BT 135.informe

FACULTAD DE INGENIERÍA - U.B.A.
Departamento de Electrónica
66.06 Análisis de Circuitos
Diseño y Sı́ntesis de un Filtro

Chebyshev
Albani Francisco
Padrón: 84891
Código del trabajo: BT135
1.er cuatrimestre 2007

Resumen
El informe comienza con una breve introducción al diseño y sı́ntesis de
filtros orientada a aquellos que, sin haber cursado la materia Análisis de
Circuitos, tienen la intención de leer este trabajo para ver de qué se trata.
Se pretende cumplir con el enunciado propuesto y a la vez servir de guı́a
para quienes, en el futuro, deban transitar el mismo camino; es por eso
que se ha puesto especial esfuerzo en no dejar cabos sueltos y acompañar
cada acción con su justificación teórica.
El desarrollo comienza por el análisis espectral de todas las señales
involucradas, para luego darle paso a la búsqueda del objetivo utilizando la
Aproximación de Chebyshev. Finalmente, el filtro es sintetizado mediante
una estructura circuital y su funcionamiento es probado con la ayuda de
los programas MathCad, para cálculo simbólico, y PSpice, para simulación
de circuitos.
2
Índice
I Introducción 5
1. ¿Qué es un filtro? 5
2. Diseño de un filtro 7
3. Sı́ntesis de un filtro 8
4. Objetivo 9
4.1. Enunciado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
4.2. Restricciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
II Desarrollo 11
5. Análisis de la señal de entrada 11
5.1. Resolución del circuito . . . . . . . . . . . . . . . . . . . . . . . . 11
5.2. Descomposición armónica . . . . . . . . . . . . . . . . . . . . . . 14
5.3. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
6. Análisis de la señal de salida 19

6.1. Interpretación de la señal de AM . . . . . . . . . . . . . . . . . . 19
6.2. Descomposición armónica . . . . . . . . . . . . . . . . . . . . . . 19
6.3. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
7. Búsqueda de la Transferencia 21
7.1. Análisis de los datos . . . . . . . . . . . . . . . . . . . . . . . . . 21
7.2. Búsqueda de una aproximación . . . . . . . . . . . . . . . . . . . 22
7.3. Aproximación de Chebyshev . . . . . . . . . . . . . . . . . . . . . 24
7.3.1. Polinomios de Chebyshev . . . . . . . . . . . . . . . . . . 24
7.3.2. Pasa-bajos Chebyshev . . . . . . . . . . . . . . . . . . . . 27
7.3.3. Transformación pasa-bajos −→ pasa-banda . . . . . . . . 29
7.4. Búsqueda de los parámetros de Chebyshev . . . . . . . . . . . . . 31
7.4.1. Orden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
7.4.2. Frecuencia central y ancho de banda relativo . . . . . . . 31
7.4.3. Factor de ondulación . . . . . . . . . . . . . . . . . . . . . 33
7.4.4. Amplitud . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
7.5. Hallazgo de la Transferencia . . . . . . . . . . . . . . . . . . . . . 36
7.5.1. Extensión analı́tica jω −→ s . . . . . . . . . . . . . . . . 36
7.5.2. Reconstrucción a partir de los polos . . . . . . . . . . . . 36
7.6. Verificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
7.6.1. Espectro de la salida . . . . . . . . . . . . . . . . . . . . . 40
7.6.2. Señal de salida en el tiempo . . . . . . . . . . . . . . . . . 40
7.6.3. Armónicos residuales . . . . . . . . . . . . . . . . . . . . . 41
3
8. Sı́ntesis circuital del Filtro 43
8.1. Confección de la estructura . . . . . . . . . . . . . . . . . . . . . 43
8.1.1. Sallen-Key . . . . . . . . . . . . . . . . . . . . . . . . . . 43
8.1.2. Infinite Gain Multiple FeedBack . . . . . . . . . . . . . . 44
8.1.3. Elección de las admitancias . . . . . . . . . . . . . . . . . 45
8.1.4. Estructura final . . . . . . . . . . . . . . . . . . . . . . . . 46
8.1.5. Normalización de los componentes . . . . . . . . . . . . . 47
8.2. Verificación de la transferencia definitiva . . . . . . . . . . . . . . 50
8.3. Respuesta en frecuencia . . . . . . . . . . . . . . . . . . . . . . . 53
8.3.1. Diagramas de Bode . . . . . . . . . . . . . . . . . . . . . 53
8.4. Respuesta en tiempo . . . . . . . . . . . . . . . . . . . . . . . . . 55
8.4.1. Impulso δ(t) . . . . . . . . . . . . . . . . . . . . . . . . . . 56
8.4.2. Escalón u(t) . . . . . . . . . . . . . . . . . . . . . . . . . . 57
8.4.3. Onda cuadrada de 100 Hz . . . . . . . . . . . . . . . . . . 58
8.4.4. Onda cuadrada de 300 Hz . . . . . . . . . . . . . . . . . . 59
8.4.5. Senoidal de 1000 Hz . . . . . . . . . . . . . . . . . . . . . 60
III Conclusión 61
IV Bibliografı́a 62
4
66.06 Análisis de Circuitos Diseño y Sı́ntesis de un Filtro Chebyshev
Parte I
Introducción
1. ¿Qué es un filtro?
Filtro
(De fieltro)
1. Materia porosa, como el fieltro, el papel, la esponja, el carbón, la piedra, etc., o
masa de arena o piedras menudas a través de la cual se hace pasar un lı́quido
para clarificarlo de los materiales que lleva en suspensión.
2. Manantial de agua dulce en la costa del mar y a veces hasta en lugares bañados
por el mar.
3. Sistema de selección en un proceso según criterios previamente establecidos.
4. Electr. Dispositivo que elimina o selecciona ciertas frecuencias de un espectro
eléctrico, acústico, óptico o mecánico, como las vibraciones.
5. Fı́s. Aparato dispuesto para depurar el gas que lo atraviesa.
Como se puede leer en el extracto anterior, tomado del Diccionario de la
Real Academia Española, la definición de filtro más adecuada, a los efectos de
este trabajo, es la no 4, correspondiente al campo de la Electricidad.
Puede pensarse un filtro como una transformación entre una entrada y una
salida. La denominación de “filtro” tendrá sentido si la entrada puede descom-
ponerse como la suma de alguna cantidad de partes diferenciables unas de otras,
entre las cuales el filtro hará una selección y recomposición para obtener la sal-
ida.
En el contexto de este trabajo, tanto la entrada como la salida serán mag-

nitudes eléctricas comunmente llamadas señales. Desde el momento en que,
mediante el Análisis de Fourier, se acepta que una señal periódica puede de-
scomponerse como una suma infinita de señales senoidales puras, de distintas
frecuencias y amplitudes bien determinadas, queda claro que aquello sobre lo
que el filtro trabajará serán frecuencias.
Los filtros más conocidos, simples y relevantes para este trabajo, son cono-
cidos como selectores de frecuencia, y su especificación consiste en definir un
rango de frecuencias fuera del cual las señales son rechazadas. Dependiendo la
naturaleza de las frecuencias del rango, se los conoce como pasa-bajos, pasa-altos,
pasa-banda o rechaza-banda. En la figura 1 pueden apreciarse algunos ejemplos.
Albani Francisco 5 1.er cuatrimestre 2007

2
Ganancia
0
0 20 40 60 80 100
Frecuencia
Pasa-bajos ideal
Pasa-altos ideal
Pasa-banda ideal
Figura 1: Algunos filtros ideales.
Como se verá a continuación, este comportamiento sólo se logra aproximar

en mejor o peor medida, y esa es una de las incumbencias del diseño de filtros.

2. Diseño de un filtro
Pueden implimentarse filtros mediante una red de componentes eléctricos
pasivos y activos (aprovechando las condiciones de resonancia de sus compo-
nentes), pensada de forma tal que la transferencia entre dos de sus variables
eléctricas se aproxime al comportamiento deseado. En estas condiciones, a una
de estas variables eléctricas se la llamará “excitación” y a la otra “respuesta”, y
jugarán el papel de “entrada” y “salida”, respectivamente. Matemáticamente,
esto se expresa como:
Respuesta = Transferencia · Excitación
donde cada uno de los factores es la transformada de Laplace correspondiente.
Si se piensa que las funciones de Transferencia sintetizables mediante una

cantidad finita de componentes eléctricos, resultan siempre racionales, se con-
cluye rápidamente que existe una limitación importante en cuanto a los filtros
que pueden representarse mediante redes eléctricas. En otras palabras, a partir
de una especificación idealizada del comportamiento deseado, sólo se podrá lo-
grar una aproximación que tanto mejor será en la medida en que haya más
componentes reactivos involucrados.
A raı́z de esto, a lo largo de la historia han surgido distintas aproximaciones

pensadas con distintos objetivos en mente; comportamiento uniforme dentro de
la banda pasante; fuerte atenuación fuera de banda; poca distorsión de fase, etc.
Estas aproximaciones se representan mediante expresiones racionales cuyo

orden está relacionado, como ya se dijo, con la cantidad de componentes re-
activos, y por lo tanto, también con la calidad de la aproximación. En este
trabajo, se intentará encontrar la mejor aproximación posible que no exceda la
cantidad máxima de componentes reactivos permitida, y cumpla con el objetivo
estipulado.

3. Sı́ntesis de un filtro
Una vez terminada la descripción matemática del filtro mediante alguna
aproximación racional, el próximo paso es sintetizar una estructura circuital
que la lleve al mundo real. Aquı́ se deben combinar inmitancias y elementos
activos de forma tal que la transferencia entre dos de sus nodos resulte ser la
función racional que representa al filtro.
Una estrategia muy común que suele simplificar mucho la sı́ntesis, es la

separación en etapas independientes. Un ejemplo de esto es la combinación en
“cascada” (serie) de estructuras de tal forma que la transferencia total resulte
el producto de las transferencias de cada etapa. Para esto se busca expresar la
transferencia deseada en el producto de transferencias de estructuras conocidas.
Existen varias estructuras famosas que pueden adaptarse para alcanzar el

objetivo propuesto. Algunas de las más simples son los divisores de tensión,
los amplificadores inversores y no inversores, los derivadores y los integradores.
Especial mención merecen las estructuras de realimentación múltiple como por
ejemplo Sallen-Key, Infinite Gain Multiple FeedBack y KHN 1 .
Finalmente, especial cuidado hay que tener con los valores de los compo-
nentes utilizados, pues en el mercado no se comercializan todos los valores posi-
bles que una ecuación matemática puede arrojar. Existen distintas series de
valores separados discretamente en “saltos” determinados por la tolerancia de
fabricación. La elección de los valores debe hacerse teniendo en cuenta que luego
deberán ser normalizados a los valores comerciales y esto puede llevar al filtro
a no cumplir con las especificaciones para las que originalmente fue diseñado.
1 Kerwin-Huelsman-Newomb

4. Objetivo
4.1. Enunciado
A continuación, se expone el enunciado que da nacimiento a este trabajo:
P BS170/ZTX
3
VOFF = 0 1k [1] Gate
VAMPL = 1 N 1 [2] Source
5 FREQ = 1000 [3] Drain
4
0
2
2
V-
-
VOFF = 0 TL082/301/TI 1 Filtro AM
VAMPL = 1 OUT
0 FREQ = 100 3
V+
+
5 3
8
N 0 0 P
Figura 2: Circuito generador de la señal de entrada.
En el circuito de la figura 2, un transistor MOS2 BS170/ZTX de canal

N se emplea como mezclador alineal, produciendo en el terminal source una
poliarmónica que es empleada como entrada del filtro que deberá componer una
señal de AM3 , representada por la siguiente expresión:
1 1
sin(2π · 900Hz · t) + sin(2π · 1000Hz · t) + sin(2π · 1100Hz · t)
3 3
El transistor se conecta de modo que Vg s = Vd s . En esas condiciones, con
errores menores al 1 %, resulta que:
√
Vd s (id ) = 1,824 + 4,0275 · id + 1,5716 · id
La suma de los armónicos residuales contenidos en la señal de AM resultante

no podrá superar los 10 mV RMS4 .
2 Metal-oxide-Semiconductor.
3 Amplitud modulada.
4 Root Mean Square (Valor eficaz).

4.2. Restricciones
El circuito:
deberá funcionar dentro del rango de frecuencias que va desde 50 Hz hasta
20 kHz.
tendrá que aceptar señales del rango de amplitudes que va desde 1 mV
hasta 10 V.
deberá cumplir con las especificaciones sin alejarse más de 3 dB.
poseerá menos de 10 polos.
poseerá menos de 10 ceros.

no contendrá etapas con ganancias que superen los 40 dB.
no contendrá etapas con polos complejos conjugados cuyo Q sea mayor a
29.
tendrá una entrada de impedancia constante (en frecuencia).

estará compuesto por capacitores de poliéster metalizado cuyos valores
estarán entre 1 nF y 470 nF con una tolerancia del 5 %.
estará compuesto por resistores cuyos valores estarán entre 4,7 kΩ y 3,3 MΩ
con una tolerancia del 2 % o 1 %.5
no contendrá más de 10 capacitores.
no contendrá más de 12 amplificadores operacionales.
5 En caso de usar resistencias menores a 4,7 kΩ, deberá demostrarse que ello no engen-
drará en la salida de los amplificadores operacionales corrientes mayores que 5 mA.

Parte II
Desarrollo
5. Análisis de la señal de entrada
5.1. Resolución del circuito
iR BS170/ZTX
id Vdg
3
R [1] Gate
[2] Source
VAMPL = 1 1
FREQ = 1000 [3] Drain
0
2
-
VAMPL = 1
FREQ = 100 OUT Vsg
+
3
0 0
Figura 3: Circuito de entrada simplificado
Suponiendo un comportamiento ideal del amplificador operacional6 , se puede

plantear la ecuación de la diferencia de potencial entre el terminal negativo de la
fuente constante de 3 Volts y la entrada inversora del amplificador operacional,
obteniendo:
3 V + sin(2π · 100Hz · t) V + sin(2π · 1000Hz · t) V − iR (t) · R = 0
Como la corriente que atraviesa la resistencia R es igual a la corriente que

entra por terminal drain del transistor, esta última estará descripta por la sigu-
iente expresión:
3 V + sin(2π · 100Hz · t) V + sin(2π · 1000Hz · t) V
id (t) =
R
El enunciado provee una expresión que vincula id (t) con la tensión del ter-
minal drain con respecto al terminal source y afirma que, al usarla, se comete
un error menor al 1 %. Utilizando esa expresión y teniendo en cuenta que
Vg s = −Vs g = Vd s , se puede concluir que la tensión de salida del circuito
de entrada estará descripta por:
p
Vin (t) = Vs g (t) = −(1,824 + 4,0275 · id (t) + 1,5716 · id (t))
6 Esto es, en principio: impedancia de entrada infinita, impedancia de salida nula y ganancia
de tensión infinita.

A continuación, se exponen gráficos ilustrativos de las expresiones anteriores

donde se las puede apreciar a lo largo de tres perı́odos:
0.006
0.0048
0.0036
0.0024
0.0012
0
0 0.003 0.006 0.009 0.012 0.015 0.018 0.021 0.024 0.027 0.03
Tiempo [s]
id(t) [A]
Figura 4: Corriente id (t).
2.05
2.1
2.15
0 0.003 0.006 0.009 0.012 0.015 0.018 0.021 0.024 0.027 0.03
Tiempo [s]
Vin(t) [V]
Figura 5: Señal de entrada.
Finalmente, en la figura 6, se presenta el resultado de la simulación del cicuito

en PSpice.

-1.95V
-2.00V
-2.05V
-2.10V
-2.15V
100ms 105ms 110ms 115ms 120ms 125ms 130ms
V(IN)
Time
Figura 6: Señal de entrada simulada en PSpice.

5.2. Descomposición armónica

Aplicando la herramientas matemáticas del Análisis de Fourier, se puede
descomponer una señal periódica en suma de infinitas señales trigonométricas,
y de esta forma confeccionar un mapa de las frecuencias presentes en la señal
con sus respectivos pesos. De las varias formas de expresar esta igualdad, resulta
conveniente, en esta oportunidad, utilizar la siguiente:
+∞
X
f (t) = cn eiωn t
n=−∞
Donde:
f (t) es la señal de perı́odo T a descomponer.
Z T
1
cn ∈ C es el enésimo coeficiente de Fourier, definido como f (t)e−iωn t dt.
T 0
2π
ωn es el enésimo armónico de la función, equivalente a n .
T
eiωn t = cos(ωn t) + i sin(ωn t) es la función trigonométrica que genera la
base ortonormal del espacio de funciones.
Nunca deja de ser sorprendente7 la aparición de los números Complejos en la
descripción matemática de los fenómenos del mundo Real. Estos números poseen
numerosı́simas propiedades que los hacen candidatos por excelencia para repre-
sentar ciertas magnitudes. En este caso, cada coeficiente cn guarda dentro de sı́,
codificado, el ADN de una onda senoidal. Una onda senoidal queda completa e
inequı́vocamente definida a partir de su amplitud, su frecuencia y su fase inicial.
Como cn corresponde al armónico de frecuencia n 2π T , sólo resta obtener su am-
plitud y fase inicial. Estos dos valores no son ni más ni menos que el módulo y el
argumento de cn , respectivamente. Puede probarse que, una forma equivalente
de expresar la igualdad más arriba expuesta es:
+∞
X
f (t) = |cn | cos(ωn t + arg(cn ))
n=0
donde se hacen explı́citos varios conceptos más claramente.
En teorı́a, este análisis se completarı́a al calcular los infinitos coeficientes

para describir completamente a f (t). En la práctica, esto no es necesario ya que
se puede lograr una muy buena aproximación tomando la cantidad de coefi-
cientes que sea necesaria. De todas formas, existen técnicas numéricas, basadas
en la Transformada Discreta de Fourier, capaces de resolver este problema a
partir de un conjunto finito de muestras de la señal. La precisión de los resul-
tados será mayor cuanto más fino sea el muestreo. La técnica más difundida es
7 Llegando en algunas personas a ser hasta esotérico.

conocida como Transformada rápida de Fourier, o por su sigla en inglés, FFT.
Para construir el espectro de frecuencias de la señal de entrada utilizando

la Transformada rápida de Fourier, es necesario antes, armar una colección de
muestras de la misma a lo largo de un cierto intervalo de tiempo. Siendo una
señal periódica, lo más inteligente es realizar dicha colección en un perı́odo com-
pleto. Un intervalo menor, provocarı́a una pérdida de información y los resulta-
dos no corresponderı́an con la señal tratada. Un intervalo mayor no múltiplo del
perı́odo, provocarı́a el mismo problema. En el caso de ser múltiplo del perı́odo,
habrı́a información redundante y menor precisión en los datos para una misma
cantidad de muestras.
La colección debe expresarse como un arreglo de valores que toma la señal

a intervalos regulares de tiempo. Esto se logra realizando el cambio de variable
i
t → T , y definiendo el vector:
n

i
mVin [i] = Vin T
n
Donde:
mVin es el arreglo de muestras de Vin .
n es la cantidad de muestras.
i es la variable discreta que itera entre 0 y (n − 1).
T es el intervalo de tiempo a lo largo del cual se realiza el muestreo.
Este arreglo será procesado por la función FFT, resultando en un segundo
arreglo conteniendo los coeficientes de Fourier anteriormente nombrados. Este
arreglo representa al espectro de frecuencias discreto de Vin , muestreado a in-
tervalos regulares iguales a la frecuencia fundamental, equivalente a la inversa
de la duración del muestreo.
Una propiedad importante de la Transformada Discreta de Fourier, es que

cuando se aplica a colecciones de números reales, se dan ciertas condiciones de
simetrı́a. Si a esto se suma que la cantidad de muestras es potencia de 2, la
mitad de los coeficientes se repite y no necesitan ser calculados. Es por eso que
para este análisis se ha elegido utizar n = 210 = 1024. En estas condiciones, la
longitud del arreglo resultante será exactamente la mitad que la del arreglo de
muestras.
Debido a la normalización de la función FFT de MathCad, los elementos del

vector resultante luego de la primera posición, guardan una relación de 1/2 con
el valor de la amplitud de la sinusoide que representan. Es por esto que todos
los gráficos expuestos en este trabajo, confeccionados con datos provenientes de

la función FFT, han sido adaptados para “corregir” este hecho.
Con todas las consideraciones anteriores, se realizó el análisis en MathCad

y se obtuvo el espectro que puede observarse en la figura 7.
2.5
1.5
0.5
0
0 500 1000 1500 2000 2500
Frecuencia [Hz]
Amplitud [V]
Figura 7: Espectro de frecuencias de Vin .
Es notable como la gran diferencia de amplitud entre la componente de ten-

sión continua (frecuencia nula) y el resto de los armónicos, imposibilita apreciar
correctamente la información en un gráfico. Es por esto que en la figura 8 puede
observarse una versión del espectro donde el rango del eje vertical se adapta a
la amplitud de los armónicos que apenas se ven en la figura 7.

0.044
0.033
0.022
0.011
0
0 250 500 750 1000 1250 1500 1750 2000 2250 2500
Frecuencia [Hz]
Amplitud [V]
En esta nueva imagen, se puede notar la presencia de las frecuencias de

100 Hz y 1000 Hz producidas por los generadores del circuito de entrada, y la
aparición de nuevas frecuencias producto del mezclado alineal del transistor.
Ante la sospecha de la repetición de un patrón, se presenta una nueva versión
del espectro donde el rango del eje vertical se reduce y el rango del eje horizontal
se aumenta:
0.0038
0.0025
0.0013
0
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
Frecuencia [Hz]
Amplitud [V]

Repitiendo este procedimiento, se pudo verificar que el patrón se repite in-

definidamente a cada 1000 Hz a lo largo de todo el espectro.
5.3. Conclusiones
La señal de entrada contiene las tres frecuencias necesarias para componer
la señal de salida, pero con una relación de amplitud distinta a la deseada.
La amplitud del armónico de 1000 Hz es aproximadamente 11,47 veces más
grande que la amplitud de los armónicos de 900 Hz y 1100 Hz. Existen también,
frecuencias indeseables de magnitud no despreciable que deberán ser filtradas.

6. Análisis de la señal de salida

6.1. Interpretación de la señal de AM
La señal de salida objetivo que el filtro deberá componer, está descripta por
la siguiente expresión:
1 1
Vobj (t) = sin(2π · 900Hz · t) + sin(2π · 1000Hz · t) + sin(2π · 1100Hz · t)
3 3
Como puede verse, se trata de la composición de tres sinusoides de distinta
frecuencia y amplitud. Es sabido que la suma de funciones periódicas da como
resultado otra función periódica sólo si la relación de frecuencias es racional. El
perı́odo resultante será el mı́nimo común múltiplo de los perı́odos de cada
función, que se traduce en una frecuencia máxima común divisora de todas
las frecuencias involucradas. Puede verificarse fácilmente que la frecuencia de
Vobj será 100 Hz. A continuación, en la figura 10, pueden apreciarse 5 perı́odos
de Vobj .
2
0 0.005 0.01 0.015 0.02 0.025 0.03 0.035 0.04 0.045
Tiempo [s]
Vout(t)
Figura 10: Vobj a lo largo de 5 perı́odos.
6.2. Descomposición armónica

Utilizando nuevamente las herramientas del Análisis de Fourier y la función
FFT, pudo construirse el espectro de frecuencias objetivo que puede verse en la
figura 11, a partir de una colección de muestras a lo largo de 10 milisegundos.

1.5
1.25
0.75
0.5
0.25
0
0 100 200 300 400 500 600 700 800 900 1000 1100 1200 1300 1400 1500 1600 1700 1800 1900 2000
Frecuencia [Hz]
Amplitud [V]
Figura 11: Espectro de frecuencias de Vobj .
6.3. Conclusiones
Luego de este análisis, se refuerza la idea de que el filtro deberá hacer una
corrección importante en las amplitudes para lograr que el armónico central sea
tres veces más grande que los inmediatamente a su lado.
También habrá que tener en cuenta que si las tres componentes no se en-
cuentran en fase, la señal de AM resultante sufrirá cierta distorsión.

7. Búsqueda de la Transferencia
7.1. Análisis de los datos
A partir del análisis de la señal de entrada y de la señal de salida objetivo,
puede concluirse que el filtro deberá, en teorı́a:
1. Evitar el paso de las componentes armónicas de frecuencias distintas a
900 Hz, 1000 Hz y 1100 Hz.
2. Llevar la relación de amplitud entre el armónico de 1000 Hz y los armónicos
inmediatamente a su lado de 11,47 a 3. Esto puede lograrse atenuando el
armónico de 1000 Hz, amplificando los armónicos de 900 Hz y 1100 Hz o
realizando una combinación de ambas acciones.
3. Proveer una amplificación adecuada que, manteniendo la relación de am-
plitudes, consiga llevar la amplitud del armónico central a 1 V.
Existen muchas maneras de alcanzar el objetivo. Una posible solución po-
drı́a implicar realizar tres procesos en paralelo, a lo largo de los cuales sólo una
de las tres frecuencias necesarias pasarı́a, siendo amplificada lo suficiente. Otra
solución, podrı́a estar compuesta por dos procesos en serie donde el primero sólo
deje pasar frecuencias entre 900 Hz y 1100 Hz para luego, en el segundo, recibir
una corrección de amplitud. Lo óptimo, serı́a encontrar un único proceso capaz
de realizar todas las tareas.

7.2. Búsqueda de una aproximación

Como ya se adelantó en la introducción, una parte del diseño de filtros con-
siste en llevar una especificación ideal a la realidad por medio de un circuito que
sólo podrá aproximarla. Hasta aquı́, las únicas condiciones que debe cumplir la
transferencia buscada, han sido establecidas en relación a su módulo. Éste de-
berá tener la forma caracterı́stica de un pasa-banda pero con una altura mayor
en las frecuencias de 900 Hz y 1100 Hz que en la de 1000 Hz. Esto conduce in-
evitablemente a exigir que existan al menos dos máximos locales con un mı́nimo
local en el medio de ambos. Teniendo en cuenta que no hay condiciones sobre el
régimen transitorio y que resulta más fácil pensar en términos de la atenuación
como inversa de la transferencia, el análisis se puede comenzar ası́:
1
|A(jω)| = = f (ω)
|T (jω)|
donde f (ω) es una función que produce una ondulación en la banda pasante
y tiende a 0 fuera de ella. Esta oscilación se da alrededor del valor medio de
atenuación que, a efectos cualitativos, puede suponerse que vale 1. De esta forma,
se puede transformar lo anterior a:
|A(jω)| = 1 + g(ω)
donde g(ω) oscila alrededor de 0.

Debido a que el módulo de un número complejo implica una raı́z cuadrada, el
razonamiento se simplifica si se trabaja con el cuadrado del módulo, que resulta
racional, y se adapta lo anterior a:
|A(jω)|2 = 1 + k(ω)
Con el objetivo en mente de encontrar una función racional en la variable s,

se propone expresar a k(ω) como el módulo al cuadrado de una función K(s)
evaluado en jω:
|A(jω)|2 = 1 + |K(jω)|2
Una propiedad importante de las funciones racionales con coeficientes reales
es que f (z) = f (z). Utilizando eso, puede llegarse a:
A(jω) · A(−jω) = 1 + K(jω) · K(−jω)
y mediante una extensión analı́tica, concluir en lo siguiente, en términos de

s:
A(s) · A(−s) = 1 + K(s) · K(−s)
que se conoce como Ecuación de Feldtkeller [Miy91].
El procedimiento comienza buscando una función racional K(s) cuyo módu-

lo al cuadrado evaluado en jω sea igual a k(ω), que define el comportamiento
buscado. Luego, se obtiene A(s) · A(−s), que tiene ceros de la forma ±σ ± jω.

Es posible asignar a A(s) los de parte real negativa y a A(−s) los de parte
real positiva, para asegurar la estabilidad temporal de la anti-trasformada de
1
T (s) = .
A(s)
Luego de conocer algunas de las alternativas históricas que existen en el
diseño de filtros, se encontró y seleccionó como candidata una conocida como
Aproximación de Chebyshev. La denominación es en honor a Pafnuty Cheby-
shev8 , por la estrecha relación que tiene con los polinomios homónimos.
8 Pafnuty Lvovich Chebyshev (1821 - 1894) es considerado el fundador de las
matemáticas rusas. Su apellido, como el de algunos otros chechenos, ha sufrido el cruel desti-
no de ser transliterado de varias formas, entre las que se encuentran Chebychev, Chebyshov,
Tchebycheff y Tschebyscheff.

7.3. Aproximación de Chebyshev

Consiste en proponer a los polinimios de Chebyshev como base para la con-
strucción de la función k(ω).
7.3.1. Polinomios de Chebyshev

Los polinomios de Chebyshev conforman una secuencia de polinomios or-
togonales que puede ser definida recursivamente. Si bien existen dos tipos, a
los efectos de este trabajo, sólo interesan los del primero. Estos emergen como
solución de la ecuación diferencial (1 − x2 )y 00 − xy 0 + n2 y = 0 y pueden generarse
con la siguiente relación recursiva:
T0 (x) = 1
T1 (x) = x
Tn+1 (x) = 2xTn (x) − Tn−1 (x)
Una definición alternativa, que no se necesitará usar en este trabajo pero

merece ser presentada, es la trigonométrica:
Tn (x) = cos(n arc cos x) = cosh(n arccosh x)
El orden del polinomio está directamente relacionado con el orden del filtro,
y este último, con la cantidad de componentes reactivos que se necesitan para
construirlo. Es por eso que, en el diseño de filtros, no suelen considerarse poli-
nomios de orden mayor que 4:
T1 (x) = x
T2 (x) = 2x2 − 1
T3 (x) = 4x3 − 3x
T4 (x) = 8x4 − 8x2 + 1
En la figura 12 pueden observarse algunos de estos polinomios, donde es

notable como todos se cortan en x = 1.

2
2 1 0 1 2
x
n=2
n=3
n=4
Figura 12: Algunos polinomios de Chebyshev.
Si a estos polinomios se los eleva al cuadrado, se logra hacerlos simétricos

con respecto a la recta x = 0 y duplicar la cantidad de máximos y mı́nimos
locales. En la figura 13 puede verse Tn (x)2 para algunos valores de n.

2
2 1 0 1 2
x
n=2
n=3
n=4
Figura 13: Algunos polinomios de Chebyshev elevados al cuadrado.
Es interesante notar que dentro del intervalo [−1 : 1], Tn (x)2 está acotada
entre 0 y 1, y fuera de él crece muy rápidamente hacia infinito. Este compor-
tamiento fuera de banda se asemeja al de un filtro pasa-banda ideal, que aplica
una atenuación infinita.
Es evidente que si a esta función se le suma 1, se obtiene la expresión de
|A(jω)|2 que se presentó en la sección 7.2, donde Tn (x)2 juega el rol de k(ω).
En la figura 14 puede observarse el resultado.

2
2 1 0 1 2
x
n=2
n=3
n=4
1
Figura 14: para algunos valores de n.
1 + Tn (x)2
La figura 14 devela que, mediante un desplazamiento horizontal de la fun-

ción, podrı́a obtenerse la forma de un pasa-banda. Esto romperı́a la simetrı́a con
respecto al eje vertical y, por cuestiones matemáticas que exceden (no por mu-
cho) a este trabajo, serı́a imposible implementar una función racional estable
cuyo módulo respondiera a dicha gráfica.
Aún ası́, no hay motivos para desilusionarse, pues mediante una trasforma-
ción conforme se le puede asignar a un punto de la transferencia de un pasa-
bajos, dos puntos de la transferencia de un pasa-banda, y de esta forma lograr el
objetivo sin romper la simetrı́a. Es por esto que a continuación se busca primero
la expresión de un pasa-bajos.
7.3.2. Pasa-bajos Chebyshev

Considerando que sólo tienen sentido fı́sico los valores positivos de ω (o x,
según el gráfico), puede verse que la expresión encontrada describe muy bien el
comportamiento de un pasa-bajos normalizado. Si, efectivamente, se construye
uno con todas las consideraciones anteriores pero parametrizado, se llega a la
siguiente expresión para el módulo de la transferencia del mismo:
A
|Hn (jω)| = r h i2
ω
1 + · Tn ω0
Donde:

es el factor de ondulación.
ω0 es la frecuencia angular de corte, definida como aquella a partir de la
cual termina la ondulación, dependiendo sólo del valor de (y no de n).9
Tn es el polinomio de primer tipo de Chebyshev de orden n.
A es la ganancia.
y su gráfico normalizado correspondiente puede verse en la figura 15.
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 1 2
Frecuencia angular [1/s]
n=1
n=2
n=3
n=4
Fin de la ondulación
Figura 15: |Hn (jω)| para algunos valores de n.
Se ve cómo a medida que aumenta el orden, aumenta la atenuación fuera

de banda. Esta caracterı́stica hace que estos filtros sean una buena opción en
situaciones donde existan armónicos a eliminar muy cerca de la banda pasante.
Debido a que éste no es el caso, no es esa la razón por la cual este tipo de filtro
ha sido elegido.
La caracterı́stica que lo hace óptimo para esta situación es la ondulación
dentro de la banda pasante, que hace que dentro de ella haya frecuencias sus-
tancialmente más amplificadas que otras. Ésta es la clave para poder cumplir
con los tres puntos planteados en la sección 7.1.
A
Esta ondulación tiene máximos en A y mı́nimos en √ . Queda claro
1 + 2
que este rango sólo depende de y cuando este valor es igual a 1, se obtienen
9 Es importante notar que la tı́pica definición de frecuencia de corte como aquella a partir
de la cual la atenuación vale más de 3dB no es válida para filtros Chebyshev.

3dB de atenuación en banda.
Si el objetivo se pudiera lograr con un pasa-bajos, éste serı́a el momento

para hacer la extensión analı́tica jω → s y buscar la expresión racional de la
transferencia. Como este no es el caso, será necesario previamente practicar una
transformación a la expresión del pasa-bajos encontrada.
7.3.3. Transformación pasa-bajos −→ pasa-banda

Para continuar la búsqueda, es necesario valerse de un resultado teórico muy
importante que consiste en aplicar una transformación conforme adecuada a la
transferencia de un pasa-bajos para lograr la transferencia de un pasa-banda.
Esta transformación le asigna a cada punto del pasa-bajos, dos puntos del pasa-
banda. Puede expresarse de la siguiente manera:

1 s ω0
s −→ +
∆ωr ω0 s
donde ω0 es la frecuencia angular central de un pasa-banda de ancho relativo

∆ωr , que conserva la selectividad y amplitud máxima y mı́nima del filtro pasa-
bajos del cual se partió. La frecuencia central de un filtro pasa-banda se define
como aquella para la cuál el comportamiento resulta simétrico en una escala
logarı́tmica. En otras palabras, la atenuación que sufren señales de frecuencia
αω0 es igual a la atenuación que las de frecuencia ωα0 . Si la especificación del
filtro está dada en función de sus frecuencias de corte, ω0 resulta ser la media
√
geométrica entre ambas ω1 ω2 . El ancho de banda relativo no es ni más ni
ω2 − ω1
menos que .
ω0
Esta transformación conserva la simetrı́a y modifica la cantidad de polos y
ceros de tal forma que se obtiene una transferencia racional correspondiente a
un pasa-banda. Sin todavı́a realizar la extensión analı́tica, puede observarse el
impacto sobre la expresión de |Hn (jω)| luego de la transformación:
A
|Hn (jω)| = r h i2
ω ω0
1 + · Tn ∆ωr ·ω0
− ∆ωr ·ω
donde el signo negativo de la transformación se justifica si se piensa que luego

debe ser coherente con la extensión analı́tica.
La figura 16 muestra algunos de los pasa-banda que se obtiene con parámet-
ros normalizados.

0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 1 2
Frecuencia angular [1/s]
n=1
n=2
n=3
n=4
Fin de la ondulación
Figura 16: Filtros Chebyshev pasa-banda para algunos valores de n.
La última expresión de |Hn (jω)| es sobre la cual se hará el análisis siguiente.

7.4. Búsqueda de los parámetros de Chebyshev

En esta seción, se buscarán los valores de A, , ∆ωr , ω0 y n que satisfagan
las condiciones deseadas sobre el módulo de la transferencia. Una vez encontra-
dos, extensión analı́tica mediante, se obtendrá la función racional a implementar
mediante un circuito.
7.4.1. Orden
Éste es sin duda el parámetro más fácil de encontrar ya que, en el caso par-
ticular de este trabajo, no requiere ningún tipo de cuenta o desarrollo teórico.
Como se puede ver en la figura 16, el mı́nimo orden que produce dos máximos
locales con un mı́nimo local en el medio es 2. Si este tipo de filtros se estuviera
usando para aprovechar la fuerte atenuación fuera de banda, el orden deberı́a
buscarse seguramente realizando cálculos con la expresión trigonométrica de
Chebyshev hasta encontrar el mı́nimo orden necesario que cumpla la especifi-
cación.
7.4.2. Frecuencia central y ancho de banda relativo

Normalmente, estos dos valores se obtienen de forma inmediata a partir de
la especificación de la banda pasante. La frecuencia central resulta ser la media
geométrica de las frecuencias de corte y el ancho de banda relativo el cocientre
entre su diferencia y su media geométrica. Debido a que en el caso particular
de este trabajo, la condiciones se establecen sobre las frecuencias a las cuales
la transferencia es máxima, en lugar de las frecuencias de corte, habrá que
encontrar una relación entre ambas que permita traducir estas condiciones.
En primer lugar, se buscan las frecuencia dentro de la banda pasante que
maximizan la transferencia. La expresión de |Hn (jω)| es máxima cuando su de-
nominador es mı́nimo, y esto sucede cuando el término que contiene al polinomio
de Chebyshev se anula:

ω ω0
Tn − =0
∆ωr · ω0 ∆ωr · ω
Reemplazando por la definición del polinomio de orden 2, y acomodando alge-
braicamente se obtiene:

ω ω0 1
∆ωr · ω0 − ∆ωr · ω = √2

Quitando las barras de módulo pero conservando todas las soluciones, y multi-
plicando por ω a ambos miembros, puede concluirse en la siguiente ecuación de
segundo orden:
ω2 ∆ωr
± ω · √ − ω0 = 0
ω0 2

De donde pueden obtenerse las siguientes dos soluciones fı́sicas:

 s 
2
∆ω
 √r + ∆ω
√r + 1 · ω0 para el primer máximo, rebautizado ωm1 .
2 2 2 2
 s 
2
 −∆ω
√ r +
∆ωr
√ + 1 · ω0 para el segundo máximo, rebautizado
2 2 2 2
ωm2 .
a partir de las cuales se llega a la siguiente conclusión:
ω0 · ∆ωr √
= 2
ωm2 − ωm1
que establece la relación que hay entre la distancia entre frecuencias de corte
(ω0 · ∆ωr ) y la distancia entre frecuencias de máximos, en términos absolutos.
Puede obtenerse otro resultado interesante si se calcula la media geométrica
de los máximos:
v  s  s 
u 2 2
√ u 2  ∆ωr ∆ωr −∆ω ∆ω
u
r r
ωm2 · ωm1 = tω0 √ + √ + 1  √ + √ + 1 = . . .
2 2 2 2 2 2 2 2
v " #
u 2 2
u
2 ∆ωr ∆ωr
. . . = ω0 −
t √ + √ + 1 = ω0
2 2 2 2
Este último resultado permite calcular la frecuencia central como la media ge-
ométrica de los máximos, siendo equivalente a la forma en la cual habitualmente
es calculalada, en función de las frecuencias de corte.
Las conclusiones obtenidas en esta seción, permiten calcular la frecuencia

central y el ancho de banda relativo en función de las frecuencias de los máximo
siguiendo las dos siguientes expresiones:
√
ω0 = ωm2 · ωm1
ωm2 − ωm1 √
∆ωr = √ · 2
ωm2 · ωm1
Como se desea que estos máximos se alcancen en 900 Hz y 1100 Hz, reem-
plazando los valores en las expresiones anteriores, se concluye que:
√
ω0 = 2π · 1100 Hz · 2π · 900 Hz ≈ 6251 1/s
2π · 1100 Hz − 2π · 900 Hz √
∆ωr = · 2 ≈ 0,28427
ω0

7.4.3. Factor de ondulación

Como se vio anteriormente, dentro de la banda pasante, la transferencia os-
A
cila entre A y √ . Esto hace que regule el ancho vertical de la ondulación.
1 + 2
Su trabajo será el de definir la corrección que se hará a la relación de amplitud
de los armónicos.
Si ro es la relación original entre la amplitud del armónico de 1000 Hz y las
amplitudes de los armónicos de 900 Hz y 1100 Hz, rf es la relación final luego
de pasar por el filtro, puede expresarse lo siguiente:
|Hn (j2π · 1000 Hz)|

rf = ro ·
|Hn (j2π · 900 Hz)|
Como en 900 Hz se alcanza un máximo, la transferencia vale A y se cancela

con su aparición en el numerador de |Hn (j2π · 1000 Hz)|, permitiendo escribir
lo anterior como:
ro
rf = q
2
1 + [ · χ]
donde, para simplificar, se representa con χ al valor que el polinomio de Cheby-
shev de orden 2 toma en la transformación pasa-bajos −→ pasa-banda para
ω = 2π · 1000 Hz. A partir de esta última expresión, puede despejarse el valor
de : v
u ro 2 − 1
u
t rf
=
χ2
−399
que para el juego de valores ro ≈ 11,47, rf = 3, χ = 400 , da:
≈ 3,69949
Quizá a esta altura sea un tanto apresurado hacerla, pero hay una conclusión
que necesita ser urgentemente considerada antes de continuar: por medio de los
gráficos, se puede ver que cuanto más grande sea el parámetro , más finas serán
las “campanas” que aparecen en los máximos. Esto está ı́ntimamente relaciona-
do con el valor de Q del par de polos complejos conjugados que finalmente será el
responsable de la resonancia a estas frecuencias. Habiendo una restricción que
dice que Q debe ser menor que 29, es evidente que existe un máximo valor de
a partir del cual el filtro deseado no cumple con la especificación. Encontrar
ese máximo no es objetivo de este trabajo pero pudo probarse que 3,69949 lo
supera y exige que Q ≈ 33.
Una forma de rodear este problema, es separar el trabajo en dos etapas,

de tal forma que cada una corrija una parte de la relación de amplitudes. Ası́,
cada una tendrá un valor de más pequeño, que al combinarse dan el mismo

resultado que una única etapa cuyo ≈ 3,69949. Para esto, habrá que aplicar
matemáticamente el filtro 2 veces para ver como queda la relación final rf en
función de . El razonamiento comienza por adaptar el cálculo anterior para 2
etapas:
2
|Hn (j2π · 1000 Hz)|
rf = ro ·
|Hn (j2π · 900 Hz)|
que, con las mismas consideraciones de antes, arroja la siguiente expresión para
: s
ro
rf − 1
=
χ2
Reemplazando, se obtiene ≈ 1,68449, valor que, como más adelante se verá,
exige un valor de Q dentro de lo permitido pero exige duplicar completamente
al filtro.
7.4.4. Amplitud
Este parámetro es el encargado de dilatar o contraer la forma de amplitud
definida por los parámetros anteriores para cumplir con el punto no 3 de la
sección 7.1. Conociendo la amplitud inicial ai del armónico de 1000 Hz, y la
amplitud final af deseada, puede establecerse la siguiente relación:
2
af = ai · |Hn (j2π · 1000 Hz)|
de donde se obtiene la expresión:

r
af
A= · [1 + ( · χ)2 ]
ai
que da como resultado 9,81562.
A continuación, se muestra un gráfico fuera de escala que permite comparar

la forma de la ganancia del filtro con el espectro de frecuencias de la señal de
entrada:

0 500 1000 1500 2000 2500

Espectro de la señal de entrada
Ganancia del filtro
Figura 17: Comparación entre la ganancia del filtro y el espectro de la señal de

entrada.

7.5. Hallazgo de la Transferencia

Ha llegado el momento de encontrar una expresión racional en la variable
s, cuyo módulo evaluado en jω sea el definido en la sección anterior, y que se
transcribe a continuación:
A
|H(jω)| = r h i2
ω ω0
1 + · T2 ∆ωr ·ω0
− ∆ωr ·ω
donde:
A = 9,81562
= 1,68449
ω0 = 6251,7
∆ωr = 0,28427
T2 (x) = 2x2 − 1
7.5.1. Extensión analı́tica jω −→ s

Siguiendo los pasos del proceso de aproximación que en la sección 7.2 se
mostraron, se comienza escribiendo:
2
|H(jω)| = H(jω) · H(−jω)
que mediante la tan anticipada extensión analı́tica, se convierte en:
A2
H(s) · H(−s) = 2 2
jω0
1+ 2 2 j∆ωsr ·ω0 − ∆ωr ·s
−1
donde se hizo explı́cita la definición del polinomio de orden 2 de Chebyshev y

s
ω fue reemplazado por . Operando algebraicamente puede verificarse que esta
j
expresión corresponde a una función racional cuyo denominador es de orden 4
y su denominador es de orden 8.
7.5.2. Reconstrucción a partir de los polos

Con la asistencia del programa de cálculo simbólico MathCad, se obtuvieron
los polos de H(s) · H(−s), que se listan a continuación y en figura 18 se muestra
la constelación a la que dan lugar:

p1 −197,99 − j · 6936,6
p2 −197,99 + j · 6936,6
p3 −160,69 − j · 5629,8
p4 −160,69 + j · 5629,8
p5 160,69 − j · 5629,8
p6 160,69 + j · 5629,8
p7 197,99 − j · 6936,6
p8 197,99 + j · 6936,6
Cuadro 1: Polos de H(s) · H(−s).
7500
6000
4500
3000
1500
250 200 150 100 50

[ 0
] 50 100 150 200 250
1500 4
3000
4500
6000
7500
Figura 18: Constelación de polos y ceros de H(s) · H(−s).
Como ya se dijo en la sección 7.2, es posible asignarle a H(s) los po-

los de parte real negativa, para asegurar la estabilidad temporal de su anti-
transformada. Tomando los primeros cuatro polos de la tabla, que inevitable-
mente conforman dos pares conjugados, se puede “reconstruir ” parcialmente
a H(s). Parcialmente pues los polos no contienen toda la información; se ha
“perdido” el valor de A, que no afecta a la posición de los mismos. Tenien-
do en cuenta que H(s) · H(−s) posee un cero de orden 4 en el origen, y dos
corresponden a H(s), puede expresarse dicha reconstrucción como:
s2
(s − p1 )(s − p2 )(s − p3 )(s − p4 )
que a su vez puede separarse en el producto de dos estructuras idénticas muy

conocidas:
s s
·
(s − p1 )(s − p2 ) (s − p3 )(s − p4 )

Estas estructuras responden a la transferencia genérica de un pasa-banda de

orden 2: ω
s Q0
s2 + s ωQ0 + ω02
Operando algebraicamente, pueden encontrarse los valores de Q y ω0 corre-
spondientes a cada uno de los pares de polos conjugados. Esto se resume de la
siguiente manera:
s s Qω11
−→ 2
(s − p1 )(s − p2 ) s + s Qω21 + ω12
s s Qω22
−→ 2
(s − p3 )(s − p4 ) s + s Qω22 + ω22
Haciendo efectivos los cálculos, pueden encontrase los siguientes valores:
ω1 6939,42502
ω2 5632,0928
Q1 17,52469
Q2 17,52469
Para poder reconstruir completamente a H(s), falta recuperar el valor de A

que se perdió al calcular los polos. En otras palabras, las expresiones anteriores
necesitan corregirse con un factor de escala. Encontrar la relación directa con
A requiere muchas cuentas y no es necesario pues el factor puede obtenerse a
partir del coeficiente del término s4 en el numerador de la expresión racional de
H(s) · H(−s), luego de hacer que el término s8 del denominador sea igual a 1.
Ese coeficiente es igual al que debe aparecer junto a s4 en el numerador de la
transferencia final cuando el coeficiente del término s8 de su denominador ha
sido también llevado a 1.
Como todo ha sido calculado para que el objetivo se logre aplicando el filtro
dos veces, la transferencia final resulta:
#2
H1 · s Qω11 H2 · s Qω22
"
T (s) = [T1 (s) · T2 (s)]2 = ·
s2 + s Qω21 + ω12 s2 + s Qω22 + ω22
donde H1 y H2 valen 8,50705 y fueron obtenidos con todas las consideraciones

anteriores.
A continuación, se pueden ver dos gráficos ilustrativos sobre T (s).

100
80
60
40
20
0
800 850 900 950 1000 1050 1100 1150 1200
Frecuencia [Hz]
T(s)
Figura 19: Transferencia final en escala lineal.
50
40
30
20
10
10
20
30
40
500 600 700 800 900 1000 1100 1200 1300 1400 1500 1600 1700 1800 1900 2000
Frecuencia [Hz]
T(s) [dB]
Figura 20: Transferencia final en decibeles.

7.6. Verificación
7.6.1. Espectro de la salida
Teniendo el espectro de la señal de entrada, puede obtenerse el de la señal
de salida multiplicándolo por el filtro, frecuencia a frecuencia. En la figura 21
puede observarse la comparación entre el espectro de salida logrado mediante el
filtro y el espectro de la señal de salida objetivo.
1.5
1.25
0.75
0.5
0.25
0
0 200 400 600 800 1000 1200 1400 1600 1800 2000
Frecuencia [Hz]
Espectro logrado
Espectro deseado
Figura 21: Espectros de la señal de salida del filtro y de la señal de salida

objetivo.
7.6.2. Señal de salida en el tiempo

Ası́ como antes se utilizó el algoritmo de la transformada rápida de Fourier
para construir espectros de frecuencias a partir de señales muestreadas, es el
momento ahora de recorrer el camino inverso: obtener información temporal a
partir de una muestra del espectro de una señal. Para esto, se dispone de la
función IFFT de MathCad.

1.5
0.5
0.5
1.5
2
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02
Tiempo [s]
Salida del filtro [V]
Salida objetivo [V]
Figura 22: Señal de salida del filtro y señal de salida objetivo.
Pudo verificarse que las mı́nimas diferencias se deben a que los armónicos de
la señal de entrada no entran al filtro en fase y éste no hace ninguna corrección.
Utilizando las técnicas de animación de MathCad, pudo “demostrarse” que era
imposible realizar una corrección de fase utilizando un circuito corrector de fase
de primer orden, y utilizar más correctores habrı́a llevado a superar la cantidad
máxima de componentes permitidos. Es por esto que en este trabajo no se
realizarán correcciones de fase.
7.6.3. Armónicos residuales

Los armónicos residuales son todos aquellos que no deberı́an sobrevivir luego
del filtrado. Como la atenuación no llega a ser nunca infinita, pequeños “rastros”
de señales de frecuencias fuera de la banda aparecen en la composición de la señal
de salida. Para poder estudiarlos y conocer su peso, se hace uso de una técnica
que bien podrı́a llamarse notch ideal 10 , pues consiste en tomar el espectro de
la señal de salida logrado y anularlo para los valores de frecuencias de la banda
pasante. De esa forma se obtiene el “espectro residual” y mediante la función
IFFT puede conocerse su forma temporal. Esta forma, puede observarse en la
figura 23.
10 Un filtro notch es una aproximación al filtro ideal rechaza-banda, donde la banda es muy
estrecha y centrada en una frecuencia particular que se desea eliminar. Se usa, por ejemplo,
para eliminar la interferencia que la señal de 50 Hz del tendido eléctrico introduce en algunos
instrumentos, como por ejemplo los electrocardiógrafos.

0.01
0.005
0.005
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018
Tiempo [s]
Armónicos residuales [V]
Valor eficaz residual [V]
Máximo valor permitido (10mV)
Figura 23: Armónicos residuales.
Pudo verificarse en MathCad, que el valor eficaz residual es ≈ 1,9 mV, y se

encuentra muy por debajo del máximo permitido de 10 mV.

8. Sı́ntesis circuital del Filtro

8.1. Confección de la estructura
La sección 7.5.2 concluyó encontrando la transferencia que definirá matemática-
mente al filtro y a la que en esta sección se intentará buscarle un circuito que
la lleve a la realidad. El orden de esta transferencia es igual a 8 y la estrategia
elegida consiste en separarla en el producto de cuatro de orden 2.
De las estructuras conocidas, las más simples y versátiles son las de reali-
mentación múltiple. A continuación, se hace una presentación de la estructura
Sallen-Key, para luego darle paso a la estructura Infinite Gain Multiple Feed-
Back, que será la utilizada finalmente.
8.1.1. Sallen-Key
La estructura Sallen-Key 11 se compone por un amplificador de ganancia k
con dos caminos de realimentación, y seis distintas inmitancias conectadas de
forma tal que dan lugar a una gran cantidad de variaciones. Eligiendo ade-
cuadamente los tipos de cada una, pueden obtenerse transferencias de distintos
órdenes y naturaleza.
2 6
1 A 3 B k Vo
Vi
5 4
Figura 24: Estructura Sallen-Key.
La transferencia entre Vi y Vo puede hallarse fácilmente mediante el método

de resolución por nodos para los nodos A y B, aplicado en el espacio de la
transformada de Laplace. Si bien en principio no se visualiza ninguna fuente de
corriente, pueden imaginarse a Vi y Vo como generadores conectados a tierra
que combinados con una admitancia se transforman en tales. A continuación se
11 Propuesta en 1955 por dos investigadores del M.I.T., R. P. Sallen y E. L. Key, esta
estructura sustituye al elemento inductivo por un amplificador operacional combinado ade-
cuadamente.

presenta el sistema de ecuaciones resultante:


 Vi Y1 + Vo Y2 = VA (Y1 + Y2 + Y3 + Y5 ) − VB Y3
Vo Y6 = − VA Y3 + VB (Y3 + Y4 + Y6 )
Vo = k · VB

Vo
cuya resolución permite encontrar la transferencia buscada:
Vi
kY1 Y3
(Y1 + Y2 + Y3 + Y5 )(Y4 + Y6 ) + Y3 (Y1 + Y2 + Y5 ) − k(Y2 Y3 + Y6 (Y1 + Y2 + Y3 + Y5 ))
8.1.2. Infinite Gain Multiple FeedBack
Esta estructura recibe su nombre por reemplazar la ganancia k del amplificador

de la estructura Sallen-Key por una ganancia infinita. La transferencia resul-
tante puede obtenerse calculando el lı́mite:
Vo
lı́m
k→∞ Vi
utilizando la expresión anterior o planteando nuevamente las ecuaciones del
método de resolución por nodos con las nuevas condiciones. La inmitancia no 4
puede obviarse puesto que queda virtualmente cortocircuitada por los terminales
de control del amplificador operacional ideal.
2 6
1 A 3 B -
Vi OUT Vo
+
5
Figura 25: Estructura Infinite Gain Multiple FeedBack.
El sistema de ecuaciones adaptado a esta nueva situación queda:


 Vi Y1 + Vo Y2 = VA (Y1 + Y2 + Y3 + Y5 ) − VB Y3
Vo Y6 = − VA Y3 + VB (Y3 + Y6 )
VB = 0

Y la nueva transferencia resulta:

Vo −Y1 Y3
=
Vi Y2 Y3 + Y6 (Y1 + Y2 + Y3 + Y5 )

Es importante notar que esta estructura, por naturaleza, provoca una inver-
sión en la señal. Para el caso particular de este trabajo, no resulta un problema
pues se utilizará una cantidad par de etapas donde finalmente no habrá inver-
sión neta.
La inclinación por esta última estructura se debe a que:

para implementar un amplificador de ganancia k, debe, por lo menos,
considerarse el uso de dos resistores adicionales para combinarlos con un
amplificador operacional.
elimina una inmitancia facilitando el análisis siguiente.
es más estable frente a pequeñas variaciones en sus parámetros.
8.1.3. Elección de las admitancias

Para simplificar este proceso, se decidió que todas las etapas serán pasa-
banda de orden 2. De esta forma, habrá que hacer sólo una elección para luego,
en cada etapa, asignar los valores necesarios sin modificar los tipos de inmitan-
cias.
La transferencia racional genérica para un pasa-banda de orden 2, donde

inevitablemente sus dos polos serán complejos conjugados, es:
s ωQ0
H0
s2 + s ωQ0 + ω02
donde ω0 es la frecuencia central del filtro y equivalente a la distancia de los

polos al origen, Q es igual al cociente entre ω0 y el doble de la parte real de los
polos y H0 la ganancia.
El objetivo de esta sección, es encontrar una combinación de tipos de inmi-

tancias Y1 , Y2 , Y3 , Y5 e Y6 que permitan que la expresión siguiente:
−Y1 Y3
Y2 Y3 + Y6 (Y1 + Y2 + Y3 + Y5 )
se convierta en la expresión anterior, teniendo en cuenta que Yn sólo podrá ser
un capacitor (sCn ) o un resistor (Gn ).12
Antes de hacer la elección, debe decirse algo sobre el comportamiento real

de un amplificador operacional. Debido a que se implementan utilizando tran-
sistores, y estos necesitan polarizarse, debe haber un camino resistivo entre la
12 Si bien no forma parte de las restricciones del trabajo explı́citamente, no se utilizan
inductores por su voluminoso tamaño y costo.

salida y el terminal de control de tal forma que pueda circular corriente contin-
ua. Otra limitación viene dada por los capacitores, que también necesitan un
camino resistivo para poder cargarse inicialmente.
La primera conclusión es que Y1 e Y3 no pueden ser capacitores al mismo

tiempo, pues situarı́an un término de s al cuadrado en el numerador. Evidente-
mente, sólo una de ellas deberá serlo para situar el término lineal de s.
Puede verificarse que si las admitancias Y2 e Y3 son capacitores, y las demás
resistores, puede alcanzarse el objetivo sin violar las restricciones fı́sicas. Reem-
plazando, se obtiene:
−G1 sC3
s2 C2 C3 + G6 (G1 + sC2 + sC3 + G5 )
que mediante pases algebraicos puede llevarse a:
−G1 s
C2 s2 + s G6 (C2 +C3 ) + G6 (G1 +G5 )
C2 C 3 C2 C3
a partir de donde se puede establecer el siguiente sistema de ecuaciones:

H0 ω 0 −G1


 Q = C2
ω0 G6 (C2 +C3 )
Q = C2 C3
 2 G6 (G1 +G5 )
ω0 = C2 C3

que con 5 incógnitas (G1 , G5 , G6 , C2 y C3 ) y 3 ecuaciones queda inevitable-

mente indeterminado con dos grados de libertad a la hora de elegir los valores.
8.1.4. Estructura final

Puede observarse la estructura general de las cuatro etapas en la figura 26
y las cuatro etapas juntas en cascada en la figura 27.
OUT
Figura 26: Infinite Gain Multiple FeedBack en configuración pasa-banda.

- - - -
OUT OUT OUT OUT
+ + + +
Figura 27: Las cuatro etapas en cascada.
8.1.5. Normalización de los componentes

Siendo quizá la parte más tediosa de todo el trabajo, y producto de inconta-
bles idas y venidas, la búsqueda de una combinación de 5 valores que cumplieran
con las ecuaciones deducidas en la sección anterior y al mismo tiempo estuvier-
an dentro de los rangos establecidos por las restricciones, no pudo lograrse por
simple inspección, prueba y error.
Hizo falta la creación de un simple programa que, a partir de pequeñas
variaciones, generase todas las posibles combinaciones de valores permitidos.
Gracias a esto, pudo “demostrarse” que no existı́a combinación alguna capaz de
cumplir con todo. Es por esto que se decidió extender el rango de resistores para
que incluyera valores menores a 4,7 kΩ. Luego de esto, el programa fue capaz de
encontrar algunas combinaciones, y se pudo evidenciar cómo a partir de valores
mayores a 2,7 kΩ, no podı́a encontrar más. Sólo con propósitos anecdóticos, se
anexa a continación el código fuente de dicho programa, escrito en el lenguaje de
programacion funcional Haskell, sin consideraciones de optimización o buenas
prácticas de programación en mente:

import IO
execList :: [IO()] -> IO()

execList [] = return ()
execList (x:xs) = do
execList xs
condicion minrx maxrx mincx maxcx (r1,r5,r6,c2,c3) =
(r1>=minrx)&&(r1<=maxrx)&&(r5>=minrx)&&(r5<=maxrx)&&(r6>=minrx)&&
(r6<=maxrx)&&(c2>=mincx)&&(c2<=maxcx)&&(c3>=mincx)&&(c3<=maxcx)
valores rx cx h q w = (-q/(h*w*cx), rx,

q*(rx*h*w*cx-q)/((w*q*q*rx*cx+rx*h*w*cx-q)*(w*cx)),
cx, -(w*q*q*rx*cx+rx*h*w*cx-q)/(w*q*q*rx))
candidatos h q w minrx maxrx mincx maxcx saltorx saltocx =

[valores rx cx h q w|rx<-[minrx,(minrx+saltorx)..maxrx],
cx<-[mincx,(mincx+saltocx)..maxcx],
condicion minrx maxrx mincx maxcx
(valores rx cx h q w)]
main = do
hSetBuffering stdin LineBuffering
putStrLn ("Ingrese H: ")
h <- getLine
putStrLn ("Ingrese Q: ")
q <- getLine
putStrLn ("Ingrese w: ")
w <- getLine
putStrLn ("Ingrese la R minima: ")
minrx <- getLine
putStrLn ("Ingrese la R maxima: ")
maxrx <- getLine
putStrLn ("Ingrese el C minimo: ")
mincx <- getLine
putStrLn ("Ingrese el C maximo: ")
maxcx <- getLine
putStrLn ("Ingrese el salto de R: ")
saltorx <- getLine
putStrLn ("Ingrese el salto de C: ")
saltocx <- getLine
execList (map print (candidatos (read h) (read q) (read w)
(read minrx) (read maxrx) (read mincx) (read maxcx) (read saltorx) (read saltocx)))
print (length (candidatos (read h) (read q) (read w) (read minrx) (read maxrx)
(read mincx) (read maxcx) (read saltorx) (read saltocx)))

Luego de algunas pruebas en PSpice, finalmente se eligieron las dos siguientes

combinaciones de valores de las varias que mostraba la salida del programa:
Componente 1 2
R1 164913,37 Ω 203194,2 Ω
R5 2700 Ω 2700 Ω
R6 3352181,8 Ω 3282382,67 Ω
C2 1,8 nF 1,8 nF
C3 1,295503 nF 2,002478 nF
que al normalizarse de la siguiente manera:
Componente 1 2
R1 162 kΩ 205 kΩ
R5 2700 Ω 2700 Ω
R6 3,32 MΩ 3,3 Ω
C2 1,8 nF 1,8 nF
C3 1,3 nF 2 nF
provocan las siguientes alteraciones a los parámetros de las transferencias:
Parámetros Ideal Normalizado Error relativo

H1 −8,50705 −8,59419 1,02427 %
ω1 6939,45222 6961,94262 0,32409 %
Q1 17,52397 17,44708 0,4388 %
H2 −8,50705 −8,4724 0,4073 %
ω2 5632,09201 5620,19281 0,21127 %
Q2 17,52397 17,5705 0,2655 %

8.2. Verificación de la transferencia definitiva

Es necesario volver a realizar la verificación para asegurar que la normal-
ización no desplazó al filtro fuera de las especificaciones.
Se muestra en la figura 28 una comparación del módulo de las distintas

transferencias:
50
40
30
20
10
800 850 900 950 1000 1050 1100 1150 1200

Teórico
Normalizado
Real
Figura 28: Comparación entre los gráficos del módulo de las transferencias ideal,
normalizada y real, en decibeles.
La notable diferencia que hay entre las transferencias teóricas y la simulación

en PSpice son producidas, en parte, por las imperfecciones de los amplificadores
operacionales TL084/301/TI.
A continuación, en la figura 29, puede observarse el alejamiento que han

sufrido las amplitudes. La del armónico de 1000 Hz vale ≈ 0,92 (error relativo
del 8 %); la relación con el armónico de 900 Hz es de 2,87106 y de 2,92851 con
el armónico de de 1100 Hz.
En la figura 30, puede observarse una comparación entre las distintas salidas
y en la figura 31 los armónicos residuales calculados a partir de MathCad, cuyo
valor eficaz resulta ser de ≈ 2,05 mV. Para averiguar el valor eficaz residual
a partir de los datos de PSpice, es necesario aplicar la función FFT que este
programa provee, copiar los datos a algún programa de cálculo que permita
confeccionar una tabla y calcular la raı́z cuadrada de la suma de los cuadrados

√
de los valores de cada elemento de la tabla divididos por 2.13 Esta fórmula
tiene su justificación en una propiedad que enuncia que el valor eficaz de una
suma de señales
√ senoidales es la suma cuadrática de los valores eficaces. La
división por 2 es porque los datos de la FFT están expresados en amplitud
máxima. Luego de hacer eso, sorpresivamente se obtuvo un valor de ≈ 1,8 mV.
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
800 900 1000 1100 1200
Espectro de la salida
Figura 29: Espectro de la salida del filtro con componentes normalizados.

13 No es posible utilizar los datos que arroja la función FFT de PSpice para aplicarles
IFFT en MathCad pues es prácticamente imposible lograr una colección de exactamente 2n

muestras, y recortala provoca en la anti-transformación, el surgimiento de componentes de
alta frecuencia que no se condicen con la realidad y aumentan en gran medida el valor eficaz
residual.

2
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018
Salida del filtro normalizado
Salida del filtro sin normalizar
Salida objetivo
Simulada en PSpice
Figura 30: Alejamiento de la señal de salida.
0.01
0.005
0.005
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018
Tiempo [s]
Armónicos residuales [V]
Valor eficaz residual [V]
Máximo valor permitido (10mV)
Figura 31: Armónicos residuales.

8.3. Respuesta en frecuencia

8.3.1. Diagramas de Bode
Los Diagramas de Bode14 asintóticos se construyen a partir de la infor-
mación de los polos y ceros y resultan útiles para tener una idea rápida del
comportamiento de un filtro. Para el caso particular de los filtros Chebyshev,
no resultan de gran ayuda pues en la zona de la banda pasante, la gráfica real
se aleja mucho de las ası́ntotas. Puede apreciarse el diagrama para el módulo en
la figura 32, para la fase en la figura 33 y una versión con detalle del diagrama
de fase en la figura 34.
50
40
30
20
Ganancia [dB]
10
10
20
30
40
50
3 4
100 1 .10 1 .10
Frecuencia [Hz]
Real calculado en MathCad
Asintótico
Real simulado en PSpice
Figura 32: Diagrama de Bode para el módulo.

14 Hendrik Wade Bode (1905-1982) fue un prolı́fico investigador e ingeniero nacido en Es-
tados Unidos, pionero en la Teorı́a Moderna de Control y las Telecomunicaciones electrónicas.

90
180
270
Fase [º]
360
450
540
630
720
3 4 5
10 100 1 .10 1 .10 1 .10
Frecuencia [Hz]
Asintótico
Figura 33: Diagrama de Bode para la fase.
90
180
270
Fase [º]
360
450
540
630
720
500 600 700 800 900 1000 1100 1200 1300 1400 1500
Frecuencia [Hz]
Figura 34: Diagrama de Bode para la fase con detalle en la zona central.

8.4. Respuesta en tiempo

En esta sección, se podrá apreciar el comportamiento del circuito ante dis-
tintas excitaciones, calculados utilizando la funcionalidad de anti transforma-
ción simbólica de Laplace de MathCad. Para complementar la información, se
han confeccionado espectros de frecuencia de las respuestas temporales para
analizar el contenido armónico, utilizando la Transformada rápida de Fourier.
Previamente, deberá considerarse el siguiente párrafo, sugerido por el profesor
Fernando Barreiro:
La transformada rápida de Fourier es un caso especial de la serie trigonométri-

ca de Fourier, y fue especı́ficamente concebida para el análisis de funciones
periódicas; no obstante, es posible aplicarla a señales no periódicas de duración
limitada. Aunque los contenidos armónicos de tal clase de señal, pueden obten-
erse mediante la Integral de Fourier, en muchos casos esta integral no puede
evaluarse por ser no integrable, de modo tal que se termina por muestrear la
señal para calcularla aproximadamente usando el método de trapecios u otro.
Sin embargo, también pueden evaluarse con el eficiente algoritmo de la trans-
formada rápida de Fourier, y en este caso, la envolvente de los armónicos es
similar (salvo cuestiones numéricas de normalización) a la Integral de Fouri-
er. Ello justifica hacer un análisis de contenidos armónicos presentes durante
un transitorio, pero debe interpretase que la presencia de la mayorı́a de los
armónicos puede darse en fracciones temporales del muestreo y dejar de existir
hacia el final del tiempo de análisis aunque exista regimen permanente.

8.4.1. Impulso δ(t)

La Delta de Dirac 15 es sin duda una de las delicias matemáticas más sabrosas
de los últimos tiempos. Puede definirse de muchı́simas formas distintas pero la
más simple es sin duda la menos correcta: es nula en todos los puntos menos
en 0, donde vale ∞, y su integral a lo largo de toda la recta real es igual a
1. Mediante el Análisis de Fourier, puede verificarse que esta función contiene
todas las frecuencias. Su espectro es constante e igual a 1. La introducción
de una δ(t) en un sistema provoca que el mismo responda con sus frecuencias
naturales. La respuesta a una δ(t) es igual a la anti-transformada de Laplace de
la Transferencia del sistema, por lo que a esta última suele llamársela respuesta
impulsiva.
La figura muestra los resultados obtenidos utilizando MathCad y PSpice.

Inmediatamente a continuación, en la figura 36, puede observarse el espectro
de la respuesta al impulso, donde el parecido con la forma del módulo de la
transferencia es innegable.
4
3 .10
4
2 .10
4
1 .10
Tensión [V]
4
1 .10
4
2 .10
4
3 .10
0 0.005 0.01 0.015 0.02 0.025 0.03 0.035 0.04 0.045
Tiempo [s]
Calculada en MathCad
Obtenida de PSpice derivando la respuesta al escalón
Figura 35: Respuesta al impulso.

15 Paul Dirac (1902 - 1984) fue un fı́sico teórico británico y uno de los fundadores de la
Mecánica Cuántica. Él fue quien formuló la equación de Dirac que describe el comportamiento
de los fermiones y condujo a la predicción de la existencia de la anti-materia. Fue galardonado
en 1933 junto a Erwin Schrödinger con el premio Nobel en fı́sica, por el descubrimiento de
nuevas utilidades de la teorı́a atómica.

4000
3000
Amplitud [V]
2000
1000
0
0 200 400 600 800 1000 1200 1400 1600 1800 2000
Frecuencia [Hz]
Espectro de la respuesta al impulso
Figura 36: Espectro de la respuesta al impulso.
8.4.2. Escalón u(t)

El escalón simboliza un cambio finito en un instante nulo y permite ver
el recurso del sistema para alcanzar el nuevo estado. Conocer la respuesta de
un sistema al escalón es de gran importancia pues a partir de la misma, como
ası́ también a partir de la del impulso, puede deducirse cualquier otra respuesta.
Las figuras 37 y 38 muestran la respuesa al escalón y su espectro, respectiva-
mente.
2
Tensión [V]
0 0.005 0.01 0.015 0.02 0.025 0.03 0.035 0.04 0.045

Tiempo [s]
Calculado en MathCad
Simulado en PSpice
Escalón
Figura 37: Respuesta al escalón.

0.8
0.6
Amplitud [V]
0.4
0.2
0
0 200 400 600 800 1000 1200 1400 1600 1800 2000
Frecuencia [Hz]
Espectro de la respuesta al escalón
Figura 38: Espectro de la respuesta al escalón.
8.4.3. Onda cuadrada de 100 Hz

La descomposición armónica de una onda cuadrada de 100 Hz, devela la
presencia de infinitas componentes de frecuencias múltiplos de 100 y de amplitud
decreciente. Si una señal de tales caracterı́sticas atraviesa el filtro, la salida
deberı́a componerse escencialmente de los armónicos de 900 Hz y 1100 Hz. La
figura 39 deja vislumbrar la respuesta del filtro a una señal cuadrada y la figura
40 su correspondiente espectro.
10
5
Tensión [V]
10
0 0.005 0.01 0.015 0.02 0.025 0.03 0.035 0.04 0.045

Tiempo [s]
Simulada en PSpice
Cuadrada
Figura 39: Respuesta a una onda cuadrada de 100 Hz.

Amplitud [V] 4
0
0 200 400 600 800 1000 1200 1400 1600 1800 2000
Frecuencia [Hz]
Espectro de la respuesta a una onda cuadrada de 100 Hz
Figura 40: Espectro de la respuesta a una onda cuadrada de 100 Hz.
8.4.4. Onda cuadrada de 300 Hz

Siguiendo el mismo razonamiento anterior, puede verificarse que una onda
cuadrada de 300 Hz contiene infinitas componentes de frecuencias múltiplos de
300 y de amplitud decreciente. Si una señal de tales caracterı́sticas atraviesa
el filtro, la salida deberı́a componerse escencialmente del armónico de 900 Hz,
pues es el único múltiplo que cae dentro de la banda pasante. La figura 41
deja vislumbrar la respuesta del filtro a una señal cuadrada y la figura 42 su
correspondiente espectro.
0.05
Tensión [V]
0.05
0 0.005 0.01 0.015 0.02 0.025 0.03 0.035 0.04 0.045

Tiempo [s]
Simulada en PSpice
Cuadrada
Figura 41: Respuesta a una onda cuadrada de 300 Hz.

0.15
Amplitud [V] 0.1
0.05
0
0 200 400 600 800 1000 1200 1400 1600 1800 2000
Frecuencia [Hz]
Espectro de la respuesta a una onda cuadrada de 300 Hz
Figura 42: Espectro de la respuesta a una onda cuadrada de 300 Hz.
8.4.5. Senoidal de 1000 Hz
5
Tensión [V]
0 0.005 0.01 0.015 0.02 0.025 0.03 0.035 0.04 0.045

Tiempo [s]
Calculada en MathCad
Simulada en PSpice
Senoidal de 1000 Hz
Figura 43: Respuesta a una onda senoidal de 1000 Hz.
2.5
2
Amplitud [V]
1.5
0.5
0
0 200 400 600 800 1000 1200 1400 1600 1800 2000
Frecuencia [Hz]
Espectro de la respuesta a una onda senoidal de 1000 Hz
Figura 44: Espectro de la respuesta a una onda senoidal de 1000 Hz.

Parte III
Conclusión
Aquı́ concluye la redacción del informe sobre el Diseño y Sı́ntesis de un
Filtro Chebyshev, asignatura obligatoria para aprobar la materia Análisis de
Circuitos, el primer cuatrimestre del año 2007.
Muchos fueron los dı́as invertidos en su realización, y muchos han sido los
conocimientos que necesité adquirir para lograr el producto final. El cumplim-
iento del objetivo hubiera podido lograrse en mucho menos tiempo y con mucha
menos profundidad, pero no era mi voluntad dejar pasar la oportunidad de
aprender sobre un tema tan atrapante.
Espero que este trabajo pueda servir como guı́a a quienes en el futuro tengan
que transitar el mismo camino, pues esa fue una de las intenciones principales
al darme cuenta las muchas cosas que nadie me habı́a explicado y tuve que salir
a buscar.
La realización de este trabajo me llevó a concluir que prácticamente toda la

materia fue construyéndose como una pirámide que apuntaba hacia el Diseño
de Filtros, pero terminando sin poner el bloque final, acción que sólo tendrı́a
lugar con la realización de este trabajo.
No puedo terminar sin antes agradecer a Ariel Burman, por ayudarme a

encontrar una estrategia adecuada con filtros Chebyshev, en los momentos en
los que yo todavı́a poco entendı́a; a Santiago Gonzalez Zerbo, por las muchas
horas de divague matemático que más de una vez me salvaron de perecer entre
los números; a Gonzalo Figueroa, por la creación del logotipo para la carátula
a altas horas de la noche; a Mercedes Lucero y Nicolás Tempone por servir
de revisores; y, finalmente, al profesor Fernando Barreiro, por la dedicación
extracurricular para con sus alumnos a la hora de responder consultas, el conta-
gio de entusiasmo, y porque bien sabı́a a lo que se referı́a cuando en la entrega
del enunciado, con una palmada en la espalda, me dijo: ¡Cómo te vas a divertir!
Francisco Albani
Buenos Aires,
3 de Agosto de 2007.

Parte IV
Bibliografı́a
Referencias
[Miy91] Federico Miyara.
“Filtros Activos” (1991)
http://www.fceia.unr.edu.ar/enica3/filtros-t.pdf.
[Hue72] Lawrence P. Huelsman.
“Basic Circuit Theory” (1972)
[Pue82] Hector Pueyo & Carlos Marco.
“Análisis de modelos circuitales”
[Per91] Antonio Pertence Junior.
“Amplificadores Operacionales y Filtros Activos” (1991)
[AN779] Kerry Lacanette.
“National Semiconductor - Application Note 779 - A Basic Introduction
to Filters: Active, Passive, and Switched-Capacitor” (1991)
http://www.national.com/an/AN/AN-779.pdf.
[Hsu70] Hwei P. Hsu.
“Análisis de Fourier” (1970)
[Man06] Margarita Manterola.
“Apuntes de Análisis de Circuitos” (2006)
http://www.marga.com.ar/~marga/6606/teoricas.pdf.
[WP1] Comunidad de usuarios de Wikipedia.
“Wikipedia”
http://en.wikipedia.org/.

BT 135.informe

Transféré par

Informations du document

Titre original

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

BT 135.informe

Transféré par

Droits d'auteur :

Formats disponibles

FACULTAD DE INGENIERÍA - U.B.A.

Diseño y Sı́ntesis de un Filtro

1.er cuatrimestre 2007

6. Análisis de la señal de salida 19

En el contexto de este trabajo, tanto la entrada como la salida serán mag-

Albani Francisco 5 1.er cuatrimestre 2007

Figura 1: Algunos filtros ideales.

Como se verá a continuación, este comportamiento sólo se logra aproximar

Albani Francisco 6 1.er cuatrimestre 2007

Respuesta = Transferencia · Excitación

donde cada uno de los factores es la transformada de Laplace correspondiente.

Si se piensa que las funciones de Transferencia sintetizables mediante una

A raı́z de esto, a lo largo de la historia han surgido distintas aproximaciones

Estas aproximaciones se representan mediante expresiones racionales cuyo

Albani Francisco 7 1.er cuatrimestre 2007

Una estrategia muy común que suele simplificar mucho la sı́ntesis, es la

Existen varias estructuras famosas que pueden adaptarse para alcanzar el

Albani Francisco 8 1.er cuatrimestre 2007

Figura 2: Circuito generador de la señal de entrada.

En el circuito de la figura 2, un transistor MOS2 BS170/ZTX de canal

La suma de los armónicos residuales contenidos en la señal de AM resultante

Albani Francisco 9 1.er cuatrimestre 2007

poseerá menos de 10 ceros.

tendrá una entrada de impedancia constante (en frecuencia).

drará en la salida de los amplificadores operacionales corrientes mayores que 5 mA.

Albani Francisco 10 1.er cuatrimestre 2007

Figura 3: Circuito de entrada simplificado

Suponiendo un comportamiento ideal del amplificador operacional6 , se puede

3 V + sin(2π · 100Hz · t) V + sin(2π · 1000Hz · t) V − iR (t) · R = 0

Como la corriente que atraviesa la resistencia R es igual a la corriente que

Albani Francisco 11 1.er cuatrimestre 2007

A continuación, se exponen gráficos ilustrativos de las expresiones anteriores

Figura 4: Corriente id (t).

Figura 5: Señal de entrada.

Finalmente, en la figura 6, se presenta el resultado de la simulación del cicuito

Albani Francisco 12 1.er cuatrimestre 2007

Figura 6: Señal de entrada simulada en PSpice.

Albani Francisco 13 1.er cuatrimestre 2007

5.2. Descomposición armónica

donde se hacen explı́citos varios conceptos más claramente.

En teorı́a, este análisis se completarı́a al calcular los infinitos coeficientes

Albani Francisco 14 1.er cuatrimestre 2007

conocida como Transformada rápida de Fourier, o por su sigla en inglés, FFT.

Para construir el espectro de frecuencias de la señal de entrada utilizando

La colección debe expresarse como un arreglo de valores que toma la señal

Una propiedad importante de la Transformada Discreta de Fourier, es que

Debido a la normalización de la función FFT de MathCad, los elementos del

Albani Francisco 15 1.er cuatrimestre 2007

la función FFT, han sido adaptados para “corregir” este hecho.

Con todas las consideraciones anteriores, se realizó el análisis en MathCad

Figura 7: Espectro de frecuencias de Vin .

Es notable como la gran diferencia de amplitud entre la componente de ten-

Albani Francisco 16 1.er cuatrimestre 2007

Figura 8: Espectro de frecuencias de Vin .

En esta nueva imagen, se puede notar la presencia de las frecuencias de

Figura 9: Espectro de frecuencias de Vin .

Albani Francisco 17 1.er cuatrimestre 2007

Repitiendo este procedimiento, se pudo verificar que el patrón se repite in-

Albani Francisco 18 1.er cuatrimestre 2007

6. Análisis de la señal de salida

Figura 10: Vobj a lo largo de 5 perı́odos.

6.2. Descomposición armónica

Albani Francisco 19 1.er cuatrimestre 2007