83s2 + 0,35
√
Los ceros de la impedancia de transferencia son s = ∞ y s = ±j 1,875. Primero se realiza el
√
cero en s = ±j 1,875 mediante el circuito particular de la figura 4.25a. Por ello es necesario
calcular Z1 .
Figura 4.25: Filtro Cauer de tercer orden
2s2 + 1,398
Z1 = s = 1,948s
0,83s2 + 0,35 |s2 =−1,875
La impedancia Z1 es la inductancia L1 = 1,948. Ahora se conocen las impedancias Z11 y Z1 y
se puede calcular Z0 de la figura 4.25a.
2s3 + 1,398s 0,38316s3 + 0,7162s

Z0 = Z11 − 1,948s = − 1,948s =
0,83s2 + 0,35 0,83s2 + 0,35
0,83s2 + 0,35 As 1
Y0 = = 2 + 1
0,38316s(s2 + 1,87) s + 1,87 Z11
Si se calcula la constante A, entonces se conocen todos valores de los elementos del circuito en
serie LC.
0,83s2 + 0,35
A= |2 = 1,6777
s2 · 0,38316 s =−1,87
El circuito serie LC tiene los valores de la inductancia L2 = 0,596 y la capacitancia C2 = 0,897.
El circuito se muestra la figura 4.25b.
1,6777s 1
Y2 = 2
= 1
s + 1,87 0,596s + 0,897s
1
Todavı́a falta calcular el último elemento Z11
1 0,83s2 + 0,35 1,6777s

1 = 2
− 2
Z11 0,38316s(s + 1,87) s + 1,87
1 0,18718(s2 + 1,87)
1 = = 1,948s
Z11 0,38316s(s2 + 1,87)
El circuito completo se muestra en la figura 4.25b, pero necesita tres inductancias y por eso
fı́sicamente es más fácil realizar el filtro dual con una inductancia, la cual se muestra en la figura
4.25c.
Tarea 4.1:
Calcular la función de transferencia G(s) de Chebychev para amax = 3 dB y n=5.

Tarea 4.2:
Calcular la impedancia de entrada de Chebychev para amax = 3 dB, el orden de filtro es n=5.
Tarea 4.3:
n=7.
Tarea 4.4:
Calcular la función de transferencia para la aproximación de Chebychev inversa si n=5, amin =

6 [dB].
Tarea 4.5:
Realizar el filtro Chebychev inverso si se conocen loa parámetros Z11 y Z12 .
0, 8s3 + 0, 9s s2 + 1, 22
Z11 = Z12 = .
1, 4s2 + 1, 3 1, 4s2 + 1, 3
Tarea 4.6:
Realizar el circuito si se conocen las impedancias Z11 y Z12 Los ceros de la impedancia de
√ √
transferencia son s = ∞ y s = ±j 1,6. Primero se realiza el cero en s = ±j 1,6
2s3 + 1,4s s2 + 1,6

Z11 = Z12 = . (4.62)
083s2 + 0,4 0,83s2 + 0,4
Tarea 4.7:
Calcule el filtro Cauer para las especificaciones que se muestran en la figura 4.26a.
Figura 4.26: Especificaciones de la plantilla y la plantilla normalizada

Capı́tulo 5
Diseño de filtros mediante tablas
Una forma habitual y cómoda de diseño filtros es mediante la utilización de tablas. Para di-
versos tipos de filtros se encuentran tabulados los distintos parámetros que son necesarios para
su diseño. En este capı́tulo se aborda el diseño de filtros mediante tablas para los filtros de
Butterworth, de Chebychev y de Chebychev inverso.
5.1. Tablas del filtro de Butterworth

Los ceros de la función de transferencia del filtro de Butterworth, los coeficientes de la función de
transferencia y los valores de los elementos del filtro se encuentran disponibles en la bibliografı́a
[79], [53] y [81]. En este libro, la tabla 5.1 muestra los ceros de la función de transferencia del
filtro Butterworth hasta el orden n=7; en la tabla 5.2 se encuentran los coeficientes de la función
de transferencia; y en la tabla 5.3, los valores de los elementos del filtro Butterworth. En todas
las tablas, los valores corresponden a los filtros con atenuación máxima de tres decibeles en la
frecuencia de corte ω1 = 1.
Ejemplo 5.1:
Calcular la función de transferencia del filtro Butterworth, para que ω1 = 100, tiene una ate-
nuación 0.2 dB. El orden del filtro es n=3. De la tabla 5.2 para n=3 y amax = 3 dB se obtiene
la función de transferencia
G(s) = s3 + 2s2 + 2s + 1
Para obtener G(s) con la atenuación 0.2 dB en ω1 se sustituye por
p
6
s= e0,23·0,2 − 1p = 0,600893p.
Sustituyendo por s=0.600893p, se obtiene
G(p) = 0,21696638p3 + 0,72214479p2 + 1,201786p + 1.
101
102 capı́tulo 5. diseño de filtros mediante tablas
Tabla 5.1: Ceros de la función de transferencia del filtro Butterworth

n 1 2 3 4 5 6 7
−α1 1.00000 0.707107 1.00000 0.38268 1.00000 0.25882 1.00000
±jβ1 0.00000 0.707107 0.00000 0.92388 0.00000 0.96593 0.00000
−α2 0.50000 0.92388 0.30902 0.70711 0.22252
±jβ2 0.86602 0.38268 0.95106 0.70711 0.97493
−α3 0.80902 0.96592 0.62489
±jβ3 0.58778 0.25882 0.78183
−α4 0.90097
±jβ4 0.43388
Tabla 5.2: Valores de la función de transferencia del filtro Butterworth

G(s) = b0 + b1 s + b2 s2 + ... + bn sn , b0 = 1
n b1 b2 b3 b4 b5 b6 b7
1 1.00000
2 1.41421 1.00000
3 2.00000 2.00000 1.00000
4 2.61312 3.41421 2.61312 1.00000
5 3.23606 5.23606 5.23606 3.23606 1.00000
6 3.86370 7.46410 9.14162 7.46410 3.86370 1.00000
7 4.49396 10.0978 14.5917 14.5917 10.0978 4.49395 1.00000
Para obtener la atenuación amax = 0,2 dB en la frecuencia del corte ω1 = 100 rad/sec, se realiza
la sustitución p = ωp1 = 100
p
. La función de transferencia que atenúa 0.2 dB toma la forma
G(p) = 2,1696638 · 10−7 p3 + 7,2214479 · 10−5 p2 + 0,01201786p + 1
Los esquemas del filtro que corresponden a la tabla 5.1 se muestran en la figura 5.1, en la cual
puede observarse que la estructura del filtro empieza con una bobina en la rama longitudinal o
con un capacitor en la rama diagonal.
Ejemplo 5.2:
Calcular la función de transferencia del filtro paso bajas de Butterworth con orden n=3, amax =
0,5 dB y frecuencia del corte f1 = 100 Hz.
A partir de la tabla 5.2 la función de transferencia para amax = 3 dB y frecuencia de corte ω = 1

es
G(s) = s3 + 2s2 + 2s + 1
Para desnormalizarla con respecto a f1 = 100 Hz y amax = 0,5 dB, es necesario sustituir en G(s)
5.1. tablas del filtro de butterworth 103
Tabla 5.3: Valores de los elementos del circuito LC. Filtro Butterworth
n l1 c2 l3 c4 l5 c6 l7
1 1
2 1.41421 1.41421
3 1.00000 2.00000 1.00000
4 0.76536 1.84775 1.84775 0.76536
5 0.61803 1.61803 2.00000 1.61803 0.61083
6 0.51763 1.41421 1.93185 1.93185 1.41421 0.51763
7 0.44504 1.24697 1.80193 2.00000 1.80193 1.24697 0.44504
n c1 l2 c3 l4 c5 l6 c7
Figura 5.1: Esquemas de los circuitos que corresponden a la tabla 5.3

a) estructura T, b) estructura Π
q
6 0,5
s= 10 10 − 1p = 0,704267p
p
p=
ω1
La función de transferencia desnormalizada será
G(p) = 0,7042673 p3 + 2 · 0,7042672 p2 + 2 · 0,704267p + 1 = 0,3493p3 + 0,99195p2 + 1,408534p + 1
La función de transferencia resultante después de la desnormalización respecto de la frecuencia

del corte f1 = 100 Hz toma la forma
G(p) = 1,40818 · 10−9 p3 + 2,536805 · 10−6 + 2,2417515 · 10−3 + 1.
Ejemplo 5.3:
Calcular los elementos del filtro de Butterworth paso bajas de orden n=7 si en la salida y la
entrada hay una resistencia de 75 Ω. La atenuación en la frecuencia del corte f1 = 3400 Hz es
de 0.5 dB. Los elementos normalizados del filtro Butterworth de la tabla 5.3 son:
c1 = c7 = 0,44504 l2 = l6 = 1,24697 c3 = c5 = 1,80193 l4 = 2,0000
El filtro normalizado en la forma π se muestra en la figura 5.2a. Para desnormalizar los elementos
del filtro con respecto a la atenuación de 0.5 dB, necesitamos multiplicar cada elemento por una
constante K.
p
14
K= e0,23·0,5 − 1 = 0,86041
Los nuevos elementos desnormalizados con respecto a la atenuación 0.5 dB son:
c1 = c7 = 0,382916 l2 = l6 = 1,072905 c3 = c5 = 1,550398 l4 = 1,72082
Figura 5.2: Filtro paso bajas Butterworth para el orden n=7
Para desnormalizar los elementos del filtro con respecto a la frecuencia f1 = 3400 Hz y a la
impedancia 75 Ω, se utilizan las ecuaciones:
c1 0,382916
C1 = C7 = = = 238,99 nF
ω1 · R0 2π · 3400 · 75
c3 1,550398
C3 = C5 = = = 967,66 nF
ω1 · R0 2π · 3400 · 75
l2 · R0 1,072905 · 75
L2 = L6 = = = 3,766 mH
ω1 2π · 3400
l4 · R0 1,72082 · 75
L4 = = = 6,041 mH
ω1 2π · 3400
El circuito paso bajas desnormalizado se muestra en la figura 5.2b.
5.2. tablas del filtro chebychev 105
5.2. Tablas del filtro Chebychev

Los polos de la función de transferencia para diferentes amax del filtro Chebychev desde el orden
n=1 hasta n=7 se encuentran en las tablas 5.4 a 5.7. Los valores de los elementos del filtro de
Chebychev para varias atenuaciones en decibeles se encuentran en las tablas 5.8 a 5.12.
Ejemplo 5.4:
Calcular la función de transferencia del filtro Chebychev para los circuitos activos en cascada,
si amax = 0,1 dB y el orden del filtro n=5.
Para n=5 y amax = 0,1 dB, se obtienen de la tabla 5.5 la parte real α y la parte imaginaria β
de los polos de H(s).
α1 = −0,14676 β1 = ±0,95211
α2 = −0,38423 β2 = ±0,58843
α3 = −0,47493
La función de transferencia del filtro Chebychev para la sı́ntesis del filtro en cascada toma la
forma
k1 k2 k3
H(s) = 2 2 2 2
(s + 0,14676) + 0,95211 (s + 0,38423) + 0,58843 s + 0,47493
Las constantes k1 , k2 y k3 se calculan de tal manera para que se cumpla la condición H(0)=1.
k1 = 0,92805 k2 = 0,49388 k3 = 0,47493
0,92805 0,49388 0,47493

H(s) =
(s2 2
+ 0,29352s + 0,92805) (s + 0,76846s + 0,49388) (s + 0,47493)
Tabla 5.4: Polos de H(s) del filtro Chebychev para amax = 0,01 dB
n 1 2 3 4 5 6 7
−α1 1.00000 0.67434 0.42334 0.28009 0.19556 0.14296 0.10850
±jβ1 0.00000 0.70750 0.86631 0.92407 0.95120 0.96603 0.97501
−α2 0.84668 0.67620 0.51199 0.39057 0.30401
±jβ2 0.00000 0.38276 0.58787 0.70718 0.78189
−α3 0.63285 0.53353 0.43931
±jβ3 0.00000 0.25885 0.43392
−α4 0.48760
±jβ4 0.00000
n 1 2 3 4 5 6 7
−α1 1.00000 0.61042 0.34896 0.21775 0.14676 0.10494 0.07850
±jβ1 0.00000 0.71065 0.86837 0.92541 0.95211 0.96668 0.97550
−α2 0.69792 0.52570 0.38423 0.28670 0.21996
±jβ2 0.00000 0.38332 0.58843 0.70766 0.78229
−α3 0.47493 0.39165 0.31785
±jβ3 0.00000 0.25902 0.43414
−α4 0.35279
±jβ4 0.00000
n 1 2 3 4 5 6 7
−α1 1.00000 0.56212 0.30618 0.18646 0.12402 0.08799 0.06550
±jβ1 0.00000 0.71536 0.87122 0.92719 0.95330 0.96754 0.97613
−α2 0.61236 0.45015 0.32469 0.24040 0.18354
±jβ2 0.00000 0.38405 0.58917 0.70829 0.78280
−α3 0.40134 0.32840 0.26522
±jβ3 0.00000 0.25925 0.43442
−α4 0.29437
±jβ4 0.00000
Tabla 5.7: Polos del H(s) del filtro Chebychev para amax = 0,5 dB
n 1 2 3 4 5 6 7
−α1 1.00000 0.51291 0.26829 0.16042 0.10570 0.07459 0.05534
±jβ1 0.00000 0.72247 0.87532 0.92970 0.95497 0.96871 0.97701
−α2 0.53659 0.38728 0.27672 0.20378 0.15505
±jβ2 0.00000 0.38509 0.59020 0.70915 0.78350
−α3 0.34205 0.27837 0.22406
±jβ3 0.00000 0.25957 0.43481
−α4 0.24869
±jβ4 0.00000
5.3. tablas de filtro chebychev inverso 107
Ejemplo 5.5:
Calcular el filtro Chebychev paso bajas, si se conocen las especificaciones del filtro en la figura
5.3a. Además, el filtro debe trabajar con una impedancia de salida de 1000 Ω.
Primero es necesario calcular el orden del filtro:
s
15
10 10 −1
argcosh 0,25
10 10 −1
n≥ = 2,825
argcosh(2,0588)
Como el orden debe ser entero tenemos que elegir n=3. De la tabla 5.10, para n=3 y amax = 0,25
dB, se obtienen los valores normalizados del filtro paso bajas
c1 = 1,6331 l2 = 1,4362 c3 = 1,6331
Los valores desnormalizados se calculan mediante las siguientes ecuaciones:
1,6331
C1 = C3 = = 76,460 nF
2 · 3,1415 · 3400 · 1000
1,4362 · 1000
L2 = = 67,228 mH
2π · 3400
El circuito paso bajas se muestra en la figura 5.3b.
Figura 5.3: Especificaciones para el filtro de Chebychev y la implementación
5.3. Tablas de filtro Chebychev inverso

Los ceros de la función de transferencia G(s) del filtro de Chebychev inverso, polos de la función
de transferencia H(s), se encuentran en la tabla 5.13. Los ceros del filtro de Chebychev inverso
son los polos de la atenuación que son recı́procos a los polos del filtro Chebychev sinverso
i = s1i
y se pueden obtener de las tablas 5.4 a 5.7. Para la atenuación 20 dB, 30 dB y 40 dB en la
Tabla 5.8: Valores del filtro Chebychev para amax = 0,01 dB

n l1 c2 l3 c4 l5 c6 l7 c8 l9
3 1.1811 1.8214 1.1811
5 0.9766 1.6849 2.0366 1.6849 0.9766
7 0.9127 1.5947 2.0020 1.8703 2.0020 1.5947 0.9127
9 0.8854 1.5513 1.9615 1.8616 2.0717 1.8616 1.9615 1.5513 0.8854
n c1 l2 c3 l4 c5 l6 c7 l8 c9

n l1 c2 l3 c4 l5 c6 l7 c8 l9
3 1.4328 1.5937 1.4328
5 1.3013 1.5559 2.2411 1.5559 1.3013
7 1.2615 1.5195 2.2393 1.6804 2.2393 1.5195 1.2615
9 1.2446 1.5017 2.2220 1.6829 2.2957 1.6829 2.2220 1.5017 1.2446
n c1 l2 c3 l4 c5 l6 c7 l8 c9

n l1 c2 l3 c4 l5 c6 l7 c8 l9
3 1.6331 1.4362 1.6331
5 1.5400 1.4349 2.4403 1.4349 1.5400
7 1.5119 1.4169 2.4531 1.5349 2.4531 1.4169 1.5119
9 1.5000 1.4705 2.4446 1.5406 2.5077 1.5406 2.4446 1.4705 1.5000
n c1 l2 c3 l4 c5 l6 c7 l8 c9

n l1 c2 l3 c4 l5 c6 l7 c8 l9
3 1.8637 1.2804 1.8637
5 1.8069 1.3025 2.6914 1.3025 1.8069
7 1.7896 1.2961 2.7177 1.3848 2.7177 1.2961 1.7896
9 1.7823 1.2921 2.7163 1.3921 2.7734 1.3921 2.7163 1.2921 1.7823
n c1 l2 c3 l4 c5 l6 c7 l8 c9

n l1 c2 l3 c4 l5 c6 l7 c8 l9
3 2.2156 1.0884 2.2156
5 2.2071 1.1279 3.1025 1.1279 2.2071
7 2.2040 1.1306 3.1469 1.1397 3.1469 1.1306 2.2039
9 2.2024 1.1308 3.1540 1.2020 3.2072 1.1020 3.1540 1.1308 2.2024
n c1 l2 c3 l4 c5 l6 c7 l8 c9
frecuencia de supresión, los polos de H(s) del filtro Chebychev inverso se encuentran en las
tablas 5.14, 5.15 y 5.16.
Ejemplo 5.6
Calcular la función de transferencia H(s) para el filtro Chebychev inverso de orden cinco para
que en la frecuencia de supresión ω2 = 1 la atenuación sea amin = 30 dB.
De las tablas 5.13 y 5.15 para n=5 y amin = 30 dB, se obtiene
(s2 + 1,051462 )(s2 + 1,701302 )

H(s) = K
(s + 1,07787)[(s + 0,16241)2 + 0,734932 ][(s + 0,62225)2 + 0,664712 ]
(s2 + 1,051462 )(s2 + 1,701302 )

H(s) = K
(s + 1,07787)(s2 + 0,32482s + 0,56649)(s2 + 1,2445s + 0,829034)
La constante K se calcula de la ecuación
1,051462 · 1,70132
H(0) = K = 1.
1,07787 · 0,566648 · 0,829034
K = 0,158236
La atenuación en la frecuencia normalizada de supresión ω2 = 1 se calcula mediante la expresión
20 · log|G(j)|, donde G(j) = 1/H(j)
(j + 1,07787)(−0,43351 + j0,32482)(−0,170966 + j1,2445)

G(j) = 31,59999
(−1 + 1,051462 )(−1 + 1,70132 )
G(j) = −31,59999(−0,239228 + j0,971468)

amin = 20 · log 31,6154 = 29,997 dB
Si se requiere una atenuación de 30 dB en la frecuencia 3400 Hz, es necesario sustituir en la
p
función de transferencia de la nueva variable s = 2π·3400 .
Ejemplo 5.7:
Calcular el filtro paso altas de Chebychev inverso para las especificaciones de la plantilla 5.4a.
Además, el filtro debe trabajar entre unas impedancias de entrada y salida de 75 Ω.
Primero se transforma la plantilla paso altas 5.4a a paso bajas normalizada 5.4b. Para el filtro
Chebychev inverso, la frecuencia de normalización es f0 = 400 Hz. La plantilla paso bajas
normalizada se muestra en la figura 5.4b. El orden del filtro se calcula mediante la ecuación
siguiente. El orden del filtro resultante de la expresión es 2.0105 y se elige como número entero
n=3.
Figura 5.4: Especificaciones para el filtro de Chebychev inverso

y las implementaciones
s
30
10 10 −1
argcosh 3
10 10 −1
n≥ 1 = 2,0105
argcosh 0,25
De las tablas para amin = 30 dB y n=3, los valores normalizados de paso bajas son
c1 = c3 = 0,88157 c2 = 0,0949 l2 = 1,76315.

El filtro paso bajas normalizado se muestra en la figura 5.4d. Es necesario transformar el circuito
paso bajas normalizado a paso altas y desnormalizarlo respecto de R0 = 75 Ω y f0 = 4000 Hz.
La inductancia se transforma a capacidad y la capacidad normalizada a una inductancia. El
filtro paso altas desnormalizado se muestra en la figura 5.4c y los valores desnormalizados del
filtro se obtienen como se muestra a continuación:
R0 75
L3 = L1 = = = 33,85 mH
c1 · 2π · f0 0,88157 · 2π · 400
R0 75
L2 = = = 314,45 mH
c2 · 2π · f0 0,0949 · 2π · 400
1 1
C2 = = = 3008,91 nF
l2 · 2π · f0 · R0 1,76315 · 2π · 400 · 75
La frecuencia del polo de atenuación es
1 106
f∞ = √ = 163,634 Hz
2π 314,4 · 3008,9
Ejemplo 5.8:
Calcular el filtro paso bajas de Chebychev para las especificaciones n=5, amax = 0,5 dB,
f1 = 30 Hz y R0 = 100 Ohm.
De la tabla 5.11 se obtienen los valores normalizados
c1 = c5 = 1,8069 l2 = l4 = 1,3025 c3 = 2,6914

Los valores desnormalizados son los siguientes:
1,8069
C1 = C5 = = 9,5859−5
10 [F ]
2π · 30 · 100
100 · 1,3025
L2 = L4 = = 0,690 [H]
2π · 30
2,6914
C3 = = 1,427−4
10 [F ]
2π · 30 · 100
La estructura del filtro se muestra en la figura 5.5. Los valores de los condensadores son muy
grandes gracias a la frecuencia del corte muy baja y a la resistencia R0 . Los filtros que trabajan
en las frecuencias muy bajas no se pueden realizar mediante las estructuras LC. Es necesario
elegir otro tipo de filtros, por ejemplo, electromecánicos, activos o digitales.
Figura 5.5: Estructura del filtro Chebychev

Tabla 5.13: Ceros de H(s) Polos de la atenuación del Chebychev inverso

n Ω∞1 Ω∞2 Ω∞3 Ω∞4
2 1.41421
3 1.15470
4 1.08239 2.61313
5 1.05146 1.70130
6 1.03528 1.41421 3.86370
7 1.02572 1.27905 2.30477
8 1.01959 1.20269 1.79995 5.12583
Ejemplo 5.9:
Calcular el filtro paso banda de Chebychev inverso para las especificaciones n=3, amin = 30 dB,
f2 = 3400, f2 = 3400 Hz y R0 = 100 Ohm.
De la tabla 5.18 se obtienen los valores normalizados
c1 = c3 = 0,88157 l2 = 1,76315 c2 = 0,0949
Figura 5.6: Estructura del filtro Chebychev inverso paso banda
Los valores desnormalizados son los siguientes:

0,88157 · 100
L1 = L3 = = 0,0047
2π · (3400 − 400)
3400 − 400
C1 = C3 = = 3,8924e−6
2π · 3400 · 400 · 0,88157 · 100
(3400 − 400) · 100 1,76315 · 100
L2A = = 0,3699 L2B = = 0,0094
2π · 3400 · 400 · 0,0949 2π · (3400 − 400)
3400 − 400
C2B = = 1,9912e−6
2π · 3400 · 400 · 1,76315 · 100
0,0949
C2A = = 5,0346e−8
2π · 100 · (3400 − 400)
La estructura del filtro paso banda de Chebychev inverso se muestra en la figura 5.6.
Tabla 5.14: Polos de H(s) del filtro de Chebychev inverso para amin = 20 dB
n 2 3 4 5 6 7 8
−α1 0.30000 0.27597 0.20565 0.15005 0.11182 0.08568 0.06739
±jβ1 0.33166 0.62840 0.78291 0.86147 0.90476 0.93071 0.94737
−α2 0.85345 0.92509 0.68614 0.47723 0.34115 0.25388
±jβ2 0.60426 0.92991 1.03469 1.06068 1.06249
−α3 1.57469 1.48905 1.03813 0.69933
±jβ3 0.86506 1.23957 1.30663
−α4 2.26884 2.03342
±jβ4 1.13102
Tabla 5.15: Polos de H(s) del filtro Chebychev inverso para amin = 30 dB
n 2 3 4 5 6 7 8
−α1 0.17499 0.22043 0.19879 0.16241 0.12969 0.10389 0.08420
±jβ1 0.18062 0.43315 0.61798 0.73493 0.80842 0.85616 0.88846
−α2 0.53578 0.68363 0.62225 0.49923 0.38931 0.30564
±jβ2 0.36464 0.66471 0.83385 0.91829 0.96013
−α3 1.07787 1.15390 0.97130 0.74807
±jβ3 0.51642 0.87987 1.04916
−α4 1.59322 1.60230
±jβ4 0.66898
Tabla 5.16: Polos de H(s) del filtro Chebychev inverso para amin = 40 dB
n 2 3 4 5 6 7 8
−α1 0.09950 0.16115 0.17116 0.15592 0.13388 0.11269 0.09456
±jβ1 0.10050 0.29593 0.47610 0.61087 0.70579 0.77234 0.81975
−α2 0.35230 0.50454 0.52480 0.47103 0.39799 0.33009
±jβ2 0.24079 0.48539 0.66535 0.78070 0.85193
−α3 0.78777 0.90341 0.85179 0.72591
±jβ3 0.34193 0.64169 0.83644
−α4 1.20298 1.28166
±jβ4 0.43964
Tabla 5.17: Elementos del filtro Chebychev inverso para amin = 20 dB

n c1 c2 c3 c4 c5 l6
l2 l4
3 0.76162 0.20803 0.76162
1.52324
4 0.39649 0.40753 1.53955
1.21732
6 0.05947 0.48265 1.27903 0.93651 0.63648 0.43328
0.75761 0.78414

n c1 c2 c3 c4 c5 c6 c7 c8
l2 l4 l6 l8
3 0.88157 0.09490 0.88157
1.76315
4 0.57065 0.21595 1.71479 0.76245
1.5230
5 0.423037 1.14457 1.63337 0.53040 0.14736 0.43328
1.28450 0.91659
6 0.19029 0.31931 1.43027 0.54080 0.87389 0.46067
0.93256 1.10124
8 0.04238 0.35045 0.92416 0.84673 1.16705 0.68946 0.45019 0.32491
0.62053 0.87687 0.76148

n c1 c2 c3 c4 c5 c6 c7 c8
l2 l4 l6 l8
3 0.94320 0.04390 0.94320
1.88641
4 0.67795 0.11893 1.83035
1.71867 0.78962
5 0.31706 0.30173 1.73949 0.09490 0.48549
1.14795 1.39408
6 0.03875 0.58800 1.66700 0.14145 1.19950
0.78742 1.63660 0.48188
8 0.11801 0.26022 1.08035 0.57551 1.30591 0.47819 0.60325
0.71751 1.10767 0.94266 0.33988
Capı́tulo 6
Filtros pasivos RC
Los filtros pasivos RC se utilizan cuando las exigencias de atenuación no son muy rigorosos.
Las ventajas de los filtros pasivos RC es que no necesitan alimentación y se componen de los
elementos sencillos: capacidores y resistencias. Los filtros RC también se pueden fabricar de la
forma integrada. El inconveniente de los filtros RC es que no pueden implementar funciones de
transferencia con polos complejos. En el cálculo de los filtros pasivos RC habitualmente se eligen
los valores de las capacidores y se calculan las resistencias.
6.1. Filtros pasivos RC elementales.

PASA BAJAS.
El filtro pasivo RC elemental (PRC) de pasa bajas (PBF) se muestra en la figura 6.1 y tiene la
función de transferencia (6.1), donde ω1 es la frecuencia del corte de la aproximación asimptótica.
1
La capacidad se puede elegir y la resistencia se calcula mediante la ecuación R = Cω 1
.
U2 1 1
H(s) = = = (6.1)
U1 1 + sCR 1 + ωs1
Figura 6.1: Filtro PBF elemental y su atenuación
PASO ALTAS.
En la figura 6.2 se muestra el circuito RC pasivo. La función de transferencia paso altas PRC
del circuito de la figura 6.2 toma la forma de la expresión (6.2), donde ω−1 es la frecuencia del
corte de paso altas. Como en el caso paso bajas, el condensador se elije y se calcula la resistencia.
R = Cω1−1 .
115
116 capı́tulo 6. filtros pasivos rc
s
U2 sCR ω−1
H(s) = = = s (6.2)
U1 1 + sCR 1 + ω−1
Figura 6.2: Filtro PA elemental y su atenuación
PASO BANDA
El filtro paso banda (PB) se muestra en la figura 6.3. El circuito paso banda se obtiene mediante
la conexión en cascada del filtro PBF y del PA. La función de transferencia paso banda H(s)
obtenida de los circuitos 6.3a) y 6.3b) toma la forma
U2 sCa Ra
H(s) = = 2 . (6.3)
U1 s R1 C1 R2 C2 + s(R1 C1 + R1 C2 + R2 C2 ) + 1
En el circuito de la figura 6.3a) Ra = R2 y Ca = C2 , y para el circuito representado en 6.3b) los
valores de Ra y Ca son Ra = R1 y Ca = C1 .
Figura 6.3: Filtro PB elemental.
BANDA ELIMINADA
El filtro banda eliminada elemental se realiza mediante el circuito que se muestra en la figura
6.4a) y 6.4b). La función de transferencia del filtro banda eliminada toma la forma
U2 sR2 C 2 + s 2RC +1
H(s) = = α 2 . (6.4)
U1 s2 R2 C 2 + sRC α α+2 + 1
Los polos p1,2 y los ceros c1,2 de la función de transferencia (6.4) se calculan mediante las
expresiones (6.5) y (6.6).
6.1. filtros pasivos rc elementales. 117
s
1 α 1 α2

p1,2 =− + ± + (6.5)
αRC 2RC α2 R2 C 2 4R2 C 2
s
1 1 α2
c1,2 =− ± + (6.6)
αRC α2 R2 C 2 4R2 C 2
Figura 6.4: Filtro Banda Eliminada (BE) elemental.
De las ecuaciones (6.5) y (6.6) se ve, que los polos siempre son reales y negativos, lo que asegura
la estabilidad y causalidad del filtro. En la figura 6.5 se muestra la varación de la atenuación en
decibelios para varios valores de α. El supresor de banda también se puede realizar mediante el
circuito representado en la figura 6.6.
Figura 6.5: Atenuación de supresor de banda para distinto valores de α.
Para las condiciones
C1 + C2
= R3 (R1 + R2 ) (6.7)
R1 R2
R R
R1 = R2 = R R3 = (6.8)
α α+1
C1 = αC C2 = C C3 = C(α + 1), (6.9)

Figura 6.6: Filtro banda eliminada elemental.
la función de transferencia del filtro en la figura 6.6 toma la forma
s3 R3 C 3 + s2 R2 C 2 + sRC + 1
H(s) = 2 (6.10)
s3 R3 C 3 + s2 R2 C 2 3α+2 3α +5α+2
α + sRC α(α+1) + 1
6.2. Cascada de filtros RC elementales

El esquema de una realización mediante cascada de filtros elementales se muestra en la figura
6.7. Si se realiza PBF, los elementos Z1 son resistencias y Y2 capacitancias. Si se realiza PA los
elementos Z1 son capacitancias y Y2 resistencias. La matriz de cascada A para el circuito en la
figura 6.7 toma la forma
" #
Bn (jΩ) Z1 Qn (jΩ)
A= , (6.11)
Y2 Qn (jΩ) Bn−1 (jΩ)
donde
n
X (n + k)!
Bn (jΩ) = (jΩ)k (6.12)
k=0
(n − k)!(2k)!
n−1
X (n − k)!
Bn (jΩ) = (jΩ)k . (6.13)
k=0
(n − k − 1)!(2k + 1)!
Figura 6.7: Cascada de filtros elementales.

6.2. cascada de filtros rc elementales 119
Si se realiza el filtro pasa bajas, es necesario conectar la salida del circuito con una resistancia
RL , como se muestra en la figura 6.8. El valor de la resistencia o la salida se puede expresar
mediante la ecuación
R
RL = α > 0,
α
y la función de transferencia cuando la salida está terminada con un resistor RL se puede expresar
en la forma
U1
G(jΩ) = = Bn (jΩ) + αn (jΩ). (6.14)
U2
La atenuación se puede calcular mediante la ecuación (6.15)
a = 20 · log|Bn (jΩ) + αQn (jΩ)|. (6.15)
Figura 6.8: Filtro PBF como cascada de filtros elementales.
En el caso de circuito con salida abierta α = 0, se puede calcular la atenuación usando (6.16).
Las gráficas para distintos ordenes del filtro se muestran en la figura 6.9.
a = 20 · log|Bn (jΩ)| (6.16)
Figura 6.9: Atenuación de filtros para distintos varios de n.
Si se fija R, se calcula C mediante:

1
C=
ω1 R
Si se fija C, se obtiene R utilizando
1
R=
ω1 C
Ejemplo 6.1:
Calcular el filtro RC paso bajas con atenuación máxima amax = 3 dB en el rango de frecuencias
de f=0 hasta 4 kHz y amin = 40 dB en f ≥ 64 kHz.
El primer paso es la normalización de las frecuencias del corte y de supresión
4 · 103 64 · 103
Ω1 = = 1 Ω 2 = = 16
4 · 103 4 · 103
La pendiente de la atenuación es mayor que 20 dB/dec y por eso se elige n=3. El cálculo del
filtro en la salida abierto se obtiene mediante las ecuaciones (6.16) y (6.12) la ecuación (6.17)
3
X (3 + k)!
G3 (jΩ) = B3 (jΩ) = (jΩ)k (6.17)
k=0
(3 − k)!(2k)!
Calculando para k=0,1,2,3 se obtiene
G3 (jΩ) = 1 + 6jΩ − 5Ω2 − jΩ3 (6.18)

La atenuación en la frecuencia de corte Ω1 = 1 debe ser igual a 3 dB. De la ecuación (6.18) es
necesario calcular la función del corte normalizada Ω1 para la atenuación 3 dB.
3
|G3 (jΩ1 )|2 = 10 10 = (1 − 5Ω21 )2 + Ω21 (6 − Ω21 )2
Ω61 + 13Ω41 + 26Ω21 − 0, 995 = 0

La ecuación se cumple para Ω1N = 0, 194 y ese valor es la frecuencia del corte normalizada,
donde la atenuación alcanza 3 dB. La nueva frecuencia normalizada de supresión toma el valor
Ω1 1
fN = f1 =4 = 20, 62
Ω1N 0, 194
f2 64
Ω2 = = = 3, 104.
fN 20, 62
Ahora se puede calcular la atenuación mı́nima amin
amin = 20 · log|G3 (jΩ2 )| = 33, 7 dB.

Si se elije el valor C=3,3 nF se obtiene la resistencia
1 Ω1N 0, 194
R= = = = 2339, 1 Ω.
2πfN C 2πΩ1 C 2π4 · 103 · 3, 3 · 10−9
La estructura del filtro RC resultante se muestra en la figura 6.10.
6.3. circuitos progresivos en cascada 121
Figura 6.10: Filtro pasa bajas con tres circuitos elementales en cascada.
6.3. Circuitos progresivos en cascada

El calculo de filtros utilizando los circuitos bipuertas progresivos es parecido al caso anterior. El
filtro con los circuitos bipuertas progresivos se muestra en la figura 6.11. La matriz de cascada
RC progresiva de la figura 6.11 toma la forma
" #
a11 (α, jΩ) Z1 a12 (α, jΩ)
An = , (6.19)
Y2 a21 (α, jΩ) a22 (α, jΩ)
donde
n
X
a11 (α, jΩ) = K11ni (jΩ)i (6.20)
i=0
n−i
X
(−n+1) n−1−j i+j
K11ni = α i−1 i αj (6.21)
j=0
K11n0 = 1 K11nn = 1.
Figura 6.11: Filtro con bipuertas progresivos en cascada.
Para el filtro PBF en la salida abierta figura 6.12 la atenuación se calcula madiante la ecuación
a = 20 · log|a11 (α, jΩ)|

Figura 6.12: Filtro PBF RC con los circuitos progresivos.
Ejemplo 6.2:
Calcular el filtro pasa bajas con los elementos RC progresivos para las especificaciones n=3,
amax = 3 dB en el rango de frecuencias de f=0 hasta 4kHz y amin = 40 dB en f ≥ 64 kHz.
Como en el ejemplo anterior se elije el condensador de valor C=3,3 nF, el valor de la constante
α se elije de tal manera que permita obtener los otros condensadores de catálogo. Entonces se
elije α = 2, 2. El segundo condensador en el circuito de la figura 6.12 tiene el valor 3,3/2,2=1,5
nF y el último condensador es 3, 3/(2, 2)2 = 0, 68 nF. Para calcular las resistencias se necesita
calcular la nueva frecuencia normalizada del corte. Para calcular G3 (jΩ) es necesario calcular
los valores K1131 y K1132 . Esos coeficientes se calculan mediante las ecuaciones (6.20) y (6.21).
2
1 1 1
0 1
2
0 1 + 0 2 α+ 0 3 α
K1131 = 2
= 4, 32
α
1
2 1 2

2 2 + 1 3 α
K1132 = = 3, 91
α
G3 (jΩ) = 1 + 4, 32jΩ − 3, 91Ω2 − jΩ3

De esta ecuación se calcula la nueva frecuencia del corte para amax = 3 dB
Ω61N + 6, 65Ω41N + 10, 84Ω21N − 0, 995 = 0

La ecuación tiene como resultado la raiz Ω1N =0,2950 del polinomio que es la frecuencia del corte
normalizada. Dado el valor del condensador C=3,3 nF se obtiene la resistencia
1 Ω1N 0, 295
R= = = = 3556, 8 Ω.
2πfN C 2πf1 C 2π4 · 103 · 3, 3 · 10−9
Los valores del filtro PBF que se muestra en la figura 6.13 son:
R1 = 3556, 8 Ω C1 = 3, 3 nF
R2 = 7824, 9 Ω C2 = 1, 5 nF
R3 = 17214, 9 Ω C3 = 0, 682 nF
Para las mismas especificaciones se realiza el filtro de orden n=4. La ecuación (6.22) para n=4
toma la forma
6.4. filtros rc en cascada con divisor 123
Figura 6.13: Filtro PBF RC.
G4 (jΩ) = 1 + 5, 96jΩ − 9, 35Ω2 − 5, 36jΩ3 + Ω4 .

La raı́z de la ecuación siguiente es la frecuencia de corte del filtro pasa bajas normalizado
Ω8 + 10, 07Ω6 + 26, 93Ω4 + 15, 77Ω2 − 0, 995 = 0.

La ecuación presenta como resultado la raı́z Ω1N = 0, 239. La frecuencia del corte normalizada
es 0,239. Si se elije el valor del ccondensador como en el ejemplo anterior C = 3, 3 nF se obtiene
la primera resistencia del circuito.
1 Ω1N 0, 239
R= = = = 2881, 67Ω
2πfN C 2πf1 C 2π4 · 103 · 3, 3 · 10−9
El filtro PBF para n=4 se muestra en la figura 6.13 y los elementos del filtro tienen los valores:
R1 = 2881, 67 Ω C1 = 3, 3 nF
R2 = 6339, 67 Ω C2 = 1, 5 nF
R3 = 13942, 28 Ω C3 = 682 pF
R4 = 30684, 02 Ω C4 = 330 pF
Figura 6.14: Filtro pasa bajas para n=4.
6.4. Filtros RC en cascada con divisor

La estructura del filtro RC con el divisor se muestra en la figura 6.15. Está conectado con la
admitancia Y1 y la impedancia Z2 . La matriz de impedacia Z del circuito resultante toma la
forma
Figura 6.15: Circuito RC con el divisor.
a11 1
 
Z2 + Y1 a11 +a21 Z2 + Y1 a11 +a21
Zn =  . (6.22)
 
a11 Y1 a12 +a22
Z2 + Y1 a11 +a21 Z2 + Y1 a11 +a21
En la ecuación (6.22) aij son los elementos de la matriz RC del circuito en la figura 6.15, i=1,2;
j=1,2. De la ecuación (6.22) se puede calcular la función de transferencia del voltaje inversa
G(jΩ), si la salida del circuito está abierta.
U1 Z11 a11 (1 + Z2 Y1 ) + a21 Z2

G(jΩ) = = = (6.23)
U2 Z21 a11 Z2 Y1 + a21 Z2 + 1
Para el filtro pasa bajas la impedancia Z2 y admitancia Y1 en el circuito 6.15 toman la forma
1
Y1 = jωC1 Z2 = . (6.24)
jωC2
De la ecuación (6.11) se obtiene
a11 = Bn (jΩ), a21 = jωCQn (jΩ). (6.25)

Si se sustituye en (6.23) la ecuación (6.25), se obtiene la función de transferencia inversa

C1 C
U1 Bn (jΩ) 1 + C2 + C2 Qn (jΩ) Bn (jΩ)(C1 + C2 ) + CQn (jΩ)
G(jΩ) = = = . (6.26)
U2 Bn (jΩ) C C
C2 + C2 Qn (jΩ) + 1
1 Bn (jΩ)C1 + CQn (jΩ) + C2
Las raı́ces del denominador (6.26) son los polos de la atenuación del circuito. Si se sustituye el
denominador de la ecuación (6.26) por B3 (jΩ) y Q3 (jΩ) y si el denominador se iguala a cero se
obtiene para la parte real e imaginaria dos ecuaciones independientes
s
C
Ωp = 6+4 (6.27)
C1
C2
C2 = 23C + 29C1 + 4 . (6.28)
C1
La atenuación mı́nima en Ω = ∞ se puede calcular mediante la ecuación (6.29)
6.4. filtros rc en cascada con divisor 125
Figura 6.16: Filtro pasa bajas.
C1 + C2
amin = 20 · log . (6.29)
C1
De la ecuación (6.27) se deduce que la frecuencia del polo de atenuación se puede elegir mediante
el cociente C/C1 . En la figura 6.17 se muestra la atenuación de los filtros PBF para varias
α = C1 /C. La atenuación mı́nima del filtro se obtiene calculando la ecuación (6.29).
Figura 6.17: Atenuación de PBF para el filtro con divisor y n=3.
Ejemplo 6.3:
Calcular el filtro RC pasa bajas con el divisor para un orden del filtro n=3 y las especificaciones
del ejemplo anterior.
En este caso se puede elegir la frecuencia del polo de atenuación. Si se elige la frecuencia del polo
de atenuación, también se influye sobre la atenuación mı́nima. La frecuencia del polo depende
en la ecuación (6.27). Si se elige la frecuencia del polo Ωp , la atenuación mı́nima variará según
la ecuación (6.29). Si se sustituye por C1 = αC y por C2 = C en (6.29) se obtiene (6.30).
αC + 23C + 29αC + 4 C
α
amin = 20 · log (6.30)
αC
23 4

2 = log 1 + + 29 + 2 (6.31)
α α
70α2 − 23α − 4 = 0 (6.32)

La raı́z de la ecuación (6.31) es α = 0, 45. Entonces
C
C2 = 23C + 290, 45C + 4 = 44, 94C.
0, 45
Ahora se calcula B3 (jΩ), Q3 (jΩ) y G3 (jΩ).
B3 (jΩ) = 1 − 5Ω2 + jΩ(6 − Ω2 )
Q3 (jΩ) = 3 − Ω2 + j4Ω
B3 (0, 45C + 44, 94C) + CQ3 45, 39B3 + Q3

G3 (jΩ) = = .
0, 45CB3 + CQ3 + 44, 94C 0, 45B3 + Q3 + 44, 94
amax
Si se calcula |G3 (jΩ)|2 = 10 10 se obtiene la ecuación
−2329, 884 + 54840, 736Ω2 + 26867, 95Ω4 + 2059, 848Ω6 = 0.

Un de las raı́ces de la ecuación anterior es Ω1 = 0, 204. Si se elige como en los ejemplos anteriores
el condensador C=3,3 nF, se obtienen los valores del filtro que se muestra en la figura 6.16.
0,204
R = 2π4·103 ·3,3·10−9
= 2459, 67 Ω
C1 = 0, 45 · 3, 4 = 1, 485 nF
3,3
C2 = 23 · 3, 3 + 29 · 1, 485 + 4 0,45 = 148, 3 nF
6.5. Filtro RC con la admitancia en paralelo

El polo de la atenuación se puede realizar también con el circuito de la figura 6.18. La admitancia
Yp está conectada con el circuito de bipuertas RC en paralelo. La matriz de admitancia del
circuito es la suma de la matriz de admitancia del circuito RC y del circuito que tiene en la
rama serie la admitancia Yp . En el circuito de la figura 6.18, se conecta en la salida la admitancia
YL y se obtiene la función de transferencia
U1 y22 + YL (Yp + YL )a12 + a11

G(jΩ) = =− = . (6.33)
U2 y21 Yp a12 + 1
Los parámetros y22 y y21 son los elementos de la matriz de admitancia del circuito completo y
la admitancia YL es la admitancia de carga. Los parámetros a11 y a12 son los elementos de la
matriz de cascada del Circuito RC. La ubicación de los polos se puede calcular calculando las
raices del denominador de la ecuación (6.33). Para n=3 y Y(s)=jωCp se obtiene
6.5. filtro rc con la admitancia en paralelo 127
Figura 6.18: Circuito RCP con la admitancia Yp conectada en paralelo con RC.
jωCp R(Ω2 + 4Ω + 3) + 1 = 0
ω 1
Ω= ω = Ωω0 = Ω
ω0 RC
Cp
jΩ (jΩ)2 + 4jΩ + 3 + 1 = 0
C
2 Cp Cp

1 − 4Ω + jΩ 3 − Ω2 = 0
C C
√
3 − Ω2 = 0 Ω= 3
√ 2 C C
p
1−4 3 =0 . Cp =
C 12
En este caso la ubicación del polo depende solo del número de circuitos básicos del circuito RC
y no se puede elegir como hemos visto en el circuito RC con divisor. Si se toma en cuenta el
circuito abierto en la salida se puede calcular la atenuación mı́nima amin mediante la ecuación
U1 Yp a12 + a11 a11 1 Bn

G(s) = = =1+ =1+ .
U2 Yp a12 + 1 a12 Yp RQn Yp
(jωCR)n−1 jωCR C
amin = lı́m G(jΩ) = 1 + =1+
ω→∞ (jωCR)n−1 jωCp R Cp
Para n=3 se obtiene la atenuación mı́nima mediante la ecuación
!
C 12C

amin = 20 · log 1 + = 20 · log 1 + = 20 · log13 = 22, 28 dB.
Cp C
Ejemplo 6.4:
Realizar el filtro RC que se muestra en la figura 6.19 con el condensador en paralelo.
Si la salida del filtro está abierta, entonces YL = 0. Para Yp = jΩCp se obtiene con la ayuda de
la ecuación (6.17)
jΩCp Q3 R + B3
G3 (jΩ) =
jΩCp Q3 R + 1
√ C
La ubicación del polo en Ω3 = 3 y el valor del condensador Cp = 12 son en este caso fijos y no
se pueden elegir. El valor Cp y la ubicación del polo dependen del grado del filtro. Como en los
ejemplos anteriores se obtiene la ecuación
−0, 995 + 29, 6Ω2 + 15, 175Ω4 + 0, 176Ω6 = 0.

De las raices de la ecuación anterior se escoge la raı́z Ω1 = 0, 182. Si se selecciona como en los
ejemplos anteriores el condensador C = 3, 3 nF se obtiene
0, 182
R= = 2194, 41 Ω
2π4 · 103 · 3, 3 · 10−9
C
Cp = = 0, 275 nF
12
En la figura 6.19 se muestra la estructura del filtro.
Figura 6.19: Filtro RC con admitancia en paralelo

Capı́tulo 7
Filtros activos con amplificador.
Los filtros activos presentan dos importantes ventajas frente a los filtros pasivos: La posibilidad
de amplificar las señales son evidentes mientras que la ausencia de bobinas permite la integración
de los filtros dentro de microchip. Las bobinas es un elemento muy dificilmente miniaturizable
que impide la integración RLC.
Los filtros activos permiten además trabajar con señales de muy bajas frecuencias como pueden
ser las señales biológicas o los sı́smicas. En este tipo de señales se trabaja con un valor tı́pico de
frecuencia de corte 10 Hz. El diseño de un filtro RLC a esas frecuencias darı́a como resultado
unos componentes de valores irrealizables dejando como una alternativa realizable la utilizacion
de filtros activos.
En este capı́tulo se van a abordar distintos técnicos de diseño de filtros activos.
7.1. Filtros activos de segundo orden

7.1.1. Filtro activo paso bajas.
El filtro activo paso bajas de segundo orden se muestra en la figura 7.1.
Figura 7.1: Filtro paso bajas con amplificador.
Para calcular la función de transferencia del filtro en la figura 7.1 primero se calcula la matriz
de admitancia de la red pasiva sin tomar en cuenta el amplificador. La matriz de admitancia de
la red pasiva se muestra en la ecuación (7.1).
129
130 capı́tulo 7. filtros activos con amplificador.
−G1
 
G1 0 0 0 0

 −G1 G1 + G2 + sC1 −G2 0 −sC1 0 

 0 −G2 G2 + sC2 0 0 −sC2 
YPasiva =  (7.1)
 
0 0 0 G A + GB −GB −GA

 
 
 0 −sC1 0 −GB sC1 + GB 0 
0 0 −sC2 −GA 0 GA + sC2
En la matriz de admitancia (7.1) las sumas de todos elementos en cada fila y columna deben ser
igual a cero. Si se conecta el nodo 6 con la tierra se puede cancelar el sexto renglón y la sexta
columna. La matriz (7.1) va a cambiar si se tiene en cuenta el amplificador. Los nodos 3 y 4 en
la entrada del amplificador están al mismo potencial (U3 = U4 ), eso significa que en la matriz
(7.1) se pueden sumar la tercera y cuarta columna. Si en salida del filtro se conecta un circuito
con impedancia infinita, entonces I5 = 0 y se puede cancelar la quinta lı́nea. La nueva matriz
del circuito activo con la tierra conectada en el sexto nodo se muestra en la ecuación (7.2).
 
G1 −G1 0 0
 −G1 G1 + G2 + sC1 −G2 −sC1 
Y= (7.2)
 
0 −G2 G2 + sC2 0 


0 0 GA + GB −GB
La función de transferencia H(s) se puede calcular mediante la ecuación (7.3).
U5 ∆15
H(s) = = (7.3)
U1 ∆11
∆11 y ∆15 son los subdeterminantes de la matriz (7.2) que toman la forma

−G G1 + G2 + sC1 −G2
1
∆15 = 0 −G2 G2 + sC2 (7.4)

0 0 GA + GB
∆15 = G1 G2 (GA + GB )

G + G + sC
1 2 1 −G2 −sC1
∆11 = −G2 G2 + sC2 0 (7.5)

GA + GB −GB

0
Ga
∆11 = −GB [G1 G2 + s(G1 C2 + G2 C2 − G2 C1 ) + s 2 C1 C2 ]
Gb
La función de transferencia H(s) se obtiene, si se sustituyen en la ecuación (7.3) los valores de
∆15 y ∆11 y K = GAG+G B
B
.
U5 K · G1 G2
= H(s) = 2 (7.6)
U1 s C1 C2 + s[C2 G1 + C2 G2 − C1 G2 (K − 1)] + G1 G2
La ecuación (7.6) es la función de transferencia de un filtro paso bajas de segundo orden. Si
esta función de transferencia se compara con la función de transferencia del filtro Butterworth
desnormalizado de segundo orden (7.7)
7.1. filtros activos de segundo orden 131
ω2
H(s) = √0 , (7.7)
s2 + s 2ω0 + ω02
se obtienen las ecuaciones para calcular el filtro paso bajas de segundo order con amax = 3 dB.
b = C1 ω0 El condensador C1 se elige y se calcula b

a2
√
m= 4 +K −1 Para Butterworth amax = 3 dB la constante a = 2
2 a
C2 = mC1 R1 = R2 =
a·b 2·m·b
Ejemplo 7.1:
Calcular el filtro de segundo orden para los especificaciones mostrados en la figura 7.2.
Figura 7.2: Especificaciones del filtro paso bajas.
Primero se calcula la ganancia K, porque se quiere que el filtro tenga en ω = 0 una ganancia de
20 dB.
20 · logK = 20 log K=1 K=10
Se elige C1 = 0, 1 · 10−6 F y se calcula b, m, C2 , R1 y R2
b = 0, 1 · 10−6 · 2π · 30 = 1, 885 · 10−5
2
m= + (10 − 1) = 9, 5
4
C2 = 9, 5 · 0, 1 · 10−6 = 0, 95 · 10−6 F
2
R1 = √ = 75 kΩ
2(1, 885 · 10−5 )
√
2
R2 = = 3, 94 kΩ
2 · (9, 5) · (1, 885 · 10−5 )
Todavı́a falta por calcular las resistencias RA y RB . Si se elige un potenciometro de 100 kΩ para
ajustar la ganancia, entonces RA + RB = 100 kΩ. De la ecuación RA + RA (K − 1) = 100 kΩ se
calcula RA = 100000
10 = 10 kΩ y RB = 10000(10 − 1) = 90 kΩ.
7.1.2. Filtro activo paso altas.

La estructura de filtro paso altas de segundo orden se muestra en la figura 7.3. Para calcular la
función de transferencia del filtro paso altas es necesario calcular la matriz de admitancia. La
matriz de admitancia del circuito activo se muestra en la ecuación (7.8).
Figura 7.3: Estructura del filtro paso altas.
 
sC1 0 −sC1 0
 −sC1 −G1 G1 + sC1 + sC2 −sC2 
Y= (7.8)
 
0 0 −sC2 G2 + sC2

 
0 −GB 0 GA + GB
U2 ∆12
La función de transferencia H(s) = U1 = ∆11 toma la forma
U2 Ks2 C1 C2
= H(s) = 2 . (7.9)
U1 s C1 C2 + s[C1 G2 + C2 G2 − C2 G1 (K − 1)] + G1 G2
La ecuación (7.9) es la función de transferencia de un filtro paso altas de segundo orden. Si
desnormalizado de segundo orden paso altas (7.10).
s2 ω 2
H(s) = √ 0 , (7.10)
s2 + 2ω0 + ω02
se obtienen las ecuaciones para calcular el filtro activo paso altas de segundo orden, en el caso
si amax = 3 dB. Es necesario elegir C1 = C2 . El condensador C1 se elige y se calcula b, R1 y R2 .
b = C1 ω0
p
a+ a2 + 8(K − 1)
R1 = (7.11)
4·b
7.1. filtros activos de segundo orden 133
1
R2 = (7.12)
R1 · b2
Ejemplo 7.2:
Calcular el filtro paso altas de segundo orden para las especificaciones del filtro de la figura 7.4.
Figura 7.4: Especificaciones para del filtro paso altas.
Primero se calcula la ganancia K, porque se quiere que el filtro tenga en ω = 0 la ganancia de

40 dB.
20 · logK = 40 log K=2 K = 102 = 100
Se elige C1 = C2 = 100 nF y se calcula b, R1 y R2 .
b = 2π300 · 100 · 10−9 = 1, 885 · 10−4

√ p
2 + 2 + 8(100 − 1)
R1 = = 39, 24 kΩ
4 · 1, 885 · 10−4
1
R2 = = 717 Ω
39, 24 · 103 (1, 885 · 10−4 )2
Todavı́a falta calcular las resistencias RA y RB , si se elije un potenciometro de 100 kΩ entonces
RA + RB = 100 kΩ, y de la ecuación RA + RA (K − 1) = 100 kΩ se calcula RA = 100000 100 = 1 kΩ
y RB = 99 kΩ.
7.1.3. Filtro activo paso banda.

La estructura de filtro paso banda de segundo orden se muestra en la figura 7.5. Para calcular
la función de transferencia del filtro paso banda es necesario calcular la matriz de admitancia.
La matriz de admitancia del circuito activo se muestra en la ecuación (7.13).
 
G1 −G1 0 0
 −G1 G1 + sC2 + G3 −sC2 −G3 
Y= (7.13)
 
0 −sC2 sC2 + G4 + sC5 0 


0 0 GA + GB 0
Figura 7.5: Estructura del filtro paso banda.
U5 ∆15
KG1 sC2
H(s) = . (7.14)
s2 C 2 C5 + s[C5 G1 + C2 G4 + C5 G3 + C2 G1 + C2 G3 (1 − K)] + G4 (G1 + G3 )
La ecuación (7.14) es la función de transferencia de un filtro paso banda de segundo orden. Si

paso banda desnormalizado de segundo orden (7.15)
sω
H(s) = √ 0 , (7.15)
s2 + s 2ω0 + ω02
se obtienen las ecuaciones para calcular el filtro activo paso banda de segundo orden. Si amax =
3 dB, se elije el condensador C2 y se calculan k, Q, K, C5 , R1 , R3 y R4 .
k = 2πf0 C2
Ancho de banda 1 1
Q= K = (6, 5 − ) (7.16)
F recuencia central 3 Q
C1 2 R1
C5 = R1 = R3 = R4 = 2 · R1 (7.17)
2 k 3
Ejemplo 7.3:
Calcular el filtro paso banda de segundo orden para las especificaciones del filtro que se muestran
en la figura 7.6.
Se elige C2 = 0, 02 · 10−6 F y los valores del filtro paso banda se calculan
0, 02 · 10−6
C5 = = 0, 01 µF k = 0, 02 · 10−6 2π300 = 3, 769 · 10−5
2
2 53, 05 · 103
R1 = = 53, 05 kΩ R3 = = 17, 684 kΩ
3, 769 · 10−5 3
7.2. filtros activos de primer orden 135
Figura 7.6: Especificaciones para el filtro paso banda.
1 1
R4 = 2 · 53, 05 · 103 = 106 kΩ K = (6, 5 − ) = 2, 1333
3 10
A0 = KQ = 2, 13333 · 10 = 21, 333 20 · log(21, 3333) = 26, 579 dB

21,3
El valor de la ganancia K = 10 20 =11.614 se ajusta con un potenciometro por ejemplo de 100
kΩ
100 kΩ
RA = = 8,61 kΩ RB = (100 − 8,61)103 = 91,39 kΩ
11,614
7.2. Filtros activos de primer orden

7.2.1. Filtro paso altas
La estructura del filtro paso altas de primer orden con amlificador de ganancia infinita se muestra
en la figura 7.7. La matriz de admitancia de filtro paso altas en la figura 7.7 se muestra en la
ecuación (7.18).
Figura 7.7: Estructura del filtro paso altas de primer orden.
 
sC1 0 −sC1
Y =  −sC1 0 G1 + sC1  (7.18)
 
0 −G2 −G1
U2 ∆12
U2 R2 sC1 G1
= H(s) = − . (7.19)
U1 R1 s + R 1C
1 1
La ecuación (7.19) es la función de transferencia de un filtro paso altas de primer orden. De la

ecuación (7.19) se pueden escribir dos ecuaciones. La ganancia del filtro K y la frecuencia del
corte del filtro paso altas toman la forma:
R2 1
para ω = ∞ K= ω0 =
R1 R1 C1
Si se elige el condensador C1 se puede calcular la resistencia R1 y de la expresión la ganancia K
se calcula R2 .
Ejemplo 7.4:
Calcular el filtro paso altas para las especificaciones que se muestran en la plantilla 7.8. Se elige
el valor del condensador C1 = 10000 pF y se calcula R1 y despues R2 .
Figura 7.8: Especificaciones del filtro paso altas.
1
R1 = = 7957 Ω
2π · 20 · 103 · 10000 · 10−12
R2 = 10 · 7957 = 79570 Ω
7.2.2. Filtro paso bajas.

La estructura del filtro paso bajas de primer orden con ganancia de amplificador infinita se
muestra en la figura 7.9. La matriz de admitancia del filtro paso bajas de la figura 7.9 se
muestra en la ecuación (7.20).
 
G1 0 −G1
Y= 0 G2 + sC2 −G2 − sC2  (7.20)
 
−G1 −G2 − sC2 G1 + G2 + sC2
∆12
La función de transferencia H(s) = ∆11 toma la forma
7.2. filtros activos de primer orden 137
Figura 7.9: Estructura del filtro paso bajas de primer orden.
U2 1 1
= H(s) = − (7.21)
U1 R1 C2 s + R 1C
2 2
La ecuación (7.21) es la función de transferencia de un filtro paso bajas de primer orden. De la

ecuación (7.21) se pueden deducir dos ecuaciones.
R2 1
K= ω1 =
R1 R2 C2
R2
Para ω = 0 la ganancia es K = R 1
. Si se elige el condensador C2 se puede calcular la resistancia
R2 y con la ganancia K conocida se calcula R1 .
Ejemplo 7.5:
Calcular el filtro paso bajas para las especificaciones que se muestran en la plantilla 7.10.
Se elige el valor del condensador C1 = 0, 01 µF y se calculan R2 y R1 .
Figura 7.10: Especificaciones del filtro paso bajas.
1
R2 = = 15, 9 kΩ
2π · 1000 · 0, 01 · 10−6
15, 9 · 103
R1 = = 1, 59 kΩ
10
7.2.3. Filtro paso banda.

La estructura del filtro paso banda de segundo orden con ganancia de amplificador infinita se
muestra en la figura 7.11. La matriz de admitancia del filtro paso banda de la figura 7.11 se
muestra en la ecuación (7.22). La función de transferencia H(s) = U ∆12
U1 = ∆11 toma la forma
2
Figura 7.11: Estructura del filtro paso banda de segundo orden.
 
sC1 0 −sC1
Y =  −sC1 0 G1 + sC1  (7.22)
 
0 −G2 − sC2 −G1
U2 sG1
C2
= H(s) = 1 1 (7.23)
U1 (s + R1 C1 ).(s + R2 C2 )
La ecuación (7.23) es la función de transferencia de un filtro paso banda de segundo orden. A

partir de la ecuación (7.23) se pueden escribir tres ecuaciones.
R2 1 1
K= ω−1 = ω1 =
R1 R2 C2 R1 C1
R2
Para ω = ω0 la ganancia es K = R 1
. Si se elige el condensador C2 se puede calcular la resistencia
R2 . Con la ganancia K se calcula R1 y con R1 se calculaC1 . .
Ejemplo 7.6:
Calcular el filtro paso banda para las especificaciones de la plantilla 7.12. con una ganancia de
K=5.
Se elige el valor del condensador C2 = 0, 01 µF y se calcula R2 a continuación R1 y por último

C1 .
1
R2 = = 3183 Ω
2π · 5000 · 0, 01 · 10−6
3183
R1 = = 636 Ω
5
1
C1 = = 125 nF
2π · 2000 · 636
7.3. filtros con realimentación múltiple 139
Figura 7.12: Especificaciones del filtro paso banda.
7.3. Filtros con realimentación múltiple

7.3.1. Paso bajas.
La estructura paso bajas de un filtro activo con un amplificador de ganancia infinita se muestra
en la figura 7.13. La ecuación (7.24) es la función de transferencia del filtro activo paso bajas.
Figura 7.13: Filtro paso bajas con realimentación multiple.
U2 G1 G 3
= 2 (7.24)
U1 s C2 C5 + sC5 (G1 + G3 + G4 ) + G3 G4
Mediante las ecuaciones siguientes se pueden calcular los valores de los elementos del filtro paso
bajas.
k 4 k
C5 = C2 = 2
(H + 1)
2πf1 a 2πf1
a a a
R1 = R3 = R4 =
2Hk 2(H + 1)k 2k
Ejemplo 7.7:
Calcular los elementos del filtro paso bajas, con frecuencia de corte f1 = 100 Hz, el orden del
filtro n=2, atenuación máxima 3 dB y aproximación de Butterworth. La ganancia del filtro es
20 dB, (H=10).
El condensador C5 se elige y se calcula

√ la constante k y los elementos del filtro. Para Butterworth
si amax = 3 dB, la constante a = 2.
C5 = 0, 1 µF k = 2π · 100 · 0, 1 · 10−6 = 6, 28 · 10−5
√
4 6, 28 · 10−5 2
C2 = (10 + 1) = 1, 1 µF R1 = = 1125 Ω
2 2 · 6, 28 · 100 2 · 10 · 6, 28 · 10−5
√ √
2 2
R3 = = 1023 Ω R4 = = 11, 26 kΩ
2(10 + 1)6, 28 · 10−5 2 · 6, 28 · 10−5
7.3.2. Paso altas.

La estructura paso altas de un filtro activo con un amplificador de ganancia infinita se muestra
en la figura 7.14. La función de transferencia del filtro activo paso altas se muestra en la ecuación
(7.25).
Figura 7.14: Paso altas con realimentación múltiple.
U2 s 2 C1 C3
= 2 (7.25)
U1 s C3 C4 + sG5 (C1 + C3 + C5 ) + G2 G5
Las ecuaciones para calcular los valores de los elementos del filtro paso altas toman la forma:
k C1
C1 = C3 = C4 =
2πf−1 H
1
a H(2 + H)
R2 = 1 R5 =
k(2 + H)
ak
7.3. filtros con realimentación múltiple 141
Ejemplo 7.8:
Calcular los elementos del filtro paso altas, para frecuencia de corte f−1 = 0, 1 Hz, orden del
filtro n=2, atenuación máxima 3 dB y aproximación de Butterworth. La ganancia del filtro es
de 0 dB, (H(0)=1).
El condensador C1 = C3 se elige y a continuación
√ se calculan k y los elementos del filtro. Para
Butterworth si amax = 3 dB y la constante a = 2 tenemos:
C1 = C3 = 10 µF k = 2π · 0, 1 · 10 · 10−6 = 6, 28 · 10−6
√
10 · 10−6 2
C4 = = 10 µF R2 = = 75 kΩ
1 6, 28 · 10−6 (2 + 11 )
1(2 + 11 )
R5 = √ = 337, 78 kΩ
2 · 6, 28 · 10−6
7.3.3. Paso banda.

La estructura paso banda de un filtro activo con un amplificador de ganancia infinita se presenta
en la figura 7.15. La función de transferencia del filtro activo paso banda se muestra en la ecuación
(7.26).
Figura 7.15: Paso banda con realimentación múltiple.
U2 sG1 C3
= 2 (7.26)
U1 s C3 C4 + sG5 (C3 + C4 ) + G5 (G1 + G2 )
Si se compara la ecuación (7.26) con la ecuación general de paso banda (7.27), se obtienen
las ecuaciones para calcular los valores de los elementos del filtro paso banda. Se eligen los
condensadores C3 y C4 y se calcula el coeficiente k. El resto de los valores vendrán dados por
los siguientes expresiones.
U2 Hω0 s
= 2 (7.27)
U1 s + sω0 a + ω02
k A0
C3 = C4 = H=
2πf0 Q
1 1 2Q
R1 = R2 = R5 =
kH (2Q − H)k k
Ejemplo 7.9:
Calcular los elementos del filtro paso banda para una frecuencia central f0 = 1, 6 Hz, orden del
filtro n=2, atenuación máxima 3 dB y la aproximación de Butterworth. La ganancia del filtro
es A0 = 10. (20 dB) y la calidad Q=10.
El condensador√C3 se elige y se calcula la constante k. Para Butterworth con amax = 3 dB la
constante a = 2.
10
C3 = C4 = 10 µF k = 2π · 1, 6 · 10−5 = 1 · 10−4 H= =1
10
1 1 2 · 10
R1 = = 10 kΩ R2 = = 527 Ω R5 = = 200 kΩ
10−4 (20 − 1)10−4 10−4
7.4. Filtros activos diseñados mediante las tablas

Ejemplo 7.10:
Calcular el filtro Chebychev paso bajas mediante las tablas para n=2, amax = 0, 5 dB, frecuencia
de corte f1 = 5000 Hz y ganancia K=3.
Tabla 7.1: Elementos del filtro activo paso bajas.
Chebychev K r1 r4 r3 c2 c5
1 1,000 1,000 0,65954 2,46644 0,40544
0,5 dB 3 1,000 1,000 1,97863 1,75741 0,18967
5 1,000 1,000 3,29771 1,61560 0,12379
Los elememtos normalizados de nuestro filtro para la ganancia K=3 son
r1 = r4 = 1 r3 = 1, 97863 c2 = 1, 75741 c5 = 0, 18967

Si se elige la resistencia R0 = 10 kΩ para densormalizar los valores de los elementos se obtienen
los valores desnormalizados del filtro Chebychev:
R1 = R4 = r1 · R0 = 10 kΩ R3 = r3 · R0 = 19, 70 kΩ
c2 1, 75741
C2 = = = 559 pF
2πf1 R0 2π5000 · 10000
c5 0, 18967
C5 = = = 603, 7 pF
2πf1 R0 2π5000 · 10000
7.4. filtros activos diseñados mediante las tablas 143
Figura 7.16: Paso bajas con doble retroalimentación del amplificador.
Tabla 7.2: Elementos del filtro activo paso bajas con la ganancia finita del amplificador
K r1 r2 c1 c2
Chebychev 2 1,000 1,000 0,77088 0,855557
0,5 dB 1 1,000 1,000 1,4026 047013
1,892 0,812 0,812 1,0000 1,0000
Butterworth 2 1,000 1,000 0,8740 1,14412
0,5 dB 1 1,000 1,000 1,4142 0,7071
1,585 1,000 1,000 1,0000 1,0000
Ejemplo 7.11:
Calcular el filtro Butterworth paso bajas de segundo orden mediante el cuadro 7.2 para amax =
0, 5 dB, frecuencia de corte f1 = 1500 Hz y ganancia K=2.
Los elementos normalizados de filtro Butterworth paso bajas para la ganancia K=2 son
r1 = r2 = 1 c1 = 0, 8740 c2 = 1, 14412
Si se elige la resistencia R0 = 100 kΩ para desnormalizar los valores de los elementos se obtienen
los valores desnormalizados del filtro Butterworth.
R1 = r1 · R0 = 100 kΩ R2 = r2 · R0 = 100 kΩ
c1 0, 87403
C1 = = = 927, 37 pF
2πf1 R0 2π1500 · 105
c2 1, 14412
C2 = = = 1213, 9 pF
2πf1 R0 2π1500 · 105
Ejemplo 7.12:
Calcular el filtro Butterworth paso banda de segundo orden mediante del cuadro 7.3 para la
frecuencia f0 = 10 kHz, ganancia K=2 y calidad Q=5.
Los elementos normalizados de filtro Butterworth paso banda para la ganancia K=2 y la calidad
Q=5 se obtienen de la tabla 7.3
Figura 7.17: Paso bajas de Butterworth.
Tabla 7.3: Elementos del filtro activo paso banda con la ganancia finita del amplificador
Q r1 r2 r3 c1 c2 K
2 1,4142 1,4142 1,4142 1,0000 1,0000 3,2928
Butterworth 1,0000 0,7403 2,3508 1,0000 1,0000 2,0000
5 1,4142 1,4142 1,4142 1,0000 1,0000 3,7172
1,0000 0,6344 2,5763 1,0000 1,0000 2,0000
r1 = 1 r2 = 0, 6344 r3 = 2, 5763
c1 = 1, 0000 c2 = 1, 0000
Se elige la resistencia R0 = 104
Ω, para desnormalizar los valores de los elementos en circuito.
Los valores desnormalizados del filtro Butterworth que se muestran en la figura 7.18 son las
siguientes:
R1 = r1 · R0 = 10 kΩ R2 = r2 · R0 = 634 Ω R3 = r3 · R0 = 25, 763 kΩ
c1 1, 000
C1 = = = 1591, 5 pF
2πf0 R0 2π104 · 104
c2 1, 000
C2 = = = 1591, 5 pF
2πf0 R0 2π104 · 104
7.5. Filtro Butterworth paso bajas de sexto orden

La función de transferencia del circuito de segundo orden paso bajas en la figura 7.19 toma la
forma (7.28)
KG 1 G2
C1 C2
H(s) = h i . (7.28)
1 1 1−K 1
s2 + s R 1 C1 + C1 R2 + R2 C2 + R1 R2 C1 C2
7.5. filtro butterworth paso bajas de sexto orden 145
Figura 7.18: Filtro activo paso banda.
Figura 7.19: Filtro activo paso bajas.
Si se compara la función de transferencia (7.28) con la función de transferencia paso bajas de

Butterworth (7.29)
H
H(s) = , (7.29)
s2 + a1 s + a0
se obtienen dos ecuaciones
1 1 1−K
a1 = + + (7.30)
R1 C1 C1 R2 R2 C2
1
a0 = . (7.31)
R1 R2 C1 C2
Tenemos dos ecuaciones pero cinco elementos que se calculan. Entonces se pueden elegir tres
elementos y los demás se calculan. Se elige
R1 = R2 = C1 = 1.
De la ecuación (7.30) y (7.31) sustituyendo por R1 , R2 y C1 se obtiene
1
C2 = (7.32)
a0
K = 3 − a1 . (7.33)
Ejemplo 7.13:
Calcular el filtro Butterworth paso bajas de sexto orden si amax = 3 dB y la frecuencia de corte
es f1 = 4000 Hz.
La función de transferencia del filtro Butterworth que se puede obtener de la tabla toma la
forma:
1 1 1
H(s) =
(s2 2 2
+ 1, 9318s + 1) (s + 1, 4142s + 1) (s + 0, 5176s + 1)
Se conectan tres filtros en cascada con funciones de transferencia
1 1
H1 (s) = H2 (s) =
s2 + 1, 9318s + 1 s2 + 1, 4142s + 1
1
H3 (s) =
s2 + 0, 5176s + 1
Valores del primer bloque.

Si se utiliza la impedancia R0 = 104 Ω para desnormalizar los valores se obtiene
1
R1 = R2 = 10 kΩ C1 = C2 = = 3979 pF.
2π · 104· 4 · 103
De la ganancia del primer bloque K1 (7.33) se calculan las resistencias RA1 y RB1 mediante la
ecuación RB1 = RA1 (K − 1).
K1 = 3 − 1, 9318 = 1, 0682 RA1 = 10 kΩ RB1 = 682 Ω
Valores del segundo bloque.

Los valores C1 , C2 , R1 y R2 son iguales para todos bloques ası́ solamente es necesario calcular
las ganancias del segundo y del tercer bloque.
K2 = 3 − 1, 4142 = 1, 5858 RA2 = 10 kΩ RB2 = 5858 Ω
Valores del tercer bloque.
K3 = 3 − 0, 5176 = 2, 4824 RA3 = 10 kΩ RB3 = 14, 824 kΩ
El circuito de Butterworth de sexto orden se muestra en la figura 7.20
Figura 7.20: Filtro activo paso bajas.

7.6. diseño de un filtro chebychev. 147
Figura 7.21: Ubicación de los polos del filtro Chebychev
7.6. Diseño de un filtro Chebychev.

El orden del filtro n se calcula mediante la ecuación (7.34).
La pendiente de la atenuación
n= (7.34)
6
Los polos de la función de transferencia H(s) de Chebychev se calculan mediante las ecuaciones
(7.35) - (7.39).
p
dB = e0,23amax − 1 (7.35)
1 1
φ2 = arcsenh (7.36)
n
(2k + 1)π
φ1 = (7.37)
2n
σ(k) = −senφ1 senhφ2 (7.38)
ω(k) = cosφ1 coshφ2 (7.39)

Los polos de H(s) están localizados en una elipse como se muestra en la figura 7.21 para el caso
de filtro Chebychev de orden cinco.
7.6.1. La estructura que realiza un polo real.

El polo real σ2 se realiza con la estructura de la figura 7.22. La función de transferencia este
circuito es
Figura 7.22: La estructura que realiza un polo real
σ(2)
H2 (s) = K (7.40)
s + σ(2)
donde
1
σ(2) = (7.41)
r1 · c1
Si se elige c1 = K = 1, la resistencia se calcula mediante la ecuación (7.42).
1
r1 = (7.42)
σ(2)
7.6.2. La estructura que realiza polos complejos.

Los polos complejos se realizan mediante la estructura que se muestra en la figura 7.23. La
función de transferencia general de segundo orden toma la forma:
Figura 7.23: La estructura que realiza dos polos complejos
Kω0,1 2
H0,1 = ω 2 . (7.43)
s2 + Q0,1
0,1
s + ω0,1
La función de transferencia paso bajas de la estructura en la figura 7.23 se muestra en la ecuación
(7.44) si r1 = r2 = r y c1 = c2 = c.
µ r21c2
H0,1 = 1 1 (7.44)
s2 + rc (3 − µ)s + r 2 c2
Si se comparan las ecuaciones (7.43) y (7.44) se obtienen las epresiones
2 1 ω0,1 1
ω0,1 = = (3 − µ) K = µ.
r·c Q0,1 r·c
Si se elige c=1 se obtienen las ecuaciones siguientes para calcular los valores r y µ.
1 1
r= 2 µ=3−
ω0i Q0,i ω0,i
Los valores de Q0,i y ω0,i , para i=1,2 se calculan mediante las ecuaciones (7.45) y (7.46).
q
ω0,i = 2 + ω2
σ(i) (7.45)
(i)
ω(i)
Q0,i = (7.46)
2|σ(i) |
Figura 7.24: Estructura completa del filtro.
Figura 7.25: Conexión del bloque de ajuste.
7.6.3. Ajuste del bloque de primer orden.

Cada bloque se realiza separadamente en el circuito 7.24. Después de ajustar los bloques se
conectan en cascada como se muestra en la figura 7.24. Los bloques se conectan con aparatos de
medición como se ve en la figura 7.25. La atenuación del primer bloque que realiza el polo real
se muestra en la figura 7.26a). La atenuación y la fase del bloque que realiza el polo complejo
se muestra en en la figura 7.26b).
Figura 7.26: Atenuación y la fase del primer bloque
En el generador se ajusta U1 a una frecuencia 100 veces menor que f = σ(2) f1 y en el

milivoltı́metro la salida debe ser aproximadamente U2 = 100 mV .
Se cambia la frecuencia a f = σ(2) f1 y con la resistencia variable se ajusta el voltaje en la

salida para que sea menor que amax al compararlo con el valor anterior.
Con esta frecuencia se ajusta la fase del voltaje U2 a −45o .
7.6.4. Ajuste del bloque de segundo orden.

El valor H(jω) de la función de transferencia (7.43) para ω0 toma la forma:
Kω02 0
H(jω) = 2 ω0 2 |ω=ω0 = −jHQ = HQe−j90 (7.47)
s + Q s + ω0
La atenuación del bloque que realiza los polos complejos se muestra en la figura 7.26b).
En el generador se ajusta la frecuencia a un valor 100 veces menor que la frecuencia de

corte f0i = ω0,i f1 para i=2,3. La diferencia de fase entre U1 y U2 debe ser menor que 5o .
A esta frecuencia se ajusta la ganancia del amplificador µ = K calculada para el segundo

y tercer bloque.
En el generador se ajusta la frecuencia f0i = ω0,i f1 y mediante la resistencia R1 se ajusta

la fase φ = 90o .
Con esta frecuencia el voltaje a la salida debe ser U2 = µQ, es decir, el voltaje U2 debe ser
Q veces mayor que el voltaje en el inicio, si no es ası́ se cambia la ganancia del amplificador
y se varia también un poco el voltaje a la frecuencia f0,i = ω0,i f1 , y se repiten los pasos
anteriores.
Si todos los bloques están ajustados, los bloques se conectan en cascada y la atenuación debe
ser como se representa en la figura 7.27. En el ejemplo siguiente se muestra como se calcula y
ajusta el filtro de Chebychev.
Figura 7.27: Atenuación del filtro completo.
Ejemplo 7.14:
Diseñar el filtro activo paso bajas de Chebychev si se conocen siguientes especificaciones: frecuen-
cia de corte f1 = 8 kHz, oscilaciones en la banda de paso de 1 dB y pendiente de la atenuación
en la banda de supresión 30 dB/octava.
El orden del filtro:
30
n= =5
6
Los polos de Chebychev:
p
= e0,23·1 − 1 = 0, 508527
1 1
φ2 = arcsenh = 0, 285707
5 0, 508527
senh(0, 285707) = 0, 28961 cosh(0, 285707) = 1, 041092

para k=0
π π
σ0 = −0, 2896sen( ) = −0, 0894 ω0 = 1, 04109268cos( ) = 0, 9901
10 10
para k=1
3.π 3.π
σ1 = −0, 2896sen( ) = −0, 234299 ω1 = 1, 04109268cos( ) = 0, 6119
10 10
para k=2
5.π 5.π
σ2 = −0, 2896sen( ) = −0, 28961 ω2 = 1, 04109268cos( ) = 0, 0000
10 10
Los polos del filtro Chebychev están ubicados en una elipse como se muestra en la figura 7.28.
Figura 7.28: Los polos del filtro Chebychev.
Circuito que realiza el polo real en σ2 = −0, 28961

El circuito que realiza el polo real se muestra en la figura 7.29. La función de transferencia de
este circuito es
σ2 1
H(s) = K2 σ2 = .
s + σ2 r2 c2
Si se elige la ganancia K2 = 1 y c2 = 1 podemos calcular la resistencia r2 .
1 1
r2 = = = 3, 460207
σ2 0, 289
El valor desnormalizado R2 se calcula mediante la ecuación R2 = R0 · 3, 460207. Si se elige el
condensador desnormalizado 1000 pF de la ecuación
c2
C2 = ,
2πf0 · R0
se calculan R0 y R2
c2
R0 = = 19894 Ω R2 = 3, 460207 · 19894 = 68838 Ω.
2π8000 · 10−12 1000
En la frecuencia f1 = σ2 f0 = 0, 289 · 8000 = 2312 Hz la atenuación debe aumentar en 1 dB. Si
no es ası́ es necesario ajustarla con la resistencia R2 .
Circuito que realiza el polo complejo en s = −0, 0894 ± j0, 9901.

El circuito que realiza el polo complejo ω0 = 0, 9901, σ0 = −0, 0894 se muestra en la figura
7.30a). La atenuación en la frecuencia f00 = ω00 · f0 debe ser 20 · log(Q00 ) como se muestra en
la figura 7.30b). En frecuencias muy bajas la ganancia debe ser 20 · log(µ). Primero se calculan
ω00 y la calidad Q00 .
q
0, 994127
ω00 = 0, 08942 + 0, 99012 = 0, 994127 Q00 = = 5, 55999
2 · 0, 0894
Figura 7.29: Circuito que realiza el polo real y la atenuación.
Figura 7.30: Circuito que realiza el polo complejo y su atenuación.
La resistencia normalizada en el circuito y la ganancia toman la forma
1 1
r1 = r2 = r = = 1, 0059 µ00 = 3 − = 2, 82014
0, 994127 Q00
El valor de los condensadores se seleccionan a c = c1 = c2 = 1000 pF . Ahora se puede calcular
la resistencia R0 para desnormalizar los elementos del circuito
c 1
R0 = = = 19894, 367 Ω,
2πf0 C 2π8 · 103 · 1000 · 10−12
y los resistencias del segundo bloque son
R = R1 = R2 = r · R0 = 1, 0059 · 19894, 367 = 20, 011 kΩ.

La ganancia es 20 · log(µ00 ) = 20 · log(2, 82014) = 9, 0054 dB y a la frecuencia
f00 = ω00 · f0 = 0, 994127 · 8000 = 7953 Hz,

la atenuación debe ser
20 · log(µ00 ) + 20 · log(Q00 ) = 23, 904 dB.

Cada bloque se ajusta por separado. Si no se obtienen los valores deseados, se ajusta con el
potenciometro que realiza RA0 y RB0 una frecuencia muy baja, digamos 100 Hz, la ganancia a 9
dB y con el valor de R0 se ajusta la atenuación (14,901+9,0054)=23,9 dB en la frecuencia 7953

Hz. Las resistencias RA0 y RB0 que ajustan la ganancia se calculan mediante la equación
RA0 + RB0
µ= .
RA0
Si RA0 =1 entonces RB0 = µ-1=1,82014. Se elije RA0 = 1000 Ω y RB0 = 1820 Ω.
Circuito que realiza el polo complejo en s = −0, 234 ± j0, 6119.

El circuito que realiza el polo complejo ω1 = 0, 6119, σ1 = −0, 234 se muestra en la figura
7.31a). La atenuación en la frecuencia f01 = ω01 · f0 debe ser 20 · log(µ01 ) + 20 · log(Q01 )
dB como se muestra en la figura 7.31b). En las frecuencias muy bajas la ganancia debe ser
20 · log(µ01 ) = 7, 18 dB. Primero se calcula ω01 y la calidad Q01 .
Figura 7.31: Circuito que realiza el polo complejo y su atenuación.
q
0, 655116
ω01 = 0, 2342 + 0, 61192 = 0, 655116 Q01 = = 1, 39982
2 · 0, 234
La resistencia normalizada en el circuito y la ganancia toman la forma
1 1
r1 = r2 = r = = 1, 526477 µ01 = 3 − = 2, 2856
0, 655116 Q01
El valor de los condensadores se eligen c = c1 = c2 = 1000 pF . Ahora se puede calcular la
resistencia R0 para desnormalizar los elementos del circuito
c 1
R0 = = = 19894, 367 Ω
2πf0 C 2π8000 · 1000 · 10−12
y las resistancias del segundo bloque son
R = R1 = R2 = r · R0 = 1, 526477 · 19894, 367 = 30, 368 kΩ

La ganancia es 20 · log(µ01 ) = 20 · log(2, 2856) = 7, 18 dB y a la frecuencia
f01 = ω01 f0 = 0, 655116 · 8000 = 5240 Hz,

la atenuación debe ser
20 · log(µ01 ) + 20 · log(Q01 ) = 10, 10 dB.

7.7. diseño de los filtros con girador 155
Cada bloque se ajusta por separado. Si no se obtienen estos valores es necesario hacer un ajuste a
una frecuencia muy baja con el potenciometro que realiza RA y RB , digamos 100 Hz y ganancia
7,18 dB. Con el valor de R1 se ajusta la atenuaciónla atenuación (7,18+2,92)=10,1 dB en la
frecuencia 5240 Hz. Los resistores RA1 y RB1 que ajustan la ganancia se calculan mediante la
ecuación
RA1 + RB1
µ= .
RA1
Si RA1 =1 entonces RB1 = µ − 1=1,2856. Si se elije RA1 = 1000 Ω, la resistencia RB1 debe ser
1285 Ω. Después de ajustar los bloques por separado se conectan en cascada como se muestra
en la figura 7.32
Figura 7.32: Circuito en cascada.
7.7. Diseño de los filtros con girador

Si se conecta en la salida de un girador un condensador el circuito resultante se comporta como
una bobina. El girador se realiza mediante dos amplificadores sin resistancias. Las resistencias
al ser integrados ocupan mucho espacio y son muy sensibles a la variación de temperatura. El
circuito con el girador contiene sólo amplificadores y capacidades que no ocupan tanto espacio
en la forma integrada como los filtros activos con resistencias, capacitancias y amplificadores.
7.7.1. Girador.
El girador se realiza con dos amplificadores. Para diseñar el girador primero se calcula la matriz
de admitancia de un amplificador real (no ideal), que se muestra en la figura 7.33b). En la
figura 7.33a) se muestra el bloque funcional de amplificador y en la figura 7.33b) se muestra
la estructura de un amplificador real con las resistencias R1 y R2 . De los circuitos en la figura
7.33b) se pueden escribir las siguientes ecuaciones
Ik + Ii = 0 Uik = Ui0 − Uk0

Is + Ib = 0 Usb = Us0 − Ub0
Ii = G1 (Ui0 − Uk0 ) Is = s(Ui0 − Uk0 ) + G2 (Us0 − Ub0 )
Ik = −G1 (Ui0 − Uk0 ) Ib = −s(Ui0 − Uk0 ) − G2 (Us0 − Ub0 )
Estas ecuaciones se pueden escribir en forma matricial.

     
Ii G1 0 −G1 0 Ui0
 Is   S G2 −S −G2   U
  s0

= ×
   
Ik −G1 0 G1 0   Uk0
 
   
Ib −S −G2 S G2 Ub0
La matriz de admitancia de un amplificador real toma la forma
 
G1 0 −G1 0
 S G2 −S −G2 
Y= .
 
 −G1 0 G1 0 
−S −G2 S G2
Figura 7.33: Bloque funcional y estructura del amplificador real.
Ejemplo 7.15:
Calcular la matriz de admitancia del circuito con el amplificador real de la figura 7.34.
Figura 7.34: Circuito con amplificador real.
Primero se calcula la matriz de la red pasiva.

 
Y1 0 0 −Y1
 0 0 0 0 
YPas = 
 
0 0 0 0

 
−Y1 0 0 Y1 + Y2
Para obtener la matriz de admitancia del circuito activo es necesario sumar la matriz de la red
pasiva con la matriz del amplificador real.
 
Y1 + G 1 0 −G1 −Y1
 S G2 −S −G2 
Y=
 
−G1 0 G1 0

 
−S − Y1 −G2 S G2 + Y1 + Y2
De aquı́ en adelante se va a suponer el amplificador ideal. Primero se supone que la resistencia del
amplificador en la entrada es igual a infinito, R1 = ∞, G1 = 0. La matriz anterior se modifica.
 
Y1 0 0 −Y1
 S G2 −S −G2 
Y=
 
0 0 0 0

 
−S − Y1 −G2 S G2 + Y1 + Y2
En esta matriz se van a reducir los nodos internos 1 y 4 (I y B) y se calcula la matriz siguiente
∆22
− ∆∆22,33 (−1)5
 23

∆22,33
[Y] =  .
 
− ∆∆22,33
32
(−1)6 ∆33
∆22,33
El subdeterminante ∆22,33 se obtiene eliminando en la matriz la segunda y tercera lı́nea y la

segunda y tercera columna.

Y1 −Y1
∆22,33 = = Y1 (G2 − S + Y2 )

−S − Y1 G2 + Y1 + Y2
El subdeterminante ∆32 se obtiene eliminando en la matriz la tercera lı́nea y la segunda columna.

Y1 0 −Y1

∆32 = S −S −G2 = −SY1 Y2

−S − Y1

S Y1 + Y2 + G2
Si se calculan los otros subdeterminantes se obtiene la matriz del circuito activo

" #
0 0
[Y] = SY2 Y2 G2 .
− Y2 +G 2 −S Y2 +G2 −S
Si se tiene en cuenta que el amlificador es ideal, entonces la ganancia S = ∞ y se obtiene de la
matriz anterior la matriz de admitancia
" #
0 0
[Y] =
Y2 0
De la última matriz se pueden escribir dos ecuaciones
I1 = 0 I2 = Y2 U1
De estas ecuaciones se puede ver que el circuito resultante es una fuente de corriente controlada
por el voltaje en la entrada. El circuito se muestra en la figura 7.35a). La matriz de admitancia
del circuito en la figura 7.35b) toma la forma
Figura 7.35: Fuente de coriente controlada por voltaje a) y b) y el girador c).
" #
0 Y2
[Y] = .
0 0
Si se conectan los circuitos en la figura 7.35a) y 7.35b) en paralelo se obtiene un girador que se
muestra en la figura 7.35c). La matriz de admitancia de un girador toma la forma
" #
0 Y2
[Y] = .
Y2 0
La estructura y el sı́mbolo de un girador se muestra en la figura 7.36a,b). En la figura 7.36c) se
muestra como se realiza fı́sicamente el inductor mediante un girador y un condensador.
Figura 7.36: a) Girador, b) el sı́mbolo de girador y c)la realización fı́sica de una inductancia.
Ejemplo 7.16:
Calcular el circuito equivalente que se obtiene si se conectan dos giradores en cascada.
Un girador tiene la impedancia R1 y el otro R2 . Primero es necesario calcular la matriz de
cascada del girador. De las ecuaciones lineales del girador se obtiene
U2
U1 = R1 I1 I1 = .
R1
La matriz de cascada del primer girador es
" # " # " #
U1 0 R1 U2
= 1 × .
I1 R1 0 I2
La ecuación matricial de cascada para segundo girador con la resistencia R2 toma la forma
" # " # " #
U1 0 R2 U2
= 1 × .
I1 R2 0 I2
Para dos giradores conectados en cascada como se muestra en la figura 7.37, las matrices de cas-
cada se multiplican. La matriz resultante en la ecuación (7.48) es la matriz de un transformador
con n = RR2 .
1
" # " # " # " #

R1
0 R1 0 R2 R2 0 n 0
A= 1 × 1 = R2 = 1 (7.48)
R1 0 R2 0 0 R1
0 n
Figura 7.37: Dos giradores en cascada equivalen a un transformador.
Ejemplo 7.17:
Calcular la impedancia de entrada de un girador con un condensador conectado a la salida como

se muestra en la figura 7.38. De las ecuaciónes de un girador
Figura 7.38: Girador terminado con un capacitor en la salida.
1
U1 = RI2 I1 = U2 ,
R
se puede calcular la ecuación (7.49) si a la salida del girador se conecta el condensador C2 . De

la ecuación (7.49) se deduce que la impedancia de entrada Z1 es la impedancia de una bobina.
Esto significa que el inductor se simula mediante un girador y un capacidor conectado en la
puerta de salida.
R2
Z1 = = jωC2 R2 = jωL2 (7.49)
Z2
De la ecuación (7.49) se ve que la inductancia L2 tiene el valor R2 C2 . El girador con el conden-
sador de 6 nF conectado en su salida simula una bobina de 24 mH, si R=2000.
L = R2 C2 = 20002 · 6 · 10−9 = 0, 024H
Ejemplo 7.18:
Calcular el filtro de Butterworth paso bajas de tercer orden, si la frecuencia del corte f1 = 3400
Hz y la atenuación máxima es amax = 3 dB. El filtro en su salida se conecta con la impedancia
de R2 = 1000 Ω.
Los elementos del filtro Butterworth normalizado son c1 = c3 = 1 y la inductancia l2 = 2. En la

figura 7.39a) se muestra el filtro paso bajas normalizado. Para desnormalizar los valores con el
respecto a la frecuencia de corte y con impedancia de 1000 Ω se utilizan las ecuaciones
c lR2
C= L= .
2πf1 R2 2πf1
Los elementos del filtro desnormalizados son:
1
C1 = C3 = = 46, 8 nF
2π3400 · 1000
2 · 1000
L2 = = 93, 62 mH.
2π3400
En la figura 7.39c) se muestra el circuito que simula la bobina en la rama serie. El condensador
que simula la bobina con dos giradores se calcula mediante la relación C = L/R2 . Si se elige
R=1,4144 kΩ se obtiene un condensador de 46,8 nF . Del circuito de la figura 7.39d) se deduce
que los valores de los condensadores en el circuito son iguales. Si se construyen muchos filtros de
este tipo, la fabricación en serie es más barata. Además se puede ver, que el circuito no contiene
resitancia que ocupa en la fabricación del circuito integrado mucho espacio.
L2 93, 62 · 10−3
C2 = = = 46, 8 nF
R2 (1, 4144 · 103 )2
Ejemplo 7.19:
Calcular el filtro paso altas de tercer orden, con frecuencia de corte f1 = 30 Hz y atenuación
máxima de amax = 3 dB. El filtro en su salida se conecta con una impedancia de R2 = 1000 Ω.
Los elementos del filtro Butterworth normalizado paso bajas son c1 = c3 = 1 y la inductancia l2 =
2. En la figura 7.40a) se muestra el filtro Butterworth paso bajas normalizado. Para denormalizar
Figura 7.39: Paso bajas con girador.
los valores con respecto a la frecuencia de corte f−1 = 30 Hz y la impedancia de salida 1000 Ω
se utilizan las ecuaciones
l R2
C= L= .
l · 2πf−1 R2 c · 2πf−1
Los elementos del filtro desnormalizados son:
1
C1 = C3 = = 5, 30 µF
2π30 · 1000
·1000
L2 = = 2,65 H
2 · 2π30
En la figura 7.39c) se muestra el circuito que simula el inductor en la rama paralela. El conden-
sador que simula el inductor, con dos giradores, se calcula mediante la relación C = L/R2 . Si
se selecciona el condensador entre los dos giradores 5, 30 µF se obtiene el valor de la constante
R=707.1 Ω. Del circuito de la figura 7.40d) se puede ver, que los valores de los condensadores
en el circuito son iguales.
s s
L2 2,65
R= = = 707,1
C2 (5, 30 · 10−6 )
Ejemplo 7.20:
Calcular los valores del filtro paso bajas de la figura 7.41 para la aproximación de Butterworth,
frecuencia de corte f1 = 10 kHz, R=1000 Ω, H=10, y amax = 3 dB.
Primero se calcula la función de transferencia U2 /U1
Figura 7.40: Paso altas con girador.
Figura 7.41: Paso bajas con girador.
" # " # " # " #

1 R 1 0 0 T 1 0
A= × × 1 × (7.50)
0 1 sC1 1 T 0 sC2 1
 
1
T sC2 + s2 RC1 C2 T + T T (1 + RsC1 T )
A= (7.51)
 

1
T s2 C1 C2 + T sC1 T
1 U2 T
= = 2 (7.52)
A11 U1 s RC1 C2 T + sC2 T 2 + R
2
1 1 1
Si se sustituyen en la ecuación (7.52) los términos D = T, S1 = C1 y S2 = C2 se obtiene la
función de transferencia
U2 DGS1 S2
= 2 (7.53)
U1 s + sS1 G + S1 S2 D2
La ecuación (7.53) es una función de transferencia del filtro paso bajas. En el caso de Butterworth
la función de transferencia desnormalizada toma la forma
7.8. realización de la bobina mediante un girador 163
U2 Hω02
= 2 (7.54)
U1 s + saω0 + ω02
Si se compara (7.53) con (7.54) se obtienen tres ecuaciones
Hω02 = DGS1 S2
Bω02 = S1 S2 D2
S1 G = aω0
Si se conoce el valor de la resistencia R se puede calcular el condensador C1 , D y C2 mediante

las ecuaciones
1 b D2
C1 = D= C2 =
aRω0 RH C1 ω 2
1
C1 = √ = 11, 253953 nF
1000 2 · 2π · 104
1
D= = 10−4 ⇒ T = 10 kΩ
1000 · 10
10−8
C2 = = 225, 079 · 10−12 F
11, 253953 · 10−9 4π 2 · 108
El circuito paso bajas se muestra en la figura 7.41
7.8. Realización de la bobina mediante un girador

La bobina se puede realizar mediante el circuito en la figura 7.42. Para escoger las impedancias
Z1 ...Z5 en el circuito que realiza la bobina, es necesario calcular primero la impedancia de
entrada Z1 . El primer circuito en la cascada tiene la matriz de cascada
" #
1 0
A1 = Z1 . (7.55)
0 −Z 2
El segundo circuito tiene la matriz de cascada (7.56).

" #
1 0
A2 = . (7.56)
0 −Z 3
Z4
Si se conectan los circuitos en cascada la matriz de cascada resultante toma la forma

Figura 7.42: Circuito de dos amplificadores en cascada
" #
1 0
A = A1 · A2 = Z2 Z4 . (7.57)
0 Z 1 Z3
De esta matriz se puede escribir las ecuaciones lineales.
U1 = U2
(7.58)
I1 = Z2 Z4
Z1 Z3 I2
Si se calcula la impedancia de entrada Z1 se obtiene
U1 Z1 Z3 U2 Z1 Z3 Z5
Z1 = = = . (7.59)
I1 Z2 Z4 I2 Z2 Z4
Si se elige Z5 = r, Z4 = c y Z1 = Z2 = Z3 = 1 se obtiene de la ecuación (7.60).
Z1 = scr = sL (7.60)
Entonces la impedancia Z1 tiene el carácter de inductancia y el condensador se calcula mediante
la ecuación (7.61).
L
c= (7.61)
r
El circuito de la figura 7.42 se puede dibujar en la forma que se muestra en la figura 7.43.
Figura 7.43: Circuito que realiza la inductancia

7.8. realización de la bobina mediante un girador 165
Ejemplo 7.21:
Calcular el filtro paso altas de Butterworth en la forma normalizada para n=3, amax = 3 dB,
R0 = 1 y ω0 = 1.
Los filtros de Butterworth paso bajas y paso altas se muestran en la figura 7.44. Los valores del
filtro paso bajas se obtienen de los catálogos. Despues de transformación de los valores del filtro
paso bajas se obtiene el paso altas que se muestra en la figura 7.44b). El filtro paso altas con un
girador se muestra en la figura 7.45. Si se analiza el filtro con girador mediante un programa se
obtiene la misma función de transferencia que para el filtro LC.
Figura 7.44: Paso bajas y paso altas de Butterworth para n=3.
Figura 7.45: Paso alta normalizada con girador.
Ejemplo 7.22:
Calcular el filtro paso altas de Butterworth para un orden del filtro n=3, amax = 3 dB, frecuencia
de corte f−1 = 3400 Hz e impedancia en la entrada y salida R = 1000 Ω.
De las tablas para el filtro de tercer orden, del filtro Butterworth y amax = 3 dB se obtiene
el circuito que se muestra en la figura 7.46a). Los valores normalizados del filtro paso bajas se
transforman y desnormalizan mediante las ecuaciones siguientes y se obtiene:
1 1
C= = = 46, 810 nF
R0 ω−1 l 1000 · 2π3400
R0 1000
L= = = 23,405 mH
ω−1 c 2π3400 · 2
L 23, 405 · 10−3
R4 = = = 500 · 103 Ω
C 46, 810 · 10−9
Figura 7.46: Paso bajas y paso altas en las formas normalizadas.
l 23, 405 · 10−3

C1 = = = 46, 810 nF
R4 500 · 103
El circuito paso altas desnormalizado con el girador se muestra en la figura 7.47. La frecuencia
de corte del paso altas es f−1 = 3400 Hz.
Figura 7.47: Paso altas con el girador.
7.9. Los filtros electrónicos con condensador doble

Si la impedancia de cada elemento del circuito se divide entre ωs0 donde ω0 es la frecuencia angular
de corte, entonces las resistencias se transforman en condensadores, las bobinas en resistencias
y los capacidores en condensadores doble. En la figura 7.48 se muestra esta transformación para
ω0 = 1.
El condensador doble se puede realizar mediante el circuito en la figura 7.42. En las ecuaciones
(7.59) se elige C1 = C5 = C y R2 = R3. Bajo estas condiciones la admitancia de entrada que se
obtiene de la ecuaci’on (7.59) toma la forma
Z2 Z4
Y1 = = s2 C 2 R4 (7.62)
Z1 Z3 Z5
Bajo estas condiciones el circuito en la figura 7.42 se convierte en el circuito 7.49a). Este circuito
realiza el doble condensador cuyo bloque se muestra en la figura 7.49b).
7.9. los filtros electrónicos con condensador doble 167
Figura 7.48: Transformación z/s.
Figura 7.49: a) Doble capacitor con dos amplificadores, b) sı́mbolo.
Ejemplo 7.23:
Calcular el filtro paso bajas de Butterworth si la frecuencia de corte es f1 = 1000 Hz, la resistencia
a la entrada y a la salida es R0 = 10 kΩ, amax = 3 dB y el orden del filtro es n=3.
De las tablas se obtiene el circuito paso bajas de Butterworth normalizado que se muestra en la
figura 7.50a). El circuito después de la transformación a un circuito con doble condensador se
muestra en la figura 7.50b).
El circuito resultante después de la desnormalización se muestra en la figura 7.51. Mediante un
sencillo análisis se puede verificar, que la atenuación del filtro paso bajas con el doble conden-
sador cumple las especificaciones del ejemplo. Los valores desnormalizados del filtro con doble
condensador se obtienen mediante las siguientes ecuaciones:
1
C1 = C2 = = 15, 915 nF
2π · 107
2
C3 = C4 = = 31, 831 nF
2π107
R1 = R2 = R3 = R4 = 10 kΩ R5 = 20 kΩ
Figura 7.50: a) Paso bajas LC b) paso bajas con doble capacitor.
Figura 7.51: Paso bajas con doble condensador en la forma normalizada y desnormalizada.
Tarea 7.1:
Calcular del filtro paso bajas de Butterworth de orden 5 con el condensador doble si amax = 1
dB, frecuencia de corte f1 = 2400 Hz y las resistancias de entrada y salida R1 = R2 = 125 Ω.
Tarea 7.2:
Calcular el filtro paso altas de Chebychev de orden 5 con el girador si amax = 0,5 dB, frecuencia
del corte f−1 = 2700 Hz y las resistencias de entrada y salida R1 = R2 = 75 Ω.
Tarea 7.3:
Calcular el filtro paso bajas de Chebychev de orden 5 en cascada, si amax = 0,5 dB, frecuencia
de corte f1 = 2700 Hz. Utilice dos circuitos de segundo orden y un circuito de primer orden en
cascada.
Tarea 7.4:
Calcular el filtro paso altas de Chebychev de orden 5 en cascada, si amax = 0,2 dB, frecuencia
de corte f1 = 2900 Hz. Utilice dos circuitos de segundo orden y un circuito de primer orden en
cascada.
Capı́tulo 8
Filtros con capacitancia conmutada.
Para el filtro en la figura 8.1a podemos escribir la ecuación
dU U1 − U2
Ic = C =C (8.1)
dT T
Para el circuito en la figura 8.1b se obtiene
Figura 8.1: a) Condensador b) Resistencia.
U1 − U2
Ir = . (8.2)
R
Si en ambos circuitos las corientes son iguales I c = I r se puede escribir
U1 − U2 U1 − U2
C = ,
T R
y la resistencia se puede con una capacitancia conmutada. El valor de la capacitancia se calcula
mediante la ecuación (8.3), donde T = 1/fm . El método de calculo del filtro de capacitancias
conmutados se muestra en el siguiente ejemplo.
1
C= (8.3)
fm · R
Ejemplo 8.1:
Calcular el filtro paso bajas de Butterworth con capacitancia conmutada para las especificaciones
169
170 capı́tulo 8. filtros con capacitancia conmutada.
K=2 f1 = 1500 Hz n=2 fm = 20000 Hz
De un catálogo de filtros activos se obtienen los valores normalizados del filtro activo RC que se
muestra en la figura 8.2
Figura 8.2: Circuito paso bajas activo.
r1 = r2 = 1 c1 = 0, 87403 c2 = 1, 14412
Si se elige la resistencia R0 = 105 Ω, para la desnormalización, entonces se puede calcular para
la frecuencia angular ω = 2π1500 = 9424, 778 rad/seg los valores desnormalizados
R1 = 1 · 105 = 100 kΩ
R2 = 1 · 105 = 100 kΩ
0, 87403
C1 = 5 = 927 pF
10 · 9424, 778
1, 14412
C2 = = 1213, 9 pF
105 · 9424, 778
Si la frecuencia de conmutación es fm = 20000 Hz, los condensadores conmutados se calculan
mediante la ecuación (8.3) y toman el valor
1
Ccon1 = Ccon2 = = 500 pF
105
· 20 · 103
El circuito paso bajas con las capacitancias conmutadas se muestra en la figura 8.3
8.1. Filtro SC de segundo orden.

En el ejemplo anterior el filtro FCC se calculó desde la estructura del filtro RC Activo (RCA).
Otra posibilidad para realizar el filtro con las capacitancias conmutadas FCC es la función de
transferencia H(z) de segundo orden (8.4)
g + ez −1 + dz −2
H(z) = , (8.4)
1 + az −1 + bz −2
8.1. filtro sc de segundo orden. 171
Figura 8.3: Circuito paso bajas con capacitancias conmutadas.
donde z = esT , T es el tiempo de conmutación. Para el circuito de segundo orden de la figura

8.4 mediante un análisis se obtiene la función de transferencia H(z) (8.5).
Figura 8.4: Filtro discreto con capacitancias conmutadas.
DI + (AG − DI − DJ)z −1 + (DJ − AH)z −2

H(z) = . (8.5)
D(F + B) + (AC + AE − DF − 2DB)z −1 + (DB − AE)z −2
Desde el punto de vista práctico es necesario calcular la función de transferencia después del
primer amplificador H0 (z).
H0 (z) =
CI + EI − GF − GB + (F H + BH + BG − JC − JE − IE)z −1 + (EJ − BH)z −2

(8.6)
D(F + B) + (AC + AE − DF − 2DB)z −1 + (DB − AE)z −2
Para obtener un circuito estable es necesario que la ganancia de ambos amplificadores en la

frecuencia ω0 sean iguales. Si no es ası́ es necesario cambiar los elementos A y D por una
constante que se calcula mediante las ecuaciones
H−H0
µ = 10 20 . (8.7)
1 1
A= A, D = D. (8.8)
µ µ
La estructura principal la podemos simplificar si se seleccionan los valores del circuito de la
siguiente manera
A = B = D = 1 F = 0.
Si se cambian en el circuito 8.4 los conmutadores como se muestra en la figura 8.5, se obtiene
una nueva estructura del filtro, figura 8.6. Además si se exige que el circuito tenga la misma
ganancia del circuito original, la ganancia se puede cambiar mediante el parametro ν
Figura 8.5: Conmutadores para simplificar el circuito.
ν(dB)
ν = 10 20 . (8.9)
La constante ν(dB) es el valor con que se puede cambiar y controlar la ganancia. La ganancia
del circuito se cambia si se cambian los valores de los ccondensadores mediante los expresiones
siguientes
(G, H, I, J) −→ (νG, νH, νI, νJ)
(B, C, E, F ) −→ (B/ν, C/ν, E/ν, F/ν).

Los valores de los elementos obtenidos A, B, C, D, E, G, e I se normalizan en dos etapas siempre
a un valor mı́nimo. Ası́ se obtienen los elementos normalizados que es necesario desnormalizar.
Si el filtro se realiza con un amplificador de typo MOS, es necesario calcular el valor mı́nimo del
condensador que se puede situar en el circuito
1
Cmin = .
fm RCM OS
8.1. filtro sc de segundo orden. 173
Figura 8.6: Circuito para los valores de los condensadores A=B=D=1 y F=0.
El valor máximo que puede alcanzar el condensador en el circuito se calcula mediante la ecuación
1
Cmax = .
5fm Ri
Los valores de los condensadores en el circuito se calculan mediante las ecuaciones
A=B=D=1 F =0
C =1+a+b E =1−b
G = 2g + e H =g−d
I = J = g.
Ejemplo 8.2:
Calcular el filtro discreto con capacitancias conmutadas si se conoce la función de transferencia
0, 0263312 − 0, 0263312z −2 g + ez −1 + dz −2
H(z) = = . (8.10)
1 − 1, 830595z −1 + 0, 947337z −2 1 + az −1 + bz −2
Si se sustituyen los valores g, e, a, b, y d en los ecuaciones anteriores se obtiene
A=B=D=1 F =0
C = 0, 116742 G = 0, 052662
E = 0, 052662 H = 0, 052662
I = J = 0, 026331.
La función de transferencia H0 (z), (8.6), después de primer amplificador toma la forma
−0, 048202 + 0, 0994272z −1 − 0, 051275z −2

H0 (z) = .
1 − 1, 830594z −1 + 0, 947337z −2
Si no nos interesa la realización fı́sica del filtro el cálculo ya terminó, porque los valores de los
condensadores A hasta J son conocidos. Si se va a realizar el circuito es necesario cambiar la
ganancia del amplificador. Si la frecuencia de corte es f1 =1595 Hz, se calcula la ganancia H(z)
y H0 (z) en la frecuencia f1 .
En la frecuencia f1 = 1595 Hz a = 20 · log|H(z)| = −0, 000114

En la frecuencia f1 = 1595 Hz a0 = 20 · log|H0 (z)| = −9, 44469.
La diferencia de la ganancia después del primer y segundo amplificador es muy grande. Es
necesario que la ganancia de ambos amplificadores sea la misma. Eso se obtiene mediante las
ecuaciones (8.7) y (8.9).
−0,000114+9,444693
µ = 10 20 = 2, 966394.
Los nuevos valores de los condensadores A y B son
A
A= = 0, 337109
µ
D
D= = 0, 337109.
µ
Si se calculan las nuevas funciones de transferencias H(z) y H0 (z), se puede ver que la función
de transferencia H(z) no varı́a, pero H0 (z) es diferente.
−0, 142985 + 0, 295090z −1 − 0, 152104z −2

H0 (z) = .
1 − 1, 830595z −1 + 0, 947337z −2
La ganancia después del primer amplificador es a0 = 20 · log|H0 (1595)| = −0, 00011308. Ahora
se van a normalizar los valores de los condensadores A hasta I en dos etapas.
En la primera etapa se normalizan los elementos A = 0, 337109, B = 1 y I = 0, 026331. El
valor mı́nimo del condensador será 1. La constante Cnorm para normalizar los valores de los
1
condensadores es Cnorm = 0,026331 = 37, 977728. Los valores obtenidos son
A = 12, 802654 B = 37, 977728 I = 1.

En la segunda etapa se normalizan los valores de los condensadores C, E, D, G, y F.
C = 2, 216810 E=1
D = 6, 4011327 G=1
Es necesario desnormalizar los valores de los condensadores. Se toma en cuenta el valor del
condensador máximo que no se puede sobrepasar. Si se utilizan amplificadores de tipo FET
la resistencia de la entrada es RV ST = 2000000 Ω. Si la frecuencia de conmutación es fm =
28800 Hz, entonces el valor mı́nimo del condensador en el circuito en la figura 8.6 es
1 1
Cmin > = = 17, 361 · 10−12 .
fv Rvst 2 · 10 · 2, 88 · 104
6
La impedancia del conmutador cuando está cerrado será 500 Ω. Entonces el valor máximo del
condensador es
1
Cmax = = 13, 88810−9 .
5 · 2, 88 · 104 · 500
Si se elige el valor del condensador mı́nimo 25 pF , el valor de los condensadores E, G, I es 25
pF y los demás se calculan con la misma relación.
8.2. análisis de los circuitos scf. 175
A = 320, 066 pF B = 949, 443 pF

C = 55, 420 pF D = 160, 0283 pF.
El filtro completo se muestra en la figura 8.6. En la figura 8.7 a) se muestra la atenuación del
circuito obtenido mediante con MATLAB empleando la función de transferencia ecuación (8.10).
La figura 8.7 b) muestra la atenuación del circuito obtenida mediante el programa MAPLE con
el circuito dado en la figura 8.6.
Figura 8.7: Atenuación del circuito de la figura 8.6.
8.2. Análisis de los circuitos SCF.

TIEMPO CONTINUO
La carga q(t) almacenada en el tiempo t, en el condensador C se puede expresar mediante la
corriente i(t) y el voltaje u(t) por la ecuación
Z t
q(t) = i(t) dt = Cu(t) − Cu(0), (8.11)
o
donde u(0) es el voltaje en el condensador C en el tiempo t=0. El análisis se puede generalizar

mediante el circuito con nodos multiples que se muestra en la figura 8.8b).
Para cada nodo del circuito en la figura 8.8b) se pueden escribir una serie de ecuaciones nodales
que se pueden expresar en forma matricial
Z t
[q(t)] = i(t) dt = [C][u(t)] − [C][u(0)]. (8.12)
o
Si se describe el circuito con capacitancias puras en los términos de carga y voltajes, la matriz
[C] contiene sólo elementos reales invarientes en el tiempo.
TIEMPO DISCRETO
En este caso se toman en cuenta la carga de los condensadores durante cierto tiempo nτ , i(t) =
i(nτ ). La carga se calcula mediante la ecuación
Z ∞
q(t) = i(t)δ(t − nτ ) dt = i(nτ )τ0 τ0 = 1 [s]. (8.13)
−∞
Figura 8.8: Condensador y el circuito con multiple nodos.
Las ecuaciones nodales de carga en el caso del tiempo discreto toman la forma
[q(n)] = [τ0 i(n)] = [C][u(n)] − [C][u(n − 1)]. (8.14)

Esta última ecuación se puede escribir de la siguiente forma
C C

i(n) = u(n) − u(n − 1), (8.15)
τ0 τ0
donde i(n) y u(n) son los vectores. La ecuación matricial (8.15) corresponde a la regla de
Kirchhoff para las corrientes. La ecuación (8.15) forma la base para el análisis de los circuitos
con las capacitancias conmutadas. La matriz [C/τ0 ] contiene solo los valores reales y los elementos
que no dependen de la frecuencia. Todos los condensadores están normalizados a τ0 = 1 [s] y
tienen la misma dimensión.
Ejemplo 8.3:
Ahora se continúa con un ejemplo ilustrativo de cómo construir la ecuación matricial para el
circuito que se muestra en la figura 8.9a.
Figura 8.9: Circuito de dos puertos: a) con condensadores, b) con resistencias.
La ecuación matricial para el circuito de dos puertos con condensadores se compone de dos
matrices. En la primera matriz la admitencia y11 es la suma de todos capacitores conectados

directamente al nodo 1. La admitancia y12 es la suma de los condensadores conectados entre los
nodos 1 y 2 directamente con signo negativo. En la segunda matriz se crean los elementos de
igual manera, sólo el vector ui (n − 1) representa la capacidad del condensador de mantener la
carga.
" # " # " #
i1 (n) (C1 + C3 ) −C3 u1 (n)
= .
i2 (n) −C3 (C2 + C3 ) u2 (n)
" # " #
(C1 + C3 ) −C3 u1 (n − 1)
− . (8.16)
−C3 (C2 + C3 ) u2 (n − 1)
La ecuación matricial para el circuito que se compone sólo de resistencias es muy parecida. Los
parámetros de la matriz son conductancias y falta la segunda matriz. La diferencia entre estos
dos circuitos es que el circuito con los condensadores tiene la capacidad de mantener la carga,
que se representa mediante el vector ui (n − 1) en las ecuaciones (8.15) y (8.16).
" # " # " #
i1 (t) (G1 + G3 ) −G3 u1 (t)
= . (8.17)
i2 (t) −G3 (G2 + G3 ) u2 (t)
En el siguiente ejemplo se van a incluir en el circuito los interruptores. Se conocen básicamente
dos tipos de interruptores:
1. Interruptor por encima del condensador:
El interruptor colocado por encima del condensador se muestra en la figura 8.10. El interruptor
está cerado en un ciclo τ segundos y despúes abierto durante el mismo ciclo. Si se abre en el
tiempo nτ se obtiene la ecuación de carga (8.18).
Figura 8.10: Interruptor por encima del condensador.
i(n) = Cu(n) − Cu(n − 1) (8.18)

En el tiempo (n − 1)τ se cerró el interruptor, el condensador se descargó y su capacitad de
mantener la carga fue cancelada, entonces u(n-1)=0 y la ecuación (8.18) se reducen a
i(n) = Cu(n). (8.19)

En comparación con la ecuación (8.17) se puede ver que, el condensador con el interruptor
encima se trata como una resistencia.
1
Requi = (8.20)
C
2. Interruptor entre capacitores:
Si el interruptor se conecta entre los condensadores, la topologı́a del circuito cambia cada τ
segundos y la carga se intercambia entre los condensadores. En el circuito 8.11a) hay tres con-
densadores y un conmutador.
Figura 8.11: Interruptor entre dos ccondensadores.
Se asume, que en el tiempo impar n, el conmutador está en el lado izquierda. En este caso se
obtiene el circuito que se muestra en la figura 8.11b). Si se aplican las ecuaciones de la carga a
circuito en 8.11b) se obtiene para n impar la ecuación matricial
" # " # " # " # " #

i1 (n) (C1 + C0 ) 0 u1 (n) C1 C0 u1 (n − 1)
= . − . . (8.21)
i2 (n) 0 C2 u2 (n) 0 C2 u2 (n − 1)
De manera similar para n par se obtiene el circuito en la figura 8.11c) y las ecuaciones matriciales
" # " # " # " # " #

i1 (n) C1 0 u1 (n) C1 0 u1 (n − 1)
= . − . . (8.22)
i2 (n) 0 (C2 + C0 ) u2 (n) C0 C2 u2 (n − 1)
Nuestro objetivo es escribir las ecuaciones matriciales (8.21) y (8.22) en una ecuación matri-
cial general que describa el circuito para ambos ciclos par e impar. Eso se logra mediante los
interruptores dependientes del tiempo:
(
P 1 + (−1)n 1 para n par
A(n) = = (8.23)
2 0 para n impar
(
1 − (−1)n 0 para n par
A(n)I = = (8.24)
2 1 para n impar
Con estos conmutadores dependientes del tiempo, las ecuaciones (8.21) y (8.22) se pueden escribir
en una sola ecuación matricial
" # " # " #
i1 (n) C1 + AI (n)C0 0 u1 (n)
= . −
i2 (n) 0 C2 + AP (n)C0 u2 (n)
" # " #
C1 AI (n)C0 u1 (n − 1)
− P . . (8.25)
A (n)C0 C2 u2 (n − 1)
La ecuación matricial ahora dependiente del tiempo (8.25), describe el circuito de la figura
8.11a). La variabilidad en el tiempo está expresada mediante los conmutadores dependientes del
tiempo. Para el análisis en el dominio de la frecuencia es necesario aplicar a la ecuación matricial
la transformada z. En la tabla 8.1 se muestran algunas transformaciones de las secuencias.
Aplicando las reglas 8-10 de la tabla 8.1 a la ecuación matricial (8.25) se obtiene
U1 (z) − U1 (−z) U2 (z) + U2 (−z) −1

I1 (z) = C1 U1 (z)(1 − z −1 ) + C0 − C0 z (8.26)
2 2
U2 (z) + U2 (−z) U1 (z) − U1 (−z) −1

I2 (z) = C2 U2 (z)(1 − z −1 ) + C0 − C0 z . (8.27)
2 2
El problema es que, en las ecuaciones (8.26) y (8.27), aparecen los términos Ui (z) ± Ui (−z).
Estos términos se pueden expresar mediante las ecuaciones:
Ui (z) + Ui (−z)
= u0 + u2 z −2 + u4 z −4 + ... = UiP (z) (8.28)
2
Ui (z) − Ui (−z)
= u1 z −1 + u3 z −3 + u5 z −5 + ... = UiI (z). (8.29)
2
Por medio de las relacciones 1 hasta 6 y 9 de la tabla 8.2 las ecuaciones (8.26) y (8.27) se
transforman en la forma
I1P + I1I = C1 (U1P + U1I )(1 − z −1 ) + C0 U1I − C0 U2P z −1 (8.30)
I2P + I2I = C2 (U2P + U2I )(1 − z −1 ) + C0 U2P − C0 U1I z −1 . (8.31)
Si se separan las partes pares e impares en las ecuaciones (8.30) y(8.31) se puede escribir la
ecuación matricial (8.32), que tiene cuatro lı́neas y cuatro columnas.
I1P −C1 z −1 U1P

     
C1 0 0
−1 −1
 I1I   −C1 z C1 + C0 −C0 z 0   U1I 
= . (8.32)
     
I2P 0 −C0 z −1 C2 + C0 −C2 z −1 U2P
 
     
I2I 0 0 −C2 z −1 C2 U2I
Tabla 8.1: Transformada z de algunas secuencias.
P∞ −i
1 f(n) F (z) = i=0 fi (n)z
2 an f (n) F ( az )
3 (−1)n f (n) F(-z)
4 (−1)n f (n − 1) −z −1 F (−z)
5 (−1)n f (n − k) (−1)k z −k F (−z)

1+(−1)n 1
6 AP (n) = 2 1−z −2
1−(−1)n z −1
7 AI (n) = 2 1−z −2
1 F (z)+F (−z)
8 AP (n).f (n) 1−z −2
∗ F (z) = 2
z −1 F (z)−F (−z)
9 AI (n).f (n) 1−z −2
∗ F (z) = 2
F (z)−F (−z) −1
10 AP (n).f (n − 1) 2 z
F (z)+F (−z) −1
11 AI (n).f (n − 1) 2 z
Tabla 8.2: Algunos relaciones usadas en el análisis de circuitos con C conmutados.
F (z)+F (−z)
1 AP (n)f (n) 2 = F P (z)
F (z)−F (−z)
2 AI (n)f (n) 2 = F I (z)
3 AP (n − 1)f (n − 1) −1
z F P (z)
4 AI (n − 1)f (n − 1) z −1 F I (z)
5 AP (n)f (n − 1) = AI (n − 1)f (n − 1) z −1 F I (z)
6 AI (n)f (n − 1) = AP (n − 1)f (n − 1) z −1 F P (z)
1
7 AI (n) + AP (n) = 1 AP (z) + AI (z) = 1−z −1
8 AP (n).f (n) + AI (n).f (n) = f P (n) + f I (n) = f (n)
9 f P (n) + f I (n) = f (n) F P (z) + F I (z) = F (z)
8.3. análisis de los circuitos rc conmutados. 181
La parte par e impar de los productos se separa de la siguiente manera
P ar(UiP + UiI )(1 − z −1 ) = UiP − z −1 UiI (8.33)
Impar(UiP + UiI )(1 − z −1 ) = UiI − z −1 UiP (8.34)

La ecuación matricial se puede interpretar como la ecuación de corriente de un circuito de cuatro
puertas que se muestra en la figura 8.12. Eso significa que se pueden escribir cuatro funciones
de transferencia:
U1P U1P U1I U1I

U2P U2I U2P U2I
Al observar la ecuación (8.32), podemos ver, que la matriz es simétrica, lo que significa que el
circuito es recı́proco-pasivo. De la matriz en la figura 8.12 se puede escribir la matriz general
I1P U1P
   
" #
 I1I  [Y11 ] [Y12 ]  U1I 
= × (8.35)
   
I2P [Y21 ] [Y22 ] U2P
 
   
I2I U2I
Figura 8.12: Circuito RC con cuatro puertas.
8.3. Análisis de los circuitos RC conmutados.

El método de análizis de un circuito con capacitancias conmutadas se puede generalizar para
un circuito multipuerto. En la figura 8.13a) para c=0 el circuito se modifica a un circuito que
sólo contiene los conmutadores, figura 8.13b). Cada conmutador se denomina con una letra
para identificar en que periodo está cerrado y en que periodo está abierto. Si el conmutador en
periodo par está cerrado se denominan S P y si está abierto en el mismo periodo S I , como se ve
en las figuras 8.13a) y 8.13b). Si todos los conmutadores están abiertos se obtiene un circuito
que contiene sólo capacitancias, figura 8.13c). El circuito que contiene solo los condensadores
está definido por la ecuación
Figura 8.13: Circuito RC con conmutadores y sus modificaciones.
i(n) = [C]u(n) − [C]u(n − 1) (8.36)

Las relaciones nodales del voltaje de un circuito con condensadores conmutados se expresan de
forma separada para el tiempo par e impar. Si se elige el voltaje U1 de referencia se pueden
escribir de la figura 8.13b) las ecuaciones para el tiempo par
u1 = u1 u2 = 0 u3 = u1 .
Estas ecuaciones se pueden escribir en forma matricial
       
u1 1 0 0 u1 h i u1
I
 u2  =  0 0 0  ×  u2  = S ×  u2  . (8.37)
       
u3 1 0 0 u3 u3
De forma similar para el tiempo impar se obtiene
u1 = u1 u2 = u1 u3 = u3 .
Estas ecuaciones se pueden escribir también en en forma matricial
       
u1 1 0 0 u1 h i u1
P
 u2  =  1 0 0  ×  u2  = S ×  u2  . (8.38)
       
u3 0 0 1 u3 u3
Si se utilizan las funciones de conmutación (8.23) y (8.24) se obtiene la relación de voltajes para
n par y n impar
n o
u(n) = AI (n)[S I ] + AP (n)[S P ] u(n). (8.39)
Esta relación es válida también para el instante del tiempo n-1.

n o
u(n − 1) = AI (n − 1)[S I ] + AP (n − 1)[S P ] u(n − 1) (8.40)
Los elementos de las matrices [S I ] y [S P ] son sólo unos o ceros. Las matrices (8.39) y (8.40) se
pueden sustituir en la ecuación (8.36) y expresar la relación de voltajes nodales en los instantes
de tiempo par e impar.
i(n)=
n o n o
[C] AI (n)[S I ] + AP (n)[S P ] u(n) − [C] AI (n − 1)[S I ] + AP (n − 1)[S P ] u(n − 1) (8.41)
La ventaja de este procedimiento es que la matriz C y las matrizes S I y S P se pueden calcular

directamente de los circuitos independiente de figura 8.13. Mediante las ecuaciones 1-4 en la
tabla 8.2 se obtiene la transformada z de i(n). La transformada z de la ecuación (8.41) toma la
forma
n o n o
I(z) = [C] [S I ]U(z)I + [S P ]U(Z)P − [C] z −1 [S I ]U(z)I + z −1 [S P ]U(z)P . (8.42)
Los términos I(z), U(z)I y U(z)P son los vectores que para m nodos del circuito SC toman la
forma
U1P (z) U1I (z)

     
I1 (z)

 I2 (z) 


 U2P (z) 


 U2I (z) 

 . 
P
 . 
I
 . 
I(z) =  U (z) =  U (z) =  . (8.43)
     
. . .
 
     
     
 .   .   . 
Im (z) UmP (z) I (z)
Um
El vector de corriente se puede también dividir en partes par e impar.
I(z) = II (z) + IP (z). (8.44)

La ecuación (8.42) se puede escribir en la forma matricial
 h i h i 
SP −z −1 S I
" # " # " #
IP (z) [C] [0] UP (z)
= × × . (8.45)
II (z)
h i h i
[0] [C] −z −1 S P SI UI (z)
La ecuación (8.45) es la ecuación general de carga nodal para el circuito SC en el dominio de z

y corresponde a un circuito con m nodos con un nodo conectado a tierra. La dimensión de la
matriz es 2m × 2m. El circuito con 2m puertas se muestra en la figura 8.14.
Si dos nodos estan conectados con un conmutador cerrado, entonces este conmutador nos reduce
los dos nodos a un único nodo. Eso significa que antes de cerrar un conmutador, dos corrientes
que fueron indepedientes pasan a un nodo combinado. Eso se muestra en la figura 8.13. Por
ejemplo en el circuito en la figura 8.13 la corriente combinada î se puede expresar como suma
de las corrientes i1 y i3 .
Para n impar las ecuaciones obtenidas del circuito 8.13
î1 = i1 + i3 î2 = i2 î3 = 0,

Figura 8.14: Circuito SC de multipuertas.
se pueden expresar en forma matricial

       
î1 1 0 1 i1 h i i1
I
=
 î2   0 1 0 × i = I ×  i2  . (8.46)
       
  2 
î3 0 0 0 i3 i3
Para n par las ecuaciones obtenidas del circuito 8.13
î1 = i1 + i2 î2 = 0 î3 = i3 ,

se pueden expresar en forma matricial
       
î1 1 1 0 i1 h i i1
P
î = 0 0 0 × i = I ×  i2  . (8.47)
       
 2     2 
î3 0 0 1 i3 i3
Las matrices [I I ] y [I P ] relacionan corrientes diferentes en los nodos antes y después de cerrar el
conmutador. Las ecuaciones que relacionan las corrientes diferentes se transforman al dominio
z.
 h i 
IP
" # " #
ÎP (z) [0] IP (z)
= h i × (8.48)
ÎI (z) [0] II II (z)
Sustituyendo la ecuación (8.48) en la ecuación (8.45) se obtiene la ecuación final que se utiliza
para el análisis general de los circuitos con condensadores conmutados.
 h i   h i h i 
IˆP (z) IP SP −z −1 S I
" # " # " #
[0] [C] [0] UP (z)
= i × × × (8.49)
IÎ (z)
h h i h i
[0] II [0] [C] −z −1 S P SI UI (z)
Ejemplo 8.4:
En el ejemplo siguiente, se muestra el cálculo de la matriz de admitancia mediante el método
general utilizando la ecuación (8.49). Se calcula la matriz de admitancia del circuito de la figura
8.11. El circuito de la figura 8.11 se va a modificar en el circuito de la figura 8.15a). La matriz
de capacitancias obtenida del circuito 8.15c) toma la forma
Figura 8.15: Circuito SC y su modificación b.) y c.)
 
C1 0 0
[C] =  0 C2 0  , (8.50)
 
0 0 C0
y del circuito que sólo contiene los conmutadores (figura 8.15b) se obtiene para:
n impar u1 = u1 u2 = u2 u3 = u1
 
h i 1 0 0
SI = 0 1 0  (8.51)
 
1 0 0
n par u1 = u1 u2 = u2 u3 = u2
 
h i 1 0 0
SP = 0 1 0  (8.52)
 
0 1 0
Si se sustituyen las ecuaciones (8.50), (8.51) y (8.52) en la ecuación general (8.49) se obtiene
I1p
   
C1 0 0
 
I2P    0 C2 0  [ 0 ]
   
   
I3P
 
   0 0 C0 
 ×
=
  
I1I

C1 0 0
  
   
I2I
 
[ 0 ]  0 C2 0  
     

I3I 0 0 C0
     
1 0 0 1 0 0 U1P
 
−1  0 1
0 1 0 z 0  U2P
      
      
U3P
  
 0 1 0 1 0 0  
×

. (8.53)
    

 1 0 0 1 0 0  
  U1I 
z −1  0 1 0  U2I

 0 1 0
       
  
0 1 0 1 0 0 U3I
Si las matrices se multiplican se obtiene la ecuación (8.54).
I1P 0 −C1 z −1 U1P

     
C1 0 0 0

 I2P  
  0 C2 0 0 −C2 z −1 0  
  U2P 

 I3P   0 C0 0 0 0 0   U3P 
= × (8.54)
     

 I1I   −C1 z −1 0 0 C1 0 0   U1I


I2I −C2 z −1 U2I
     
   0 0 0 C2 0   
I3I 0 −C0 z −1 0 C0 0 0 U3I
La relación de las corrientes para los conmutadores cerrados y abiertos se puede escribir para n
par e impar en la siguiente forma:
n = impar n = par
î1 = i1 + i3 î1 = i1
î2 = i2 î2 = i2 + i3
î3 = 0 î3 = 0
Es necesario transformar la relación mediante la transformada z y escribirla en forma matricial
como se muestra en la ecuación (8.55).
     
1 0 0 0 0 0
Iˆ1P
 
I1P
 
  0 1 1   0 0 0  
Iˆ2P  
I2P
       
0 0 0 0 0 0
     
Iˆ3P I3P
   
     
 = × 
(8.55)
Iˆ1I I1I
         
   0 0 0 1 0 1   
Iˆ2I
 
I2I
   
   
  0 0 0   0 1 0  
     
IÎ3
I3I
0 0 0 0 0 0
Si se sustituye la ecuación (8.54) en la ecuación (8.55) se obtiene la ecuación (8.56).
Iˆ1P
 
0 −c1 z −1 U1P
   
c1 0 0 0

 Iˆ2P  
  0 c0 + c2 0 −c0 z −1 −c2 z −1 0  
  U2P 

Iˆ3P U3P
  
   0 0 0 0 0 0   
= × (8.56)
  
c1 z −1 −c0 z −1

Iˆ1I 0 c1 + c0 0 0 U1I
   
     
Iˆ2I −c2 z −1 U2I
  


 
 0 0 0 c2 0   
IÎ
3
0 0 0 0 0 0 U3I
En la ecuación matricial la tercera y la última fila son ceros. Lo mismo pasa con los elementos
de la tercera y última columna, son todos igual a cero. Las lı́neas y columnas con los elementos
igual a cero se pueden cancelar y resultando la ecuación (8.57).
Iˆ1P −c1 z −1 U1P

     
c1 0 0
 Iˆ2P   0 c0 + c2 −c0 z −1 −c2 z −1   U2P 
= × (8.57)
     
−1 −1 U1I
Iˆ1I −c1 z −c0 z c1 + c0 0
 
     
IÎ
2
0 −c2 z −1 0 c2 U2I
Si la ecuación matricial (8.57) se compara con la matriz (8.32) obtenida en el ejemplo anterior,
despúes denreordenar las filas
o y columnas
n para obtenerolos vectores del corriente y voltage en la
P I P I P
forma I = I1 , I1 , I2 , I2 y U = U1 , U1I , U2P , U2I se puede ver que el resultado obtenido
es el mismo. El resultado es el mismo, pero el método de obtención de la matriz de admitancia
es distinto. Las matrices de admitancia [Yij ] obtenidas de la ecuación (8.32) tienen la forma
" #
c1 −c1 z −1
[Y11 ] = −1
−c1 z c1 + c0
" #
0 0
[Y12 ] = −1
−c0 z 0
" #
0 −c0 z −1
[Y21 ] =
0 0
" #
c0 + c2 −c2 z −1
[Y22 ] = .
−c2 z −1 c2
Para obtener la matriz de transferencia (de cascada) es necesario utilizar las relaciones entre las
matrices de admitancia y de cascada.
A11 = − [Y21 ]−1 [Y22 ]

A12 = − [Y21 ]−1
A21 = [Y12 ] − [Y11 ] [Y21 ]−1 [Y22 ]
A22 = − [Y11 ] [Y21 ]−1
Las matrices [Y12 ] y [Y21 ] son singulares y no existe la matriz inversa. Esta dificultad se puede
evitar si se conectan con los conmutadores en paralelo los condensadores c01 y c02 como se
muestra en la figura 8.16. Las matrices de admitancia Yij se modifican y entonces ya se puede
calcular la matriz inversa de Y21
Figura 8.16: Circuito con condensadores en paralelo con conmutadores.

" # " #
c1 + c01 −c1 z −1 −c01 0
Y11 = −1 Y12 =
−c1 z c1 + c0 + c01 −c1 z −1 −c02
" # " #
−c01 −c0 z −1 c02 + c0 + c2 −c2 z −1
Y21 = Y22 = .
0 −c02 −c2 z −1 c2 + c0
Ejemplo 8.5:
Calcule el filtro Chebychev con capacitancias conmutadas de orden 5, frecuencia de corte 8000
Hz, atenuación máxima amax = 1 dB y frecuencia de muestreo fm = 24000 Hz.
q
amax p
ε= 10 10 −1= 100,1 − 1 = 0, 508
1 1 1 1
φ= argsenh = argsenh = 0, 285
n ε 5 0, 508
senh φ = senh(0, 285) = 0, 289
cosh φ = cosh(0, 285) = 1, 041
Se calculan los polos de la función de transferencia de Chebychev
π π
σ0 = −sen( )senh φ = −sen( ) · 0, 289 = −0, 0894
10 10
π π
ω0 = cos( )cosh φ = cos( ) · 1, 041 = 0, 9901
10 10
3π 3π
σ1 = −sen( )senh φ = −sen( ) · 0, 289 = −0, 234
10 10
3π 3π
ω1 = cos( )cosh φ = cos( ) · 1, 041 = 0, 619
10 10
5π 5π
σ2 = −sen( )senh φ = −sen( ) · 0, 289 = −0, 289
10 10
5π 5π
ω2 = cos( )cos φ = cos( ) · 1, 041 = 0, 000
10 10
Se calcula el primer bloque para σ2 = −0,289.
Se elige el condensador C = 1000 pF y se calcula la resistencia para desnormalizar los valores

del filtro y la resistencia del filtro de primer bloque.
1 1
R0 = = −9 = 19894, 367
2πf0 C 10 2π8 · 103
1 1
r1 = = = 3, 46
σ2 0, 289
R1 = r1 R0 = 3, 46 · 19894, 367 = 68834
Se calcula el segundo bloque para σ0 = −0, 0894 y ω0 = 0, 990.
q q
ω00 = σ02 + ω02 = 0, 9902 + 0, 08942 = 0, 994
ω00 0, 994
Q0 = = = 5, 559
2kσ0 k 2 · 0, 0894
1 1
r2 = = = 1, 0059
ω00 0, 994
1 1
K0 = 3 − =3− = 2, 82
Q0 5, 559
Se elige un condensador de 1000 pF y se calcula la resistencia del segundo bloque. También

es necesario calcular las rezistencias RA y RB para ajustar la ganancia del amplificador. La
resistencia RA se elige, RA = 10000Ω y se calcula RB .
R2 = r2 R0 = 1, 0059 · 19894, 367 = 20, 011 kΩ

RB = (K0 − 1)RA = (2, 82 − 1)10000 = 18, 2 kΩ
Se calcula el tercer bloque para σ1 = −0, 234 y ω1 = 0, 6119.
Se utiliza la misma resistencia para desnormalizar los valores del filtro R0 = 19894, 367.
q q
ω01 = ω12 + σ12 = 0, 61192 + 0, 2342 = 0, 655
1 0,655
Q1 = = = 1, 399
2kσ1 k 2 · 0, 234
1 1
r3 = = = 1, 5267
ω01 0, 655
1 1
K1 = 3 − =3− = 2, 285
Q1 1, 399
Se elige el mismo capacidor de 1000 pF y se calcula la resistencia del tercer bloque. También es
necesario calcular las resistencias para ajustar la ganancia del tercer amplificador. La ganancia
del tercer amplificador debe ser 2,285. Se elige el potenciometro de RA = 10 kΩ y se calcula RB .
R3 = r3 R0 = 1, 5267 · 19894, 367 = 30, 372 kΩ

Figura 8.17: Filtro activo de Chebychev.
RB = (K − 1)RA = (2, 285 − 1)10000 = 12, 85 kΩ

El circuito paso baja de Chebychev activo (ARC) se muestra en la figura 8.17. El filtro activo de
Chebychev de la figura 8.17 debe ser modificado en el circuito con los condensadores conmutados.
Los valores de condensadores se calculan mediante las ecuaciones siguientes. El filtro con los
condensadores conmutados (SCF) se muestra en la figura 8.18.
1 1
C1conm = = = 605 pF
R1 fm 68834 · 24000
1 1
C2,3conm = = = 2082 pF
R2 fm 20011 · 24000
1 1
C4,5conm = = = 1372 pF
R3 fm 30372 · 24000
Figura 8.18: Filtro activo de Chebychev con condensadores conmutados.
Ejemplo 8.6:
Realizar un integrador con los capacitores conmutados y calcular la función de transferencia
H(z).
El integrador activo con un amplificador se muestra en la figira 8.78a y la función de transferencia
H(s) de un integrador ARC tiene la forma
G1
H(s) = − (8.58)
sC2
Utilizando la transformada z bilineal para T=2, s = (z − 1)/(z + 1) se obtiene la función de
transferencia H(z)
Figura 8.19: a) Integrador activo ARC, b) Integrador con capacitpores conmutados ASC.
G1 z − 1 −1 z + 1
H(z) = − · = ·
C2 z + 1 R1 C2 z − 1
Sustituyendo por R1 = T /C1 = 2/C1 es la función de transferencia de un integrator con capacitor

C1 conmutado figura 8.78b en la siguiente forma
C1 0,5 + 0, 5z −1
H(z) = · (8.59)
C2 1 − z −1
Ejemplo 8.7:
Calcular la función de transferencia H(z) del circuito con el capacitor conmutado en la figura
8.20
Figura 8.20: El circuito para el ejemplo 8.7.
Para calcular la función de transferencia se calcula la matriz C. La matriz C tiene cuatro sub-
matricez C11 , C12 , C21 y C22 .
" #
C11 C12
C= (8.60)
C21 C22
Las matrices C11 y C22 son las matrices sin tomar en cuenta los conmutadores. Las matrices
C12 y C21 son las matrices C11 y C22 que se multiplican por −z −1/2 . La matriz C del circuito
sin tomar en cuenta los conmutadores se muestra en la ecuación (8.61).
1p 2p 3p 1i 2i 3i
−C1 z −1/2
 
1p C1 0 0 0 0
2p 0 C0 0 0 −C0 z −1/2 0
 
 
3p −C2 z −1/2
 
 0 0 C2 0 0 
C= i 
−1/2
 (8.61)
1 
 −C1 z 0 0 C1 0 0 

2i 
 0 −C0 z −1/2 0 0 C0 0


3i 0 0 −C2 z −1/2 0 0 C2
La matriz (8.61) es la matriz del circuito 8.20 sin conmutadores. Ahora vamos a incluir a la
matriz (8.61) los conmutadores. El conmutador S1 está cerrado en el tiempo par. Eso significa
que los nodos 1 y 2 están en el mismo potencial y por eso se suman las columnas y renglones 1p y
2p . En el tiempo impar se abre el conmutador S1 y se ciera el conmutador S2 . En el tiempo impar
entonces los nodos 2 y 3 están en el mismo potencial lo que significa, que se suman renglones y
columnas 2i y 3i . La matriz resultante se muestra en la ecuación (8.62).
1p + 2 p 3p 1i 2i + 3i
1p + 2p −C1 z −1/2 −C0 z −1/2
 
C0 + C1 0
3p  0 C2 0 −C2 z −1/2 
C= i (8.62)
 
1

 −C1 z −1/2 0 C1 0


2i + 3i −C0 z −1/2 −C2 z −1/2 0 C0 + C2
La función de transferencia se calcula mediante la ecuación H(z) = U3 /U1 = ∆13 /∆11

C2 0 −C2 z −1/2

∆11 = 0 C1 0 = C1 C2 (C0 + C2 ) − C1 C22 z −1 (8.63)

−C2 z −1/2

0 C0 + C2

0 0 −C2 z −1/2

∆13 = −C1 z −1/2 C1 0 = −C1 C2 C0 z −1 (8.64)

−C0 z −1/2

0 C0 + C2
∆13 z −1
H(z) = = C2 C2 −1
(8.65)
∆11 1+ C0 − C0 z
Ejemplo 8.8:
8.21
Para calcular la matriz C primero no se toman en cuenta los conmutadores y el amplificador.

Si m = z −1/2 la matriz toma la forma:
Figura 8.21: El circuito ARC integrator para ejemplo 8.8.
C=
1p 2p 3p 4p 5p 1i 2i 3i 4i 5i
1p 0 0 0 0 0 0 0 0 0 0
 
2p 
 0 C1 0 0 0 0 −C1 m 0 0 0 

3p 
 0 0 C2 −C2 0 0 0 −C2 m C2 m 0 

4p 0 0 −C2 C2 0 0 0 C2 m −C2 m 0
 
 
−C3 m
 
5p  0 0 0 0 C3 0 0 0 0 
  (8.66)
1i 
 0 0 0 0 0 0 0 0 0 0 

2i 
 0 −C1 m 0 0 0 0 C1 0 0 0 

3i 0 0 −C2 m C2 m 0 0 0 C2 −C2 0
 
 
4i
 
 0 0 C2 m −C2 m 0 0 0 −C2 C2 0 
5i 0 0 0 0 C3 0 0 0 0 C3
Ahora se toma en cuenta el amplificador. En la matriz anterior se elimina la tercera columna

para los dos tiempos par e impar, porque U3p = U3i = 0. Tambien se elimina en el tiempo par e
impar el cuarto renglon ya que I4p = I4i = 0. La matriz con el amplificador incluido en el circuito
se muestra en la ecuación (8.67)
C=
1p 2p 4p 5p 1i 2i 4i 5i
1p
 
0 0 0 0 0 0 0 0
2p  0 C1 0 0 0 −C1 z −1/2 0 0 
−C2 z −1/2
 
3p  0 0 −C2 0 0 0 0 
−C3 z −1/2
 
5p  0 0 0 0 0 0 0 
  (8.67)
1i 
 0 0 0 0 0 0 0 0 

2i 
 0 −C1 z −1/2 0 0 0 C1 0 0 

3i  0 0 −C2 z −1/2 0 0 0 −C2 0 
5i 0 0 0 C3 z −1 0 0 0 C3
Ahora se toman en cuenta los conmutadores. El conmutador S1 conecta el nodo 2 y 1. De este

razón para el tiempo par U1 = U2 y se suma primer renglón con renglón segundo 1p + 2p . Lo
mismo para las columnas se suma la primera y la segunda columna 1p + 2p . El conmutador S4
conecta el nodo 5 y 3. Por esa razón se suma renglón el 5 con renglón el 3.Pero la columna 3 no
existe (U3 = 0) entonces y el nodo 5 está en el potencial de tiera y por eso se tambien se cancela
la columna 5 (5p ). La matriz en que tomamos en cuenta solo el amplificador y los conmutadores
en el tiempo par se muestra en la ecuacuón (8.68).
C=
1p + 2p 4p 1i 2i 4i 5i
1p + 2p −C1 z −1/2
 
C1 0 0 0 0
3p + 5p 
 0 −C2 0 0 C2 z −1/2 C2 z −1/2 

1i  0 0 0 0 0 0 
  (8.68)
2i 
 −C1 z −1/2 0 0 C1 0 0 

3i  0 C2 z −1/2 0 0 −C2 0 
5i 0 0 0 0 0 C3
En el tiempo impar se cieran los conmutadores S1 y S4 y se abren los conmutadores S2 y S3. Esta
situación se muestra en la figura 8.22. Los conmutadores cambiaron su posición. El conmutador
S2 conecta los nodos segundo y tercero. Entonces se suma el renglón y la columna 2i +3i . El nodo
2 está conectad con la tierra virtual U2 = 0, entonces se borra la columna 2i . El conmutador S4
está abierto, no se alimenta el nodo 5, entonces se borra el renglón 5i . El conmutador S3 conecta
los nodoa 4 y 5 y por eso se suma columna y renglón 4i y 5i . En el renglón 1i y columna 1i
son solamente ceros. Se borra también el renglón y la columna 1i . La La matriz resultante del
circuito toma la forma (8.69).
Figura 8.22: El circuito ARC integrador para ejemplo 8.8 en tiempo impar.
1p + 2 p 4p 4i + 5 i
1p + 2p
 
C1 0 0
p
C= 3 +5 p  0 −C2 z −1/2 (C2 − C3 )  (8.69)
2i + 3i −C1 z −1/2 C2 z −1/2 C2
La función de transferencia H(z) = U4 /U1 = ∆14 /∆11 toma la forma
z −1 (C1 C2 − C1 C3 )
H(z) = (8.70)
C22 − z −1 (c22 − C2 C3 )
Ejemplo 8.9:
Calcular la función de transferencia H(z) del circuito con los capacitores conmutado en la figura
8.23
Figura 8.23: El filtro ARC de segundo orden para ejemplo 8.9.
Solución:
1p + 2p 3p + 4 p + 5 p 7p 2i + 3i 4i + 7 i
1p + 2p −C1 z −1/2
 
C1 0 0 0
3p + 4p + 5p  0 C2 + C3 + C4 0 C4 z −1/2 C4 z −1/2 
C5 z −1/2
 
C = 6p 
 0 0 −C5 0 
 (8.71)
2i + 3i  C1 z −1/2 −C4 z −1/2 0 C1 + C4 0 
5i + 6i 0 −C2 z −1/2 C5 z −1/2 0 −C5
−C1 C2 C4 C5 z −2
H(z) =
C42 C52 z −2 − z −1 C52 [C42 + (C1 + C2 )(C2 + C3 + C4 )] + C52 (C1 + C4 )(C2 + C3 + C4 )
(8.72)
Ejemplo 8.10:
Calcular la función de transferencia H(z) del circuito con los capacitores conmutados de la figura
8.24
Figura 8.24: El filtro ARC Salen Key de segundo orden para ejemplo 8.10.
En la figura 8.24 es necesario sustituir el amplificador por el generador de voltaje controlado por
voltaje. Al cambiar el generador de voltaje controlado por el voltaje obtenemos la figura 8.25 y
la ecuación (8.74). Para el circuito en la figura 8.25 se escriben las ecuaciones:
(Ua − Ub )A − (Uc − Ud ) = 0
Ic = I, Id = −I (8.73)
Figura 8.25: El esquema de un amplificador.
Es necesario escribir las ecuaciones (8.74) para ambos tiempos, par e impar.
(Uap − Ubp )A − (Ucp − Udp ) = 0 Icp = I, Idp = −I
(Uai − Ubi )A − (UCi − Udi ) = 0 Ici = I, Idi = −I (8.74)

La siguiente matriz (8.75) muestra como se cambia la matriz anterior si se incluye en elcircuito
el fuente de voltaje controlado por voltaje
Uap Ubp Ucp Udp Uai Ubi Uci Udi

Iap
Ibp
A −A −1 1 0
Idp (8.75)
Iai
Ibi
A −A −1 1 0
Idi
En nuestro ejemplo en el elemento 6p − 5p se escribe A y en elemento 6p − 6p -1. Lo mismo se
escribe para la submatriz C22 , matriz (8.24).
C=
1p 2p 3p 4p 5p 6p 1i 2i 3i 4i 5i 6i
 
1p 0 0 0 0 0 0 0 0 0 0 0 0
2p 0 C1 0 0 0 0 0 −C1 z −1/2 0 0 0 0 
3p
0
 0 C4 0 0 −C4 0 0 −C4 z −1/2 0 0 C4 z −1/2 

4p 0 0 0 C2 0 0 0 0 0 C2 z −1/2 0 0 
5p −C3 z −1/2
 
0 0 0 0 C3 0 0 0 0 0 0 
6p 0 0 0 0 A −1 0 0 0 0 0 0 
(8.76)
1i
 
0 0 0 0 0 0 0 0 0 0 0 0 
2i  0 −C1 z −1/2 0 0 0 0 0 C1 0 0 0 0
 

3i 0 0 −C4 z −1/2 0 0 C4 z −1/2 0 0 C4 0 0 −C4 
4i
 
0 0 0 −C2 z −1/2 0 0 0 0 0 C2 0 0 
5i 
0 0 0 0 −C3 z −1/2 0 0 0 0 0 C3 0

6i 0 0 0 0 0 0 0 0 0 0 A −1
En caso del tiempo par es necesario sumar el primer renglon con el segundo renglón, la primera
columna con la segunda columna, también tercera y cuarta columna y tercer renglón con el
cuarto. En caso del tiempo impar se suman renglones y columnas 2i + 3i , ası́ como el 4i + 5i .
La columna y renglón 1i se cancelan porque en el tiempo impar el conmutador S1 está abierto
y I1 = 0. La matriz completa del circuito se presenta en la ecuación (8.77).
C=
1p + 2p 3p + 4p 5p 6p 2i + 3 i 3i + 4i 6i
1p + 2p −C1 z −1/2
 
C1 0 0 0 0 0
3p + 4p 
 0 C2 + C4 0 −C4 −C4 z −1/2 −C2 z −1/2 C4 z −1/2 

5p 
 0 0 C3 0 0 −C3 z −1/2 0 

6p 
 0 0 A −1 0 0 0 
 (8.77)
2i + 3i 
 C1 z −1/2 −C4 z −1/2 0 C4 z −1/2 C1 + C4 0 −C4 

4i + 5i  0 −C2 z −1/2 −C3 z −1/2 0 0 C2 + C3 0 
6i 0 0 0 0 0 A −1
Tarea 8.1:
Calcular el filtro Chebychev con capacitancias conmutadas de orden 3, frecuencia de corte 2000
Tarea 8.2:
Realizar un integrador con los capacitores conmutados y calcular la función de transferencia
H(z). fm = 2000 Hz.
El integrador activo con un amplificador se muestra en la figira 8.26 y la función de transferencia
H(s) de un integrador ARC tiene la forma
G1
H(s) = − (8.78)
sC2
Figura 8.26: a) Integrador activo ARC.
Tarea 8.3:
Calcule el filtro Chebychev con capacitancias conmutadas de orden 3, frecuencia de corte 5000
Tarea 8.4:
8.27
Figura 8.27: El circuito con capacitores nonmutados.

Capı́tulo 9
Clasificación de las señales y sistemas
Las señales generalmente se clasifican en las señales continuas figura 9.1a) y las señales discretas
figura 9.1b).
Figura 9.1: Señales continuas a) y discretas b).
9.1. Señales continuas.

Las señales continuas se clasifican en las señales periódicas y no periódicas, pares e impares.
Estas señales se muestran en la figura 9.2.
Figura 9.2: Señales contı́nuas periódicas, no periódicas, pares e impares.
199
200 capı́tulo 9. clasificación de las señales y sistemas
9.1.1. Señales continuas y no periódicas.

La transformación más conocida para transformar una señal contı́nua y no periódica x(t) a la
señal X(jω) en el dominio ω es la transformada de Fourier, definida por la ecuación (9.1)
Z ∞
X(jω) = x(t)e−jωt dt. (9.1)
−∞
La transformada inversa de Fourier transforma el espectro X(ω) a la señal x(t) y se define
mediante la ecuación (9.2)
1 ∞
Z
x(t) = X(jω)ejωt dt. (9.2)
2π −∞
De la ecuación (9.2) se ve, que el espectro de la señal contı́nua y no periódica es
contı́nuo y no periódico.
Ejemplo 9.1:
Qué espectro tiene una señal x(t) no periódica de la ecuación (9.3).

 A
 − −t2 1 ≤ t ≤ t1
2
x(t) = (9.3)
t1
|t| >

 0
2
Si se utiliza la transformada de Fourier directa ecuación (9.1) se obtiene

t1
sen ωt21
Z
2
−jωt
X(jω) = t1
Ae dt = At1 ωt1 . (9.4)
− 2 2
La gráfica del espectro se muestra en la figura 9.3. Si se desplaza la señal en la figura 9.3 a
la derecha como se ve en la figura 9.4, se obtiene una señal sin ningún valor para t < 0. Esta
función se denomina impulso causal.
Figura 9.3: Señal x(t) y su espectro.
El espectro de un impulso de Dirac es constante como se ve en la figura 9.5 y se calcula mediante

Z ∞
D(jω) = δe−jωt dt = 1 (9.5)
−∞
9.1. señales continuas. 201
Figura 9.4: Señal x(t) y su espectro.
Figura 9.5: Impulso de Dirac y su espectro.
9.1.2. Señales continuas y periódicas.

∞ R
Para que exista la transformada de Fourier de la señal x(t), F {x(t)}, debe cumplirse −∞ |x(t)|dt <
∞. Las funciońes periódicas no cumplen la condición de existencia de la transformada de Fourier
(9.6)
Z ∞
|x(t)|dt < ∞, (9.6)
−∞
y por eso no existe el integral

Z ∞
X(jω) = x(t)e−jωt dt. (9.7)
−∞
Entonces no se puede calcular el espectro mediante la expresión de la transformada de Fourier.

Los espectros de las señales periódicas se calculan por medio de la serie de Fourier definida
∞
a0 X
x(t) = + (ak cos(kω0 t) + bk sen(kω0 t)) (9.8)
2 k=1
siendo
2 2
Z Z
ak = x(t)cos(kω0 t)dt bk = x(t)sen(kω0 t)dt,
Ts Ts Ts Ts
o en la forma exponencial ecuación (9.9)

∞
X
x(t) = ck ejω0 t , (9.9)
k=−∞
donde la constante ck se calcula mediante la ecuación (9.10
1
Z
ck = x(t)e−jkω0 t dt. (9.10)
Ts Ts
La transformada de Fourier de una señal periódica se obtiene a partir de los coeficientes ck

mediante la expresión
∞ N −1
X X 2π · k
X(ω) = ck · 2π · δ(ω − − 2π · m) (9.11)
m=−∞ k=0
N
Ejemplo 9.2:
Calcule el espectro de la señal periódica y contı́nua por partes de la figura 9.6.
Figura 9.6: Señal periódica y continua por partes .
1
1
Z T
2 0 A −jkπ
ck = Ae−jkω0 t dt = e −1 (9.12)
T0 0 2πk
 A

 2 para k = 0




A
ck = kπ para k = 1, 3, 5, 7... (9.13)





0 para k = 0, 2, 4, 6, 8...

El espectro es discreto y se ve en la figura 9.7
Figura 9.7: Espectro de un tren de impulsos.

9.2. señales discretas. 203
El espectro de la señal contı́nua y periódica es discreto y no periódico.
9.2. Señales discretas.

Las señales discretas también se pueden dividir en señales periódicas y en señales no periódicas.
La señal discreta periódica se muestra en la figura 9.8a) y la señal discreta no periódica se
presenta en la figura 9.8b).
Figura 9.8: Señales discretas periódicas y no periódicas.
9.2.1. Señales discretas y periódicas.

El espectro de una señal discreta y periódica se puede determinar por la transformada discreta
de Fourier que se define mediante las ecuaciónes (9.14) y (9.15). La señal discreta y periódica
en el tiempo tiene espectro que es también discreto y periódico cómo se puede observar de la
ecuación (9.15) y en la figura 9.9.
N −1
2π
x(n)e−j N nk
X
X(k) = (9.14)
n=0
−1
1 NX 2π
x(n) = X(k)ej N nk (9.15)
N k=0
Espectro de una señal discreta y periódica es discreto y periódico.
9.2.2. Señal discreta y no periódica.

El espectro de una señal discreta y no periódica se calcula usando la ecuación (9.17).
Z π
1
x(n) = X(jω)ejnωT dω (9.16)
2π −π
∞
x(n)e−jnωT
X
X(jω) = (9.17)
n=−∞
Figura 9.9: Espectro de una señal discreta y periódica.
Figura 9.10: Espectro de una señal discreta y no periódica.
La señal en el dominio del tiempo y su espectro se muestran en la figura 9.10.

El espectro de una señal discreta y no periódica es continuo y periódico.
9.3. Sistemas discretos en el tiempo.

9.3.1. Sistema invariante en el tiempo.
Un sistema invariante en el tiempo es el sistema que cumple las condiciones:
H
x(n) −→ y(n)
H
x(n − k) −→ y(n − k)
Si la señal x(n) en la entrada está retrasada un tiempo k, y la señal en la salida está retrasada
tambien el mismo tiempo k implica que el sistema que tiene la función de transferencia H
invariante en el tiempo (SIT).
9.3.2. Sistema lineal.

Un sistema es lineal, si cumple para cualquier pareja de señales x1 (n) y x2 (n) la condición:
9.3. sistemas discretos en el tiempo. 205
H[a1 x1 (n) + a2 x2 (n)] = a1 H[x1 (n)] + a2 H[x2 (n)].
9.3.3. Sistema causal.

Un sistema es causal si la señal en la salida y(n) depende solo en la señal de entrada x(n) y de las
señales retrasadas x(n − 1), ..., x(n − k) y no depende a las señales x(n + 1), x(n + 2), ..., x(n + k).
9.3.4. Sistema estable.

Un sistema estable es el sistema que cumple la condición
∞
X
|h(n)| < ∞,
0
donde h(n) es la respuesta al impulso.
9.3.5. Un sistema lineal e invariante en el tiempo.
Un sistema lineal e invariante discreto tiene una salida y una entrada, como se ve en la figura
9.11, donde:
Figura 9.11: Sistema discreto en el tiempo
x(n) es la señal de entrada en el dominio de tiempo.

X(jω) es la señal de entrada en el dominio de la frecuencia.
y(n) es la señal de salida en el dominio de tiempo.
Y (jω) es la señal de salida en el dominio de la frecuencia.
h(n) es la respuesta al impulso unitario del sistema de la frecuencia.
H(jω) es la función de transferencia definida por la ecuación (9.18)
Y (jω)
H(jω) = , (9.18)
X(jω)
y(n) es la salida del sistema y se determina por la convolución de x(n) y h(n). Entonces en el
dominio del tiempo se calcula la respuesta del sistema por la ecuación
y(n) = x(n) ∗ h(n) = h(n) ∗ x(n),

y en el dominio de la frecuencia mediante la ecuación (9.19).
Y (jω) = X(jω) · H(jω) (9.19)

La convolución discreta está definida mediante la ecuación (9.20)

∞
X
y(n) = x(k)h(n − k). (9.20)
k=−∞
Para calcular y(n) mediante la convolución se necesitan muchas operaciones, una alternativa
puede ser transformar la señal x(n) a X(jω) y calcular Y (jω) como producto de X(jω) y
H(jω). El resultado Y (jω) lo transformamos con la transformada inversa para obtener y(n).
Para transformar una señal en el dominio del tiempo a una señal en el dominio de las frecuen-
cias se utiliza la transformada-z o la transformada de Fourier. La transformada-z está definida
mediante la ecuacion (9.21)
∞
x(n)z −n ,
X
X(z) = (9.21)
n=0
donde la relación entre el dominio de s (de la transformada de Laplace) y z queda establecida
por la ecuación (9.22).
z = esT (9.22)
T es el intervalo entre dos muestras (Intervalo de muestreo). La señal x(nT ) se tambien puede
escribir como una serie de los números (9.23) o se puede graficar como se muestra en la figura
9.12.
x(nT ) = x(n) = {0,1 0,2 0,2 0,1 0,3 0,4 0,1 0,0 0,0 0,0} (9.23)
Figura 9.12: Señal discreta en el dominio de tiempo.
Ejemplo 9.3:
Determine la convolución de las señales x(n) y h(n)
x(n) = {1/4 1/2 1 1/4} h(n) = {1 1 1/2 1/2} .

Se puede substituir esos números en la ecuación (9.24).
∞
X
y(n) = x(k)h(n − k) (9.24)
k=−∞
El cálculo mediante la ecuación (9.24) implica escribir muchas ecuaciones. El mismo resultado
se obtiene más facil usando la convolución matricial o con el método gráfico.
Método gráfico:
1/4 1/2 1 1/4

1/2 1/2 1 1 y(0) = 1 · (1/4) = 1/4
1/2 1/2 1 1 y(1) = 1 · (1/2) + 1 · (1/4) = 3/4
1/2 1/2 1 1 y(2) = 1 + 1/2 + (1/2) · 1/4 = 13/8
1/2 1/2 1 1 y(3) = 13/8
1/2 1/2 1 1 y(4) = 1
1/2 1/2 1 1 y(5) = 5/8
y(n) = {1/4 3/4 13/8 13/8 1 5/8}
y(n) = {0,25 0,75 1,625 1,625 1,000 0,625 0,125}
Convolución matricial (circular):
y(n) = circ x(n) × h(n)
   
1/4 0 0 0 0 0 0,25
 1/2 1/4 0 0 0 0   1   0,75 
   
1 1/2 1/4 0 0 0   1  1,625
    
   
    
 1/4 1 1/2 1/4 0 0   1/2 
×   1,625 
y(n) =  = 

 0 1/4 1 1/2 1/4 0   1/2 
    1,000 
  

 0 0 1/4 1 1/2 1/4  
 0    0,625 

0 0 0 1/4 1 1/2 0 0,125
   
   
0 0 0 0 1/4 1 0
Con el método gráfico y matricial se obtuvo el mismo resultado.
Ejemplo 9.4:
Determine la respuesta de un circuito a un tren de impulsos. La función de transferencia es
0,2
H(z) = z−0,8 .
Usando la ecuación h(n) = z −1 {H(z)} se determina h(n). Se puede utilizar la tabla de transformada−z,
o dividir el numerador H(z) entre el denominador de H(z). Entonces se obtiene
0,2 : z − 0,8 = 0,2z −1 + 0,16z −2 + 0,128z −3 + 0,1024z −4
Los coeficientes de la serie h(n) son los coeficientes que se multiplican por las potencias de z.
h(n) = {0 0,2 0,16 0,128 0,1024 ....}
Ahora se calcula la convolución de dos secuencias x(n) y h(n) mediante la convolución circular.
La señal x(n) es el tren de impulsos unitarios.
Figura 9.13: Sistema discreto alimentado con un tren de impulsos.
   
1 0 0 0 0 0 0  
0

 1 1 0 0 0 0  
  0,2 
  0,2 
 1 1 1 0 0 0   0,16   
y(n) =  ×  =  0,36 (9.25)
     
1 1 1 1 0 0 0,128

     
     0,488 
 1 1 1 1 1 0   0,1024 
0,5904
1 1 1 1 1 1 ...
La gráfica de la respuesta a un tren de impulsos se muestra en la figura 9.14.
Figura 9.14: Respuesta de la sistema a un tren de impulsos
Hasta ahora hemos analizado el circuito en el dominio de tiempo. Aplicando la transformada-z

a la funcion x(n) se obtiene X(z)
X(z) = z {x(n)} .
La respuesta en el dominio de frecuencia es
Y (z) = X(z) · H(z).

Para el mismo ejemplo se calcula X(z) usando la transformada-z
∞
x(n)z −n ,
X
X(z) =
n=0
donde x(n) es
x(n) = {1 1 1 1 1 1 .....} .
X(z) = 1 + z −1 + z −2 + z −3 + z −4 + z −5 + · · · /multiplicando por z −1

X(z) · z −1 = z −1 + z −2 + z −3 + z −4 + z −5 + · · ·
Si se sustrae la segunda ecuación de la primera se obtiene
1
X(z) − X(z)z −1 = 1 =⇒ X(z) = .
1 − z −1
Este resultado se puede escribir también de la forma
z
X(z) = z {1 1 1 1 1 1 . . .} = .
z+1
La respuesta del circuito en el dominio de z está dado por:
z 0,2 0,2z
Y (z) = · = 2
z − 1 z − 0,8 z − 1,8z + 0,8
La respuesta del sistema a un tren de impulsos en el dominio del tiempo se calcula mediante la
transformada-z inversa y(n) = z −1 {Y (z)}. Dividiendo el numerador entre el denominador de la
función de transferencia H(z) se obtiene el mismo resultado que anteriormente.
0,2z : z 2 − 1,8z + 0,8 = 0,2z −1 + 0,36z −2 + 0,36z −3 + 0,59z −4 + . . .

Los coeficientes de la ecuación en la parte derecha son los coeficientes de la respuesta y(n) a un
tren de impulsos unitarios.
y(n) = {0 0,2 0,36 0,488 0,59 . . .}
Ejemplo 9.5:
Calcule la respuesta y(n) de un circuito a un tren de impulsos. La función de transferencia del
circuito es
0, 4
H(z) = .
z − 1, 2
Primero se calcula h(n) de H(z) y después mediante la convolución matricial la respuesta y(n)
h(n) = {0, 4 0, 48 0, 576 0, 6912 0, 8294 0, 9953}.

 
  0
  0
1 0 0 0 0 0  0, 4 
0, 4
   
1 1 0 0 0 0   0, 88
   
  0, 48
   
   
 1 1 1 0 0 0     1, 456 
y(n) =   ×  0, 576 = (9.26)
   
 1 1 1 1 0 0     2, 1472 
   0, 6912   
 1 1 1 1 1 0    
2,9766 
 0, 8294
  
1 1 1 1 1 1 3, 9711
  
0, 9953...
 
5, 1636
Ejemplo 9.6:
Calcule la respuesta y(n) de un circuito a una señal x(n)
x(n) = {0 0, 1 0, 2 0, 3 0, 3 0, 3......},
si la función de transferencia del circuito se define mediante la ecuación
0, 7
H(z) = .
z + 0, 5
Si se divide numerador de H(z) entre denominador se obtiene h(n)
h(n) = {0, 7 0, 1050 0, 1575 0, 1312 0, 1444 0, 1378}.

 
    0
0 0 0 0 0 0 0, 7
0, 0700
 
 0, 1 0 0 0 0 0   −0, 35   
  0, 1050
   
 0, 2 0, 1 1 0 0 0   0, 175   
  
y(n) =  × = 0, 1575 (9.27)
   
 0, 3 0, 2 0, 1 0 0 0   −0,0875   
     0, 1312 
 0, 3 0, 3 0, 2 0, 1 0 0   0, 0437   
0,1444
 
0, 3 0, 3 0, 3 0, 2 0, 1 0 −0, 0219
 
0, 1378
Ejemplo 9.7:
Calcule la respuesta y(n) de un circuito a una señal x(n)
x(n) = {0 0, 1 0, 2 0, 2 0, 1 0......},
si la función de transferencia del circuito se define mediante la ecuación
0, 1
H(z) = .
z+2
Si se divide numerador de H(z) entre denominador se obtiene h(n)
h(n) = {0 0, 1 − 0, 2 0, 4 − 0,8 1,6 ......}.
     
0 0 0 0 0 0 0 0

 0, 1 0 0 0 0 0  
  0, 1  
  0 

 0, 2 0, 1 0 0 0 0   −0, 2   0,01 
y(n) =  × = (9.28)
     
0, 2 0, 2 0, 1 0 0 0 0,4 0

     
     
 0, 1 0, 2 0, 2 0, 1 0 0   −0,8   0, 02 
0 0, 1 0, 2 0, 2 0, 1 0 1,6 −0,03
Capı́tulo 10
Transformada-z directa e inversa
10.1. Transformada-z.
La transformada-z se define mediante la ecuación (10.1).
∞
x(n)z −n
X
X(z) = (10.1)
n=−∞
Si las muestras de x(n) son iguales a cero para n < 0 se puede utilizar la ecuación (10.2).
∞
x(n)z −n
X
X(z) = (10.2)
n=0
Esta transformación se llama transformada-z directa, y transforma una señal x(n) desde el
dominio de tiempo a la señal X(z) en el dominio de la frecuencia z = ejωT . Esa relación se
puede escribir en la forma
z
X(z) ≡ z {x(n)} x(n) ⇐⇒ X(z).
La transformada-z inversa se calcula usando la ecuación (10.3).
1
I
x(n) = X(z)z n−1 dz (10.3)
2πj
Pero esta fórmula en la práctica no se utiliza, porque los funciónes de transferencia son cocientes
de dos polinomios.
Ejemplo 10.1:
Determinar la transformada-z de las siquientes señales xi (n):
a.) x1 (n) = {1 2 5 7 0 1}
X1 (z) = 1 + 2z −1 + 5z −2 + 7z −3 + z −5
b) x2 (n) = {0 0 1 2 5}
z 2 + 2z + 5
X2 (z) = 0 · z 0 + 0 · z −1 + 1 · z −2 + 2 · z −3 + 5 · z −4 =
z4
211
212 capı́tulo 10. transformada-z directa e inversa
Usando la transformada-z inversa se obtiene el resultado original
z 2 + 2z + 5 : z 4 = z −2 + 2z −3 + 5z −4 + . . . ,
donde
x0 = 0 x1 = 0, x2 = 1, x3 = 2, x4 = 5,
x(n) = {0 0 1 2 5 }
Los coeficientes xi de la señal x(n) son los coeficientes que se multiplican por el factor z −i .
↓

c.) x4 (n) = 2 4 5 7 0 1
X4 (n) = 2z 2 + 4z + 5 + 7z −1 + z −3
2z 5 + 4z 4 + 5z 3 + 7z −2 + 1
X4 (z) =
z3
d.) x5 (n) = δ(n − 4)
x5 (n) = {0 0 0 0 1 0 . . .}
X5 (z) = 1z −4
El impulso de Dirac y tren de impulsos son muy importante para análisis de las sistemas. En
el siguiente ejemplo se calcula la transformada-z de un tren de impulsos que se muestra en la
figura 10.1.
Figura 10.1: Tren de impulsos unitarios.
x(n) = {1 1 1 1 1 . . .}
Usando la ecuación (10.4)
∞
xn z −n ,
X
X(z) = (10.4)
n=0
se obtienen las ecuaciones siguientes.
X(z) = 1 + 1z −1 + 1z −2 + 1z −3 + 1z −4 + 1z −5 + · · ·
10.1. transformada-z. 213
z −1 X(z) = z −1 + z −2 + z −3 + z −4 + z −5 + · · ·
Si las ecuaciónes se sustraen se obtiene X(z).
1 z
X(z) − z −1 X(z) = 1 =⇒ X(z) = =
1 − z −1 z−1
10.1.1. Propiedades de la transformada-z.
Linealidad.
Si existe la transformada-z de las señales x1 (n) y x2 (n)
z z
x1 (n) ⇐⇒ X1 (z) x2 (n) ⇐⇒ X2 (z),
entonces la suma de las señales a1 x1 (n) y a2 x2 (n) se transforma mediante la transformada-z
z
a1 x1 (n) + a2 x2 (n) ⇐⇒ a1 X1 (z) + a2 X2 (z) (10.5)
Ejemplo 10.2:
Determine X(z) de la señal
x(n) = {3(2)n − 4(3)n } .
x1 (n) = {2n } x2 (n) = {3n }
x(n) = 3x1 (n) − 4x2 (n)

Si se escribe x1 (n) y x2 (n) por una secuencia de los números se obtiene
n o
x1 (n) = 1 2 22 23 + . . .
n o
x2 (n) = 1 3 32 33 + . . . .
Con el mismo procesamiento que en el ejemplo anterior se obtiene
1 1
X1 (z) = X2 (z) = ,
1 − 2z −1 1 − 3z −1
y el resultado es
3 4
X(z) = −1
− .
1 − 2z 1 − 3z −1
Desplazamiento en el tiempo.
Si existe la transformada-z de la señal x(n)
z
x(n) ⇐⇒ X(z),
entonces la señal x(n-k) se transforma mediante la transformada-z como se ve en la ecuación

(10.6).
z
x(n − k) ⇐⇒ z −k X(z) (10.6)
Ejemplo 10.3:
Calcular x(n − 2) y x(n + 2) si se conoce la secuencia x(n)
x(n) = {1 2 5 7 0} .
La transformada-z de una señal x(n) es
X(z) = 1 + 2z −1 + 5z −2 + 7z −3 .
Si se utiliza la ecuación (10.6) se obtiene
z
x(n − 2) ⇐⇒ z −2 X(z) = z −2 + 2z −3 + 5z −4 + 7z −5 ,
entonces
x(n − 2) = {0 0 1 2 5 7 0} .
Similarmente se obtiene
z
x(n + 2) ⇐⇒ z 2 X(z) = z 2 + 2z + 5 + 7z −1 ,
y el resultado toma la forma
x(n + 2) = {1 2 5 7 0} .
En la figura 10.2 se muestra cómo se desplaza la señal x(n).
Figura 10.2: Desplazamiento de la señal x(n) a la derecha y a la izguierda.
Convolución de dos series.

Si existe la transformada-z de las señales x1 (n) y x2 (n),
z z
x1 (n) ⇐⇒ X1 (z) x2 (n) ⇐⇒ X2 (z)
10.1. transformada-z. 215
entonces la convolución de las señales x1 (n) y x2 (n) se transforma mediante la transformada-z

z
x(n) = x1 (n) ∗ x2 (n) ⇐⇒ X1 (z) · X2 (z) = X(z) (10.7)
La convolución está definida por la ecuación (10.8).
∞
X
x(n) = x1 (n) ∗ x2 (n) = x1 (k)x2 (n − k) (10.8)
k=−∞
Ejemplo 10.4:
Calcular la convolución de las señales x1 (n) y x2 (n).
x1 (n) = {1 −2 1 }

 1
 0≤n≤5
x2 (n) =

 0 para el resto de n
Las señales x1 (n) y x2 (n) en el dominio de z toman la forma
X1 (z) = 1 − 2z −1 + z −2
X2 (z) = 1 + z −1 + z −2 + z −3 + z −4 + z −5 .
Si se multiplican X1 (z) por X2 (z) se obtiene el producto
X(z) = X1 (z) · X2 (z) = 1 − z −1 − z −6 + z −7 ,

y la señal x(n) en el dominio de tiempo es
x(n) = {1 −1 0 0 0 0 − 1 1} .
Inversión del tiempo.

Si existe la transformada-z de la señal x(n),
z
x(n) ⇐⇒ X(z)
entonces la inversión del tiempo se transforma mediante la transformada-z como se muestra en
z
x(−n) ⇐⇒ X(z −1 ) (10.9)
Ejemplo 10.5:
Determinar la transformada-z del la señal x(n) si u(n) es el tren de impulsos unitarios.
z 1
x(n) = u(−n) u(n) ⇐⇒
1 − z −1
Usando la ecuación (10.9) se obtiene
1
X(z) = .
1−z
Diferenciación en el dominio de z.
Si existe la transformada-z de la señal x(n)
z
x(n) ⇐⇒ X(z),
la multiplicación de la señal x(n) por el n se transforma mediante la transformada-z como se
muestra en la ecuación (10.10).
z dX(z)
n · x(n) ⇐⇒ −z (10.10)
dz
Ejemplo 10.6:
Determimar la transformada-z de la señal
x(n) = {n · an } .
Se conoce la transformada-z de la señal {an } del ejemplo anterior
z 1
x1 (n) = {an } ⇐⇒ = X1 (z).
1 − az −1
Usando la ecuación (10.10) se obtiene
dX1 (z) az −1
X(z) = −z = .
dz (1 − az −1 )2
Correlación de dos series.
Si existe la transformada-z de las señales x1 (n) y x2 (n)
z z
x1 (n) ⇐⇒ X1 (z) x2 (n) ⇐⇒ X2 (z),
entonces la correlación x1 (n) con x2 (n) se define mediante la ecuación (10.11).
∞
z
x1 (n)x2 (n − l) ⇐⇒ Rx1 x2 (z) = X1 (z) · X2 (z −1 )
X
rx1 x2 (l) = (10.11)
n=−∞
Ejemplo 10.7:
Determine la autocorrelación de la señal x(n) = {an } .
z 1
{an } ⇐⇒
1 − az −1
1 1
X(z) = X(z −1 ) =
1 − az −1 1 − az
1 1 1
Rxx (z) = −1
× =
1 − az 1 − az 1 − a(z + z −1 ) + a2
10.2. la transformada-z inversa. 217
10.2. La transformada-z inversa.

La transformada-z inversa se calcula dividiendo el numerador entre el denominador, o con la
ayuda de las tablas de la transformada-z.
Ejemplo 10.8:
Determinar x(n) si se conoce X(z)
1
X(z) = 3 −1 .
1− 2z + 12 z −2
3 1 3 7 15 31
1 : 1 − z −1 + z −2 = 1 + z −1 + z −2 + z −3 + z −4 + . . .
2 2 2 4 8 16
Los coeficientes de la serie componen la señal x(n) en el dominio de tiempo.
3 7 15 31

x(n) = 1 ...
2 4 8 16
Ejemplo 10.9:
Determine la transformada-z inversa de la función
Y (z) 1
H(z) = = .
X(z) 1 − az −1
1 z
⇐⇒ an = h(n) (10.12)
1 − az −1
1
a.) De la ecuación (10.12) se obtiene para a = 2 la secuencia
1 1 1

h(n) = 1 ...
2 4 8
Si se pone en la entrada un Dirac, entonces h(n) = y(n) y si la señal en la salida converge a cero,
como se ve en la figura 10.3, entonces la función de transferencia es la función de un sistema
estable. El polo de la función de transferencia H(z) está dentro del circulo unidad zpolo = 0,5
como se muestra en la figura 10.7.
Figura 10.3: La respuesta de un sistema estable.
b.) De la ecuación (10.12) se obtiene para a = 2 la secuencia

1
h(n) = {1 2 4 8 . . .} =⇒ H(z) =
1 − 2z −1
En este caso la señal diverge, entonces para a = 2 la función de transferencia H(z) es la función
de un sistema que es inestable. El polo de la función de transferencia zpolo = 2 está afuera del
circulo unitario. La gráfica de la respuesta se muestra en la figura 10.4.
Figura 10.4: La respuesta de un sistema no estable.
c.) De la ecuación (10.12) se obtiene para a = 1 la secuencia

1
h(n) = y(n) = {1 1 1 1 1 1 . . .} =⇒ H(z) =
1 − z −1
En este caso el sistema es cuasiestable. La gráfica de la respuesta se muestra en la figura 10.5.
El polo de la función de transferencia H(z) está ubicado en el circulo unitario zpolo = 1, como se
muestra en la figura 10.7.
Figura 10.5: La respuesta de un sistema cuasiestable.
d.) De la ecuación (10.12) se obtiene para a = −1 la secuencia

1
h(n) = y(n) = {1 −1 1 −1 1 − 1 . . .} =⇒ H(z) =
1 + z −1
La gráfica de la respuesta se muestra en la figura 10.6. El polo de la función de transferencia
H(z) está ubicado en el circulo unitario y en la parte izguierda del plano z. En la figura 10.7
se muestran la ubicación de los polos de la función de transferencia H(z) en el dominio z y su
respuesta h(n) a un impulso unitario.
10.2. la transformada-z inversa. 219
Figura 10.6: La respuesta de un sistema cuasiestable.
Figura 10.7: Localización de los polos de la función de transferencia y la respuesta h(n).
Ejemplo 10.10:
Determine X(z) con la ayuda de la transformada-z, si se conoce la señal x(n) = {cos(ω0 n)} .
Usando la formula de Euler se obtiene
( ) ( ) ( )
ejω0 n + e−jω0 n ejω0 n e−jω0 n
x(n) = x1 (n) = x2 (n) = .
2 2 2
Sabiendo cómo se transforma ea
z 1
ean ⇐⇒ ,
1 − az −1
se obtiene
z 1 z 1
ejω0 n ⇐⇒ e−jω0 ⇐⇒
1− ejω0 z −1 1− e−jω0 z −1
1 1 1 1 − z −1 cos ω0

z
cos(ω0 n) ⇐⇒ + = .
2 1 − ejω0 z −1 1 − e−jω0 z −1 1 − 2z −1 cos ω0 + z −2
Tarea 10.1:
Determine X(z) con la ayuda de la transformada-z, si se conoce la señal x(n) = {sen(ω0 n)} .
Tarea 10.2:
Determinar la transformada-z de la s señal x(n):
x(n) = {0 1 2 5 0 7}
Tarea 10.3:
x(n) = {5(2)n + 2(3)n } .
Tarea 10.4:
x(n) = {5(2)n + 2(3)n − 1(2)n } .
Tarea 10.5:
Determine la transformada-z inversa de la función
Y (z) 1 + 0,5z −1
H(z) = = .
X(z) 1 − 0,2z −1 + 0,4z −2
Capı́tulo 11
Correlación
Una operación matemáticamente parecida a la convolución es la correlación. Como en el caso

de la convolución se trabaja también con dos secuencias de números x(n) y y(n). Pero en el
caso de la correlación se examina si las secuencias son parecidas. La correlación se utiliza en las
telecomunicaciones, radar, geologı́a etc.
Si existen dos señales x(n) y y(n) que querémos comparar, la señal x(n) es la señal que se trans-
mite y la señal y(n) es la señal recibida que rebotó de un objeto, la señal y(n) es prácticamente
la señal x(n) transmitida, pero retardada sobre un factor D, disminuida con el factor ”a” y
deformada por un ruido w(n), como se muestra en la figura 11.1. Esa señal reflejada se puede
expresar por una ecuación
y(n) = a · x(n − D) + w(n). (11.1)
Figura 11.1: La señal transmitida x(n) y reflejada y(n).
Nuestro problema es comparar las señales x(n) y y(n) y de esa manera identificar la presencia del
objeto y determinar D. Si se conoce el retardo D se puede calcular la distancia de objeto. Esta
información es muy importante, y se puede obtener con la ayuda de la correlación. Si tenemos
las señales x(n) y y(n) entonces la correlación de las señales x(n) y y(n) es la secuencia de los
números rxy (l). La correlación cruzada se define mediante las ecuaciones (11.2) y (11.3).
∞
X
rxy (l) = x(n)y(n − l) l = 0 ± 1, ±2 . . . (11.2)
n=−∞
221
222 capı́tulo 11. correlación
∞
X
rxy (l) = x(n + l)y(n) l = 0 ± 1, ±2 . . . (11.3)
n=−∞
Si se cambia x(n) por y(n) se puede expresar la correlación cruzada por las ecuaciónes (11.4) y
(11.5).
∞
X
ryx (l) = y(n)x(n − l) l = 0 ± 1, ±2 . . . (11.4)
n=−∞
∞
X
ryx (l) = y(n + l)x(n) l = 0 ± 1, ±2 . . . (11.5)
n=−∞
Ejemplo 11.1:
Determinar la correlación cruzada rxy (l) de las sequencias x(n) y y(n). Las flechas indican donde
se encuentran los coeficientes x(0) y y(0).
↓

x(n) = . . . 0 2 −1 3 7 1 2 −3 0 0
↓

y(n) = . . . 0 0 1 −1 2 −2 4 1 −2 5 0 0
Para l = 0 se calcula rxy (0). Los coeficientes adecuados de x(n) y y(n) se multiplican y suman,
como se muestra en las siguientes series, por ejemplo 0 · 0 + 2 · 1 + (−1) · (−1) + 2 · 3 + 7 · (−2) +
4 · 1 + 2 · 1 + (−3) · (−2) + 5 · 0 = 7.
↓

0 2 −1 3 7 1 2 −3 0 0
↓

0 1 −1 2 −2 4 1 −2 5 0
Efectuando la suma de los productos de x(i) y y(i)

l
X
rxy (0) = x(i)y(i),
i=−l
se obtiene rxy (0) = 7. Para l = 1 es necesario desplazar la segunda serie una posición al lado
derecho y se obtiene el coeficiente rxy (1).
↓

0 2 −1 3 7 1 2 −3 0 0
↓

0 1 −1 2 −2 4 1 −2 5 0
Con el mismo procedimiento se obtiene rxy (1) = 13. Para l = 2, 3, 4, 5, 6 y 7 se calculan

rxy (2) = −18, rxy (3) = 16, rxy (4) = −7, rxy (5) = 5, rxy (6) = −3, rxy (7) = 0. Para
l < 0 se desplaza la segunda serie hacia la izguierda y mediante un cálculo similar se obtiene
para l=-1 el término rxy (−1).
223
↓

0 2 −1 3 7 1 2 −3 0 0
↓

0 1 −1 2 −2 4 1 −2 5 0
Si se multiplican y suman los términos se obtiene rxy (−1) = 0.

Para l = −2 se obtiene rxy (−2) = 33
↓

0 0 2 −1 3 7 1 2 −3 0 0
↓

1 −1 2 −2 4 1 −2 5 0 0
Para l = (−2, −3, −4, −5, −6, −7, −8) se obtiene
rxy (−3) = −14; rxy (−4) = 36; rxy (−5) = 19

rxy (−6) = −9; rxy (−7) = 10; rxy (−8) = 0
La correlación cruzada de las secuencias x(n) y y(n) es la secuencia rxy (l)
rxy (l) = {0 0 10 − 9 19 36 − 14 33 0 7 3 − 18 16 − 7 5 −3 0 }
En el caso especial, si x(n) = y(n) se obtiene la autocorrelacion de la secuencia x(n).

∞
X
rxx (l) = x(n)x(n − l) (11.6)
l=−∞
∞
X
rxx (l) = x(n + l)x(n) (11.7)
l=−∞
La autocorrelación normalizada está definida por la ecuación (11.8)
rxx (l)
ρxx = . (11.8)
rxx (0)
De manera semejante la croscorrelación normalizada se expresa mediante la ecuación (11.9)
rxy (l)
ρxy (l) = q . (11.9)
rxx (0)ryy (0)
La correlación se usa también para descubrir periodicidades en señales con mucho ruido, en la
que el periodo no es evidente. Si se tiene una señal x(n) deformada por el ruido wn entonces se
obtiene la secuencia de números en la forma
y(n) = x(n) + w(n). (11.10)

Si se utiliza el factor M para la normalización, la autocorrelación ryy (l) se define mediante la
ecuación (11.11).
1 X
ryy (l) = y(n)y(n − l) (11.11)
M n
Si se sustituye por y(n) y y(n − l) se obtiene
1 X
ryy (l) = [x(n) + w(n)] · [x(n − l) + w(n − l)] (11.12)
M n
ryy (l) =
" #
1 X X X X
x(n)x(n − l) + x(n)w(n − l) + w(n)x(n − l) + w(n)w(n − l) . (11.13)
M n n n n
El primer termino de la ecuación (11.13) es la autocorrelación de la secuencia x(n)
1 X
rxx (l) = x(n)x(n − l). (11.14)
M n
Debido que la secuencia x(n) es periódica la autocorrelación rxx (l) de la señal x(n) es también
periódica. Tiene sus máximos en l = 0, N, 2N, 3N, . . .. Los máximos disminuyen, porque la
secuencia tiene número de términos finito. La croscorrelación entre la señal y ruido es muy
pequeña, y se define mediante las ecuaciones (11.15).
1 X 1 X
rxw (l) = x(n)w(n − l) rwx (l) = w(n)x(n − l) (11.15)
M n M n
Al fin la autocorrelación del ruido va a tener su máximo en el l = 0, y la autocorrelación converge

a cero.
1 X
rww (l) = w(n)w(n − l) (11.16)
M n
Esa cualidad nos permite descubrir la señal periódica x(n) en la señal y(n). En la figura 11.2 se
presenta esa idea. De la autocorrelación podemos ver el periódo de la señal x(n). El periódo es
en este caso N = 10. Los máximos se disminuyen por no tener secuencia infinita.
225
Figura 11.2: Autocorrelación de una señal y(n)
Ejemplo 11.2:
Determinar la correlación cruzada rxy (l) de las sequencias parecidas x(n) y y(n). Las flechas
indican donde se encuentran los coeficientes x(0) y y(0).
↓

x(n) = 1 2 3 2 1
↓

y(n) = 2 4 6 4 2
La correlación cruzada de las secuencias parecidas x(n) y y(n) es la secuencia rxy (l). La corre-
lación de las secuencias parecidas es simétrica figura 11.3.
rxy (l) = {2 8 20 32 38 32 20 8 2}
Figura 11.3: Correlación cruzada de dos señales parecidas
Tarea 11.1:
Determinar la correlación cruzada rxy (l) de las sequencias x(n) y y(n). Las flechas indican donde
se encuentran los coeficientes x(0) y y(0).
↓

x(n) = −1 2 1 −2 1 1 −2 1 2 −1
↓

y(n) = 1 −2 −1 2 −1 −1 2 −1 −2 1
Tarea 11.2:
Determinar la convolución de las sequencias x(n) y y(n).
x(n) = {−1 2 1 −2 1 1 −2 1 2 − 1}
y(n) = {1 −2 −1 2 −1 −1 2 −1 − 2 1}
Capı́tulo 12
Transformada discreta de Fourier
La transformada de Fourier de una señal discreta no periodica está definida por la ecuación
(12.1)
∞
x(n)e−jωnT dt,
X
X(ω) = (12.1)
n=−∞
y la transformada inversa de Fourier se define mediante la ecuación (12.2).

Z π
1
x(n) = X(ω)ejωnT dω (12.2)
2π −π
F
Esas dos ecuaciones se expresan simbólicamente x(n) ⇐⇒ X(ω)
Ejemplo 12.1:
Determinar el espectro de una señal x(n) definida por la ecuación

 A
 −M ≤ n ≤ M
x(n) =

 0 para el resto de valores n.
Figura 12.1: La señal discreta.
M M
!
−jωnT
X X
X(ω) = Ae =A 1+2 cos ωn (12.3)
n=−M n=1 T =1
227
228 capı́tulo 12. transformada discreta de fourier
sen (M + 21 )ω
X(ω) = A
sen ω2
sen (M + 21 )ω
|X(ω)| =| A |
sen ω2

 0
 para X(ω) > 0
6 X(ω) =

 π para X(ω) < 0
La gráfica de un señal x(n) y su espectro se muestran en la figura 12.2.
Figura 12.2: La señal discreta no periódica y su espectro contı́nuo y periódico.
12.1. Simetrı́a de la transformada de Fourier.

Supongamos que la señal en el tiempo x(n) y su espectro son complejos. Entonces las podemos
expresar en la forma rectangular como
x(n) = xR (n) + jxI (n) (12.4)
X(ω) = XR (ω) + jXI (ω). (12.5)

Si se sustituyen esas ecuaciones y e−jω = cos(ω) − jsen(ω) en las ecuaciones (12.6) y (12.7)
Z π
1
x(n) = X(ω)ejωnT dω (12.6)
2π −π
12.1. simetrı́a de la transformada de fourier. 229
∞
x(n)e−jωnT ,
X
X(ω) = (12.7)
n=−∞
Si ahora se obtienen la parte real e imaginaria de las señales x(n) y X(ω) resulta
∞
X
XR (ω) = [xR (n)cos(ωn) + xI (n)sen(ωn)] (12.8)
n=−∞
∞
X
XI (ω) = − [xR (n)sen(ωn) − xI (n)cos(ωn)] (12.9)
n=−∞
1
Z
xR (n) = [XR (ω)cos(ωn) − XI (ω)sen(ωn)]dω (12.10)
2π 2π
1
Z
xI (n) = [XR (ω)sen(ωn) + XI (ω)cos(ωn)]dω. (12.11)
2π 2π
A continuación se investigan casos especiales.
A. La señal real.
Si la señal x(n) es real entonces se puede escribir
xR (n) = x(n) xI (n) = 0,

y las ecuaciones para el espectro toman la forma
∞
X
XR (ω) = x(n)cos(ωn) (12.12)
n=−∞
∞
X
XI (ω) = − x(n)sen(ωn). (12.13)
n=−∞
De estas ecuaciones se puede calcular la ecuación (12.14)

∞
X ∞
X
XR (−ω) = x(n)cos(−ωn) = x(n)cos(ωn). (12.14)
n=−∞ −∞
Entonces la parte real de la señal es par XR (−ω) = XR (ω). La señal x(n) se calcula mediante
Z π
1
x(n) = [XR (ω)cos(ωn) − XI (ω)sen(ωn)]dω (12.15)
π 0
El módulo y la fase de espectro de la señal real x(n) se pueden calcular mediante las ecuaciones
(12.16) y (12.17).
q
|X(ω| = 2 (ω) + X 2 (ω)
XR (12.16)
I
XI (ω)
6 X(ω) = arctan (12.17)
XR (ω)
B. La señal real y par

Si la señal x(n) es real y par, x(n) = x(−n), después mediante las ecuaciones (12.18) y (12.19)
∞
X
XR (ω) = x(n)cos(ωn) (12.18)
n=−∞
∞
X
XI (ω) = x(n)sen(ωn), (12.19)
n=−∞
se obtiene
∞
X
XR (ω) = x(0) + 2 x(n)cos(ωn) (12.20)
n=1
XI (ω) = 0
Z π
1
x(n) = XR (ω)cos(ωn)dω. (12.21)
π 0
La señal x(n) par y real tiene su espectro real y par.
C. La señal real e impar.
Si la señal x(n) es real e impar x(−n) = −x(n) entonces
x(n)cos(ωn) es impar y x(n)sen(ωn) es par,

y de la ecuación (12.22) y (12.23)
∞
X
XR (ω) = x(n)cos(ωn) (12.22)
n=−∞
∞
X
XI (ω) = x(n)sen(ωn) (12.23)
n=−∞
Z π
1
x(n) = [XR (ω)cos(ωn) − XI (ω)senωn],
π 0
se obtiene
XR (ω) = 0
∞
X
XI (ω) = −2 x(n)sen(ωn) (12.24)
n=1
Z π
1
x(n) = − XI (ω)sen(ωn)dω. (12.25)
π 0
Si la señal x(n) es real e impar su espectro es impar y se calcula mediante la ecuación (12.24).
D. Las señales imaginarias.
Para las señales imaginarias podemos escribir xR = 0 y x(n) = jx(n) y las funciones
12.1. simetrı́a de la transformada de fourier. 231
∞
X
XR (ω) = [xR (n) cos ωn + xI (n)sen(ωn)]
n=−∞
∞
X
XI (ω) = − [xR (n)sen(ωn) + xI (n)cos(ωn)]
n=−∞
1
Z
xI (n) = [XR (ω)sen(ωn) + XI (ω)cos(ωn)]dω,
2π 2π
se reducen a:
∞
X
XR (ω) = xI (n)sen(ωn) (12.26)
n=−∞
∞
X
XI (ω) = xI (n)cos(ωn) (12.27)
n=−∞
Z π
xI (n) = [XR (ω)sen(ωn) + XI (ω)cos(ωn)]dω. (12.28)
0
Si xI (n) es impar −xI (n) = xI (−n) entonces
∞
X
XR (ω) = 2 xI (n)sen(ωn) (12.29)
n=1
XI (ω) = 0 (12.30)
Z π
1
xI (n) = XR (ω)sen(ωn)dω. (12.31)
π 0
Si xI (n) es par, xI (n) = xI (−n) se obtiene de la ecuación (12.26) y (12.27)
XR (ω) = 0 (12.32)
∞
X
XI (ω) = xI (0) + 2 xI (n)cos(ωn) (12.33)
n=1
Z π
1
xI (n) = XI (ω)cos(ωn)dω. (12.34)
π 0
Estas propiedades de la simetrı́a nos simplifican los cálculos. No es necesario calcular los espectros
usando la definición de la transformada de Fourier.
12.2. Propiedades de la transformada Fourier.

Linealidad.
Si existe la transformada de Fourier de las señales x1 (n) y x2 (n)
F F
x1 (n) ⇐⇒ X1 (ω) x2 (n) ⇐⇒ X2 (ω),
entonces la linealidad se define mediante la ecuación (12.35)
F
a1 x1 (n) + a2 x2 (n) ⇐⇒ a1 X1 (ω) + a1 X2 (ω). (12.35)
Ejemplo 12.2:
Determinar la transformada de Fourier discreta de la señal
x(n) = a|n| − 1 < a < 1.

La señal x(n) se puede expresar como la suma de dos señales x(n) = x1 (n) + x2 (n), donde

n
 a n≥0

x1 (n) =

 0 n<0

−n n < 0
 a

x2 (n) =
n≥0

 0
La transformada de Fourier de la señal x1 (n) es

∞ ∞ ∞
x1 (n)e−jωn = an e−jωn = (ae−jω )n
X X X
X1 (ω) =
n=−∞ n=0 n=0
1
X1 (ω) = .
1 − ae−jω
Esta función converge para |ae−jω | = |a| · |e−jωn | = |a| < 1. Análogamente para la señal x2 (n)
se obtiene
∞ −1 −1 ∞
x2 (n)e−jωn = a−n e−jωn = (aejω )−n =
X X X X
X2 (ω) = (aejω )k
n=−∞ n=−∞ n=−∞ k=1
aejω
X2 (ω) = .
1 − aejω
Si se suman los espectros X1 (ω) y X2 (ω) se obtiene la siguiente ecuación
1 − a2
X(ω) = X1 (ω) + X2 (ω) = .
1 − 2a cos ω + a2
La gráfica de la señal x(n) = a|n| y su espectro se muestran en la figura 12.3.
12.2. propiedades de la transformada fourier. 233
Figura 12.3: Gráfica de la señal x(n) = a|n| y su espectro.
Desplazamiento en el tiempo.
Si existe la transformada de Fourier de la señal x(n)
F
x(n) ⇐⇒ X(ω),
el desplazamiento en el tiempo de la señal produce un cambio en la transformada de Fourier
cómo se muestra en la ecuación (12.36).
F
x(n − k) ⇐⇒ e−jωk X(ω) (12.36)
Inversión del tiempo.
F
x(n) ⇐⇒ X(ω),
entonces la inversión del tiempo en la señal aparece reflejada en la transformada de Fourier como
se muestra en la ecuación (12.37).
F
x(−n) ⇐⇒ X(−ω) (12.37)
La convolución.
Si existen las transformadas de Fourier de las señales x1 (n) y x2 (n)
F F
x1 (n) ⇐⇒ X1 (ω) x2 (n) ⇐⇒ X2 (ω),
entonces la convolución de las señales x1 (n) y x2 (n) tiene como transformada de Fourier la
mostrada en la ecuación (12.38).
F
x1 (n) ∗ x2 (n) ⇐⇒ X1 (ω) · X2 (ω) (12.38)
Ejemplo 12.3:
Determine la convolución de dos señales x1 (n) y x2 (n).
↓

x1 (n) = x2 (n) = 1 1 1
La señal es real y par como se ve de la figura 12.4, entonces se utiliza la ecuación para las señales
reales y pares, ecuación (12.20).
Figura 12.4: La señal real y par.
∞
X
XR (ω) = x(0) + 2 x(n)cos(ωn)
n=1
Sustituyendo para n=1 se obtiene
X1 (ω) = X2 (ω) = 1 + 2cosω.

Si se multiplica X1 (ω) por X2 (ω) se obtiene el espectro X(ω).
X(ω) = 3 + 4 cos ω + 2 cos 2ω = 3 + 2(ejω + e−jω ) + (e2jω + e−2jω )

Si se calcula la transformada inversa de Fourier x(n) = F −1 {X(ω)} se obtiene la señal x(n).
↓x0

x(n) = 1 2 3 2 1
En la figura 12.5 se muestra la convolución gráfica de dos señales.

Correlación de dos señales.
Si existe la transformada de Fourier de las señales x1 (n) y x2 (n)
F F
x1 (n) ⇐⇒ X1 (ω) x2 (n) ⇐⇒ X2 (ω),
entonces la relación (12.39) define la correlación de las señales x1 (n) y x2 (n) y Sx1 x2 (ω) es la
densidad espectral.
F
rx1 x2 (l) ⇐⇒ X1 (ω)X2 (−ω) = Sx1 x2 (ω) (12.39)
Figura 12.5: La gráfica de convolución de dos señales.
Ejemplo 12.4:
Determine la densidad espectral de la señal x(n) = an − 1 < a < 1.
Para l > 0 se obtiene
∞ ∞ ∞
an an−l = a−l
X X X
rxx (l) = x(n)x(n − l) = (a2 )n
n=0 n=0 n=l
1
rxx (l) = al l ≥ 0,
1 − a2
y para l ≤ 0 se obtiene
∞ ∞
1
x(n)x(n − l) = a−l a−l .
X X
rxx (l) = (a2 )n =
n=0 n=0
1 − a2
Las dos ecuaciones se pueden escribir conjustamente de la forma
1
rxx (l) = a|l| .
1 − a2
Si se utiliza el resultado del ejemplo anterior,
F 1 − a2
x(n) = a|n| ⇐⇒ X(ω) = ,
1 − 2a cos ω + a2
se obtiene la densidad del espectro
1 n o
F {rxx (l)} = F a|l| = Sxx (ω)
1 − a2
1
Sxx (ω) = .
1 − 2a cos ω + a2
Desplazamiento en la frecuencia
F
x(n) ⇐⇒ X(ω),
entonces un desplazamiento en el dominio de la frecuencia se observa en la transformada de
Fourier cómo se muestra en la ecuación (12.40).
F
e−jω0 n x(n) ⇐⇒ X(ω − ω0 ) (12.40)
El efecto del desplazamiento en la frecuencia se muestra en la figura 12.6.
Figura 12.6: Desplazamiento de la frecuencia.
El teorema de modulación.
Si existe la transformada de Fourier de la señal x(n),
F
x(n) ⇐⇒ x(ω),
entonces el teorema de modulación se define mediante la ecuación (12.41).
F 1 1
x(n)cos(ω0 n) ⇐⇒ X(ω + ω0 ) + X(ω − ω0 ) (12.41)
2 2
Demostración.
Si se multiplica x(n) por
1 jω0 n
cos(ω0 n) = e + e−jω0 n ,
2
y si se utiliza la propiedad desplazamiento en la frecuencia, se obtiene
1 jω0 n x(n) jω0 n x(n) −jω0 n

x(n) · e + e−jω0 n = e + e
2 2 2
x(n) jω0 n x(n) −jω0 n F X(ω + ω0 ) X(ω − ω0 )

e + e ⇐⇒ + .
2 2 2 2
El ejemplo de modulación se muestra para x(n) = cos(πn) en la figura 12.7.
Figura 12.7: La modulación de señal x(n).
x(n) h jπ i
y(n) = x(n)cos(πn) = e + e−jπ
2
X(ω + π) X(ω − π)
Y (ω) = F {y(n)} = +
2 2
Diferenciación en el dominio de la frecuencia.
F
x(n) ⇐⇒ X(ω),
entonces la diferenciación en el dominio de las frecuencias se observa mediante la transformada
de Fourier mostrada en la ecuación 12.42.
F dX(ω)
nx(n) ⇐⇒ j (12.42)
dω
Demostración.
" ∞ # ∞ ∞
dX(ω) d de−jωn
x(n)e−jωn = nx(n)e−jωn
X X X
= x(n) = −j
dω dω n=−∞ n=−∞
dω n=−∞
Ejemplo 12.5:
Determine
n las
n omuestras en la salida de un circuito si el circuito tiene la respuesta al impulso
1
h(n) = 2 y si en la entrada es la señal
jπn
x(n) = Ae 2 (ω = π/2).
Primero se calcula la transformada de Fourier de la respuesta a impulso.
∞
1 1
( )n e−jωn =
X
H(ω) = 1
n=−∞
2 1 − 2 e−jω
Para ω = π/2 se obtiene

1 1
H(π/2) = 1 −j π2
=
1− 2e
1 + j 21
2 1/2 2 o
H(π/2) = √ .e−jarctg 1 = √ e−j26,6 ,
5 5
y las muestras en la salida del circuito se calculan mediante la siguiente ecuación.
2 2

o πn o o
y(n) = A √ e−j26,6 ej 2 = A √ ej(90 n−26,6 )
5 5
Ejemplo 12.6:
Para un sistema lineal e invariante en el tiempo determine la respuesta de la magnitud y la fase
de la transformada de Fourier. El sistema está definido por la ecuación en diferencias
y(n) = ay(n − 1) + bx(n).
Y (ω) = ae−jω Y (ω) + bX(ω)
Y (ω) b 1
H(ω) = = −jω
=
X(ω) 1 − ae 1 − a · cos ω + ja · sen ω
|b|
|H(ω)| = √
1 − 2a · cos ω + a2
a · sen ω
6 H(ω) = − arctan
1 − a · cos ω
12.3. La transformada de una señal discreta y periódica.

La transformada discreta de Fourier DFT de una señal discreta y periódica se define mediante
la ecuacion (12.43).
N
X −1
X(k) = x(n)WNkn (12.43)
n=0
La transformada inversa de Fourier se define mediante la ecuación (12.44),

−1
1 NX
x(n) = X(k)WN−kn (12.44)
N n=0
donde
2π
WN = e−j( N ) . (12.45)
La relación entre la señal en el dominio de tiempo y frecuencia la escribimos simbólicamente
DF T
x(n) ⇐⇒ X(k).
12.4. propiedades de la dft. 239
Ejemplo 12.7:
Transformar la señal discreta y periódica x(n) usando la transformada discreta de Fourier.

 1 para n = 4l l = 0 ± 1 ± 2 . . .

x(n) =

 0 para otras n
La gráfica de esta señal discreta y periódica se muestra en la figura 12.8. Usando la ecuación
(12.46)
Figura 12.8: Señal discreta y periódica.
N −1
2πkn
x(n)e−j
X
X(k) = N , (12.46)
n=0
se obtiene para N = 4
3
πkn
x(n)e−j
X
X(k) = 2 .
n=0
Para n = 0, x(n) = 1 y se obtiene

3
πk
e−j ·0
X
X(k) = 2 = 1.
n=0
Entonces X(0) = X(1) = X(2) = X(3) = 1.

En la figura 12.9 se muestra la señal discreta y periódica x(n) y su espectro X(k).
12.4. Propiedades de la DFT.
Periodicidad.
Si x(n) es una señal periódica con periódo N, el espectro Y(k) es también periódico con el mismo
periódo N.
x(n + N ) = x(n) para todos n X(k + N ) = X(k) para todos k

Figura 12.9: Señal discreta y periódica y su espectro.
Linealidad.
Si existe la transformada discreta de Fourier de las señales x1 (n) y x2 (n)
DF T DF T
x1 (n) ⇐⇒ X1 (k) x2 (n) ⇐⇒ X2 (k),
entonces para los valores reales o complejos a1 y a2 la linealidad se define mediante la ecuación
(12.47).
DF T
a1 x1 (n) + a2 x2 (n) ⇐⇒ a1 X1 (k) + a2 X2 (k) (12.47)
Convolucion circular en el tiempo.
Si existe la transformada discreta de Fourier de las señales x1 (n) y x2 (n)
DF T DF T
x1 (n) ⇐⇒ X1 (k) x2 (n) ⇐⇒ X2 (k),
la propiedad de convolución circular se define mediante la ecuación (12.48).
N DF T
x1 (n) ∗ x2 (n) ⇐⇒ X1 (k) · X2 (k) (12.48)
Ejemplo 12.8:
Determine la convolución de las señales discretas periódicas
x1 (n) = {2 1 2 1}
x2 (n) = {1 2 3 4} .
Primero se determina la transformada discreta de Fourier de x1 (n) y x2 (n).
3
j2πnk
x1 (n)e−
X
X1 (k) = 4 k = 0, 1, 2, 3, . . .
0
πk 3πk
X1 (k) = 2 + e−j 2 + 2e−jπk + e− 2
Para k=0,1,2,3 se obtiene

X1 (0) = 6
π π 3π 3π
X1 (1) = 2 + cos − jsen + 2 cos π − 2jsen π + cos − jsen =2−j−2−0+0+j
2 2 2 2
X1 (1) = 0
X1 (2) = 2 + cos π − jsen π + 2 cos 2π − 2jsen 2π + cos 3π − jsen 3π = 2 − 1 − 0 + 2 − 0 − 1 − 0
X1 (2) = 2
3π 3π 9π 9π
X1 (3) = 2 + cos − jsen + 2 cos 3π − 2jsen 3π + cos − jsen = 2+0+j −2−0+0−j
2 2 2 2
X1 (3) = 0
La transformada discreta de Fourier de la señal x2 (n) es
3
2πnk
x2 (n)e−
X
X2 (k) = 4 .
n=0
De manera similar se obtiene
X2 (0) = 10, X2 (1) = −2 + 2j, X2 = (2) − 2, X2 (3) = −2 − 2j.
El resultado se obtiene calculando la ecuación
X3 (K) = X1 (k) · X2 (k).
X3 (0) = X2 (0) · X1 (0) = 60

X3 (1) = X2 (1) · X1 (1) = 0
X3 (2) = X2 (2) · X1 (2) = −4
X3 (3) = X2 (3) · X1 (3) = 0
Usando la transformada Fourier inversa IDF T,
F −1 {X3 (k)} = x3 (n)

se obtiene
3
1X 2πkn
x3 (n) = X3 (k)ej 4
4 k=0
1
x3 (n) = 60 − 4ejπn .
4
Para i = 0, 1, 2, 3 se calcula x3 (i)
1
x3 (0) = 14 x3 (1) = (60 + 4) = 16
4
1 1
x3 (2) = (60 − 4) = 14 x3 (3) = (60 + 4) = 16.
4 4
Ahora bien, x3 (n) es la secuencia de los numeros 14 y 16. La señal x3 (n) es también periódica.
x3 (n) = {14 16 14 16}

El mismo resultado se calcula más rápido utilizando una matriz circular como se muestra ade-
lante.
x3 (n) = circ x2 (k) · x1 (k)

       
x3 (0) 1 4 3 2 2 14
 x3 (1)   2 1 4 3   1   16 
= · =
       
x3 (2) 3 2 1 4 2 14
 
       
x3 (3) 4 3 2 1 1 16
Desplazamiento circular de la señal en el dominio de tiempo.

DF T
Si existe x(n) ⇐⇒ X(k) la transformada de Fourier discreta de x(n − l)N es como se muestra
en la ecuación (12.49).
DF T 2πkl
x(n − l)N ⇐⇒ X(k)e−j N (12.49)
Desplazamiento circular de la señal en el dominio de la frecuencia.
DF T 2πnl
Si existe x(n) ⇐⇒ X(k) entonces x(n)ej N tiene la transformada de Fourier discreta que se
presenta en la eciación (12.50).
2πnl DF T
x(n)ej N ⇐⇒ X(k − l)N (12.50)
La correlación circular.
Si existe la transformada discreta de Fourier de las señales x(n) y y(n),
DF T DF T
x(n) ⇐⇒ X(k) y(n) ⇐⇒ Y (k)
la correlación cruzada se puede calcular mediante la ecuación (12.51).
DF T
rxy (l) ⇐⇒ X(k)Y ∗ (k) (12.51)
El término rxy (l) es la croscorrelación circular definida por la ecuación
N −1
x(n)y ∗ (n − l)N .
X
rxy (l) = (12.52)
n=0
Para la autocorrelación se utiliza la ecuación (12.53).

DF T
rxx (l) ⇐⇒ |X(k)|2 (12.53)
Multiplicación de dos señales en el tiempo.

Si existe la transformada discreta de Fourier x1 (n) y y2 (n),
DF T DF T
x1 (n) ⇐⇒ X1 (k) x2 (n) ⇐⇒ X2 (k),
entonces la multiplicación de dos señales en el dominio del tiempo se transforma en la convolución
de las señales X1 (k) y X2 (k).
1DF T
x1 (n) · x2 (n) ⇐⇒X1 (k) ∗ X2 (k) (12.54)
N
La multiplicación dos señales en el tiempo coresponde a la convolución circular de las señales
X1 (k) y X2 (k)
El teorema de Parseval.
Sean las secuencias x(n) y y(n), si existen las transformada discretas de Fourier,
DF T
x(n) ⇐⇒ X(k)
DF T
y(n) ⇐⇒ Y (k),
entonces
N −1 −1
DF T 1 NX
x(n)y ∗ (n) ⇐⇒ X(k)Y (k)∗ .
X
(12.55)
n=0
N k=0
Para y(n) = x(n) la ecuación (12.55) se reduce a

N −1 −1
X
21 NX
|x(n)| = |X(k)|2 (12.56)
n=0
N k=0
La ecuación (12.56) corresponde a la energı́a de la secuencia x(n).

Ejemplo 12.9:
Usando la DF T y la IDF T determine la salida de un filtro FIR que tiene la respuesta al impulso
h(n),
h(n) = {1 2 3} ,
si en la entrada es la señal
x(n) = {1 2 2 1} .
La respuesta al impulso tiene tres muestras M = 3 y la señal en la entrada tiene cuatro muestras
L = 4. Esas dos secuencias establecen una secuencia convolución de longitud
N = M + L − 1 = 6.
La longitud de la DF T tiene que ser como mı́nimo 6. Para nuestro caso elegimos una DF T de
ocho-puntos, porque el algoritmo más conocido, la transformada rápida de Fourier T RF (FFT)
está elaborada para longitudes que sean potencias de dos. Entonces la DFT de 8 puntos de las
señal x(n) es
7
2πkn
x(n) · e−j
X
X(k) = 8
n=0
πk πk 3πk
X(k) = 1 + 2e−j 4 + 2e−j 2 + e−j 4
Si se sustituye por k = 0, 1, 2, 3, 4, 5, 6, 7 se obtiene

√ √
2+ 2
X(0) = 6 X(1) = 2√ − j 4+32√2
2− 2
X(2) = −1 − j X(3) = 2√ + j 4−32√2
2− 2
X(4) = 0 X(5) = 2√ − j 4−32√2
2+ 2
X(6) = −1 + j X(6) = 2 + j 4+32 2 .
La DFT de 8 de la secuencia h(n) es
7
2πkn
h(n)e−j
X
H(k) = 8
n=0
kπ kπ
H(k) = 1 + 2e−j 4 + 3e−j 2 .
De la ecuación anterior se obtiene
√ √
H(0) = 6 H(1) = 1 + √2 − j(3 + √2)
H(2) = −2 − 2j H(3) = 1 − √2 + j(3 − √2)
H(4) = 2 H(5) = 1 − √2 − j(3 − √2)
H(6) = −2 + 2j H(7) = 1 + 2 + j(3 + 2).
Resolviendo la ecuación Y (k) = H(k) · X(k) se obtiene el resultado
Y (0) = 6 · 6 = 36 Y (1) = −14,07 − j17,48

Y (2) = j4 Y (3) = 0,07 + j0,515
Y (4) = 0 Y (5) = 0,07 − j0,515
Y (6) = −j4 Y (7) = −14,07 + j17,48.
Y finalmente utilizando la IDF T de 8 puntos
7
1X 2πkn
y(n) = Y (k)ej 8 ,
8 k=0
se consigue el resultado
y(n) = {1 4 9 11 8 3 0 0} .
y(0) =
1
[36 − 14,07 − j14,07 + j4 + 0,07 + j0,51 + 0,07 − j0,51 − j4 − 14,07 + j17,48] = 1
8
En este ejemplo hemos visto que se necesitan muchı́simas operaciones para realizar los cálculos.
Por eso algunos autores diseñaron el algoritmo que se llama la transformada rápida de Fourier
(FFT).
Ejemplo 12.10:
Usando la convolución circular calcule la respuesta y(n) = h(n) ∗ x(n) si se cononocen las señales
h(n) = { 1 2 3}
x(n) = { 1 2 2 1} .
Si se utiliza la convolución circular y(n) = circ h(n) · x(n) se obtiene

     
1 0 3 2 1 9
 2 1 0 3   2   7 
y(n) =  · = .
     
 3 2 1 0   2   9 
0 3 2 1 1 11
La respuesta y(n) es de la forma
y(n) = { 9 7 9 11} .
Si se completan las señales con un cero,
h1 (n) = { 1 2 3 0 0}
x1 (n) = { 1 2 2 1 0} ,
la señal y1 (n) se calcula mediante la convolución circular

     
1 0 0 3 2 1 4

 2 1 0 0 3  
  2  
  4 

y1 (n) =  3 2 1 0 0 × 2 = 9 .
     
     
 0 3 2 1 0   1   11 
0 0 3 2 1 0 8
La respuesta es y1 (n) es de la forma
y1 (n) = { 4 4 9 11 8} .
Si se agregan a los señales h(n) y x(n) dos ceros,
h2 (n) = { 1 2 3 0 0 0}
x2 (n) = { 1 2 2 1 0 0} ,
la convolución circular toma la forma

     
1 0 0 0 3 2 1 1

 2 1 0 0 0 3  
  2  
  4 

 3 2 1 0 0 0   2   9 
y2 (n) =  × = .
     
 0 3 2 1 0 0   1   11 
     
 0 0 3 2 1 0   0   8 
0 0 0 3 0 0 0 3
La respuesta y2 (n) en el dominio del tiempo es
y2 (n) = { 1 4 9 11 8 3} .
La respuesta y2 (n) es la misma que obtuvimos en el ejemplo anterior. Las respuestas y( n) y
y1 (n) no son correctas ya que les faltan algunos valores
Tarea 12.1:
Transformar la señal discreta y periódica x(n) usando la transformada discreta de Fourier.

 1 para n = 6l l = 0 ± 1 ± 2 . . .

x(n) =

 0 para otras n
Tarea 12.2:
Determine la convolución de las señales discretas periódicas
x1 (n) = {2 1 1 2}
x2 (n) = {1 2 2 1} .
Tarea 12.3:
Usando la DF T y la IDF T determine la salida de un filtro FIR que tiene la respuesta al impulso
h(n),
h(n) = {1 2 3 4} ,
si en la entrada es la señal
x(n) = {2 1 1 2} .
Tarea 12.4:
Usando la convolución circular calcule la respuesta y(n) = h(n) ∗ x(n) si se cononocen las señales
h(n) = { 1 2 3 4}
x(n) = { 2 1 1 2} .
Capı́tulo 13
La transformada rápida de Fourier
La transformada discreta de Fourier se define mediante la ecuación (13.1)
N
X −1
X(k) = x(n)WNkn , (13.1)
n=0
2π
donde WN = e−j N .
Desarrollando la ecuación (13.1) se obtiene para n=k=0,1,2,3 y N=4 las siguientes ecuaciones:
X(0) = x(0)W 0 + x(1)W 0 + x(2)W 0 + x(3)W 0

X(1) = x(0)W 0 + x(1)W 1 + x(2)W 2 + x(3)W 3
X(2) = x(0)W 0 + x(1)W 2 + x(2)W 4 + x(3)W 6
X(3) = x(0)W 0 + x(1)W 3 + x(2)W 6 + x(3)W 9
Estas ecuaciones se pueden escribir en forma matricial.

     
X(0) 1 1 1 1 x(0)
 X(1)   1 W1 W2 W3   x(1) 
= ·
     
X(2) 1 W2 W4 W6 x(2)
 
     
X(3) 1 W3 W6 W9 x(3)
2π
Si se sustituye en la ecuación matricial W = e−j 4 se obtiene (13.2):
     
X(0) 1 1 1 1 x(0)
 X(1)   1 −j −1 j   x(1) 
= · (13.2)
     
X(2) 1 −1 1 −1 x(2)
 
     
X(3) 1 j −1 −j x(3)
La ecuación matricial (13.2) se puede escribir simbólicamente en la forma
X(k) = F · x(n),
donde F es la matriz de Fourier. A partir de la ecuación matricial (13.2) se obtienen las ecuaciones
siguientes:
247
248 capı́tulo 13. la transformada rápida de fourier
X(0) = x(0) + x(1) + x(2) + x(3)

X(1) = x(0) − jx(1) − x(2) + jx(3)
(13.3)
X(2) = x(0) − x(1) + x(2) − x(3)
X(3) = x(0) + jx(1) − x(2) − jx(3)
Las ecuaciones (13.3) representan la mariposa básica de la DFT (Transformada Discreta de

Fouirier) para N=4. La gráfica de la implementación en mariposa es mostrada en la figura 13.1.
De la gráfica 13.1 se deduce, que se tienen 12 sumas y 4 multiplicaciones. La matriz de Fourier
se puede dividir en dos matrices como lo hizimos con la ecuación matricial (13.4).
Figura 13.1: Mariposa básica para 4-DFT.
       
X(0) 1 0 1 0 1 0 1 0 x(0)
 X(1)   0 1 0 −j 
  1
 0 −1 0   x(1) 
= · · (13.4)
     
X(2) 1 0 −1 0   0 1 0 1 x(2)
 
     
X(3) 0 1 0 j 0 1 0 −1 x(3)
Esta ecuación matricial se puede dividir en dos ecuaciones matriciales.

     
X(0) 1 0 1 0 x1 (0)
 X(1)   0 1 0 −j   x (1)
  1

= ·
   
X(2) 1 0 −1 0   x1 (2)
 
   
X(3) 0 1 0 j x1 (3)
     
x1 (0) 1 0 1 0 x(0)
 x1 (1)   1 0 −1 0   x(1) 
= ·
     
x1 (2) 0 1 0 1 x(2)
 
     
x1 (3) 0 1 0 −1 x(3)
De las ecuaciónes matriciales se obtienen siguientes ecuaciónes:
X(0) = x1 (0) + x1 (2) x1 (0) = x(0) + x(2)

X(1) = x1 (1) − jx1 (3) x1 (1) = x(0) − x(2)
X(2) = x1 (0) − x1 (2) x1 (2) = x(1) + x(3)
X(3) = x1 (1) + jx1 (3) x1 (3) = x(1) − x(3).
249
A partir de estas ecuaciones se puede dibujar la mariposa de la FFT (Transformada Rápida de

Fourier) para N=4. La mariposa se muestra en la figura 13.2. De la figura 13.2 se observa, que en
la entrada las primeras muestras son pares y las restantes impares. A la salida de la mariposa las
muestras están bien ordenadas y se obtiene una mariposa más simple. Se puede ver, que ahora
sólo son necesarias 8 sumas y 2 multiplicaciones. Entonces en comparación con la mariposa de
la DFT se ahorran 6 operaciones aritméticas. Si se modifica la mariposa de la FFT como se
muestra en la figura 13.2b) en vez de 2 multiplicaciones sólo es necesario multiplicar una vez
por j.
En la gráfica 13.3 se muestra cómo se economizan las operaciones si se utiliza la transformada

rápida de Fourier. Por ejemplo para 1024 muestras de la señal x(n) utilizando la transformada
de Fourier rápida se necesitan 2 · 105 operaciones mientras que utilizando la transformada de
Fourier discreta para calcular el espectro se necesitan 106 operaciones. Entonces con la FFT se
ahorran 800,000 operaciones, dividiendo el número de operaciones totales entre 5.
Figura 13.2: Mariposa para la FFT N=4.
Figura 13.3: Operaciones para la DF T y la F F T.

13.1. El algoritmo Decimación en el tiempo

La secuencia de datos x(n) en la entrada de un circuito discreto se puede dividir en dos secuencias,
una compuestas por las muestras pares ×x(2n) y la otra formada por las muestras impares
×x(2n + 1).
N
x(n) = x(2n) n = 0, 1, 2, 3, . . . −1 (13.5)
2
x(2n) = {x(0) x(2) x(4) . . .} x(2n + 1) = {x(1) x(3) x(5) . . .}
La secuencia x(2n) se compone de los elementos pares de x(n) y la secuencia x(2n + 1) tiene los
elementos impares de x(n). La transformada de Fourier discreta
N
X −1
X(k) = x(n)WNkn , (13.6)
n=0
se puede escribir como la suma de las muestras pares e impares
N N
2
−1 2
−1
X X k(2n+1)
X(k) = x(2n)WN2kn + x(2n + 1)WN . (13.7)
n=0 n=0
El término WN está definido por la ecuación
2π
WN = e−j N , (13.8)
como es periódico
k+ N n(k+ N )
WN 2
= −WNk WN 2 nk
= WN .
2 2
También se puede escribir
N
X(k) = X(k + ).
2
Si se aplican las condiciones de periodicidad a la ecuación (13.7) se obtiene
N N
2
−1 2
−1
X X
nk
X(k) = x(2n)W N + WNk x(2n + 1)WNkn (13.9)
2
n=0 n=0
WN2nk = W N
nk
.
2
Los términos del lado derecho de la ecuación (13.9) corresponden con la transformada discreta
de Fourier y entonces la ecuación (13.9) se puede escribir de la forma
X(k) = X1 (k) + WNk X2 (k)

N k+ N
X(k + ) = X1 (k) + WN 2 X2 (k). (13.10)
2
13.1. el algoritmo decimación en el tiempo 251
k+ N
Si se sustituye WN 2
= −WNk en la ecuación (13.10) se obtiene la ecuación (13.11)
X(k) = X1 (k) + WNk X2 (k)

N
X(k + ) = X1 (k) − WNk X2 (k). (13.11)
2
Figura 13.4: Mariposa de la FFT.
A partir de estas ecuaciones se puede dibujar una gráfica del proceso de las señales, figura 13.4.
Esa gráfica se llama mariposa (butterfly) y necesita dos sumas y dos multiplicaciones de números
complejos. La gráfica se puede simplificar y obtener una nueva mariposa que necesita sólo una
multiplicación figura 13.4b). Para N = 8 se puede escribir la ecuacion (13.11) en la serie de
ecuaciones para k = 0, 1, 2, . . . 7.
X(0) = X1 (0) + W80 X2 (0) X(4) = X1 (0) − W80 X2 (0)

X(1) = X1 (1) + W81 X2 (1) X(5) = X1 (1) − W81 X2 (1)
X(2) = X1 (2) + W82 X2 (2) X(6) = X1 (2) − W82 X2 (2)
X(3) = X1 (3) + W83 X2 (3) X(7) = X1 (3) − W83 X2 (3)
Figura 13.5: Mariposa para la FFT N=8.
De estas ecuaciones se dibuja la gráfica que se muestra en la figura 13.5. De la gráfica se observa
la reducción de N multiplicaciones a sólo N2 multiplicaciones. El mismo procedimiento se aplica
a la función X1 (k) y X2 (k) resultando:
N
2
−1
X
nk
X2 (k) = x2 (n)W N (13.12)
2
n=0
N
2
−1
X
nk
X1 (k) = x1 (n)W N (13.13)
2
n=0
La secuencia x1 (n) se puede separar en dos secuencias una para los posiciones pares y otra para
los posiciones impares como en caso anterior. Entonces se puede escribir
N N
4
−1 4
−1
X
2nk
X k(2n+1)
X1 (k) = x1 (2n)W N + x1 (2n + 1)W N (13.14)
2 2
n=0 n=0
N N
4
−1 4
−1
X X
nk k kn
X1 (k) = x1 (2n)W N + W N x1 (2n + 1)W N . (13.15)
4 2 4
n=0 n=0
La ecuación anterior se puede escribir como en el caso previo en dos ecuaciones:
X1 (k) = X11 (k) + WN2k X12 (k)

N
) = X11 (k) − WN2k X12 (k)
X1 (k + (13.16)
4
Lo mismo se puede obtener para X2 (k).
X2 (k) = X21 (k) + WN2k X22 (k)

N
X2 (k + ) = X21 (k) − WN2k X22 (k) (13.17)
4
N
La periodicidad es 4. De estas ecuaciones se obtiene la serie de las ecuaciones siguientes:
X1 (0) = X11 (0) + W80 X12 (0) X2 (0) = X21 (0) + W80 X22 (0)
X1 (1) = X11 (1) + W82 X12 (1) X2 (1) = X21 (1) + W82 X22 (1)
X1 (2) = X11 (0) + W84 X12 (0) X2 (2) = X21 (0) + W84 X22 (0)
X1 (3) = X11 (1) + W86 X12 (1) X2 (3) = X21 (1) + W86 X22 (1)
Pero W80 = −W84 y W82 = −W86 , y entonces las ecuaciones toman la forma:
X1 (0) = X11 (0) + W80 X12 (0) X2 (0) = X21 (0) + W80 X22 (0)
X1 (1) = X11 (1) + W82 X12 (1) X2 (1) = X21 (1) + W82 X22 (1)
X1 (2) = X11 (0) − W80 X12 (0) X2 (2) = X21 (0) − W80 X22 (0)
X1 (3) = X11 (1) − W82 X12 (1) X2 (3) = X21 (1) − W82 X22 (1)
Apartir de estas ecuaciones se puede dibujar la otra parte de la gráfica parcial del algoritmo
FFT. La gráfica parcial se muestra en la figura 13.6. Análogamente al caso anterior se puede
escribir
N
4
−1
X
kn
X11 (k) = x11 (n)W N (13.18)
4
n=0
13.1. el algoritmo decimación en el tiempo 253
Figura 13.6: La gráfica del algoritmo FFT para N=8.
N
4
−1
X
kn
X12 (k) = x12 (n)W N (13.19)
4
n=0
N
4
−1
X
kn
X21 (k) = x21 (n)W N (13.20)
4
n=0
N
4
−1
X
kn
X22 (k) = x22 (n)W N . (13.21)
4
n=0
Separando las muestras xij (n) en las muestras pares e impares se obtiene
N N
8
−1 8
−1
X
2nk
X (2n+1)k
X11 (k) = x11 (2n)W N + x11 (2n + 1)W N . (13.22)
4 4
n=0 n=0
2 =W N
Si se toma en cuenta la periodicidad de W N N y Xij (k) = Xij (k + 8) se pueden escribir
4 8
las ecuaciones (13.23) y (13.24).
N N
8
−1 8
−1
X X
nk k nk
X11 (k) = x11 (2n)W N + W N x11 (2n + 1)W N (13.23)
8 4 8
n=0 n=0
N N
8
−1 8
−1
X X
nk
X11 (k) = x11 (2n)W N + WN4k nk
x11 (2n + 1)W N (13.24)
8 8
n=0 n=0
La última ecuación se puede escribir de siguiente manera:
X11 (k) = X111 (k) + WN4k X112 (k)
N 4(k+ N )
X11 (k + ) = X111 (k) + WN 8 X112 (k). (13.25)
8
Igualmente se obtiene
X12 (k) = X121 (k) + WN4k X122 (k)

N 4(k+ N )
X12 (k + ) = X121 (k) + WN 8 X122 (k)
8
X21 (k) = X211 (k) + WN4k X212 (k)
N 4(k+ N )
X21 (k + ) = X211 (k) + WN 8 X212 (k)
8
X22 (k) = X221 (k) + WN4k X222 (k)
N 4(k+ N )
X22 (k + ) = X221 (k) + WN 8 X222 (k).
8
Para k = 0 se obtiene una serie de ocho ecuaciones.
X11 (0) = X111 (0) + WN0 X112 (0) X21 (0) = X211 (0) + WN0 X212 (0)
X11 (1) = X111 (0) + WN4 X112 (0) X21 (1) = X211 (0) + WN4 X212 (0)
X12 (0) = X121 (0) + WN0 X122 (0) X22 (0) = X221 (0) + WN0 X222 (0)
X12 (1) = X121 (0) + WN4 X122 (0) X22 (1) = X221 (0) + WN4 X222 (0)
La gráfica de señales que representan las ecuaciones anteriores se muestra en la figura 13.7. La
gráfica completa del algoritmo FFT se muestra en la figura 13.8. Pero las señales en la entrada
están desordenadas .
Figura 13.7: Gráfica parcial de la FFT para N = 8.
La primera decimación transforma la secuencia de las muestras de la entrada a la secuencia
x(0) x(2) x(4) x(6) x(1) x(3) x(5) x(7).
La segunda decimación transforma la secuencia de las muestras a la secuencia
x(0) x(4) x(2) x(6) x(1) x(5) x(3) x(7).
Si se expresa este cambio en bits se obtiene la tabla 13.1. En la figura 13.9 se muestra el cambio
de señales después de la primera y segunda decimación. Otro algoritmo muy importante es la
decimación en la frecuencia.
13.2. el algoritmo decimación en la frecuencia 255
Figura 13.8: Gráfica completa del algoritmo FFT para N = 8.
Figura 13.9: La influencia de la primera y segunda decimación en la entrada del algoritmo.
13.2. El algoritmo Decimación en la frecuencia

El algoritmo decimación en la frecuencia es muy semejante al algoritmo de decimación en el
tiempo. Divide la transformada discreta de Fourier como se muestra en la ecuación (13.26).
N
2
−1 N −1
X X
X(k) = x(n)WNnk + x(n)WNnk (13.26)
n=0 n= N
2
La ecuación (13.26) se puede escribir de la manera siguiente

N N
2
−1 2
−1
X X N N
k
X(k) = x(n)WNnk + x(n + )WN2 WNnk , (13.27)
n=0 n=0
2
ó mediante la ecuación (13.28)

N N
2
−1 2
−1
X N
k X N
X(k) = x(n)WNnk + WN 2
x(n + )WNnk . (13.28)
n=0 n=0
2
Tabla 13.1: Cambio de la secuencia en la entrada en bits.
n2 n1 n0 n0 n1 n2
0 000 0 000
1 001 4 100
2 010 2 010
3 011 6 110
4 100 1 001
5 101 5 101
6 110 3 011
7 111 7 111
N
k
WN2 no es dependiente de n y por eso este término se puede escribir ante cediendo a la sumatoria.
N
También se puede sustituir (WN2 )k = (−1)k
N
k k
WN2 = e−jπ = (−1)k , (13.29)
y obteniendo
N
−1
2
X N

X(k) = x(n) + (−1) x(n + ) WN2kn .
k
(13.30)
n=0
2
Ahora se toman en cuenta por separado las muestras de frecuencias pares e impares. La última
ecuación se divide en dos ecuaciones para k par k = 2r, e impar k = 2r + 1.
N
−1
2
X N

X(2r) = x(n) + x(n + ) WN2rn (13.31)
n=0
2
N
−1
2
X N

n(2r+1)
X(2r + 1) = x(n) − x(n + ) WN (13.32)
n=0
2
Aplicando a estas ecuaciones las propiedades de la simetrı́a WN2rn = W N

rn se obtienen las ecua-
2
ciones
N
−1
2
X N

rn
X(2r) = x(n) + x(n + ) W N (13.33)
n=0
2 2
N
−1
2
X N

X(2r + 1) = x(n) + x(n + ) WNn W N
rn
. (13.34)
n=0
2 2
A partir de estas dos ecuaciones se pueden escribir las ecuaciones siguientes

N
X11 (n) = x(n) + x(n + )
2
N

X12 (n) = x(n) − x(n + ) WNn . (13.35)
2
Para N = 8 se obtiene la serie de ocho ecuaciones:
X11 (0) = x(0) + x(4) X12 (0) = x(0)W80 − x(4)W80

X11 (1) = x(1) + x(5) X12 (1) = x(1)W81 − x(5)W81
X11 (2) = x(2) + x(6) X12 (2) = x(2)W82 − x(6)W82
X11 (3) = x(3) + x(7) X12 (3) = x(3)W83 − x(7)W83
De estas ecuaciones se puede dibujar la gráfica que se muestra en la figura 13.10. Si se aplica el
mismo procedimiento en las otras escalas se obtiene el algoritmo completo de la decimación en
frecuencias. El algoritmo completo se muestra en la figura 13.11.
Figura 13.10: Grafo del algoritmo FFT con decimación en frecuencia.
Ejemplo 13.1:
Usando la transformada rápida de Fourier y la gráfica de algoritmo decimación en el tiempo
para N = 8 transformar la señal de la figura 13.12a). Si se utiliza la gráfica del algoritmo FFT
de decimación en el tiempo se pueden escribir las siguientes ecuaciones:
X(3) = x(0) + x(2) · W82 (−1) + x(3) · W82 · (−1) · W83 + x(1) · W83 (13.36)
Si se sustituye en la ecuación (13.36) las ecuaciones siguientes

2π
W82 = (e−j 8 )2 = −j
π
W81 = e−j 4 = 0,7071 − j0,7071
6π
W83 = e−j 8 = −0,7071 − j0,7071,
se obtiene la muestra en el dominio de las frecuencias X(3).

Figura 13.11: Algoritmo completo de la transformada rápida de Fourier con decimación en

frecuencia.
Figura 13.12: Señal discreta en el dominio del tiempo y su espectro resultante.
X(3) = 0,5 + 0,5(−j) · (−1) + 0,5(−j) · (−1) · (−0,707 − j0,707) + 0,5 · (−0,707 − j0,707)
X(3) = 0,5 − j0,207
X(0) = x(0) + x(2)W80 + x(1)W80 + x(3)W80 = 0,5 + 0,5 + 0,5 + 0,5 = 2
X(1) = x(0) + x(2)W82 + x(1)W81 + x(3)W82 W81
X(1) = 0,5 − j0,5 + 0,3535 − j0,3535 − j0,3535 − 0,3535 = 0,5 − j1,207
X(2) = −0,5 + 0,5 − 0,5W80 .W82 + 0,5W82 = 0

Análogamente se obtienen las muestras X(4), X(5), X(6) y X(7).
X(4) = 0 X(5) = 0,5 + j0,207

X(6) = 0 X(7) = 0,5 + j0,207
Para construir el módulo del espectro figura 13.12b) se calcula el valor absoluto de X(k).
q
|X(0)| = 2 |X(1)| = 0,52 + 1,2072 = 1,306
q
|X(2)| = 0 |X(3)| = 0,52 + 0,2072 = 0,54
q
|X(4)| = 0 |X(5)| = 0,52 + 0,2072 = 0,54
q
|X(6)| = 0 |X(7)| = 0,52 + 1,2072 = 1,306
El resultado obtenido mediante la mariposa se muestra en la figura 13.12 b).
Ejemplo 13.2:
Determine la matriz de Fourier para N = 8.
Primero se calcula la simetrı́a de la matriz de Fourier F.
W88 = W88 modulo 8 = W80

W89 = W89 modulo 8 = W81
W810 = W810 modulo 8 = W82 . . . etcetera
La simetrı́a de la matriz de Fourier se muestra en la figura 13.13. Desarrollando (13.1) para N=8
y utilizando la propiedad de la simetrı́a que se muestra en la figura 13.13 se obtiene la matriz
(13.37).
Figura 13.13: Simetrı́a de la matriz de Fourier para N=8.
 
1 1 1 1 1 1 1 1

 1 W1 W2 W3 W4 W5 W6 W7 

1 W2 W4 W6 W0 W2 W4 W6
 
 
W3 W6 W1 W4 W7 W2 W5
 
 1 
F8 =   (13.37)

 1 W4 W0 W4 W0 W4 W0 W4 


 1 W5 W2 W7 W4 W1 W6 W3 

1 W6 W4 W2 W0 W6 W4 W2
 
 
1 W7 W6 W5 W4 W3 W2 W1
2π
Si se sustituye en la matriz (13.37) por W = e−j 8
W1 = 0,7 − j0,7 W 5 = −0,7 + j0,7

W2 = −j W6 = j
W3 = −0,7 − j0,7 W 7 = 0,7 + j0,7
W4 = −1,
se obtiene la matriz de Fourier para N=8.
 
1 1 1 1 1 1 1 1

 1 0,7 − j0,7 −j −0,7 − j0,7 −1 −0,7 + j0,7 j 0,7 + j0,7 

1 −j −1 j 1 −j −1 j
 
 
 
 1 −0,7 − j0,7 j 0,7 − j0,7 −1 0,7 + j0,7 −j −0,7 + j0,7 
F= 

 1 −1 1 −1 1 1 1 −1 


 1 −0,7 + j0,7 −j +0,7 + j0,7 −1 0,7 − j0,7 j −0,7 − j0,7 

1 j −1 −j 1 j −1 −j
 
 
1 0,7 + j0,7 j −0,7 + j0,7 −1 −0,7 − j0,7 −j 0,7 − j0,7
La matriz inversa de Fourier se calcula simplemente usando la ecuación (13.38).
1 1
F−1 (Wij ) = F( ) (13.38)
N Wij
Una ventaja muy grande es que no se requiere calcular un determinante del sistema.
Ejemplo 13.3:
Calcular la matriz inversa de Fourier para N = 4.
2π
Si se sustituye en la matriz de Fourier para N = 4 el término W = e−j 4 se obtiene
2π 2π
W40 = cos 0 + j sin 0 = 1 W41 = cos − j sin = −j
4 4
6π 6π
W42 = cos π − jsinπ = −1 W43 = cos − j sin =j
4 4
W44 = W40 = 1
La matriz de Fourier es
 
1 1 1 1
 1 −j −1 j 
F4 =  ,
 
 1 −1 1 −1 
1 j −1 −j
y la matriz de Fourier inversa toma la forma
 
1 1 1 1
1 1 j −1 −j 
F−1
4 =
 
1 −1 1 −1 
 
4
1 −j −1 j
La matriz de Fourier 4 x 8 para N=4 se puede escribir en la forma

 
1 1 1 1 1 1 1 1
 1 W4 W42 W43 W44 W45 W46 W47 
F4 = 
 
1 W42 W44 W46 W48 W410 W412 W414

 
1 W43 W46 W49 W412 W415 W418 W421
La simetrı́a de la matriz de Fourier para N=4 se muestra en la figura 13.14. Si se toma en cuenta
la simetrı́a de la matriz de Fourier se puede escribir la ecuación anterior en la forma siguiente:
Figura 13.14: Simetrı́a de la matriz de Fourier para N=4.
 
1 1 1 1 1 1 1 1
 1 −j −1 j 1 −j −1 j 
F4 = 
 
1 −1 1 −1 1 −1 1 −1

 
1 j −1 −j 1 j −1 −j
Ahora se puede calcular el espectro de la señal que tiene 8 muestras con la matriz de Fourier
con N = 4 · 8.
Ejemplo 13.4:
Calcular X(k) de la señal x(n) mediante la matriz de Fourier N = 4 · 8
x(n) = { 1 2 -2 3 -3 -2 2 1 }
 
1
  

  2 
  
X(0) 1 1 1 1 1 1 1 1 −2 2
 
 
  
 X(1)   1 −j −1 j 1 −j −1 j 
  3   −2 + 4j 
= · =
   
X(2) 1 −1 1 −1 1 −1 1 −1   −3 −6
   
     
X(3) 1 j −1 −j 1 1 −1 −j 
 −2 
 −2 − 4j
2
 
 
1
El mismo resultado se obtiene si se calcula un nuevo vector x̂(n) y se utiliza la matriz de Fourier
para N=4.
x̂(0) = x(0) + x(4) = 1 − 3 = −2
x̂(1) = x(1) + x(5) = 2 − 2 = 0
x̂(2) = x(2) + x(6) = −2 + 2 = 0
x̂(3) = x(3) + x(7) = 3 + 1 = 4
       
X(0) 1 1 1 1 −2 2
 X(1)   1 −j −1 j   0   −2 + 4j 
= · =
       
X(2) 1 −1 1 −1 0 −6
 
       
X(3) 1 j −1 −j 4 −2 − 4j
La transformada de Fourier inversa se obtiene si se multiplica la matriz de Fourier inversa por
un vector X(k).
1 1
x(n) = F[ ] · X(k) (13.39)
N Wij
     
1 1 1 1 2 −2
1  1 j −1 −j   −2 + 4j
    0 
x(n) = · · =
   
1 −1 1 −1   −6 0

4    
1 −j −1 j −2 − 4j 4
El mismo resultado se obtiene, si se multiplica la matriz de Fourier por un vector X(k) en el

que se cambia el signo de la parte imaginaria.
     
1 1 1 1 2 −2
1  1 −j −1 j   −2 − 4j   0 
x(n) = · · =
     
1 −1 1 −1 −6 0

4      
1 j −1 −j −1 + 4j 4
Ejemplo 13.5:
Calcular X(k) de la señal x(n) del ejemplo anterior mediante la matriz de Fourier para N=8.
  
1 1 1 1 1 1 1 1 1


 1 √12 − j √12 −j − √12 − j √12 −1 − √12 + j √12 j √1 + j √1
2 2
 
  2 

1 −j −1 j 1 −j −1 j
  
−2
   

1 − √12 − j √12 √1 − j √1 −1 √12 + j √12 −j − √12 + j √12
  
j


2 2
  3 
X(k) =  × =
  
 1 −1 1 −1 1 1 1 −1   −3 

1 − 2 + j √12
1
−j √12 + j √12 1
− j √12 j − 2 − j √12
1
  


√ −1 √
2
√  
  −2 

2

1 j −1 −j 1 j −1 −j
   
 
1 √12 + j √12 j − √12 + j √12 −1 − √12 − j √12 −j √12 − j √12 1
13.3. la respuesta a un impulso 263
 
2

 5,414 − 10,2426 

−2 + 4j
 
 
 
 2,585 − 18,2426 
= 

 −6 


 2,585 + j8,2426 

−2 − 4j
 
 
5,414 + j0,2426
Si se compara el resultado obtenido mediante la transformada de Fourier para N=8 con la
transformada para N=4 se puede ver, que las muestras X(0), X(2), X(4) y X(6) obtenidos
mediante DFT N=8 son iguales a X(0), X(1), X(2) y X(3) obtenidos para N=4.
Ejemplo 13.6:
Calcule la matriz diagonal, de la matriz circular h.
Para la diagonalización de la matriz circular se utiliza la ecuación (13.40)
Diag H = F · circ h · F−1 (13.40)
     
1 1 1 1 h0 h3 h2 h1 1 1 1 1
 1 −j −1 j   h1 h0 h3 h2 1 1 j −1 −j 
Diag H =  · =
     
1 −1 1 −1 h2 h1 h0 h3 1 −1 1 −1 
 
   4
1 j −1 −j h3 h2 h1 h0 1 −j −1 j
 
h0 + h1 + h2 + h3 0 0 0

 0 h0 − jh1 − h2 + jh3 0 0 

0 0 h0 − h1 + h2 − h3 0
 
 
0 0 0 h0 + jh1 + h2 − jh3
Si se aplica a la ecuación circular (13.41) la transformada de Fourier
y = circ h · x (13.41)
F · y = F · circ h · F−1 · F · x,
se obtiene la ecuación (13.42) que nos permite calcular la respuesta Y
Y = Diag H · X (13.42)
13.3. La respuesta a un impulso

Caso 1:
Mediante la transformada discreta de Fourier se desea calcular la respuesta a impulso el sistema
que se presenta por la función de transferencia (13.43).
1
2
H(z) = 1 (13.43)
z −2 − z −1 + 2
La respuesta a impulso se calcula mediante la ecuación (13.44).
h = F−1 · H (13.44)
En la ecuación (13.44) H es la función del sistema y F es la matriz de Fourier. Para N=6 la
matriz de Fourier F se puede escribir en la forma
 
1 1 1 1 1 1

 1 W1 W2 W3 W4 W5 

 1 W2 W4 W6 W8 W 10 
F= . (13.45)
 
 1 W3 W6 W9 W 12 W 15 
W4 W8 W 12 W 16 W 20
 
 1 
1 W5 W 10 W 15 W 20 W 25
La matriz de Fourier inversa se calcula mediante la ecuación (13.46). Para obtener la matriz
inversa de Fourier no es necesario calcular el determinante del sistema. Esto es una ventaja muy
importante cuando se utiliza la matriz de Fourier.
1 1

F−1 = ·F (13.46)
N Wi
La matriz inversa de Fourier para N=6 es
 
1 1 1 1 1 1

 1 W −1 W −2 W −3 W −4 W −5 

−1 1 1 W −2 W −4 W −6 W −8 W −10 
F =  . (13.47)
 
6 1 W −3 W −6 W −9 W −12 W −15 
W −4 W −8 W −12 W −16 W −20
 
 1 
1 W −5 W −10 W −15 W −20 W −25
Si se sustituye en la matriz(13.47) el término W = e−j2π/6 , se obtiene
 
1 1 1 1 1 1

 1 0,5 + j0,866 −0,5 + j0,866 −1 −0,5 − j0,866 0,5 − j0,866 

−1 1 1 −0,5 + j0,866 −0,5 − j0,866 1 −0,5 + j0,866 −0,5 − j0,866 
F =   . (13.48)
 
6 1 −1 1 −1 1 −1 
 
 1 0,5 + j0,866 −0,5 + j0,866 1 −0,5 − j0,866 0,5 − j0,866 
1 0,5 − j0,866 −0,5 − j0,866 −1 −0,5 + j0,866 0,5 + j0,866
Para calcular la respuesta al impulso h mediante la ecuación (13.44) es necesario calcular los
términos Hi de la función del sistema (13.43).
W −2i
Hi = (13.49)
2 − 2W −i + W −2i
De esta función se calculan los términos Hi , desde H0 hasta H5 .
13.3. la respuesta a un impulso 265
1
H0 = =1
2−2+1
(0,5 + 0,866)−2
H1 = = −1
2 − 2 (0,5 + j0,866)−1 + (0,5 + j0,866)−2
√
1 + 2j 3
H2 =
13
1
H3 =
5
√
1 − 2j 3
H4 =
13
H5 = −1
Sustituyendo en la ecuación (13.44) por F−1 y Hi se obtiene
   1

1 1 1 1 1 1

 1 0,5 + j0,86 −0,5 + j0,86 −1 −0,5 − j0,86 0,5 − j0,86  
 
−1√ 
1 1 −0,5 + j0,86 −0,5 − j0,86 1 −0,5 + j0,86 −0,5 − j0,86   1+2j 3 


h= 

·
  13 =
1
6 1 −1 1 −1 1 −1   5 √


  
 1 0,5 + j0,86 −0,5 + j0,86 1 −0,5 − j0,86 0,5 − j0,86   1−j2 3 

13
1 0,5 − j0,86 −0,5 − j0,86 −1 −0,5 + j0,86 0,5 + j0,86 −1
−0,107
 

 −0,123 

 0,430 
= .
 
 0,492 
 
 0,276 
0,030
El mismo resultado se obtiene mediante la utilización de la matriz circular.
Caso2:
Hallar la respuesta al impulso de un filtro digital.
Mediante de la utilización de la matriz circular previamente es necesario resolver la ecuación:
h = (circ b)−1 · a (13.50)

donde los vectores a y b serán
a = (0 0 0,5 0 0 0 )
b = (1 -1 0,5 0 0 0 ).
Sustituyendo los vectores a y b en (13.50) se obtiene
−1 
0 0,5 −1
 
1 0 0 0

 −1 1 0 0 0 0,5 


 0 

 0,5 −1 1 0 0 0   0,5 
h= · . (13.51)
   
0 0,5 −1 1 0 0  0

  
   
 0 0 0,5 −1 1 0   0 
0 0 0 0,5 −1 1 0
Calculando la matriz inversa y multiplicando por un vector a nos da el vector h.
56 −16 −14 −0,10769

     
4 36 64 0

 64 56 −16 −14 4 36  
  0  
  −0,1230 

1  36 64 56 −16 −14 4   0,5   0,4307 
h= · = (13.52)
     
4 36 64 56 −16 −14 0 0,49230
 
65,0014 

 
 
 
 


 −14 4 36 64 56 −16   0   0,2769 
−16 −14 4 36 64 65 0 0,0307
El número de muestras que se obtienen de la respuesta al impulso depende del número de

elementos que tengan los vectores a y b. Si se incrementan los términos en los vectores a y
b, el número de las muestras de la respuesta al impulso será mayor y su precisión mejor. Al
hallar la respuesta al impulso por éste método se comete un error debido al solapamiento de la
respuesta con los impulsos periódicos. Otro error se comete al calcular la matriz inversa de la
matriz circular calculando el determinante del sistema. El error depende al tamaño de la matriz
y la precisión del cálculo. Si se utiliza la matriz de Fourier, calculando la matriz inversa, no se
comete ningun error, como hemos visto en este ejemplo.
13.4. Macro para FFT N=8

Para desarrollar la macro en ensamblador del microprocesador TMS320Cxx de la Transformada
de Fourier rápida para N=8 primeramente se divide la mariposa de la figura 13.15 en las tres
etapas y para cada etapa se escriben las ecuaciones:
Figura 13.15: FFT decimación en el tiempo en etapas.

13.4. macro para fft n=8 267
Primera etapa:
x(0) = x(0) + x(4)

x(1) = x(1) + x(5)
x(2) = x(2) + x(6)
x(3) = x(3) + x(7)
x(4) = [x(0) − x(4)]w0
x(5) = [x(1) − x(5)]w1
x(6) = [x(2) − x(6)]w2
x(7) = [x(3) − x(7)]w3
Segunda etapa Tercera etapa
x(0) = x(0) + x(2) X(0) = x(0) + X(1)

x(1) = x(1) + x(3) X(4) = x(0) − x(1)
x(2) = [x(0) − x(2)]w0 X(2) = x(2) + x(3)
x(3) = [x(1) − x(3)]w2 X(6) = x(2) − x(3)
x(4) = x(4) + x(6) X(1) = x(4) + x(5)
x(5) = x(5) + x(7) X(5) = x(4) − x(5)
x(6) = [x(4) − x(6)]w0 X(3) = x(6) + x(7)
x(7) = [x(5) − x(7)]w2 X(7) = x(6) − x(7)
De las ecuaciones podemos ver, que se repiten las sumas , restas y multiplicaciones. Entonces es
conveniente preparar los macros para la resta, suma y multiplicación.
Ejemplo 13.8:
Mediante las etapas calcular las muestras X(k) si se conoce la señal x(n) de la figura 13.16.
Figura 13.16: Muestras de la señal x(n).

Primera etapa Segunda etapa Tercera etapa
x(0) = 0,1 + 0,0 = 0,1 x(0) = 0,1 + 0,1 = 0,2 X(0) = 0,2 + 0,2 = 0,4
x(1) = 0,1 + 0,0 = 0,1 x(1) = 0,1 + 0,1 = 0,2 X(4) = 0,2 − 0,2 = 0,00
x(2) = 0,1 + 0,0 = 0,1 x(2) = [0,1 − 0,1]w0 = 0 X(2) = 0,0 + 0,0 = 0,0
x(3) = 0,1 + 0,0 = 0,1 x(3) = [0,1 − 0,1]w2 = 0 X(6) = 0,0 − 0,0 = 0
x(4) = 0,1 − 0,0 = 0,1 x(4) = 0,1 − j0,1 X(1) = 0,1 − j0,2414
x(5) = 0,707 − j0,707 x(5) = −j0,1414 X(5) = 0,1 + j0,0414
x(6) = j0,1 x(6) = 0,1 + j0,1 X(3) = 0,1 − j0,0414
x(7) = −0,0707 − j0,0707 x(7) = −j0,1414 X(7) = 0,1 + j0,2414
***********************************************************************
** PROGRAMA DE LA FFT PARA 8 MUESTRAS, DECIMACION EN LA FRECUENCIA **
***********************************************************************
RESET B INIT
AORG >0010
* INICIO DEL MICROCONTROLADOR
INIT SOVM ;TRABAJA EN SATURACION
LDPK 0 ;TRABAJA CON BANDERA CERO
ZAC ;ANULACION DEL ACUMULADOR
LARP AR2 ;ACTUALIZA REGISTRO AUXILIAR AR2
LRLK AR2,>0060 ;INICIALIZA BLOQUE B2
RPTK 31 ;REPITE LA INSTRUCCION QUE SIGUE 32 VECES
SACL *+ ;ANULACION DEL BLOQUE B2
LRLK AR2,>0060 ;INICIALIZA DEL BLOQUE B2 EN EL DIRECCION 0060
RPTK 23 ;REPITE LA INSTRUCCION QUE SIQUE 23 VECES
BLKP COEF,*+ ;TRANSFERENCIA LOS COEFICIENTES AL BLOCKE N2
* CONSTANTES W*
*COS0 DATA 32767
*COS1 DATA 23170
*COS2 DATA 0
*COS3 DATA -23170
*SEN0 DATA 0
*SEN1 DATA -23170
*SEN2 DATA -32767
*SEN3 DATA -23170
* MUESTRAS (PARTE REAL)
XR0 EQU >0060
XR1 EQU >0062
XR2 EQU >0064
XR3 EQU >0066
XR4 EQU >0068
XR5 EQU >006A
XR6 EQU >006C
XR7 EQU >006E
13.4. macro para fft n=8 269
* MUESTRAS (PARTE IMAGINARIA)

XI0 EQU >0061
XI1 EQU >0063
XI2 EQU >0065
XI3 EQU >0067
XI4 EQU >0069
XI5 EQU >006B
XI6 EQU >006D
XI7 EQU >006F
*
* LOCALIDADES PARA ALMACENAR LOS VALORES DEL COSENO Y DEL SENO
*
C0 EQU >0070
C1 EQU >0071
C2 EQU >0072
C3 EQU >0073
S0 EQU >0074
S1 EQU >0075
S2 EQU >0076
S3 EQU >0077
TR1 EQU >0078
TI1 EQU >0079
**** DEFINICION DE LAS MACRO
* EL BIT DE REVERSION
BITR $MACRO R1,I1,R2,I2
LAC :R1.S:
SACL TR1
LAC :R2.S:
SACL :R1.S:
LAC TR1
SACL :R2.S:
LAC :I1.S:
SACL TR1
LAC :I2.S:
SACL :I1.S:
LAC TR1
SACL :I2.S:
$END BITR
*MARIPOSA SIN TERMINOS SENO Y COSENO
FREEBF $MACRO R1,I1,R2,I2
LAC :R1.S:
SUB :R2.S:
SACL TR1
LAC :I1.S:
SUB :I2.S:
SACL TI1
LAC :R1.S:
ADD :R2.S:
SACL :R1.S:
LAC :I1.S:
ADD :I2.S:
SACL :I1.S:
LAC TR1
SACL :R2.S:
LAC TI1
SACL :I2.S:
$END FREEBF
*MARIPOSA CON SENO K2 Y COSENO K1
CONSBF $MACRO R1,I1,R2,I2,K1,K2
LAC :R1.S:
SUB :R2.S:
SACL TR1
LAC :I1.S:
SUB :I2.S:
SACL TI1
LAC :R1.S:
ADD :R2.S:
SACL :R1.S:
LAC :I1.S:
ADD :I2.S:
SACL :I1.S:
**************************
ZAC
LT TR1
MPY :K1.S:
LTA TI1
MPY :K2.S:
SPAC
SACH :R2.S:,1
ZAC
LT TR1
MPY :K2.S:
LTA TI1
MPY :K1.S:
APAC
SACH :I2.S:,1
$END CONSBF
**********THE BEEF**************
**** PRIMERA ETAPA (ITERACION)****
FIR FREEBF XR0,XI0,XR4,XI4
CONSBF XR1,XI1,XR5,XI5,C1,S1
13.5. transformada de fourier mediante matlab 271
********************************
*****SEGUNDA ETAPA (ITERACION)****
FREEBF XR0,XI0,XR2,XI2
********************************
*****TERCERA ETAPA (RESULTADO)*****
*************************************
**** BIT REVERSION
BITR XR1,XI1,XR4,XI4
BITR XR3,XI3,XR6,XI6
*************************************
*OBTENCION DEL ESPECTRO
*
COEF DATA 3276,3276,3276,3276
DATA 3276,3276,3276,3276
DATA 3276,-3276,3276,-3276
DATA 3276,-3276,3276,-3276
DATA 32767,23170,0,-23170
DATA 0,-23170,-32767,-23170
END
En el archivo COEF se introducen los valores reales e imaginarios de las muestras en formato
Q15 , los cuales serán almacenados a partir de la posición 0060h como se indica en el programa.
Recuerde escribir los valores reales de las muestras en las posiciones pares (localidad 0060h 0062h
0064h ...) y los valores imaginarios en las localidades impares (posiciones 0061h 0063h 0065h
...). Los valores de W en formato Q15 son almacenados de la posición localidad 70 a la 77. El
resultado se encuentra después de ejecutar el programa en la memoria a partir de la posición
0060h.
13.5. Transformada de Fourier mediante Matlab

Mediante el programa Matlab se puede simular la transformada de Fourier rápida y verificar
si los programas escritos para el microprocesador son correctos. En este apartado mediante
algunos ejemplos se muestra como se utiliza el paquete Matlab para el cálculo DFT y IDFT .
En el paquete Matlab están incluidos los siguientes comandos:
fft(x) fft(x,N)
ifft(X) ifft(X,N)
La instrucción fft(x) calcula la transformada de Fourier discreta del vector X, que tiene la
misma longitud que el vector x. Si está especificada la longitud N es necesario utilizar la función
fft(x,N). Lo mismo vale para calcular la transformada de Fourier discreta inversa. Los vectores
en Matlab son especificados desde 1 a N y en la definición de la transformada de Fourier los
vectores son especificados desde 0 hasta N-1. En el paquete Matlab la transformada DFT y
IDFT ésta definida mediante las ecuaciones (13.53) y (13.54).
N
X (n−1)(k−1)
X(k) = x(n)WN (13.53)
n=1
N
X −(n−1)(k−1)
x(n) = X(k)WN (13.54)
k=1
Ejemplo 13.9:
El ejemplo siguiente calcula DFT de la señal senoidal de longitud finita. El programa en Matlab
es el siguiente:
%Analisis espectral de la senal senoidal utilisando DFT

N=input(’Teclear la longitud de DFT=’)
T=input(’Teclear el periodo de muestreo=’)
freq=input(’Teclear la frecuencia del seno=’)
k=0:N-1;
f=sin(2*pi*freq*k*(1/T));
F=fft(f);
stem(k,abs(F));grid
xlabel(’k’)
ylabel(’|X(k)|’)
Para una longitud N=32, una frecuencia de muestreo de 64 Hz y una frecuencia de la señal
senoidal 11 Hz. El resultado del programa se muestra en la figura 13.17.
Figura 13.17: Amplitud de X(k) para la señal senoidal.
Ejemplo 13.10:
Utilizando el programa siguiente calcule la DFT de M puntos de la serie u(n) definida por la
ecuación (13.55).

 1
 0≤n≤N −1
u(n) = (13.55)

 0 para otros n.
El programa pide los valores N y M. El valor M tiene ser mayor o igual que N. La figura 13.18
muestra el resultado obtenido mediante el siguiente programa para N=8 y M=16.
Figura 13.18: DFT del tren de impulsos.
%CALCULO DE DFT PARA CUAQUIERA N

N=input(’Teclea la longitud de la serie=’);
M=input(’Teclea la longitud de DFT=’);
u=[ones(1,N)];
U=fft(u,M);
t=0:1:N-1;
stem(t,u);
title(’La serie original en el tiempo’)
xlabel(’Indice del tiempo n’);
ylabel(’Amplitud’)
pause
subplot(2,1,1)
k=0:1:M-1;
stem(k,abs(U))
title(’Amplitud de las muestras.’)
ylabel(’Amplitud’)
subplot(2,1,2)
stem(k,angle(U))
title(’Fase de las muestras’)
xlabel(’Indice de las frecuencias k’);

ylabel(’Fase’)
Ejemplo 13.11:
En este ejemplo se calcula el efecto de la longitud de la DFT en el análisis espectral de la señal
x(n). La señal x(n) es la suma de dos señales f1 (n) y f2 (n) (23.15). El programa pide la longitud
de la señal N, la longitud de la DFT y las frecuencias senoidales. En las gráficas 13.19 y 13.19 se
presenta el resultado para N=16 y varias R. Las frecuencias de señal elegidas fueron f1 = 0,22
y f2 = 0,34.
1
x(n) = sen(2πf1 n) + sen(2πf2 n) 0≤n≤N −1 (13.56)
2
%Analisis espectral de la suma de dos senales
clf;
N=input(’Longitud de la senal =’);
R=input(’Longitud de DFT = ’);
fr=input(’Tecle la frecuencia de la senal =’);
n=0:N-1;
x=0.5*sin(2*pi*n*fr(1))+sin(2*pi*n*fr(2));
Fx=fft(x,R);
k=0:R-1;
stem(k,abs(Fx));
grid
xlabel(’k’);
ylabel(’Amplitud’);
title([’N=’,num2str(N),’,R=’,num2str(R)]);
Ejemplo 13.12:
Utilizando el siguiente programa calcule la transformada de Fourier inversa IDFT de la serie
V(k) definida en la equación (13.57). En la figura 13.20 se muestra el resultado para K=8 y
N=16.

k
 K
 0≤k ≤K −1
V (k) = (13.57)

 0 para otras n.
%Calcula Transformada de Fourier Inversa

clg
K=input(’Teclea la longitud de la serie=’);
N=input(’Teclea la longitud de IDFT=’);
k=1:K;
U=(k-1)/K;
u=ifft(U,N);
k=1:K;
stem(k-1,U)
Figura 13.19: Análisis de la suma de dos señales.
title(’Las muestras originales ’)

xlabel(’Indice de las frecuencias k’);
pause
subplot(2,1,1)
n=0:1:N-1;
stem(n,real(u))
title(’Parte real de las muestras en el dominio del tiempo’)
subplot(2,1,2)
stem(n,imag(u))
title(’Parte imaginaria en el dominio del tiempo’)
xlabel(’Indice de tiempo n’);
Ejemplo 13.13:
El siguiente programa calcula el spectrograma de la señal de voz. En Matlab hay un archivo de
la voz mtlb.mat. La señal de este archivo se muestra en la figura 13.21a), contiene 4001 muestras
muestreadas con la frecuencia 7418 Hz. Se utiliza la ventana de Hamming que tiene la longitud
256 con solapimiento de 0 muestras. En la figura 13.21b) se muestra el espectrograma obtenido
mediante el siguiente programa.
%Espectrograma de la voz
%Numero de las muestras 4001
%Frecuencia del muestreo 7418 Hz
Figura 13.20: Transformada de Fourier inversa del rampa.
%Ventana de Hamming
%Numero de solape 50
load mtlb
n=1:4001;
plot(n-1,mtlb);
xlabel(’Indice del tiempo n’);ylabel(’Amplitud’);
pause
nfft=input(’Tecle la longitud de la ventana= ’);
ovlap=input(’Tecle numero de solapes= ’);
specgram(mtlb,nfft,7418,hamming(nfft),ovlap)
Figura 13.21: Espectrograma de la señal de voz.
Ejemplo 13.14:
Escribir un programa para una señal senoidal s(n) corrompida por un ruido r(n),
y(n) = s(n) + r(n) = cos(0,1πn) + 6r(n) (13.58)

donde r(n) es ruido aleatorio con la amplitud entre ±1. La relación señal ruido (SNR) está de-
finida por la ecuación (13.59).
PN −1 2
n=0 s (n)
SN R = 10 ∗ log10 PN −1
(13.59)
n=0 r2 (n)
N is la longitud de la señal y también la longitud del ruido. El programa que calcula la señal
perturbada por el ruido es el siguiente y el resultado se muestra en la figura 13.22.
%Programa 11_3
%Analisis de la senal perturbada por ruido
clf;
N=256; R=256;
n=0:N-1;
x=sin(2*pi*n*0.05);
spwr=sum(x*x’);
d=rand(1,N);
ave=sum(d)/256;
dw=d-ave;
y=x+6*dw;
npwr=36*sum(dw*dw’);
FY=fft(y,R);
k=0:R-1;
plot(n,x);grid
title(’senoida original’);pause
plot(k,y);grid
title(’Senal perturbada por ruido’);pause
plot(k,y);grid
clg
Fy=fft(y);
plot(k,abs(Fy));grid
xlabel(’k’);
SNR=10*log10(spwr/npwr)
Figura 13.22: Análisis espectral de la señal senoidal con el ruido.
Tarea 13.1:
para N=8 transformar la señal x(n)
x(n) = {1 0 1 0 1 0 1 0}
Tarea 13.2:
Usando la transformada rápida de Fourier y la gráfica de algoritmo decimación en el dominio
de la frecuencia para N=8 transformar la señal x(n)
x(n) = {1 0 1 0 1 0 1 0}
Tarea 13.3:
para N=8 transformar la señal x(n)
x(n) = {1 0 0 1 0 0 1 0}
Capı́tulo 14
Filtros digitales con respuesta

infinita
La función de transferencia de los filtros digitales con respuesta al impulso infinita IIR se puede
escribir mediante la expresion general
k
b0 + b1 z −1 + b2 z −2 + · · · + bk z −k −i
P
Y (z) i=0 bi z
H(z) = = = . (14.1)
X(z) 1 + a1 z −1 + a2 z −2 + · · · + ak z −k k
1 + i=1 ai z −i
P
Utilizando la transformada-z inversa se puede convertir la expresión (14.1) en una ecuación en

diferencias
k
X k
X
y(n) = bi x(n − i) − ai y(n − i). (14.2)
i=0 i=1
Para realizar esa función de diferencias se necesitan a) sumadores, b)retardadores d) multipli-
cadores.
Figura 14.1: Sumador, retardador y multiplicador.
A partir de la función de diferencias se puede dibujar directamente el filtro digital que se deno-
mina forma directa no canónica, como se muestra en la figura 14.2. Esta forma del filtro digital
279
280 capı́tulo 14. filtros digitales con respuesta infinita
no es canónica, porque tiene 2k elementos de retardo mientras el órden de la función de trans-

ferencia es k. La forma del filtro digital directa se puede diseñar en la forma canónica. En otras
palabras la forma canónica tiene tantos elementos de retardo como el orden de la función de
transferencia. Esa estructura se muestra en la figura 14.3.
Figura 14.2: Filtro digital no canónico en la forma directa.
Figura 14.3: Filtro digital canónico de segunda forma.
La estructura canónica de la primera forma se obtiene desde la estructura canónica de la segunda

forma bajo las siguientes condiciones:
1. Se transforman los sumadores en nodos y los nodos en sumadores, y se cambian las direc-
ciones de avance de las señales. Se cambian las direcciones de las flechas, figura 14.4.
2. Se cambian las direcciones de los amplificadores como se ve en la figura 14.4 y se inter-

cambian en la estructura la salida por la entrada y la entrada por la salida.
281
Figura 14.4: Reglas de conversión del circuito de una forma a la otra.
Ejemplo 14.1:
Calcular la función de transferencia de un filtro digital de orden n = 2 y diseñar la estructura.
De la expresión general (14.1) para k = 2 se obtiene
Y (z) b0 + b1 z −1 + b2 z −2
H(z) = =
X(z) 1 + a1 z −1 + a2 z −2
Y (z) = X(z)b0 + X(z)b1 z −1 + X(z)b2 z −2 − a1 Y (z)z −1 − a2 X(z)z −2 .
Si se utiliza la transformada-z indirecta se obtiene la función de diferencias.
y(n) = b0 x(n) + b1 x(n − 1) + b2 x(n − 2) − a1 y(n − 1) − a2 y(n − 2)
De esta ecuación se obtiene el filtro digital de segundo orden que se muestra en la figura 14.5a).
Para obtener la estructura en la forma canónica de otro tipo, se convierten los nodos por suma-
dores y los sumadores por nodos y se cambian las direcciones de los multiplicadores. La gráfica
del filtro canónico de la segunda forma se muestra en la figura 14.5b). Algunos autores dibujan
este filtro en la forma que se muestra en la figura 14.6b).
Figura 14.5: Filtro digital de segunda y primera forma.

Figura 14.6: Filtro digital de segunda forma y de segundo órden.
14.1. La estructura cascada de un filtro digital

Para realizar el filtro digital en forma de cascada es necesario expresar la función de transferencia
de la siguiente manera
H(z) = H1 (z) · H2 (z) · H3 (z) · Hi (z), (14.3)
donde las funciones parciales Hi (z) se pueden expresar cómo se muestra en la ecuación (14.4).
(1) 1 + bi1 z −1 (2) 1 + bi1 z −1 + bi2 z −2

Hi (z) = Hi (z) = (14.4)
1 + ai1 z −1 1 + ai1 z −1 + ai2 z −2
Las estructuras correspondientes se muestran en la figura 14.7 y tienen las funciones de diferen-
cias:
y(n) = x(n) + bi1 x(n − 1) − ai1 y(n − 1)
y(n) = x(n) + bi1 x(n − 1) + bi2 x(n − 2) − ai1 y(n − 1) − ai2 y(n − 2)
Figura 14.7: Filtro digital de primer y segundo orden para la estructructura de cascada.
14.2. la estructura paralela de un filtro digital. 283
14.2. La estructura paralela de un filtro digital.

Para realizar un filtro digital en forma paralela es necesario dividir la función de transferencia
H(z) cómo se ve en la ecuación (14.5).
H(z) = H1 (z) + H2 (z) + H3 (z) + · · · + Hi (z) (14.5)

Las funciones de transferencia parciales Hi (z) de primer y de segundo orden se pueden expresar
de la siguiente manera:
(1) bi0 (2) bi0 + bi1 z −1

Hi (z) = H i (z) = (14.6)
1 + ai1 z −1 1 + ai1 z −1 + ai2 z −2
Las ecuaciones en diferencias correspondientes a las funciones de transferencia anteriores son:
y(n) = bi0 x(n) − ai1 y(n − 1)

y(n) = bi0 x(n) + bi1 x(n − 1) − ai1 y(n − 1) − ai2 y(n − 2).
Las estructuras de primer y de segundo orden de los filtros digitales correspondientes a las
ecuaciones en diferencias se muestran en la figura 14.8. La estructura general se construye con
las estructuras conectadas en paralelo, cómo se ve en la figura 14.9.
Figura 14.8: Las estructuras para el filtro paralelo de primer y segundo orden.
Ejemplo 14.2:
Diseñar un filtro digital que realiza la función de transferencia
Y (z) 3 + 3,6z −1 + 0,6z −2

H(z) = = .
X(z) 1 + 0,1z −1 − 0,2z −2
Esta función de transferencia se puede expresar de la siguiente manera
Y (z) = 3X(z) + 3,6z −1 X(z) + 0,6z −2 X(z) − 0,1z −1 Y (z) + 0,2z −2 Y (z).
Usando la transformada-z inversa, la función de diferencias se puede escribir en la forma siguiente
y(n) = 3x(n) + 3,6x(n − 1) + 0,6x(n − 2) − 0,1y(n − 1) + 0,2y(n − 2).

El filtro digital se puede dibujar a partir de la ecuación en diferencias y se muestra en la figura
14.10.
Figura 14.9: La estructura en paralelo del filtro digital.
Ejemplo 14.3:
Diseñar un filtro digital en cascada conociendo que la función de transferencia H(z) es:
3 + 3,6z −1 + 0,6z −2
H(z) =
1 + 0,1z −1 − 0,2z −2
Es necesario transformar la función de transferencia H(z) en el producto H1 (z), H2 (z) y H3 (z).
1 + z −1 1 + 0,2z −1
H(z) = 3 · ·
1 + 0,5z −1 1 − 0,4z −1
Figura 14.10: Filtro digital de segundo orden.

14.2. la estructura paralela de un filtro digital. 285
1 + z −1 1 + 0,2z −1
H1 (z) = 3 H2 (z) = H3 (z) =
1 + 0,5z −1 1 − 0,4z −1
Las funciones de diferencias correspondientes son
y1 (n) = 3x1 (n) y2 (n) = x2 (n) + x2 (n − 1) − 0,5y2 (n − 2)

y3 (n) = x3 (n) + 0,2x3 (n − 1) + 0,4y3 (n − 1).
Las estructuras correspondientes a las ecuaciones en diferencias se muestran en la figura 14.11.
La estructura final que realiza la función de transferencia total se muestra en la figura 14.12.
Figura 14.11: Estructuras parciales de un filtro digital.
Figura 14.12: Estructura final de un filtro digital en cascada.
Ejemplo 14.4:
Diseñar un filtro digital en forma paralela sabiendo que la función de transferencia H(z) es
3(z + 1)(z + 0,2)

H(z) =
(z + 0,5)(z − 0,4)
Separando H(z) en fracciones parciales resulta
H(z) 3(z + 1)(z + 0,2) A B C

= = + +
z z(z + 0,5)(z − 0,4) z z + 0,5 z − 0,4
siendo las constantes A, B y C
3(z + 1)(z + 0,2)

A= = −3
(z + 0,5)(z − 0,4) |z=0
3(z + 1)(z + 0,2)

B= = −1
z(z − 0,4) |z=−0,5
3(z + 1)(z + 0,2)

C= = 7,
z(z + 0,5) |z=0,4
Sustituyendo A,B y C se obtiene
H(z) 3 1 7
=− − +
z z z + 0,5 z − 0,4
z 7z 1 7
H(z) = −3 − + = −3 − −1
+ .
z + 0,5 z − 0,4 1 + 0,5z 1 − 0,4z −1
Las funciones parciales de transferencia son
−1 7
H1 (z) = −3 H2 = H3 (z) = ,
1 + 0,5z −1 1 − 0,4z −1
y las ecuaciones en diferencias correspondientes se pueden escribir de la forma
y1 (n) = −3x1 (n) y2 (n) = −x2 (n) − 0,5y2 (n − 1) y3 (n) = 7x3 (n) + 0,4y3 (n − 1).
A partir de estas ecuaciones de diferencias se construye el filtro digital de la forma paralela como
se muestra en la figura 14.13.
Figura 14.13: Estructura del filtro digital en forma paralela.
TRANSFORMADA Z BILINEAL
14.3. Algoritmo para la transformada-z bilineal

En general los sistemas procesado de señales se clasifican en analógicos y digitales. Los primeros
se pueden describir por medio de la función de transferencia H(s) y los digitales en el dominio
de z por la función H(z). La relación entre el dominio de s y z queda establecida por la ecuación
14.4. transformación paso bajas a paso bajas 287
z = esT , (14.7)
donde T es el intervalo entre dos muestras consecutivas. La función H(z) se obtiene al aplicarle
la transformada-z a la función de transferencia H(s). Con tal propósito adecuamos la ecuación
(14.7) a la forma
1
× ln(z).
s= (14.8)
T
Al expresar ln(z) por medio de la ecuación (14.9)
" 3 5 #
2 z−1 1 z−1 1 z−1

s= + + + ··· (14.9)
T z+1 3 z+1 5 z+1
se ve que la serie de la ecuación (14.9) converge rápidamente cerca z = 1 de forma que con la
excepción del primer término se pueden despreciar todos los demás. De este modo la transfor-
mación bilineal se puede obtener mediante las expresiones:
2 z−1 z−1
s= =c (14.10)
T z+1 z+1
πf1

c = ctg, (14.11)
fs
donde f1 representa la frecuencia de corte paso bajas y fs la frecuencia de muestreo del sistema
respectivo.
14.4. Transformación paso bajas a paso bajas

Como es conocido los filtros analógicos se pueden modelar matemáticamente por medio de la
función de transferencia H(s)
A0 + A1 s + A2 s2 + · · · + Am sm
H(s) = . (14.12)
B0 + B1 s + B2 s2 + · · · + Bm sm
Considerando la ecuación (14.12) se pueden formar los vectores A y B de modo que

A= A0 , A 1 , A 2 , · · · , A m

B= B0 , B1 , B2 , · · · , Bm , (14.13)
donde Ai y Bi son coeficientes reales. Los filtros digitales se caracterizan por la función de
transferencia H(z), la cual se puede expresar de la forma
a0 + a1 z −1 + a2 z −2 + · · · + am z −m
H(z) = . (14.14)
b0 + b1 z −1 + b2 z −2 + · · · + bm z −m
Al igual que en el primer caso se forman los vectores a y b a partir de la ecuación (14.14) donde
los coeficientes ai y bi son reales.

a= a0 , a 1 , a 2 , · · · , a m

b= b0 , b1 , b2 , · · · , bm . (14.15)
Para establecer la relación entre los coeficientes ai y Ai se hace necesario comparar los numera-
dores de la función de transferencia correspondiente a las ecuaciones (14.12) y (14.14). Para lo
cual sustituimos (14.10) en (14.12) y hacemos la comparación con (14.14). Para el caso n = 2
se obtiene
A0 + A1 s + A2 s2
H(s) =
B0 + B1 s + B2 s2
2
A0 + A1 c z−1
z+1 + A2 c
2 z−1
z+1
H(z) = 2
B0 + B1 c z−1
z+1 + B2 c
2 z−1
z+1
a0 + a1 z −1 + a2 z −2 A0 + A1 c + A2 c2 + z −1 2A0 − 2A2 c2 + z −2 A0 − A1 c + A2 c2

=
b0 + b1 z −1 + b2 z −2 B0 + B1 c + B2 c2 + z −1 (2B0 − 2B2 c2 ) + z −2 (B0 − B1 c + B2 c2 )
Haciendo la comparación de los coeficientes para la misma potencia de z se obtiene la ecuación
matricial
     
a0 1 1 1 A0
 a1  =  2 0 −2  ×  A1 c  . (14.16)
     
a2 1 −1 1 A2 c2
Una expresión similar se obtiene para el vector b. Ambos vectores se pueden expresar en la
forma siguiente
0
a = Pn × A
0
b = Pn × B ,
0 0
donde Pn es la matriz de Pascal y los vectores A y B se reprezentan mediante la ecuación
(14.17).
0

A = A0 , A1 c, A2 c2 , · · · , Am cm
0

B = B0 , B1 c, B2 c2 , · · · , Bm cm (14.17)
En las matrices que se obtienen con este método se pueden observar algunos detalles interesantes
considerando el triángulo de Pascal (14.18).
1 n=0
1 1 n=1
1 2 1 n=2
(14.18)
1 3 3 1 n=3
1 4 6 4 1 n=4
1 5 10 10 5 1 n=5
14.5. transformación paso bajas a paso altas 289
Se puede observar que la base del triángulo de Pascal representa la última columna de la matriz
de Pascal con la diferencia de que los signos de los elementos en la matriz se presentan en
forma alternada. Por otra parte los elementos de las filas pares tienen siempre su signo negativo.
Concluimos que la matriz de Pascal transforma la función de transferencia de un filtro paso
bajas en el dominio de s a otro filtro paso bajas en el dominio de z. La matriz de Pascal se puede
formar bajo las siguientes concideraciones.
La primera fila de la matriz P4 , ecuación (14.21), debe tener solamente unos.
Los elementos de la última columna se determinan por medio de la ecuación (14.19).
n!
Pi,n+1 = (−1)i−1 (14.19)
(n − i + 1) ! (i − 1) !
donde i = 1, 2, · · · , n + 1.
Los elementos restantes Pi,j de la matriz de Pascal se determinan mediante la ecuación

(14.20)
Pi,j = Pi−1,j + Pi−1,j+1 + Pi,j+1 , (14.20)

i = 2, 3, 4, · · · , n, n + 1
j = n, n − 1, n − 2, · · · , 2, 1.
El elemento e de la matriz se puede determinar utilizando la ecuación siguiente
 
a b c d
 ? ? e f 
e=f +d+c
 
? ? ? g
 
 
? ? ? h
En el caso de una función de transferencia de orden n = 4 la matriz de Pascal estarı́a dada por
 
1 1 1 1 1

 4 2 0 −2 −4 

P4 =  6 0 −2 0 6  (14.21)
 
4 −2 2 −4 
 
 0
1 −1 1 −1 1
14.5. Transformación paso bajas a paso altas

Para llevar a cabo la transformación de la función de transferencia paso bajas a paso altas resulta
conveniente sustituir en (14.12) la variable 1/s por s de manera que
z+1
s=k× (14.22)
z−1
πf−1

k = tg (14.23)
fs
En la ecuación (14.23) f−1 y fs son las respectivas frecuencias del corte de paso altas y de
muestreo. Sustituyendo (14.22) en (14.12) y comparando el numerador con (14.14) para n = 3
se obtiene
a0 + a1 z −1 + a2 z −2 + a3 z −3 = A0 + A1 k + A2 k 2 + A3 k 3
+z −1 (−3A0 − A1 k + A2 k 2 + 3A3 k 3 )
+z −2 (3A0 − A1 k − A2 k 2 + 3A3 k 3 )
+z −3 (−A0 + A1 k − A2 k 2 + A3 k 3 ) (14.24)
Al comparar los coeficientes de la ecuación (14.24) se obtiene un sistema de ecuaciones el cual
se puede representar en la forma matricial.
     
a0 1 1 1 1 A0
 a1   −3 −1 1 3   A1 k 
= × (14.25)
     
a2 3 −1 −1 3 A2 k 2
 
     
a3 −1 1 −1 1 A3 k 3
Donde Ppa presenta una matriz similar a la de Pascal, la cual se puede obtener utilizando
un procedimiento similar, de manera que la primera columna de la matriz Ppa proviene de
la ecuación (14.19) y los elementos restantes Pi,j se pueden establecer mediante la expresión
(14.26).
Pi,j = Pi,j−1 + Pi−1,j−1 + Pi−1,j (14.26)
i = 1, 2, 3, · · · , n + 1
j = 1, 2, 3, · · · , n + 1.
La matriz de Pascal Ppa para transformar paso bajas a paso altas a una función de transferencia
H(z) de orden n=4 se muestra en la ecuación (14.27). En la primera fila de la matriz Ppa aparecen
solamente unos y en la primera columna los elementos de la matriz Ppa se determinan mediante
la ecuación (14.19). Los coeficientes restantes de la matriz Ppa se calculan de la manera similar
como se calculó para la transformación paso bajas a paso bajas o mediante la ecuación (14.26).
 
1 1 1 1 1

 −4 −2 0 2 4 

Ppa =  6 0 −2 0 6 (14.27)
 

−4 0 −2 4
 
 2 
1 −1 1 −1 1
Se puede concluir que la matriz de Pascal Ppa transforma la función de transferencia de un filtro
paso bajas en el dominio de s a otra función de transferencia que corresponde a un filtro paso
altas en el dominio de z.
14.6. transformación paso bajas a paso banda 291
14.6. Transformación paso bajas a paso banda

Utilizando las ecuaciones (14.28),(14.29) y (14.12) se obtiene la matriz de Pascal Ppb la cual
transforma una función de transferencia paso bajas en otra paso banda.
z−1 z+1

s=m c +k (14.28)
z+1 z−1
πf1 πf−1

c = ctg k = tg (14.29)
fs fs
donde
ctg( π(f1 −f
fs
−1)
)
m=
c+k
Mediante un procedimiento similar al utilizado en el punto anterior se obtiene la matriz Ppb
la cual se puede aplicar para obtener la función de transferencia correspondiente a un filtro
paso banda en el dominio de z a partir de la función de transferencia de un filtro paso bajas
en el dominio de s. Si queremos llevar a cabo la transformación de la función pasa bajas de
la ecuación (14.30) a una función de transferencia paso banda se puede utilizar la expresión
matricial (14.31).
A0 + A1 s + A2 s 2
H(s) = (14.30)
B0 + B1 s + B2 s2
A2 c2 m2
 
   
a0 1 1 1 1 1 1  A1 cm 
 a1   −4 −2 0 2 4 0   
     A0 
a2 = 6 0 −2 0 6 −2  ×  (14.31)
     
A1 km
 
−4 0 −2 4
     
a3 2 0  
A2 k 2 m2
   
 
a4 1 −1 1 −1 1 1
2A2 ckm2
En este punto se ilustra el proceso de transformación de un filtro paso bajas H(s) ecuación
(14.32) a una función de transferencia H(z) correspondiente a un filtro
pasa bajas
determinado por : f1 = 3400 Hz fs = 14000 Hz
pasa alta
determinando por :f−1 = 300 Hz fs = 14000 Hz
paso banda
determinado por:f1 = 3400 Hz f−1 = 300 Hz fs = 14000 Hz
Donde f1 , f−1 y fs son las frecuencias respectivas de corte y muestreo.
1
H(s) = √ (14.32)
s2 + 2s + 1
A: Transformación paso bajas a paso bajas.

Utilizando la ecuación (14.11) se obtiene la constante c
π3400

c = ctg = 1,046.
14000
Los coeficientes de la función de transferencia ai ,bi para i = 0, 1, 2 se obtienen utilizando la
matriz de la ecuación (14.16) en la forma
     
a0 1 1 1 1
a = 2 0 −2 ×
  0  (14.33)
     
 1  
a2 1 −1 1 0
     
b0 1 1 1 1
 b1  =  2 0 −2  ×  1,479  . (14.34)
     
b2 1 −1 1 1,094
Los valores de los coeficientes correspondientes a las expresiones anteriores son
a0 = 1 a1 = 2 a2 = 1
b0 = 3,574 b1 = −0,188 b2 = 0,615
Con los valores de estos coeficientes se expresa la función de transferencia H(z) en la forma:
1 + 2z −1 + z −2 0,2789 + 0,5596z −1 + 0,2789z −2

H(z) = =
3,574 − 0,188z −1 + 0,615z −2 1 − 0,0526z −1 + 0,1721z −2
B: Transformación paso bajas a paso altas.

Si se transforma la función de transferencia, ecuación (14.32), a paso altas primero se determina
el coeficiente k utilizando la ecuación (14.23)
π300

k = tg = 0,0674. (14.35)
14000
Utilizando la matriz de Pascal para filtros paso altas Ppa y para n = 2 se obtiene:
     
a0 1 1 1 1
 a1  =  −2 0 2 × 0  (14.36)
     
a2 1 −1 1 0
     
b0 1 1 1 1
 b1  =  −2 0 2  ×  0,0954  (14.37)
     
b2 1 −1 1 0,00454
De las expresiones (14.36) y (14.37) se obtienen los coeficientes correspondientes a la función de
transferencia del filtro paso altas de forma tal que:
a0 = 1 a1 = −2 a2 = 1
b0 = 1,0099 b1 = −1,9909 b2 = 0,9092.
De este modo la función de transferencia paso altas obtenida esta dada por la ecuación (14.38).
14.7. diseño desde la respuesta al pulso de dirac 293
1 − 2z −1 + z −2 0,9093 − 1,8185z −1 + 0,9093z −2

H(z) = = (14.38)
1,0998 − 1,9909z −1 + 0,9092z −2 1 − 1,8102z −1 + 0,8267z −2
C: Transformación paso bajas a paso banda

Para llevar a cabo la transformación de la función analógica paso bajas (14.32) a una función
digital pasa banda, primaro se determinan las constantes c y k.
π300 π3400

c = ctg = 1,0459 k = tg = 0,0674
14000 14000
ctg( π(3400−300)
14000 )
m= = 1,075906
1,0459 + 0,0674
Los coeficientes de la función de transferencia ai , bi para i = 0, 1, 2, 3, 4 se obtienen por medio
de la matriz (14.31).
 
    0
a0 1 1 1 1 1 1
 a   −4 −2
 0 
 1   0 2 4 0   
  1 
 a2  =  6 0 −2 0 6 −2  ×  (14.39)
     
0

 a3   −4 0 −2 4
     
2 0   
 0 
a4 1 −1 1 −1 1 1
0
 
    1,2663
b0 1 1 1 1 1 1
  −4 −2
 1,5914 
 b1 0 2 4 0   
     1 
b2 = 6 0 −2 0 6 −2 × (14.40)
     
0,1026
 
  −4 0 −2 4
     
 b3 2 0   
 0,0053 
b4 1 −1 1 −1 1 1
0,1632
Resolviendo las matrices (14.39) y (14.40) se obtienen los coeficientes de la función de transfe-
rencia H(z).
a0 = 1 a2 = −2 a4 = 1 b0 = 4,1287
b1 = −8,0218 b2 = 5,3028 b3 = −2,0664 b4 = 0,7408.
Con los valores de estos coeficientes la función de transferencia paso banda toma la forma:
1 − 2z −2 + z −4
H(z) = (14.41)
4,1287 − 8,0218z −1 + 5,3028z −2 − 2,0664z −3 + 0,7408z −4
14.7. Diseño desde la respuesta al pulso de Dirac

Hasta ahora se diseñaron los filtros digitales desde las especificaciones en la plantilla. Se puede
también diseñar los filtros a partir de la respuesta al impulso. En otras palabras se busca una
función de transferencia discreta de un filtro digital que tiene la misma respuesta al impulso que
Figura 14.14: Respuesta de un circuito analógico a un pulso de Dirac y sus muestras.
un circuito analógico. La respuesta de un circuito analógico es contı́nua y para nuestro propósito

es necesario conseguir las muestras como se ve en la figura 14.14.
Este método se llama (Impulse invariance) - Invariancia de impulsos. Si se conoce la forma
analı́tica de la respuesta a un impulso, la transformación se puede llevar a cabo usando la
transformada-z.
H(z) = z {f (t)}
Ejemplo 14.9
Diseñar el filtro digital cuya respuesta al impulso es igual a la respuesta del circuito RC de la
figura 14.15. Elige la frecuencia de muestreo fm = 8000 Hz.
Figura 14.15: Circuito RC y circuito discreto equivalente.
Primero se calcula la función de transferencia H(s) del circuito y después mediante la trans-
formada de Laplace se calcula la respuesta al impulso unitario h(t). De la respuesta al impulso
unitario h(t) se obtiene la respuesta a un impulso discreto h(nT ). Mediante la transformada-z
se calcula H(z) que se realiza.
U2 s s
H(s) = = 1 = (14.42)
U1 s + CR s + 1333,3
1333,3

−1
h(t) = L 1− = δ(t) − 1333,3e−1333,3t (14.43)
s + 1333,3
1333,3 − 1333,3 n
h(nT ) = δ(nT ) − 1333,3e−1333,3nT = δ(nT ) − e 8000 (14.44)
8000
14.7. diseño desde la respuesta al pulso de dirac 295
La función de transferencia H(z) se obtiene mediante la transformada-z.

n o −0,16666
H(z) = Z δ(nT ) − 0,1666e−0,1666n = 1 + (14.45)
1 − e−0,1666 z −1
−0,16666
H(z) = 1 + (14.46)
1 − 0,846z −1
La estructura correspondiente a la ecuación (14.46) está en la forma paralela y se muestra en la
figura 14.15.
Ejemplo 14.10:
Diseñar el filtro digital cuya respuesta al impulso es igual a la respuesta del circuito RL de la
Figura 14.16: Circuito LR y el circuito discreto equivalente.
La función de transferencia del circuito de la figura 14.16 es
U2 R 1428,57
= H(s) = = (14.47)
U1 R + sL s + 1428,57
Mediante la transformada de Laplace inversa se calcula la respuesta al impulso unitario h(t).
h(t) = L−1 {H(s)} = 1428,57e−1428,57t (14.48)

La respuesta discreta h(nT ) normalizada tiene la forma
1428,57 − 1428,57 n
h(nT ) = e 8000 = 0,17857e−0,17857n (14.49)
8000
La función de transferencia H(z) se calcula mediante la transformada-z de h(nT )
0,17857
H(z) = Z {h(nT )} = (14.50)
1 − 0,836z −1
El circuito correspondiente a la función de transferencia H(z) se muestra en la figura 14.16.
Ejemplo 14.11:
Diseñar el filtro digital cuya respuesta al impulso es igual a la respuesta del circuito LCR de la
Primeramente se calcula la función de transferencia de circuito LCR en la figura 14.17.
Figura 14.17: Filtro paso baja RLC y circuito discreto equivalente.
R 1
U1 1+sRC R LC
= R
= = 1 1
U2 sL + 1+sCR s2 LCR + sL + R s2 + s CR + LC
U2 1,777 · 106
= 2
U1 s + 1,3329 · 103 s + 1,777 · 106
Si la última ecuación se transforma en la forma siguiente
U2 1,777 · 106 1,5392 · 103 · (1,1545 · 103 )

= =
U1 (s + 666,45)2 + 1,3328 · 106 (s + 666,45)2 + (1,1545 · 103 )2
entonces usando la transformada Laplace inversa a esa ecuación se obtiene la respuesta al im-
pulso:
U2

−1
L = h(t) = 1,5392 · 103 e−666,45t · sen (1154,5 · t)
U1
La respuesta al impulso del circuito discreto es
1154,5
666,45
h(n) = 1,5392 · 103 e− 800
n
n = 1,53924 · 103 e−0,83304n sen 1,443208n.
sen
800
Utilizando la tabla de la transformada-z se pueden escribir las siguiente transformaciones.
z zsen aT
sen (naT ) ⇐⇒
z2 − 2z cos aT + 1

z
e−naT ⇐⇒ X eaT · z
Usando estas transformaciones se obtiene
z · sen 1,443208 0,9918z
Z {sen 1,443208n} = = 2
z2 − 2z cos 1,443208 + 1 z − 0,2544z + 1
Si se sustituye por z = ze0,83304 = 2,3003z se obtiene la función de transferencia H(z).
3
0,9918 · (2,3003)z · 1,5392·10
800 0,8296z −1
H(z) = Z {h(n)} = =
(2,3003z)2 − 0,2544 · (2,3003)z + 1 1 − 0,11063z −1 + 0,18898z −2
El circuito discreto que realiza esta función de transferencia tiene la misma respuesta al impulso
que el circuito LCR. El circuito discreto se muestra en la figura 14.17.
14.8. la variancia de impulso 297
14.8. La variancia de impulso

Usando la transformada de Laplace la respuesta a un impulso de un circuito con la función de
transferencia H(s)
N
X Ai
H(s) = (14.51)
i=1
s + si
se puede escribir en la forma
N
Ai e−si t .
X
h(t) = (14.52)
i=1
Utilizando la transformada-z se obtiene la función de transferencia H(z).
N
X Ai z
H(z) = (14.53)
i=1
z − pi
pi = e−si T (14.54)
Ejemplo 14.12:
Calcular el filtro digital Butterworth de tercer orden para amax = 3 dB y T=2.
La función de transferencia normalizada obtenida desde las tablas se puede escribir como:
1 A
H(s) = 2
= + H2 (s)
(s + 1)(s + s + 1) s+1
Calculando A se obtiene
1
A= |s=−1 = 1.
s2 +s+1
La función de transferencia parcial H2 (s) se obtiene calculando la ecuación
1 1 −s
H2 (s) = 2
− = 2
(s + 1)(s + s + 1) s + 1 s +s+1
Entonces la función de transferencia H(s) es la suma de dos funciones de transferencia H1 (s) +
H2 (s).
1 −s
H(s) = + (14.55)
s + 1 s2 + s + 1
Utilizando la transformación (14.51), (14.52), (14.53) y (14.54) la función de transferencia H1 (z)
se transforma en
z 1
H1 (z) = −T
|T =2 = (14.56)
z−e 1 − 0,13533z −1
La función de transferencia H2 (s) se tiene que arreglar en la forma
−s A1 A2
H2 (s) = = √ + √
s2 + s + 1 1
s+ 2 +j 23
s + 2 − j 23
1
√ √
3 √ 3 √
(− 21 − j 1
2 )j 3 ( 12 − j 1
2 )j 3
H2 (s) = √ + √ . (14.57)
1 3 1 3
s+ 2 +j 2 s+ 2 −j 2
Utilizando la transformada (14.51), (14.53) y (14.54) se obtiene la ecuación (14.58).

√ √
z 3 3
j
√
3
(− 12 − j 2 ) j
z
√ (1 − j
3 2 2 )
H2 (z) = T T
√
3
+ T T
√
3
(14.58)
z − e− 2 e−j 2 z − e− 2 ej 2
Para T=2 se obtiene la ecuación (14.59).

√ √
z 3 3
j
√
3
(− 21 − j2 ) j
z
√ (1 − j
3 2 2 )
H2 (z) = √ + √ (14.59)
z− e−1 e−j 3 z− e−1 ej 3
Arreglando la última ecuación se obtiene la ecuación siguiente
−1 + 0,150574z −1
H2 (z) = , (14.60)
1 + 0,11813z −1 + 0,135335z −2
y la función de transferencia completa se puede escribir en la forma
1 −1 + 0,150574z −1
H(z) = H1 (z) + H2 (z) = + (14.61)
1 − 0,13533z −1 1 + 0,11813z −1 + 0,135335z −2
La estructura obtenida de la ecuación (14.61) se muestra en la figura 14.18.
Figura 14.18: Estructura paralela del filtro digital.

14.9. sı́ntesis con la ayuda de las matrices circulares 299
14.9. Sı́ntesis con la ayuda de las matrices circulares

Los coeficientes ai y bi de la función de transferencia de un sistema discreto se pueden calcular
con la ayuda de las matrices circulares. Si se diseñan los filtros IIR con la respuesta infinita se
tiene que suponer que las muestras de la respuesta en la salida se translaparán. Los coeficientes
de la función de transferencia se calculan usando la ecuación siguiente
cykl h × a = b.
La ecuación anterior se puede escribir en forma matricial.
     
h0 hN −1 hN −2 · · · hN −n ··· 1 b0

 h1 h0 hN −1 · · · hN −n+1 ···  
  a1  
  b1 

h2 h1 h0 · · · hN −n+2 ··· a2 b2
     
     
··· ··· ··· ··· ··· ··· ··· ···
     
     
     

 ··· ··· ··· ··· ··· ···  
  ···  
  ··· 


 ··· ··· ··· ··· ··· ···  
  ···  
  ··· 

hn hn−1 hn−2 ··· h0 ··· an bn
     
     
     
 hn+1 hn hn−1 ··· h1 ···  
× 0  
= 0 
  (14.62)

 hn+2 hn+1 hn ··· h2 ···  
  0  
  0 


 ··· ··· ··· ··· ··· ···  
  ···  
  ··· 

··· ··· ··· ··· ··· ··· ··· ···
     
     
     

 ··· ··· ··· ··· ··· ···  
  ···  
  ··· 


 h2n h2n−1 h2n−2 ··· hn ···  
  0  
  0 

··· ··· ··· ··· ··· ··· ··· ···
     
     
··· ··· ··· ··· ··· ··· ··· ···
     
     
hN −1 hN −2 hN −3 · · · hN −n−1 ··· 0 0
La ecuación matricial (14.62) se puede dividir en dos ecuaciones matriciales (14.63) y (14.64).
· · · hN −n
     
h0 hN −1 hN −2 1 b0

 h1 h0 hN −1 · · · hN −n+1  
  a1  
  b1 

 h2 h1 h0 · · · hN −n+2   a2   b2 
× = (14.63)
     
··· ··· ··· ··· ··· ··· ···
 
     
     
 ··· ··· ··· ··· ···   ···   ··· 
hn hn−1 hn−2 ··· h0 an bn
···
       
hn+1 hn hn−1 h1 a1 0

 hn+2  
  hn+1 hn ··· h2  
  a2  
  0 

 hn+3   hn+2 hn+1 ··· h3   a3   0 
+ × = (14.64)
       
··· ··· ··· ··· ··· ··· ···
 
       
       
 ···   ··· ··· ··· ···   ···   ··· 
h2n h2n−1 h2n−2 ··· hn an 0
Si se arregla la ecuación (14.64) se obtiene la ecuación matricial (14.65). De esta ecuación

matricial se puede calcular el vector a si se conocen los coeficientes de la respuesta al impulso
h1 hasta h2n .
−1
···
    
a1 hn hn−1 h1 hn+1

 a2 


 hn+1 hn ··· h2 


 hn+2 

 a3   hn+2 hn+1 ··· h3   hn+3 
 = − × (14.65)
     
··· ··· ··· ··· ··· ···
  
     
     
 ···   ··· ··· ··· ···   ··· 
an h2n−1 h2n−2 ··· hn h2n
Los coeficientes de la respuesta al impulso h2n+1 hasta hN −1 no se pueden predecir, pero se

pueden calcular con la ayuda de la ecuación (14.66).
n
X
hk = − hk−i ai (14.66)
i=1
Si se calculan los coeficientes de la función de transferencia es necesario conocer 2n + 1 términos

de la respuesta al impulso. Estos impulsos se llaman impulsos relevantes. Los impulsos restantes
se llaman impulsos redundantes. Utilizando los 2n + 1 coeficientes relevantes de la respuesta h
se obtienen los coeficientes 2n + 1 del vector a. Para calcular el vector b es necesario determinar
los coeficientes redundantes de la respuesta a un impulso h(n). La sı́ntesis no es unı́voca y por
eso no se puede pgenerar para cierto sistema cualquier respuesta al impulso.
Ejemplo 14.13:
Calcular los coeficientes de la función de transferencia H(z) del orden n = 2 si se conocen los
coeficientes de la respuesta a un impulso y la longitud del periodo N = 6.
h0 = 0,23408792 h1 = 0,52158126 h2 = 0,32765012

h3 = −0,0060618 h4 = −0,06228814
Primero se calculan los coeficientes a1 y a2 de la función de transferencia H(z). Para calcular

los coeficientes a1 y a2 se utilizan los 2n + 1 elementos relevantes de la respuesta al impulso h0
hasta h4 .
" # " #−1 " # " #

a1 0,32765016 0,52158126 −0,0060618 −0,276
= · =
a2 0,00606108 0,32765016 −0,06228814 0,185
Usando la ecuación (14.66) se puede calcular el coeficiente redundante de la respuesta al impulso

h5 . No podrı́a ser elegido, si se quiere calcular la función de transferencia de segundo orden.
h5 = −h4 a1 − h3 a2 = −0,06228 · 0,276 + 0,00606 · 0,185 = −0,0160702
Ahora se pueden calcular los coeficientes bi de la función de transferencia H(z).

14.9. sı́ntesis con la ayuda de las matrices circulares 301
    
b0 h0 h5 h4 1
 b1  =  h1 h0 h5   a1 
    
b2 h2 h1 h0 a2
     
b0 0,234087 −0,016070 −0,062288 1
 b1  =  0,521581 0,234087 −0,016070  ·  −0,276 
     
b2 0,327650 0,521581 0,234087 0,185
   
b0 0,227
 1   0,454 
b =
   
b2 0,227
Ya se conocen todos los coeficientes de la función de transferencia H(z).
0,227 + 0,454z −1 + 0,227z −2

H(z) =
1 − 0,276z −1 + 0,185z 2
La estructura del filtro se muestra en la figura 14.19. En MATLAB mediante la instrucción

prony(...) se calcula H(z) si se conocen los coeficientes de h(n).
Figura 14.19: Filtro digital de segundo orden.
Tarea 14.1:
Calcular los coeficientes de la función de transferencia H(z) de orden n = 2 si se conocen los

coeficientes de la respuesta al impulso y la longitud del period N = 5.
h0 = 0,23408792 h1 = 0,52158126 h2 = 0,32765012

h3 = −0,0060618 h4 = −0,06228814
Tarea 14.2:

h0 = 0,15364 h1 = 0,48231 h2 = 0,26734

h3 = −0,00234 h4 = −0,03458
Tarea 14.3:
2(z + 0,8)(z + 0,4)

H(z) =
(z + 0,6)(z − 0,2)
Tarea 14.4:
Diseñar un filtro digital en forma cascada sabiendo que la función de transferencia H(z) es
2(z + 0,8)(z + 0,4)

H(z) =
(z + 0,6)(z − 0,2)
Tarea 14.5:
2(z + 0,8)(z + 0,4)(z + 0,2)

H(z) =
(z + 0,6)(z − 0,2)(z − 0,3)
Tarea 14.6:

h0 = 0,13408792 h1 = 0,42158126 h2 = 0,22765012

h3 = −0,0040618 h4 = −0,02228814
Capı́tulo 15
Filtros digitales con respuesta finita
15.1. Filtros con respuesta finita al impulso FIR

La función de transferencia de los filtros digitales con la respuesta finita al impulso tiene la forma
siguiente
Y (z)
H(z) = = b0 + b1 z −1 + b2 z −2 + · · · + bk z −k (15.1)
X(z)
k
bi z −i .
X
H(z) = (15.2)
i=0
Si se aplica la transformada-z inversa a la ecuación anterior se obtiene la ecuación en diferencias.

k
X
y(n) = bi x(n − i) (15.3)
i=0
A partir de esta función se puede dibujar la estructura directa del filtro FIR. La estructura se
muestra en la figura 15.1. Esta estructura se llama la estructura transversal. En la figura 15.2
se muestra la estructura del filtro FIR en primera forma canónica.
Figura 15.1: Estructura directa del filtro FIR.
De la función de transferencias, ecuación (15.3), se observa, que los coeficientes bi de la función

de transferencia son simultáneamente las muestras de la respuesta al impulso unitario.
303
304 capı́tulo 15. filtros digitales con respuesta finita
Figura 15.2: Estructura del filtro FIR de la primera forma canónica.
Ejemplo 15.1:
Escribir la función de transferencia de un filtro FIR de orden cinco y mostrar en dónde están
ubicados los ceros y polos en el plano z.
H5 (z) = b0 + b1 z −1 + b2 z −2 + b3 z −3 + b4 z −4 + b5 z −5
b0 z 5 + b1 z 4 + b2 z 3 + b3 z 2 + b4 z + b5
H5 (z) =
z5
Todos polos están ubicados en el origen y por eso los filtros FIR son siempre estables. Si los
coeficientes bi de la función de transferencia son simétricos, b0 = b5 , b1 = b4 , b2 = b3
entonces los ceros de la función de transferencia son también simétricos respecto al circuito
unitario, como se ve en la figura 15.3, y la fase es lineal en todas las frecuencias.
Figura 15.3: Ubicación de los ceros de H(z) en el plano z.
Las ventajas del filtro FIR.
Los filtros con respuesta finita son siempre estables.
La fase de la función de transferencia es lineal en todo dominio de las frecuencias.

15.1. filtros con respuesta finita al impulso fir 305
Las muestras de la salida son dependientes sólo de las muestras en la entrada y de las
muestras de la entrada retrasadas. Por eso son menos sensibles a errores de redondeo que
los filtros con respuesta infinita.
Desventajas del filtro FIR.
Para cumplir las especificaciones de la plantilla se necesitan muchos sumadores, amplifi-

cadores y elementos de retardo en comparación con los filtros IIR.
El retraso de las señales es mayor que en los filtros con respuesta infinita IIR.
Los ceros de la función de transferencia que no están ubicados en el cı́rculo de radio unitario
deben ser recı́procos 1/zi . Entonces se puede escribir la función de transferencia en la forma
c
1 b
Y 1
H(z) = H(0) k
(z − 1)(z + 1) . (z − z0i ).(z − ). (15.4)
z i=1
z0i
La respuesta al impulso puede ser dividida en cuatro grupos, como se puede ver en la figura
15.4.
Figura 15.4: Cuatro posibilidades de la respuesta a un impulso.
En la figura 15.4 a) el número de las muestras es impar, y la simetrı́a con respecto al punto
M es par, y por eso se puede expresar la función de transferencia mediante la ecuación
(15.5).
n
2
−1
n n
X
H(ω)IP =h + 2h(i) cos( − i)ω (15.5)
2 i=0
2
En la figura 15.4 b) el número de las muestras es par y la simetrı́a con respecto al punto
M es también par. La función de transferencia se calcula mediante la ecuación (15.6).
n−1
2
X ω
H(ω)P P = 2h(i) cos(n − 2i) (15.6)
i=0
2
En la figura 15.4 c) el número de las muestras es impar y la simetrı́a con respecto al punto
M es también impar. La función de transferencia se puede expresar mediante la ecuación
(15.7).
n−1
2
X (n − 2i)
H(ω)II = 2h(i) sin ω (15.7)
i=0
2
En la figura 15.4 d) el número de las muestra es par y la simetrı́a con respecto al punto
M es impar. La función de transferencia se puede calcular mediante la ecuación (15.8).
n
2
−1
PI
X n
H(ω) = 2h(i) sin( − i)ω (15.8)
i=0
2
Ejemplo 15.2:
Hallar la función de transferencia H(ω) de un filtro F IR con la respuesta a un impulso que se
muestra en la figura 15.5.
Figura 15.5: Respuesta de un filtro FIR a un impulso unitario.
El número de las muestras es impar pero la simetrı́a es par. Por eso se puede calcular la función
de transferencia H(ω) mediante la ecuación (15.9).
n
2
−i
n n
X
IP
H (ω) = h + 2h(i) cos( − i)ω (15.9)
2 i=0
2
Si se sustituye en la ecuación (15.9) por
n=4 h0 = h4 = 1 h1 = h3 = 2 h2 = 3,
15.1. filtros con respuesta finita al impulso fir 307
se obtiene
H IP (ω) = h(2) + 2h(0) cos 2ω + 2h(1) cos ω = 3 + 2 cos 2ω + 4 cos ω.
Ejemplo 15.3:
Hallar la función de transferencia en el dominio de z y de ω de un filtro F IR que tiene la función
de diferencias
y(n) = 3x(n) + 2x(n − 1) + 2x(n − 2) + 3x(n − 3).
Utilizando la transformada-z se obtiene
Y (z) = 3X(z) + 2z −1 X(z) + 2z −2 X(z) + 3z −3 X(z)
Y (z)
H(z) = = 3 + 2z −1 + 2z −2 + 3z −3 .
X(z)
La respuesta del sistema a un impulso se muestra en la figura 15.6.
Figura 15.6: Respuesta del sistema a un impulso unitario.
El número de los impulsos es par y la simetrı́a de los impulsos es también par. La función de
transferencia en el dominio de ω se puede escribir mediante la ecuación (15.10).
n−1
2
PP
X ω
H (ω) = 2h(i) cos(n − 2i) (15.10)
i=0
2
Si se sustituyen los valores:
n=3 h(0) = h(3) = 3 h(1) = h(2) = 2
en la ecuación (15.10) se obtiene
3ω ω 3ω ω

H(ω) = 2h(0) cos + 2h(1) cos = 2 3 cos + 2 cos
2 2 2 2
Las respuestas de los cuatro tipos del circuitos F IR se muestran en la figura 15.7.
Figura 15.7: Espectro de los cuatro tipos de circuito FIR.
15.2. Diseño del Filtro FIR

La caracterı́stica en la figura 15.7 a) o en la figura 15.8 se aproxima mediante la serie de Fourier
M
X
|H| = A(f ) = cm ej2πf mT , (15.11)
m=−M
donde las constantes cm y c−m se pueden calcular mediante la ecuación (15.12).

fm
2
Z
2
cm = c−m = A(f ) cos(2πf T m) df (15.12)
fm 0
Si se sustituye en la ecuación (15.11) por ej2πf T = z se obtiene
M
X
H1 (z) = cm z m . (15.13)
m=−M
Esta función es la función de transferencia de un sistema no causal. Para ai = cM −i la última

ecuación se puede escribir en la forma
2M
1 X
H(z) = ai z −i (15.14)
z M i=0
Esta función es una función de transferencia de un filtro causal FIR. El término 2M significa
que el filtro FIR tiene 2M elementos de retardo. Si la frecuencia de muestreo normalizada es
fm =2, los coeficientes cm se calculan mediante la ecuación (15.15)
15.2. diseño del filtro fir 309
Z 1
cm = cos(mπf ) df (15.15)
0
Ejemplo 15.4:
Diseñar un filtro paso bajas con el filtro FIR para los especificaciones

 1
 para ≤ f ≤ 125 Hz
A(f ) =

 0 en todas otras f recuencias.
La frecuencia de muestreo es fm = 1 kHz y el orden N=20.
Los especificaciones de un filtro paso bajas figura 15.8 se normalizan para que la frecuencia de
muestreo normalizada sea fm = 2. Cada frecuencia en este ejemplo se divide entre 500 y se
obtienen los especificaciones normalizadas cómo se muestra en la figura 15.8.
Figura 15.8: Especificaciones para un filtro FIR no normalizado y normalizado.
Usando la ecuación (15.16)

Z fm
2
cm = |H| cos(mπf ) df (15.16)
0
se pueden calcular los coeficientes cm .

Z 0,25
cm = 1. cos(mπv) dv (15.17)
0
sin(0, 25mπ)
cm = (15.18)
mπ
c0 = 0, 25 c3 = 0, 075 c6 = −0, 053 c9 = 0, 025

c1 = 0, 225 c4 = 0, 000 c7 = −0, 032 c10 = 0, 032
c2 = 0, 159 c5 = −0, 045 c8 = 0, 000
La condición para los coeficientes de un filtro FIR es ai = cM −i entonces será
a20 = a0 = c10 = 0, 032 a16 = a4 = c6 = −0, 053 a12 = a8 = c2 = 0, 159

a19 = a1 = c9 = 0, 0025 a15 = a5 = c5 = −0, 045 a11 = a9 = c1 = 0, 225
a18 = a2 = c8 = 0, 000 a14 = a6 = c4 = 0, 000 a10 = a10 = c0 = 0, 25
a17 = a3 = c7 = −0, 032 a13 = a7 = c3 = 0, 075
La estructura del filtro FIR se muestra en la figura 15.9 y la función de transferencia se puede
escribir en la forma
H(z) = 0, 032 + 0, 025z −1 − 0, 032z −3 − · · · − 0, 032z −18 + 0, 025z −19 + 0, 032z −20 .
Figura 15.9: Filtro FIR de orden veinte.
Ejemplo 15.5:
Calcular el filtro FIR paso bajas de orden N=8 si se conocen las especificaciones de la plantilla
figura 15.10. Si se elige la frecuencia del muestreo fm = 2π, los coeficientes del filtro paso bajas
se calculan mediante la ecuación (15.19).
Figura 15.10: Especificaciones del filtrto FIR paso bajas.
Z 0,8
1
cm = c−m = cos(f · m) df (15.19)
π 0
0,8
1 sen(f · m)

cm = c−m =
π m 0
0, 8 cos(0, 8m)
c0 = = 0, 254647 = h4
π
sen(0,8)
c1 = = 0, 228341 = h3 = h5
π
sen(2 · 0, 8)
c2 = = 0, 159087 = h2 = h6
2π
sen(3 · 0, 8)
c3 = = 0, 071668 = h1 = h7
3π
sen(4 · 0, 8)
c4 = = −0, 004645 = h0 = h8
4π
La función de transferencia en el dominio z del filtro FIR es
H(z) = −0, 0046 + 0, 0716z −1 + 0, 159z −2 + 0, 228z −3 + 0, 254z −4 + 0, 228z −5 +
+0, 159z −6 + 0, 0716z −7 − 0, 0046z −8

y la estructura se muestra en la figura 15.11. La función de transferencia H(ω) se calcula mediante
la ecuación (15.20) y la gráfica de la atenuación de paso bajas se muestra en la figura 15.12.
Figura 15.11: Filtro FIR paso bajas.
H(ω) = h4 + 2h0 cos(4ω) + 2h1 cos(3ω) + 2h2 cos(2ω) + 2h3 cos(ω) (15.20)
Figura 15.12: Atenuación del filtro FIR paso bajas.

Ejemplo 15.6:
Calcular el filtro FIR paso altas de orden N=8 si se conocen las especificaciones de la plantilla
figura 15.13. Si se elige la frecuencia del muestreo fm = 2π, los coeficientes del filtro paso altas
Figura 15.13: Especificaciones del Filtro FIR paso altas.
Z π π
1 1 sen(f m)

cm = c−m = cos(f m) df = (15.21)
π 2 π m 2
1 sen(πm) − sen(2m)

cm = c−m =
π m
π cos(πm) − 2 cos(2m)
c0 = |m=0 = 0, 36338 = h4
π
sen(π) − sen(2)
c1 = = −0, 289438 = h3 = h5
π
sen(2π) − sen(4)
c2 = = 0, 1204 = h2 = h6
2π
sen(3π) − sen(6)
c3 = = 0, 0296 = h1 = h7
3π
sen(4π) − sen(8)
c4 = = −0, 0787 = h0 = h8
4π
La función de transferencia en el dominio de z del filtro FIR es
H(z) = −0, 0787 + 0, 0296z −1 + 0, 120z −2 − 0, 289z −3 + 0, 363z −4 + 0, 289z −5 +
+0, 120z −6 + 0, 0296z −7 − 0, 0787z −8 ,

y la estructura del filtro se muestra en la figura 15.14. La función de transferencia H(ω) se
calcula mediante la ecuación (15.22). La atenuación de filtro paso altas se muestra en la figura
15.15.
Figura 15.14: Filtro FIR paso altas.
Figura 15.15: Atenuación del filtro FIR paso altas.
Ejemplo 15.7:
Calcular el filtro FIR supresor de banda de orden N=8 si se conocen las especificaciones de la
plantilla en la figura 15.16. Si se elige la frecuencia del muestreo fm = 2π, los coeficientes del
filtro supresor de banda se calculan mediante la ecuación (15.23).
Figura 15.16: Especificaciones del filtrto FIR supresor de banda.
Z 0,8 Z π
1 1
cm = c−m = cos(f · m) df + cos(f · m) df (15.23)
π 0 π 2
1 sen(0,8m) + sen(πm) − sen(2m)

cm = c−m =
π m
0,8 cos(0,8m) + π cos(πm) − 2 cos(2m)
c0 = |m=0 = 0, 618028 = h4
π
sen(·0,8) + sen(π) − sen(2)

c1 = = −0,061096 = h3 = h5
π
sen(2 · 0,8) + sen(2π) − sen(4)
c2 = = 0, 279535 = h2 = h6
2π
sen(3 · 0,8) + sen(3π) − sen(6)
c3 = = 0,101315 = h1 = h7
3π
sen(4 · 0,8) + sen(4π) − sen(8)
c4 = = −0,083370 = h0 = h8
4π
La función de transferencia en el dominio z del filtro FIR supresor de banda toma la forma
H(z) = −0, 083 + 0, 101z −1 + 0, 279z −2 − 0, 061z −3 + 0, 618z −4 − 0, 061z −5 +

+0, 279z −6 + 0, 101z −7 − 0, 083z −8 .
La estructura se muestra en la figura 15.17. La función de transferencia H(ω) se calcula mediante
la ecuación (15.24) y la gráfica de H(ω) se muestra en la figura 15.18.
Figura 15.17: Filtro FIR supresor de banda.
H(ω) = 0,618 + 0,1667cos(4ω) + 0,2026cos(3ω) + 0,5591cos(2ω) − 0,1222cos(ω) (15.25)
Figura 15.18: Módulo H(ω) del filtro supresor de banda.

Ejemplo 15.8:
Calcular el filtro FIR paso banda de orden N=8 si se conocen las especificaciones de la plantilla
figura 15.19. Si se elige la frecuencia del muestreo fm = 2π, los coeficientes del filtro paso banda
Figura 15.19: Especificaciones del filtrto FIR paso banda.
Z 2
1
cm = c−m = cos(f · m) df (15.26)
π 0,8
1 sen(2m) − sen(0, 8m)

cm = c−m =
π m
2 cos(2m) − 0, 8 cos(0, 8m)
c0 = |m=0 = 0, 3819718 = h4
π
sen(2) − sen(0, 8)
c1 = = 0,0610 = h3 = h5
π
sen(4) − sen(1, 6)
c2 = = −0, 279 = h2 = h6
2π
sen(6) − sen(2, 4)
c3 = = −0,101 = h1 = h7
3π
sen(8) − sen(3, 2)
c4 = = 0,083 = h0 = h8
4π
La función de transferencia en el dominio z del filtro FIR paso banda toma la forma
H(z) = 0, 083 − 0, 101z −1 − 0, 279z −2 + 0, 061z −3 + 0, 381z −4 + 0, 061z −5 +

−0, 279z −6 − 0, 101z −7 + 0, 083z −8 .
La estructura se muestra en la figura 15.23. La función de transferencia H(ω) se calcula mediante
la ecuación (15.27). En la figura 15.21 se muestra gráfica de la atenuación del filtro FIR.
Figura 15.20: Filtro FIR paso banda.
Figura 15.21: Atenuación del filtro FIR paso banda.
Ejemplo 15.9.
Calcular el filtro FIR con fase lineal en todas las frecuencias si la ecuación de las diferencias es
de la forma
y(n) = ax(n) + bx(n − 1) + cx(n − 2) + bx(n − 3) + ax(n − 4),

los valores de la función de transferencia de la figura 15.22 son
en ω = 0 H(0) = 1
π π
en ω = H( ) = 0, 707
2 2
en ω = π H(π) = 0, 2
Las especificaciónes del filtro se muestran en la figura 15.22. La función de transferencia de
segundo orden del filtro con fase lineal se calcula mediante la ecuación (15.28).
H(ω) = h(2) + 2h(0)cos(2ω) + 2h(1)cos(ω) (15.28)

Si se sustituye ω por los valores de la figura 15.22 se obtienen tres ecuaciones
H(0) = h(2) + 2h(0) + 2h(1) = 1

π
H( ) = h(2) − 2h(0) = 0, 707
2
Figura 15.22: Especificaciones para el filtro paso bajas.
H(π) = h(2) + 2h(0) − 2h(1) = 0, 2

Los ecuaciones anteriores se pueden escribir en la forma matricial.
     
1 2 2 h2 1
1 0 −2 ·
  1   0, 707 
h = (15.29)
     

1 −2 2 h0 0, 2
Calculando la ecuación (15.29) se obtienen los valores del filtro
h2 = 0, 6535 h0 = −0, 02675 h1 = 0, 2.

La función de transferencia se puede expresar de la siguiente manera
H(z) = −0, 02675 + 0, 2z −1 + 0, 6535z −2 + 0, 2z −3 − 0, 02675z −4

El filtro FIR que cumple los especificaciones de la figura 15.22 se muestra en la figura 15.23.
Figura 15.23: Estructura del filtro paso bajas.
Ejemplo 15.10:
Calcular el filtro FIR paso bajas si se conocen las especificaciones de la plantilla en la figura
15.24. El filtro FIR es de 6to orden y la función de transferencia en el dominio de z es
H(z) = h0 + h1 z −1 + h2 z −2 + h3 z −3 + h2 z −4 + h5 z −5 + h6 z −6 ,
Figura 15.24: Especificaciones del filtro FIR paso bajas.
y la función de frecuencia H(ω) toma la forma
H(ω) = h3 + 2h0 cos(3ω) + 2h1 cos(2ω) + 2h2 cos(ω)
De la última ecuación para las frecuencias ω = 0, π4 , π2 y 3π4 , se obtienen cuatro ecuaciones,

que se puedan escribir en la forma matricial, ecuación (15.30)
     
1 2 2 2 h3 1
 1 −1, 414 0 1, 414   h0   0, 707 
· = (15.30)
     
1 0 −2 0 h1 0, 505
 
     
1 1, 414 0 −1, 414 h2 0, 3
Calculando la ecuación (15.30) se obtienen los coeficientes de la función de transferencia H(z),

h3 = 0,5035 h0 = 0,05129 h1 = 0,0175 h2 = 0,159209. La función de transferencia del filtro
paso bajas toma la forma
H(z) = 0,0519 + 0,0175z −1 + 0,1592z −2 + 0,5035z −3 + 0,1592z −4 + 0,0175z −5 + 0,0519z −6
El filtro FIR paso bajas se muestra en la figura 15.25.
Figura 15.25: Estrucura del filtro FIR de sexto orden.

15.3. el diferenciador. 319
15.3. El diferenciador.
El sı́mbolo del diferenciador y la gráfica de H(ω) se muestra en la figura 15.26. Los coeficientes
bk se calculan mediante la ecuación (15.31). La función de transferencia del diferenciador es
H(ω) = jω.
Figura 15.26: Sı́mbolo de diferenciador y la gráfica del H(ω).
Z π Z π
1 jnω 1
bn = H(ω)e dω = jωejnω dω (15.31)
2π −π 2π −π
R 0 R 0
La integral se calcula mediante el método por partes u ·v = u·v− u · v . Calculando se
obtiene:
π
1 jω jnω

bn = jejnω − e (15.32)
2π jn −π

 0
 para n = 0
b(n) = (15.33)
 (−1)n

n para n 6= 0
Ejemplo 15.11.
Calcule el diferenciador para el orden n=12. Utilizando la ecuación (15.33) se obtienen los
coeficientes h0 hasta h12
(−1)−6
h0 = −h12 = b−6 = −6 = −0, 1666
(−1)−5
h1 = −h11 = b−5 = −5 = 0, 2000
(−1)−4
h2 = −h10 = b−4 = −4 = −0, 2500
(−1)−3
h3 = −h9 = b−3 = −3 = 0, 3333
(−1)−2
h4 = −h8 = b−2 = −2 = −0, 5000
(−1)−1
h5 = −h7 = b−1 = −1 = 1, 0000
h6 = −h6 = b0 = 0, 0000 = 0, 0000
(−1)1
h7 = −h5 = b1 = 1 = −1, 0000
(−1)2
h8 = −h4 = b2 = 2 = 0, 5000
(−1)3
h9 = −h3 = b3 = 3 = −0, 3333
(−1)4
h10 = −h2 = b4 = 4 = 0, 2500
(−1)5
h11 = −h1 = b5 = 5 = −0, 2000
(−1)6
h12 = −h0 = b6 = 6 = 0, 1666
Las muestras de h(n) y el espectro H(ω) se muestran en la figura 15.27. La función de transfe-
rencia de diferenciador toma la forma
H(z) = −0,166 + 0,2z −1 − 0,25z −2 + 0,33z −3 − . . . − 0,33z −9 + 0,25z −110 − 0,2z −11 + 0,166z −12 .
Figura 15.27: Muestras de un diferenciador y su espectro.

15.4. transformador de hilbert. 321
15.4. Transformador de Hilbert.

El transformador de Hilbert relaciona la parte real y la parte imaginaria de la función de trans-
ferencia. Con otras palabras si se conoce la parte imaginaria de la función de transferencia
entonces con la transformada de Hilbert se obtiene la parte real y se puede calcular la amplitud.
La transformada de Hilbert se utiliza en la técnica de radar. La función de transferencia de un
transformador de Hilbert viene dada por la relación

 −j
 para ω≥0
H(ω) =

 j para ω<0
Los coeficientes de un transformador de Hilbert se obtienen mediante la transformada de Fourier
(15.34)
π
T
Z
T
b(n) = jejnωT dω. (15.34)
2π − Tπ
π
"Z #
jT 0 Z
T 1
jnωT jnωT
b(n) = e dω − e dω = [1 − cos(πn)]
2π − Tπ 0 πn
Esta relación se puede escribir en la forma

 0
 para n = 0, 2, 4, 6...
b(n) = (15.35)
 2

para n = 1, 3, 5, 7...
πn
Figura 15.28: Las muestras del transformador de Hilbert.
Sustituyendo al ecuación (15.35) por n=1, 2, 3, 4 se obtienen los coeficientes hi y como se observa
de la figura 15.28 son antimétricos y faltan las muestras pares.
b5 = −b−5 = −h1 = h11 = 0,127

b3 = −b−3 = −h3 = h9 = 0,212
b1 = −b−1 = −h5 = h7 = 0,636
h2 = h4 = h6 = h8 = h10 = h12 = 0
La función de transferencia del transformador de Hilbert toma la forma:
H(z) = −0,1273z −1 − 0,2122z −3 − 0,636z −5 + 0,636z −7 + 0,2122z −9 + 0,1273z −11
El espectro obtenido de las muestras h(i) se muestra en la figura 15.29. El transformador de

Hilbert se utiliza en la modulación con la banda lateral única. El bloque de un modulador con
la banda única se muestra en la figura 15.30. En la figura se observan los espectros W1 (jω),
W2 (jω) y Y (jω).
Figura 15.29: Espectro del transformador de Hilbert para N=4.
Figura 15.30: Modulador con la banda lateral única.
15.5. La influencia de las ventanas a la respuesta

Para mejorar la respuesta de los filtros a los señales se utilizan varias ventanas. Algunos de
las ventanas más conocidas son la ventana rectangular, triangular, de Hamming, Von Hann, de
Kaiser, de Poisson, de Cauchy y de Bohman.
En la figura 15.31 se muestra la influencia de las ventanas en la respuesta del filtro. Si tenemos
infinitas muestras entonces se obtiene la respuesta del filtro ideal. Pero esos filtros no se pueden
realizar y es necesario limitar el número de coeficientes mediante una ventana. Si se utiliza
15.5. la influencia de las ventanas a la respuesta 323
una ventana rectangular se obtiene la respuesta de un filtro que se muestra en la figura 15.31
b). La amplitud de la respuesta no es buena, su oscilación es muy grande en el banda de
paso. Si se utiliza la ventana que propusó Hamming, Von Hann o Kaiser, las oscilaciones de
amplitud disminuyen. La ventana rectangular limita sólo el número de las muestras. Pero la
ventana Hamming, Von Hann o Kaiser limita además del número de muestras, el tamaño de
las muestras (coeficientes de la función de transferencia). Los coeficientes nuevos del filtro se
0
determinan usando la ecuación cm = wm · cm , donde wm son los coeficientes de la ventana.
Figura 15.31: Influencia de la ventana a la respuesta del filtro.
Ventana de Hamming.
La ventana de Hamming se define mediante la ecuación wi = 0, 54 + 0, 46 cos 2πi
M . Para M = 20
los coeficientes de la ventana de Hamming son las siguientes.
w0H = 1
w1H = 0, 54 + 0, 46 cos 2π
20 = 0, 977486
w2H = 0, 54 + 0, 46 cos 4π
20 = 0,9121478
w3H = 0, 54 + 0, 46 cos 6π
20 = 0, 8103812
w4H = 0, 54 + 0, 46 cos 8π
20 = 0, 6821478
w5H = 0, 54 + 0, 46 cos 10π

20 = 0, 5233846
w6H = 0, 54 + 0, 46 cos 12π

20 = 0, 3978522
w7H = 0, 54 + 0, 46 cos 14π

20 = 0, 2696188
w8H = 0, 54 + 0, 46 cos 16π

20 = 0, 1678522
w9H = 0, 54 + 0, 46 cos 18π

20 = 0, 102524
H = 0, 54 + 0, 46 cos 20π = 0, 08
w10 20
Si se transforma la wentana temporal w(n) mediante la transformada de Fourier se obtiene el

espectro W (f ) de la ventana de Hamming, ecuación (15.36)
" #
M cos(πf M ) 0,54 − 0, 08(f M )2
W (f ) = (15.36)
πf M 1 − (f M )2
El espectro de la ventana de Hamming se muestra en la figura 15.32 b). La ventana de Hamming

se muestra en la figura 15.32 a).
Figura 15.32: Ventana de Hamming y su espectro.
Ejemplo 15.12:
Modificar los coeficientes del ejemplo 4 mediante la ventana de Hamming y determinar los nuevos
coeficientes del filtro. En el ejemplo 4 se calcularon los coeficientes cm para filtro paso bajas en
la siguiente forma
c0 = 0, 25 c3 = 0, 075 c6 = −0, 053 c9 = 0, 025

c1 = 0, 225 c4 = 0, 000 c7 = −0, 032 c10 = 0, 032
c2 = 0, 159 c5 = −0, 045 c8 = 0, 000.
Usando la ventana de Hamming se calculan nuevos coeficientes del filtro mediante la ecuación
0
cm = wm · cm .
15.5. la influencia de las ventanas a la respuesta 325
a10 = c0 · w0H = 0, 25 · 1 = 0, 25
a9 = a11 = c1 · w1H = 0, 225 · 0, 977486 = 0, 220
a8 = a12 = c2 · w2H = 0, 159 · 0, 9121478 = 0, 145
a7 = a13 = c3 · w3H = 0, 075 · 0, 8103812 = 0, 0607
a6 = a14 = c4 · w4H = 0
a5 = a15 = c5 · w5H = −0, 045 · 0, 5233846 = −0, 0235
a4 = a16 = c6 · w6H = −0, 0211
a3 = a17 = c7 · w7H = 0, 0086
a2 = a18 = c8 · w8H = 0, 0000
a1 = a19 = c9 · w9H = 0, 0026
H = 0, 0025
a0 = a20 = c1 · w10
Ventana de Blackman.
La ventana de Blackman se define mediante la ecuación (15.37). Si se eligen los parámetros
a0 = 0, 42323, a1 = 0, 49755 y a2 = 0, 07922 la ganancia cae más de −70, 83 dB, como se
observa en la figura 15.33.
k
X 2πi
wi = (−1)i ai cos (15.37)
i=0
M
Figura 15.33: Ventana de Blackman y su espectro.
Ventana de Von Hann.
La ventana Von Hann se conoce en la bibliografı́a como ventana de Hanning y se define mediante
la ecuación (15.38). En la figura 15.34 se muestran las muestras de la ventana y el espectro
obtenido mediante el paquete Matlab.
2πi

wi = 0, 5 1 + cos (15.38)
M
Figura 15.34: Ventana de Von Hann y su espectro.
Ventana de Kaiser.
La ventana de Kaiser se define mediante la ecuación (15.39). Los valores de las muestras de la
ventana dependen del orden de la ventana y del coeficiente beta. La ventana de Kaiser y su
espectro se muestran en la figura 15.35.
" r #
2
2i
I0 θ 1 − M
wi = (15.39)
I0 (θ)
Figura 15.35: Ventana de Kaiser y su espectro.
En la ecuación (15.39) I0 es la función de Bessel

Ventana de Bohman.
La ventana de Bohman se define mediante la ecuación (15.40). M indica el número de muestras,
que corresponde con el orden del filtro.
2i 2πi 1 2πi

wi = 1 − cos + sin (15.40)
M M π M
Ventana parabólica.
La ventana parabólica se define mediante la ecuación (15.41).
15.6. fir obtenidos en el dominio de la frecuencia 327
2
2i

wi = 1 − (15.41)
M
Ventana de Poisson.
La ventana de Poisson se define mediante la ecuación (15.42).
2αi
wi = e− M (15.42)
Ventana de Cauchy.
La ventana de Cauchy se define mediante la ecuación (15.43).
2 !−1
2αi

wi = 1+ (15.43)
M
15.6. FIR obtenidos en el dominio de la frecuencia

El diseño de filtros FIR con bandas de paso muy estrechos se realiza más fácilmente en el dominio
de la frecuencia. Los filtros FIR que se calculan de esta manera no necesitan un orden tan grande
como los filtros FIR que se obtienen en el dominio del tiempo mediante las series de Fourier. La
función H(k) de estos tipos filtros FIR se calcula mediante la transformada de Fourier discreta
N −1
2π
h(n)e− N kn
X
H(k) = 0 ≤ k ≤ N − 1. (15.44)
n=0
Si se utiliza la transformada discreta de Fourier inversa se obtienen las muestras en el dominio

del tiempo.
−1
1 NX 2π
h(n) = H(k)ej N kn (15.45)
N k=0
En general los coeficientes de la serie de Fourier son complejos y por eso la función H(k) se
puede escribir en la forma (15.46), donde A(k) es la amplitud de H(k) y φ(k) es la fase de la
función de transferencia H(k).
H(k) = A(k)ejφ(k) (15.46)

La función h(n), ecuación (15.45), se puede obtener sustituyendo por H(k) en ecuación (15.45).
−1
1 NX 2π
h(n) = A(k)eφ(k) ej N kn (15.47)
N k=0
Para obtener un filtro FIR con la fase lineal es necesario que los coeficientes de h(n) sean reales
y simétricos. Eso significa que es necesario cumplir la condición de simetrı́a de los coeficientes
de h(n)
h(n) = h∗ (N − 1 − n). (15.48)

Con esta condición la ecuación (15.47) toma la forma

−1
1 NX 2πk(N −1) 2π
h(N − 1 − i)∗ = A(k)e−j[φ(k)+ N ] ej N kn . (15.49)
N k=0
Las ecuaciones (15.47) y (15.49) son iquales si se cumple la condición (15.50).
2kπ(N − 1)
φ(k) = −φ(k) + 2πr − para r = 0, 1, 2, 3, ... (15.50)
N
kπ(N − 1)
φ(k) = πr − para r = 0, 1, 2, 3, ... (15.51)
N
Si se sustituye en la ecuación (15.47) la ecuación (15.51) se obtiene la ecuación (15.52).
−1
1 NX N −1 ki
h(i) = A(k)ej[πr−πk N +2π N ] (15.52)
N k=0
Si la ecuación (15.52) se desarrolla en la serie, todas las componentes imaginarias se cancelan y

la ecuación (15.52) se puede escribir de una forma más sencilla (15.53).
 
N/2−1
1  X πk 
h(i) = A0 + 2 A(k)(−1)k cos (i + 2i) (15.53)
N k=1
N 
Ejemplo 15.13:
Diseñar un filtro FIR conociendo las muestras en el dominio de la frecuencia que se muestran
en la figura 15.36. El filtro FIR tiene dos bandas de paso, es una combinación pasa bajas y paso
banda. El filtro es el orden N=32. Sustituyendo k, A(k) y también por i en la ecuación (15.53)
se obtienen h0 , h1 , h2 ... h31 .
Figura 15.36: Especificaciones para el filtro FIR en el dominio de la frecuencia.
1 π 2π 9π 10π 11π
h0 = [0,5 + 2(−0,5 cos + 0,5 cos − cos + cos − cos )] = −0, 0192137
32 32 32 32 32 32
1 3π 6π 27π 30π 33π

h1 = [0,5 + 2(−0,5 cos + 0,5 cos − cos + cos − cos )] = 0, 067723
32 32 32 32 32 32
15.6. fir obtenidos en el dominio de la frecuencia 329
h0 = h31 = −0, 0192137 h8 = h23 = −0, 0534916

h1 = h30 = 0, 0677241 h9 = h22 = 0, 0956004
h2 = h29 = −0, 0038872 h1 0 = h21 = −0, 0106942
h3 = h28 = −0, 0308100 h1 1 = h20 = −0, 0885485
h4 = h27 = 0, 0037518 h1 2 = h19 = 0, 0187200
h5 = h26 = −0, 0171653 h1 3 = h18 = 0, 0942465
h6 = h25 = 0, 0062890 h1 4 = h17 = −0, 1071054
h7 = h24 = −0, 0465713 h1 5 = h16 = 0, 1812091
Tabla 15.1: Tabla de los coeficientes del filtro FIR.
Los coeficientes restantes se calculan de la misma manera y todos los coeficientes del filtro FIR se
encuentran en la tabla 15.1. Los espectros de amplitud y fase obtenidos mediante la transformada
rápida de Fourier se muestran en la figura 15.37.
Figura 15.37: Espectros de amplitud y de fase del ejemplo 13.
Tarea 15.1:
Calcular el filtro FIR paso bajas de orden N=6 si se conocen las especificaciones de la plantilla
figura 15.38, si se elige la frecuencia del muestreo fm = 2π.
Figura 15.38: Especificaciones del filtrto FIR paso bajas.

Tarea 15.2:
Calcular el filtro FIR paso altas de orden N=6 si se conocen las especificaciones de la plantilla
Figura 15.39: Especificaciones del Filtro FIR paso altas.
Tarea 15.3:
Calcular el filtro FIR supresor de banda de orden N=6 si se conocen las especificaciones de la
plantilla en la figura 15.40, si se elige la frecuencia del muestreo fm = 2π.
Figura 15.40: Especificaciones del filtrto FIR supresor de banda.
Tarea 15.4:
Calcular el filtro FIR paso banda de orden N=6 si se conocen las especificaciones de la plantilla
Figura 15.41: Especificaciones del filtrto FIR paso banda.

Capı́tulo 16
Función de transferencia
16.1. Función de transferencia de los sistemas

Para el circuito RLC de la figura 16.1 se puede escribir la ecuación en diferencias (16.1)
Figura 16.1: Circuito RLC
di(t) 1
Z
u(t) = R · i(t) + L + i(t)dt (16.1)
dt C
du(t) R · di(t) di2 (t) 1

= +L 2
+ i(t)dt (16.2)
dt dt dt C
Utilizando la transformada de Laplace se obtiene
I
sU = RsI + Ls2 I + | dividiendo entre s se obtiene
C
I
U = R · I + sL · I +
sC
y la impedancia del circuito RLC toma la forma
U 1
Z= = R + sL + (16.3)
I sC
En general para un circuito de dos puertos se puede escribir la ecuación diferencial
331
332 capı́tulo 16. función de transferencia
dn x dn−1 x dx dn y dn−1 y dy
bn n
+ bn−1 n−1
+ · · · + b1 + b0 = a n n
+ an−1 n−1
+ · · · + a1 + a0 (16.4)
dt dt dt dt dt dt
siendo
x(t) es la señal de entrada
y(t) es la señal de salida
Si se aplica a la ecuación (16.4) la transformada de Laplace se obtiene
Xbn sn + Xbn−1 sn−1 + · · · + Xb1 s + Xb0 = Y an sn + Y an−1 sn−1 + · · · + Y a1 s + Y a0 (16.5)

Y (s)
y la función transferencia H(s) = X(s)
bn sn + bn−1 sn−1 + . . . + b1 s + b0
H(s) = (16.6)
an sn + an−1 sn−1 + . . . + a1 s + ao
dy
Si se conoce la derivada de la señal de entrada dx
dt y de salida dt en varios instantes del tiempo,
se puede obtener la función de transferencia H(s) y construir el circuito.
Figura 16.2: Sistema analógico: las señales de entrada y salida con sus derivadas en T1
En la entrada del circuito discreto se tiene una señal en la forma discreta y en la salida se
obtienen las muestras. Esta situación se presenta en la figura 16.3. En este caso no se puede
construir una derivada dx
dt , pero si podemos calcular una diferencia entre las dos muestras.
∆y y1 − y2 ∆x x1 − x2
= y = (16.7)
∆T ∆T ∆T ∆T
Igual como en el caso de los circuitos analógicos se puede escribir la ecuación en diferencias
∆n x ∆n−1 x ∆x ∆n y ∆n−1 y ∆y
bn + bn−1 + · · · + b1 + b0 = a n + an−1 + · · · + a1 + a0 (16.8)
∆T n ∆T n ∆T ∆T n ∆T n−1 ∆T
Esta ecuación se puede escribir de la forma
16.1. función de transferencia de los sistemas 333
Figura 16.3: Sistema discreto y las señales de entrada y salida
bn x(n) + bn−1 x(n − 1) + · · · + b1 x(1) + b0 = an y(n) + an−1 y(n − 1) + · · · + a1 x(1) + a(0) (16.9)
Usando las tablas de la transformada-z

z
z {bn x(n)} ⇐⇒ bn Xz n (16.10)
se obtiene
bn Xz n + bn−1 Xz n−1 + · · · + b1 Xz + Xb0 = an Y z n + an−1 Y z n−1 + · · · + a1 Y z + Y a0 (16.11)
La función de transferencia del circuito discreto H(z) se puede escribir en la forma
Y (z) bn z n + bn−1 z n−1 + · · · + b1 z + b0

H(z) = = (16.12)
X(z) an z n + an−1 z n−1 + · · · + a1 z + a0
Algunos autores escriben la función de transferencia de la siguiente manera
Y (z) b0 + b1 z −1 + b2 z −2 + · · · + bn z −n
H(z) = = (16.13)
X(z) 1 + a1 z −1 + a2 z −2 + · · · + an z −n
La relación entre el dominio de s y z queda establecida por la ecuación (16.14)
z = esT (16.14)
Siendo T el intervalo entre dos muestras. La ecuación z = esT transforma el eje imaginario del
dominio s al cı́rculo unitario en el dominio de z, figura 16.4
El lado izquierdo del plano s se transforma dentro del cı́rculo unitario en plano z, y el lado
derecho del plano s se transforma fuera de cı́rculo unitario. Entonces los polos de un filtro
analógico, que es estable, se situan dentro del cı́rculo unitario. Para una aproximación de Cauer
y n = 3, los polos y los ceros de la función de transferencia se ubican en el dominio de s y z,
como se muestra en lafigura 16.5.
Ejemplo 16.1:
Determinar la función de transferencia de un circuito si su ecuación en diferencias es la siguiente:
Figura 16.4: Transformación del plano del dominio de s al plano de dominio de z.
Figura 16.5: Polos y ceros del filtro Cauer de orden n=3
1
y(n) = y(n − 1) + 2x(n) (16.15)
2
Si se aplica la transformada-z se obtiene
1
Y (z) = z −1 Y (z) + 2X(z)
2
1

Y (z). 1 − z −1 = 2X(z)
2
Y (z) 2 2z
= 1 = (16.16)
X(z) 1 − 2z −1 z − 12
El polo y el cero están ubicados como se muestra en la figura 16.6
Ejemplo 16.2:
Determine la función de transferencia de un sistema definido por la ecuación en diferencias
(16.17)
5 1
y(n) = y(n − 1) − y(n − 2) + x(n) (16.17)
6 6
Usando la transformada-z se obtiene
16.1. función de transferencia de los sistemas 335
Figura 16.6: Polos y ceros de la función de transferencia en el plano z
5 1
Y (z) = Y (z)z −1 − Y (z)z −2 + X(z)
6 6
5 1

Y (z). − z −1 + z −2 + 1 = X(z)
6 6
Y (z) 1
H(z) = =
X(z) 1 − 6 z + 16 z −2
5 −1
1
H(z) = (16.18)
1 −1
1− 2z . 1 − 31 z −1
Los polos y ceros de la función (16.19) están situados en el plano z, como se muestra en la figura
16.7
z2
(16.19)
1 1
z− 2 z− 3
Figura 16.7: Polos y ceros de la función de transferencia H(z)

Ejemplo 16.3:
Calcule la respuesta a un tren de impulsos de un circuito que se define por la siguiente ecuación
en diferencias
y(n) = y(n − 1) + x(n) (16.20)

Usando la transformada-z se obtiene
Y (z) − z −1 Y (z) = X(z)

y la función de transferencia del sistema es
Y (z) 1
H(z) = = (16.21)
X(z) 1 − z −1
Entonces la respuesta en el dominio de la frecuencia toma la forma
1
Y (z) = X(z) (16.22)
1 − z −1
La transformada-z a un tren de impulsos es
1
X(z) = (16.23)
1 − z −1
Entonces
1
Y (z) = (16.24)
(1 − z −1 )2
La transformada-z inversa se obtiene si se divide numerador entre denominador
1 : 1 − 2z −1 + z −2 = 1 + 2z −1 + 3z −2 + 4z −3 + 5z −4 + · · ·
y(n) = {1 2 3 4 5 6 . . .}
Esta serie de muestras diverge a pesar de que la señal en la entrada está limitada. Por eso el
sistema no es estable, figura 16.8.
Figura 16.8: Sistema discreto inestable

16.2. análisis de circuitos discretos en frecuencia 337
16.2. Análisis de circuitos discretos en frecuencia

La función de transferencia se puede escribir de la forma
PM −k
k=0 bk z
H(z) = PM (16.25)
1+ −k
k=1 ak z
Si se sustituye en la ecuación por z = ejω se obtiene

PM −jωk
jω k=0 bk e
H(e ) = H(ω) = PM (16.26)
1+ −jωk
k=1 ak e
El módulo de H() se puede calcular mediante (16.27)
|H(ω)| = H(jω) · H(−jω) =⇒| H(z) |= H(z) · H(z −1 ) (16.27)

y la atenuación se calcula mediante las ecuaciones siguientes
e2a = |H(ω)|2
1
a = ln|H| [N p]
2
a = 10 · log|H| [dB]
El procedimiento de análisis se explica en el siguiente ejemplo.
Ejemplo 16.4:
Para el sistema definido mediante la ecuación en diferencias
y(n) = −0,1y(n − 1) + 0,2y(n − 2) + x(n) + x(n − 1) (16.28)

determine el módulo de la función de transferencia H(z)
Y (z) + 0,1Y (z)z −1 − 0,2Y (z)z −2 = X(z) + X(z)z −1
Y (z) 1 + z −1
H(z) = = (16.29)
X(z) 1 + 0,1z −1 − 0,2z −2
1 + z −1 1+z
|H(z)|2 = H(z).H(z −1 ) = −1 −2
×
1 + 0,1z − 0,2z 1 + 0,1z − 0,2z 2
1 + z + z −1 + 1
|H(z)|2 =
1 + 0,1z − 0,2z 2 + 0,1z −1 + 0,01 − 0,02z − 0,2z −2 − 0,02z −1 + 0,04
2 + z + z −1
|H(z)|2 = (16.30)
1,05 + 0,08(z + z −1 ) − 0,2(z 2 + z −2 )
En la última ecuación se sustituye z
z = ejω z −1 = e−jω
z 2 = e2jω z 2 = z −2jω
y se obtiene

ejω +e−jω
2+2 2
|H| = (16.31)
ejω +e−jω e2jω +e−2jω
1,05 + 0,08 · 2 2 − 0,2 · 2 2
2 + 2 cos ω
|H| = (16.32)
1,05 + 0,16 cos ω − 0,4 cos 2ω
Ejemplo 16.5:
Para el sistema analógico definido por la función de transferencia
1
H(s) = √ (16.33)
s2 + 2s+1
determine atenuación en dB para ω = 1 y ω = 3.
1
H(s) · H(−s) = √ √ (16.34)
s2 + 2 s + 1 . s2 − 2s+1
1
H(s) · H(−s) =
1 + s4
1
H(jω) · H(−jω) =
1 + ω4
1 adB
|H|ω=1 = = 10 20
2
y la atenuación para la frecuencia angular ω = 1 es
1
adB = 10 · log = −3 dB
2
para ω = 3 se obtiene
1
adB = 10 · log = −19,138 dB
82
La gráfica de la respuesta se muestra en la figura 16.9
Figura 16.9: Respuesta del filtro Butterworth

Ejemplo 16.6:
Para el sistema que se muestra en la figura 16.10 determine la función de transferencia H(z), si
se conoce
h1 (n) = {2n } h2 (n) = {1n } h3 (n) = {(−1)n }
Figura 16.10: Estructura de un circuito discreto
De las tablas de la transformada-z se obtiene la transformación
z 1
h(n) = {an } ⇐⇒ H(z) = (16.35)
1 − az −1
entonces
z 1
{2n } ⇐⇒ = H1 (z)
1 − 2z −1
z 1
{1n } ⇐⇒ = H2 (z)
1 − z −1
z 1
{(−1)n } ⇐⇒ = H3 (z)
1 + z −1
La función de transferencia del sistema en la figura 16.10 se calcula mediante la ecuación (16.36)
H(z) = H1 (z). [H2 (z) + H3 (z)] (16.36)
1 1 1

H(z) = + (16.37)
1 − 2z −1 1 − z −1 1 + z −1
2
H(z) = (16.38)
1− 2z −1 − z −2 + 2z −3
Si se divide numerador entre denomirador se obtiene la respuesta al impulso h(n).
2 : 1 − 2z −1 − z −2 + 2z −3 = 2 + 4z −1 + 10z −2 + 20z −3 + · · ·
y(n) = h(n) = {2 4 10 20 · · ·} (16.39)

Si se analiza el circuito en el dominio del tiempo, se obtiene el mismo resultado, como se ve a
continuación.
h(n) = h1 (n) ∗ [h2 (n) + h3 (n)] (16.40)
h1 (n) = {2n } = {1 2 4 8 16 32 · · ·}
h2 (n) = {1n } = {1 1 1 1 1 1 · · ·}
h3 (n) = {(−1)n } = {1 − 1 1 − 1 1 − 1 · · ·}
h(n) = {1 2 4 8 16 32 · · ·} ∗ {2 0 2 0 2 0 · · ·}
h(n) = {2 4 10 20 · · ·}
Los dos resultados son iguales y se observa que las muestras divergen y por eso el sistema no es
estable.
La función de transferencia de los circuitos discretos se puede escribir como

PM −jωk
k=0 bk e
H(jω) = PN (16.41)
1+ −jωk
k=1 ak e
o por medio de los polos y ceros en el plano z.
Qm
k=1 (1 − zk e−jωk )
H(jω) = b0 QN (16.42)
−jωk )
k=1 (1 − pk e
Los polos de la función de transferencia deben estar dentro de cı́rculo unitario si el circuito es
estable. Los ceros pueden estar dentro o fuera del cı́rculo unitario. La última ecuación se puede
escribir de la forma
QM jω
jω(N −M ) k=1 (e − zk )
H(jω) = b0 e QN (16.43)
jω − pk )
k=1 (e
Los términos dentro del parentésis se pueden expresar en la forma polar
ejω − zk = Vk (ω)ejθk (ω)
ejω − pk = Uk (ω)ejϕk (ω) (16.44)

donde
|ejω − zk | = Vk (ω)
|ejω − pk | = Pk (ω) (16.45)

El valor absoluto de H es igual al producto de valores absolutos de todos los términos de la
ecuación (16.43), y se obtiene
V1 (ω).V2 (ω) . . . VM (ω)

|H(jω)| = b0 (16.46)
U1 (ω).U2 (ω) . . . UN (ω)
El valor absoluto de ejω(N −M ) es igual a 1. La fase de H(jω) es la suma de las fases de los
términos en el numerador menos la suma de las fases de los términos en el denominador. La
construcción gráfica de la fase se muestra en la figura 16.11.
6 H(jω) = 6 ω(N − M ) + θ1 (ω) + θ2 (ω) + · · · + θM (ω) − [ϕ1 (ω) + ϕ2 (ω) + · · · + ϕN (ω)] (16.47)
Figura 16.11: Construción de la fase del circuito
Ejemplo 16.7:
Determine el módulo de la función de transferencia H(z) para la frecuencia ω = 0,5
(z + 2)(z + 4)
H(z) = (16.48)
(z + 1)(z + 3)
|ejω + 2|ω=0,5 = | cos 0,5 + jsen 0,5 + 2| = 2,917247

|ejω + 4|ω=0,5 = | cos 0,5 + jsen 0,5 + 4| = 4,901087
|ejω + 1|ω=0,5 = | cos 0,5 + jsen 0,5 + 1| = 1,937824
|ejω + 3|ω=0,5 = | cos 0,5 + jsen 0,5 + 3| = 3,907108
(2,917247)(4,9010877)
|H(z)| = = 1,888 (16.49)
(1,9378248)(3,9071083)
Ejemplo 16.8:
Determine la fase de la función de transferencia (16.48) para ω = 0,5
Im
(ejω + 2)ω=0,5 = | cos ω + 2 + j sin ω|ejarctg Re
sen 0,5
θ1 = arctg = 0,1650907
cos 0,5 + 2
sen 0,5
θ2 = arctg = 0,0979769
cos 0,5 + 4
sen 0,5
ϕ1 = arctg = 0,25
cos 0,5 + 1
sen 0,5
ϕ2 = arctg = 0,123016
cos 0,5 + 3
θ = θ1 + θ2 − ϕ1 − ϕ2 = −0,1099484
Ejemplo 16.9:
Calcule el valor absoluto de H(z) y la fase de H(z) conociendo que tiene la siguiente función de
transferencia
∞ n n
1 1 1 3
e−jωn
X
jω
H(e ) = +
n=0
2 4 2 4
La ecuación anterior se puede expresar de la siguiente manera
1 1 1 1
H(ejω ) = 1 −jω
+ 3
2 1 − 4e 2 1 − 4 e−jω
Para obtener más fácilmente el módulo de H y la fase se escribe la última ecuación en la forma
siguiente

1
ejω ejω − 2
H(ejω ) = (16.50)
1 3
ejω − 4 ejω − 4

1
ejω cos ω − 2 + j sen ω
H(ejω ) = h ih i
1 3
cos ω − 4 + j sen ω cos ω − 4 + j sen ω
La ecuación analı́tica del módulo de H(ω) es
 1
5 2
jω 4 − cos ω
|H(e | =  
17
16 − 12 cos ω 25
16 − 32 cos ω
el módulo de la función de transferencia de la ecuación (16.50) se puede expresar en la forma
|ejω − 21 |
|H(ejω )| =
|ejω − 14 |.|ejω − 34 |
Y la fase se puede calcular mediante la ecuación
1 1 3
θ(ω) = ω + arg(ejω − ) − arg(ejω − ) − arg(ejω − )
2 4 4
o usando la ecuación (16.51)
sen ω −1 sen ω −1 sen ω
θ(ω) = ω + tan−1 1 − tan 1 − tan (16.51)
cos ω − 2 cos ω − 4 cos ω − 34
Capı́tulo 17
Sı́ntesis y análisis de filtros digitales
17.1. Análisis matricial de circuitos discretos

Los métodos de análisis para filtros digitales se fundamentan en la teorı́a de diagramas de flujo
de señales, ası́ como en las ecuaciones de estado.
El procedimiento seguido resulta similar al utilizado en el análisis clásico de los circuitos analógi-
cos. Ası́ primero se señalan los nodos, y a continuación se forma la matriz de admitancias N, la
cual caracteriza el circuito cerrespondiente.
Las señales relacionadas con los filtros digitales se clasifican en:
señales de entrada Xi i=1,2,3 · · ·, e
señales de salida Yi i=e+1,e+2, · · ·,n
señales internas Ui y Vi i=n+1,n+2,· · ·,m
Las señales internas Ui tienen una gran importancia, ya que ellas son las que determinan el
estado de los circuitos. Las señales Ui a la salida de los elementos de retardo se indican en la
figura 17.1, mientras que las restantes señales en la salida de los sumadores de la red digital
están representadas por Vi .
Figura 17.1: Red digital
343
344 capı́tulo 17. sı́ntesis y análisis de filtros digitales
Cada rama de la estructura de la red digital de la figura 17.1 está caracterizada por la función
de transferencia definida por las respectivas señales de entrada y salida (figura 17.2)
Figura 17.2: Rama orientada del nodo i al nodo j
De esta forma la transmisión fij del nodo i al nodo j se puede expresar en la forma
(
k
f i, j = (17.1)
z −1
donde k es una constante y z −1 representa un elemento de retardo. Ası́ el sistema digital puede
ser formulado con las ecuaciones:
Y(z) = Fyx X(z) + Fyu U(z) + Fyv V(z)

U(z) = Fux X(z) + Fuu U(z) + Fuv V(z)
V(z) = Fvx X(z) + Fvu U(z) + Fvv V(z) (17.2)
donde
X(z) es el vector de las señales de entrada.
Y(z) representa al vector de las señales de salida.
U(z) y V(z) son los vectores de las señales internas.
Por otra parte, los términos F del sistema de ecuaciones (17.2) representan a las funciones de
transferencia fi,j y pueden ser descritas por la expresión matricial
 
X(z)
 Y(z) 
Nf ×  =0 (17.3)
 
 U(z) 
V(z)
donde
 
Fyx −E Fyu F(yv)
Nf =  Fux 0 Fuu − E F(uv) (17.4)
 

Fvx 0 Fvu F(vv) − E
Nf es la matriz representativa del diagrama de flujo de las señales. Tal como se podrá comprobar
más adelante, en el análisis las señales Ui (z) tienen mucha importancia a la salida de los elementos
de retardo de la red digital. Si en la expresión (17.3) se reducen las señales Vi (z) se obtiene:
 
X(z)
Ne ×  Y(z)  = 0 (17.5)
 
U(z)
17.2. ejemplos 345
donde
" #
D −E C
Ne = −1 −1 (17.6)
z B O z A−E
A Ne se le conoce como matriz de flujo de estado, y a los términos A, B, C, D de esta matriz se

les denomina matrices de estado del sistema digital, cuyos elementos son reales. Si se conocen
las matrices de estado de una red digital, entonces el sistema de ecuaciones (17.7) tendrá la
solución:
zU(z) = AU(z) + BX(z)
Y(z) = CU(z) + DX(z) (17.7)
De este modo, si no se toman en cuenta a las señales Ui (z) en la expresión (17.5) se obtiene
" #
X(z)
NT × =0 (17.8)
Y(z)
De esta manera, la matriz de transferencia NT se puede expresar de la forma:

h i
NT = D + C(z · E − A)−1 B; E (17.9)
En la ecuación anterior, E es la matriz unitaria y el elemento n21 representa la función de

transferencia H(z) de la red digital (17.10).
H(z) = D + C(z · E − A)−1 B (17.10)
17.2. Ejemplos
Para determinar la función de transferencia de un sistema digital se debe establecer la matriz
del diagrama del flujo . Por ejemplo, para el filtro digital en la figura 17.3, primero se asignan
los números 1 y 2 a los nodos de entrada y salida. Seguidamente se pueden numerar los nodos
de las salidas de los bloques de retardo con los números 3 y 4 respectivamente, para asignar
finalmente los números 5 , 6 y 7 a los nodos donde aparecen las señales interiores V5 , V6 y V7 .
De esta forma se obtiene el sistema de ecuaciones correspondiente al circuito:
2: Y2 = V5
3: U3 = V7 z −1
4: U4 = V6 z −1
5: V5 = X1 a0 + U3
6: V6 = X1 a2 − b2 V5
7: V7 = X1 a1 − b1 V5 + U4
Utilizando la forma matricial se pueden expresar las ecuaciones en la forma:

Figura 17.3: Filtro digital de segundo orden
 
X1
0 −1 0
 
0 1 0 0
Y2
 
 0 0 −1 0 0 0 z −1   
  U3
 
0 −1 0 z −1 0 
 
 0 0   
× U4 =0 (17.11)

a0 0 1 0 −1 0 0  
 

   V5 
 a2 0 0 0 −b2 −1 0   
V6
 
a1 0 0 1 −b1 0 −1
 
V7
Y ası́ se obtiene la matriz de flujo de señales del filtro digital. La primera fila se marca con el
número 2. En la diagonal principal todos los elementos son iguales a -1.
1 2 3 4 5 6 7
0 −1 0
 
2 0 1 0 0
3  0 0 −1 0 0 0 z −1 
 
4  0 0 0 −1 0 z −1 0 
(7)
Nf = (17.12)
 
5 a0 0 1 0 −1 0 0 
 

 
6  a2 0 0 0 −b2 −1 0 
7 a1 0 0 1 −b1 0 −1
Para ilustrar el procedimiento seguido en la determinación de la matriz de flujo de señales, se
toma como ejemplo el elemento de retardo localizado entre los nodos 4 y 6, de modo que en la
(7) (7)
matriz Nf , el término n64 correspondiente a este elemento toma el valor z −1
De forma similar, al multiplicador situado entre los nudos 5 y 7 le corresponde en la matriz de
(7) (7)
flujo Nf la posición del elemento n75 representado por la constante -b1 . Con el propósito de
determinar los elementos de la matriz N(6) se puede aplicar la ecuación recursiva (17.13).
(n) (n) (n) (n)
(n−1) nij · nnn − nin · nnj
nij = (n)
(17.13)
nnn
(7) (7) (7) (7)
(6) n34 · n77 − n37 · n74 0 · (−1) − 1 · z −1
n34 = (7)
= = z −1 (17.14)
n77 −1
Si en la expresión (17.12) se reduce el número de filas y columnas, se obtienen ecuaciones (17.15)
a (17.19)
17.2. ejemplos 347
 
0 −1 0 0 1 0

 a1 z −1 0 −1 z −1 −b1 z −1 0 

N(6) =  0 0 0 −1 0 z −1 (17.15)
 

−1
 
 a0 0 0 1 0 
a2 0 0 0 −b2 −1
(5)
Para obtener la matriz N(5) se utiliza la ecuación (17.13). El elemento n41 toma la forma
(6) (6) (6) (66)
(5) n41 · n66 − n46 · n61 0 · (−1) − z −1 · a2
n41 = (6)
= = a2 · z −1 . (17.16)
n66 −1
 
0 −1 0 0 1
 a1 z −1 0 −1 z −1 −b1 z −1 
N(5) =  (17.17)
 
 a2 z −1 0 0 −1 −b2 z −1


a0 0 1 0 −1
(4)
El elemento n31 de la matriz N(4) se obtiene mediante la ecuación (17.13). Los elementos
restantes se obtienen de la misma manera.
(5) (5) (5) (55)

(4) n31 · n55 − n35 · n51 a1 · z (−1) · (−1) − (b1 · z −1 ) · a0
n31 = (5)
= = z −1 (a1 − a0 b1 ). (17.18)
n55 −1
 
a0 −1 1 0
N(4) =  (a1 − a0 b1 )z −1 0 −1 − b1 z −1 z −1 (17.19)
 

(a2 − a0 b2 )z −1 0 b2 z −1 −1
Comparando las expresiones (17.6) y (17.19) se obtienen las matrices de estado A, B, C, D del
filtro digital
" #
−b1 1 h i
A= C= 1 0
−b2 0
" #
a1 − a0 b1
B= D = a0 (17.20)
a2 − a0 b2
(2)
Para determinar la matriz de transferencia NT se eliminan los nodos 3 y 4 en la matriz (17.19)
y ası́ se obtiene:
h i
(2) a0 +a1 z −1 +a2 z −1
NT = 1+b1 z −1 +b2 z −2
; −1 (17.21)
(2)
Analizando la matriz de la expresión (17.21), se puede observar que el elemento n21 representa
la función de transferencia H(z) correspondiente al filtro digital de la figura 17.3.
Si se intercambia la numeración a la salida de los elementos de retardo, se obtendrá un nuevo
juego de matrices de estado A, B, C, D como se muestra en la ecuación (17.22), de acuerdo a la
configuración de la figura 17.3
" #
0 −b2 h i
A= C= 0 1
1 −b1
" #
a2 − a0 b2
B= D = a0 (17.22)
a1 − a0 b1
A continuación se determina la matriz de flujo de estado Ne correspondiente a un filtro digital
de segundo orden, figura 17.4.
Figura 17.4: Filtro digital de estado de segundo orden
Primero se numeran los nodos de la red tal como se ilustra en la figura 17.4, y tomando en
cuenta el procedimiento seguido en el análisis del ejemplo anterior, se determinan los elementos
de la matriz de flujo de señales, la cual toma la forma:
 
d −1 c1 c2 0 0

 0 0 −1 0 0 z −1 

(6)
Nf = 0 0 0 −1 z −1 0  (17.23)
 
b2 0 a21 a22 −1
 
 0 
b1 0 a11 a12 0 −1
Si se reduce el número de filas y columnas en la matriz de la ecuación (17.23), se puede obtener
la matriz de flujo de estado (17.24)
 
d −1 c1 c2
N(4) −1
e =  z b1 0 −1 + a11 z −1 a12 z −1 (17.24)
 

−1
z b2 0 z −1 a21 −1 + a22 z −1
Comparando las expresiones (17.6) y (17.24) se pueden obtener las matrices de estado A, B, C, D
del filtro digital de la figura 17.4, llamada estructura de flujo de estado especificada por:
" #
a11 a12 h i
A= B= b1 b2
a21 a22
" #
c1
C= D= d (17.25)
c2
Se puede observar que algunos de los elementos de las matrices de estado de la ecuación (17.25),
resultarán nulos o unitarios, tal como se ilustra en la ecuación (17.20). Este comportamiento es
17.3. sı́ntesis matricial de los circuitos discretos 349
explicable por la ausencia de algunos multiplicadores en el esquema que se muestra en la figura

17.4. Tomando en cuenta el procedimiento seguido anteriormente, el filtro digital de segundo
orden de la figura 17.4 se puede optimizar hasta obtener su configuración equivalente cuyas
ecuaciones de estado se encuentran representadas por la expresión (17.20).
El método propuesto permite el análisis de redes digitales simultáneamente en el tiempo y en
la frecuencia, proporcionando las correspondientes matrices de estado de forma tal que para
diferentes elecciones en la numeración de los nodos a la salida de los elementos de retardo se
obtienen diferentes juegos de matrices de estado, a los que les corresponden distintas configura-
ciones de carácter equivalente, pudiendo seleccionarse la que mejor convenga de acuerdo a los
propósitos de diseño.
17.3. Sı́ntesis matricial de los circuitos discretos

En el párrafo anterior se muestra un método matricial para obtener la función de transferencia
partiendo de la estructura del filtro digital. En éste párrafo se pretende realizar el procedimiento
inverso, es decir a partir de la función de transferencia obtener una o varias estructuras que
correspondan a dicha función.
El proceso de sı́ntesis se puede dividir en las partes siguientes:
Obtención de la función de transferencia a partir de la ecuación (17.26) de la matriz de

estado D.
D = H(z −1 = 0) (17.26)
Si se conoce la matriz de estado D se puede expandir la matriz empleando el algoritmo de

expansión (17.27)
(k) (k)
(k) (k−1) nik nkj
nij = nij + (k)
(17.27)
nkk
(k)
En la nueva matriz se pueden elegir los elementos en la última fila nkj y en la última columna
(k) (k)
nik y el resto de los elementos nij se calculan a partir de la ecuación (17.27). Si se seleccionan
los elementos en la diagonal principal iguales a -1 los elementos restantes se pueden calcular a
partir de la ecuación
(k) (k−1) (k) (k)
nij = nij − nik nkj (17.28)
(k)
El valor n2j debe ser cero para todas las filas y ademas todos los elementos de la diagonal
(k) (2)
principal deben ser -1, entonces nkk = −1. La matriz de transferencia NT debe ser
(2)
NT = [H(z) − 1] (17.29)
Hasta aquı́ se ha descrito el procedimiento desde un punto de vista teórico. A continuación se
presentan una serie de ejemplos ilustrativos.
Ejemplo 17.1:
Encontrar la estructura correspondiente a la función de transferencia H(z)
b2 + 2b1 z −1 + b2 z −2
H(z) = (17.30)
1 + b1 z −1 + (b2 − 1)z −2
Empleando la ecuación (17.26) se obtiene
b1 (2 − b2 )z −1 + b2 (2 − b2 )z −2
H(z) = b2 + (17.31)
1 + b2 z −1 + (b2 − 1)z −2
(2)
y además la matriz de transferencia NT usando la ecuación (17.29) será
" #
(2) b1 (2 − b2 ) + b2 (2 − b2 )z −2
TT = b2 + −1 (17.32)
1 + b1 z −1 + (b2 − 1)z −2
En el primer paso de la expansión debemos calcular la siguiente matriz
(3) (3) (3)
" #
n21 n22 n23
N(3) = (3) (3) (3) (17.33)
n31 n32 n33
(3) (3) (3) (3)
Los elementos de la última fila y columna n31 , n32 , n33 y n23 se pueden elegir y usando la
(3) (3) (3)
ecuación (17.27) se calculan los elementos n21 y n22 . De acuerdo a los condiciones escritas, n32
debe ser cero. Se eligen los siguientes valores para los elementos de la matriz
(3) (3)
n23 = b1 + b2 z −1 n31 = (2 − b2 )z −1
(3) (3)
n32 = 0 n33 = −1 − b1 z −1 − (b2 − 1)z −2
(3)
Mediante de la ecuación (17.27) (n33 6= 0) se calculan
(3) (3)
(3) (2) n23 n31
n21 = n21 − (3)
n33
(3) b1 (2 − b2 )z −1 + b2 (2 − b2 )z −2 b1 (2 − b2 )z −1 + b2 (2 − b2 )z −2
n21 = b2 + + = b2
1 + b2 z −1 + (b2 − 1)z −2 −1 − b2 z −1 − (b2 − 1)z −2
(3) (3)
(3) (2) n23 n32
n22 = n22 + (3)
n33
(3) (3)
Pero n22 = 0 y por eso el elemento n22 es igual a -1 y la matriz expandida toma la forma
" #
b2 −1 b1 + b2 z −1
N(3) = −1 (17.34)
(2 − b2 )z 0 −1 − b1 z −1 − (b2 − 1)z −2
En el segundo paso de la expansión debemos calcular los valores de los elementos
(4) (4) (4) (4) (4) (4)
n21 , n22 , n23 , n31 , n32 , n33
y elegir los elementos

(4) (4) (4) (4) (4) (4)

n41 , n42 , n43 , n44 , n24 , n34
de la matriz
 
(4) (4) (4) (4)
n21 n22 n23 n24
=  n31 n(4)
 (4) (4) (4) 
N(4) 
32 n 33 n 34 
 (17.35)
(4) (4) (4) (4)
n41 n42 n43 n44
Se eligen los elementos
(4) (4) (4)
n41 = 0 n42 = 0 n43 = z −1
(4) (4) (4)
n44 = −1 n24 = b2 n34 = −(b2 − 1)z −1
Los valores de los elementos restantes son
(4) (3) (4) (4)

n21 = n21 − n24 n41 = b2 − b2 · 0 = b2
(4) (3) (4) (4)
n22 = n22 − n24 n42 = −1 − b2 · 0 = −1
(4) (3) (4) (4)
n23 = n23 − n24 n43 = b1 + b2 z −1 − b2 z −1
(4) (3) (4) (4)
n31 = n31 − n34 n41 = (2 − b2 )z −1 − (b2 − 1)z −1 · 0 = (2 − b2 )z −1
(4) (3) (4) (4)
n32 = n32 − n34 n42 = 0 − (b2 − 1)z −1 · 0 = 0
(4) (3) (4) (4)
n33 = n33 − n34 n43 = −1 − b1 z −1 − (b2 − 1)z −2 + (b2 − 1)z −1 · z −1 = −1 − b1 z −1
De modo que N(4) será

 
b2 −1 b1 b2
(4)
NE =  (2 − b2 )z −1 0 −1 − b1 z −1 −(b2 − 1)z −1  (17.36)
 
0 0 z −1 −1
(4)
Al observar esta matriz nos fijamos en que Ne es la matriz estructural de estado. Desde esta
matriz estructural podemos escribir las matrices de estado del filtro comparando la ecuación
(17.36) con la matriz estructural de estado general
" #
D −E C
Ne = −1 −1 (17.37)
z 0 z A−E
Las matrizes de estado A, B, C y D toman la forma
" # " #
−b1 −b2 + 1 2 − b2
A= B=
1 0 0
" # (17.38)
b1 b2
C= D = b2
A partir de la matriz de estado y repetiendo el proceso de expansión, ya explicado anteriormente,

elegimos los elementos
(5) (5) (5) (5) (5) (5) (5) (5)
n51 , n52 , n53 , n55 , n15 , n25 , n35 y n45
de la matriz N(5)
 (5) (5) (5) (5) (5) 
n21 n22 n23 n24 n25
 (5) (5) (5) (5) (5) 
(5)
 n31 n32 n33 n34 n35 
N = (5) (5) (5) (5) (5)
 (17.39)
n41 n42 n43 n44 n45
 
 
(5) (5) (5) (5) (5)
n41 n52 n53 n54 n55
Para simplificar los elementos de segunda fila en N(5) se eligen los elementos de la manera
siguiente
(5) (5) (5)
n51 = 2 − b2 n52 = 0 n53 = −b1
(5) (5) (5)
n54 = 1 − b2 n53 = −1 n15 = 0 (17.40)
(5) (5) (5)
n25 = 0 n35 = z −1 n43 = 0
y los elementos restantes se calculan mediante la ecuación (17.28).
(5) (4) (5) (5)
n31 = n31 − n35 n51 = (2 − b2 )z −1 − z −1 (2 − b2 ) = 0
(5) (4) (5) (5)
n32 = n32 − n35 n52 = 0 − z −1 · 0 = 0
(5) (4) (5) (5) (17.41)
n33 = n33 − n35 n53 = −1 − b1 z −1 − z −1 (−b1 ) = −1
(5) (4) (5) (5)
n34 = n34 − n35 n54 = −(b2 − 1)z −1 − z −1 (1 − b2 ) = 0
(5) (4) (5) (5)
n41 = n41 − n45 n51 = n441 = 0
(5) (4) (5) (5)
n42 = n42 − n45 n52 = n442 = 0
(5) (4) (5) (5) (17.42)
n43 = n43 − n45 n53 = n443 z −1
(5) (4) (5) (5)
n44 = n44 − n45 n54 = n444 − 1
Observando la matriz (17.36) y (17.43) se puede ver que los elementos en la primera y tercera fila
(5) (5)
no cambian, porque se eligió n45 = n25 = 0. Con otras palabras, los elementos en la fila
x de la matriz N(i−1) no cambian si el último elemento de la fila x de la matriz N(i)
se elige igual a cero. Desde las ecuaciones (17.40), (17.41) y (17.42) se obtiene la siguiente
matriz:
 
b2 −1 b1 b2 0
 0 0 −1 0 z −1 
N(5) =  (17.43)
 
0 0 z −1 −1 0

 
2 − b2 0 −b1 1 − b2 −1
(5) (5)
La matriz N(5) no es la matriz del diagrama del flujo de señales, ya que los elementos n54 y n51
no son simples. Ası́ se repite el procedimiento de expansión hasta que todos los elementos de la
matriz sean expresiones simples. Calculando se obtiene la matriz N(6)
 
0 −1 0 0 0 −1

 0 0 −1 0 z −1 0 
N(6) =  0 0 z −1 −1 0 0  (17.44)
 
1 −1 −1 
 
 2 0 0
b2 0 b1 b2 0 −1
Esta matriz puede tomarse como la matriz del diagrama de flujo de señales, pero observando
la última fila nos damos la cuenta que el multiplicador b2 aparece dos veces. Por esta razón se
debe aplicar nuevamente el procedimiento y hallar N(7)
0 −1 0
 
0 0 1 0
 0 0 −1 0 z −1 0 0 
 
(7)
 0 0 z −1 −1 0 0 0 
Nf =  (17.45)
 
1 0 0 0 −1 −1 1

 
 
 0 0 b1 0 0 −1 b2 
1 0 0 1 0 0 −1
(7)
La matriz Nf es la matriz del diagrama de flujo de señales, ya que todos elementos de la matriz
son simples y además ninguno de los elementos se repite. La estructura que corresponde a la
matriz del diagrama de flujo de señales N(7) se muestra en la figura 17.5
La estructura del filtro se obtuvo utilizando un procedimiento muy parecido al ya empleado

anteriormente para el análisis, éste consiste en obtener los elementos que están intercalados
entre los nodos a partir de la matriz del diagrama del flujo. Por ejemplo del nodo 3 al nodo
6 en la matriz del diagrama del flujo aparece b1 , ésto significa que en la estructura del filtro
digital entre ambos nodos debe aparecer un multiplicador que multiplica la señal a la salida del
nodo 3 por b1 . El procedimiento de realización de la función de transferencia en el dominio de
z, también puede ser utilizado para filtros de dos dimensiones.
Ejemplo 17.2:
Diseñar y dibujar la estructura del filtro de estado de tercer orden.
Los matrices de estado del filtro de tercer orden toman la forma:
   
a11 a12 a13 b1
A =  a21 a22 a23  B =  b2 
   
a a32 ai33 b3 (17.46)
h 31
C = c1 c2 c3 D=d
Sustituiendo por A, B, C y D en (17.37) se obtiene la matriz structural de estado (17.47)

 
d −1 c1 c2 c3

b1 z −1 0 −1 + a11 z −1 a12 z −1 a13 z −1 
N(5) = Ne =  (17.47)
 
b2 z −1 0 a21 z −1 −1 + a22 z −1 a23 z −1

 
b3 z −1 0 a31 z −1 a32 z −1 −1 + a33 z −1
La matriz que queremos calcular va a tener 6 columnas y 5 filas

(6) (6) (6) (6) (6) (6)
 
n21 n22 n23 n24 n25 n26
 (6) (6) (6) (6) (6) (6) 

 n31 n32 n33 n34 n35 n36 

(6) (6) (6) (6) (6) (6) (6)
N = n41 n42 n43 n44 n45 n46 (17.48)
 

(6) (6) (6) (6) (6) (6)
 

 n51 n52 n53 n54 n55 n56 

(6) (6) (6) (6) (6) (6)
n61 n62 n63 n64 n65 n66
(6) (6) (6)
Si se eligen n26 = n46 = n56 = 0, entonces la primera, última y penúltima fila no cambian y
se expande sólo la segunda fila en dos filas. Los nuevos elementos de la segunda fila segunda se
calculan mediante la ecuación (17.28).
(6) (5) (6) (6) (6) (6)
n31 = n31 − n36 n61 = z −1 b1 − n36 n61
(6) (5) (6) (6) (6) (6)
n32 = n32 − n36 n62 = 0 − n36 n62
(6) (5) (6) (6) (6) (6)
n33 = n33 − n36 n63 = −1 + a11 z −1 − n36 n63 (17.49)
(6) (5) (6) (6) (6) (6)
n34 = n34 − n36 n64 = a12 z −1 − n36 n64
(6) (5) (6) (6) (6) (6) (6)
n35 = n35 − n36 n65 = a13 − n36 n65
Observando los ecuaciones (17.49) se observa que es conveniente elegir los elementos de la matriz
nueva de esta manera
(6) (6) (6)
n36 = z −1 n61 = b1 n62 = 0
(6) (6) (6)
n63 − a11 n64 = a12 n65 = a13
(6)
n66 = −1
Se calculan los elementos de la segunda fila como en el ejemplo anterior y se obtiene
(6) (6) (6)
n31 = 0 n32 = 0 n33 = −1
(6) (6)
n34 = 0 n35 = 0
La matriz N(6) toma la forma

 
d −1 c1 c2 c3 0

 0 0 −1 0 0 z −1 

N(6) =  z −1 b2 0 a21 z −1 −1 + a22 z −2 a23 z −1 0  (17.50)
 
 −1
0 a31 z −1 a32 z −1 −1 + a33 z −1 0 

 z b3
b1 0 a1 1 a12 a13 −1
Ahora se expande la tercera fila. Primera, segunda, última y penúltima no van a cambiar y por
(7) (7) (7) (7)
eso en la matriz N(7) se eligen n27 = n37 = n57 = n67 = 0 y se calcula la nueva matriz N(7) .
 
(7) (7) (7) (7) (7) (7)
n21 n22 n23 n2 4(7) n25 n26 n27
(7) (7) (7) (7) (7) (7)
 

 n31 n32 n33 n3 4(7) n35 n36 n37 

(7) (7) (7) (7) (7) (7)
n4 4(7)
 
n41 n42 n43 n45 n46 n47
N(7) = 
 
(7) (7) (7) (7) (7) (7)
 (17.51)
n51 n52 n53 n5 4(7) n55 n56 n57
 
 
 (7) (7) (7) (7) (7) (7) (7) 

 n61 n62 n63 n64 n65 n66 n67 

(7) (7) (7) (7) (7) (7) (7)
n71 n72 n73 n74 n75 n76 n77
(7)
Los elementos de la tercera fila se calculan mediante la ecuación (17.28) si se elege n77 =
−1. Desarrollando las ecuaciones (17.28) para k=7, i=4 y j=1,2,...,6 se obtienen las siguientes
ecuaciones.
(7) (6) (7) (7)

n41 = n41 − n47 n71 = z −1 b2 − z −1 b2 = 0
(7) (6) (7) (7)
n42 = n42 − n47 n72 = 0 − z −1 ,0 = 0
(7) (6) (7) (7)
n43 = n43 − n47 n73 = a21 z −1 − z −1 a21 = 0
(7) (6) (7) (7) (17.52)
n44 = n44 − n47 n74 = −1 + a22 z −1 − a22 z −1 = −1
(7) (6) (7) (7)
n45 = n45 − n47 n75 = a23 z −1 − z −1 a23 = 0
(7) (6) (7) (7)
n46 = n46 − n47 n76 = 0 − z −1 ,0 = 0
Si se comparan las matrices (17.50) y (17.53) se entiende porque se elige en la matriz N(7)
(7)
el parámetro n47 = z −1 . Todos elementos en la tercera fila de la matriz N(6) tienen z −1 .
(7)
Observando las ecuaciones (17.52) se ve que para simplificar los elementos n4j en la tercera fila
es necesario seleccionar
(7) (7) (7) (7)

n47 = z −1 n71 = b2 n72 = 0 n73 = a21
(7) (7) (7)
n74 = a22 n75 = a23 n76 = 0
(7)
Sustituiendo los valores de nij en la matriz (17.51) se obtiene
−1
 
d c1 c2 c3 0 0

 0 0 −1 0 0 z −1 0  
(7)
 0 0 0 −1 0 0 z −1 
N =  −1 (17.53)
 
 z b3 0 a31 z −1 a32 z −1 −1 + a33 z −1 0 0 

 
 b1 0 a11 a12 a13 −1 0 
b2 0 a21 a22 a23 0 −1
(8)
Para simplificar la fila cuarta se aplica nuevamente el procedimiento y se obtiene Nf =Ns
 
d −1 c1 c2 c3 0 0 0

0 0 −1 0 0 z −1 0 0

 
0 0 0 −1 0 0 z −1 0
 
 
(8)  
Nf = 
 0 0 0 0 −1 0 0 0 
 (17.54)

 b1 0 a11 a12 a13 −1 0 0 

b2 0 a21 a22 a23 0 −1 0
 
 
b3 0 a31 a32 a33 0 0 −1
La matriz (17.54) es la matriz de diagrama de flujo de señales y se realiza con la estructura de

la figura 17.6. En la figura 17.7 el circuito es de otra forma, y se obtiene del circuito de la figura
17.6 cambiando nodos por los sumadores y los sumadores por los nodos, y cambiando la entrada
por la salida y la salida por la entrada.
Figura 17.6: Filtro de estado de tercer orden
Figura 17.7: Filtro de estado de tercer orden en la forma segunda
Ejemplo 17.3:
Calcular el filtro elı́ptico paso baja con amax = 2 dB, amin = 15 dB, orden del filtro n=3 y
frecuencia normalizada de corte Ω1 = 0,6.
Mediante la comando de MATLAB, [a,b,c,d]=ellip(3,2,15,0.6) se calculan los elementos de las
matrices de estado para el circuito en la figura 17.7. Se obtiene el resultado
   
0,1160 0,0000 0,0000 2,1724
A =  0,4982 −0,3513 −0,8830  B =  0,9698 
   
0,6872 0,8830 −0,2019 1,3201 (17.55)
h i
C= 0,1887 0,0360 0,0680 D = 0,3673
El programa que analiza el circuito se obtuvo de la figura 17.7. La gráfica de atenuación se

muestra en la figura 17.8. Un filtro paso altas se obtiene cambiando en el programa n3 = −n6 ,
n4 = −n7 y n5 = −n8 . La frecuencia del corte se cambia con la variación de la frecuencia de
muestreo.
a11=0.1160;a12=0.0000;a13=0.0000;
a21=0.4982;a22=-0.3513;a23=-0.8830;
a31=0.6872;a32=0.8830;a33=-0.2019;
b1=2.1724;b2=0.9690;b3=1.3201;
c1=0.1887;c2=0.0360;c3=0.0680;d=0.3673;
n3=0;n4=0;n5=0;
xn=1;
for i=1:1:200
yn(i)=xn*d+n3*c1+n4*c2+n5*c3;
n6=xn*b1+n3*a11+n4*a12+n5*a13;
n7=xn*b2+n3*a21+n4*a22+n5*a23;
n8=xn*b3+n3*a31+n4*a32+n5*a33;
n3=n6;n4=n7;n5=n8;xn=0;
end
[h,w]=freqz(yn,1,200);
plot(w,20*log10(abs(h)))
Figura 17.8: Atenuación del filtro de estado de tercer orden
Ejemplo 17.4:
Calcular la matriz flujo de señales y las matrices de estado de la estructura de la figura 17.9.
Solución:
 
0 −1 0 0 c2 c1

 0 0 −1 0 0 z −1 

N6 =  0 0 0 −1 z −1 0 
 
0 a2 −1
 
 1 0 0 
1 0 a1 0 0 −1
Figura 17.9: Filtro digital en paralelo
" #
a1 a2 h i
A= C= a1 c1 a2 c2
0 1
" #
1
B= D = c1 + c2
1
Ejemplo 17.5:
Calcular la matriz flujo de señales y las matrices de estado de la estructura en la figura 17.10.
Figura 17.10: Filtro digital en forma de cadena
Solución:
a −1 0
 
0 1 0 0

 0 0 −1 0 z −1 0 0 

6
 0 0 0 −1 0 z −1 0 
N =
 
0 0 0 0 −1 1 b

 
 
 0 0 0 −c 0 −1 c 
1 0 −2 0 0 0 −1
" #
−2b −c2 h i
A= C= 2b −c
2c −c
" #
b+c
B= D= a+b+c
c
Ejemplo 17.6:
Calcular la matriz de flujo de señales y las matrices de estado de la estructura de la figura 17.11.
Figura 17.11: Filtro IIR en la forma cruz
Solución:
 
0 −1 0 1 0 0

 0 0 −1 0 z −1 0 

N6 =  0 0 0 −1 0 z −1
 

a −b −1
 
 1 0 0 
0 0 b 0 0 −1
" #
a −b h i
A= C= 0 1
b a
" #
1
B= D= 0
0
Ejemplo 17.7:
Calcular la matriz de flujo de señales y las matrices de estado de la estructura en la figura 17.12.
Solución:
 
0 −1 0 b0 b1
 0 0 −1 z −1 0 
N6 = 
 
1 0 −a0 −1 0

 
0 0 1 a0 −1
h i h i
A= −a0 C= b1 − a0 (b0 + a0 b1 )
h i
B= 1 D = b0 + a0 b1
Figura 17.12: Filtro digital en forma Markel y Grey
Tarea 17.1:
Calcular la matriz de flujo de señales y las matrices de estado de la estructura en la figura 17.13.
Figura 17.13: Filtro digital.

Capı́tulo 18
Filtros digitales de onda
Los filtros digitales de onda se calculan a partir de estructuras de filtros analógicos, por ello no
es necesario calcular la función de transferencia H(z). Los filtros analógicos de partida tienen
una estructura en escalera. Las estructuras en escalera tienen una baja sensibilidad de amplitud
a variaciones de los valores L y C. Los filtros digitales de onda se diseñan usando las matrices
de dispersión S. Los coeficientes de los multiplicadores de los adaptadores que terminan en un
puerto con un elemento de retardo se calculan a partir de los valores L y C del filtro analógico.
Con este método se pueden diseñar todo tipo de filtros.
18.1. Sustitución de L y C por un circuito discreto

Para calcular el filtro digital de onda se utiliza la transformada bilineal.
1 − z −1
s= (18.1)
1 + z −1
Circuito discreto equivalente a un inductor

La onda transmitida A y la reflectada B en la figura 18.1 están relacionadas con la corriente I
y con el voltaje U en el puerto de entrada por la ecuación
A = U + RI B = U − RI
Si se suman y restan los ecuaciones anteriores se obtiene
A + B = 2U A − B = 2RI
El voltaje en la inductancia R = L es U = sRI. Si se multiplican ambos lados de esta ecuación
por 2 se obtiene
2U = s2RI
Si se sustituye por 2U = A + B, 2RI = A − B y por s la transformada z bilineal (18.1), se
obtiene la relación
B = −Az −1
361
362 capı́tulo 18. filtros digitales de onda
La última ecuación se realiza mediante un multiplicador de valor -1 con un elemento de retardo

en cascada. La realización de un inductor en forma discreta se muestra en la figura 18.1.
Figura 18.1: Sustitución de la inductancia por un circuito discreto
Circuito discreto equivalente a un capacitor
Para el circuito en la figura 18.2 se pueden escribir las ecuaciones
A = U + RI B = U − RI
Si se suman y se restan las ecuaciones anteriores se obtiene
A + B = 2U A − B = 2RI
Si el valor de capacitancia es C=1/R, el voltaje U se puede expresar por la ecuación

U=RI/s. Multiplicando ambos lados de esta ecuación por 2 se obtiene
R
2U = 2I
s
Sustituyendo en la ecuación anterior 2U = A + B, 2RI = A − B y s por la transformada z
bilineal (18.1) se obtiene la ecuación
z+1
A + B = (A + B)
z−1
que se simplifica a la ecuación
B = Az −1
La última ecuación se realiza mediante la estructura en la figura 18.2. El condensador se pue-

de sustituir por un elemento de retardo. De manera similar se pueden encontrar los circuitos
discretos que sustituyen el transformador, el girador, etc. El alumno podrá encontrar estas sus-
tituciones de circuitos analógicos en la bibliografı́a FET 1
1
Fettweis, A.: Digital Filters Structures Related to Clasical Filter Networks.(Arch. Elektr. Uebertragung, vol
25,pp.78-89, Feb. 1971.
18.2. los adaptadores 363
Figura 18.2: Sustitución de un capacitor por un circuito discreto
18.2. Los adaptadores

Los adaptadores son circuitos de tres puertos no dependientes de la frecuencia. Se pueden dividir
en los adaptadores en serie y en paralelo, dependientes y no dependientes. Si los adaptadores
terminan en un puerto con un elemento de retraso representarán a un condensador o a una
bobina.
18.2.1. Adaptador paralelo dependiente

El adaptador paralelo es un circuito independiente de la frecuencia. Si se conecta el elemento
de retardo a un puerto se obtiene el circuito dependiente de la frecuencia, que actúa como
uncondensador en la rama diagonal. El adaptor paralelo se utiliza para conectar los elementos
L y C en cascada.
Figura 18.3: Gráfica del bloque y sı́mbolo del adaptador paralelo dependiente
La onda reflejada B y la transmitida A en los puertos de los adaptadores se obtienen del voltaje
U y de la corriente I en los puertos de entrada mediante las ecuaciones
A = U + RI B = U − RI
Para el adaptador paralelo se puede escribir utilizando la figura 18.3
U1 = U2 = U3 I1 + I2 + I3 = 0 (18.2)
Si se supone que el adaptador paralelo tiene tres puertos (n = 3) se pueden escribir las ecuaciones
A1 = U1 + R1 II B1 = U1 − R1 I1
A2 = U2 + R2 I2 B2 = U2 − R2 I2 (18.3)
A3 = U3 + R3 I3 B3 = U3 − R3 I3
Como U1 = U2 = U3 las ecuaciones (18.3) se simplifican a (18.4)
A1 = U1 + R1 I1 B1 = U1 − R1 I1
A2 = U1 + R2 I2 B2 = U1 − R2 I2 (18.4)
A3 = U1 + R3 I3 B3 = U1 − R3 I3
Ahora se calcula I1 + I2 + I3 = 0 y se determina U1 . Entonces
A1 G 1 + A2 G 2 + A3 G 3
U1 = (18.5)
G 1 + G2 + G3
Utilizando que en las ecuaciones (18.4) Ai + Bi = 2Ui , se obtienen las ecuaciones de la gráfica
de flujo de señal del adaptador paralelo
B1 = (α1 A1 + α2 A2 + α3 A3 ) − A1
B2 = (α1 A1 + α2 A2 + α3 A3 ) − A2
B3 = (α1 A1 + α2 A2 + α3 A3 ) − A3 (18.6)
En las ecuaciones (18.6) los coeficientes αi son
2Gi
αi = donde i = 1, 2, 3. (18.7)
G1 + G 2 + G3
Bajo la condición G3 = G1 + G2
2(G1 + G2 )
α3 = =1
2(G1 + G2 )
y en el circuito el multiplicador α3 = 1. Para α3 = 1 las ecuaciones (18.6) toman la forma
B1 = (α1 A1 + α2 A2 + A3 ) − A1
B2 = (α1 A1 + α2 A2 + A3 ) − A2 (18.8)
B3 = α1 A1 + α2 A2
De las ecuaciones (18.8) se puede dibujar la estructura, que se muestra en la figura 18.4. Se
puede verificar fácilmente que para el circuito de la figura 18.4 se cumplen las ecuaciones (18.8).
Los coeficientes α1 y α2 son los coeficientes de los multiplicadores.
18.2.2. Adaptador serie dependiente

Para el adaptador serie dependiente se pueden derivar las ecuaciones de flujo de señales usando
las ondas transmitidas y reflejadas, sustituyendo I1 = I2 = I3 en las ecuaciones (18.3) y cal-
culando B1 , B2 y B3 . Para U1 + U2 + U3 = 0 se obtienen las relaciones (18.9) a partir de las
ecuaciones (18.3)
18.2. los adaptadores 365
Figura 18.4: Adaptador paralelo dependiente
Figura 18.5: Gráfica y sı́mbolo del adaptador de serie
B1 = A1 − β1 (A1 + A2 + A3 )
B2 = A2 − β2 (A1 + A2 + A3 )
B3 = A3 − β3 (A1 + A2 + A3 ) (18.9)
donde los coeficientos βi con i = 1, 2, 3 son los valores de los multiplicadores que se calculan
2Ri
βi = para i = 1, 2, 3 (18.10)
R1 + R2 + R3
Si R3 = R1 + R2 (figura 18.5), entonces β3 = 1, β1 + β2 = 1 y en la estructura faltará un
multiplicador β3 . Las ecuaciones (18.9) toman la forma
B1 = A1 − β1 (A1 + A2 + A3 )
B2 = A2 − β2 (A1 + A2 + A3 )
B3 = −A1 − A2 (18.11)
La estructura del adaptador serie que realiza las ecuaciones (18.11) se muestra en la figura 18.6
Figura 18.6: Estructura del adaptador serie dependiente
18.2.3. Adaptadores elementales

Los adaptadores elementales son adaptadores que tienen sólo un multiplicador. Se dividen tam-
bién en adaptadores serie y paralelo. No se pueden utilizar al final de los circuitos, donde la
impedancia de salida está definida. El adaptador elemental serie se muestra en la figura 18.7 y
el coeficiente del multiplicador se calcula mediante la ecuación (18.12)
R1
β= (18.12)
R1 + Z2 (ω1 )
Figura 18.7: Adaptor elemental serie
El adaptador elemental paralelo se muestra la figura 18.8 y el valor del coeficiente del multipli-
cador se calcula usando la ecuación (18.13).
G1
α= (18.13)
G1 + Y2 (ω1 )
18.3. ejemplos de realización 367
Figura 18.8: Adaptor elemental paralelo
18.3. Ejemplos de realización
Ejemplo 18.1:
Calcular un filtro paso bajas digital de onda de orden N = 2. La ganancia debe ser 3 dB en la
frecuencia ω1 = 1 rad/sec. Utilise la aproximación de Butterworth.
En el catálogo de los filtros de Butterworth se encuentran definidos los valores L, C del filtro
Butterworth de segundo orden. El filtro paso bajas se muestra en√la figura 18.9.
√ Los valores
para el filtro paso bajas obtenidos de las tablas son r0 = 1, l2 = 2 y c1 = 2. De la figura
18.9 podemos ver que el circuito requiere un adaptador paralelo elemental y un adaptador serie
dependiente con dos multiplicadores.
Figura 18.9: Prototipo del filtro analógico LC
El valor del multiplicador del adaptador paralelo elemental es
G0 1
α1 = A1 = = √ = 0,414213
G0 + Y1 (1) 1+ 2
De la Figura 18.9 se calcula la resistencia R1
√
G1 = G0 + Y1 (1) = 1 + 2 = 2,41421 =⇒ R1 = 0,41421
Los valores del adaptador serie dependiente son
2R1 2 × 0,414213
β21 = B21 = = √ = 0,292893
R1 + Z2 (1) + R2 0,41421 + 2 + 1
2
β22 = B22 = √ = 0,707106
0,41423 + 2 + 1
El circuito resultante para un filtro digital de onda se muestra en la figura 18.10.
Figura 18.10: Filtro digital de onda de segundo orden
El diseño de los filtros digitales de onda es muy simple, porque se puede utilizar el catálogo de
los filtros LC. De esa manera no es necesario utilizar la transformada bilineal para calcular la
función de transferencia H(z), por eso el cálculo es fácil. La respuesta de estos filtros no es tan
sensible al redondeo o al truncamiento de los coeficientes como lo son los filtros de otros tipos.
Ejemplo 18.2:
Mediante el MATLAB analizar el circuito de la figura 18.10, calcular la respuesta a un impulso
unitario y compararla con la respuesta al impulso obtenido de la función de transferencia H(z).
La función de transferencia de filtro Butterworth de segundo orden para amax = 3 dB tiene la
forma
1
H(s) = √ (18.14)
s2+s 2+1
Para obtener la función de transferencia de un filtro discreto se utiliza la transformada z bilineal
z−1
s= (18.15)
z+1
Sustituyendo (18.15) a la ecuación (18.14) se obtiene la función de transferencia del circuito
discreto
0,292893 + 0,585786z −1 + 0,292893z −2

H(z) = (18.16)
1 + 0,1715728z −2
Mediante MATLAB con el programa siguiente se obtiene la respuesta al impulso h(n)
b=[0.29289 0.58578 0.29289];

a=[1 0 0.1715728];
x=[1 zeros(1,20)];
y=filter(b,a,x)
Columns 1 through 7
0.2929 0.5858 0.2426 -0.1005 -0.0416 0.0172 0.0071
Columns 8 through 14
-0.0030 -0.0012 0.0005 0.0002 -0.0001
La misma respuesa al impulso se debe obtener usando el programa que implementa el circuito
en la figura 18.10. Las ecuaciones obtenidas del circuito 18.10 son las siguientes:
XN1=XN· A1+N2-N2· A1
BN1=XN1-XN1· B21-N4· B21-BN2· B21
BN=-XN+XN· A1+N2-N2· A1 +BN1
N1=XN· A1 -N2· A1+BN1
N3=XN1-XN1· B22+N4-N4· B22+BN2+BN2-BN2· B22+BN1
YN=-XN1· B22-N4· B22+BN2-BN2· B22
El programa MATLAB para calcular la respuesta al impulso de la estructura del filtro es la
siguiente.
XN=1;
A1=0.41421;
B21=0.292891;
B22=0.7071;
N2=0;
N4=0;
BN2=0;
for i=1:1:20
XN1=XN*A1+N2-N2*A1;
BN1=XN1-XN1*B21-N4*B21-BN2*B21;
BN=-XN+XN*A1+N2-N2*A1+BN1;
N1=XN*A1-N2*A1+BN1;
N3=XN1-XN1*B22+N4-N4*B22+BN2+BN2-BN2*B22+BN1;
YN(i)=-XN1*B22-N4*B22+BN2-BN2*B22
N2=N1;
N4=N3;
XN=0;
end
plot(20*log(abs(fft(YN))))
Del resultado del programa se observa, que la respuesta al impulso unitario obtenido del circuito
es el mismo que se obtuvo de la función de transferencia H(z). Eso significa, que el circuito
está bien diseñado y que las ecuaciones son correctas.
Ejemplo 18.3:
Calcule el filtro de Butterworth con amax = 3 dB y orden del filtro n=4. Analice el filtro mediante
MATLAB y calcule la respuesta h(n) al impulso unitario.
Los elementos del filtro de Butterworth para amax = 3 dB se calculan mediante la ecuación
(18.17). El filtro se muestra en la figura 18.11
2k − 1
A(k) = 2 · sen(π ) (18.17)
2n
Figura 18.11: Prototipo del filtro analógico LC n=4.
Para el prototipo del filtro analógico LC es necesario calcular las impedancias R1, R2 y R3.
R1=0.5664, R2=2.41424 y R3=0.44208. El filtro de onda con los adaptadores se muestra en la
figura 18.12. Los coeficientes de los adaptadores se calculan mediante las ecuaciones siguientes:
Figura 18.12: Filtro digital de onda n=4.

G0
A1 = = 0,5664
G0 + Y1 (1)
R1
B2 = = 0,2345
R1 + Z2 (1)
G2
A3 = = 0,1831
G2 + Y3 (1)
2R3
B41 = = 0,4005
R3 + Z4 (1) + R4
2Z4 (1)
B42 = = 0,9060
R3 + Z4 (1) + R4
Del circuito en la figura 18.12 se obtienen para cada señal XN(i), BN(i) y N(i) las ecuaciones
siguientes:
XN 1 = A1 · XN + N 2 − A1 · N 2
XN 2 = CN 1 + N 4
XN 3 = −XN 2 · A3 + N 6 − N 6 · A3 + BN 3
BN 3 = XN 3 − XN 3 · B41 − N 8 · B41
BN 2 = XN 2 − XN 2 · A3 + N 6 − N 6 · A3 + BN 3
BN 1 = XN 1 − XN 2 · B2 − BN 2 · B2
N 1 = XN · A1 − N 2 · A1 + BN 1
N 2 = BN 1 + BN 2
N 5 = −XN 2 · A3 − N 6 · A3 + BN 3
N 7 = XN 3 − XN 3 · B41 + N 8 − N 8 · B42 + BN 3
Y N = −XN 3 · B42 − N 8 · B42
YN es la respuesta al impulso, siendo XN el impulso unitario. El programa en MATLAB para
calcular la respuesta del filtro a un impulso y la atenuación en dB es el siguiente:
XN=1;
XN4=0;
N2=0;
N4=0;
N6=0;
N8=0;
A1=0.607377;
B2=0.280158;
A3=0.228135;
B41=0.462017;
B42=0.934135;
for i=1:1:30
XN1=A1*XN+N2-A1*N2;
XN2=XN1+N4;
XN3=-XN2*A3+N6-N6*A3;
BN3=XN3-XN3*B41-N8*B41;
BN2=XN2-XN2*A3+N6-N6*A3+BN3;
BN1=XN1-XN2*B2-BN2*B2;
N1=XN*A1-N2*A1+BN1;
N3=BN1+BN2;
N5=-XN2*A3-N6*A3+BN3;
N7=XN3-XN3*B42+N8-N8*B42+BN3;
YN(i)=-XN3*B42-N8*B42;
N2=N1;
N4=N3;
N6=N5;
N8=N7;
XN=0;
end
for i=1:1:30
YN(i)
end
En la figura 18.13 se muestra la gráfica de la atenuación del filtro de onda obtenida mediante el
programa MATLAB.
Figura 18.13: Atenuación del filtro digital de onda.
Los coeficientes de la función de transferencia H(s) se calculan mediante la ecuación (18.18). La

primera constante es igual a uno, a0 = 1.
cos (k−1)π
2n
a(k) = a(k − 1) (18.18)
sen kπ
2n
1
H(s) = (18.19)
s4 + 2,61312s3 + 3,41421s2 + 2,61312s + 1
Si se utiliza la transformada z, la función H(s) se transforma en la función de transferencia H(z)
del filtro discreto (18.20). Las constantes son c=1, y T=2.
1 + 4z −1 + 6z −2 + 4z −3 + z −4
H(Z) = (18.20)
10,6404 + 5,17157z −2 + 0,187962z −4
Dividiendo el numerador entre el denominador en la ecuación 18.20 se obtiene la respuesta al
impulso h(n).
h(n) = {0.0940 0.3759 0.5182 0.1932 -0.1595 -0.1005 0.0684 0.0455 -0.0304 -0.0203...} (18.21)
Si la respuesta al impulso obtenida de la función de transferencia es igual a la respuesta al

impulso obtenida de las ecuaciones del circuito, el filtro está bien calculado y las ecuaciones se
pueden programar por ejemplo en ensamblador para ejecutarlas en un microcontrolador o en un
microprocesador.
Ejemplo 18.4:
Calcule un filtro digital de orden 5 conociendo los elementos del filtro analógico
R1 = R2 = 1 C1 = 1,14359 C2 = 0,20169 L2 = −1,15336

C5 = 0,87504 C3 = 1,66967 C4 = 0,5993 L4 = 0,83376
El prototipo del filtro analógico se muestra en la figura 18.14. Primero se dibuja el filtro LC
en la forma de escalera figura (18.14) y luego el filtro LC con los adaptadores. Este filtro se
muestra en la figura 18.15 y se calculan las impedancias o las admitancias en las entradas de
cada adaptador.
Figura 18.14: Prototipo del filtro LC
Figura 18.15: Filtro LC con adaptadores

1 1
Z1 (1) = C1 = 0,8744 G1 = G0 + Z1 = 2,14359
L2
Z2 (1) = 1+L2 C2 = 0,935697 R2 = R1 + Z2 = 1,4022042
1 1
Z3 (1) = C3 = 0,5989207 G3 = G2 + Z3 = 2,3828387
L4
Z4 (1) = 1+L4 C4 = 0,5560449 R4 = R3 + Z4 = 0,9757134
1 1
Z5 (1) = C5 = 1,1428049 G5 = G4 + Z5 = 1,899931
Ahora se calculan los valores de los multiplicadores para los adaptadores paralelos:
G0 1
α11 = = 1 = 0,466496
G0 + Y1 (1) 1 + 0,8744
1
G2 1,4022042
α13 = = 1 1 = 0,299292
G2 + Y3 (1) 1,4022042 + 0,5989207
Los valores de los multiplicadores para los adaptadores de serie

1
R1 2,14359
β12 = = 1 = 0,33269
R 1 + Z2 2,14359 + 0,935697
1
R3 2,3828387
β14 = = 1 = 0,430114
R3 + Z4 2,3828387 + 0,5560449
La parte final corresponde a un adaptador paralelo dependiente. La última impedancia del circui-
to LC es R5 y por este motivo el adaptador paralelo al final del circuito tiene dos multiplicadores.
Calculando los coeficientes α15 y α25 se obtiene
2
2G4 0,97574
α15 = = 1 1 = 0,539425
G4 + Y5 + G5 0,97574 + 1,1428049 + 1,899
2
2G5 0,1,899931
α25 = = 1 1 = 0,277035
G4 + Y5 + G5 0,97574 + 1,1428049 + 1,899
Los adaptadores paralelos elementales no se pueden terminar únicamente con un elemento de

retardo, ya que en el prototipo LC las puertas correspondientes se terminan con un circuito
paralelo LC . En este caso es necesario terminar el segundo y el cuarto adaptador paralelo con
el circuito que se muestra en la figura 18.16
Los valores de los multiplicadores αi se calculan mediante la ecuación (18.22)
L2 C2 − 1 L4 C4 − 1
α2 = = −0,6225585 α4 = = −0,3338249 (18.22)
L2 C2 + 1 L4 C4 + 1
El bloque del filtro se muestra en la figura 18.17.
18.4. tablas del filtro de onda 375
Figura 18.16: Circuito discreto que realiza el circuito LC paralelo
Figura 18.17: Filtro digital de onda de orden cinco
18.4. Tablas del filtro de Onda

Los filtros digitales de onda tienen muy buenas propiedades. Son poco sensibles a los errores de
cuantificación y son muy fáciles de programar aunque su estructura es más complicada que otras
estructuras, como por ejemplo la estructura en cascada o en paralelo. Mediante el programa en
MATLAB, que se muestra en continuación, se pueden calcular los elementos del filtro de onda
para el orden impar de Butterworth. En el programa, N es el orden del filtro y A es la atenuación
en banda de paso. Las tablas se calcularon para la frecuencia angular de corte ω1 = 1 y para el
tiempo de muestreo T=2.
N=7; %Orden del filtro Butterworth debe ser impar

AN=1; %Atenuacion en dB
R(1)=1;G(1)=1;
EPS=(10^(0.1*AN)-1)^(1/2/N);
for I=1:1:N
A(I)=(10^(3/10)-1)^(1/(2*N))*2
*sin((2*I-1)*pi/(2*N));
end
for I=1:1:N
A(I)=EPS*A(I);
end
G(1)=1;
for I=1:2:N-1
G(I+1)=G(I)+A(I);
R(I+1)=1/G(I+1);
R(I+2)=R(I+1)+A(I+1);
G(I+2)=1/R(I+2);
end
disp(’ALFA=1,3,5,...’)
for I=1:2:N-1
ALFA(I)=G(I)/(G(I)+A(I));
disp(ALFA(I))
end
disp(’BETA=2,4,6,...’)
for I=2:2:N
BETA(I)=R(I)/(R(I)+A(I));
disp(BETA(I))
end
disp(’ALFA N1=’)
ALFA(N)=2*G(N)/(G(N)+A(N)+1);
disp(ALFA(N))
disp(’ALFA N2=’)
ALFA(N)=2/(G(N)+A(N)+1);
disp(ALFA(N))
En las tablas 18.1 - 18.8 se encuentran los valores de los multiplicadores del filtro Butterworth
de onda para el orden N=2 hasta N=9 para las atenuaciones amax = 0,1 hasta amax = 1 dB. En
las tablas 18.9 - 18.12 se encuentran los valores del filtro Chebychev.
Tabla 18.1: Elementos del filtro paso bajas de Butterworth n=2, amax [dB].
amax α1 β21 β22

0.1 0.6444 0.5868 0.9106
0.2 0.6031 0.5334 0.8845
0.3 0.5779 0.5007 0.8664
0.4 0.5595 0.4768 0.8522
0.5 0.5450 0.4580 0.8404
0.6 0.5329 0.4424 0.8301
0.7 0.5226 0.4290 0.8210
0.8 0.5135 0.4174 0.8127
0.9 0.5054 0.4070 0.8052
1.0 0.4981 0.3976 0.7982
Ejemplo 18.6:
Mediante las tablas diseñar el filtro Chebychev de Onda de séptimo orden para amax = 2 dB.
Mediante MATLAB analizar el filtro y escribir el programa para el simulador de TMS320C25.
Calcular la respuesta al impulso y mediante la transformada rápida de Fourier calcular el espectro
del filtro.
amax α1 β2 α31 α32

0.1 0.6519 0.3790 0.5497 0.9454
0.2 0.6248 0.3422 0.5099 0.9310
0.3 0.6083 0.3209 0.4858 0.9211
0.4 0.5964 0.3059 0.4685 0.9134
0.5 0.5864 0.2943 0.4548 0.9069
0.6 0.5791 0.2849 0.4434 0.9014
0.7 0.5723 0.2769 0.4337 0.8964
0.8 0.5664 0.2700 0.4252 0.8920
0.9 0.5611 0.2639 0.4176 0.8878
1.0 0.5562 0.2585 0.4208 0.8840
amax α1 β2 α3 β41 β42

0.1 0.6765 0.3695 0.3212 0.5692 0.9680
0.2 0.6570 0.3426 0.2927 0.5387 0.9600
0.3 0.6451 0.3270 0.2762 0.5203 0.9546
0.4 0.6365 0.3159 0.2647 0.5069 0.9504
0.5 0.6297 0.3073 0.2528 0.4963 0.9465
0.6 0.6240 0.3002 0.2485 0.4876 0.9438
0.7 0.6191 0.2942 0.2424 0.4801 0.9411
0.8 0.6149 0.2891 0.2371 0.4735 0.9386
0.9 0.6110 0.2845 0.2325 0.4676 0.9363
1.0 0.6075 0.2803 0.2283 0.4622 0.9342
amax α1 β2 α3 β4 α51 α52

0.1 0.7022 0.3874 0.2867 0.3188 0.6021 0.9815
0.2 0.6872 0.3658 0.2655 0.2951 0.5781 0.9722
0.3 0.6782 0.3531 0.2532 0.2813 0.5636 0.9742
0.4 0.6716 0.3441 0.2446 0.2717 0.5530 0.9718
0.5 0.6664 0.3371 0.2380 0.2642 0.5446 0.9699
0.6 0.6621 0.3313 0.2325 0.2580 0.5376 0.9682
0.7 0.6584 0.3264 0.2280 0.2529 0.5317 0.9667
0.8 0.6551 0.3222 0.2240 0.2484 0.5264 0.9653
0.9 0.6522 0.3184 0.2205 0.2444 0.5217 0.9641
1.0 0.6495 0.3149 0.2173 0.2408 0.5174 0.9629
amax α1 β2 α3 β4 α5 β61 β62

0.1 0.7256 0.4125 0.2871 0.2635 0.3355 0.6363 0.9895
0.2 0.7131 0.3944 0.2696 0.2458 0.3149 0.6170 0.9870
0.3 0.7066 0.3837 0.2595 0.2356 0.3029 0.6053 0.9854
0.4 0.7014 0,3761 0.2523 0.2284 0.2948 0.5968 0.9841
0.5 0.6072 0.3702 0.2468 0.2229 0.2879 0.5901 0.9830
0.6 0.6938 0.3653 0.2422 0.2184 0.2824 0.5845 0.9821
0.7 0.6909 0.3611 0.2384 0.2145 0.2779 0.5797 0.9813
0.8 0.6883 0.3574 0.2350 0.2112 0.2739 0.5754 0.9805
0.9 0.6859 0.3542 0.2321 0.2083 0.2703 0.5716 0.9798
1.0 0.6838 0.3512 0.2294 0.2056 0.2671 0.5681 0.9792
amax α1 β2 α3 β4 α5 β6 α71 α72

0.1 0.7462 0.4391 0.2994 0.2497 0.2628 0.3597 0.6679 0.9940
0.2 0.7635 0.4236 0.2842 0.2352 0.2473 0.3415 0.6522 0.9927
0.3 0.7307 0.4144 0.2754 0.2268 0.2384 0.3308 0.6428 0.9917
0.4 0.7265 0.4078 0.2692 0.2208 0.2320 0.3232 0.6358 0.9911
0.5 0.7231 0.4027 0.2643 0.2162 0.2271 0.3173 0.6304 0.9904
0.6 0.7204 0.3984 0.2603 0.2125 0.2231 0.3125 0.6258 0.9899
0.7 0.7280 0.3948 0.2569 0.2093 0.2197 0.3083 0.6218 0.9895
0.8 0.7159 0.3916 0.2539 0.2065 0.2168 0.3047 0.6184 0.9890
0.9 0.7140 0.3887 0.2513 0.2041 0.2142 0.3015 0.6153 0.9887
1.0 0.7123 0.3862 0.2490 0.2019 0.2118 0.2986 0.6124 0.9883
amax α1 β2 α3 β4 α5 β6 α7 β81 β82

0.1 0.7643 0.4653 0.3166 0.2512 0.2375 0.2723 0.3867 0.6960 0.9966
0.2 0.7563 0.4518 0.3031 0.2385 0.2249 0.2583 0.3704 0.6832 0.9959
0.3 0.7514 0.4437 0.2952 0.2311 0.2117 0.2502 0.3608 0.6754 0.9954
0.4 0.7479 0.4379 0.2896 0.2259 0.2124 0.2445 0.3540 0.6697 0.9949
0.5 0.7451 0.4334 0.2852 0.2219 0.2083 0.2400 0.3487 0.6652 0.9946
0.6 0.7628 0.4297 0.2816 0.2186 0.2051 0.2364 0.3442 0.6614 0.9943
0.7 0.7408 0.4265 0.2786 0.2158 0.2023 0.2333 0.3405 0.6582 0.9941
0.8 0.7391 0.4237 0.2759 0.2133 0.1999 0.2306 0.3372 0.6553 0.9938
0.9 0.7375 0.4212 0.2735 0.2112 0.1977 0.2282 0.3343 0.6527 0.9936
1.0 0.7361 0.4190 0.2714 0.2092 0.1958 0.2260 0.3316 0.6504 0.9934
amax α1 β2 α3 β4 α5 β6 α7 β8 α91 α92

0.1 0.7802 0.4902 0.3585 0.2595 0.2303 0.2373 0.2870 0.4142 0.7207 0.9981
0.2 0.7734 0.4783 0.3236 0.2481 0.2194 0.2258 0.2741 0.3996 0.7998 0.9977
0.3 0.7693 0.4712 0.3164 0.2415 0.2130 0.2192 0.2667 0.3910 0.7035 0.9974
0.4 0.7663 0.4661 0.3114 0.2368 0.2085 0.2146 0.2614 0.3848 0.6987 0.9972
0.5 0.7640 0.4621 0.3074 0.2331 0.2050 0.2109 0.2573 0.3799 0.6950 0.9970
0.6 0.7620 0.4587 0.3041 0.2301 0.2021 0.2079 0.2539 0.3759 0.6920 0.9968
0.7 0.7604 0.4599 0.3013 0.2276 0.1997 0.2054 0.2510 0.3725 0.6892 0.9967
0.8 0.7589 0.4534 0.2989 0.2254 0.1976 0.2032 0.2485 0.3695 0.6868 0.9965
0.9 0.7576 0.4512 0.2967 0.2234 0.1957 0.2013 0.2463 0.3669 0.6847 0.9964
1.0 0.7564 0.4492 0.2947 0.2216 0.1940 0.1995 0.2442 0.3645 0.6827 0.9963
Tabla 18.9: Elementos del filtro paso bajas de Chebychev n=3, amax [dB].
amax α1 β2 α31 α32

0.10 0.4922 0.3022 0.4620 0.7574
0.25 0.4341 0.2774 0.4310 0.6812
0.50 0.3852 0.2599 0.4126 0.6114
1.00 0.3307 0.2496 0.3995 0.5293
2.00 0.2695 0.2445 0.3929 0.4331
3.00 0.2300 0.2442 0.3925 0.3696
amax α1 β2 α3 β4 α51 α52

0.10 0.4658 0.2536 0.2161 0.2245 0.4179 0.7374
0.25 0.4197 0.2404 0.2059 0.2132 0.3987 0.6721
0.50 0.3696 0.2311 0.1975 0.2044 0.3869 0.5965
1.00 0.3190 0.2262 0.1911 0.1981 0.3798 0.5168
2.00 0.2610 0.2251 0.1857 0.1933 0.3797 0.4229
3.00 0.2231 0.2265 0.1828 0.1922 0.3830 0.3608
amax α1 β2 α3 β4 α5 β6 α71 α72

0.1 0.4585 0.2437 0.2022 0.1947 0.1962 0.2123 0.4049 0.7313
0.25 0.4087 0.2316 0.1944 0.1884 0.1903 0.2028 0.3875 0.6550
0.50 0.3653 0.2250 0.1893 0.1861 0.1867 0.1968 0.3782 0.5925
1.00 0.3158 0.2213 0.1847 0.1834 0.1836 0.1919 0.3735 0.4206
2.00 0.2587 0.2210 0.1805 0.1814 0.1812 0.1880 0.3745 0.4206
3.00 0.2213 0.2227 0.1783 0.1806 0.1802 0.1862 0.3782 0.3589
amax α1 β2 α3 β4 α5 β6 α7 β8 α9,1 α9,2

0.1 0.4554 0.2399 0.1979 0.1886 0.1854 0.1860 0.1908 0.2081 0.4000 0.7287
0.25 0.4064 0.2287 0.1912 0.1847 0.1821 0.1825 0.1863 0.1996 0.3836 0.6569
0.50 0.3636 0.2227 0.1867 0.1823 0.1800 0.1844 0.1834 0.1943 0.3751 0.5908
1.00 0.3145 0.2193 0.1826 0.1804 0.1783 0.1787 0.1811 0.1899 0.3708 0.5123
2.00 0.2578 0.2194 0.1789 0.1790 0.1769 0.1773 0.1793 0.1864 0.3723 0.4196
3.00 0.2205 0.2213 0.1769 0.1784 0.1763 0.1604 0.1647 0.1873 0.3753 0.3583
El filtro de séptimo orden se muestra en la figura 18.18. Los valores de los multiplicadores se
obtienen de las tablas 18.11. Para la atenuación 2 dB los valores de los multiplicadores αi y βi
toman la forma:
α1 = 0,2587 β2 = 0,2210 α3 = 0,1805 β4 = 0,1814

α5 = 0,1812 β6 = 0,1880 α71 = 0,3745 α72 = 0,4206
El programa para analizar el filtro de onda es el siguiente y el espectro obtenido se muestra en
la figura 18.19
ALFA(1)=0.2587;BETA(2)=0.2210;ALFA(3)=0.1805;BETA(4)=0.1814;
ALFA(5)=0.1812;BETA(6)=0.1880;ALFA(7,1)=0.3745;ALFA(7,2)=0.4246;
XN=1;N2=0;N4=0;N6=0;N8=0;N10=0;N12=0;N14=0;
for i=1:1:300
XN1=ALFA(1)*XN+N2-ALFA(1)*N2;
XN2=XN1+N4;
XN3=-XN2*ALFA(3)+N6-N6*ALFA(3);
XN4=XN3+N8;
XN5=-XN4*ALFA(5)+N10-N10*ALFA(5);
XN6=XN5+N12;
%las senales en BN1
BN6=XN6-XN6*ALFA(7,1)+2*N14-N14*ALFA(7,1)-N14*ALFA(7,2);
BN5=XN5-BETA(6)*XN6-BETA(6)*BN6;
BN4=BN5+XN4-ALFA(5)*XN4+N10-ALFA(5)*N10;
BN3=XN3-BETA(4)*BN4-BETA(4)*XN4;
BN2=XN2-XN2*ALFA(3)+N6-N6*ALFA(3)+BN3;
BN1=XN1-XN2*BETA(2)-BN2*BETA(2);
BN=-XN+XN*ALFA(1)-N2*ALFA(1)+N2+BN1;
%Las senales en la entrada del elemento de retardo
N1=XN*ALFA(1)-N2*ALFA(1)+BN1;
N3=BN1+BN2;
N5=-XN2*ALFA(3)-N6*ALFA(3)+BN3;
N7=BN3+BN4;
N9=-XN4*ALFA(5)-N10*ALFA(5)+BN5;
N11=BN5+BN6;
N13=-XN6*ALFA(7,1)+N14-N14*ALFA(7,1)-N14*ALFA(7,2);
YN(i)=-ALFA(7,1)*XN6+2*N14-ALFA(7,1)*N14-ALFA(7,2)*N14;
N2=N1;N4=N3; N6=N5;N8=N7;N10=N9;N12=N11;N14=N13; XN=0;
end
for i=1:1:300
YN(i);
end
[h,w]=freqz(YN,1,300);
f=2*w/pi;
plot(f,20*log10(abs(h)))
xlabel(’frecuencia normalizada’)
ylabel(’dB’)
Figura 18.18: Filtro de onda de orden n=7
**********************************************************
* Filtro de onda N=7 para el simulador de TMS320C25 *
* Inicializacion del microcontrolador *
**********************************************************
AORG >0000
RESET B INIT
AORG >0020
* INICIO DEL MICROCONTROLADOR*
******************************
INIT SOVM ;TRABAJA EN SATURACION
LDPK 0 ;TRABAJA CON BANDERA CERO
ZAC ;ANULACION DEL ACUMULADOR
LARP AR2 ;ACTUALIZA REGISTRO AUXILIAR AR2
LRLK AR2,>0060 ;INICIALIZA BLOQUE B2
RPTK 31 ;REPITE LA INSTRUCCION QUE SIGUE 32 VECES
SACL *+ ;ANULACION DEL BLOQUE B2
LRLK AR2,>0060 ;INICIALIZA EL BLOQUE B2 EN EL DIRECCION 0060
RPTK 8 ;REPITE LA INSTRUCCION QUE SIQUE 5 VECES
BLKP COEF,*+ ;TRANSFIERE LOS COEFICIENTES AL BLOCKE N2
1 2
******************************* *************************************
* DECLARACION DE VARIABLES * * EMPIEZA PROGRAMA EN ANSAMBLADOR *
******************************* *************************************
ALFA1 EQU >0060 ZAC
BETA2 EQU >0061 B ET2
ALFA3 EQU >0062 ET1 ZAC
Figura 18.19: Atenuación del filtro de onda N=7
BETA4 EQU >0063 SACH XN,1

ALFA5 EQU >0064 ET2 LARP AR2
BETA6 EQU >0065 LRLK AR2,>205
ALFA71 EQU >0066 LT N2
ALFA72 EQU >0067 MPY ALFA1
XN EQU >0068 LTA XN
YN EQU >0069 NEG
N1 EQU >006A MPY ALFA1
N2 EQU >006B APAC
N3 EQU >006C ADD N2,15
N4 EQU >006D SACH XN1,1
N5 EQU >006E ZAC
N6 EQU >006F ADD XN1,15
N7 EQU >0070 ADD N4,15
N8 EQU >0071 SACH XN2
N9 EQU >0072 ZAC
N10 EQU >0073 LT XN2
N11 EQU >0074 MPY ALFA3
N12 EQU >0075 LTA N6
N13 EQU >0076 MPY ALFA3
N14 EQU >0077 APAC
XN1 EQU >0078 NEG
XN2 EQU >0079 ADD N6,15
XN3 EQU >007A SACH XN3,1
XN4 EQU >007B ZAC
XN5 EQU >007C ADD XN3,15
XN6 EQU >007D ADD N8,15
3 4
***************************** *****************************
SACH XN4,1 NEG
ZAC ADD XN4,15
LT N10 ADD N10,15
MPY ALFA5 ADD *-,15
LTA XN4 SACH *,1
MPY ALFA5 ZAC
APAC LT XN4
NEG MPY BETA4
ADD N10,15 LTA BETA4
SACH XN5,1 MPY *-
ZAC APAC
ADD XN5,15 NEG
ADD N12,15 ADD XN3,15
SACH XN6,1 SACH *,1
* SE CALCULAN LAS VARIABLES BNI ZAC
ZAC LT N6
LT N14 MPY ALFA3
MPY ALFA72 LTA ALFA3
LTA N14 MPY XN2
MPY ALFA71 APAC
LTA XN6 NEG
MPY ALFA71 ADD XN2,15
APAC ADD *-,15
NEG ADD N6,15
ADD XN6,15 SACH *,1
ADD N14,15 ZAC
ADD N14,15 LT BETA2
SACH *,1 ;<ACCH>-->BN6 MPY *-
ZAC MPYA XN2
LT *- ;<BN6>-->TR, APAC
MPY BETA6 ;BN5-->AR2 NEG
LTA XN6 ADD XN1,15
MPY BETA6 SACH *,1
APAC ZAC
NEG *SE CALCULAN LAS VARIABLES Ni
ADD XN5,15 LT N2
SACH *,1 MPY ALFA1
ZAC LTA ALFA1
LT N10 NEG
MPY ALFA5 MPY XN
LTA ALFA5 APAC
MPY XN4 ADD *,15
APAC SACH N1,1
5 6
****************************** ***********************************
ZAC ADD *+,15
ADD *+,15 ADD *,15
ADD *+,15 SACH N11,1
SACH N3,1 ZAC
ZAC LT XN6
LT ALFA3 MPY ALFA71
MPY N6 LTA N14
LT ALFA3 MPY ALFA71
MPY N6 MPYA ALFA72
MPYA XN2 APAC
APAC NEG
NEG ADD N14,15
ADD *,1 SACH N13,1
SACH N5,1 ADD N14,15
ZAC SACH YN,1
ADD *+15 OUT YN,PA2
ADD *+15 DMOV1
SACH N7,1 DMOV3
ZAC DMOV5
LT ALFA5 DMOV7
MPYA N10 DMOV9
MPYA XN4 DMOV11
APAC DMOV13
NEG ZAC
ADD *1 MPYK 0
SACH N9 B ET1
ZAC
*
* DEFINICION DE LA CONSTANTE DEL FILTRO
*
COEF DATA 8477,7242,5914,5944
DATA 5937,6160,12271,13782,32767
END
La respuesta al impulso unitario calculada mediante MATLAB y el simulador de TMS320C25

deben ser iguales. Si no son iguales entonces el programa en ensamblador no está correcto. La
respuesta obtenida mediante MATLAB y el simulador se muestra en la tabla 18.13
Ejemplo 18.7:
Mediante la utilización de las tablas calcular el filtro de onda de Chebychev para las especifica-
ciones n=5, amax = 2 dB, frecuencia del corte ω1 = 1. Escribir el programa para el análisis del
filtro en MATLAB y calcular la respuesta al impulso unitario en el dominio de la frecuencia.
Los valores del filtro se obtienen de la tabla 18.10 y son los siguientes
α1 = 0,2610, β2 = 0,2251, α3 = 0,1857, β4 = 0,1933, α51 = 0,3797, y α52 = 0,4229
hn MATLAB SIMULADOR
h0 -0.0032 -0.00317
h1 -0.0292 -0.00291
h2 -0.1187 -0.1187
h3 -0.2744 -0.2743
h4 -0.3754 -0.3755
Tabla 18.13: Respuesta del filtro a impulso unitario
El circuito de orden cinco se muestra en la figura 18.20
Figura 18.20: Filtro de onda de orden n=5
El programa para la simulación en MATLAB es el siguiente y la atenuación del filtro se muestra

en la figura 18.21
ALFA(1)=0.2610;
BETA(2)=0.2251;
ALFA(3)=0.1857;
BETA(4)=0.1933;
ALFA(5,1)=0.3797;
ALFA(5,2)=0.4229;
N2=0;
N4=0;
N6=0;
N8=0;
N10=0;
XN=1;
for i=1:1:100
XN1=ALFA(1)*XN-ALFA(1)*N2+N2;
XN2=XN1+N4;
XN3=-ALFA(3)*XN2-ALFA(3)*N6+N6;
XN4=XN3+N8;
BN4=XN4-ALFA(5,1)*XN4+2*N10-ALFA(5,1)*N10-ALFA(5,2)*N10;
BN2=XN2-ALFA(3)*XN2+BN3+N6-ALFA(3)*N6;
N1=XN*ALFA(1)-ALFA(1)*N2+BN1;
N3=BN1+BN2;
N5=-ALFA(3)*XN2-ALFA(3)*N6+BN3;
N7=BN3+BN4;
N9=-ALFA(5,1)*XN4+N10-ALFA(5,1)*N10-ALFA(5,2)*N10;
YN(i)=-ALFA(5,1)*XN4+2*N10-ALFA(5,1)*N10-ALFA(5,2)*N10;
N2=N1;
N4=N3;
N6=N5;
N8=N7;
N10=N9;
XN=0;
end
plot(w,20*log10(abs(h)));
Figura 18.21: Atenuación del filtro de onda N=5.

Tarea 18.1:
ciones n=3, amax = 1 dB, frecuencia del corte ω1 = 1. Escribir el programa para el análisis del
Tarea 18.2:
Mediante la utilización de las tablas calcular el filtro de onda de Butterworth para las especifi-
caciones n=3, amax = 0.4 dB, frecuencia del corte ω1 = 1. Escribir el programa para el análisis
del filtro en MATLAB y calcular la respuesta al impulso unitario en el dominio de la frecuencia.
Tarea 18.3:
Tarea 18.4:
ciones n=5, amax = 0.5 dB, frecuencia del corte ω1 = 1. Escribir el programa para el análisis del
Tarea 18.5:
ciones n=7, amax = 0.5 dB, frecuencia del corte ω1 = 1. Escribir el programa para el análisis del
Tarea 18.6:
Capı́tulo 19
Filtros digitales en celosı́a
19.1. Filtros con la respuesta finita al impulso

Filtros con la respuesta finita al impulso FIR se describen mediante una función de transferencia
de la forma
m
am (k)z −k
X
Hm (z) = Am (z) = 1 + m = 0, 1, 2, 3... (19.1)
k=1
o mediante la ecuación de diferencias (en general para un filtro FIR a0 6= 1

m
X
y(n) = a0 · x(n) + am (k)x(n − k) m = 0, 1, 2, 3, ... (19.2)
k=1
Figura 19.1: Estructura del filtro con respuesta finita al impulso FIR
En la figura 19.1 se muestra la estructura del filtro FIR con la respuesta finita al impulso. El
filtro FIR en la figura 19.1 se puede dibujar de la forma mostrada en la figura 19.2. En la salida
del filtro de la figura 19.2 se obtiene la siguiente señal
y(n) = x(n) − x̂(n)

donde
389
390 capı́tulo 19. filtros digitales en celosı́a
Figura 19.2: Filtro de predicción FIR.
m
X
x̂(n) = − am (k)x(n − k)
k=1
es una predicción del valor x(n), esta estructura se llama filtro de predicción FIR. Si hay un
filtro FIR de primer orden, la salida tiene la forma
y(n) = x(n) + a1 (1)x(n − 1) (19.3)

La misma respuesta en la salida se obtiene mediante la estructura en celosı́a que se muestra
en la figura 19.3. Si se alimentan los dos entradas de la estructura celosı́a con la señal x(n) se
obtiene en las salidas
f0 (n) = g0 (n) = x(n) (19.4)

f1 (n) = x(n) + K1 x(n − 1) (19.5)
g1 (n) = K1 x(n) + x(n − 1) (19.6)
Figura 19.3: Filtro de la cruz de primer orden
En la salida arriba de la estructura en celosı́a para K1 = a1 (1) se obtiene la ecuación (19.3). El

parámetro K1 se llama el coeficiente de reflexión.
Ahora se va a realizar el filtro celosı́a de segundo orden, ecuación (19.2), que tiene la siguiente
ecuación en diferencias
19.1. filtros con la respuesta finita al impulso 391
y(n) = x(n) + a2 (1)x(n − 1) + a2 (2)x(n − 2) (19.7)

Se puede ver, que la estructura en la figura 19.4 realiza la ecuación en diferencias (19.7). En la
salida del primer circuito se calcula f1 (n)
Figura 19.4: Dos circuitos en celosı́a de primer orden en la cascada
f1 (n) = x(n) + K1 x(n − 1)

g1 (n) = K1 x(n) + x(n − 1) (19.8)
y en la salida del segundo circuito se obtiene
f2 (n) = f1 (n) + K2 g1 (n − 1)
g2 (n) = K2 f1 (n) + g1 (n − 1) (19.9)
Si se sustituye en las ecuaciones (19.9) por f1 (n) y g1 (n) se obtiene
f2 (n) = x(n) + K1 x(n − 1) + K2 [K1 x(n − 1) + x(n − 2)]

f2 (n) = x(n) + x(n − 1)K1 (1 + K2 ) + K2 x(n − 2)
Si se compara la última ecuación con la ecuación (19.7) se obtiene
K2 = a2 (2)
K1 (K2 + 1) = a2 (1)
El valor del coeficiente de reflección K1 se calcula de la ecuación (19.10)
a2 (1)
K1 = (19.10)
1 + a2 (2)
Si se conocen los valores de los coeficientes del filtro FIR am (k) se pueden calcular los coeficientes
de la reflexión del filtro FIR para la estructura en celosı́a. El vector {am } de los coeficientes ai
es
{am } = {1 a2 (1) a2 (2) a2 (3) ...} (19.11)

La función fm (n) a la salida de un filtro en celosı́a se puede obtener mediante la ecuación (19.12)
m
X
fm (n) = am (k)x(n − k) am (0) = 1 (19.12)
k=0
Para la salida de la rama inferior del circuito en celosı́a de la figura 19.4 se obtienen las ecuaciones
g2 (n) = K2 f1 (n) + g1 (n − 1)
g2 (n) = K2 [x(n) + K1 x(n − 1)] + K1 x(n − 1) + x(n − 2)
g2 (n) = K2 x(n) + x(n − 1)[K1 (1 + K2 )] + x(n − 2)
g2 (n) = a2 (2)x(n) + a2 (1)x(n − 1) + x(n − 2)
La respuesta en la salida de la rama inferior del circuito 19.4 se puede calcular mediante la
convolución
m
X
gm (n) = bm (k)x(n − k) (19.13)
k=0
Los coeficientes del vector gm (n) se representan mediante la ecuación (19.14)
{gm } = {...b2 (3) b2 (2) b2 (1) 1} (19.14)

Los coeficientes bm (i) i = m − 1, m − 2, ..., 1 se ordenan en orden decreciente, en comparación
con la ecuación (19.11) donde están ordenadas en forma creciente.
bm (k) = am (m − k) (19.15)
Aplicando la transformada z directa a la ecuación (19.13) se obtiene la ecuación
Gm (z) = Bm (z) · X(z) (19.16)

La función de transferencia Bm (z) toma la forma
Gm (z)
Bm (z) = (19.17)
X(z)
Los coeficientes bm (k) son los coeficientes de la función de transferencia Bm (z) que se pueden
expresar en la forma
m
bm (k)z −k
X
Bm (z) = (19.18)
k=0
La relación entre los coeficientes bm (k) y am (k) está expresada por la ecuación (19.15). Ası́ se
puede escribir la ecuación (19.18) de la forma
m m
am (m − k)z −k =
X X
Bm (z) = am (l)z l−m
k=0 l=0
m
Bm (z) = z −m am (l)z l = z −m Am (z −1 )
X
(19.19)
l=0
El polinomio Bm (z) es similar al polinomio Am (z). Las ecuaciones (19.9) se pueden escribir de
la siguiente forma general
f0 (n) = g0 (n) = x(n)

fm (n) = fm−1 (n) + Km gm−1 (n − 1) m = 1, 2, 3, ..., M − 1 (19.20)
gm (n) = Km fm−1 (n) + gm−1 (n − 1) m = 1, 2, 3, ..., M − 1
Y utilizando la transformada z se obtiene
F0 (z) = G0 (z) = X(z)

Fm (z) = Fm−1 (z) + Km z −1 Gm−1 (z) (19.21)
Gm (z) = Km Fm−1 (z) + z −1 Gm−1 (z)
Si se dividen las ecuaciones (19.21) entre X(z) se obtiene al final
A0 (z) = B0 (z) = 1 (19.22)

Am (z) = Am−1 (z) + Km z −1 Bm−1 (19.23)
Bm (z) = Km Am−1 (z) + z −1 Bm−1 (z) (19.24)
Las ecuaciones (19.23) y (19.24) se pueden presentar en la forma matricial:
" # " # " #
Am (z) 1 Km Am−1 (z)
= × (19.25)
Bm (z) Km 1 z −1 Bm−1 (z)
Ejemplo 19.1:
Calcular los coeficientes de un filtro FIR directo, si se conocen los coeficientes de reflexión de un
filtro en celosı́a.
1 1 1
K1 = K2 = K3 =
2 3 4
Usando la ecuación (19.23) se obtiene para m=1
A1 (z) = A0 (z) + K1 B0 (z) = 1 + K1 z −1

1
A1 (z) = 1 + z −1
2
El polinomio B(z) tiene sus coeficientes en la forma recı́proca, luego el polinomio B(z) toma la
forma
1
+ z −1
B1 (z) =
2
Sustituyendo m=2 en la ecuación (19.23) se obtiene
1 1 1

A2 (z) = A1 (z) + K2 z B1 (z) = 1 + z −1 + z −1
−1
+ z −1
2 3 2
2 1
A2 = 1 + z −1 + z −2
3 3
El polinomio B2 (z) se escribe en la forma recı́proca al polinomio A2 (z)
1 2 −1
+ z + z −2
B2 =
3 3
Si se sustituye en la ecuacion (19.23) m=3 se obtiene el polinomio A3 (z)
2 1 1 1 2 −1

A3 (z) = A2 (z) + K3 z −1 B2 (z) = 1 + z −1 + z −2 + z −1 + z + z −2
3 3 4 3 3
3 1 1
A3 (z) = 1 + z −1 + z −2 + z −3
4 2 4
Los coeficientes del filtro FIR de la estructura transversal son
3 1 1
a0 = 1 a1 = a2 = a3 =
4 2 4
y la estructura del filtro con la respuesta al impulso finita se muestra en la figura 19.5
Ahora se va a transformar el filtro FIR transversal a un filtro FIR en celosı́a. Se supone que
los coeficientes de un filtro FIR en la forma transversal son el polinomio Am (z). Para un filtro
FIR en celosı́a de orden m, el último coeficiente de reflexión es igual al último coeficiente del
polinomio Am (z). Entonces Km = am (m). Para obtener los coeficientes de reflexión restantes
Km−i es necesario calcular los polinomios Am−1 , Am−2 , ..., A1 . Esos polinomios pueden calcularse
usando las ecuaciónes (19.23) y (19.24) para calcular Am−1 (z) y Bm−1 (z).
Figura 19.5: Filtro FIR en celosı́a y FIR con estructura directa
Am−1 (z) = Am (z) − Km z −1 Bm−1 (z)

Bm−1 (z)z −1 = Bm (z) − Km Am−1 (z)
Si se sustituye en la primera ecuación Bm−1 (z) se obtiene
2
Am−1 (z) = Am (z) − Km Bm (z) + Km Am−1 (z)
h i
2
Am−1 (z) 1 − Km = −Km Bm (z) + Am (z)
reorganizando la última ecuación se calcula
Am (z) − Km Bm (z)
Am−1 (z) = 2
m = M − 1, M − 2, ..., 1 (19.26)
1 − Km
Calculando la ecuación (19.26) para m = M − 1, M − 2, ..., 1 se obtienen los coeficientes del

polinomio A(m) en forma recı́proca. Estos coeficientes son los coeficientes de reflexión del filtro
FIR en celosı́a.
Ejemplo 19.2:
Calcular los coeficientes de reflexión Ki de un filtro FIR en celosı́a si se conoce la función de
transferencia del filtro FIR.
3 1 1
A3 (z) = H(z) = 1 + z −1 + z −2 + z −3
4 2 4
El primer coeficiente K3 es el último coeficiente de A3 (z). Entonces K3 = 14 . Es necesario calcular
el polinomio B3 (z). Polinomio B3 (z) se expresa en la forma recı́proca al polinomio A3 (z).
1 1 −1 3 −2
B3 (z) = + z + z + z −3
4 2 4
Si se sustituye por A3 (z), B3 (z) y K3 en la ecuación (19.26) se obtiene para m = 3

A3 (z) − K3 B3 (z) 1 + 34 z −1 + 21 z −2 + 14 z −3 − 14 14 + 12 z −1 + 43 z −2 + z −3
A2 (z) = =
1 − K32 1 − ( 41 )2
2 1
A2 (z) = 1 + z −1 + z −2
3 3
y el polinomio B3 (z) es
1 2 −1
B3 (z) = + z + z −2
3 3
El coeficiente de refleción K2 es el último coeficiente de A2 (z).
1
K2 =
3
Para m = 2, utilizando las ecuaciones (19.26) se calcula el polinomio A1 (z)

A2 (z) − K2 B2 (z) 1 + 23 z −1 + 13 z −2 − 1
3
1
3 + 23 z −1 + z −2
A1 (z) = =
1 − K22 1− ( 31 )2
1
A1 (z) = z −1
2
1
El último coeficiente de reflexión es K1 = 2 y el filtro en celosı́a se muestra en la figura 19.6
Figura 19.6: Filtro FIR en celosı́a de tercer orden
19.2. Filtros con la respuesta infinita al impulso

Los filtros que sólo tienen polos también se pueden realizar con una estructura en celosı́a. La
función de transferencia de los filtros que sólo tienen polos se puede escribir de la forma
Y (z) 1 1
= = H(z) = PN (19.27)
X(z) A(z) 1 + k=1 aN (k)z −k
La forma transversal directa que realiza la ecuación (19.27) se muestra en la figura 19.7. La
ecuación en diferencias de este sistema es
Figura 19.7: Filtro IIR transversal de todo polos
N
X
y(n) = x(n) − aN (k)y(n − k) (19.28)
k=1
La expresión anterior corresponde a la ecuación en diferencias de un filtro transversal IIR. Si se
intercambian salida por entrada y entrada por salida se obtiene
N
X
x(n) = y(n) − aN (k)x(n − k) (19.29)
k=1
Reordenando la ecuación (19.29) de la forma siguiente
N
X
y(n) = x(n) + aN (k)x(n − k) (19.30)
k=1
se obtiene la ecuación en diferencias de un filtro FIR que se define mediante la ecuación H(z) =
A(z). La función H(z) de un filtro IIR se define por la ecuación H(z) = 1/A(z). Entonces un
19.2. filtros con la respuesta infinita al impulso 397
sistema se obtiene a partir del otro si se cambia la salida por la entrada y la entrada por salida.
Si se cambian la entrada y la salida en la figura 19.3 se obtiene un filtro IIR del primer orden
en celosı́a 19.8. A partir de la figura 19.8 se pueden escribir las ecuaciones siguientes
Figura 19.8: Filtro IIR en celosı́a
x(n) = f1 (n)
f0 (n) = f1 (n) − K1 g0 (n − 1)
g1 (n) = K1 f0 (n) + g0 (n − 1) (19.31)
y(n) = f0 (n)
y(n) = x(n) − K1 y(n − 1)
y de manera similar para g1 (n) se obtiene
g1 (n) = K1 y(n) + y(n − 1) (19.32)

La ecuación (19.31) representa un filtro IIR y la ecuación (19.32) un filtro FIR. Para el filtro de
segundo orden, figura 19.9, se obtienen los ecuaciones
Figura 19.9: Filtro IIR en celosı́a de segundo orden
f2 (n) = x(n)
f1 (n) = f2 (n) − K2 g1 (n − 1)
g2 (n) = K2 f1 (n) + g1 (n − 1)
(19.33)
f0 (n) = f1 (n) − K1 g0 (n − 1)
g1 (n) = K1 f0 (n) + g0 (n − 1)
y(n) = f0 (n) = g0 (n)
Areglando estas ecuaciones y calculando y(n) y g2 (n) se obtiene
y(n) = x(n) − K1 (1 + K2 )y(n − 1) − K2 y(n − 2) (19.34)

g2 (n) = K2 y(n) + K1 (1 + K2 )y(n − 1) + y(n − 2) (19.35)
La ecuación (19.35) representa el filtro IIR con dos polos en el denominador y la ecuación (19.36)
representa el filtro FIR con dos ceros. La función de transferencia de filtro IIR es
Y (z) F0 (z) 1
Ha (z) = = = (19.36)
X(z) Fm (z) Am (z)
y la función de transferencia del filtro FIR es
Hb (z) = Bm (z) = z −m Am (z −1 ) (19.37)

Los coeficientes del filtro FIR son idénticos a los del sistema IIR pero en orden inverso. Los filtros
IIR y FIR en celosı́a tienen coeficientes iguales, únicamente la estructura es diferente como se
puede apreciar en la figura 19.10.
Figura 19.10: El filtro FIR y IIR de la cruz.
Los filtros IIR en celosı́a que sólo tienen polos se utilizan para modelar el tracto vocal. Los
primeros tres formantes de las cinco vocales se muestran en la tabla 19.1. La frecuencia está nor-
malizada y el valor unitario corresponde a 4 kHz. Por ejemplo los primeros formantes del vocal
A para un adulto hombre son en las frecuencias 900 Hz, 1300 Hz y 2700 Hz.
Por ejemplo para modelar la vocal A se puede utilizar el filtro en celosı́a todo polos de orden ocho
que se muestra en la figura 19.11. Los valores de los coeficientes de reflexión Ki para generar la
vocal A son los siguientes
K1 = −0,5636299150 K2 = 0,485687256 K3 = 0,451232910 K4 = 0,368438721

K5 = −0,3283691410 K6 = 0,147521973 K7 = 0,313507080 K8 = 0,431030273
19.2. filtros con la respuesta infinita al impulso 399
Tabla 19.1: Los tres primeros formantes Ui de los fonemas vocálicos
Vocal F0 F1 F2
A 900 1300 2700
E 375 2200 2550
I 325 2300 3900
O 400 550 4300
U 325 425 4500
Figura 19.11: Filtro IIR de todos polos que modela la vocal A.
Mediante un programa en MATLAB se obtiene el módulo H(ω) de una vocal A que se muestra
en la figura 19.12. En la figura se ven los formantes. En el programa se utilizó el coeficiente
A1 =0,778765581 para amplificar el módulo H(ω). La frecuencia del muestreo elegido fue fm =
8000 Hz. En la figura 19.12 desde la frecuencia 4000 Hz se repite la gráfica y únicamente debe
tenerse en cuenta la información en 0 y 4000 Hz.
El programa que realiza los cálculos es:
N(2)=0;
N(4)=0;
N(6)=0;
N(8)=0;
N(10)=0;
N(12)=0;
N(14)=0;
N(16)=0;
XN=1;
K(1)=-0,56362915;
K(2)=0,485687256;
K(3)=0,45123291;
K(4)=0,368438721;
K(5)=-0,328369141;
K(6)=0,147521973;
K(7)=0,31350708;
K(8)=0,431030273;
A1=0,778765581;
for j=1:1:10
XN(1)=XN-N(2)*K(8);
for i=2:1:8
XN(1)=XN(2)*K(8)
U=9;
XN(i)=XN(i-1)-N(2*i)*K(U-i);
end
for i=1:1:7
U=8;
N(2*i-1)=(2*i+2)+K(U-i)*XN(1+i);
N(15)=XN(8);
end
YN(j)=A1*N(15)
for I=1:1:8
N(2*i)=N(2*i-1);
end
end
Figura 19.12: Módulo del espectro de la vocal A.

19.3. filtros iir con polos y ceros 401
19.3. Filtros IIR con polos y ceros

La figura 19.13 corresponde con la estructura de un filtro digital muy popular que propusieron
Markel y Gray. Esta estructura es poco sensible a los erores de cuantificación. Si se realiza un
filtro digital con esa estructura, los coeficientes de los multiplicadores siempre salen menores que
uno. Eso es muy importante si el filtro se realizará mediante un microcontrolador que trabaja
con punto fijo. En el filtro en la figura 19.13 los bloques Gi (z) se realizarán con los circuitos que
tienen uno o dos multiplicadores 19.14. Para el filtro con dos multiplicadores se pueden escribir
las ecuaciones
Di (z) Di+1 (z) Hi (z)

= − ai
Dn (z) Dn (z) Dn (z)
Hi+1 (z) Di (z) Hi (z)

z = a1 +
Dn (z) Dn (z) Dn (z)
Las ecuaciones se pueden simplificar
Di+1 (z) = Di (z) + ai Hi (z) (19.38)
Hi+1 (z) = z −1 ai Di (z) + z −1 Hi (z) (19.39)
Figura 19.13: Modelo del filtro IIR propuesto por Markel y Gray
Figura 19.14: Bloques de los filtros Gi (z) en el filtro de Markel

las ecuaciones anteriores se pueden escribir en la forma matricial

" # " # " #
Di+1 (z) 1 ai Di (z)
= −1 × (19.40)
Hi+1 (z) ai z z −1 Hi (z)
o en la forma
" # " # " #
Di (z) 1 1 −ai z Di+1 (z)
= × (19.41)
Hi (z) 1 − a2i ai z Hi+1 (z)
Si se sustituye i-1 por i se obtiene
" # " # " #
Di−1 (z) 1 1 −ai−1 z Di (z)
= × (19.42)
Hi−1 (z) 1 − a2i−1 −ai−1 z Hi (z)
De la última ecuación se puede escribir una ecuación recursiva para calcular el polinomio Di−1 (z).
i−1
Di (z) − ai−1 zHi (z) X
Di−1 (z) = = di−1,j z −j (19.43)
1 − a2i−1 j=0
De la teorı́a en celosı́a se sabe que
zHi (z) = Di (z −1 )z −i (19.44)

El numerador de la función de transferencia es una combinación lineal de función de transferencia
de cada filtro parcial. Y por eso se obtiene
i−1
ni−1,j z −j
X
Ni−1 (z) = Ni (z) − zHi (z) · ci = (19.45)
j=0
Ejemplo 19.3:
Realizar la función de transferencia con la estructura de Markel y Gray si se conoce la función
de transferencia H(z).
N3 (z) 0, 0344 + 0, 1032z −1 + 0, 1032z −2 + 0, 0344z −3

H(z) = =
D3 (z) 1 − 1, 5804z −1 + 1, 2538z −2 − 0, 3984z −3
En el circuito de la figura 19.15 los coeficientes a2 y c3 son las constantes n3 y d3 de los polinomios
N3 (z) y D3 (z).
a2 = −0, 3984 c3 = 0, 0344

Es necesario calcular N2 (z) y D2 (z). Usando las ecuaciones (19.43), (19.44) y (19.45), para i=3
se obtiene
zH3 (z) = D3 (z −1 )z −3 = −0, 3984 + 1, 2538z −1 − 1, 5804z −2 + z −3
N2 (z) = N3 (z) − zH3 (z)c3 =
0, 034 + 0, 103z −1 + 0, 103z −2 + 0, 034z −3 − 0, 034(−0, 398 + 1, 253z −1 − 1, 580z −2 + z −3 )

Figura 19.15: Filtro IIR de estructura Markel y Gray
N2 (z) = 0, 048105 + 0, 0600693z −1 + 0, 1575658z −2 (19.46)
1 − 1, 580z −1 + 1, 253z −2 − 0, 398z −3 +

D2 (z) =
1 − 0, 15872264
0,398(−0,398 + 1,253z −1 − 1, 580z −2 + z −3 )

1 − 0,15872264
D2 (z) = 1 − 1, 2848153z −1 + 0, 7419296z −2 (19.47)

La función de transferncia H2 (z) toma la forma
N2 (z) 0,048105 + 0,0600693z −1 + 0,1575658z −2

H2 (z) = =
D2 (z) 1 − 1,28481537z −1 + 0,7419296z −2
Los últimos coeficientes de H2 (z) son los coeficientes del filtro
a1 = 0, 7419296 c2 = 0, 1575658
El procedimiento se repite para i = 2. Sustituiendo al (19.43), (19.44) y (19.45) se obtiene
zH2 (z) = D2 (z −1 )z −2 = 0, 7419296 − 1, 2848153z −1 + z −2
N1 (z) = N2 (z) − zH2 (z)c2 = −0, 06877977 + 0, 2625123z −1 (19.48)
D2 (z) − a1 zH2 (z)

D1 (z) = = 1 − 0, 7375817z −1 (19.49)
1 − a21
Los multiplicadores del filtro son los últimos coeficientes de los polinomios D1 (z) y N1 (z), en-
tonces
a0 = −0,7375817 c1 = 0,2625123
Todavı́a es necesario calcular el coeficiente c0 . Para i = 1 se obtiene
zH1 (z) = d1 (z −1 )z −1 = z −1 − 0,7375817

N0 (z) = N1 (z) − c1 zH1 (z)
N0 (z) = 0,1248266 (19.50)

El último coeficiente del filtro es c0 = 0,1248266 y la estructura se muestra en la figura 19.15
Ejemplo 19.4:
Calcular el filtro pasa bajas de Butterworth para las especificaciones:
n=2 amax = 3dB, f1 = 3400Hz y fm = 20000Hz
1
H(s) = √
s2 + 2s + 1
z−1 π3400
s=c c = cotg = 1, 6909
z+1 20000
0, 15998 + 0, 319977z −1 + 0, 15998z −2 N2 (z)

H2 (z) = =
1 − 0, 59488z −1 + 0, 23484z −2 D2 (z)
Los coeficientes a1 y c2 del filtro Markel y Gray figura 19.16 son los últimos coeficientes de
la función de transferencia H2 (z), a1 = 0, 23484, c2 = 0, 15998. Para calcular los coeficientes
restantes es necesario calcular la función D1 (z) y N1 (z) mediante las ecuaciones
ci − zHi ai−1
Di−1 = (19.51)
1 − a2i−1
zHi = z −i Di (z −1 ) (19.52)
Ni−1 = Ni − zHi ci (19.53)

Calculando el polinomio D1 (z) y N1 (z) se obtiene
D1 (z) = 1 − 0, 481466z −1
N1 (z) = 0, 1224 + 0, 415145z −1

Otros coeficientes del filtro son a0 = −0, 481466 y c1 = 0, 415145. Falta calcular el polinomio N0
para obtener el coeficiente c0 .
N0 = c0 = 0, 3222
El filtro Butterworth de segundo orden se muestra en la figura 19.16
Figura 19.16: Filtro pasa bajas de segundo orden, estructura Markel y Gray
Ejemplo 19.5:
Calcular el filtro paso altas de Butterworth para las especificaciones:
n=2 amax = 3dB, f−1 = 3400Hz y fm = 20000Hz
1
H(s) = √
s2 + 2s + 1
z+1 π3400
s=k k = tg = 0,591398
z−1 20000
0, 45743254 − 0, 914865z −1 + 0, 457432z −2 N2

H2 (z) = −1 −2
=
1 − 0, 59488z + 0, 23484z D2
Los coeficientes a1 y c2 del filtro Markel y Grey figura 19.17 son los últimos coeficientes de
la función de transferencia H2 (z), a1 = 0, 23484, c2 = 0, 457432. Para calcular los coeficientes
restantes es necesario calcular las funciones D1 (z) y N1 (z) mediante las ecuaciones
Ci − zHi ai−1
Di−1 = (19.54)
1 − a2i−1
zHi = z −i Di (z −1 ) (19.55)
Ni−1 = Ni − zHi Ci (19.56)

Calculando se obtienen los polinomios D1 (z) y N1 (z)
D1 (z) = 1 − 0,481754z −1
N1 (z) = 0,3501 − 0,6427437z −1

Los coeficientes del filtro son a0 = −0, 481466 y c1 = −0, 6427437. Falta calcular el polinomio
N0 para obtener el coeficiente c0 . El coeficiente c0 se calcula mediante la ecuación 19.56.
N0 = c0 = 0, 040365
El filtro Butterworth paso altas de segundo orden se muestra en la figura 19.17
Ejemplo 19.6:
Calcular el filtro paso bajas de Butterworth para las especificaciones:
La función de transferencia del filtro Butterworth se obtiene de las tablas y para amax = 3 dB
es la siguiente:
1
H(s) =
1 + 2s + 2s2 + s3
La función de transferencia para amax =1 dB se obtiene si se sustituye s por
p
s =2n e0,23max − 1s (19.57)
p
s =6 e0,23 − 1s = 0, 798187s
La función de transferencia del filtro Butterworth de tercer orden para la atenuación máxima
amax =1 dB es
1
H(s) =
0, 508509s3 + 1, 274176s2 + 1, 596356a + 1
Para calcular la transformada z bilineal se utiliza la matriz de Pascal, pero primero se calcula
la constante c.
π3400
c = cotg = 1, 376382
17000
Los coeficientes de la función de transferencia H(z) se calculan mediante la matriz de Pascal,

vea sección 17.3.
       
a0 1 1 1 1 1 0, 6936944
 a1   3 1 −1 −3   1, 596356 · 1, 376384   −1, 194384 
= × =
       
a2 3 −1 −1 3 1, 274175 · 1, 3763822 2, 366716
 
       
a3 1 −1 1 −1 0, 508509 · 1, 3763823 −0, 109276
       
b0 1 1 1 1 1 1
 b1   3 1 −1 −3   0   3 
= × =
       
b2 3 −1 −1 3 0 3
 
       
b3 1 −1 1 −1 0 1
La función de transferencia H3 (z) de tercer orden toma la forma
0, 144155 + 0, 432467z −1 + 0, 432467z −2 + 0, 144155z −3 N3

H3 (z) = −1 −2 −3
=
1 − 0, 172177z + 0, 3411756z − 0, 0157527z D3
Los coeficientes a2 y c3 del filtro Markel y Grey, figura 19.18, son los últimos coeficientes de la
función de transferencia H3 (z), a2 = −0, 0157527, c3 = 0, 144155. Para calcular los coeficientes
restantes es necesario calcular los polinomios D2 (z) y N2 (z) mediante las ecuaciones
Ci − zHi ai−1
Di−1 = (19.58)
1 − a2i−1
zHi = z −1 DSi (z −1 ) (19.59)
Ni−1 = Ni − zHi Ci (19.60)

Calculando los polinomios D2 (z) y N2 (z) se obtiene
N2 (z) = 0, 1464258 + 0, 3832848z −1 + 0, 457287z −2
D2 (z) = 1 − 0, 16684396z −1 + 0, 3385473z −2

Los coeficientes del filtro son a0 = 0, 33854732 y c2 = 0, 457287. Falta calcular el polinomio
N1 (z) y D1 (z) para obtener los coeficientes c1 y a0 .
N1 (z) = −0, 00838748 + 0, 45958037z −1
D1 (z) = 1 − 0, 124706z −1
Otros coeficientes del filtro Markel y Gray son a0 = −0,124706 c1 = 0,45958. Mediante la
ecuación 19.60 se calcula N0 .
N0 = c0 = 0, 04892357
El filtro Butterworth de tercer orden se muestra en la figura 19.18
Ejemplo 19.7:
Escriba el programa en MATLAB para realizar el análisis del circuito de la figura 19.18. Dibuje
mediante el programa MATLAB la atenuación del filtro. Las ecuaciones obtenidas para cada
nodo del circuito en la figura 19.18 son las siguientes
N1=XN-N8*A2 N5=N4+N3*A0
N2=N1-N6*A1 N7=N6+N2*A1
N3=N2-N4*A0 N9=N8+N1*A2
YN(i)=N3*C0+N5*C1+N7*C2+N9*C3
El parámetro YN(i) es la respuesta al impulso unidad cuando X(n) es un impulso unidad

{1 0 0 0 0...}. El Programa para calcular la atenuación del filtro Markel y Gray
de la figura 19.18 es el siguiente
XN=1;
N4=0;
N2=0;
N8=0;
N6=0;
A0=-0.124706;
A1=0.338547;
A2=-0.015753;
C0=0.048923;
C1=0.459804;
C2=0.457287;
C3=0.144155;
for i=1:1:20
N1=XN-N8*A2;
N2=N1-N6*A1;
N3=N2-N4*A0;
N5=N4+N3*A0;
N7=N6+N2*A1;
N9=N8+N1*A2;
YN(i)=N3*C0+N5*C1+N7*C2+N9*C3
N8=N7;
N6=N5;
N4=N3;
XN=0;
end
plot(w,20*log10(abs(h)))
La atenuación del filtro Butterworth de tercer orden se muestra en la figura 19.19
Figura 19.19: La atenuación del Filtro Markel y Gray
Tarea 19.1:
Calcule el filtro paso bajas de Butterworth mediante el método Markel y Gray para las especi-
ficaciones:
Escriba el programa para análisis del filtro mediante el paquete MATLAB y grafique la atenua-
ción del filtro.
Tarea 19.2:
ficaciones:
ción del filtro.
Tarea 19.3:
ficaciones:
ción del filtro.
Tarea 19.4:
2 1 1
A3 (z) = H(z) = 1 + z −1 + z −2 + z −3
4 3 4
Tarea 19.5:
3 2 1
A3 (z) = H(z) = 1 + z −1 + z −2 + z −3
4 3 5
Tarea 19.6:
1 1 1
K1 = K2 = K3 =
3 4 5
Tarea 19.7:
2 1 2
K1 = K2 = K3 =
3 2 5
Capı́tulo 20
Filtros digitales de dos dimensiones
La función de transferencia de los filtros de dos dimensiones con la respuesta al impulso infinita
es:
PM PN i j
i=0 j=0 aij z1 z2
H(z1 , z2 ) = PM PN (20.1)
i j
i=0 j=0 bij z1 z2
se puede escribir también en la forma matricial, como se muestra en la ecuación (20.2)
   
a00 a01 a02 ... a0n 1
 a10 a11 a12 ... a1n   z2 
   
h i  a a21 a22 ... a2n   z2 
×  20
  2 
1 z1 z12 . . . z1m ×

 ... ... ... ... ...   ... 

   
 ... ... ... ... ...   ... 
am0 am1 am2 ... amn z2n
H(z1 , z2 ) =    . (20.2)
b00 b01 a02 ... b0n 1
 b10 b11 b12 ... b1n   z2 
   
h i  b b21 b22 ... b2n   z2 
×  20
  2 
1 z1 z12 . . . z1m ×

 ... ... ... ... ...   ... 

   
 ... ... ... ... ...   ... 
bm0 bm1 bm2 ... bmn z2n
El elemento aij (resp. bij ) son los coeficientes del polinomio del numerador, (resp. denominador).
Los filtros de dos dimensiones se pueden diseñar de dos maneras diferentes
a) Aproximar las especificaciones de la plantilla en el dominio de dos dimensiones. Pero de
esta manera la aproximación es muy exigente.
b) Aproximar las especificaciónes de la plantilla en el dominio de s, de una dimensión y des-
pués hacer una transformación de la función de tranferencia de una dimensión H(s) a la función
de transferencia de dos dimenciones H(s1 , s2 ). Posteriomente utilizando la transformada bilineal
se transforma la función de transferencia H(s1 , s2 ) desde el dominio s1 , s2 al dominio discreto
H(z1 , z2 ). Aquı́ se utilizará este método para diseñar los filtros digitales de dos dimensiones. En
el ejemplo siguiente se muestra como se calcula el filtro paso bajas de Cauer.
411
412 capı́tulo 20. filtros digitales de dos dimensiones
20.1. Diseño de un filtro de paso bajas

Diseñe un filtro de dos dimensiones paso bajas que cumpla las especificaciones de la plantila
que se muestra en la figura 20.1. Las frecuencias de muestreo en los dos ejes son iguales fm1 =
fm2 = fm = 16000 Hz. Para calcular el orden del filtro de typo CAUER tenemos que calcular
el coeficiete de selectividad k y la constante q.
Figura 20.1: Especificaciones del filtro digital de paso bajas de una dimensión
f2 3400
k= = = 0, 666
f1 5100
" 2 4 6 #4
k2 k k k
q= 1+2 + 15 + 150 ...
16 4 4 4
" 2 4 6 # 4
0, 6662 0, 666 0, 666 0, 666

q= 1+2 + 15 + 150 = 0, 036458.
16 4 4 4
El orden n del filtro se obtiene sustituyendo en la ecuación (20.3)
ln(e0,23amax − 1) − 0, 23amin − 2, 77
n= . (20.3)
ln q
Sustituyendo por amax = 0, 8695 dB , q = 0, 036458 y amin = 21,739 dB se obtiene el orden del
filtro Cauer
ln(e0,23·0,8695 − 1) − 0, 23 · 21, 379 − 2, 77

n= = 2, 81.
ln 0, 036458
Se elige el orden del filtro n = 3. Los ecuaciones siguientes para calcular los ceros y los polos
de la función de transferencia se pueden utilizar sólo para el cálculo de los ceros y polos de los
filtros del orden impar. Los ceros de la función de transferencia se calculan mediante la ecuación
(20.4)
1 sin 2kπ 2 6kπ 6 10kπ

2n − q sin 2n + q sin 2n
Ω0k = 2q 4 . (20.4)
1 − 2q cos 2kπ 4 4kπ
n + 2q cos n
Sustituyendo por q = 0, 036458, k = 1 y n = 3 se obtiene
20.1. diseño de un filtro de paso bajas 413
0, 8660254 − 2, 0337,10−9
Ω01 = 0, 873933 = 0, 73123.
1 + 0, 036458 − 1, 7667,10−6
Para calcular los ceros de la función de transferencia, se tiene que calcular el parametro w
" #
1 2 (0, 115amax )2
w= ln + + ... . (20.5)
2n 0, 115amax 12
Sustituyendo por n y amax en la ecuación (20.5) se obtiene
1
w= [2, 99573 + 0, 00083] = 0, 499427.
6
La función de transferencia es de orden impar y por lo tanto un cero es real y otro cero es
complejo. El cero real se obtiene mediante la ecuación (20.6)
1 senh w − q 2 senh 3w + q 6 senh 5w

α0 = t = 2q 4 . (20.6)
1 − 2q cosh 2w + 2q 4 cosh 4w
La parte real de la raı́z compleja se calcula mediante la ecuación (20.7)
q
t −Ω20k (k + k −1 − Ω20k )
αk = (20.7)
1 + t2 Ω20k
y la parte imaginaria del cero complejo se calcula mediante la ecuación (20.8)
p
Ω0k 1 + t2 (k + k −1 + t2 )
±Ωk = ± . (20.8)
1 + t2 Ω20k
Sustituyendo los valores w y q en la ecuacion (20.6) se calcula t, y después α1 , y Ω1 .
0, 520449 − 0, 002825 + 1, 4167,10−8

α0 = t = 2 · 0, 436466 = 0, 50908
1 − 0, 112417 + 0, 0000133
p
0, 50908 1 − 0, 730232 (0, 666 + 0, 666−1 − 0, 730232 )
α1 = = 0, 16046
1 + 0, 509082 · 0, 730232
p
0, 73023 1 + 0, 509082 (0, 666 + 0, 666−1 + 0, 509082 )
Ω1 = = 0, 81877.
1 + 0, 509082 · 0, 730232
La función de transferencia resultante se calcula mediante la ecuación (20.9).
s2 + 2α1 s + α12 + Ω21

G(s) = K(s + t) (20.9)
1 + Ω12 s2
01
y toma la forma
s2 + 0, 32092s + 0, 6961317
G(s) = K(s + 0, 50908) .
0, 5332359s2 + 1
La constante K se calcula bajo la condición de que el módulo de la función de transferencia para
ω = 0 es igual a uno. Para obtener |G(0)| = 1, K debe ser K = 2, 8217761. Se puede comprobar
si las especificaciones de la plantilla se cumplen para las frecuencias ω = 0, 816 y ω = 1, 224.

Para ω = 0, 816 se obtiene
0, 696 − 0, 8162 + j0, 3209 · 0, 816

G(0, 816) = 2, 821 · (j0, 816 + 0, 509)
1 − 0, 533 · 0, 8162
|G| = |2, 302j + 1, 436| × |0, 0469 + j0, 406| =⇒ amax = 0, 8695 [dB].
De manera similar para ω = 1, 224 se obtiene
0, 696 − 1, 2242 + j0, 3209 · 1, 224

G(1, 224) = 2, 821(0, 509 + j1, 224)
1 − 0, 533 · 1, 2242
|G| = |1, 436 + j3, 4538| × | − 3, 9879 + j1, 9529|. =⇒ amin = 21, 379 [dB].
De esta manera se comprueba si se cumplen las especificaciones en las frecuencias de corte.
Para transformar la función de transferencia desde el dominio unidimensional al dominio de dos
dimensiones se utiliza la transformada de Shanks.
s = s2 cos β − s1 senβ. (20.10)

1
La función de transferencia G(s) se define H(s) = G(s) , que es la relación salida/entrada.
1 1 + s2 0, 53332359
H(s) = 0, 3543867 × .
s + 0, 509908 0, 6961317 + 0, 32092s + s2
La desnormalización y la transformada de Shanks se muestra en el cálculo de la función de
transferencia H1 (s)
1
H1 (s) = .
s + 0, 509908
Para la desnormalización de frecuencias se utilizan las relaciones s = s/ω0 , donde ω0 = 2π · 3400
y se obtiene
ω0
H1 (s/ω0 ) = .
s + 0, 509908ω0
Si se aplica a la última ecuación la transformada de Shanks de dos dimensiones (20.10), se
obtiene
ω0
H1 (s1 , s2 ) = .
s2 cos β − s1 senβ + 0, 509908ω0
La función de transferencia H1 (s1 , s2 ) se transforma mediante la transformada z bilineal desde
el dominio s a dominio de z.
2 1 − z1 2 1 − z2
s1 = s2 = .
T 1 + z1 T 1 + z2
Sustituyendo s1 y s2 a la función de transferencia H1 (s1 , s2 ) se obtiene
T ω0 (1 + z1 + z2 + z1 z2 )
H1 (z) = ,
b00 + b21 z1 + b12 z2 + b22 z1 z2
20.2. análisis del filtro digital de dos dimensiones 415
donde
b21 = 2 cos β + 1senβ + 0, 509908ω0 T

b12 = −2 cos β − 2senβ + 0, 509908ω0 T
b22 = −2 cos β + 2senβ + 0, 509908ω0 T
b00 = 2 cos β − 2senβ + 0, 509908ω0 T.
Para β = 270◦ , f0 = 3400 [H]z y fm = 1/T = 16000 [Hz] la función de transferencia toma la
forma:
1 + z 1 + z 2 + z1 z2
H1 (z1 , z2 ) = 0, 498048 . (20.11)
1 − 0, 492082z1 + z2 − 0, 492082z1 z2
De manera similar la función de transferencia H1 (z), se calcula la función de transferencia H2 (s).
Las circuitos con las funciones de transferencia H1 (z) y H2 (z) se conectan en cascada.
1 + 0, 53323s2
H2 (s) = .
0, 69613 + 0, 32092s + s2
Después de un cálculo similar al caso de la función de transferencia H1 (s), se obtiene el
siguiente resultado
   
h i 1 2 1 1
1 z1 z12 ×  −0, 7669 −1, 5337 −0, 7669  ×  z2 
   
1 2 1 z22
H2 (z1 , z2 ) = 1, 3191    . (20.12)
h i 1 2 1 1
1 z1 z12 ×  −1, 2587 −2, 5173 −1, 2587  ×  z2 
   
1, 391 2, 782 1, 391 z22
20.2. Análisis del filtro digital de dos dimensiones

Si se utiliza la transformada de dos dimensiones se obtiene la función de transferencia paso bajas
H(z1 , z2 ). La gráfica de la función de transferencia se muestra en la figura 20.2.
Figura 20.2: Caracterı́stica de la amplitud del filtro paso baja. La banda de paso está marcada
con el número 1.
Si se analiza la función de transferencia (20.13)

Figura 20.3: Caracterı́stica de la amplitud de un filtro paso bajas simétrico
H(z1 , z2 )H(z1 , z2−1 ) (20.13)

se obtiene la respuesta de un filtro simétrico como se muestra en la figura 20.3. En el caso de
la simetrı́a octagonal, es necesario calcular el módulo de la función de transferencia mediante la
ecuación (20.14)
H(z1 , z2 )H(z1 , z2−1 )H(z1−1 , z2 )H(z1−1 , z2−1 ). (20.14)

El filtro recursivo de dos dimensiones con la fase cero, se obtiene si se conectan en cascada los
filtros simétricos. Si se filtra una señal de dos dimensiones primeramente por medio del filtro
simétrico en el primer cuadrante con la función de transferencia H(z1 , z2 ) y después con el filtro
simétrico en el tercer cuadrante con la función de transferencia H(z1−1 , z2−1 ), se obtiene el filtro
resultante con la función de transferencia que tiene la fase cero
H2 (z1 , z2 ) = H(z1 , z2 )H(z1−1 , z2−1 ) (20.15)
20.3. Diseño de un filtro paso bajas simétrico

Ejemplo 20.1:
Diseñe un filtro de dos dimensiones con la caracterı́stica de Butterworth de orden n = 2 para

amax = 3 dB, Ω0 = 1 a β = π4 .
La función de transferencia del filtro de Butterworth de segundo orden es
1
H(p) = .
1 + 1, 41421s + s2
Si se sustituye por s la transformada de Shanks (20.10) y después la transformada z bilineal
como en ejemplo anterior, se obtiene la función de transferencia de dos dimensiones H(z1 , z2 ).
Este filtro discreto de paso bajas no es simétrico. El filtro simétrico lo obtenemos calculando la
ecuación
HDP (z1 , z2 ) = H(z1 , z2 )H(z1 , z2−1 ).

20.4. diseño del filtro paso altas simétrico 417
Calculando se obtiene la matriz de los coeficientes del filtro paso bajas simétrico
 
1 4 6 4 1

 4 16 24 16 4 

A= 6 24 36 24 6
 

 
 4 16 24 16 4 
1 4 6 4 1
 
9, 219577 62, 98387 158, 6508 −54, 98386 19, 57162

 −32, 45760 −245, 6205 −83, 16479 −440, 1478 147, 6223 

B= 96, 08774 100, 5595 593, 0211 −52, 55957 435, 5436 .
 
−32, 45760 −245, 6205 −83, 16479 −440, 1478
 
 147, 6223 
9, 219578 62, 98387 158, 6508 −54, 98386 19, 57162
La caracterı́stica de amplitud del filtro de paso bajas simétrico HDP (z1 , z2 ) se muestra en la
figura 20.4.
Figura 20.4: Caracterı́stica de la amplitud del filtro paso bajas simétrico
20.4. Diseño del filtro paso altas simétrico

Usando la transformada (20.10) en la función de transferencia de paso altas H(s) se obtiene
la función de transferencia discreta de filtro de paso alta H(z1 , z2 ). La caracterı́stica de la
amplitud se muestra en la figura 20.5. Para poder sumar las funciones de transferencia y no
sólo sus módulos, es necesario que la fase de la función de transferencia sea cero. La función de
transferencia con fase cero se obtiene mediante la ecuación (20.16)
HHP (z1 , z2 ) = H(z1 , z2 ) · H(z1−1 , z2−1 ) (20.16)

Ejemplo 20.2:
Diseñe la función de transferencia de un filtro pasa alta simétrico de segundo orden con las
especificaciones de primer ejemplo. La función de transferencia de un filtro analógico de paso
alta de segundo orden es
s2
H(p) = .
s2 + 1, 41421s + 1
Usando la transformada de Shanks y la transformada z bilineal, los coeficientes de la función de

transferencia de paso altas de dos dimensiones toman la forma
 
13, 39569 0 0
A= 0 −26, 79120 0
 

0 0 13, 39569
 
9, 219 −3, 176021 1
B =  −3, 17602 −22, 79120 7, 1760215  .
 
1 7, 176021 19, 571620
La función de transferencia del filtro simétrico de paso altas con la fase cero se calcula mediante
la ecuación (20.16). Se obtiene la matriz de la función de transferencia que tiene 13×13 elementos
y por esta razón no la escribimos. En la figura 20.5a se muestra la caracteristica de la amplitud
del filtro simétrico de paso altas. En la figura 20.5b se muestra la caracterı́stica del mismo filtro
en tres dimensiones.
Figura 20.5: a) Caracterı́stica de la amplitud del filtro paso altas en dos dimensiones b) Carac-
terı́stica de la amplitud del filtro paso altas en tres dimensiones
20.5. Diseño del filtro supresor de banda

La función de transferencia de un filtro supresor de banda se obtiene si se suman las funciones
de transferencia de un filtro paso bajas con una frecuencia del corte Ω01P BF y la función de
transferencia de un filtro paso altas con una frecuencia del corte Ω01P A . Se calcula HSB =
HP BF + HP A . Para que se puedan sumar las funciones de transferencia es necesario calcular las
funciónes de transferencia con fase cero. Para calcular la función de transferencia de un filtro
simétrico supresor de banda se aprovechan las funciones de transferencia del filtro paso bajas y
paso altas desde los ejemplos anteriores. Es necesario cambiar la frecuencia del corte del filtro
paso altas para cumplir la ecuación Ω01BP F < Ω01P A .
Las caracterı́sticas de amplitud de supresor de banda en dos y en tres dimensiones se muestran
en la figura 20.6a,b.
20.6. diseño del filtro de paso banda 419
Figura 20.6: Caracterı́stica de amplitud del filtro supresor de banda simétrico
20.6. Diseño del filtro de paso banda

La función de transferencia de un filtro paso banda se obtiene si se multiplican las funciónes de
transferencia de un filtro paso bajas con frecuencia de corte Ω01P BF con la función de tranferencia
de un filtro paso altas con frecuencia del corte Ω01P A . Para estas frecuencias se debe de cumplir
la condición Ω01P BF > Ω01P A . La gráfica de dos dimensiones del filtro paso banda HP B =
HP BF · HP A se muestra en la figura 20.7a. La caracterı́stica de la amplitud de paso banda en
tres dimensiones se muestra en la figura 20.7b.
Figura 20.7: Caracterı́sticas de la amplitud del filtro paso banda
20.7. Realización de las funciones transferencias

La estructura del filtro de dos dimensiones con la respuesta infinita al impulso se dibuja desde
la función de transferencia H(z1 , z2 ). La realización directa de la función de transferencia se
muestra en la figura 20.8
a00 + a01 z2 + a10 z1 + a11 z1 z2
H(z1 , z2 ) = (20.17)
1 + b01 z2 + b02 z22 + b10 z1 + b11 z1 z2 + b12 z1 z22
La estructura en la figura 20.8 tiene muchos elementos de retardo. Otra posibilidad es la rea-
lización de la función de transferencia de dos dimensiones mediante la fracción en escalera.
La función de transferencia H(z1 , z2 ) se puede desarrollar en la fracción de varias maneras. Si
Figura 20.8: Realización directa de la función de transferencia
Figura 20.9: Las estructuras escaleras del filtro digital H(z1 , z2 )
se desarrolla la función de transferencia H(z1−1 , z2−1 ) en la fracción en escalera de la siguiente

manera
1
H(z1 , z2 ) = C1 + (20.18)
A1 z1−1 + C2 +
1
1
B1 z −1 + 1
2
..
.
y si las constantes C2 , C3 , . . . A1 , A2 . . . B1 , B2 no son iguales a cero, la estructura se muestra en
la figura 20.9a. Si se ordena la función de transferencia H(z1 , z2 ) en la forma que se muestra en
la ecuación (20.19), se obtiene la estructura que se muestra en la figura 20.9a
1
H(z1 , z2 ) = C1 + . (20.19)
A1 z1−1 + C2 + B −1
1
1
1 z2 +C3 +
..
.
Si se arregla la función de transferencia H(z1 , z2 ) en la forma (20.20), se obtiene la estructura
que se muestra en la figura 20.10.
20.8. realización mediante ampliación de la matriz 421
1
H(z1 , z2 ) = 1 . (20.20)
C1 + A1 ,z1−1 + 1
C2 + 1
B1 z −1 + 1
2
..
.
Figura 20.10: Realización de la función de transferencia H(z1 , z2 ) con la fracción en escalera
Ejemplo 20.3: Realizar con la fracción en escalera la función de transferencia de dos dimen-
siones
48z12 z2 + 12z12 + 144z1 z2 + 33z1 + 81z2 + 15

H(z1 , z2 ) =
48z12 z2 + 12z12 + 12z1 z2 + 27z2 + 2
Si se arregla la función de transferencia en fracción en escalera se obtiene
1
H(z1 , z2 ) = 1 + 1 .
2z1 + 2+ 1
3z2 + 1
4+ z 1+2
1
La estructura se muestra en la figura 20.11. Otra posibilidad para obtener la estructura del filtro
digital de dos dimensiones es mediante ampliación de las matrices de forma similar a como se
realizan los filtros unidimensiónales.
20.8. Realización mediante ampliación de la matriz

Para diseñar la estructura del filtro que realiza la siquiente función de transferencia
(1 + z1−1 )(1 + z2−1 )

H(z1 , z2 ) = .
1 + az1−1 + bz2−2 + cz1−1 z2−1 + dz1−1 z2−2
Primero se construye la matriz de transferencia de segundo orden
(1 + z1−1 )(1 + z2 )
" #
T
N = −1 .
1 + az1−1 + bz2−1 + cz1−1 z2 −1 + dz1−1 z2−2
Si se elige
Figura 20.11: Estructura de ejemplo
n23 = 1 + z2−1 n31 = 1 + x−1

1
n33 = −1 − az1−1 − bz2−1 − cz1−1 z2−1 − dz1−1 z2−2 n32 = 0,
se obtiene
n323 .n331 n323 .n332

n321 = n221 + =0 n322 = n222 + = −1
n333 n333
y la matriz con dos filas y tres columnas toma la forma
" #
(3) 0 1 1 + z2−1
N = .
1 + z1−1 0 −1 − az1−1 − bz2−1 − cz1−1 z2−1 − dz1−1 z2−1
Si se continua este procedimiento ampliando las matrices se obtiene al final N(7)
0 −1 1 0 1 0 0
 

 1 0 −1 0 −b z1−1 0 

(7)
 0 0 −a −1 −c 0 1 
N = .
 
−1


0 0 z2 0 −1 0 0 

 1 0 0 1 0 −1 0 
0 0 0 0 −dz2−1 0 −1
De la matriz de flujo N(7) se puede dibujar la estructura del filtro de dos dimensiones. La
estructura se muestra en la figura 20.12. El orden de la función de transferencia es igual al
número de elementos de la estructura, por lo que la estructura es canónica.
Figura 20.12: Estructura de un filtro digital de dos dimensiones

Capı́tulo 21
El efecto de la cuantización
En los sistemas discretos los números se representan en forma binaria. Un número x se puede
expresar por la ecuación (21.1).
B−1
X
x= bn · 2n (21.1)
n=0
El término bn tiene valor 0 ó 1 dando lugar al término binario. La constante B indica la cantidad
de bits necesarios para representar x.
Ejemplo 21.1:
Queremos expresar el número x = 0, 236 en forma binaria con B = 7 bits.
La forma de obtener la representación binaria se basa en multiplicar por dos la parte decimal
de número de manera que cuando el resultado es mayor que 1 el bit correspondiente toma valor
1 mientras que cuando es menor que 1 el bit toma valor 0.
0, 236 · 2
0, 472 · 2
0, 944 · 2
1, 888 · 2 x = 0 · 20 + 0 · 2−1 + 0 · 2−2 + 1 · 2−3 + 1 · 2−4 + 1 · 2−5 + 1 · 2−6
1, 776 · 2 x = ,0 0 0 1 1 1 1
1, 552 · 2
1, 104 · 2
Entonces
xE = 1 · 2−3 + 1 · 2−4 + 1 · 2−5 + 1 · 2−6 = 0, 125 + 0, 0625 + 0, 03125 + 0, 015625 = 0, 234375
Como se muestra en este ejemplo, el número x se aproxima por un número xE con un erorr
E7 = x − xE = 0, 001625. Este error puede ser la causa de la inestabilidad del filtro, ya que los
coeficientes variarán en función del número de bits B utilizados. A continuación se expresa el
mismo número expresado por B = 13 bits.
423
424 capı́tulo 21. el efecto de la cuantización
0, 236 · 2
0, 472 · 2
0, 944 · 2
1, 888 · 2
1, 776 · 2
1, 552 · 2
1, 104 · 2
xE = 1 · 2−3 + 1 · 2−4 + 1 · 2−5 + 1 · 2−6 + 1 · 2−10 + 1 · 2−11 + 1 · 2−13
0, 208 · 2
xE = ,0 0 0 1 1 1 1 0 0 0 1 1 0 1
0, 416 · 2
xE = 0, 2359619
0, 832 · 2
el error en este caso es menor
1, 664 · 2
E12 = x − xE = 0, 0000381
1, 328 · 2
0, 656 · 2
1, 312
El error de cuantización utilizando trece bits es menor en comparación con el eror si se utiliza el
cuantizador de 7 bits. Los números negativos pueden ser representados como aditivos inversos a
los números positivos. En la aritmética complementaria base dos, los números negativos tienen
en el bit más significativo siempre iqual a 1.
Ejemplo 21.2:
Expresar en número x = −0,236 en forma binaria con B = 6 bits. Primero se calcula el mismo
número pero positivo.
xE = 0, 236 = ,0 0 0 1 1 1 1
A continuación se cambian ceros por unos y unos por ceros y se suma el número 1, usando
aritmética complementaria en base dos
−
xE = 1 1 1 0 0 0 0
1
− − − −− −− −− −− −− −− −−
xE = 1 1 1 0 0 0 1
El número negativo es
xE = −1 + 2−1 + 2−2 + 2−6 = −0, 234375

En la figura 21.1 se muestran los números en el cı́rculo de la aritmética complementaria base
dos usando 3 bits. De la figura podemos ver, que el número mayor positivo expresado por tres
bits será 0,75 y el número más negativo -1.
Ejemplo 21.3:
Obtener el número binario negativo representado por x = 1 1 1
x = −1 + 2−1 + 2−2 = −0,25

425
Figura 21.1: Números fraccionarios y números enteros representados por 3 bits
Debido al error de cuantificación se obtiene el número xQ en lugar del número x. La cuantificación

de una señal es una operación no lineal, que no requiere memoria. En la figure 21.2 se muestran
dos esquemas de la cuantificación. En el esquema b) el efecto de la no linealidad se modela
mediante un ruido de cuantificación aditivo.
Figura 21.2: Cuantificador lineal y no lineal
En la figura 21.2
x es un voltaje en la entrada
xQ es el voltaje de salida cuantificado
n representa un ruido debido al error de cuantificación
La relación no lineal entre la señal x y la señal cuantificada xQ depende de la aproximación

de x. En el caso de redondeo la relación entre el voltaje x y su aproximación, utilizando un
cuantificador de tres bits se muestra en la figura 21.3b.
Si se aplica la cuantización como aproximación de los números al truncamiento, se obtiene la
relación entre voltaje x y voltaje cuantificado xQ que se muestra en la figura 21.3a. Si se aplica
en la aproximación de números el redondeo, la relación entre x y xQ se muestra en la figura
21.3b.
Como se ve en la figura 21.4 el error de cuantificación para el truncamiento se encuentra
entre 0 y Q y para el redondeo se encuentra entre Q2 y − Q2 . Q es el paso de cuantización y se
calcula mediante la ecuación
Q = 2−B+1 (21.2)
Figura 21.3: Aproximación del número x expresada por tres bits usando a) truncamiento b) y
redondeo
Figura 21.4: Error de cuantización para el truncamiento y el redondeo
Para el número expresado con 3 bits B=3, el paso de cuantificación es
Q = 2−3+1 = 0, 25
La varianza del redondeo se calcula mediante la ecuación
Q
1
Z
2
ρ2E = u2 du (21.3)
Q −Q
2
 3

Q3
1 u3 Q2 1 Q + Q2
ρ2E = | Q=  8 8 =
Q 3 −2 Q 3 12
si se sustituye Q = 2−B+1 la varianza del ruido de redondeo resulta
(2−B+1 )2 2−2B
ρ2E = = (21.4)
12 3
El error que se comete al convertir una señal contı́nua en amplitud, en una representación
discreta, se evalúa en términos de la relación señal a ruido (RSR). La señal debe estar limitada
en amplitud para evitar la posibilidad de desbordamiento. Para eso se utiliza un factor de
ganancia G como se muestra en la figura 21.5
Para asegurar que nunca se produce desbordamiento se pueden utilizar valores pequeños de G
a costo de reducir la relación señal a ruido (RSR). El ruido de cuantización es fijo y al bajar
21.1. cuantificación de los coeficientes 427
Figura 21.5: Señal x(n) limitada con factor de ganancia G
el valor de G se reduce la amplitud de la señal. Este compromiso entre el desbordamiento y el

ruido de cuantificaación es un tema a tener muy en cuenta cuando se utilizan microprocesadores
que trabajan con punto fijo.
La relación señal a ruido se define por la ecuación
Px Px (G, x)
RSR = 10 log = 10 log (21.5)
Pn ρ2E
donde
Pn = ρ2E Px = ρ2x = E[x2 (n)] (21.6)
Pn es la potencia de ruido
Px es la potencia de la señal
1
La potencia Px depende del factor de ganancia G. Si Px (G, x) = 4ρ y ρ = 4 se obtiene
1 2−2B
RSR = 10 log − 10 log = −12, 0412 + 20 · B log 2 + 10 log 3
16 3
RSR = 6 · B − 7, 27 [dB]
Ejemplo 21.4:
Calcule la relación señal a ruido para los cuantificadores de 8 y 16 bits
RSR8 = 8 · (6) − 7, 27 = 40, 73 dB

RSR16 = 6 · (16) − 7, 27 = 88, 73 dB
La señal en la entrada se cuantifica durante la conversión de los números, pero también se
cuantifican los coeficientes de la función de transferencia.
21.1. Cuantificación de los coeficientes

Los coeficientes de un filtro digital también se cuantifican con B bits. La señal a la salida del
filtro con respuesta finita al impulso se puede expresar mediante la ecuación
N
X −1
y(n) = hQ (k) · x(n − k) (21.7)
k=0
donde hQ (k) es el término que representa los coeficientes cuantificados del filtro FIR. La función
de transferencia de un filtro con coeficientes cuantificados H(f ) se puede expresar mediante la
ecuación
N −1 N −1
h(i)e−jωT + [h(i)Q − h(i)]e−jωT
X X
H(ejω ) = (21.8)
i=0 i=0
H(ejωT ) = H(ejωT ) + He (ejωT ) (21.9)

He (ejωT ) es la función de transferencia que representa el error debido a la cuantificación de los
coeficientes. El máximo error que puede alcanzar la respuesta del sistema se puede expresar por
el módulo de la función de transferencia.
|He (ejω )| ≤ N max|hQ (i) − h(i)| (21.10)

N siendo el tamaño del filtro o número de los coeficientes. Si los coeficientes están redondeados
a B bits el error absoluto del sistema es
|He (ejω )| ≤ N · 2−B (21.11)

y en decibeles
|He (ejω | ≤ 20 log N − 6 · B (21.12)

Siendo B el número de bits utilizado para representar los coeficientes del filtro.
Ejemplo 21.5:
Hallar el error He (ejω ) producido en un sistema con 100 coeficientes representados por 16-bits.
20 log |He (ejω )| = 20 log 100 − 6 · 16 ≤ −56 dB

Si tenemos un filtro F IR con 50 coeficientes el error no es menor que
20 log |He (ejω )| = 20 log 50 − 6 · 16 = −82 dB
21.2. Cuantificación de los coeficientes del filtro IIR

La función de transferencia de un filtro IIR se puede expresar en la forma
PM −k
k=0 bk z
H(z) = PM , (21.13)
1+ −k
k=1 ak z
y la función de transferencia con los coeficientes cuantificados es
PM −k
k=0 bkQ z
HQ (z) = PM (21.14)
1+ −k
k=1 akQ z
Los coeficientes cuantificados se pueden expresar por medio de los coeficientes originales y los
errores:
21.2. cuantificación de los coeficientes del filtro iir 429
Figura 21.6: Localización de los polos y ceros de un filtro con paso de banda angosta
akQ = ak − ∆ak
bkQ = bk − ∆bk (21.15)
La posición de los polos y los ceros también varı́an debido a la cuantificación de los coeficientes.
zQi = zi + ∆zi (21.16)
En condiciones ideales un sistema puede ser estable, pero debido a un eror de cuantificación un
polo cercano al circulo unitario puede salir fuera del cı́rculo y el filtro se convierte en un circuito
inestable. En la figura 21.6. se muestran los polos y ceros de un filtro paso banda. La influencia
de los errores de cuantificación en la amplitud se muestra en la figura 21.7.
Figura 21.7: Amplitud de la función de transferencia del filtro ideal y del filtro cuantificado
Algunas estructuras son muy sensibles a la cuantificación de los coeficientes. Las estructuras
directas de orden mayor que n = 2 son muy sensibles a la cuantificación de los coeficientes,
ya que la ubicación de los polos depende de muchos coeficientes de la función de transferen-
cia. Las estructuras en cascada y las estructuras paralelas son menos sensibles a los erores de
cuantificación.
21.2.1. Sobreflujo en los circuitos digitales.

Si se realiza el filtro mediante el microcontrolador que trabaja con punto fijo se debe tomar en
cuenta el sobreflujo. El Sobreflujo o desbordamiento ocurre en las salidas de los sumadores de
un circuito, figura 21.8
Para evitar la posibilidade de sobreflujo o de desbordamiento podemos utilizar un factor de

ganancia G. Con este factor se dividen los coeficientes bi en el numerador de la función de
transferencia (21.17)
b0 + b1 z −1 + b2 z −2
H(z) = , (21.17)
a + a1 z −1 + b2 z −2
y se obtiene la nueva función de transferencia HG (z) que se realiza
b0
G + bG1 z −1 + bG2 z −2
HG (z) = . (21.18)
a + a1 z −1 + b2 z −2
La respuesta a una señal de entrada se define por la ecuación
N
X −1
y(n) = h(m)x(n − m) (21.19)
m=0
En el caso más desfavorable, cuando la señal en la entrada tiene su valor máximo
x(n) = {1 1 1 1 1 1 1 1 ... }
la respuesta puede ser escrita en la forma
N
X −1
y(n) = h(m), (21.20)
m=0
y el factor de ganancia G se calcula mediante la ecuación

N
X −1
G= h(m) (21.21)

m=0
Los coeficientes de la función de transferencia en el numerador se dividen entre G y ası́ se evita

el sobreflujo.
21.2. cuantificación de los coeficientes del filtro iir 431
Ejemplo 21.6
Calcular nuevos coeficientes del numerador de la función de transferencia H(z) ecuación (21.22)
para evitar el sobreflujo.
1 + 1,621784z −1 + z −2
H(z) = (21.22)
1 − 0,4030703z −1 + 0,233262z −2
Una de las estructuras que realiza la función de transferencia (21.22) se muestra en la figura
21.9. Es necesario calcular las respuestas al impulso en la salida de cada sumador. Para calcular
las respuestas al impulso h3 y h4 es necesario calcular las funciones de transferencia H3 (z) y
H4 (z).
Y3 (z) Y4 (z)
H3 (z) = H4 (z) =
X1 (z) X1 (z)
Para obtener H3 (z) se numeran los nodos del circuito como se muestra en la figura 21.10a.
Calculando la matriz N6 se obtiene
Figura 21.10: Filtros digitales de segundo orden
 
b1 −1 1 0 0 −a1

 0 0 −1 0 z −1 0 
N6 =  0 z −1 0 −1 0 0  (21.23)
 
0 −1 −a2 
 
 b2 0 0
b0 0 0 1 0 −1
Tabla 21.1: La tabla de los respuestas al impulso
{h} {h4 } {h5 }

1 2.024854 0.766733
2.024854 1.582893 -0.47233
1.582892 0.1656869 -0.3692353
0.165686 -0.302562 −3,864915,10−2
-0.302451 -0.160654 7,055178,10−2
—————- ——– —————–
—————- ——– —————–
1,284583,10−6 1,316025,10−5 −2,99649,10−7
|h(n)| = 5,307 |h4 (n)| = 1,771 |h5 (n)| = 4,307
P P P
Si se reduce la matriz N(6) hasta N(2) se obtiene la función de transferencia H4 (z) entre los
nodos 1 y 2 del circuito en la figuta 21.10a.
2,024854 + 0,7667338z −1
H4 (z) = (21.24)
1 − 0,4030703z −1 + 0,233266z −1
La matriz de transferencia H4 (z) se calcula desde la estructura en la figura 21.10b. En este caso
el nodo 2 se marca después de segundo sumador. Calculando la matriz flujo de señales N(6) se
obtiene
 
b2 −1 0 0 0 −a2

 0 z −1 −1 0 0 0 
(6)
N = 0 0 0 −1 z −1 0  (21.25)
 
0 −1 −a1 
 
 b1 0 1
b0 0 0 1 0 −1
y la función de transferencia reduciendo N 6 a N 2 toma la forma
0,7667338 − 0,6363365z −1
H5 (z) = (21.26)
1 − 0,4030703z −1 + 0,233266z −1
De las ecuaciones (21.22), (21.24) y (21.26) se calculan las respuesta al impulso unitario h(n),
h4 (n) y h5 (n). Los valores de la respuesta h(n), h4 (n) y h5 (n) se muestran en la tabla 21.1.
|h(n)|. La función de
P
Para cada ganancia G se elige desde la tabla el número máximo de
transferencia (21.27) que se va a realizar se obtiene de H(z), ecuación (21.22), si a cada coeficiente
del numerador se le divide entre G=5.307.
1,621 −1
1
5,307 + 5,307 z
1
+ 5,307 z −2 0,188 + 0,305z −1 + 0,188z −2
H(z) = = (21.27)
1− 0,403z −1 + 0,233z −2 1 − 0,403z −1 + 0,233z −2
Si se realiza filtro con la nueva función de transferencia, no aparece el sobreflujo, pero se habrá re-
ducido la relación señal-ruido (RSR).
Capı́tulo 22
Submuestreo de la señal
Los sistemas digitales que realizan cambios en la frecuencia de muestreo analógica son muy útiles
en distintas aplicaciones. Los algoritmos se utilizan en procesamiento de voz y de imagenes, en
los sistemas de transmisión de datos, en codificación etc. Mediante la decimación las muestras de
una señal se reducen modificando su frecuencia del muestreo fm . Con la decimación, (compresión,
submuestreo) el número de muestras se reduce, entonces la frecuencia de muestreo se disminuye.
Si las muestras de la señal aumentan se aumenta la frecuencia de muestreo fm . No siempre es
necesario utilizar el cambio del tiempo de muestreo, sólo en algunos casos. Por ejemplo, si en un
disco CD se grabó la música con una frecuencia de muestreo de 44.1 kHz y se desea escuchar
en un estudio donde el sistema trabaja con una frecuencia de muestreo 48 kHz se ofrecen dos
soluciones. La primera consiste en que del disco se transforma a una señal analógica y esta señal
se transforma de nuevo a una señal digital con frecuencia de muestreo 48 kHz. Este procedimiento
es muy simple pero se pierde calidad, las A/D y D/A cometen errores. La segunda solución es
utilizar interpolación y decimación para realizar el cambio de la frecuencia de muestreo. En la
actualidad existen bastantes publicaciónes sobre este tema, entre ellos cabe destacarlos [18] y
[76].
En la figura 22.1 a) se observa la señal x(t) = 0, 9 · cos(2πf0 t) que se muestrea con un tiempo
de T=1 ms, la frecuencia de muestreo es fm =1 kHz. La frecuencia de la señal f0 =50 Hz, y su
periodo T0 =20 ms. La señal x(n) tiene 100 muestras y su espectro se representa en la figura
22.1 b).
Figura 22.1: 100 muestras de la señal x(n) muestreada con frecuencia fm = 1 kHz y su espectro
433
434 capı́tulo 22. submuestreo de la señal
A continuación se va a realizar el muestreo de la misma señal x(n) con una frecuencia de muestreo
fm = 500 Hz. Antes de realizar dicho muestreo con la frecuencia fm =500 Hz veamos la señal x(n)
de longitud 100 muestras pero haciendo cero las muestras impares figura 22.2 a). La frecuencia
de muestreo todavı́a continua siendo fm =1 kHz, pero el módulo del espectro tiene dos periodos
tal y como se puede observar en la figura 22.2 b).
Figura 22.2: a) 100 muestras de la señal x(n) muestrada con frecuencia fm = 1 kHz igualando
a cero las muestras impares. b) Espectro de la señal x(n).
A continuación se eliminan las muestras impares previamente igualadas a cero y se realiza la

operación submuestreo. Eso significa que de las 100 muestras de la señal x(n) se obtienen 50
muestras. Las 50 muestras de la señal x(n) y su espectro se muestran en las figuras 22.3 a), y
22.3 b) respectivamente.
Figura 22.3: a) 50 muestras de la señal x(n) muestrada con la frecuencia fm = 500 Hz b) Espectro
de la señal x(n).
En la figura 22.4 se representa la operación de submuestreo de una señal discreta donde M es un

número entero y real. Matemáticamente la decimación de la señal discreta se expresa mediante
la ecuación
∞
X
y(m) = w(n) = h2 (i)x(n − i) = h(n) ∗ x(n) para m = nM, (22.1)
i=−∞
y(m) = 0 para m 6= nM, m = 0, 1, 2, · · ·

435
Figura 22.4: Esquema del bloque para submuestreo (decimación) de una señal discreta
El programa en MATLAB para el submuestreo que se ha utilizado para generar las gráficas 22.1
- 22.3 es el siguiente:
format long;
N=50;
M=2;
f0=50;
fvz=1000;
m=0:N*M-1;
t=0:1/fvz*1000:(N*M-1)/fvz*1000;
x=0.9*cos(2*pi*f0/fvz*m);
S=fft(x,2048);
figure;
stem(t,x,’filled’);grid
xlabel(’--> t [ms]’),ylabel(’--> x(n)’);
figure;
f=0:fvz/2048:fvz-fvz/2048;
plot(f,abs(S)/2/2048);
xlabel(’--> f [Hz]’),ylabel(’--> modulo de espectro’);
%Se calcula y(n) despues de decimacion con los valores iguales a ceros
y1=x;
n=0:N-1;
for i=1:N
y1(2*i)=0;
end;
SS=fft(y1,2048);
%Se dibuja la senal en el tiempo y su modulo de espectro
figure;
stem(t,y1,’filled’);grid
xlabel(’--> t [ms]’),ylabel(’--> y1(n)’);
figure;
f=0:fvz/2048:fvz-fvz/2048;
plot(f,abs(SS)/2/2048);grid
%Se calculo el espectro de y2(n) con 50 muestras sin muestras iguales
%a cero
ffvz=500;
tt=0:1/ffvz*1000:(N-1)/ffvz*1000;
y2=x([1:M:length(x)]);
SSS=fft(y2,2048);
%Dibujo de y2(n) y su espectro
figure;
stem(tt,y2,’filled’);grid
xlabel(’--> t [ms]’),ylabel(’--> y2(n)’);
figure;
ff=0:ffvz/2048:ffvz-ffvz/2048;
plot(ff,abs(SSS)/2048);grid
Si es necesario aumentar la frecuencia del muestreo, es necesario agregar nuevas muestras entre
muestras consecutivas. Este procedimiento se denomina interpolación. El resultado es una señal
discreta pero con mayor número de muestras que la señal original. El bloque de interpolación
de la señal x(n) se muestra en la figura 22.5
Figura 22.5: Esquema del bloque para sobremuestreo (interpolación) de la señal discreta
Matemáticamente el sobremuestreo (interpolación) se puede expresar mediante la ecuación (22.2)

∞
X
y(m) = w(n) = h1 (i)w(m − i), m = 0, 1, 2, · · · . (22.2)
i=−∞
m
w(m) = x(n) para n = = 0, ±L, ±2L, · · · ,
L
w(m) = 0 para m 6= ±Ln, n = 0, 1, 2, · · · .
Si los bloques de submuestreo y sobremuestreo se conectan en cascada es posible incrementar
o decrementar la frecuencia de muestreo en relación de un número racional L/M. En la figura
22.6 se presenta esta operación. En este ejemplo se modifica la señal de música muestrada con
frecuencia de muestreo fm =44.1 kHz a una señal muestrada con frecuencia fm =48 kHz. Los
números M y L deben ser números enteros y por eso es necesario buscar su máximo común
divisor. Este número se puede calcular mediante la función gcb.m (Greatest Comon Divisor) en
MATLAB, g=gcd(44100,48000). En nuestro caso el máximo común divisor es 300. Resultando
L=48000/300=160. Ası́ la frecuencia de muestreo se aumenta a fm =7056 kHz. Después la fre-
cuencia se decrementa a 48 kHz mediante submuestreo con el coeficiente M=44100/300=147. Los
filtros LP1 y LP2 se pueden realizar como un filtro LP con la respuesta a impulso h(n) = hn1 ∗hn2 ,
donde hn1 es la respuesta al impulso del filtro LP1 y hn2 es la respuesta al impulso del filtro
LP2. En la figura 22.7 se muestra el programa para el SIMULINK y la señal en los osciloscopios
antes y después de la operación submuestreo y después de la operación sobremuestreo.
22.1. banco con los filtros fir 437
Figura 22.6: La operación submuestreo y sobremuestreo en cascada.
En la investigación con señales, se utiliza la transformada de Fourier, de cosenos etc. En el inicio

de los años 80 aparecierón otras transformaciones, una de ellas la transformada de Wavelet que
en algunos aspectos es más útil que la transformada de Fourier. La realización discreta de la
transformada Wavelet está relacionada con la realización discreta de bancos de filtros [36], [56]
y [18]. Los bancos de filtros son una conexión de filtros paso bajas y paso altas figura 22.8. El
banco de filtros se compone de dos componentes; en el primer componente los filtros analizan
la señal y en el segundo componente se hace sı́ntesis de las señales. El filtro con la función
de transferencia H0 (z) deja pasar las frecuencias bajas y elimina las frecuencias altas. El filtro
con la función de transferencia H1 (z) deja pasar las frecuencias altas y elimina las frecuencias
bajas figure 22.8. El espectro de la señal se divide en frecuencias bajas y en frecuencias altas.
El resultado de este procedimiento son dos nuevas señales discretas. La información básica de
la señal original esta en la parte del espectro con bajas frecuencias. Esta parte del espectro es
suficiente para realizar una aproximación de la señal original. La parte del espectro de altas
frecuencias contiene la información que complement la aproximación. En la figura 22.8 la señal
se divide en dos zonas, pero la señal se puede dividir en más zonas. Las señales en subzonas se
pueden comprimir más que la señal original. En la figura 22.9 se presenta el banco de filtros con
M canales. En el caso del banco con dos canales se ejercita la decimación con el coeficiente 2 y
se toman en cuenta solo las muestras con los coeficientes impares. En el caso de M=5 canales se
toma en cuenta una de cada cinco muestras. En la figura 22.8 H0 (z) y F0 (z) son las funciones de
transferencia paso bajas, y H1 (z) y F1 (z) son las funciones de transferencia paso altas. Dichas
funciones pueden ser filtros lineales e invariantes en el tiempo.
22.1. Banco con los filtros FIR
Suponga que el filtro paso bajas en la parte de sı́ntesis tiene la función en diferencias descrita
por la ecuación (22.3). El filtro es de primer orden con la respuesta finita al impulso FIR. La
respuesta al impulso tiene dos valores h(0)=1/2 y h(1)=1/2. La función de transferencia H0 (z)
se obtiene utilizando la transformada z y se presenta en la ecuación (22.4)
x(n) + x(n − 1) 1
y(n) = = (x(n) + x(n − 1)) (22.3)
2 2
Figura 22.7: Las señales después de las operaciones submuestreo y sobremuestreo.
Y (z) 1
H0 (z) = = (1 + z −1 ) (22.4)
X(z) 2
La función caracterı́stica se obtiene si se sustituye z = ejω .

jω −jω
1 −jω e 2 +e 2 −jω ω
jω
H0 (e ) = (1 + ejω ) = e 2 · =e 2 · cos (22.5)
2 2 2
ω ω
M0 (ω) = cos φ0 (ω) = −
2 2
De la ecuación (22.5) se ve que la caracterı́stica es un filtro paso bajas. El módulo de la carac-
terı́stica se presenta en la figura 22.10a)
Figura 22.8: Bloque del banco de los filtros para dos canales.
Figura 22.9: Banco de filtros con M canales.
Figura 22.10: Caracterı́stica de los filtros paso bajas y paso altas.
El filtro paso altas en la parte de sı́ntesis tiene la función de diferencias escrita por la ecuación
(22.6). El filtro es de primer orden con respuesta finita al impulso FIR. La respuesta al impulso
tiene dos valores h(0)=1/2 y h(1)=-1/2. La función de transferencia H1 (z) se obtiene si se utiliza
la transformada z y se presenta en la ecuación (22.7)
x(n) − x(n − 1) 1
y(n) = = (x(n) − x(n − 1)) (22.6)
2 2
Y (z) 1
H1 (z) = = (1 − z −1 ) (22.7)
X(z) 2
La caracterı́stica se obtiene si se sustituye z = ejω .

jω −jω
1 −jω e 2 −e 2 π ω ω
H1 (e ) = (1 − e−jω ) = je 2 ·
jω
= ej( 2 − 2 ) · sen (22.8)
2 2j 2
ω π ω
M1 (ω) = sen φ1 (ω) = −
2 2 2
En la ecuación (22.8) se observa que la caracterı́stica corresponde a un filtro paso altas. El

módulo de la función de transferencia H1 (ejω ) se presenta en la figura 22.10b). El filtro paso
bajas en la parte de sı́ntesis con función de transferencia F0 (z) tiene que ser recı́proco al filtro
paso bajas H0 (z), F0 (z) = 1/H0 (z). En este caso, el filtro recı́proco con función de transferencia
F0 (z) no es un filtro FIR, es un filtro IIR no estable. Por esta razón los filtros con funciones de
transferencia (22.5) y (22.8) se conectan como se presenta en la figura 22.8. La pendiente en el
paso de transición es muy baja, ya que los filtros son muy sencillos. Mediante los filtros de onda
(de wavelets) se obtiene la pendiente en la zona de transición más grande. La distorsión se evita
si se cumple la condición (22.9)
F0 (z) · H0 (z) + F1 (z) · H1 (z) = 2z k (22.9)

La reconstrucción perfecta aparece si se cumple la condición (22.10)
F0 (z) · H0 (−z) + F1 (z) · H1 (−z) = 0 (22.10)

Se calculan las funciones de transferencia de paso bajas P1 (z) y paso altas P0 (z) mediante la
ecuación (22.11). De la ecuación (22.10) se obtienen las ecuaciones (22.11) y (22.12).
P0 (z) = F0 (z) · H0 (z) y P1 (z) = F1 (z) · H1 (z) (22.11)
F0 (z) = H1 (−z) y F1 (z) = −H0 (−z) (22.12)

Si se sustituye en (22.11) la ecuación (22.12) se obtiene la ecuación (22.13).
P1 (z) = F1 (z) · H1 (Z) = −H0 (−z) · H1 (z) = −H0 (−z) · F0 (z) = −P0 (−z) (22.13)
Sustituyendo en (22.9) la ecuación (22.13) se obtiene la ecuación (22.14).
F0 (z) · H0 (z) − F0 (−z) · H0 (−z) = P0 (z) − P0 (−z) = 2z k . (22.14)

Para construir el banco de filtros de la figura 22.8 primero se calcula el filtro paso bajas con
la función de transferencia P0 (z) para que cumpla la condición (22.14). El orden del filtro es la
suma de ordenes de los filtros con función de transferencia H0 (z) y H1 (z). A partir de la función
de transferencia P0 (z) se calculan las funciones H0 (z) y F0 (z). Mediante la ecuación (22.12) se
obtienen las funciones de transferencias H1 (z) y F1 (z). Para que los filtros sean realizables tienen
que ser filtros causales, eso significa que la respuesta al impulso debe empezar en el tiempo n=0.
Los filtros se pueden modificar, para que los coeficientes de la función de transferencia sean
simétricos. Esto se logra multiplicando la P0 (z) porz k .
P (z) = z k · P0 (z) (22.15)

Ası́ como k es un número impar utilizando
P (−z) = (−z)k · P0 (−z) = −z k · P0 (−z), (22.16)

la ecuación (22.13) se simplifica a la ecuación (22.17)
P (z) + P (−z) = 2. (22.17)

De la ecuación (22.17) se deduce, que la función de transferencia P (z) tiene que ser simétrica,
entonces todos coeficientes pares de P (z) deben ser iguales a cero excepto el coeficiente a0 ,
del término con potencia cero: a0 · z 0 . Las potencias impares de z se cancelan, si se suman las
funciones de transferencia P (z) y P (−z). El diseño de los filtros con la función de transferencia
H0 (z) y H1 (z) se muestra en el ejemplo siguiente.
Ejemplo 22.1:
Calcule las funciones de transferencia H0 (z) y F0 (z) para el banco de filtros que se muestran en
la figura 22.8. Primero se crea la función P0 (z) que tiene el módulo maximamente plano
P0 (z) = A(1 + z −1 )4 Q(z)

.
La función Q(z) se elige de manera que P0 (z) pierde los coeficientes con la potencia z −1 y z −5 .
1
Q(z) = −1 + 4z −1 − z −2 A=
16
La función de transferencia P0 (z) toma la forma (22.18)
1
P0 (z) = (−1 + 9z −2 + 16z −3 + 9z −4 − z −6 ) (22.18)
16
El centro del polinomio es k=3. Este polinomio tiene un cuádruple cero en z=-1. El módulo
de P0 (z) y P0 (−z) es casi constante alrededor de las frecuencias angular ω = 0 y ω = π como
se presenta en la figura 22.11. También faltan los componentes de z −1 y z −5 , esto garantiza la
reconstrucción perfecta. Si se sustituye en la ecuación (22.14) la ecuación (22.18) tenemos que
obtener 2z −3 .
1 9z −2 16z −3 9z −4 z −6 1 9z −2 16z −3 9z −4 z −6
P0 (z) − P0 (−z) = − + + + − − (− + − + − )
16 16 16 16 16 16 16 16 16 16
P0 (z) − P0 (−z) = 2z −3 .
Si se multiplica el polinomio P0 (z) por un factor z −k = z −3 se obtiene el polinomio simétrico
P (z) donde faltan exponentes pares de z menos el coeficiente que se multiplca por z 0 ecuación
(22.19). Se puede comprobar que se cumple la ecuación (22.17).
1
P (z) = (−z 3 + 9z + 16 + 9z −1 − z −3 ). (22.19)
16
El polinomio P0 (z) tiene seis ceros. Cuatro de ellos están ubicados en z = −1. Un cero está en
z5 = 0,267949 y otro en z6 = 3,73205. La función de transferencia se puede establecer en varias
formas. Por ejemplo se puede determinar las funciones de transferencia H0 (z) y F0 (z) de este
modo:
1
H0 (z) = (−1 + 2z −1 + 6z −2 + 2z −3 − z −4 ) (22.20)
8
Figura 22.11: Caracterı́stica de los módulos P0 (z) y P0 (−z).
1
F0 (z) = (1 + 2z −1 + z −2 ) (22.21)
2
La caracterı́stica de los módulos H0 (z), F0 (z), H1 (z) y F1 (z) se presentan en la figura 22.12.
Las funciones de transferencia H1 (z) y F1 (z) se calculan mediante la ecuación (22.12).
1
F1 (z) = −HO (−z) = (1 + 2z −1 − 6z −2 + 2z −3 + z −4 ) (22.22)
8
1
H1 (z) = FO (−z) = (1 − 2z −1 + z −2 ) (22.23)
2
Figura 22.12: Caracterı́stica de los módulos H0 (z), F0 (−z), H1 (z) y F1 (z).
En la figura 22.13 se muestra el sistema con los filtros FIR para el simulink, la señal original
y su perfecta reconstrucción. Se utilizó un periodo de muestreo Tm = 1/22050 segundas, y dos
generadores con frecuencia de 100 y 400 Hz.
22.2. Banco con filtros IIR

Las condiciones para la reconstrucción perfecta, ecuaciones (22.9) y (22.10), se pueden escribir
en forma matricial (22.24)
22.2. banco con filtros iir 443
Figura 22.13: Sistema bancos de filtros, la señal original y después de la reconstrucción.
" #
h i H0 (z) H0 (−z) h i
F0 (z) F1 (z) = 2z −k 0 (22.24)
H1 (z) H1 (−z)
La matriz cuadrada H2 (z) se llama la matriz moduladora, y es muy importante, porque contiene
las funciones de transferencia Hk (z) y Hk (−z). Es posible también obtener la reconstrucción
perfecta con los bancos de filtros con M canales. La matriz moduladora tiene dimensión MxM
y se presenta en la ecuación (22.25)
H0 (zW M −1 )
 
H0 (z) H0 (zW ) ...
 H1 (z) H1 (zW ) ... H0 (zW M −1 ) 
HM (z) =  , (22.25)
 
 ... ... ... ... 
HM −1 (z) HM −1 (zW ) ... H0 (zW M −1 )
2π
donde W = e−j M .
Ejemplo 22.2:
Calcular los filtros para el banco si la atenuación en la banda de paso es 1 dB, la frecuencia
del corte es Ω = 0.5 y el orden del filtro es n=3. Se utiliza un banco de filtros con dos canales.
Para calcular paso bajas se utiliza el filtro Chebychev y para el filtro inverso se utiliza el filtro
paso bajas Chebychev inverso. Mediante las instrucciones en MATLAB [a, b] = cheby1(3, 1,0.5),
[a, b] = cheby2(3,6.8689,0.5) se calculan las funciónes de transferencia H0 (z) y F0 (z)
0,1321 + 0,3964z −1 + 0,3964z −2 + 0,1321z −3

H0 (z) = (22.26)
1 − 0,3432z −1 + 0,6044z −2 − 0,2041z −3
0,4707 + 0,6051z −1 + 0,6051z −2 + 0,4707z −3

F0 (z) = (22.27)
1 + 0,3431z −1 + 0,6044z −2 + 0,2041z −3
Las funciones de transferencia H1 (z) y F1 (z) se calculan mediante la ecuación (22.12).
0,4707 − 0,6051z −1 + 0,6051z −2 − 0,4707z −3

H1 (z) = (22.28)
1 − 0,3431z −1 + 0,6044z −2 − 0,2041z −3
−0,1321 + 0,3964z −1 − 0,3964z −2 + 0,1321z −3

F1 (z) = (22.29)
1 + 0,3432z −1 + 0,6044z −2 + 0,2041z −3
Los módulos de H0 (z), F0 (z), H1 (z) y F1 (z) se muestran en las figuras 22.14. Las caracterı́sticas
obtenidas en los osciloscopios figuras 22.28a - 22.28f se obtuvieron mediante SIMULINK figura
22.16. En las figuras 22.28a y 22.28b, los osciloscopio 2 y 1 muestran las señales de 400 y
100 Hz con el periodo de muestreo Tm =1/22050 sec. En el osciloscopio 3 figura 22.28c esta
la señal original a la entrada del banco de filtros. En la figura 22.28e, el osciloscopio muestra
la señal recuperada y en las figuras 22.28d y 22.28f se ven las señales de bajas frecuencias
y altas frecuencias. De estas señales se deduce que las frecuencias bajas contienen la mayor
parte de la información. La parte del espectro correspondiente las frecuencias altas contiene las
informaciones que completan la aproximación.
Figura 22.14: Caracterı́stica de los módulos H0 (z), F0 (z), H1 (z) y F1 (−z).
Figura 22.15: Caracterı́sticas obtenidas en los osciloscopios figura 22.16.

22.2. banco con filtros iir 445
Figura 22.16: Simulación del banco de los filtros mediante el paquete SIMULINK.
A veces no es suficiente dividir el espectro en dos subcanales. A menudo se divide el espectro

útil en 4,8,16,... subcanales. En cada subcanal se utiliza el submuestreo M=2. En la figura 22.17
se muestra el banco de filtros con ocho canales. El espectro está dividido desde Ω = 0 hasta π
y ancho de cada canal es π/8 como se presenta en la figura 22.18. En la figura 22.19 se muestra
la parte sı́ntesis del banco de filtros.
Figura 22.17: Bloque del banco de los filtros para ocho canales, parte de analisis.
Ejemplo 22.3:
Calcular los filtros para el banco si la atenuación en la banda de paso amax =3 dB, la fre-
cuencia de corte es Ω = 0,5 y el orden del filtro es n=3. Se utiliza el banco de filtros con
dos canales y M=2. Para calcular el filtro paso bajas se utiliza el filtro Chebychev y pa-
ra el filtro inverso se utiliza el filtro paso bajas Chebychev inverso. Mediante la instrucción
Figura 22.18: Canales del banco de filtro de la figura 22.17 y 22.19
Figura 22.19: Bloque del banco de los filtros para ocho canales, la parte sı́ntesis.
en MATLAB [a, b] = cheby1(3, 3, 0,5), se calcula la función de transferencia H0 (z). Para cal-
cular la función de transferencia F0 (z) del filtro paso bajas inverso se utiliza la instrucción
[a, b] = cheby2(3, amin , 0,5) donde amin se calcula mediante la ecuación (22.30). La función de
transferencia H0 (z) y F0 (z) se muestra en las ecuaciones (22.30) y (22.31).
p
E= 100,1amax − 1 = 0,9976
log10 ( E12 + 1)
amin = = 3,026 (22.30)
0,1
0,0903z −3 + 0,2708z −2 + 0,2708z −1 + 0,0903
H0 (z) = (22.31)
−0,3892z −3 + 0,8019z −2 − 0,6906z −1 + 1
0,6315z −3 + 0,8119z −2 + 0,8119z −1 + 0,6315
F0 (z) = (22.32)
0,3907z −3 + 0,8034z −2 − 0,6927z −1 + 1
Utilizando las ecuaciones F1 (z) = −H0 (−z) y H1 (−z) = F0 (z) se obtiene
0,6315z −3 − 0,8119z −2 + 0,8119z −1 − 0,6315

H1 (z) = (22.33)
−0,3907z −3 + 0,8034z −2 − 0,6927z −1 + 1
−0,0903z −3 + 0,2708z −2 − 0,2708z −1 + 0,0903
F1 (z) = (22.34)
0,3892z −3 + 0,8019z −2 + 0,6906z −1 + 1
22.3. banco con estructura en celosı́a. 447
Las funciones de transferencia del plano z se pueden transformar al plano s mediante la transfor-
mada bilineal inversa si se utiliza la matriz de Pascal. Para el orden de la función de transferencia
n=3 se utiliza la ecuación (22.35) donde ai son los coeficientes de H(z) y Ai son los coeficientes
de la función de transferencia H(s)
   −1  
A0 1 1 1 1 a0
 A1   3 1 −1 −3   a1 
= · (22.35)
     
A2 3 −1 −1 3 a2
  
     
A3 1 −1 1 −1 a3
El numerador y el denominador de la función H0 (s) se obtienen utilizando la ecuación (22.35)
   −1    
A0 1 1 1 1 0,0903 0,0903
 A1   3 1 −1 −3   0,2708   0,0000 
= · = (22.36)
       
A2 3 −1 −1 3 0,2708 0,0000
  
       
A3 1 −1 1 −1 0,0903 0,0000
   −1    
B0 1 1 1 1 1,0000 0,0903
 B1   3 1 −1 −3   −0,6906   0,3344 
= · = (22.37)
       
B2 3 −1 −1 3 0,8019 0,2151
  
       
B3 1 −1 1 −1 −0,3892 0,3602
La función de transferencia H0 (s) toma la forma (22.38). La función de transferencia H0 (s) se
obtiene también mediante la instrucción [a,b]=cheby1(3,3,1). De manera similar se obtienen las
funciones de transferencia F0 (s), H1 (s), y F1 (s).
0,0903
H0 (s) = (22.38)
0,0903 + 0,3344s + 0,2151s2 + 0,3602s3
0,2506
H0 (s) = (22.39)
s3 + 0,5571s2 + 0,9283s + 0,2506
1,3333 + s2
F0 (s) = (22.40)
1,3333 + 0,7934s + 0,1,2361s2 + 0,3325s3
s + 1,3333s3
H1 (s) = (22.41)
0,3325 + 1,2361s + 0,7934s2 + 0,1,3325s3
−0,2506
F1 (s) = (22.42)
1 + 0,5971s + 0,9283s2 + 0,2506s3
En la figura 22.20 se muestra el valor absoluto de H0 (s), F0 (s), H1 (s), F1 (s), H0 (z), F0 (z),
H1 (z) y F1 (z).
22.3. Banco con estructura en celosı́a.

Las estructuras en celosı́a son aconsejables para la realización de los bancos de filtros [74], [75].
En la figura 22.21 a) se presenta el banco de filtros. Las funciones de transferencia H0 (z) y H1 (z)
se realizan con la estructura en celosı́a. En la figura 22.21 b) se muestra la estructura en celosı́a
de primer orden. Para la estructura en celosı́a se pueden calcular las ecuaciones 22.43:
Figura 22.20: Módulos de Hi (s), Fi (s), Hi (z) y Fi (z), i=1,2.
" # " # " #

Xi (z) 1 −ki z −L Xi−L (z)
= · (22.43)
Yi (z) ki z −L Yi−L (z)
Figura 22.21: a) Forma general banco del filtros b) Estructura del filtro en celosı́a para n=1.
Las funciones de transferencia H0 (z) z H1 (z) son complementarias y se pueden realizar los
agrupamientos [75], H0 (z) = X0 (z)/X(z) H1 (z) = X1 (z)/X(z) si se cumple la ecuación
H1 (z) = z −(N −1) H0 (−z −1 ) (22.44)
Ejemplo 22.4:
En la bibliografı́a [18], página 164, se calcula el banco de filtros en celosı́a (lattice). Los coefi-
cientes de la respuesta al un impulso h(n) son
h(0) = 0,11320949 h(5) = −0,02280057

h(1) = 0,42697177 h(6) = 0,05481329
h(2) = 0,51216347 h(7) = −0,00441340
h(3) = 0,09788348 h(8) = −0,00889594
h(4) = −0,17132836 h(9) = 0,00235871
Utilizando el procedimiento descrito en el capı́tulo 22 se obtienen 5 coeficientes de la estructura
en celosı́a. El resultado del cálculo es:
22.4. banco de filtros de 4 canales 449
k1 = −3,77151921
k2 = 1,06394342
k3 = −0,42482927
k4 = 0,13318454
k5 = −0,02083494
En la figura 22.22 a) se muestra el banco de análisis en celosı́a y en la figura 22.22 b) se muestra
el correspondiente banco de sı́ntesis en celosı́a.
Figura 22.22: Análisis y sı́ntesis del banco de los filtros en celosı́a.
22.4. Banco de filtros de 4 canales

Las funciones de transferencias H0 hasta H11 se obtuvieron mediante Matlab. H0 , H00 , Y H11 son
paso bajas Chebychev para las frecuencias del corte 0.5, 0.25 y 0.75. Las funciones de transferen-
cia H1 , H01 y H11 son paso altas de Chebychev Inverso para las frecuencias del corte normalizadas
0.5, 0.25 y 0.75. Por ejemplo H01 se obtuvo mediante la instrucción [a,b]=cheby2(3,amin,0.5);
La función de transferencia H10 se obtuvo mediante la instrucción [a,b]=cheby1(3,0.01,0.75);
0,3428 + 1,0285z −1 + 1,0285z −2 + 0,3428z −3

H0 = (22.45)
1 + 1,0037z −1 + 0,6347z −2 + 0,1043z −3
0,1152 − 0,1481z −1 + 0,1481z −2 − 0,1152z −3

H1 = (22.46)
1 + 1,0037z −1 + 0,6347z −2 + 0,1043z −3
0,1105 + 0,3015z −1 + 0,3015z −2 + 0,1005z −3

H00 = (22.47)
1 − 0,6005z −1 + 0,4883z −2 − 0,0839z −3
0,3065 − 0,7798z −1 + 0,7798z −2 − 0,3065z −3

H01 = (22.48)
1 − 0,6005z −1 + 0,4883z −2 − 0,0839z −3
Figura 22.23: Banco del filtro de 4 canales
0,6329 + 1,8988z −1 + 1,8988z −2 + 0,6329z −3

H10 = (22.49)
1 + 2,0987z −1 + 1,5663z −2 + 0,3984z −3
0,3065 + 0,7798z −1 + 0,7798z −2 + 0,3065z −3

H11 = (22.50)
1 + 0,6005z −1 + 0,4883z −2 + 0,0839z −3
Figura 22.24: La parte análisis del banco
Funciones de transferencias restantes Gi (z) se calculan mediante las ecuaciones
G1 (z) = −H0 (−z) G0 (z) = H1 (−z)

22.4. banco de filtros de 4 canales 451
Las funciones restantes son en la forma
−0,3428 + 1,0285z −1 − 1,0285z −2 + 0,3428z −3

G1 = (22.51)
1 − 1,0037z −1 + 0,6347z −2 − 0,1043z −3
0,1152 + 0,1481z −1 + 0,1481z −2 + 0,1152z −3

G0 = (22.52)
1 − 1,0037z −1 + 0,6347z −2 − 0,1043z −3
−0,1105 + 0,3015z −1 − 0,3015z −2 + 0,1005z −3

G01 = (22.53)
1 + 0,6005z −1 + 0,4883z −2 + 0,0839z −3
0,3065 + 0,7798z −1 + 0,7798z −2 + 0,3065z −3

G00 = (22.54)
1 + 0,6005z −1 + 0,4883z −2 + G,0839z −3
−0,6329 + 1,8988z −1 − 1,8988z −2 + 0,6329z −3

G11 = (22.55)
1 − 2,0987z −1 + 1,5663z −2 − 0,3984z −3
0,3065 − 0,7798z −1 + 0,7798z −2 − 0,3065z −3

H10 = (22.56)
1 − 0,6005z −1 + 0,4883z −2 − 0,0839z −3
En la figura 22.24 se muestra la parte de analisis del banco y en la figura 22.25 se muestra la
parte de sı́ntesis del banco realizado en simulink. En la figura 22.26 se muestra el banco del filtro
de cuatro canales en la forma subsistema en Simulink
Figura 22.25: La parte sı́ntesis del banco
En la figura 22.27 se muestra la amplitud unitaria de la se nal senoidal de entrada con 100 Hz
muestrada mediante la frecuencia de 1000 Hz. En la figura 22.28 se muestra la señal de salida.
Como se puede ver las señales de salida y de entrada son identicos, entonces la transmisión de
la señal es perfecta aunque fueron transmitidos pocas muestras con el submuestreo.
Figura 22.26: banco del filtros en simulink
Figura 22.27: Señal en la salida del banco
Figura 22.28: Señal en la entrada del banco

Capı́tulo 23
Filtros adaptativos
En este capı́tulo se analizan los filtros adaptativos y la forma de programarlos en el TMS320CXX.

El alumno aplicará el filtro adaptativo a un problema de cancelación de ruido, utilizando el
simulador SIM25. En los resultados obtenidos se deberá analizar la rapidez de convergencia del
filtro adaptativo al modificar la variable µ.
23.1. Introducción a los filtros adaptativos

Los filtros adaptativos tienen la propiedad de variar los coeficientes del filtro de acuerdo con las
variaciones estadı́sticas del ambiente en el cual operan. Los filtros adaptativos tienen aplicación
en diversos problemas, tales como ecualización de canales de comunicaciónes, cancelación de
ruido e identificación de sistemas, entre otros.
Para buscar una solución a los coeficientes del filtro se requiere de consideraciones estadı́sticas.
La adaptación de los coeficientes se realiza de manera que una determinada señal de error es mi-
nimizada. Un criterio comúnmente utilizado es minimizar de error cuadrático medio, definiendo
dicho error como la diferencia al cuadrado entre la señal deseada y la señal obtenida a la salida
del filtro. Para un sistema estacionario, la solución es el denominado filtro Wiener. Al dibujar
el error vs los parámetros del filtro se tiene una superficie donde el valor mı́nimo representa la
solución de Wiener. En el caso de señales no estacionarias, el filtro óptimo también es variante
en el tiempo, y la solución viene dada por el filtro de Kalman.
El filtro adaptativo se basa en algoritmos recursivos que comienzan a partir de ciertas condiciones
iniciales y convergen a una solución óptima. Algunas propiedades que se deben tener en cuenta
Figura 23.1: Filtro FIR transversal adaptativo
453
454 capı́tulo 23. filtros adaptativos
al diseñar algoritmos adaptativos son las siguientes:
Velocidad de convergencia a la solución óptima
Desajuste entre el valor final del error y el valor mı́nimo
Detección de variaciones estadı́sticas
Requerimientos computacionales
Los dos métodos que se emplean para derivar algoritmos recursivos son: el gradiente de aproxi-
mación estocástica y la estimación mediante mı́nimos cuadrados.
23.1.1. Gradiente de aproximación estocástica
El desarrollo del filtro está basado en minimizar una función de peso definida por la media del
error cuadrático medio, es decir, la media al cuadrado de la diferencia entre la respuesta ideal y
la salida del filtro.
Esta función de peso es una función de segundo orden y depende de los coeficientes del filtro, de
manera que puede verse como una superficie al representar el error vs los parámetros del filtro
y es llamada superficie de convergencia, donde el peso correspondientes al punto mı́nimo de la
superficie equivale a la solución de Wiener óptima.
Un algoritmo comúnmente utilizado es el LMS (least mean square), que actualiza los coeficientes
de la siguiente forma:
(COEF. DEL FILTRO)=(COEF. DEL FILTRO)+(CONSTANTE)(DATOS)(ERROR)

N+1 N
23.1.2. Estimación mediante mı́nimos cuadrados
Otra forma de realizar un filtrado adaptado es utilizar como función de peso la suma de los
errores al cuadrado. Un método comúnmente empleado es el algoritmo RLS (recursive least
squares), que se podrı́a considerar como un caso particular del filtro de Kalman. Este algoritmo
tiene la siguiente estructura:
(COEF. DEL FILTRO)=(COEF. DEL FILTRO)+(G DE KALMAN)(VEC. DE INNOVACION)

N+1 N
En la figura 23.2 se muestra la estructura de un filtro adaptativo. A diferencia de los filtros

comunes, se trabaja con dos señales. Primero la entrada al filtro, x[n], y una señal de referencia
conocida, d[n]. El error se obtiene al comparar la salida del filtro con la señal de referencia, con
la que se realimenta al algoritmo.
23.2. algoritmo lms 455
Figura 23.2: Circuito con un filtro adaptativo
23.2. Algoritmo LMS

El algoritmo LMS minimiza el error cuadratico medio y con la técnica de descenso de máxima
pendiente (steepest descent) actualiza los coeficientes iteración tras iteración. Sea la media del
error:
J = E{e2 (n)} (23.1)

donde E representa el valor esperado o la esperanza matemática y el error viene dado por
ˆ
e(n) = d(n) − d(n) (23.2)
ˆ
donde d(n) es la señal deseada y d(n) es la salida del filtro adaptativo (filtro FIR), figura 23.2.
El filtro FIR puede expresarse como una multiplicación vectorial de la siguiente forma:
ˆ = w̄T x̄(n)
d(n) (23.3)
donde w̄ es el vector que contiene los coeficientes del filtro adaptativo y puede escribirse como:
{w1 (n), w2 (n), ..., wL (n)} y x̄(n) es el vector de datos {x(n), x(n − 1), ..., x(n − L + 1)}, para un
filtro de orden L. Combinando las ecuaciones anteriores, se obtiene que:
J = σ − 2w̄T p̄ + w̄T Rw̄ (23.4)

donde R es la matriz de autocorrelación de x dada por R = E{x̄(n)x̄(n)T } y p̄ es el vector de
correlación cruzada entre d y x, es decir, p̄ = E{d(n)x̄(n)}. La ecuación anterior tiene la forma
Q(x̄) = x̄T Ax̄, que representa una curva de superficie. El valor mı́nimo se obtiene cuando
δJ
=0 (23.5)
δ w̄
lo que implica que
−2p̄ + 2w̄R = 0 (23.6)
w̄opt = R−1 p̄ (23.7)

que es la llamada ecuación de Wiener-Hopf. Para actualizar los coeficientes, se emplea la técnica
de descanso de máxima pendiente con la función gradiente del error:
w̄(n + 1) = w̄(n) + µ(−∇J) (23.8)

El algoritmo completo se resume en las siguientes ecuaciones:
ˆ = w̄T (n) ∗ x̄(n)

d(n) (23.9)
ˆ
e(k) = d(n) − d(n) (23.10)
w̄(n + 1) = w̄(n) + 2 ∗ µ ∗ x̄ ∗ e(n) (23.11)

El parámetro µ representa la ganancia del filtro adaptativo y controla la rapidez con la que el
filtro converge al valor deseado.
23.3. Implementación del algoritmo LMS en TMS32C25

Instrucciones tales como MPYA o MPYS y ZALR permiten implementar de manera óptima
un filtro FIR con coeficientes variables, reduciendo el tiempo de ejecución del programa. Además,
para cada coeficiente del filtro en un instante de tiempo dado, el factor 2∗µ∗e(k) es una constante
y puede calcularse una sóla vez y almacenar el resultado en el registro T. De esta manera, el
cálculo se convierte únicamente en una instrucción de multiplicación/acumulación más redondeo.
El bloque B1 puede contener el vector de datos y el bloque B0 los coeficientes.
El programa del filtro adaptativo se presenta a continuación. En la parte de inicialización de
variables se observa que el vector de coeficientes (bloque B0) se inicializa con ceros y el vector
de datos (bloque B1) con {x(1), x(2), ..., x(L)}, repitiendo L veces la instrucción IN, donde L
es el orden del filtro.
A continuación se realiza el filtrado FIR, el valor en la salida del filtro se resta a la señal de
referencia (obtenida del puerto PA2) y ası́ se genera el error, que es enviado al puerto de salida
PA3.
La constante BETA contiene el valor 2 ∗ µ, de manera que al multiplicar por el error se obtiene
2 ∗ µ ∗ e(k), por lo que esta constante queda almacenada en el registro T.
Finalmente, se actualizan los coeficientes del filtro (23.11), donde el i-ésimo elemento se calcula:
wi (n + 1) = wi (n) + beta ∗ xi (n). La instrucción MPYA realiza la multiplicación beta ∗ xi (n),
guardando el resultado en el registro P, y en la misma instrucción acumula el producto previo
i-1.
**********************************
** PROGRAMA PARA ALGORITMO LMS **
**********************************
AORG >0000
RESET B INIT
23.3. implementación del algoritmo lms en tms32c25 457
AORG >0020
** INICIALIZACION DE VARIABLES **
ONE EQU >0060
BETA EQU >0061
ERR EQU >0062
ERRF EQU >0063
YN EQU >0064
XN EQU >0065
DN EQU >0066
ORDER EQU 20
FRSTAP EQU >300
LASTAP EQU 768+ORDER
COEFFP EQU >FF00
COEFFD EQU >0200
INIT SOVM
LDPK 0
LACK 1
SACL ONE
ZAC
SACL YN
SACL BETA
SACL ERR
SACL ERRF
SACL DN
LARP AR4
LRLK AR4,>61
BLKP MU2,*
LRLK AR4,>300
RPTK ORDER-1
IN *+,PA1
RPTK ORDER-2
IN DN,PA2
IN DN,PA2
ZAC
LRLK AR4, 512+ORDER
RPTK ORDER-1
SACL *-
** EJECUCION DEL FILTRO FIR **
CICLO CNFP
MPYK 0
LAC ONE,14
LARP AR3
LRLK AR3,LASTAP
RPTK ORDER-1
MACD COEFFP,*-
CNFD
APAC
SACH YN,1
NEG
ADD DN,15
SACH ERR,1
OUT ERR,PA3
** ADAPTACION DE LOS COEFICIENTES **
LT ERR
MPY BETA
PAC
ADD ONE,14
SACH ERRF,1
MAR *+
IN XN,PA1
LAC XN
SACL *
LRLK AR1,ORDER-1
LRLK AR2,COEFFD
LRLK AR3,LASTAP+1
LT ERRF
MPY *-,AR2
SPM 1
ADAPT ZALR *,AR3
MPYA *-, AR2
SACH *+,AR2
BNZ ADAPT,*-,AR1
CALL NUEVO
B CICLO
NUEVO IN DN,PA2
SPM 0
RET
*** Valor 2MU ***
MU2 DATA >1999
A continuación se aplica el filtro adaptativo LMS a un problema de cancelación de ruido. Se

tiene una señal que es contaminada con una interferencia senoidal de cierta frecuencia (60 Hz
por ejemplo). Se conoce una versión del ruido, aun cuando posee diferente amplitud y fase. La
señal contaminada con ruido es la entrada al sistema:
d(n) = s(n) + A0 cos(w0 n + φ0 )

y la referencia conocida es:
u(n) = Acos(w0 n)
La figura 23.3 presenta el diagrama de un cancelador de ruido adaptativo. El anexo presentado al

final del capı́tulo contiene dos secuencias de datos utilizados por el simulador del TMS32C25 para
23.3. implementación del algoritmo lms en tms32c25 459
Figura 23.3: Cancelación de ruido
Figura 23.4: Entrada y salida del filtro adaptativo
analizar el filtro adaptativo. La primera columna presenta la entrada principal al sistema d(n)
y la segunda columna la señal de referencia. En la figura 23.4a se observa la señal contaminada
con ruido y en la figura 23.4b la salida del filtro adaptativo junto con la señal original, que es
una senoidal de 200Hz, y el ruido es una señal de 60 Hz, asumiendo una frecuencia de muestreo
de 1000Hz. En la figura 23.5 se observa el espectro de frecuencia de la señal antes y después del
aplicar el filtro adaptativo.
Ejercicios
Genere dos archivos datos.dat y ruido.dat que contengan cada uno las secuencias de la
tabla 23.1 presentada al final de este capı́tulo.
Investigue en la bibliografı́a el significado de la constante µ y encuentre un valor apropiado

para este ejemplo.
Utilizando los archivos generados como entrada y referencia del filtro adaptativo, obtenga
la salida del filtro adaptativo.
Dibuje la transformada de Fourier de las señales de entrada y salida del filtro adaptativo.
Figura 23.5: Módulo de la transformada de Fourier de las señales a la entrada y salida del filtro
adaptativo
23.4. Algoritmo RLS

Este es un algoritmo recursivo que realiza una estimación de los coeficientes del filtro de orden
N . La señal de error es la suma de los errores cuadráticos y para minimizarla es preciso invertir
la matriz de autocorrelación en cada iteración, lo que no serı́a computacionalmente eficiente. La
matriz inversa se puede obtener, a partir de la inversa en la iteración anterior, multiplicando
únicamente por un escalar, ,por tal razón, el algoritmo RLS es frecuentemente empleado. A
continuación se describe el algoritmo.
Se tienen las variables:
¯
d(n), señal de referencia expresada en forma vectorial, es decir:
¯ T = {d(n), d(n − 1), ..., d(1)}
d(n)
w̄(n), coeficientes del filtro, que en forma vectorial:
{w1 (n), w2 (n), ..., wN (n)}
X(n), datos expresados en forma matricial n × N en la iteración n:
x̄T (n)
 
 x̄T (n − 1) 
 
 x̄T (n − 2) 
 
.
 
 
 

 . 

 . 
T
x̄ (1)
donde x̄(n)T = {x(n), x(n − 1), ..., x(n − N + 1).

Esta técnica se basa en una minimización exacta de la suma cuadrática del error en cada itera-
ción. El error está dado por:
e(n) = d(k) − w̄(n)T x̄(k) (23.12)

23.4. algoritmo rls 461
donde:
e(n): error en la iteración n

d(n): señal de referencia
w̄(n): coeficientes del filtro
x̄(n): vector de datos
Para minimizar el error se requiere que:
¯ = X(n)w̄(n)
d(k) (23.13)
que tiene la forma
Ax = B
Para el caso sobredeterminado, n > N , la solución se obtiene multiplicando ambos lados de la

ecuación por la matriz X(n)T , lo cual nos lleva a la siguiente ecuación:
X(n)T X(n)w̄(n) = X(n)T d̄(n) (23.14)

y la solución para w(n) es:
w̄opt (n) = R−1 p(n) (23.15)

donde:
R = X(n)T X(n)
p(n) = X(n)T d̄(n)
Para resolver la ecuación (23.15) de manera recursiva, se calcula w̄(n + 1) = f (w̄(n)), y reali-
zando la inversión de la matriz, se obtiene la nueva matriz inversa de la iteración n + 1 a partir
de la inversa de la iteración n, multiplicando únicamente por un escalar, de otra forma serı́a
preciso invertir la matriz en cada iteración. De esta manera se llega a las ecuaciones que definen
el algoritmo RLS:
R−1 (n)x̄(n + 1)
K(n + 1) = (23.16)
γ+1
donde K(n) se define como la ganancia de Kalman mediante K(n) = R−1 (n)x̄(n) y γ está dada
por γ = x̄T (n + 1)R−1 (n)x̄(n + 1). La matriz inversa se obtiene con la ecuación:
R−1 (n + 1) = R−1 (n) − K(n + 1)R−1 x̄T (n + 1)R−1 (n) (23.17)

y, finalmente, los coeficientes del filtro se actualizan:
w̄(n + 1) = w̄(n) + K(n + 1)e(n + 1) (23.18)

Tabla 23.1: Señal de datos y de referencia

Señal de datos Señal de referencia
382F EA88 E732 3B81 D734 0BFE
D5EF 588A 9C95 1B40 0405 DDB5
B88B 53C6 B4F3 0405 1B40 CC39
BB0D 3C69 D1C6 EC39 2EA7 C203
D01C 2D79 DDA2 D734 3B81 C081
C4F1 34AD DBD1 C7EB 4000 C7EB
B6D7 387E EDF0 C081 3B81 D734
BE4E 0F30 248C C203 2EA7 EC39
F629 D27B 5784 CC39 1B40 0405
2A16 B1A6 50DC DDB5 0405 1B40
35BA BFAD 3D07 F402 EC39 2EA7
3404 CBFE 2AB6 0BFE D734 3B81
301C CA55 3948 224B C7EB 4000
502A B5E9 33C7 C081
5984 BF9C 3DFD C203
3847 F66E 3F7E CC39
0477 293D 3815 DDB5
E1A6 39C4 28CB F402
DDBD 2CDE 13C7 0BFE
DE05 3511 FBFB 224B
C678 4CD8 E4C0 33C7
A0D6 5C72 D159 3DFD
9AD3 40AF C47F 3F7E
C7C5 069D C000 3815
FE3E E1B8 C47F 28CB
08E1 DCA8 D159 13C7
0B62 DF2B E4C0 FBFB
24BC C4BC FBFB E4C0
4565 9FFB 13C7 D159
6594 A4C1 28CB C47F
550C CCFB 3815 C000
2EE4 F9R9 3F7E C47F
1540 0FD3 3DFD D159
0A7A 102D 33C7 E4C0
0BD2 1B14 224B FBFB
E83C 44D8 0BFE 13C7
B5DC 6196 F402 28CB
9E37 58CB DDB5 3815
B7E2 2545 CC39 3F7E
D177 1128 C203 3DFD
E1B2 0D27 C081 33C7
E2B5 OBB2 C7EB 224B
Capı́tulo 24
Control activo del ruido
En el campo del procesado digital de señal existe una clase de sistemas adaptativos en la cual
los coeficientes de un filtro digital se ajustan para minimizar una señal de error. El diseño de
un cancelador de ruido utilizando un micrófono y una bocina controlada electrónicamente para
generar un sonido cancelador fue propuesto por primera vez por Lueg en 1936. El esquema básico
de este cancelador se presenta en la figura 24.1
Figura 24.1: Cancelador de ruido con una bocina.
El micrófono captura el ruido y el Control Digital (DSP) produce el antirruido que se amplifica,
y es emitido por la bocina. El antirruido disminuye el ruido tal y como se observa en la figura
24.2
24.1. Cancelador de ruido con filtrado adaptativo
En la figura 24.3 se muestra un cancelador de ruido donde se utilizan dos micrófonos. La señal
d(n) es la señal útil, y(n) es la señal a la salida del filtro adaptativo. Este filtro puede ser un
filtro de respuesta finita, FIR, o un filtro con la respuesta infinita IIR. Los coeficientes del filtro
adaptable se cambian mediante el algoritmo adaptativo. La señal de error e(n) es la diferencia
de las señales d(n) y y(n), siendo la señal d(n) la señal de referencia.
463
464 capı́tulo 24. control activo del ruido
Figura 24.2: Ruido y antiruido.
Figura 24.3: Cancelador adaptivo de ruido con dos micrófonos.
Mediante el program Simulink que se muestra en la Figura 24.3. se puede simular el funciona-
miento de un cancelador.
El simulador tiene en una entrada un archivo con la voz y en la otra entrada un archivo con
sonido de trompeta. En el primer osciloscopio, después de la simulación, se representa la señal
de la trompeta. El osciloscopio 1 muestra la voz contaminada por la trompeta. En nuestro caso
la señal de la trompeta es el ruido que se quiere quitar. En el osciloscopio 2 se observa la señal
recuperada, que en el caso ideal, solo debe ser la señal de voz. En el osciloscopio 3 se representa
la señal de voz. La señal de voz y la señal recuperada son parecidas como se observa en la figura
24.4
24.2. Cancelador en el dominio de la frecuencia

Las muestras de las señales se pueden restar en el dominio del tiempo, como se hizo en el caso
de los filtros adaptativos, o las muestras de las señales se pueden restar en el dominio de la
24.2. cancelador en el dominio de la frecuencia 465
Figura 24.4: Las señales de la voz, de la trompeta, contaminada y recuperada .
frecuencia. Este método se llama sustración espectral.
Básicamente se puede utilizar la transformada del coseno o la transformada de Fourier. Si se

utiliza el método sustración espectral primero mediante la transformada de coseno o de Fourier
se obtienen las muestras en el dominio de la frecuencia. Las muestras de la señal útil y de
referencia se restan, se obtienen las muestras del señal recuperada en el dominio de la frecuencia
y mediante la transformada del coseno inversa o transformada de Fourier Inversa se obtienen
las muestras en el dominio del tiempo.
24.2.1. La transformada del coseno

El método de sustración de los espectros que utiliza la transformada del coseno se muestra en la
figura 24.5. Se utiliza en el programa MATLAB el paquete simulink y se realiza el circuito que
se muestra en la figura 24.5.
En la figura 24.5 se presenta el esquema para la simulación del cancelador de ruido utilizando
la sustración de espectros. Después de la simulación se representa en el osciloscopio 2 la señal
de la voz. En el osciloscopio 4 se obtuvo la señal de la trompeta que es la señal de ruido, y en
el osciloscopio 3 están la suma de las señales de la voz y de la trompeta. En el osciloscopio 1
se dibujo la señal recuperada de voz sin la señal de trompeta. Las señales se presentan en la
figura 24.6. En la figura se observa que la señal original de voz y la señal recuperada sin el ruido
son muy parecidas. Pero este caso es ideal, eso significa que en los dos micrófonos el ruido y la
señal original de voz tienen lo mismo retraso y la misma amplificación. Si se conectan en lugar
de osciloscopios los módolos ToWaveFile se pueden escuchar los resultados de la cancelación del
ruido.
Si un micrófono captura el ruido con retraso y con otra amplificación se obtiene que la señal
Figura 24.5: Esquema del cancelador de ruido mediante sustración del espectro.
recuperada no es tan buena. Esta situación se presenta en la figura 24.7 y 24.8.
De las señales en la figura 24.8 se observa que la señal no se canceló totalmente.
24.2.2. La transformada de Fourier

El método sustracción de espectros que utiliza la transformada de Fourier se muestra en la
figura 24.9. En dicho esquema se utiliza el módulo de la transformada de Fourier y el módulo
de transformada de Fourier inversa.
En la figura 24.9 después del módulo FFT1 se obtiene el espectro de la voz con el ruido y
después del módulo FFT se obtienen las muestras del espectro de la voz. En el módulo siguiente
las muestras se sustraen y al módulo IFFT1 entran las muestras de la voz en el caso ideal.
Después del módulo IFFT se obtienen las muestras en el dominio de tiempo que pueden pasar
a los osciloscopios o a la bocina o a un archivo. La longitud de la FFT e IFFT fue elegida N=16
y los buffers tienen 16 canales. En la figura 24.10 (osciloscopios 4 y 6), se la señal de la voz y la
señal recuperada.
24.2. cancelador en el dominio de la frecuencia 467
Figura 24.6: La señal original (Voz), el ruido (Trompeta), la suma de las señales y la señal
recuperada.
Figura 24.7: Sistema donde se realiza el retraso del ruido mediante el elemento de retardo y la
atenuación mediante un amplificador con coeficiente 0.7.
Figura 24.8: La señal original (Voz) y la señal recuperada.
Figura 24.9: Sistema de cancelación de ruido con la transformada de Fourier.
Figura 24.10: La señales de la voz y la señal recuperada.

Capı́tulo 25
Eliminación de ruido en imágenes
En el reporte correspondiente a esta aplicación 1 se explica el funcionamiento general del algo-

ritmo. Se mencionan los aspectos más importantes del funcionamiento del programa en C y se
incluyen recomendaciones para que el programa pueda ejecutarse correctamente. Se presenta el
programa en ensamblador para el TMS320C30 y, finalmente, algunas recomendaciones generales.
El algoritmo para eliminación de ruido fue propuesto por Eduardo Abreu, Michael Lightstone,
Sanjit K. Mitra y Kaoru Arakawa, quienes lo publicaron en el artı́culo A new efficent approach
for the removal of impulse noise from highly corrupted images. 2
Este algoritmo fue diseñado para eliminar el ruido llamado “sal y pimienta”, donde los niveles
de ruido sólo toman dos valores, el máximo de blanco o el mı́nimo de negro. Sin embargo, el
algoritmo funciona con una eficiencia muy alta para ruidos con una distribución continua de
probabilidad, como el ruido gaussiano.
25.1. Definición del algoritmo

El algoritmo se basa en el hecho de que los pixels vecinos referidos a un pixel central en una
imagen sin ruido no tienen variaciones de valor muy grandes entre ellos. En caso de que el pixel
central tenga un valor muy diferente al de los pixeles adyacentes, existe una probabilidad alta
de que el pixel contenga un valor corrupto (tenga ruido).
En la figura 25.1 se muestra una ventana que identifica a cierto pixel central x(n) y a sus ocho
vecinos cercanos, de x1 (n) a x8 (n). Se define un vector w(n) ∈ <8 que contiene los ocho elementos
de observación alrededor de x(n), tal que
w(n) = [x1 (n), x2 (n), ..., x8 (n)] (25.1)
En este vector se ordenan las xi (n) de acuerdo con su valor numérico (en las imágenes esto quiere
decir su nivel de gris):
1
Proyecto de investigación de B. Tovar, C. Estevez y R. Bustamante, Departamento de Electrónica, ITESM
Campus Ciudad de México
2
IEEE Transactions on Image Processing, Vol. 5, No. 6, junio 1996.
469
470 capı́tulo 25. eliminación de ruido en imágenes
r(n) = [r1 (n), r2 (n), ..., r8 (n)] (25.2)

Finalmente, se define el valor medio del vector ordenado (ROM, rank-ordered mean) como
r4 (n) + r5 (n)
m(n) = (25.3)
2
Un clasificador C identifica la ventana en una de M distintas clases por medio de la variable de
estado s(n) = C(x(n), w(n)), que controla la función de filtrado F, definida como
y(n) = F (x(n), r(n), s(n)) ≡ αs(n) x(n) + βs(n) m(n) (25.4)

Donde αi y βi para i=1,...,M son los coeficientes correspondientes a cada uno de los estados
posibles en los que la ventana puede ser clasificada. Para reducir el número de cálculos y la
complejidad de diseño se elige:
β i = 1 − αi , i = 1, ..., M (25.5)
El clasificador C debe generar una función de estado s(n) tal, que sea un indicador probabilı́stico
de que el pixel de la ventana esté corrupto. El clasificador C propuesto en el artı́culo opera sobre
las diferencias entre el pixel de entrada x(n) y los demás pixeles del vector r(n). Las diferencias
se definen como
(
rk (n) − x(n), x(n) ≤ m(n)
dk (n) = (25.6)
x(n) − r9−k(n) , x(n) > m(n)
En algunos casos para k = 1,...,4 la respuesta del algoritmo mejora considerablemente si se aplica
de forma recursiva, es decir; se construye
w(n) = [y1 (n), ..., y4 (n), x5 (n), ..., x8 (n)] (25.7)

Con esto, los pixeles ya evaluados en ventanas anteriores, que pudieron ser modificados, se
convierten en la información de las ventanas subsecuentes.
El caso más simple considera M=2 y se trabaja con sólo dos estados. Para esto se definen
empı́ricamente cuatro umbrales T1 < T2 < T3 < T4 , de los que el algoritmo detecta a x(n) como
un pixel corrupto y asigna s(n) = 1 si cualquiera de las siguientes desigualdades es cierta:
dk (n) > Tk , k = 1, ..., 4. (25.8)

De otra forma, el algoritmo supone que el pixel actual no está corrupto y asigna s(n)=2. El
artı́culo original indica que, después de múltiples pruebas, los intervalos que se consideran para
los umbrales son los siguientes:
x1 (n) x2 (n) x3 (n)

x4 (n) x(n) x5 (n)
x6 (n) x7 (n) x8 (n)
Figura 25.1: Ventana 3 × 3 de los pixeles vecinos de cierto pixel x(n)

25.2. programa en c 471
T1 ≤ 15, 15 ≤ T2 ≤ 25, 30 ≤ T3 ≤ 50, 40 ≤ T4 ≤ 60 (25.9)
Se define que para s(n)=1, α1 = 0 y para s(n)=2, α2 = 1. Con esto, si el pixel se considera
corrupto, porque una de las diferencias ha sobrepasado uno de los umbrales, se reemplazará con
la media del vector ordenado (ROM). En caso contrario, el pixel no se modificará.
La aproximación multiestado supone que dado que el pixel tiene ruido aditivo, todavı́a contiene
información que se puede recuperar. Ası́, si por ejemplo cierto estado determina que α = 0,5,
entonces el pixel que se reemplazará será la mitad del actual más la mitad de la media del vector
ordenado. Esto incrementa enormemente el número de cálculos, pero mejora la definición de la
imagen final.
25.2. Programa en C
El programa está estructurado en cuatro funciones:
Función Descripción
Recuperación Guarda en tipo, reng, col, cmap y z[˙][]
el tipo de imagen, el número de renglones, columnas,
colores y los pixeles de la imagen, respectivamente.
Ruido Crea los pixeles corruptos a partir de los pixeles guardados en z[˙][].
Orden Ordena los pixeles de un vector, de r en este caso.
main Realiza la operación del filtrado y crea la imagen final.
Los umbrales para las respectivas diferencias se definen al principio del programa como las
constantes T1, T2, T3, T4. Se recomienda como experimentación cambiar sus valores para poder
observar cómo afecta cada uno en la imagen final. También como constante se define Maxt, que
es el número máximo de columnas o renglones que puede tener la imagen. Si el programa llegara
a detenerse en su ejecución, tal vez el problema consiste en que la imagen tiene más renglones
o columnas definidas por Maxt, por lo que bastará con cambiar su valor para probar imágenes
más grandes.
El programa inicia preguntando por la imagen de prueba y por el nombre de la imagen final
que se creará. Después se llama a la función Recuperación, que mejorará los parámetros de la
imagen, como tamaño, número de colores, etc., y guardará todos los pixeles de la imagen en una
matriz bidimensional z[˙][].
Una vez recuperada la imagen, la función Ruido hace uso de la generación de números aleatorios
para simular el ruido con cierta distribución de probabilidad. La función viene comentada para
variar el nivel de ruido en la imagen (por omisión de 20 %).
La función principal (main) ejecuta el filtrado, teniendo como control de repetición el número
de renglones y de columnas. Primero recupera la ventana por trabajar y la asigna a un arreglo
(vector) w. Por comodidad en la programación, en w también se incluye el pixel central de la
ventana, aunque en la definición del algoritmo no se definió ası́. Esta libertad se puede tomar,
ya que la función de orden no tomará en cuenta este pixel. El arreglo w se ordena por la función
orden, generando los valores del arreglo r.
Con los valores de r calculados, se procede a la determinación de m (en el algoritmo denominado

como ROM). Es importante hacer notar que los subı́ndices de r utilizados son 3 y 4, y no 4 y 5
como se determinó en el algoritmo. Esto es porque los arreglos en C se numeran desde “cero” y
no desde “uno”, como en las ventanas del algoritmo.
Después se determinan las diferencias respectivas y se guardan en un arreglo d[]. En este punto,
el programa se puede manipular para que funcione como biestado o como una propuesta de
multiestado (en las lı́neas de código se incluyen los comentarios pertinentes para efectuar este
cambio). Por omisión el programa correrá con una propuesta de multiestados, basada en coe-
ficientes empı́ricos que encontramos que mejoraban el funcionamiento biestado. Para el lector
que esté interesado en cómo producir una propuesta multiestados, se recomienda leer el artı́cu-
lo original, donde los autores proponen una aproximación por mı́nimos cuadrados, pero con
coeficientes predestinados, lo que es una desventaja si se requiere que el algoritmo trabaje con
imágenes de muy distinto contenido frecuencial. Nuestra propuesta empı́rica consiste en sumar
“pedazos” de coeficiente a α, dependiendo de la magnitud de cada una de las diferencias.
El valor de α encontrado se utiliza para calcular el nuevo valor (si hubo algún cambio) del pixel
en z[i][j]. El pixel actual z[i][j] se escribe en el archivo final de la imagen, para que el programa
pruebe con la siguiente ventana. Dentro de la función main los contadores i y j determinan el
valor del renglón y de la columna actual, respectivamente.
Los resultados se pueden observar en las figuras 25.2, 25.3 y 25.4.
25.2.1. Recomendaciones generales de uso

El programa funciona con imágenes en formato ascii PGM. Este formato es muy común en
sistemas operativos tipo UNIX. El programa se probó bajo GNU Linux, usando como compilador
el GNU C Compiler. Para poder utilizar el formato en PGM, la imagen debe estar en escala de
grises.
En algunas PC que corren otros sistemas operativos (aunque depende del compilador de C)
se tienen problemas en el manejo de memoria de arreglos de variables grandes. Si el programa
detiene su operación antes de terminar, probablemente sea un error de manejo de memoria
en el sistema operativo, o bien, la constante Maxt que define el tamaño máximo de imagen
Maxt×Maxt tiene un valor pequeño respecto a la imagen que se probará. Si se tiene la aplicación
XV 3 , se podrán visualizar las imágenes automáticamente, al tiempo que se ejecuta el programa.
La mayorı́a de los programas generadores de imágenes en formato PGM incluyen comentarios
entre la lı́nea que marca el tipo de imagen P2 y los primeros datos numéricos. Los comentarios
se denotan por un # como caracter inicial y deben de eliminarse del archivo antes de ejecutar
el programa. El archivo PGM puede abrirse en cualquier editor de texto para eliminar los
comentarios y debe guardarse como sólo texto.
Como el algoritmo no trabaja sobre los bordes (se puede realizar una aproximación), éstos se
eliminan en la imagen final, es decir, se tendrán dos renglones y dos columnas menos.
3
Derechos de John Bradley
En formato PPM el mismo algoritmo se puede implementar para imágenes a color. El forma-
to PPM, denominado como tipo P3, guarda la imagen en forma RGB, por lo que cada pixel
está compuesto de tres valores (cantidad de rojo, de verde y de azul). El programa debe mo-
dificarse para que se lean tres arreglos bidimensionales (uno para cada color) y no sólo z[˙] en
escala de grises. Dado que los colores rojo, verde y azul son independientes entre sı́, se puede
aplicar la operación de filtrado a cada arreglo y después escribirlos en un archivo final. Una
recomendación en este caso es volver la operación de filtrado una función aparte de main y que
esta nueva función tenga como argumento un arreglo bidimensional. Ası́, esta función se llamarı́a
tres veces, una para cada color.
/****************PROGRAMA EN C************************/
#include <stdio.h>
#include <stdlib.h>
#define Maxt 650/*Maximo numero de renglones y columnas */
/* Definicion de los umbrales */
#define T1 5
#define T2 15
#define T3 30
#define T4 40
int reng, col, cmap;

int z[Maxt][Maxt]={0}; /* "z" guardara la imagen restaurada */
int w[9]={0}; /* Vector que guarda los pixeles de la ventana */
int r[8]={0}; /* Vector con los pixeles ordenados (rank) */
int d[4]={0}; /* Vector de diferencias */
FILE *imagen;
FILE *final;
char tipo[2];
char nombreo[20], nombref[20], tempc[25];
/*Variables temporales para nombres de archivo*/
void ruido(int reng, int col, int cmap, char tipo[2]);
void recuperacion(void);
void orden(int rt[]);
main(){
int i, j, k, l, p, temp, m;
float alfa;
printf("\n Imagen por probar: \t");

scanf("%s", &nombreo);
printf("\n Imagen final: \t \t");

scanf("%s", &nombref);
if((imagen=fopen(nombreo, "r"))==NULL)
printf("\n Error: No se pudo encontrar el archivo\n");
else
final=fopen(nombref, "w");
recuperacion();
ruido(reng, col, cmap, tipo);
fprintf(final, "%s\n%d %d\n", tipo, col-2, reng-2);

fprintf(final, "%d\n", cmap);
for(i=1; i<(reng-1); i++){

for(j=1; j<(col-1); j++){
temp=0;
for(k=0; k<3; k++){
for(l=0; l<3; l++){
w[temp]=z[i+k-1][j+l-1];
temp++;
}
}
orden(w);
m=(r[3]+r[4])/2;
if (z[i][j]<=m){
for(p=0; p<4; p++)
d[p]=r[p]-z[i][j];
}
else{
for(p=0; p<4; p++)
d[p]=z[i][j]-r[7-p];
}
alfa=0;
/**Para IMPLEMENTACION BIESTADO quitar comentarios **/

/**y comentar todas las lineas entre INICIO y FIN de**/
/**PROPUESTA MULTIESTADOS *******/
/*if ((d[0]>T1)||(d[1]>T2)||(d[2]>T3)||(d[3]>T4)){
z[i][j]=m;
alfa=1;
}*/
/**********FIN IMPLEMENTACION BIESTADO*****/
/**INICIO DE PROPUESTA MULTIESTADOS*******************/
if (d[0]>T1)
if (d[0]>(T1+20))
alfa+=0.3333;
else
if (d[0]>(T1+5))
alfa+=0.1;
else
alfa+=0.05;
if (d[1]>T2)
if (d[1]>(T2+20))
alfa+=0.3333;
else
if (d[1]>(T2+5))
alfa+=0.1;
else
alfa+=0.05;
if (d[2]>T3)
if (d[2]>(T3+30))
alfa+=0.3333;
else
if (d[2]>(T3+10))
alfa+=0.2;
else
alfa+=0.1;
if (d[3]>T4)
if (d[3]>(T4+30))
alfa+=0.3333;
else
if (d[3]>(T4+10))
alfa+=0.2;
else
alfa+=0.1;
if(alfa>1)
alfa=1;
/**FIN DE PROPUESTA MULTIESTADOS****************/
z[i][j]=alfa*m+(1-alfa)*z[i][j];
fprintf(final, "%3d ", z[i][j]);

}
}
fclose(imagen);
fclose(final);
/**Quitar los comentarios para visualizar automaticamente**/

/**las imagenes**/
strcpy(tempc,"xv ");
strcat(tempc, nombreo);
strcat(tempc, " &");
system(tempc);
strcpy(tempc,"ruido.pgm ");
system(tempc);
strcat(tempc, nombref);
system(tempc);
/*********************************/
void recuperacion(void){
int i, j;
fscanf(imagen, "%s", &tipo);
fscanf(imagen, "%d", &col); /* No. de renglones de la imagen */
fscanf(imagen, "%d", &reng); /* No. de columnas de la imagen */
fscanf(imagen, "%d", &cmap);
for(i=0; i<reng; i++)

for(j=0; j<col; j++)
fscanf(imagen, "%d", &z[i][j]);
}
void orden(int rt[]){

int i, j, temp;
r[0]=rt[0];r[1]=rt[1];r[2]=rt[2];
r[3]=rt[3];r[4]=rt[5];r[5]=rt[6];
r[6]=rt[7];r[7]=rt[8];
for(i=0; i<8; i++){

for(j=(i+1); j<8; j++){
if(r[i]<r[j]){
temp=r[j]; r[j]=r[i];
r[i]=temp;
}
}
}
}
void ruido(int reng, int col, int cmap, char tipo[2]){
int i,j;
FILE *ruido;
srand(time());
ruido=fopen("ruido.pgm", "w");
fprintf(ruido, "%s\n%d %d\n", tipo, col, reng);

fprintf(ruido, "%d\n", cmap);
for(i=0; i<reng; i++)

for(j=0; j<col; j++){
if ((rand()%101)<20)/*Define ruido 20 = 20 por ciento */
if ((rand()%101)>50){/*Distribucion de 0 y 255. 50 = Partes iguales*/
z[i][j]=255;
}
else{
z[i][j]=0;
}
fprintf(ruido,"%d ", z[i][j]);
}
fclose(ruido);
}
Figura 25.2: Praga, imagen original
Figura 25.3: Praga, imagen con ruido al 20 %
Figura 25.4: Praga, imagen recuperada

Índice alfabético
A Filtros activos, 131

con capacidades conmutados, 171
Acoplamiento perfecto, 18
de segundo orden, 131
Adaptadores
paso altas de primer orden, 137
adaptador paralelo, 365
paso bajas de primer orden, 138
adaptador serial, 366
paso banda de primer orden, 140
adaptador elemental, 368
ARC con realimentación, 141
Análisis de los filtros SCF, 177
Filtros ARC con giradores, 157
Aproximación de
Filtros adaptivos, 455
Bessel, 93
Filtros digitales 281
Butterworth, 71
análisis, 409
Cauer, 96
con la respuesta infinita IIR, 281
Chebychev, 81
con la respuesta finita FIR, 305
Chebychev inverso, 87
de dos dimensiones, 413
las plantillas, 65
de onda, 363
ARC paso altas, 117
diferenciador, 321
ARC paso banda, 118
estructuras de cascada, 284
ARC paso bajas, 117
estructura paralela, 285
ARC banda eliminada, 118
la forma en celosı́a, 391
C la forma Markel y Gray, 403
transformador de Hilbert, 323
Cascada de filtros RC, 120
Filtros de capacidades Conmutados, 171
RC progresivos, 123
Filtros pasivos RC, 117
RC con divisor, 125
RC elementales, 120
Cauer I, 35
RC divisor, 126
Cauer II, 36
Foster I, 26
Circuito de dos puertas, 7
Foster II, 32
condensador doble 168
Función de transferencia 16
Correlación, 223
carácteristica, 16
normalizada, 225
de espejo, 16
de las señales parecidas, 226
de trabajo, 21
Cuantización, 425
Función de transferencia, 333
E
G
Ecuaciones de cascada, 7
Girador, 157
Ecuación carácteristica, 20
bobina con girador, 165
eliminación de ruido, 461
paso altas con girador, 164
F paso bajas con girador, 163
479
480 ÍNDICE ALFABÉTICO
I contı́nua y no periódica, 202

contı́nua y periódica, 203
Impedancia
discretas y periódicas, 205
carácteristica, 13
discreta y no periódica, 205
de entrada, 20
sistemas
Interruptores, 179
causal, 207
M estable, 207
Matriz lineal, 207
circular, 301 T
de admitancia, 9
Tablas de los filtros de
de cascada, 8
Butterworth, 103
de dispersión, 10
Chebychev, 107
de estado, 347
Chebychev inverso, 109
de Fourier, 261 los filtros activos, 144
de impedancia, 12 onda, 377
de transferencia, 13 Transformada
flujo de estado, 346 discreta de Fourier, 229
O de Fourier rápida, 249
decimación en el tiempo, 252
Orden del filtro de
decimación en las frecuencias, 257
Butterworth, 71
macro para FFT mediante DSP, 268
Cauer, 96
macro para FFT mediante Matlab, 275
Chebychev, 82
zeta, 213
P zeta bilineal, 288
zeta inversa, 219
polos y ceros de
Transformaciones
la impedancia ZLC , 26
paso bajas a paso altas, 59
la impedancia ZRC , 28
paso baja a paso banda, 57
la impedancia ZLR , 30
paso bajas a paso bajas, 58
Propiedades de la DFT, 234
supresor de banda, 57
convolución, 235
de las plantillas, 53
corelación circular, 236
desplazamiento en el tiempo, 235 V
desplazamiento en la frecuencia, 238 Varianza de redondeo, 324
linealidad, 234 Ventanas de,
teorema de modulación, 238 Hamming, 325
corelación , 236 Blackman, 327
R Von Hann, 327
Kaiser, 328
Realización Bohman, 328
de Cauer I, 23 Poisson, 329
de Cauer II, 36 Cauchy, 329
de dos puertas, 40
S
señal
Bibliografı́a
[1] BORGHESANI C. and Ambardar, A.: Mastering DSP Concepts Using Matlab. New Jersey,
Prentice Hall, 1998.
[2] BRIGHAM E.: The Fast Fourier Transform, New York, Prentice-Hall, 1983.
[3] BURRUS C. and Parks T.: DFT / FFT and Convolution. John Wiley and Sons, 1985.
[4] BUTTERWORTH S.: On the Theory of Filter Amplifiers, Wireless Engr., vol 7.,pp 536-541,
October 1930.
[5] CAUER, W.: Siebschaltungen. V.D.I. Verlag G.m.b.H, Berlin 1951.
[6] CAUER, W.: Synthesis of Linear Communacationn Networks (Translated from the German)
McGraw-Hill Book Company, New York 1958.
[7] CHASSAING R and Horning D.: Digital Signal Processing with the TMS320C25 John Wiley
and Sons, Toronto1990.
[8] CHEN, H.: Linear Network Design and Synthesis McGraw-Hill Book Company, New York
1964.
[9] CHEN, H.: The Analysis of Linear Systems McGraw-Hill Book Company, New York 1963.
[10] CHEN W.: The circuits and Filters Handbook. CRC Press/IEEE, ISBN 0-8493-8341-2.
[11] CHING P. and Wu S.: Realtime Digital Signal Processing System Using a Parallel Processing
Architecture. Microprocessors and Microsystems, No.10, December 1989, pp. 653–658.
[12] McCLELLAN J., Schafer R. and Yoder M.: DSP FIRST A Multimedia Approach. Prentice
Hall 1998.
[13] McCLELLAN J.: The design of two-dimensional digital filter by transformation. Proc. 7th.
Annu. Princenton Conf. Information Sciences and Systems, 1973, pp. 247- 251.
[14] McCLELLAN J., Schaffer R and Yoder M.: DSP First a Multimedia Approach. New York,
[15] DARLINGTON, S.: Synthesis of Reactance 4-Poles, which Produce Prescribed InsertionLoss
Characteristics. J. Math. Phys. Vol. 18, pp 257-353, September 1939.
[16] ELLIOTT D. and Rao, K.: Fast Transforms. Algorithms, Analyses, Applications. New
Jersey, Academic Press, 1982.
481
482 BIBLIOGRAFÍA
[17] FETTWEIS A.: Digital Filters Structures Related to Clasical Filter Networks. Arch. Elek.
Uebertragung, vol. 25, pp. 79-89, Feb.1971.
[18] N.J. Fliege.: Multirate Digital Signal Processing. John Wiley and Sons, ltd, New York,
Reprinted September 2000.
[19] FOSTER R.M.: A Reactance Theorem. Bell System Tech. Journal., vol 3, pp 259-267, April
1924.
[20] FRANTZ G.:The Texas Instruments TMS320C25 Digital Signal Microcomputer. IEEE
Micro 6, No.6, 1986, pp. 10–28.
[21] GÓMEZ S. et al.: An Application–specific FFT processor. Electronic Engineering, No.6,

June 1988, pp. 99–106.
[22] GUILLEMIN E.: Communication Networks. Vol 4. John Wiley and Sons. New York 1935.
[23] GUILLEMIN E.: Introductory Circuit Theory. John Wiley and Sons New York 1953.
[24] GUNN L.: Chips Try Teaching Computers To Speak, Listen. Electronic Design, No.11, May
1989, pp. 33–36.
[25] HONIG M. and Messerschmitt, C.G.: Adaptive filters Structures, Algorithms and Applica
tions. New York, Kluwer Academic Publishers, 1986.
[26] HUELSMAN L.: Active and Pasive Anslog Filter Design. McGraw Hill, ISBN 0-07-112519-1
New York 1993.
[27] HUMPHREYS L.: The Analysis, Design and Synthesis of Electrical Filters. Prentice Hall,
ISBN 0-13-032904-3, Toronto, 1977.
[28] INGLE V.: Digital Signal Processing Using Matlab V.4 PWS Publishing Company. ITP.
Boston 1997.
[29] KUH E.: Special Synthesis Techniques for Driwing Point Impedance Function IRE Tran-
sactions PGCT, Vol CT2, no 4, pp, 302-308, December 1955.
[30] LACROIX A.:Digitale Filter. 3. Auflage, Wien, Munchen, Oldenburg, 1988.
[31] LACROIX A. and Witte K.: Zeitdiskrete normierte Tiefpasse. Heidelberg, Dr.Alfred Huthig
Verlag, l980.
[32] LARIMORE M.: An Algorithm for Adapting IIR Digital Filters. IEEE Trans. on ASSP,
No.4, August 1980, pp. 428–440.
[33] LARRY E.:Manual de laboratorio de procesamiento digital de señales. México, UNAM,

Facultad de Ingenierı́a, 2000.
[34] LARRY E.:Arquitecturas de DSP’s, Familia TMS320 y El TMS320C50. México, UNAM,

Facultad de Ingenierı́a, 2000.
[35] LUIKUO G., Fleming M. and Magar M.: A 500 MOPS DSP Chip Set. Electronic
Engineering, No.6, June 1988, pp.106–113.
BIBLIOGRAFÍA 483
[36] MALLAT S.:Multifrecuency Chanel Decomposition of Images and Wavelet Models. IEEE
Transiction ASSP 37 (1989), s. 2091-2110.
[37] MARSHALL D., Jenkins W. and Murphy, J.: The Use of Orthogonal Transforms for Im-
proving Performance of Adaptive Filters. IEEE Trans. on CAS, No.4, April 1989, pp.474–484.
[38] MARVEN G. and Ewers G.: A simple approach to Digital Signal Processing. Oxford, Alden
Press Limited, Texas Instruments, 1994.
[39] MILT L.: Signal–Processing Circuits. Electronic Design. No.4, February 1990, pp. 101–108.
[40] MITRA S.: Digital Signal Processing. A computer-Based Approach MCGraw-Hill Compa-
nies,Inc 1998.
[41] MITRA S.: Digital Signal Processing. A computer-Based Approach. New York, McGraw-
Hill Companies, 1998.
[42] MITRA S., Chacrabarti S. and Abreu E.: The nonuniform Discrete Fourier Trans- form and
its Signal Processing Applications. Proc European Signal Processing Conference-EUSIPCO,
Brussels, Belgium, August 1992, pp. 909-912.
[43] MITRA S.K. and Sherwood R.: Canonic realizations of digital filters using the continued
fraction expansion. IEEE Trans. Audio Electroacoustics, AU-20: August 1972, pp. 185-194.
[44] .: Digital Ladder Networks IEEE Trans. Audio Electroacoustics, AU-21: Fe-
bruary
1973, pp.30-36.
[45] MITRA S., Hirano K., Furano K. and Sherwood R.: Digital sine-coseno generator.
International Conference on Digital Signal processing, Florence, Italy, September 1975, pp.
142-149.
[46] OPPENHEIM A. and Schafer W.: Discrete – Time Signal Processing. Prentice Hall, Inc.,
1989.
[47] OPPENHEIM A. and Schafer R.: Discrete-Time Signal Processing. New Jersey, Prentice
Hall, 1989.
[48] .: Digital Signal Processing. New Jersey, Prentice Hall, 1985.
[49] ORFANIDIS S.: Introduction to Signal Processing Prentice Hall, New Jersey 1996.
[50] PARKS T and Burrus C.: Digital Filter Design. John Wiley Sons, Inc., New York, 1987.
[51] RAMÍREZ F. and Moreno J.: Prácticas de procesamiento digital de Señales. Centro de In-
vestigación y de Estudios Avanzados del IPN, Departamento de Ingenierı́a Eléctrica, Octubre
1996.
[52] RAO K. and Yip P.: Discrete Cosene Transform. San Diego, Academic Press, 1990.
[53] SAAL R. and E.Ulbrich.: On the design of Filters by Synthesis. Proc. IRE , vol. CT-5, no.4,
pp 284-327, December, 1958
484 BIBLIOGRAFÍA
[54] STORCH L.: Synthesis of Constant-time-delay Ladder Networks Using Bessel Polynomials.
Proc. IRE, vol. 42, no. 11, pp 1666-1675, N0vember 1954.
[55] STORER J.E.: Relationship between the Bott-Dufin and Pantel Impedance Synthesis. Proc.
IRE, vol 42, no. 9, p. 1451, September, 1954.
[56] STRANG G. , NGUYEN T.:Wavelets and Filter Banks. Wellesley-Cambridge Press, We-
llesley, 1996.
[57] SU K.: Analog Filters. Chapman and Hall, ISBN 0-412-63840-1.
[58] SCHAFER R. and Rabiner L.: Digital Representation of Speech Signal. Proceedings of the
IEEE, Vol.63, No.4, June 1975.
[59] SHYNK J.: Adaptive IIR Filtering. IEEE ASSP Magazine, No.2, April 1989.
[60] SORENSEN H. and Chen J.: A Digital Signal Processing Laboratory Using The
TMS320C30. New Jersey, Prentice Hall, Upper Sadle River, 1997.
[61] STANLEY W. and Dougherty G.:Digital Signal Processing. San Diego, Reston Pub- lishing
corp., 1984.
[62] STEARNS S. and David R.: Signal Processing Algorithms In Matlab. New Jersey, Prentice
Hall, 1996.
[63] STRAHLE W.: Adaptive Nonlinear Filter Using Fractal Geometry. Electronic Letters,
No.19, September 1988, pp. 1248–1250.
[64] TEXAS INSTRUMENTS: TMS320C25 Digital Signal Processor. Product Description.

Printed in USA, 1986.
[65] .: Digital Signal Processing with the TMS320C30. Toronto, John Wiley and Sons,
1992.
[66] .: Second–Generation TMS320 User’s Guide. Printed in USA, 1987.
[67] .: TMS34020 User’s Guide. Printed in USA, 1987.
[68] .: TMS320C1x/TMS320C2x Assembly Language Tools User’s Guide. Printed in

USA, 1987.
[69] .: TMS320C25 C Compiler Reference Guide. Printed in USA, 1988.
[70] .: TMS320C5X Starter Kit Users Guide. Printed in USA, 1995.
[71] .: TMS320 Family Development Suport-Reference Guide. Printed in USA, 1994.
[72] .: TMS320C2X DSP Starter Kit Users Guide. Printed in USA, 1993.
[73] Reference Guide. Printed in USA, 1988.
[74] P.P. Vaidynathan.: Pasive Cascaded Latice Structures for Low Sensitivity FIR Filter Design,
with Application to Filter Banks. IEEE Trans Cas, vol 33, pp 1054-1Macro 1064, November
1986.
BIBLIOGRAFÍA 485
[75] P.P. Vaidynathan.: A tutorial on Multirate Digital Filter Banks. Proc IEEE ISCAS’88, pp
2241-2248, 1988.
[76] P.P. Vaidynathan.: Multirate System and Filter Banks. Prentice Hall, Englewood Cliffs,
New Yersey 1993.
[77] VAN DEN ENDEN A. and Verhoeck N.: Discrete-time Signal Processing. New Jersey,
[78] WHITE M. et al.: New Strategies For Improving Spech Enhancement. Int. Journal on
Biomedical Computing, No. 25, 1990, pp. 101–124.
[79] WEINBERG L.: Network Analysis and Synthesis McGraw-Hill, New york 1962.
[80] WIDROW B. and Stearns S.: Adaptive Signal Processing. Prentice–Hall, Inc., 1985.
[81] ZVEREV A.: Handbook of Filter Synthesis. John Wiley and Sons, New York, 1967.

Filtrado de Señales Analógicas y Digitales

Transféré par

Informations du document

Description originale:

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Filtrado de Señales Analógicas y Digitales

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

FILTRADO DE SEÑALES ANALÓGICAS

(FILTROS PASIVOS, ACTIVOS Y DIGITALES)

DIVISIÓN DE INGENIERÍA ELÉCTRICA

MIGUEL ÁNGEL RODRÍGUEZ HERNÁNDEZ

UNIVERSIDAD POLITÉCNICA DE VALÉNCIA - UPV

Dr. Bohumil Pšenička

El conocimiento de la matemática y las bases de la teoria de circuitos

1. Circuitos de dos puertos 3

2. Realización de circuitos LRC 21

3. Transformación de las plantillas 51

4. Aproximación de las plantillas 63

5. Diseño de filtros mediante tablas 101

7. Filtros activos con amplificador. 129

8. Filtros con capacitancia conmutada. 169

9. Clasificación de las señales y sistemas 199

10.Transformada-z directa e inversa 211

12.Transformada discreta de Fourier 227

13.La transformada rápida de Fourier 247

14.Filtros digitales con respuesta infinita 279

15.Filtros digitales con respuesta finita 303

16.Función de transferencia 331

18.Filtros digitales de onda 361

19.Filtros digitales en celosı́a 389

20.Filtros digitales de dos dimensiones 411

21.El efecto de la cuantización 423

22.Submuestreo de la señal 433

23.Filtros adaptativos 453

24.Control activo del ruido 463

25.Eliminación de ruido en imágenes 469

Circuitos de dos puertos

1.1. Parámetros de los circuitos

Figura 1.1: Circuito de dos puertos

1.1.1. Parámetros de cascada Aij

1.1.2. Parámetros de impedancia Zij

Figura 1.2: Parámetros de la matriz de impedancia

1.1.3. Parámetros de admitancia Yij

I2 = Y21 U1 + Y22 U2 (1.6)

Figura 1.3: Parámetros de la matriz de admitancia

1.1.4. Parámetros de transferencia Tij

Figura 1.4: Circuito de dos puertos

1.1.5. Parámetros de dispersión Sij

Las ecuaciones (1.1), (1.4) y (1.6) se pueden escribir en la forma matricial:

" # " # " #

Alternativamente, la impedancia del circuito en corto U2 = 0 se puede expresar de la siguiente

La impedancia de imagen (caracterı́stica) de salida Z02 se puede calcular mediante la ecuación

Figura 1.5: Circuito con impedancia en la rama de serie

" # " # " # " #

Calcular la matriz de cascada A2 del circuito en la figura 1.6.

Figura 1.6: Circuito con admitancia en la rama paralela

En el circuito la tensión U1 es igual a la tensión de salida, mientras que la corriente de entrada

Y la ecuación matricial de cascada está dada por

Figura 1.7: Circuitos básicos en cascada

" # " # " #

Figura 1.8: Circuitos básicos en cascada

A11 = 1 + Z1 /Z2 = 2 A12 = Z1 = 424

Sustituyendo los valores de Aij en las ecuaciones (1.18) y (1.19), se obtiene:

Calcular las impedancias caracterı́sticas del circuito en la figura 1.9.

Primero se calculan los parámetros Aij .

Figura 1.9: Circuito en forma T

Como el circuito es simétrico, A11 = A22

Las impedancias caracterı́sticas se obtienen si se sustituye Aij en (1.18) y (1.19)

Calcular los parámetros de transferencia Tij para el circuito en la figura 1.10.