Filtros Fir PDS

Universidad Nacional
MAYOR DE SAN MARCOS

(UNIVERSIDAD NACIONAL, DECANA DE AMÉRICA)
FACULTAD DE INGIENERIA ELECTRICA Y

ELECTRONICA
E.A.P. ING. DE ELÉCTRONICA
PROFESOR : Solis Lastra, Javier Ulises
CURSO : Procesamiento Digital de

Señales
TEMA : FILTROS FIR
ALUMNOS :
 Anco Llamoca Carlos Felipe
16190153
 Quisperima Galdos Washington
15190128
 Iparraguirre Tamariz Joel David
15190147
Universidad Nacional Mayor de San Marcos-Facultad de Ingeniería Electrónica y Eléctrica
ÍNDICE:
INTRODUCCIÓN…………………………………………………………………...2
FILTROS FIR…………………………………………………………………….…..2
DISEÑO DE FILTROS..………………………………………………….………3
APLICACIÓN……………………………………………………….…………………4
EJERCICIOS………………………………………………………………..………..6
2
INTRODUCCIÓN:
Un filtro es un elemento
que discrimina una
determinada frecuencia o
gama de frecuencias de
una señal eléctrica que
pasa a través de él,
pudiendo modificar tanto
su amplitud como su fase.
El orden de un filtro
describe el grado de
aceptación o rechazo de
frecuencias por arriba o
por debajo, de la
respectiva frecuencia de
corte.
FILTROS FIR
Filtro con respuesta finita al impulso, se trata de un filtro digital cuya
respuesta al impulso como entrada tendrá un número finito de
términos no nulos.
En la expresión anterior N- 1 es el orden del filtro. N es el número de

términos no nulos y el número de coeficientes del filtro. Los
coeficientes son bk.
Características:
Pueden diseñarse con fase perfectamente lineal.
Son filtros no recursivos, es decir, todos los coeficientes ai de la
ecuación en diferencias es cero.
Son siempre estables al no tener realimentaciones.
3
Implementación hardware sencilla.

Su respuesta al impulso coincide con el vector de coeficientes bi.
Frente a los filtros IR presenta la desventaja de requerir un orden
mayor.
DISEÑO DE FILTROS FIR

El diseño de filtros FIR se basa en una aproximación directa de la
respuesta en magnitud especificada en el dominio de la frecuencia, a
través de lograr una determinada respuesta al impulso unitario en el
dominio temporal. Entre los métodos de diseño se cuentan el de
ventanas y el de muestreo en frecuencia. Otros métodos se basan en
técnicas iterativas de optimización para minimizar el error entre la
respuesta en frecuencia deseada y la del filtro generado por
computadora.
4
TECNOLOGIAS AVANT
El procesado de señal de la serie Avant se realiza mediante un
potente DSP de 24 bit. Un complejo programa permite el ajuste
preciso de ganancias, cortes, ecualizaciones, alineamiento entre vías,
limitador, indicador y control de nivel. Todo ello con la precisión y
versatilidad del dominio digital. Esta gran potencia de procesado
permite el ajuste de los sistemas hasta niveles inalcanzables
mediante procesado analógico o DSPs menos potentes, consiguiendo
un sonido insuperable. El procesado de señal incluye una puerta de
ruido para silenciar el sistema en ausencia de señal. Esto es muy útil
en ambientes poco ruidosos como teatros o auditorios y, sobre todo,
cuando se usa directamente con la entrada de micro. Se evita con
esto el soplido de fondo de otros sistemas autoamplificados que
trabajan con el amplificador siempre “abierto”. Filtros FIR Los filtros
analógicos y sus emulaciones en digital introducen cambios en la fase
del sistema que se traducen en el desalineamiento temporal entre
distintas frecuencias. El gráfico siguiente muestra la respuesta de
fase de un sistema de nuestra competencia realizado en digital con
emulación de filtros analógicos de 48 dB/oct. Como puede observarse
la gráfica de fase “gira” en varias ocasiones entre 1 kHz y 10 kHz,
banda crítica de la voz.
5
El procesado de las Avant incluye filtros digitales FIR (Finite Impulse

Response) realizados directamente en el dominio digital que no
generan los cambios de fase que introducen los filtros analógicos o
sus emulaciones en digital. Con esto se consigue una respuesta de
fase constante que indica un perfecto alineamiento temporal de todas
las frecuencias. El siguiente gráfico muestra la respuesta de fase de
la Avant 15A.
6
En el diseño de la serie Avant se ha empleado el novedoso y potente

método de caracterización Tiempo-Frecuencia “Wavelet”.
Usando este método podemos ver en un mismo gráfico el
comportamiento en función de la frecuencia y en función del tiempo
de un sistema de 15” de nuestra competencia con fitros de 48 dB/oct.
En el gráfico puede verse el desalineamiento (retardo) en el corte y
en la vía de graves respecto del agudo. El nivel máximo, color rojo,
se alcanza más tarde de 200 Hz a 1 kHz y, sobre todo entre 1 kHz y 2
kHz.
Con el diseño de los filtros FIR adecuados y la corrección del off-set
temporal entre vías los sistemas de la serie Avant muestran un
perfecto alineamiento. Los máximos en todas las frecuencias se
alcanzan al mismo tiempo.
Todo esto se traduce en una mejor respuesta dinámica. El ataque del sistema es más rápido y
preciso, consiguiéndose un sonido más claro y real. Las percusiones suenan con más ataque,
limpias y definidas.
PROBLEMA 1 :
Diseñar con Matlab un filtro FIR paso bajo(1KHz), paso alto(1KHz),
FILTRO PASO BAJO:
Fc =1000hz
7
FILTRO PASO BAJO:

Fc:1000Hz
8
PROBLEMA 2:
Diseñar en Matlab un filtro FIR pasa banda(500Hz y 1KHz)
y rechaza banda(500Hz y 1 KHz).
FILTRO PASA BANDA:

Fc1=500Hz
Fc2=1000Hz
9
FILTRO RECHAZA BANDA:

Fc1=500Hz
Fc2=1000Hz
10
Problema 3
Diseñar un filtro digital pasa altas de un filtro Butterworth
con una frecuencia de corte(-3db) de 50,100,200 y 250 Hz.
La taza de muestreo del sistema digital es de 500 Hz.
Filtro pasa-bajas Butterworth con frecuencia de corte de

1rad/seg de segundo orden
1 1
H(s)= 2=
𝐵𝑜+𝐵1𝑆+𝐵2𝑆 1+𝐵1𝑆+𝑆 2
1
H(p)= =
1+𝐵1𝑝+𝑝2
Donde B1=√2
Frecuencia de corte
Fr1=50Hz
Fr2=100Hz
Fr3=200Hz
11
Fr4=220Hz
Frecuencia de doblez
500𝐻𝑧
fo= =250 Hz
2
frecuencia de corte normalizada

𝑓𝑟
Vr=
𝑓𝑜
𝑓𝑟1 𝑓𝑟2 𝑓𝑟3 𝑓𝑟4

Vr= Vr= Vr= Vr=
𝑓𝑜 𝑓𝑜 𝑓𝑜 𝑓𝑜
50𝐻𝑧 100𝐻𝑧 200𝐻𝑧 220𝐻𝑧
Vr= Vr= Vr= Vr=
250𝐻𝑧 250𝐻𝑧 250𝐻𝑧 250𝐻𝑧
Vr=0.2 Vr=0.4 Vr=0.8 Vr=0.88
Calculo de C
𝜋
tan⁡( 𝑉𝑟)
c= 2
λ
transformación
1+𝑧−1
p=
1−𝑧−1
H(z)=H(p)
1+𝑧−1
Evaluando :P=c1−𝑧−1
H(z)=⁡
1
1+𝑧−1 1+𝑧−1
1+B1C∗
−1 +𝐶 2 ( −1 )2
1−𝑧 1−𝑧
1+𝑧−1
H(z)=⁡(1−𝑧−1)2+B1∗C(1−𝑧−1)(1+𝑧−1)+𝐶 2(1+𝑧−1 )2
1 −1
(1−2𝑧 +𝑧−2 )
(1+B1∗C+𝐶2 )
H(z)=⁡ (2𝐶2 −2) 1−𝐵1∗𝐶+𝐶2
1+
1+B1∗C+𝐶2
𝑧−1 +( 1+B1∗C+𝐶2 )𝑧−2
12
13
14
Problema 4
f1=100;%frecuencia de corte 1
f2=200;%frecuencia de corte 2
fs=2000;%frecuencia de muestreo
m=(0.3*f1)/(fs/2);%define el ancho de banda
M=round(8/m);%define la longitud de la ventana
N=M-1;%define el orden del filtro
b=fir1(N,0.5*f2/(fs/2));%ventana Hamming basado en filtro FIR
figure(1)%aparece una ventana de grafica sin necesidad que se borre al
plotear otra imagen
[h,f]=freqz(b,1,512);%amplitud de la frecuencia caracteristica
plot(f*fs/(2*pi),20*log10(abs(h)))%ventana de la gráfica del filtro
xlabel('frequency/Hz');%descripcion del eje x
ylabel('gain/db')%descripcion del eje y
title('la ganancia de respuesta de un filtro pasa-bajo');%titulo de la
gráfica
figure(2)%ventana gráfica 2
subplot(211)%ventana de gráfica de 2 filas y 1 columna
t=0:1/fs:0.2;%rango del tiempo
s=sin(2*pi*f1*t)+sin(2*pi*f2*t);%señal antes del filtro
plot(t,s)
xlabel('tiempo/s')
ylabel('amplitud')
title('Diagrama dominio del tiempo antes de filtrar');
15
axis([0 0.1 -2 2]);%ajustar las escalas de la gráfica

subplot(212)
Fs=fft(s,512);%transformada de fourier
AFs=abs(Fs);%amplitud
f=(0:255)*fs/512;%rango de dominio de la frecuencia
plot(f,AFs(1:256))
xlabel('frecuencia/Hz');
ylabel('amplitud');
title('dominio de la frecuencia antes de filtrar');
figure(3);
sf=filter(b,1,s);% uso de la función de filtro para filtrar
subplot(211)
plot(t,sf)
xlabel('tiempo/s')
ylabel('amplitud')
title('diagrama dominio del tiempo despues de filtrar');
axis([0.1 0.2 -2 2]);
subplot(212)%grafica en la segunda fila y primera columna
Fsf=fft(sf,512);%Diagrama de dominio de frecuencia después del
filtrado
AFsf=abs(Fsf);%amplitud
f=(0:255)*fs/512;%rango de las frecuencias
plot(f,AFsf(1:256))
xlabel('frecuencia/Hz');
ylabel('amplitud');
title('Diagrama dominio de la frecuencia despues del filtro');
Figura1
16
Figura2
Figura3
17
Problema 5
Diseñar un filtro digital pasa banda cuya banda de paso
vaya de 60 Hz a 200 Hz con menos de 3dB de tolerancia en
la banda de paso y 40dB de atenuación en la banda
eliminada, la cual está a 50 Hz a cada lado de la banda de
paso. La frecuencia de muestreo es de 1000 Hz.
Tenemos los siguientes datos:

Banda de paso= 60-200Hz
Atenuación banda de paso= 3dB
Atenuación banda eliminada= 40dB
Banda eliminada= 50 Hz en cada lado (10 – 250Hz)
Frecuencia de muestreo= 1000Hz
Implementando el código en Matlab:

fs=1000 %frecuencia de muestreo
fc=fs/2 %frecuencia de muestreo de Nyquist
wp=[60 200]/fc %frecuencia de banda de paso
ws=[10 250]/fc %frecuencia de banda eliminada
rp=3 %atenuacion de banda de paso
rs=40 %atenuacion de banda eliminada
[n,wn]=buttord(wp,ws,rp,rs) %diseñamos un filtro butterworth
[b a]=butter(n,wn) %obtenemos los coeficientes del filtro butterworth
[h f]=freqz(b,a,[],fs);
plot(abs(h))
xlabel('Hz')
ylabel('Modulo de H(z)')
b=fir1(n,wn); %A partir del filtro butterworth creamos el filtro fir
subplot(2,1,1)
freqz(b,1,512)
subplot(2,1,2)
[h f]=freqz(b,fs);
plot(abs(h))
tittle('Filtro FIR pasabanda')
18
19

Filtros Fir PDS

Transféré par

Informations du document

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

Filtros Fir PDS

Transféré par

Droits d'auteur :

Formats disponibles

Universidad Nacional

MAYOR DE SAN MARCOS

FACULTAD DE INGIENERIA ELECTRICA Y

E.A.P. ING. DE ELÉCTRONICA

PROFESOR : Solis Lastra, Javier Ulises

CURSO : Procesamiento Digital de

TEMA : FILTROS FIR

En la expresión anterior N- 1 es el orden del filtro. N es el número de

Implementación hardware sencilla.

DISEÑO DE FILTROS FIR

El procesado de las Avant incluye filtros digitales FIR (Finite Impulse

En el diseño de la serie Avant se ha empleado el novedoso y potente

FILTRO PASO BAJO:

FILTRO PASA BANDA:

FILTRO RECHAZA BANDA:

Filtro pasa-bajas Butterworth con frecuencia de corte de

frecuencia de corte normalizada

𝑓𝑟1 𝑓𝑟2 𝑓𝑟3 𝑓𝑟4

axis([0 0.1 -2 2]);%ajustar las escalas de la gráfica

Tenemos los siguientes datos:

Implementando el código en Matlab:

Vous aimerez peut-être aussi