Ejemplos Fir e Ir Grnades

Instituto Politécnico Nacional E.S.I.M.E.
Culhuacán
Agradecimientos
Hay muchas cosas que agradecer cuando uno llega a este punto, en el cual uno deja de ser una persona
común, y se convierte en ingeniero con grandes responsabilidades y desafíos que enfrentar, en este
nuevo andar que da comienzo después de grandes esfuerzos realizados que se ven culminados el día de
hoy.
Y quiero agradecer:
 A DIOS por permitirme vivir este momento de mi vida y estar cumpliendo uno de mis sueños al
culminar este trabajo de tesis.
 A mi Padre FEDERICO ALBERTO: por todas las enseñanzas de lucha y superación que me ha
inculcado durante mi desarrollo, hasta llegar a ser un profesionista.
 A mi Madre AURORA SOCORRO: por su apoyo y comprensión sobre las decisiones que he
tomado para llegar hasta este momento.
 A mis hermanas AURORA LETICIA y MARIA FERNANDA: por ayudarme a llegar hasta
aquí, con sus pequeños y certeros consejos para seguir adelante, y no dejarme vencer ante
cualquier obstáculo.
 A mi Abuelo FIDEL JIMÉNEZ RUIZ (In memoriam): por mostrarme que las decisiones que se
toman en la vida tienen sus ventajas y desventajas, y que cualquiera de las opciones que uno
escoja hay que saber aceptar sus consecuencias que esta trae en la vida.
 A mi Abuela AURORA FERRERO (In memoriam): por tu compañía en los momentos difíciles
y felices de mi vida y reconfortarme con tu toque especial.
i
Instituto Politécnico Nacional E.S.I.M.E. Culhuacán
 A mi Abuela BERTHA SIGRIST CAJIDE (In memoriam): por permitir conocer su experiencia
de vida y poder visualizar una vida llena de gustos propios, y compartir lo mucho o poco con
los demás.
 A Mis compañeros de carrera LUIS PEÑA, MABEL BERENICE, GERARDO SAMUEL,

CARLOS ALBERTO: por acompañarme durante mi estancia en la escuela, ya que me
brindaron su amistad sincera en mis ratos de ocio y estudio, como ellos solamente lo pueden
hacer e impulsándome a llegar a este punto de mi vida.
 Mis Maestros: por los conocimientos que me han brindado dentro y fuera de las aulas, por su
paciencia que desarrollan para a hacer comprender a la mente habida de conocimientos de
ingeniería, que son realmente complicados y los hacen fáciles de comprender, ya que son de
importancia dentro de nuestro desarrollo como futuros ingenieros.
 Mis asesores MIGUEL ÁNGEL JUÁREZ HERNÁNDEZ y OSVALDO LÓPEZ GARCÍA: por
su dedicación ya que después de un largo tiempo e infinita paciencia, logro terminar gracias a
su ayuda éste trabajo de tesis.
 Mi casa de estudios el INSTÍTUTO POLITÉCNICO NACIONAL y sus centros de estudio: por

brindarme las facilidades para la realización del presente trabajo.
 Todos los involucrados directamente o indirectamente: por apoyarme durante mí andar por esta
casa de estudios.
 Y a todos los que están reunidos en este momento: por compartir este momento tan especial con
mi persona; de antemano, mil gracias.
ATENTAMENTE
Federico Jesús Gil Jiménez.
ii
Resumen
Un filtro electrónico es un dispositivo elaborado con elementos pasivos y activos que atenúa
frecuencias no deseadas de una señal. Los filtros se clasifican en función de su repuesta en frecuencia
en: pasa bajas, pasa altas, pasa banda y rechaza banda.
Los filtros se dividen en dos familias: los analógicos y los digitales, los filtros analógicos están
construidos con resistencias, capacitores, inductores y circuitos integrados, estos tienen la desventaja de
que una vez el circuito se encuentra armado, es difícil hacer cambios en la respuesta en frecuencia del
filtro; por el otro lado los filtros digitales están compuestos de sumadores, retardos de tiempo y
multiplicadores, y son implementados en software y hardware y tienen la ventaja de que si se requiere
hacer cambios en la respuesta de frecuencia, tan solo se hacen cambios en la programación del DSP o
se cambia la parte del software que controla los coeficientes del filtro porque el filtro trabaja con
operaciones aritméticas.
Los filtros digitales se desarrollan en base a una herramienta matemática poderosa, esta es la
transformada Z, y permite el análisis de sistemas discretos invariantes en el tiempo. Las propiedades de
la transformada Z son: región de convergencia, linealidad, propiedad de retardo, escalamiento en
tiempo por una secuencia exponencial, diferenciación de X(z) o multiplicación de x(nT) por (nT),
propiedad de convolución, teorema del valor inicial, y teorema del valor final.
El filtro de respuesta finita, es un filtro causal que usa muestras presentes y pasadas, es un filtro no
recursivo, por lo tanto, su respuesta al impulso es finita esto resulta en un filtro estable. El orden del
filtro es importante, porque nos brinda el control en la pendiente de corte del filtro. Uno de los métodos
de diseño es el de la aproximación por series de Fourier
El filtro de respuesta infinita al impulso que usa muestras presentes, pasadas y futuras, este hecho causa
que el comportamiento de filtro se vuelva inestable y se denomina como un filtro recursivo. El método
iii
de diseño del filtro está basado en diseño de filtros analógicos, con la transformación bilineal que
transforma del plano S al plano Z, obteniendo algunas ventajas: la pendiente de transición de filtro se
comprime, la banda de paso se expande por lo que esta transformación no es lineal.
El diseño del filtro que se seleccione depende de la aplicación que se desarrolle y de los recursos que
estén disponibles, bajo esta premisa se elige el tipo de filtro que se ajuste a nuestra aplicación.
iv
Abstract
An electronic filter is a device made with passive and active components that rejects undesired
frequency bands of a signal. The filters are classified in function of the frequency response: low pass,
high pass, band pass and stop band.
The filters are divided in two big families, the analog and digital family; since the analog filters are
implemented with resistors, capacitors, inductors, transistors, and integrated circuits, they have the
disadvantage, that once is when the circuit is built, it’s very difficult to make changes in the design of
the frequency response of the filter; otherwise, the digital filters are implemented with adders, delays
and gains in software or hardware and they have the advantage that if we need to change the frequency
response, only we need to make changes on the programming of the DSP or change the section of the
program that filters the signal because the filter work with arithmetic operations.
The digital filters use a powerful mathematic tool, this is the Z transform, and it allows the analysis of
invariant discrete time systems. The properties of the Z transform are: region of convergence, linearity,
delay property, time scaling by a complex exponential sequence, differentiation of X(z) or
multiplication of x(nT) by (nT), convolution property, initial value theorem, and final value theorem.
The finite impulse response filter, it’s a casual filter that uses present and past samples. It is a non-
recursive filter; therefore, its impulse response is finite that results in a stable filter. The order of the
filter is an important fact because gives us the control in of the slope of the cut frequency.
In the other hand, we have the infinite impulse response filter that uses present, past and future
samples; this fact causes that the filter behavior become unstable and is denominated as a recursive
filter. The design method of this filters is based on the design the analog filters, with the bilineal
transformation that transforms from the s-plane to the z-plane bringing up some advantages, like
v
transition slope gets compressed and the band-pass gets an expansion because this is a no lineal
transformation.
The design of the filter we choose it depends in the application that we develop and in the amount of
resources we have available, this affect the performance of the filter and help us to choose the type of
filter that fit correctly in our application.
vi
Introducción
¿Qué es un filtro? En sencillas palabras, es un dispositivo físico o lógico que sirve para quitar algo que
no nos interesa.
Un filtro es parte de esencial de la vida cotidiana, por ejemplo:

 Dentro del proceso para embotellar agua,, se utilizan filtros para quitar los elementos no
deseados como partículas suspendidas, y al final se obtiene agua limpia y lista para el consumo
humano.
 Al buscar dentro de muchas solicitudes de trabajo un perfil para un puesto determinado se
filtran las solicitudes, para encontrar cuales candidatos son los potenciales talentos para
desempeñar dicha labor.
 Al buscar una información en la biblioteca de un tema en especifico, se introduce una palabra
clave en el buscador del catalogo de libros, el programa del buscador filtra la información de los
libros que se relacionan con el criterio de la búsqueda.
 Al usar tus lentes obscuros, se ve con menos intensidad por que los lentes filtran la luz que llega
a nuestros ojos.
 Al ajustar la intensidad con la que se escuchan los graves, medios y agudos del sonido de
música de la radio o dispositivo, se usan los filtros para atenuar o aumentar ciertas frecuencias
del sonido.
Como en los ejemplos anteriores un filtro se define según el contexto en el cual se utiliza y estos
pueden ser mecánicos, ópticos, electrónicos, lógicos.
Dentro del campo de la electrónica, el empleo de los filtros ha ayudado al desarrollo tecnológico de la
humanidad, al permitir comunicarnos a grandes distancias, al eliminar ruidos que se le añaden a la
señal original por la calidad del medio de transmisión o por el mismo manejo de la señal antes de
transmitirla. También nos han ayudado a preservar la información al almacenar en diferentes medios
discos, casetes de cinta, tambores, grabaciones digitales y en el proceso de su reproducción.
vii
De los filtros que actualmente se usan de manera más cotidiana en la mayoría de los aparatos
electrónicos son los filtros digitales, que al igual que su contraparte analógica realizan la misma
función, estos ya vienen integrados en el diseño del hardware o están implementados dentro del
software de aparato electrónico.
viii
Objetivo
En este trabajo se propone el diseño y el desarrollo de filtros digitales FIR, por el método de
aproximación de las Series de Fourier, e IIR Butterworth, con la transformación bilineal, con la
finalidad de desarrollar filtros capaces de filtrar señales de audio digital, lo que nos permitirá conocer
sus aplicaciones en el campo del audio digital, en virtud de que sus implementaciones se encuentran
orientadas en el campo de las telecomunicaciones, la salud, etc.
Asimismo, es deseable que el conocimiento de los filtros sea de mayor entendimiento para futuras
aplicaciones dentro de las ramas de la electrónica digital.
ix
Justificación
El estudio y comprensión de los filtros digitales, apoya el desarrollo de nuevas tecnologías en el campo
del audio digital, puesto que se requiere que los dispositivos superen las expectativas de los
consumidores. Estos han tenido un gran avance en los últimos años al permitir elaborar de dispositivos
cada vez más pequeños y con mayor capacidad.
Los filtros digitales han ido desplazando, en ciertas aplicaciones, a los filtros analógicos en la
necesidad de reducir costos, y mejorar la calidad de las señales procesadas. Puesto que es preciso
seleccionar un filtro digital adecuado, que se ajuste a las necesidades de la aplicación. El estudio de
estos se debe desenvolver de manera en la que permita comprender las teorías matemáticas que existen
detrás de ellos y sus diferentes aplicaciones en el campo del desarrollo tecnológico.
x
Índice de figuras y tablas

Figura 1.1 Proceso de la transformada Z.
Figura 1.2 Región de convergencia.
Figura 1.3 La transformada Z inversa.
Figura 2.1 Filtro FIR.
Figura 2.2 Respuesta al impulso para filtros FIR de fase lineal.
Figura 2.3 Respuesta de una ventana Rectangular.
Figura 2.4 Respuesta de una ventana Hamming.
Figura 2.5 Respuesta de una ventana Blackman.
Figura 2.6 Respuesta de una ventana Kaiser.
Figura 2.7 Respuesta en frecuencia idealizada de los filtros
Figura 3.1 Comparación entre un filtro digital PB y un filtro analógico PB.
Figura 3.2 Realización un filtro digital IIR de segundo orden.
Figura 3.3 Respuestas idealizadas y reales de la magnitud del filtro que demuestran las frecuencias
digitales críticas.
Figura 3.4 Respuesta en magnitud cuadrada de un filtro Butterworth.
Figura 3.5 Respuesta en magnitud cuadrada de un filtro elíptico PB.
Figura 3.6 Transformaciones en la banda de frecuencia para filtros pasa bajas.
Figura 3.7 Frecuencia de deformación de la transformación bilineal.
Figura 3.8 Mapeo de la transformación bilineal del plano S al plano Z.
Figura 3.9 Realización en cascada de un filtro de segundo orden en secciones.
Figura 3.10 Dominio de la estabilidad de la sección de segundo orden.
Figura 3.11 Filtros digitales complejos de los filtros reales.
Figura 3.12 Realización de un filtro digital de un solo polo complejo.
Figura 4.1 Coeficientes de un filtro FIR PB.
Figura 4.2 Respuesta en frecuencia del filtro FIR PB.
Figura 4.3 Acercamiento a la banda de transición del filtro FIR PB.
Figura 4.4 Señal de prueba antes y después del filtro FIR PB.
xi
Figura 4.5 Coeficientes de un filtro FIR PA.

Figura 4.6 Respuesta en frecuencia del filtro FIR PA.
Figura 4.7 Acercamiento a la banda de transición del filtro FIR PA.
Figura 4.8 Señal de prueba antes y después del filtro FIR PA.
Figura 4.9 Coeficientes de un filtro FIR PBanda.
Figura 4.10 Respuesta en frecuencia del filtro FIR PBanda.
Figura 4.11 Acercamiento a la banda de transición del filtro FIR PBanda.
Figura 4.12 Señal de prueba antes y después del filtro FIR PBanda.
Figura 4.13 Coeficientes de un filtro FIR RBanda.
Figura 4.14 Respuesta en frecuencia del filtro FIR RBanda.
Figura 4.15 Acercamiento a la banda de transición del filtro FIR RBanda.
Figura 4.16 Señal de prueba antes y después del filtro FIR RBanda.
Figura 4.17 Respuesta en frecuencia del filtro IIR PB.
Figura 4.18 Acercamiento a la banda de transición del filtro IIR PB.
Figura 4.19 Señal de prueba antes y después del filtro IIR PB.
Figura 4.20 Respuesta en frecuencia del filtro IIR PA.
Figura 4.21 Acercamiento a la banda de transición del filtro IIR PA.
Figura 4.22 Señal de prueba antes y después del filtro IIR PA.
Figura 4.23 Respuesta en frecuencia del filtro IIR PBanda.
Figura 4.24 Acercamiento a la banda de transición del filtro IIR PBanda.
Figura 4.25 Señal de prueba antes y después del filtro IIR PBanda.
Figura 4.26 Respuesta en frecuencia del filtro IIR RBanda.
Figura 4.27 Acercamiento a la banda de transición del filtro IIR RBanda.
Figura 4.28 Señal de prueba antes y después del filtro IIR RBanda.
Figura 4.29 Pendiente de atenuación de un filtro FIR PB.
Figura 4.30 Pendiente de atenuación de un filtro IIR PB.
Figura 4.31 Pendiente de atenuación de un filtro FIR PA.
Figura 4.32 Pendiente de atenuación de un filtro IIR PA.
Figura 4.33 Pendientes de atenuación de un filtro FIR PBanda.
Figura 4.34 Pendientes de atenuación de un filtro IIR PBanda.
Figura 4.35 Pendientes de atenuación de un filtro FIR RBanda.
xii
Tabla 1.1 Diferencias y semejanzas de los filtros analógicos y digitales.

Tabla 1.2 Región de convergencia de la transformada Z.
Tabla 3.1 Transformación de banda de la frecuencia analógica.
Tabla 3.2 Mapeo de la transformación bilineal del plano S al plano Z.
Tabla 3.3 Parámetros de escala de frecuencia.
Tabla 3.4 Ecuaciones de orden del filtro digital.
Tabla 3.5 Coeficientes del filtro digital.
Tabla 3.6 Parámetros de especificación de frecuencia PBanda y RBanda.
Tabla 4.1 Parámetros de diseño de los filtros.
Tabla 4.2 Número de coeficientes de los filtros.
Tabla 4.3 Comparativa de las pendientes de los filtros FIR E IIR.
xiii
Contenido
Agradecimientos......................................................................................................................................... i
Resumen ................................................................................................................................................... iii
Abstract ..................................................................................................................................................... v
Introducción ............................................................................................................................................ vii
Objetivo .................................................................................................................................................... ix
Justificación ............................................................................................................................................... x
Índice de figuras y tablas .......................................................................................................................... xi
Contenido ............................................................................................................................................... xiv
Capítulo 1
Consideraciones teóricas de los filtros digitales en general ........................................................... 1
1.1 Definición de los filtros ................................................................................................................. 1

1.1.1 Tipos de filtros y características ........................................................................................... 1
1.1.2 Clasificación ......................................................................................................................... 1
1.2 Definición de un filtro digital ........................................................................................................ 2
1.3 Diferencias y semejanzas entre filtros digitales y analógicos ....................................................... 2
1.4 Componentes de los filtros digitales ............................................................................................. 3
1.5 Introducción a la transformada Z .................................................................................................. 3
1.6 La transformada Z ......................................................................................................................... 4
1.7 Propiedades de la transformada Z ................................................................................................. 5
1.7.1 Región de convergencia (RCO) ........................................................................................... 5
1.7.2 Linealidad ............................................................................................................................. 8
1.7.3 Propiedad de retardo............................................................................................................. 8
1.7.4 Propiedad de la convolución ................................................................................................ 9
1.7.5 Teorema del valor inicial.................................................................................................... 10
1.7.6 Teorema del valor final ...................................................................................................... 10
xiv
1.8 Transformada Z inversa .............................................................................................................. 10
Capítulo 2
Filtros Digitales ................................................................................................................................ 12
2.1 Filtro Digital FIR ......................................................................................................................... 12

2.1.1 Algunas ventajas y desventajas de los filtros FIR .............................................................. 12
2.1.2 Descripción del orden......................................................................................................... 13
2.1.3 Fase lineal ........................................................................................................................... 13
2.2 Diseño de un filtro FIR por el método de series de fourier ......................................................... 16
2.3 Funciones ventana ....................................................................................................................... 18
2.4 Función ventana Rectangular ...................................................................................................... 19
2.5 Función ventana Hamming ......................................................................................................... 20
2.6 Función ventana Blackman ......................................................................................................... 21
2.7 Función ventana Kaiser ............................................................................................................... 22
2.8 Ecuaciones de los filtros digitales ............................................................................................... 25
2.9 Diseño de un filtro FIR................................................................................................................ 27
2.9.1 Especificaciones de diseño ................................................................................................. 27
.9.2 Procedimiento de diseño ...................................................................................................... 28
Capítulo 3
Filtros digitales IIR ......................................................................................................................... 30
3.1 Diseño de filtro digital................................................................................................................. 33

3.2. Aproximaciones analogicas del filtro ......................................................................................... 35
3.2.1 Filtros analogicos Butterworth PB ..................................................................................... 35
3.2.2 Filtros analogicos elipticos PB ........................................................................................... 39
3.3 Transformaciones en la banda de frecuencia .............................................................................. 41
3.4 Transformación bilineal .............................................................................................................. 42
3.5 Ecuaciones de diseño de filtros digitales..................................................................................... 46
3.5.1 Ecuaciones de diseño de un filtro digital PB...................................................................... 47
xv
3.5.1.1 Coeficientes del númerador PB de la función de transferencia ................................ 49

3.5.1.2 Filtro digital PB: sección de primer orden ................................................................ 50
3.5.2 Ecuaciones de diseño de un filtro digital PA ..................................................................... 52
3.5.2.1 Coeficientes del numerador de la función de transferencia de la sección de segundo
orden ...................................................................................................................................... 54
3.5.2.2 Filtro digital PA: función de transferencia de la sección de primer grado ................ 54
3.5.3 Ecuaciones de diseño de un filtro digital PBanda .............................................................. 55
3.5.3.1 Filtro digital PBanda: sección de segundo orden para impar .................................... 58
3.5.4 Ecuaciones de diseño de un filtro digital RBanda.............................................................. 60
3.5.4.1 Cálculo de los coeficientes del numerador del filtro RBanda ................................... 60
3.5.4.2 Filtro digital RBanda: sección de segundo orden para n impar ................................ 61
3.6 Normalización externa de la sección de segundo orden ............................................................. 62
3.7 Formas generalizadas de la función de transferencia de los filtros digitales IIR ........................ 64
3.8 Estabilidad ................................................................................................................................... 65
3.9 Otras técnicas para el diseño de filtros digitales IIR ................................................................... 66
3.9.1 Diseño de filtro digital IIR por la colocación del polo-cero .............................................. 66
3.9.2 Filtros digitales con coeficientes complejos....................................................................... 68
Capítulo 4
Resultados ........................................................................................................................................ 71
4.1 Diseño de filtros digitales FIR e IIR según parametros de diseño .............................................. 71
4.2 Analisis de los filtros digitales FIR e IIR según parametros de diseño....................................... 72
4.3 Comparativa de los filtros FIR e IIR ........................................................................................... 72
4.4 Explicación de las gráficas de los filtros FIR. ............................................................................. 73
4.4.1 Gráficas de un filtro FIR PB .............................................................................................. 75
4.4.2 Gráficas de un filtro FIR PA .............................................................................................. 77
4.4.3 Gráficas de un filtro FIR PBanda ....................................................................................... 79
4.4.4 Gráficas de un filtro FIR RBanda ...................................................................................... 81
4.5 Explicacion de las gráficas de los filtros IIR ............................................................................... 83
4.5.1 Gráficas de un filtro IIR PB ............................................................................................... 84
xvi
4.5.2 Gráficas de un filtro IIR PA ............................................................................................... 85

4.5.3 Gráficas de un filtro IIR PBanda ........................................................................................ 87
4.5.4 Gráficas de un filtro IIR RBanda ....................................................................................... 88
4.6 Pendiente de atenuación de los filtros FIR e IIR calculdos......................................................... 90
4.6.1 Gráficas de las pendientes de los filtros PB FIR e IIR ....................................................... 91
4.6.2 Gráficas de las pendientes de los filtros PA FIR e IIR....................................................... 92
4.6.3 Gráficas de las pendientes de los filtros PBanda FIR e IIR ............................................... 93
4.6.4 Gráficas de las pendientes de los filtros RBanda FIR e IIR ............................................... 94
Conclusiones .......................................................................................................................................... 95
Apéndice
Código de los programas para el cálculo de los filtros................................................................. 97
A.1 Programa del filtro PB FIR ........................................................................................................ 97

A.2 Programa del filtro PA FIR ........................................................................................................ 99
A.3 ¨Programa del filtro PBanda FIR.............................................................................................. 101
A.4 Programa del filtro RBanda FIR .............................................................................................. 103
A.5 Programa del filtro PB IIR ....................................................................................................... 105
A.6 Programa del filtro PA IIR ....................................................................................................... 107
A.7 Programa del filtro PBanda IIR ................................................................................................ 109
A.8 Programa del filtro RBanda IIR ............................................................................................... 111
Bibliografía............................................................................................................................................ 113
xvii
”Consideraciones teóricas de los filtros digitales en

Capítulo 1 general”
1.1 DEFINICIÓN DE LOS FILTROS
La palabra filtro se refiere a un dispositivo electrónico que atenúa bandas no deseadas del espectro de
frecuencia.
1.1.1 TIPOS DE FILTROS Y CARACTERÍSTICAS
Los filtros se dividen en dos categorías: filtros analógicos y filtros digitales, esta clasificación se define
por los componentes que constituyen al filtro.
1.1.2 CLASIFICACIÓN
En función de su respuesta en frecuencia los filtros se dividen en:
 Filtro pasa bajas (PB): solo deja pasar las componentes de frecuencia menores a la frecuencia
de corte y atenúan todas las demás.
 Filtro pasa altas (PA): solo deja pasar las componentes de frecuencia mayores a la frecuencia de
corte y atenúan todas las demás.
 Filtro pasa banda (PBanda): solo deja pasar las frecuencias comprendidas entre la frecuencia de
corte más baja y la frecuencia de corte más alta y atenúan todas las demás.
 Filtro rechaza banda (RBanda): solo atenúa las frecuencias comprendidas entre la frecuencia de
corte más baja y la frecuencia de corte más alta y deja pasar todas las demás.
La idealización de los filtros define las características principales como es la frecuencia de corte, banda
de paso, banda de rechazo y la atenuación en cada una de estas bandas.
1
1.2 DEFINICIÓN DE UN FILTRO DIGITAL
Es un conjunto de retardos, sumas y multiplicaciones que tienen una estructura ya definida en donde las
operaciones tienen un orden lógico, su implementación puede realizarse en hardware o software
dependiendo de la aplicación en donde se desarrolle. Su característica principal es que únicamente
procesan señales discretas y como resultado se obtiene la señal filtrada.
1.3 DIFERENCIAS Y SEMEJANZAS ENTRE FILTROS DIGITALES Y

ANALÓGICOS
De las características de los filtros estos se clasifican por:
 Las componentes que estos contienen como los elementos externos como: resistencias,
capacitores, inductores, transistores y amplificadores, o si son un conjunto de operaciones
aritméticas.
 El tipo de señales que estos manejan: señales continuas o discretas en el tiempo.
Los filtros digitales se dividen en dos grandes grupos: los filtros de Respuesta al Impulso Infinita (IIR)
y los de Respuesta al Impulso Finita (FIR). Entre las diferencias que tiene un filtro IIR y FIR destaca:
 La forma como está desarrollada su estructura y se dice que un filtro IIR es recursivo, es decir,
que utiliza las muestras pasadas, presentes y futuras; en cambio un filtro FIR es no recursivo, es
decir, que utiliza las muestras pasadas y presentes.
 Si están construidos en hardware o software.
2
Tabla 1.1 Diferencias y semejanzas de los filtros analógicos y digitales.

Concepto Filtro analógico Filtro digital
Elementos pasivos y
activos
Implementación de Filtros
pasa bajas, pasa altas, pasa
banda, rechaza banda
Implementación de Filtros
Butterworth y Chebyshev
Implementación en
hardware
Implementación en
software
1.4 COMPONENTES DE LOS FILTROS DIGITALES
Los elementos que constituyen a un filtro digital son elementos básicos e indispensables para su
implementación para la realización del filtrado de una señal y estas son:
 Unidad de retardo: este elemento nos permite retardar la señal en nT segundos.
 Unidad de ganancia: es un operador que multiplica a la información de entrada por un factor

que depende del tipo de filtro que se realice.
 Unidad de suma: este elemento efectúa una suma aritmética de los valores de entrada.
1.5 INTRODUCCIÓN A LA TRANSFORMADA Z
La transformada z es una herramienta matemática muy poderosa porque nos permite el análisis de
sistemas discretos invariantes en el tiempo. Estos se pueden representan al relacionar la entrada con la
salida en el dominio del tiempo con una ecuación diferencial. La transformada Z provee un método de
análisis de sistemas de tiempo discreto en el domino de la frecuencia, que es generalmente más
eficiente que el análisis en el dominio del tiempo.
La importancia del modelo de la transformada Z radica en que permite reducir ecuaciones diferenciales
o ecuaciones recursivas con coeficientes constantes a ecuaciones algebraicas lineales.
3
x(nT ) Z | x(nT ) | X (z )
x(nT ) x(nT )
x(nT )
Figura 1.1 Proceso de la transformada Z.
1.6 LA TRANSFORMADA Z
Para definirla se considera una secuencia discreta en tiempo x(nT ) para n  0,1,2, , esta secuencia
es considerada de doble lado debido a que el índice de tiempo n está definido para valores positivos y
negativos. La transformada Z de doble lado se define por;

X ( z )  Z [ x(nT )]   x(nT ) z  n (1.1)
n  
Se puede interpretar z  n como un operador de retardo, esto es, un retardo de nT segundos para cada
elemento en la secuencia x(nT ) que es equivalente a la multiplicación de la transformada Z por z  n .
Por lo tanto, la transformada Z de secuencias de duración finita se encuentra por la directa aplicación
de la ecuación 1.1, donde la muestra x(nT ) es coeficiente de z  n en expansión de series de potencia de
X (z ) .
Mas formalmente, Z es una variable compleja que asume cualquier valor del plano complejo Z en el
cual la serie infinita converge. En forma polar z se expresa como z  re jT , donde se observa que en
el círculo unitario en el plano Z r  1 , esto es, para z  1 .
Desde que las secuencias causales forman la base de la mayoría de los sistemas físicos, la transformada
Z de lado derecho se destaca, esto es, secuencias para las cuales el índice n está definido únicamente
para valores positivos. De esta forma se tiene.

X ( z )  Z [ x(nT )]   x(nT ) z  n (1.2)
n 0
4
Es práctico ver a la transformada Z como una transformación que mapea la función de entrada
X (nT ) en una función compleja X (z ) . Por lo tanto, el proceso de formación de la transformada Z es
una operación sobre la señal de entrada, como se muestra en la figura 1.3.
1.7 PROPIEDADES DE LA TRANSFORMADA Z
En las siguientes secciones se desarrollan las propiedades básicas de la transformada Z. Las secuencias
causales serán enfatizadas, para ser la base de los sistemas del procesamiento de señales en tiempo real;
esto es, la respuesta de un sistema se determina en base a cómo llegan las muestras del flujo continuo
en el periodo de muestreo T (segundos/muestra)
Para el caso donde X (z ) es una función racional de z , eso es, un cociente de polinomiales en z , se
define en términos de sus raíces la transformada del sistema. Las raíces del numerador son referidas
como los ceros de X (z ) , las raíces del denominador son referidas como los polos de X (z ) .
1.7.1 REGIÓN DE CONVERGENCIA (RCO)
Si x(nT ) debe tener transformada Z, luego la magnitud de X (z ) debe ser finita. Ahora define la región
de convergencia para ser el conjunto de todas las Z en el plano Z complejo, para el cual la magnitud de
X (z ) es finita. Representando Z en forma polar, se requiere que
 
X ( z )   x(nT ) z  n   x(nT ) r  n
n   n  
 
  x(nT ) r  n   x(nT ) r  n (1.3)
n   n0
 
  x(nT ) r n   x(nT ) r  n  
n 1 n0
Para que la suma infinita de la ecuación 1.1 se pueda sumar absolutamente, cada una de las dos sumas
en la ecuación 1.3 deben ser convergentes. Para que las sumas de la ecuación 1.3 sean finitas, se buscan
tres constantes positivas R1 , R2 y M . Para secuencias causales se debe satisfacer la condición
5
| x(nT ) | MR1n para n  0 , y para secuencias no causales debemos satisfacer la condición
X (nT )  MR2n
para n  0 . Las series de potencias negativas de la variable compleja Z converge afuera
del circulo de radio R1 , y la serie de potencias positivas de la variable compleja Z converge afuera del
circulo de radio R2 . Sustituyendo estos límites en la ecuación 1.3, obtenemos

n   n n  n n 
 x(nT ) z  M   R2 r   R1 r  (1.4)
n   n 1 n 0 
r r
Las sumatorias en la ecuación 1.4 son finitas si y solo si  1 para la primera sumatoria y  1 en
R2 R1
la segunda sumatoria, esto es, la ecuación 1.1 converge absolutamente para toda Z en el anillo
R1  r  R2
Se procede a describir la RCO para secuencias causales y no causales. Revisando la ecuación 1.1, se ve
que la transformada Z es una serie de potencias, donde ambas potencias positivas y negativas de Z
están involucradas. Esto es visto expresando X (z ) en la forma
 1
X ( z )   x(nT ) z  n   x(nT ) z  n  X1 ( z )  X 2 ( z ) (1.5)
n 0 n  
Las potencias de Z son negativas y x(nT ) no es cero solamente en la región 0  N1  n   , donde

N1 es un entero. Para este caso, la RCO X (z ) para existe en cualquier lado afuera del circulo de radio
R1 donde el valor de R1 depende de la localización de los polos de X (z ) . Si los polos de X (z ) están
dentro del circulo unitario en el plano Z, el sistema también es estable. Por lo tanto para este caso de la
región de convergencia para X (z ) en el plano Z complejo es mostrado en la figura 1.2a, estas
secuencias son conocidas, como secuencias de lado derecho. Más allá, de que la transformada Z de
secuencias causales es única, esto es, dado X (z ) , se puede recuperar x(nT ) por la transformada
inversa de Z.
6
(a) (b) (c)
Figura 1.2 Región de convergencia.
Para secuencias no causales, las potencias de Z son positivas y x(nT ) no es cero en la región
  n  N 2  0 . Para este caso la región de convergencia existe en cualquier parte dentro de un circulo
de R2 , donde el valor de R2 depende de los polos de X (z ) . Desde que las secuencias no causales
existen para n positiva, se asume que muestras futuras están disponibles. Generalmente, esta condición
no ocurre en tiempo real en sistemas de procesamiento de señales; sin embargo, esto puede ser
alcanzado por el uso de un retardo de tiempo. Las secuencias no causales son de interés en los
problemas de análisis de sistemas. Para este caso la RCO para X (z ) es mostrada en la figura 1.2b. Se
hace referencia a estas secuencias como secuencias de lado izquierdo.
Cuando la secuencia tiene ambos valores para n tanto positivos como negativos, su RCO se define por
la ecuación 1.4, esto es, R1 | z | R2 , donde R2  R1 . Esto es, la RCO resulta en una anillo de
convergencia ilustrado en la figura 1.2c. A estas secuencias se les hace referencia como secuencias de
dos lados. Los límites del círculo interno en términos de las potencias negativas de Z se alejan del
origen. Los límites del círculo exterior en términos de las potencias positivas de Z se alejan de los
valores grandes de |Z|.
En resumen, para secuencias causales su RCO es exterior a un círculo al pasar a través del polo más
lejano desde el origen en el plano Z. También, los no polos de X (z ) ocurren dentro de la región de
convergencia desde la transformada Z que no converge en un polo. Si la secuencia es también estable,
entonces todos los polos caen dentro del círculo unitario y la región de convergencia incluye el círculo
unitario. Para secuencias no causales de dos lados, la RCO debe ser limitada por los polos, esto es, se
7
tendrá un anillo de convergencia. También, si la RCO no se extiende hacia cero o infinito, la secuencia
es de dos lados. Los resultados del párrafo anterior son resumidos en la tabla 1.2
Tabla 1.2 Región de convergencia de la transformada Z.

Secuencia Transformada RCO
De doble lado X 1 ( z)  X 2 ( z) R1  z  R2 (para R1  R2 )
De lado derecho X 1 ( z) z  R1
De lado izquierdo X 2 ( z) z  R2
La RCO es de interés para el analista de sistemas cuando hay la necesidad de conocer la región en la
cual la transformada Z está definida para una secuencia general de dos lados.
1.7.2 LINEALIDAD
Las transformadas Z de x(n) y y(n) son expresadas por X (z ) y Y (z ) entonces
Z ax(n)  by(n)  aX ( z)  bY ( z) (1.6)
La ecuación 1.6 nos da los estados de la transformada de la suma de dos secuencias multiplicadas por
constantes arbitrarias, y su transformada es encontrada por la suma de las correspondientes
transformadas multiplicadas por constantes arbitrarias. La RCO para la transformada de una suma de
secuencias es la intersección de la RCO de las transformadas de dos secuencias.
1.7.3 PROPIEDAD DE RETARDO
El teorema de retardo para secuencias causales puede ser expresado como:

Z x(nT  iT )  z  i X ( z )  z  i  x(mT ) z  m , i0
m  1
 z  i X ( z )  x(iT )  (iT  T ) z 1 (1.7)

   x(T ) z  (i 1)
Donde i es un entero arbitrario de retardo
8
A partir de la definición de la transformada de secuencias causales de un lado, la transformada Z de una

secuencia retardada y se expresa por

Z x(nT  iT )   x(nT  iT ) z n (1.8)
n 0
Siendo m  n  i , se obtiene

Z x(nT  iT )   x(mT ) z  m
m  1
 1
 z  i  x(mT ) z  m  z  i  x(mT ) z  m (1.9)
m0 m  i
1
 z 1 X ( z )  z  i  x(mT ) z  m
m  i
Esta propiedad es útil cuando consideramos a un sistema con condiciones iniciales no cero. Para el caso
cuando x(nT )  0 , n < 0, esto es para condición inicial cero, se obtiene
Z x(nT  iT )  z 1 X ( z) (1.10)
Esta propiedad es utilizada extensivamente para transformar la diferencia de ecuaciones en el dominio

de Z cuando las condiciones iniciales son cero.
1.7.4 PROPIEDAD DE LA CONVOLUCIÓN
La convolución de dos secuencias causales X (n) y Y (n) , no es más que el producto normal de las
transformadas Z de ambas secuencias, es decir, X (n) * Y (n)  X ( z)Y ( z)
En particular, si X (n) es la entrada de un sistema lineal invariante en el tiempo y h(n) es la respuesta
al impulso, entonces se obtiene que:
Z X (n) * Y (n)  Y ( z)  X ( z) H ( z) (1.11)
Donde H (z ) es la transformada de h(n) .
9
1.7.5 TEOREMA DEL VALOR INICIAL
Dada una secuencia causal X (n) se tiene que

X ( Z )   X ( n) z  n (1.12)
n 0
Desarrollando la sumatoria, se tiene que
X ( z )  X (0)  X (1) z 1    X (n) z  n (1.13)
Se observa que cuando z tiende a infinito, z  n tiende a cero para toda n , por lo tanto
lim X | z | X | 0 | (1.14)
x 
1.7.6 TEOREMA DEL VALOR FINAL
Sea X (n) una secuencia causal. El valor final de X (n) , esto es, el valor de X (n) a medida que n
tiende a infinito se puede dar por la siguiente expresión:
z 1
lim X ( z )  lim X ( z) (1.15)
x  x 1 z
Siempre que el valor final exista, o sea que exista X (n) cuando n tiende a infinito.
1.8 TRANSFORMADA Z INVERSA
Existen varios métodos para obtener la transformada z inversa, esto es, obtener la secuencia discreta en
tiempo x(nT ) dada x(n) .
10
La operatividad de la transformada Z inversa es representada por un diagrama de bloques en la figura

1.3
X (z ) Z 1 X ( z ) x(nT )
x(nT ) x(nT )
x(nT )
Figura 1.3 La transformada Z inversa.
Tres métodos básicos que se utilizan para obtener la secuencia original de su transformada Z son:
1. Integral de inversión compleja

2. Expansión en fracciones parciales
3. Inversión por división
11
Capítulo 2 ”Filtros digitales”

2.1 FILTRO DIGITAL FIR
Este tipo de filtro depende únicamente de las muestras de entrada presentes y pasadas, por la forma de
su estructura y su respuesta es función de los valores N presentes y pasados de la entrada, y también
dentro de su estructura de los valores retardados nT segundos.
Estos filtros son comprendidos como no recursivos y son estables por esa razón, la respuesta del filtro
al impulso es de longitud finita y sin embargo limitada.
Figura 2.1 Filtro FIR. E es la entrada, Z-1 retardo en tiempo nT segundos, h coeficiente del filtro.
2.1.1 ALGUNAS VENTAJAS Y DESVENTAJAS DE LOS FILTROS FIR
Se destacan en comparación con los Filtros IIR:
 Una desventaja que presentan es un orden mayor, comparado con el orden de un filtro IIR para
alcanzar una respuesta igual en magnitud.
 Los filtros realizados no recursivamente son inherentemente estables, la respuesta al impulso es
de longitud finita y por lo tanto limitada.
12
2.1.2 DESCRIPCIÓN DEL ORDEN
Dentro de los filtros FIR el orden es un factor importante, ya que es el número de coeficientes, y nos
proporciona el control sobre la pendiente de corte, es decir, entre mayor sea el número de coeficientes
la pendiente se hace más pronunciada, por esta razón a las bandas de corte se atenúan al máximo siendo
casi despreciables dentro de la señal filtrada.
2.1.3 FASE LINEAL
Para definir la fase lineal primero hay que definir la función de transferencia de un filtro FIR causal la
cual es:
N 1
H ( z )   h ( n) z  n (2.1)
n 0
donde h(n) es la respuesta al impulso del filtro. La ecuación diferencial de un filtro FIR es obtenida
tomando la transformada inversa de la ecuación (2.1) eso es:
N 1
y (iT )   h(n) x(iT  nT ) (2.2)
n0
que puede ser reconocida como la sumatoria de la convolución. Note que la respuesta finita al impulso
es idéntica a los coeficientes de los filtros.
De la ecuación 2.1 la trasformada de Fourier de la secuencia finita h(n) se define como:
N 1
H (e jT )   h(n)e jT  H (e jT ) e j ( ) (2.3)
n 0
y la respuesta de magnitud y fase se definen por:
M(ω)  H(e jωω )

 Im H(e jωω ) (2.4)
θ(ω)  tan 1
Re H(e jωω )
13
Las funciones de retardo de fase y de grupo de un filtro son:

 ( ) d ( )
p  y g   (2.5)
 d
se sabe que retardo de la fase y el retardo de grupo deben ser iguales a una constante, con lo que se
requiere satisfacer la condición:
 ( )        (2.6)
donde  es la constante de retardo entre muestras y la fase se puede expresar:
N 1
  h(n) sin nT
 ( )    tan 1 n 0
N 1
(2.7)
 h(n) cos nT
n 0
o
N 1
 h(n) sin nT
n 0
tan T  N 1
(2.8)
 h(n) cos nT
n 0
Finalmente se obtiene
N 1
 h(n) sin(  n )  0

n 0
(2.9)
Se puede ver que la solución de la ecuación anterior se define como:
( N  1)T
 donde N es orden es el filtro (2.10)
2
y
h(n)  h[( N  1  n)] para 0 < n < N-1 (2.11)
14
Sin embargo los filtros FIR tendrán fase y retardo de grupo si las condiciones de las ecuaciones 2.10 y
2.11 son satisfechas. De la propiedad de simetría de la ecuación 2.11, podemos ver que la ecuación 2.1
puede resultar en una imagen espejo polinomial.
Considere las condiciones de simetría de la respuesta al impulso para N impar y par. De la ecuación
2.10  es un entero para N impar y la respuesta al impulso es simétrica alrededor del punto de
muestra ( N  1) 2 . Esto implica que retardo del filtro sea un número entero de muestras. Para N par,
nosotros podemos ver  ha de ser un número no entero, por lo tanto, el retardo del filtro es un número
no entero de muestras. Secuencias típicas de impulsos de un filtro para N -impar y N -par se muestran
en la figura 2.2a. De la figura 2.2b podemos ver que el centro de simetría de la respuesta al impulso
para N -par está situado en el centro entre los coeficientes  N  2 2 y N 2 , para N -impar en
N  1 2 . Funciones que demuestran este tipo de simetría en los coeficientes se les hace referencia
generalmente como imagen-espejo polinomiales.
En aplicaciones donde únicamente es deseado el retardo de grupo, se puede mostrar que la respuesta al
impulso es de la forma:
h(n)  h( N  1  n) (2.12)
La respuesta al impulso dada por la ecuación 2.12 es asimétrica alrededor del centro de la secuencia de
respuesta al impulso apenas descrita.
15
(a)
(b)
Figura 2.2 Respuesta al impulso para filtros FIR de fase lineal: a) par, b) impar.
2.2 DISEÑO DE UN FILTRO FIR POR EL MÉTODO DE SERIES DE FOURIER
La respuesta en frecuencia de un filtro digital es periódica si o solo si el periodo de muestreo es igual a

la frecuencia de muestreo F . Del análisis de series de Fourier se sabe que cualquier función periódica
puede ser expresada como una combinación de exponenciales complejos. Sin embargo, la respuesta en
frecuencia deseada de un filtro digital puede ser representada por series de Fourier

H (e j 2fT )  h
n  
d (n)e  j 2 fnT (2.13)
donde los coeficientes de Fourier hd (n) son la secuencia de la respuesta al impulso deseada de un
filtro, que puede determinarse de la siguiente forma:
1 F /2
hd (n) 
F  F / 2
H (e j 2 fT )e j 2 fnT df (2.14)
16
si en la ecuación 2.13 sustituimos e jT  z , lo que obtiene la función de transferencia de un filtro

digital, esto es:

H ( z )   hd (n) z n (2.15)

Con esta implementación hay dos problemas con la ecuación 2.15; esto es, la función de transferencia
representa un filtro digital no causal de duración infinita. Un filtro causal de duración finita puede ser
obtenido truncando la duración infinita de la respuesta al impulso por z  N 1 2 para N impar, se
obtiene:
( N 1) / 2
H ( z )  z  ( N 1) / 2  hd (n) z  n
 ( N 1) / 2
(2.16)
 ( N 1) / 2  
( N 1) / 2
n
z hd (0)   hd (n)( z  z )
n
 n 1 
Podemos ver de la ecuación 2.16 que al multiplicar la función de transferencia por el factor de retardo
la función se convierte en causal. Esta modificación no afecta la respuesta en amplitud del filtro; de
cualquier forma, al truncar en forma abrupta de las series de Fourier resulta en oscilaciones en la banda
de paso y en la banda de rechazo. Estas oscilaciones son ocasionadas por la lenta convergencia de las
series de Fourier, particularmente cerca de los puntos de discontinuidad. Este efecto es conocido como
el fenómeno de GIBBS. Para reducir las oscilaciones se multiplican los coeficientes de respuesta al
impulso por la apropiada función ventana.
Con el método de series de Fourier se diseña un filtro digital PB que se aproxima a las especificaciones
definidas por:

1 para | f |  f p
H (e j 2 fT )   (2.17)

0 para f p  | f |  F / 2
donde f p es la frecuencia de paso y F es la frecuencia de muestreo.
17
De la ecuación 2.14
1 F / 2 j 2 f nT 1
hd (n) 
F  F / 2
e df 
nT
sin 2 f p nT
(2.18)
 2 f p  sin 2 nf p / F
  
 F  2 nf p / F
donde para n  0 la ecuación 2.18 tiene la indeterminación de 0 / 0  
2fp  sin 2 (0) f p / F  2 f p 0

hd (0)   
 2 (0) f / F   F
  
0
 F  p  
La cual se evalúa por la regla de l’Hopital. Para este caso,
h(0)  2 f p / F .
2.3 FUNCIONES VENTANA
Como ya se había dicho, para reducir estas oscilaciones, una clase particular de funciones son usadas
para modificar los coeficientes de Fourier (respuesta al impulso). A estas funciones limitadas en tiempo
cargadas se les hacer referencia generalmente como funciones ventana. Cuando se trunca la serie
infinita de Fourier es equivalente a multiplicarla por la ventana rectangular.
 N 1
1 para n 
a r ( n)   2 (2.19)

0 de otra manera
se obtiene:
hn  hd (n)ar (n) (2.20)
18
Del teorema de la convolución compleja se tiene:
1 2 f
H A (e jT ) 
2 f  0
H (e j T ) A(e j (  )T )d (2.21)
De esta manera, H A e jT   es la convolución circular de la respuesta en frecuencia deseada con la

transformada de Fourier de la función ventana. Como resultado, las discontinuidades en la respuesta en
 
frecuencia deseada se convierten en las bandas de transición de H A e jT . Más allá, se muestra que el
ancho de las bandas de transición es una función de la longitud N de la función ventana.
Como se ha visto anteriormente que una técnica para el diseño de filtros digitales FIR, es multiplicar la
respuesta al impulso deseada hd por una clase de funciones en el dominio de tiempo conocidas como
funciones ventana; por lo tanto en general se tiene
hn   hd (n)a(n) (2.22)
2.4 FUNCIÓN VENTANA RECTANGULAR
La función ventana rectangular se define por la ecuación 2.19. El espectro de WR n  se obtiene de la

ecuación 2.13 como:
( N 1) / 2 N 1
AR (e jT )   e  jnT  e  j ( N 1)T / 2  e  jnT
n   ( N 1) / 2 n 0
 jNT
1 e 1  e  jNT e jNT / 2  e jNT / 2
 e  j ( N 1)T / 2   jT / 2 (2.23)
1  e  jT 1  e  jT e  e  jT / 2
sin( NT / 2)

sin(T / 2)
19
El nivel de lóbulo lateral más alto esta aproximadamente -13 dB debajo del pico del lóbulo principal y
la caída es de 6 dB por octava. Es instructivo considerar la respuesta en frecuencia para la ventana
rectangular causal, esto es
N 1
sin( NT / 2)
AR (e j NT )   e  j nT  e  j ( N 1)T / 2 (2.24)
n 0 sin(T / 2)
Como es esperado, la respuesta de fase lineal se define por  ( )   N  1T 2 , visto que la
respuesta al impulso no causal resulta en un filtro de fase cero.
Figura 2.3 Respuesta de una ventana Rectangular 1.
2.5 FUNCIÓN VENTANA HAMMING
La función ventana Hamming esta se define como;
 2 n N 1
0.54  0.46 cos para n 
a H ( n)   N 1 2 (2.25)

0 de otra manera
El espectro de la ventana Hamming puede ser obtenido observando que:
1
Mathlab 6 ® Toolboxes, Filter Design & Analisis Tool
20
 2 n 
a H (n)  ar (n) 0.54  0.46 cos (2.26)
 N  1
De la ecuación 2.26 se obtiene

sin( NT / 2) sin[ NT / 2)  N /( N  1)]
aH (e jT )  0.54  0.46
sin(T / 2) sin[T / 2)   /( N  1)]
(2.27)
sin[ NT / 2)  N /( N  1)]
 0.46
sin[T / 2)   /( N  1)]
donde el nivel de lóbulo lateral es de aproximadamente -43 dB y el decaimiento del lóbulo lateral es de
6 dB por octava. Observe que desde que la función ventana es no causal, los términos en la ecuación
2.27 son todos positivos. Para la ventana causal, son negativos el segundo y el tercer término, la cual es
la forma usada por el procesamiento de la transformada discreta de Fourier
Figura 2.4 Respuesta de una ventana Hamming2.
2.6 FUNCIÓN VENTANA BLACKMAN
La función ventana Blackman no causal se define como:
2
21
 2 n 4 n N 1
0.42  0.5 cos  0.08 cos para n 
a B ( n)   N 1 N 1 2 (2.28)

0 de otra manera
Se muestra que el espectro de la ventana Blackman tiene el más alto nivel debajo de su lóbulo lateral de
–58 dB desde su lóbulo principal.
Figura 2.5 Respuesta de una ventana Blackman3.
2.7 FUNCIÓN VENTANA KAISER
Para las ventanas precedentes el ancho de los lóbulos principales es inversamente proporcional a N ,
eso es, incrementando la longitud de la ventana decrece el ancho del lóbulo principal, lo cual resulta en
el decremento en la banda de transición del filtro. De cualquier modo la mínima atenuación en la banda
de rechazo es independiente de la longitud de la ventana y es una función de la ventana seleccionada.
Por lo tanto, para llevar a cabo la atenuación en la banda de rechazo, el diseñador debe de encontrar
una ventana que cumpla con las especificaciones de diseño. También se enfatiza que ventanas con
niveles bajos en los lóbulos laterales tienen amplio el ancho del lóbulo principal requiriendo un
incremento en el orden del filtro N para conseguir el deseado ancho de transición.
3
22
Las ventanas Kaiser tienen un parámetro variable,  , el cual ser varia para controlar el nivel de los
lóbulos laterales con respecto al pico del lóbulo principal. Similar con las otras ventanas el ancho se
varia ajustando la longitud de la ventana, el cual en vueltas ajusta el ancho de la transición del filtro.
Por lo tanto, los filtros digitales FIR se diseñan eficientemente usando la función ventana Kaiser.
Una propiedad deseable de una función ventana es que la función es de duración limitada en el dominio
del tiempo y que la transformada de Fourier es la mejor que se aproxima a una función limitada en
banda, esto es, tiene energía máxima en el lóbulo principal para una amplitud dada de lóbulo lateral.
Las funciones esferoidales “prolate” tienen esta deseable propiedad en un sentido optimo, de cualquier
modo, la forma de éstas funciones son complicadas y por lo tanto difícil de calcular. Una aproximación
simple a estas funciones ha sido desarrolla por Kaiser en términos de funciones de orden cero de Bessel
modificadas, de primer orden, esto es, I 0 x  . Esta función ventana se define como:
 I 0   N 1
 para n 
a K (n)   I 0   2 (2.29)
0
 de otra manera
donde  es una variable independiente determinada empíricamente por Kaiser. El parámetro  esta
expresado por:
0.5
  2n  2 
   1     (2.30)
  n  1  
La función modificada de Bessel de primer orden, I 0 x  , se calcula de su expansión de series de

potencias definidas por:
2
  1  x k 
I 0 ( x)  1       (2.31)
 k!  2  
k 1 
23
Esta serie converge rápidamente y se calcula con la exactitud deseada, donde 25 términos son
suficientes para la mayoría de los propósitos.
El espectro de la ventana Kaiser se obtiene de:
( N 1) / 2 ( N 1) / 2
 ak (n)e  jnT  ak (0) 

( N 1) / 2
a
( N 1) / 2
k (n) cos  nT (2.32)
Considere las especificaciones de diseño del PB de la figura 2.7a, donde el actual rizo de la banda de
paso Ap  y la mínima atenuación de la banda de rechazo  As  en decibeles se definen por:
1 p
AP  20 log 10 donde  p es el rizo de la banda de paso (2.33)
1p
AP  20 log10  s donde  s es el rizo de la banda de rechazo (2.34)
El ancho de la banda de transición se define como:
F  f s  f p (2.35)
Por conveniencia, se define el rizo especificado de la banda de paso y la mínima atenuación de la banda
de rechazo por A' p y A' s , respectivamente. Ahora se define un procedimiento de diseño con las
especificaciones
Ap  A' p
(2.36)
As  A' s
24
donde Ap y As son el actual rizo de la banda paso pico a pico y la mínima atenuación en la banda de
rechazo, respectivamente.
Figura 2.6 Respuesta de una ventana Kaiser 4.
2.8 ECUACIONES DE LOS FILTROS DIGITALES
(a) (b)
(c) (d)
Figura 2.7 Respuesta en frecuencia idealizada de los filtros (a) PB, (b) PA, (c) PBanda y (d) RBanda.
4
25
Filtro pasa bajas
 2 f c  sin 2 nf c / F
 F  2 nf / F para n  0
hd (n)    c
(2.37)
 2 fc para n  0
 F
donde
f s  0.5( f p  f s ) F  f s  f p (2.38)
Filtro pasa altas
  2 f c  sin 2 nf c / F
  F  2 nf / F para n  0
hd (n)     c
(2.39)
1  2 f c para n  0
 F
donde
f s  0.5( f p  f s ) F  f p  f s (2.40)
Filtro pasa banda
 1
 n sin 2 nf c 2 / F  sin 2 nf c1 / F  para n  0
hd (n)   (2.41)
2 (f  f ) para n  0
 F c 2 c1
donde
26
F F
f c1  f p1  f c2  f p2 
2 2
F1  f p1  f s1 F1  f s 2  f p 2
F  min F1 , F2  (2.43)
Filtro rechaza banda
 1
 n sin 2 nf c1 / F  sin 2 nf c 2 / F  para n  0
hd (n)   (2.44)
 2 ( f  f ) 1 para n  0
 F c1 c2
donde
F F
f c1  f p1  fc2  f p2 
2 2
Fl  f p1  f s1 Fh  f s 2  f p 2 (2.45)
F  min Fl , Fh 
2.9 DISEÑO DE UN FILTRO FIR
El siguiente procedimiento de diseño es derivado del trabajo realizado por Kaiser y Antoniou, el cual es
usado para el diseño de un filtro digital FIR usando el método (ventana) de series de Fourier. Se
muestra que el método se usa para el diseño filtros pasa bajas (PB), pasa altas (PA), pasa banda
(PBanda) y rechaza banda (RBanda) de duración de la respuesta al impulso, de coeficientes N impar.
2.9.1 ESPECIFICACIONES DE DISEÑO
1. Tipo de filtro PB, PA, PBanda, RBanda.

2. Frecuencias criticas de banda de paso y banda de rechazo en Hz.
PB/PA: f p y f s
PBanda/RBanda: f p1 , f p 2 , f s1 y f s 2
27
3. Rizo de la banda de paso y la mínima atenuación en decibeles positivos del filtro A' p y A' s .
4. Frecuencia de muestreo del filtro en Hz: F

5. Orden del filtro N impar
2.9.2 PROCEDIMIENTO DE DISEÑO
1. Se determina δ dé acuerdo con las ecuaciones 2.33, 2.34 y 2.36 donde el parámetro de diseño
actual se determina de
  min( p ,  s ) (2.46)
Donde de las ecuaciones 2.33 y 2.34 se obtiene
0.05 A'p
10 1
 s  10 0.05 As'
s  0.05 A'p
(2.47)
10 1
Tomando en cuenta que las amplitudes del rizo la banda de paso y la banda de rechazo son
iguales, eso es, δ  δ p  δs .
2. Se calcula As usando ecuación 2.34.
3. Se determina el parámetro α de la ecuación de diseño empírica.
0 Para As  21

  0.5842( As  21) 0.4  0.07886( As  21) Para 21  As  50 (2.48)
0.1102( A  8.7) Para As  50
 s
4. Se determina el parámetro D de la ecuación de diseño empírica.
0.9222 para As  21

D   As  7.95 (2.49)
 para As  21
 14.36
28
5. Se calcula el orden del filtro con el valor impar más bajo de N para que la fase de grupo
FD
N 1 (2.50)
F
6. Se calcula la respuesta al impulso modificada usando las ecuaciones 2.22, 2.29 y 2.30.
N 1
hn   hd (n)ak (n) para | n |  (2.51)
2
7. La función de transferencia se define como:
 ( N 1) / 2

H ( z )  z ( N 1) / 2 h(0)  2  h(n)( z n  z n ) (2.52)
 n 0 
donde
h(0)  ak (0)hd (0)

(2.53)
h(n)  ak (n)hd (n)
la magnitud de la respuesta puede ser obtenida de la ecuación 2.52, eso es,
( N 1) / 2
M ( )  h(0)  2  h(n) cos 2 fnT
n 0
(2.54)
29
Capítulo 3 ”Filtros digitales IIR”
El método de diseño que se desarrollara se basa en la transformación bilineal de los filtros analógicos
clásicos. La transformación bilineal únicamente mapea la mitad izquierda del plano S hacia el interior
del circulo unitario en el plano Z. El procedimiento de diseño convierte filtros analógicos clásicos en
filtros digitales, e incluye lo siguiente:
1. Fórmulas de diseño para la generación de polos y ceros del filtro PB analógico Butterworth.
2. Fórmulas para la transformación en la banda de frecuencia para convertir de filtros analógicos
PB a filtros analógicos PA, RBanda y PBanda.
3. La transformación bilineal mapea los polos del plano S en los polos del plano Z.
La aproximación sistemática, para el diseño de filtros digitales IIR, se presta fácilmente para la
generación de programas computacionales de simulación. Ecuaciones de forma cerrada se derivan para
el diseño de filtros digitales PB, PA, RBanda y PBanda.
Es importante se consideren algunas ventajas y desventajas de los filtros digitales contra los filtros
analógicos. Un filtro digital desempeña la misma función de filtrado como su contra parte analógica,
exceptuando que opera con muestras digitales de la señal, junto con las muestras digitales de las
características del filtro. Mientras que la teoría del filtro analógico se basa en ecuaciones lineales
diferenciales, la teoría de los filtros digitales se basa en ecuaciones lineales de diferencia. Los filtros
analógicos operan con señales analógicas y se construyen de resistencias, capacitores e inductores. Los
digitales operan con secuencias de muestras discretas y consisten en sumadores, multiplicadores y
retardos de tiempo implementados en lógica digital.
El diseño de filtros digitales requiere la determinación de los coeficientes de la ecuación diferencia de

tal forma que la frecuencia especificada o la respuesta en tiempo se obtienen. Puesto que este
requerimiento es similar al problema de la aproximación para filtros analógicos, técnicas de mapeo
30
analógico a digital se desarrollaron para satisfacer las especificaciones de diseño. Las aproximaciones
analógicas que se usan para el diseño de filtros digitales son bien conocidas para los filtros
Butterworth.
Como un ejemplo de correspondencia de filtros digitales y analógicos considere un filtro pasa bajas de
un solo polo mostrado en la figura 3.1 donde se observa que los filtros digitales consisten de un
sumador, un multiplicador y una unidad de retardo, mientras que el filtro analógico consiste de un
resistor y capacitor.
Figura 3.1 Comparación entre un filtro digital pasa bajas y un filtro analógico pasa bajas.
Algunas ventajas y desventajas de filtros digitales son enumeradas aquí.
VENTAJAS
1. Estabilidad térmica: Los cambios de temperatura que afectan a las resistencias, capacitores e
inductores son eliminados cuando los filtros digitales son implementados con sumadores
multiplicadores y registros de corrimiento.
2. Precisión: Se obtiene un mejor desempeño del filtro, con respecto a la exactitud, rango
dinámico, estabilidad y tolerancia a la respuesta en frecuencia, al incrementar el número de bits
del registro del procesador.
3. Adaptabilidad: La respuesta en frecuencia del filtro digital se cambia eficientemente leyendo un
juego nuevo de coeficientes del filtro de la memoria en los registros del coeficiente. El diseño
es programable y provee la implementación de cualquier orden de filtro.
31
4. Multiplexación: Si la tasa de entrada de bits es significantemente menor a la capacidad de las

redes digitales, el filtro digital se multiplexa para usar las redes más eficientemente. Por
ejemplo, se requiere para procesar múltiples canales de diferentes señales discretas
simultáneamente. Para este caso las muestras de entrada de diferentes canales, se multiplexan y
alimentan a la unidad aritmética, la cual funciona a una tasa más alta.
DESVENTAJAS
1. Ancho de banda limitado: Como resultado del proceso de muestreo de convertir de analógico a
digital, el ancho de banda real para señales discretas es la mitad de la frecuencia de muestreo.
2. Efecto de tamaño finito del registro: La implementación de un sistema discreto en tiempo en un
hardware de propósito especial resulta en la degradación del desempeño. Este efecto resulta del
uso registros de datos y de coeficientes con un número finito de bits.
La función de transferencia del sistema de un filtro digital se expresa como un polinomial racional en
z  i , esto es,
M
i
 Ai z
i 0
H ( z)  N
(3.1)
i
1   Bi z
i 1
Los errores de cuantización son menos severos para la realización en cascada de la ecuación 3.1. Es,
por lo tanto, ventajoso el factorizar la función de transferencia de orden N en un producto de secciones
de segundo orden definidas por:
N /2
H ( z )   Ck H k ( z )
k 1 (3.2)
donde
1  A1, k z 1  A2, k z 2
H k ( z)  (3.3)
1  B1, k z 1  B2, k z  2
32
La función de transferencia se define por la ecuación 3.2 esta representa una cascada de secciones de
segundo orden, como se muestra en la figura 3.2. Esta realización requiere la implementación de la
ecuación de diferencia obtenida tomando la transformada Z inversa de la ecuación 3.3, eso es,
Figura 3.2 Realización un filtro digital IIR de segundo orden: (a) forma canónica de una sección de segundo orden; (b)
realización en cascada de secciones de segundo orden.
y k (nT )  C k [ x(nT )  A1,k x(nT  T )  A2,k x(nT  2T )]

(3.4)
 B1,k y (nT  T )  B2,k y (nT  2T )
donde C k es la constante de escalamiento de la sección de segundo orden y los coeficientes de la
sección se definen por Ai ,k y Bi ,k . Esta realización representa la red digital de la forma canónica puesto
que tiene el número mínimo de multiplicadores, sumadores y elementos de retardo. se observa que el
número de retardos equivale al orden de la sección. Puesto que los polos y los ceros de las secciones
segundo orden son reales y ocurren en pares complejos conjugados, los coeficientes de la función de
transferencia son reales.
3.1 DISEÑO DE FILTRO DIGITAL
Un filtro digital es un sistema de tiempo discreto que se diseña para dejar pasar el espectro contenido
en la señal de entrada en una banda de frecuencia especifica; esto es, la función de transferencia del
33
filtro forma la ventana espectral con la cual únicamente la porción deseada del espectro de entrada se le
permite pasar. Basándose en la respuesta de la función de transferencia, los filtros son clasificados en 4
tipos: PB, PA, PBanda y RBanda. Las características ideales de la respuesta en frecuencia, las cuales
son indicadas por las curvas de líneas sólidas, son mostradas en la figura 3.3 para f  0 . Las áreas
sombreadas en las gráficas muestran las regiones de tolerancia de la respuesta en frecuencia actual a ser
aproximada, y las frecuencias f p y f s representan las frecuencias de corte de la banda de paso y la
banda de rechazo. Finalmente el rango de frecuencia f p  f  f s es la banda de transición. A causa de
la discontinuidad en las frecuencias de paso, estas características ideales de frecuencia no son

físicamente realizables. Por lo tanto, la función de aproximación al filtro que se acerca a la respuesta
ideal con la tolerancia de las regiones de la banda de paso y la banda de rechazo será encontrada. El
problema de la aproximación para el diseño de los filtros digitales es conceptualmente no más diferente
que para el de los analógicos. El estudio del diseño de filtros analógicos involucra la aproximación
analítica de las especificaciones a una función de transferencia, y luego el desarrollo una red analógica
que realiza esta función de transferencia. La solución al problema de la aproximación para el diseño del
filtro analógico es bien desarrollada e incluye el procedimiento de diseño de un filtro Butterworth.
Figura 3.3 Respuestas idealizadas y reales de la magnitud del filtro que demuestran las frecuencias digitales críticas: (a)
filtro PB, (b) filtro PA, (c) filtro PBanda, (d) filtro RBanda.
34
Una función de transferencia realizable es aquella que caracteriza una red. La estabilidad y casualidad
se logra requiriendo que la función de transferencia sea una función de transferencia racional de s con
coeficientes reales, los polos del filtro analógico caen en el lado izquierdo del plano s , y el grado del
numerador sea igual o menor que el del denominador polinomial.
El problema del diseño de un filtro digital es que requiere de la determinación de los coeficientes de la
ecuación diferencia para satisfacer características deseadas del filtro, tales como tiempo o respuesta en
el dominio de la frecuencia. Desde que un filtro analógico clásico se acerca al diseño de un filtro ya
existente, se desarrollan las transformaciones que mapean los polos y ceros del plano S analógico hacia
el plano Z con las que alcanzan las características deseadas en el filtro digital.
3.2. APROXIMACIONES ANALOGICAS DEL FILTRO
El problema de la aproximación en el diseño de filtros IIR es usualmente resuelta al usar las siguientes
aproximaciones analógicas del filtro.
1. Butterworth
2. Chebyshev
3. Elíptico
En nuestro caso solo se desarrolla el estudio de los filtros Butterworth.
3.2.1 FILTROS ANALOGICOS BUTTERWORTH PB
Los filtros Butterworth se definen por la propiedad de que la respuesta en magnitud es máximamente
plana en la banda de paso. Las formulas básicas de diseño del filtro PB son presentadas en esta sección.
La función de magnitud cuadrada para un filtro analógico Butterworth de orden N es de la forma
35
1
H ( j ) 
2
2N
(3.5)
  
1  2 
p 
 
Como se muestra en la figura 3.4, la función es monótonamente decreciente, donde la máxima

respuesta es la unidad en   0 . Se debe de tomar en cuenta más adelante que la respuesta en magnitud
se aproxima a la característica ideal pasa bajas de la figura 3.3 para incrementos de N. Desde la primera
derivada (2 N  1) de las series de expansión de Maclaurin de la función de magnitud (| H ( j ) |)
evaluada en   0 es cero. De la figura 3.4 se definen los siguientes parámetros de diseño.
Tolerancia en la banda de paso: |  |  p ,
1
H ( j ) 
2
(3.6)
1  2
Tolerancia en la banda de rechazo: |  |  p
1
H ( j ) 
2
(3.7)
1  2
Figura 3.4 Respuesta en magnitud cuadrada de un filtro Butterworth.
36
Al examinar la figura 3.4, se observa que la respuesta ideal del filtro PB de la figura 3.3 se obtiene
cuando  se aproxima a cero,  s se aproxima a  p , y  se aproxima al infinito.
Ahora se determina el orden de la ecuación dada las especificaciones del filtro apenas definido. Siendo
  s , al igualar la ecuación 3.5 a la 3.7, y se resuelve para N se obtiene

log
N  (3.8)
s
log
p
donde de las ecuaciones 3.6 y 3.7 se obtiene
p 1
  (100.1 A  1)0.5 (3.9.a)
  (100.1A 1  1)0.5
s
(3.9.b)
Donde Ap es la máxima atenuación en la banda de paso en dB positivos, y As es la mínima atenuación
en la banda de rechazo en dB positivos. Por simplicidad de notación, ahora se definen los parámetros
A y K 0 como sigue.
  (100.1A 1  1)0.5 
s
A    0.1 A 1 (3.10)
  (10  1)0.5 
p
y
p
K0  (3.11)
s
Finalmente, la ecuación del orden para un filtro analógico PB Butterworth se define por:
log A
N (3.12)
1
log
K0
37
Las ecuaciones de orden para PA, PBanda y RBanda se definen en la tabla 3.4.
Los polos normalizados del plano S se encuentran al igualar el denominador de la ecuación 3.5 a cero.
Para normalizar el resultado, deja  p  1 , y   1, luego
2N
 
2

1   0
p 
 
 
2N
1  12   0
1
1   2N  0
Se sustituye s  j , se obtiene
s

j
2N
s
1    0
 j
( s 2 ) N  1  0
luego se expresa -1 en notación polar para raíces múltiples
(1) N s 2 N  e j ( 2k 1)   1 k  1,2, , N
Ahora la raíz kth para polos en la mitad izquierda del plano S se expresan por
sk  k  jk  e j ( 2k  N 1)  / 2 N  je j ( 2k 1)  / 2 N
Finalmente, los polos normalizados análogos para el filtro PB Butterworth se obtienen de
 2k  1   2k  1 
sk   sin   j cos  (3.13)
 2N   2N 
38
1,2,  , ( N  1) / 2, para N - impar

k
 1,2,  , N / 2, para N - par
En general, los polos no normalizados se definen por:
s'k  sk p1/ N (3.14)
En la ecuación 3.14 los polos están uniformemente distribuidos con una separación  / N radianes en el
plano S en sobre un circulo de radio  p  1 / N . Los polos normalizados se definen por la ecuación 3.13.
Para este caso,  p|  1 , Ap  3.01 dB, y los polos caen en un círculo unitario con una separación de
 / N radianes.
3.2.2 FILTROS ANALOGICOS ELIPTICOS PB
Los filtros elípticos se caracterizan por que tienen una respuesta en magnitud semejante en el rizo de la
banda de paso y en la banda de rechazo. Los filtros elípticos son óptimos en el caso de la especificación
de un orden y un rizo, dado que ningún otro filtro alcanza la transición entre la banda de paso y la
banda de rechazo tan rápido, esto es, tienen un ancho de banda de transición tan corta. La respuesta en
magnitud se muestra en la Figura 3.5. Esta aproximación se define por la función de respuesta en
magnitud
1
| H ( j ) |2  (3.15)
1   FN2 ( )
2
donde FN ( ) es una función racional de Chebyshev, esto es, un cociente de polinomios. Se alcanza a
ver que los polos y ceros se relacionan con funciones seno elípticas de Jacobi. La derivación de las
ecuaciones generadoras de los polos y ceros están absolutamente implicadas y requieren de un
conocimiento de funciones elípticas.
Según se indicó ya, los polos y ceros elípticos normalizados PB del plano S se derivan con la ayuda de
funciones seno elípticas. Luego, definidas las especificaciones de diseño, esto es, las frecuencias de la
39
banda de paso y rechazo, el rizo de la banda de paso, y la atenuación mínima en la banda de rechazo en
decibeles, los polos y ceros se calculan del siguiente juego de ecuaciones
s p, k  a p, k  jb p, k y 0 (3.16a)
 0Vk  jkW 1,2,, N / 2 N  par

 k (3.16b)
1   022k 1,2,, ( N  1) / 2 N  impar
El polo real,  0 se define por la ecuación 3.16a, solo aplica para filtros de orden impar (N impar).
Entonces se define la ecuación de diseño del polo-cero como:

 2q 0.25  (1)m q m( m 1) sinh (2m  1) 
0  m0
 (3.17)
1  2  (1) q m m2
cosh(2m)
m

2q 0.25  (1) m q m( m 1) sin(2m  1)u / N 
m0
k  
(3.18)
1  2  (1) m q m cos(2mu / N )
2
m 1
k  0.5 para N par

u (3.19)
k para N impar

W  (1  K 02 )(1   02 / K )  0.5
(3.20)
 (1  K )(1   / K )
2 2 0.5
Vk 0 0 (3.21)
q  q05  2 q05  15 q09  150 q013 (3.22)
1  (1  K 2 )0.25
q0  (3.23)
2[1  (1  K 2 )0.25 ]
Los ceros analógicos pasa bajas se definen por:
j 1,2,, N / 2 para N par

sz , k  k (3.24)
k 1,2,, ( N  1) / 2 para N impar
40
Se deben tomar en cuenta que las series en las ecuaciones 3.17 y 3.18 convergen rápidamente, y tres o
cuatro términos son suficientes para la mayoría de las aplicaciones.
Figura 3.5 Respuesta en magnitud cuadrada de un filtro elíptico pasa bajas.
La ecuación del orden para la aproximación PB elíptico se define como:
log(16 A)
N (3.25)
1
log 
q
Donde para los filtros analógicos PB, los parámetros A , K 0 , q y q0 se definen por las ecuaciones
3.10, 3.11, 3.22 y 3.23 respectivamente. Las ecuaciones del orden y del parámetro K para los filtros
digitales PB, PA, PBanda y PBanda se definen por la tabla 3.4 que más adelante se muestra
3.3 TRANSFORMACIONES EN LA BANDA DE FRECUENCIA
Para la conversión de filtros analógicos PB normalizados a los tipos PB, PA, PBanda y RBanda no
normalizados, existen dos técnicas que hacen la transformación y obtienen el filtro digital deseado. La
primera técnica, se muestra en la figura 3.6a, transforma un filtro PB analógico normalizado a un filtro
digital analógico no normalizado que se digitaliza para dar el tipo de filtro digital deseado. La segunda
técnica, mostrada en la figura 3.6b, primero mapea el filtro analógico normalizado del plano S al plano
Z y luego aplica la transformación en banda de frecuencia digital para dar el tipo de filtro digital
deseado. Se ha visto que al digitalizar los filtros analógicos con la transformación bilineal produce
resultados similares, que al usar cualquiera de las transformaciones en frecuencia. Como resultado, la
primera aproximación se usa para el diseño de filtros digitales.
41
Figura 3.6 Transformaciones en la banda de frecuencia para filtros pasa bajas (a) transformación analógica a analógica; (b)
transformación digital a digital.
Tabla 3.1 Transformación de banda de la frecuencia analógica.

Transformación de un filtro analógico pasa
Tipo de Filtro bajas a un filtro analógico no normalizado
especifico
s
pasa bajos  pasa bajos s
u
u
Pasa bajos  pasa altas s
s
s 2  lu
Pasa bajas  pasa banda s
s(u  l )
s(  l )
Pasa bajas  rechaza banda s 2 u
s  lu
 l =frecuencia de paso inferior
u =frecuencia de paso superior
3.4 TRANSFORMACIÓN BILINEAL
La transformación bilineal es un mapeo o una transformación, del plano S analógico al plano Z digital.
La conversión mapea polos y ceros analógicos en polos y ceros digitales, donde cada punto en el plano
S es mapeado hacia un único punto en el plano Z. La transformación bilineal tiene la característica de
que preserva la respuesta de la magnitud del filtro analógico por secciones constantes, con una
deformación resultante de la fase.
42
La transformación bilineal es el mapeo único más simple del plano S extendido sobre el plano Z
extendido. Esta transformación, se basa en una técnica de integración numérica usada para simular un
integrador de un filtro analógico, se define por
z 1
s (3.26)
z 1
para s  j' la ecuación 3.26 queda
e jT  1 e jT / 2  e  jT / 2

j '   (3.27)
e jT  1 e jT / 2  e  jT / 2
donde ' es la frecuencia analógica variable y  es la frecuencia digital variable. Al dejar   i , y la
frecuencia de muestreo F  1 / T , la ecuación 3.27 se usa para obtener la relación entre la frecuencia
analógica variable y la frecuencia digital variable se define con la expresión:
 'i  tan(iT / 2)  tan(fi / F ) (3.28)
Las frecuencias f i son las frecuencias críticas de paso y de corte relacionadas a las especificaciones de
diseño del filtro. De la ecuación 3.28, una frecuencia analógica 'i en el eje  se mapea hacia una
frecuencia f i en el círculo unitario. Como resultado, la función de transferencia de un filtro analógico

se relaciona a una correspondiente función de transferencia de un filtro digital por la relación
H ( j' )  H (e j 2fiT ) . Se observa que la relación en frecuencia de la ecuación 3.28 no es lineal. Esta no-
linealidad es consecuencia de la transformación bilineal y se refiere como deformación de la
frecuencia. La compensación de la deformación de la frecuencia se realiza al deformar las frecuencias
críticas digitales de acuerdo con la ecuación 3.28, donde las frecuencias críticas son movidas hacia
atrás a los valores deseados después de la aplicación de la transformación bilineal.
43
Tabla 3.2 Mapeo de la transformación bilineal del plano S al plano Z.

Plano S Plano Z
0  j0 1  j0
  j0  1  j0
0  j1 0  j1
0  j1 0  j1
 1  j0 0  j0
0  j  1  j0
Punto sobre el eje real Punto sobre el eje real
Puntos sobre el eje j de 0   Puntos en el círculo unitario de 0
Puntos sobre el eje j de 0   Puntos en el círculo unitario de 0  
Punto sobre cualquier línea Punto sobre el círculo pasando a través de  1 0 j
  0 (condición estable) | z | 1
0 | z | 1
0 | z | 1
Las propiedades de la transformación bilineal se muestran fácilmente cuando se resuelve la ecuación

3.26 para z, en términos de s, y siendo s    j' . El resultado de este mapeo inverso se nuestra en la
tabla 3.2.
1  s 1    j '
z  (3.29)
1  s 1    j
La tabla 3.2 da un mapeo en algunos puntos críticos en los planos s y z.
De la tabla 3.2, es aparente que los polos en el lado izquierdo del plano S (  0) sé mapean en el
interior del círculo unitario en el plano Z (| z | 1) . Los polos en el lado derecho del plano S (  0) sé
mapean en el exterior del círculo unitario en el plano Z (| z | 1) . Finalmente, j (  0) mapea la
frontera del círculo unitario (| z | 1) . La transformación bilineal comprime el eje j sobre el círculo
unitario. Esta compresión se conoce como la deformación de la frecuencia. Los efectos no lineales se
demuestran al graficar la ecuación 3.28, donde f  0 es mapeada a f ' 0 y f i  F / 2 es mapeada a
44
f '   . Esta frecuencia de mapeo concuerda con la tabla 3.2; por ejemplo,   j 0 mapea a  1 , que
corresponde a F / 2 . La ecuación 3.28 se gráfica en la figura 3.7. El efecto de la deformación de la
frecuencia es evidente en la gráfica, eso es, la respuesta en amplitud del filtro digital se expande en las
bajas frecuencias y se expande en las frecuencias altas en comparación con el filtro analógico.
Consecuentemente, si las frecuencias críticas de diseño se alcanzan en el filtro digital, las frecuencias
se deforman al usar la ecuación 3.28 antes de aplicar la transformación bilineal.
Figura 3.7 Frecuencia de deformación de la transformación bilineal.
La estabilidad en el sistema requiere que todos los polos de H (z ) caigan dentro del circulo unitario del
plano Z. Este requerimiento se asegura desde que la transformación bilineal mapea el lado izquierdo
abierto del plano S sobre el interior del circulo unitario. Por lo tanto, un filtro analógico estable produce
un filtro digital estable. El mapeo del plano S hacia el plano Z se muestra en la figura 3.8 Hay que
tomar en cuenta que los puntos C Y D en el plano S son mapeados en la línea curva en el plano Z
pasando a través del punto  1  j 0.
45
El diseño de filtros digitales IIR del prototipo del filtro analógico usando la transformación bilineal
involucra el siguiente procedimiento de diseño:
1. Se especifican los parámetros críticos del filtro digital: las frecuencias de la banda de paso y la
banda de rechazo en Hz., atenuación en la banda de paso y en la banda de rechazo en dB. y la
frecuencia de muestreo.
2. Se deforman las frecuencias críticas analógicas usando la ecuación 3.28.
3. Se aplica la apropiada transformación en frecuencia de la tabla 3.1.
4. Se aplica la transformación bilineal de la ecuación 3.26.
Figura 3.8 Mapeo de la transformación bilineal del plano S al plano Z.
3.5 ECUACIONES DE DISEÑO DE FILTROS DIGITALES
Para el diseño de filtros digitales IIR se usan las técnicas clásicas de diseño de filtros analógicos con lo
que representa una aproximación estándar al diseño de filtros IIR. En esta sección se estudia el diseño
de filtros digitales Butterworth. La metodología de diseño rápidamente se usa para generar programas
de computadora eficientes.
Las ecuaciones de diseño desarrolladas en esta sección se basan en la transformación bilineal.

Ecuaciones de diseño para los polos y ceros, coeficientes de filtros de segundo orden, y factores de
escala se derivan para todas las aproximaciones y tipos de filtros.
46
3.5.1 ECUACIONES DE DISEÑO DE UN FILTRO DIGITAL PB
La transformación de la banda de frecuencia normalizada a desnormalizada para el diseño de PB a PB

se define en la tabla 3.1 como:
s
s (3.30)

donde se reemplaza la variable de escala de frecuencia  p por el parámetro de escala de frecuencia  .
El parámetro  para los diferentes filtros se define en la tabla 3.3.
El parámetro de escala frecuencia  para los filtros Butterworth se obtiene de la ecuación 3.14, donde
la frecuencia analógica  p se remplaza por la ecuación 3.28.
Tabla 3.3 Parámetros de escala de frecuencia.

Aproximación de filtro 
Butterworth (pasa bajas)  1)1 / 2 N tan(f p / F )
0.1 Ap
(10
Butterworth (pasa altas)  1)1 / 2 N tan(f p / F )

0.1 Ap
(10
La atenuación especificada de la respuesta en la frecuencia crítica  p es reflectada por el factor  1 / N .
Considere la función de transferencia de un filtro analógico de un solo polo, donde los polos PB
normalizados, s p ,k para filtros Butterworth, Se obtienen de las ecuaciones 3.13, respectivamente
 s p .k
H ( s)  k  1,2,, N (3.31)
s  s p, k
Se sustituye la transformación en banda de PB a PB, se produce la función de transferencia de escala de

frecuencia.
 s p.k
H ( s)  k  1,2,, N (3.32)
s  s p, k
47
donde el parámetro  para la aproximación PB se obtiene de la tabla 3.3. Ahora se encuentra H (z )

correspondiente a H (s) al usar la transformación bilineal, esto es, de la ecuación 3.26 se obtiene:
 s p .k
( z  1)
1  s p , k
H ( z )  H ( s) |s  z 1 / z 1  (3.33)
1  s p .k
z
1  s p , k
de la ecuación 3.33 se observa que la ubicación de los polos en el plano Z son una función de los polos
analógicos PB normalizados escalados por el parámetro  , esto es:
1  s p , k
z p, k  (3.34)
1  s p , k
La forma general de la función de transferencia de los filtros digitales IIR PB Butterworth se define
como:
N ( z) C0 ( z  1) N
H ( z)   N
(3.35)
D( z )
 ( z  z p, k )( z  z p, k )
*
k 1
donde z *p ,k es el conjugado complejo de z p ,k . Se observa que todos los ceros se encuentran ubicados en
z  1 sobre el circulo unitario del plano Z. También se resalta que la notación de z p ,k y z z ,k se refiere
a los polos y ceros digitales del plano Z para su respectiva sección k de segundo orden.
En general, los ceros del filtro digital elíptico son complejos y el numerador polinomial, N (z ) , es de la
forma:
N
N ( z )  C0  ( z  z z , k )( z  z*z , k ) (3.36)
k 1
y el denominador es tal como en la ecuación 3.35. Para la sección de segundo de orden k th, sea
s p ,k  a p ,k  jb p ,k la representación de los polos PB analógicos, y s z ,k  a z ,k  jb z ,k la representación
de los ceros analógicos. Entonces los coeficientes de segundo orden se definen por:
48
A1, k  2 Re[ z z , k ]
(3.37a)
A2, k  Re[ z z , k ]2  Im[ z z , k ]2
B1, k  2 Re[ z p , k ]
(3.37b)
B2, k  Re[ z p , k ]2  Im[ z p , k ]2
donde Re[ z i ,k ] se refiere a la parte real z i ,k , y Im[ z i ,k ] se refiere a la parte imaginaria de z i ,k . La
localización del polo o cero en el plano Z se encuentran de:
1  (ai2,k  bi2,k ) 2 2b 
zi , k   j 1, k (3.38)
Di , k Di , k
donde
Di , k  1  2 a1, k   (ai2,k  bi2,k ) 2
y
 1,2,, N / 2 para n par
k
1,2,, ( N  1) / 2 para n impar
Para la ecuación 3.38 el índice i equivale a p o z , dependiendo si se calculan polos o ceros. Se tiene
en cuenta que la cantidad ai2,k  bi2,k  1 para la aproximación Butterworth.
3.5.1.1 COEFICIENTES DEL NÚMERADOR PB DE LA FUNCIÓN DE

TRANSFERENCIA
De la ecuación 3.35, la aproximación PB Butterworth tiene doble cero en z  1 . Luego los

coeficientes del numerador de la sección de segundo orden se definen por:
49
( z  1)( z  1)  z 2  2 z  1 (3.39a)
o equivalente
1  2 z 1  z 2 (3.39b)
Así, para los filtros Butterworth, A1,k  2 y A2,k  1.
3.5.1.2 FILTRO DIGITAL PB: SECCIÓN DE PRIMER ORDEN
Para N impar, la función de transferencia de la ecuación 4.2 se expresa en términos de las secciones
normalizadas de primer y segundo orden por:
( N 1) / 2
H ( z )  H1 ' ( z )  H k ( z ) (3.40)
k 2
donde la función de transferencia de la sección de primer orden no normalizada se define por:
1  z 1
G1 ' ( z )  (3.41)
1 ´B1, k z 1
Desde que el polo de la sección de primer orden es puramente real, la ecuación 3.38 se reduce a:
1  (a p ,k  ) 2 (1  (a p ,k  ))(1  (a p,k  )) 1 | a p ,k | 
z p ,k    (3.42)
1  2 | a p ,k |   (a p ,k  )
2 2
(1  (a p ,k  ))(1  (a p,k  )) 1 | a p ,k | 
El coeficiente B1,k ahora se determina:
B1, k   z p, k (3.43)
50
La aproximación para Butterworth de a p ,k , se define por la ecuación 3.14. Para la sección de primer
orden Butterworth, a p ,k  1 . El índice de orden de sección k , en la ecuación 3.40, se iguala de forma
arbitraria a la unidad.
Las ecuaciones de diseño que determinan el orden N de los filtros digitales Butterworth y elípticos son
resumidas en la tabla 3.4. Las frecuencias críticas de la tabla 3.4 son las frecuencias como se definió en
la ecuación 3.28 y se muestra en la figura 3.3
Los coeficientes del numerador de la sección de segundo orden para filtros digitales Butterworth y
elípticos se definen por el polinomio:
1  A1, k z 1  A2, k z 2 (3.44)
donde k es el índice de la sección de segundo orden. Los coeficientes A1,k , los cuales son una función
de la aproximación y tipo de filtro, están en la tabla 3.5
Tabla 3.4 Ecuaciones de orden del filtro digital.

Aproximación Ecuación del orden del filtro
Butterworth log A
N
log 1 K
PASA BAJAS PASA ALTAS
tan(f p F ) 1
K  K0  K
tan(f s F ) K0
PASA BANDA RECHAZA BANDA

K1 , if K C  K B 1 K1 , if K C  K B
K K
K2 , if K C  K B 1 K2 , if K C  K B
K A  tan(f p 2 F )  tan(f p1 F )
K A  tan(f p1 F ) tan(f p 2 F )
K A  tan(f s1 F ) tan(f s 2 F )
51
K A tan(f s1 F ) K A tan(f s 2 F )
K1  K2 
K B  tan 2 (f s1 F ) tan 2 (f s 2 F )  K B
Tabla 3.5 Coeficientes del filtro digital.

Butterworth Elíptico
Tipo de Filtro Tipo de Filtro
Coef. PB PA PBanda RBanda PB PA PBanda RBanda
A0,k 1 (1) 1 (1) 1 1 1 (1) 1 (1) 1 (1) 1
A1,k 2 (1) -2 (-1) 0 A1,k A1,k (1) A1,k (-1) A1,k (0) A1,k
A2,k 1 (0) 1 (0) -1 -1 -1 (0) -1 (0) -1 (-1) -1
3.5.2 ECUACIONES DE DISEÑO DE UN FILTRO DIGITAL PA
El diseño para la transformación en banda de frecuencia para PB a PA se define por:

s (3.45)
s
Donde el parámetro de escala de frecuencia  se obtiene de la tabla 3.3 para todos los tipos de filtro.
 si , k  si , k s
H ( s)   (3.46)
s  si , k
s  / s
  si , k s
Se sustituye la transformación bilineal para s , se obtiene la función de transferencia digital en términos

de los polos PB analógicos, esto es:
 si , k
( z  1)
(  si , k )
H ( z )  H ( s ) s  z 1 / z 1  (3.47)
  si , k
z
  si , k
Por lo tanto, la ecuación para la localización de los polos y ceros digitales en el plano Z es:
52
 (  s i , k )
z i ,k  i póz (3.48)
  si ,k
donde s i ,k son los polos o ceros PB analógicos Butterworth.
La función de transferencia para los filtros digitales Butterworth se expresa como:
N ( z) C0 ( z  1) N
H ( z)   N
(3.49)
D( z )
 ( z  z p, k )( z  z*p, k )
k 1
Para el filtro digital elíptico, los ceros son complejos, y el numerador polinomial de la ecuación 3.49 se
convierte en:
N
N ( z )  C0  ( z  z z , k )( z  z*z , k ) (3.50)
k 1
Ahora deje si ,k  ai ,k  jbi ,k represente los polos y ceros PB analógicos de la sección k de segundo
orden. Luego los polos y ceros del plano Z se expresan por:
 [ 2  (ai2,k  bi2,k )] 2b 
zi , k   j i,k (3.51)
Di , k Di , k
Di , k   2  2 ai , k   ai2,k  bi2,k
 1,2,, N / 2 para N par
k
1,2,, ( N  1) / 2 para N impar
i póz
Los coeficientes de segundo orden ahora son determinados de la ecuación 3.37
53
3.5.2.1 COEFICIENTES DEL NUMERADOR DE LA FUNCIÓN DE

TRANSFERENCIA DE LA SECCIÓN DE SEGUNDO ORDEN
Para la aproximación PA Butterworth, se tiene un cero en z  1 , esto es, la ecuación de la sección de

segundo orden es:
( z  1)( z  1)  z 2  2 z  1 (3.52)
Por lo tanto A1,k  2 y A2,k  1 (ver tabla 3.5). Para el filtro elíptico, desde que el cero PB analógico
es puramente imaginario, la ecuación 3.40 se reduce a:
 ( 2  bz2,k ) 2bz ,k 
z z ,k  j (3.53)
 b
2 2
z ,k  2  bz2,k
Los coeficientes del numerador A1,k y A2,k ahora se calculan al usar la ecuación 3.37. Al hacer
referencia a la tabla 3.5 se observa que A2,k es siempre igual a la unidad, y por lo tanto no necesita
cálculo.
3.5.2.2 FILTRO DIGITAL PA: FUNCIÓN DE TRANSFERENCIA DE LA

SECCIÓN DE PRIMER GRADO
Para N impar, una sección de primer orden se requiere en combinación con secciones de segundo orden
para la realización un filtro digital con secciones en cascada. La función de transferencia para la
sección de segundo orden no normalizada se define por:
1  z 1
G1' ( z )  (3.54)
1  B1,k z 1
donde
  | a p ,k |
B1,k  (3.55)
  | a p ,k |
54
Para el filtro Butterworth, a p ,k se define por las ecuaciones 3.13.
3.5.3 ECUACIONES DE DISEÑO DE UN FILTRO DIGITAL PBANDA
La transformación PB a PBanda, se obtiene de la tabla 3.1, se define por:
sb2  '0
s1  (3.56)
' sb
donde s1 es el polo PB analógico y s b es el polo PBanda analógico. Se resuelve la ecuación 3.45 para
s b se obtiene:
sb2  ' s1 sb  '0  0 (3.57)

donde
u'  tan(f a / F ) '  (u'  l' )
l'  tan(f b / F ) '0  u' l'
donde f a y f b son las frecuencias PBanda alta y baja. El parámetro  , se elige para satisfacer las
especificaciones de frecuencia, se obtiene de la tabla 3.6 como una función de la aproximación y tipo
de filtro. La frecuencia central geométrica del filtro PB del PBanda se define por la media geometría
0 . Cuando se resuelve la ecuación 3.57 para los polos PBanda se obtiene:
'  
0.5
 4'0 
sb   sl   sl2    (3.58)
2   '2  
  
Así se observa que la transformación PBanda mapea cada polo PB analógico dentro de dos juegos de
polos PBanda analógicos. El polo PB analógico se expresa como:
sl  a p  jb p (3.59)
donde a p es un número positivo. Luego se obtiene:
55
sbp 
'
2

 | a p |  jb p   c1  j 2 | a p | b p 
0.5
 (3.60)
donde se define:
 4'0 
c1  b   2
2 
 a 2p (3.61)
 ' 
p
ahora se muestra que la raíz cuadrada de un número complejo se define:
0.5 0.5
 (c 2  y 2 ) 0.5  c1   (c 2  y 2 ) 0.5  c1 
(c1  jy ) 0.5
  1   j 1  (3.62)
 2   2 
donde se define y  2a p b p . Cuando se sustituye la ecuación 3.51 dentro de la ecuación 3.62 se
obtiene:
'    (c 2  4a 2 b 2 ) 0.5  c  0.5  (c12  4a 2 b 2 ) 0.5  c1   

0.5
  (3.63)
sbp   
 | a p |  jb p   
1 1
 
  j 
 
2    2   2   
 
Al agrupar la parte real y la imaginaria, y similarmente se resuelve para  a p  jb p , los polos
analógicos PBanda pre-deformadas se expresan como:
sbp1 
'
2

 | a p | c3   j(b p  c4 )  abp1  jbbp1
(3.64a)
sbp1 
'
2

 | a p | c3   j(b p  c4 )  abp1  jbbp1
donde

c2  c12  (2a p b p ) 2 0.5
(3.64b)
c c 
0.5
c3   2 1  (3.64c)
 2 
56
c c 
0.5
c3   2 1  (3.64d)
 2 
donde c1 se define por la ecuación 3.61
Para el filtro elíptico es necesario se considere el cero PB definido por la ecuación 3.24. Desde que el
cero elíptico es puramente imaginario, se obtiene de la ecuación 3.64a el cero PBanda.
z bz(1, 2)   j
'
2
 
bz ,k  c50.5   jb(1, 2) (3.65a)
donde para este caso c5 , se obtiene de la ecuación 3.61, se define como:
40
c5  bz2,k  (3.65b)
(' ) 2
y bz ,k  1 /  k es el cero analógico pasa bajas se define por la ecuación 3.24
Para un filtro de orden N Butterworth la transformación de frecuencia PBanda resulta en el mapeo de N

ceros en el origen en el plano S. Cuando se digitaliza el filtro analógico PB se usa la transformación
bilineal, que ubica los ceros en  1 en el plano Z para las realizaciones de secciones de segundo orden.
Por lo tanto, como se muestra en la tabla 3.5, los coeficientes del numerador de la sección de segundo
orden para el filtro digital Butterworth no se calculan.
Como resultado de la ecuación 3.64, se observa que la transformación de PB a PBanda genera N pares
de polos PBanda correspondientes a N polos analógicos PB. Como resultado, el orden del filtro, N,
para los filtros digitales PBanda (y RBanda) indica el número de secciones de segundo orden. Para los
diseños PB y PA, N/2 secciones de segundo orden se generan. Por lo tanto, los polos y ceros analógicos
PBanda se derivan de cada uno de los polos o ceros analógicos PB del filtro elíptico, se definen por:
sbp1  abp1  jbbp1

(3.66a)
sbp2  abp2  jbbp2
57
sbz1   jbbz1
(3.66b)
sbz2   jbbz2
Los polos PBanda se obtienen de la transformación bilineal:
1  sbp,k
z p ,k  k  1,2,, N (3.67)
1  sbp,k
Se sustituye la ecuación 3.66a dentro de la ecuación 3.67 y se produce una expresión general para el
cálculo de los polos digitales PBanda:
1  (abp
2
, k  bbp, k )
2
2bbp,k
z p ,k  j (3.68)
Dbp,k Dbp,k
donde
Dbp,k  1  2 | abp,k | abp

´2
, k  bbp, k
´2
(3.69)
los coeficientes de la sección de segundo orden se calculan de la ecuación 3.66b.

Desde que los ceros PBanda se obtienen de la ecuación 3.65 son puramente imaginarios, los ceros
elípticos digitales PBanda se expresan en la forma
1  bbz2 ,k 2bbz2 ,k
z bz,k  j (3.70)
1  bbz2 ,k 1  bbz2 ,k
el coeficiente del numerador A1,k se obtiene de la ecuación 3.37 como se muestra en la tabla 3.5, el
coeficiente A2,k  1; por lo tanto, no se calculan, desde que los ceros elípticos digitales caen dentro del
dentro del circulo unitario.

3.5.3.1 FILTRO DIGITAL PBANDA: SECCIÓN DE SEGUNDO ORDEN PARA
IMPAR
Para N impar, la función de transferencia resulta en una sección de segundo orden se define como:
58
1 z2
H 1' ( z )  (3.71)
1  B1,k z 1  B2,k z 2
donde los coeficientes B1,k y B2,k se determinan al notar que para N-impar el polo PB analógico es
puramente real. Para las aproximaciones Butterworth, Chebyshev y elípticos el polo PB analógico real
se obtiene de las ecuaciones 3.13 y 3.17, respectivamente, donde se nota que para el filtro Butterworth
el polo normalizado es igual a –1. Como ejemplo, se considera la aproximación del filtro elíptico donde
 a p   0 ; se obtiene de la ecuación 3.67a el polo PBanda, esto es,
'
sbp,k  [ 0  jc10.5 ]  abp,k  bbp,k (3.72)
2
Tabla 3.6 Parámetros de especificación de frecuencia PBanda y RBanda.

Aproximación de filtro/Tipo 
 1) 1/ 2 N
0.1 Ap
Butterworth PBanda (10
 1)1/ 2 N
0.1 Ap
Butterworth RBanda (10
donde c1 se obtiene de la ecuación 3.61, se nota que b p  0 . El polo digital y los coeficientes ahora se
determinan de la ecuación 3.68 y 3.37 respectivamente.

Se muestra que los polos analógicos PBanda para el filtro elíptico de la ecuación 3.72 se expresan por:

sbp,k  0.50 ' j '0 (0.50 ' ) 2 
0.5
(3.73)
Los polos digitales, se determinan de la ecuación 3.68, se definen por:
sbp,k 
1  '0
j

2 '0 (0.5 0 ' ) 2 
0.5
(3.74)
Dbp,k Dbp,k
donde
Dbp,k  1  ' 0  '0
59
3.5.4 ECUACIONES DE DISEÑO DE UN FILTRO DIGITAL RBANDA
De la tabla 3.1 la transformación PB a RBanda se expresa como:
' sb
s1  (3.75)
sb2  
Se resuelve para sb :
'  1  2 
0.5
4'0 
sb   s1   s1    (3.76)
2   (  ' )  

Se observa que la ecuación 3.76 es similar a la ecuación 3.58 excepto por el polo analógico reciproco,
s1 . El polo analógico PB se define por s1  a p  jb p luego,
1  | ap | bp
 a p  jb ' p   2  (3.77)
 a p  jb p a p  b p2 a 2p  b p2
donde a p es un número positivo. Ahora se hace el diseño de filtros digitales RBanda cuando se usa la
ecuación 3.64. Por lo tanto, el diseño de filtros digitales RBanda es equivalente al diseño de filtros
digitales PBanda simplemente se usa él reciproco de los polos analógicos PB, se definen en la ecuación
3.77 en la ecuación 3.64.
3.5.4.1 CÁLCULO DE LOS COEFICIENTES DEL NUMERADOR DEL FILTRO

RBANDA
El filtro digital RBanda requiere de cálculo de los coeficientes del numerador, A1,k como una función
del tipo de filtro.
60
Para el filtro Butterworth, el cero analógico RBanda se obtiene de la ecuación 3.76. Desde que el filtro
analógico PBanda normalizado tiene ceros en el infinito en el plano S, la transformación en frecuencia
del RBanda mapea un par de ceros en:
sbz,k   j ('0 ) 0.5 (3.78)
Los ceros digitales y los coeficientes del numerador se determinan de las ecuaciones 3.70 y 3.37
respectivamente.
Para el filtro elíptico, el cero PB analógico se define por la ecuación 3.24, esto es, un par de ceros
analógicos RBanda se localizan en:
j'  4'0  
0.5
 2
sbz,k  
 k    k    (3.79)
2   (' )  
 
Similarmente, los ceros digitales y los coeficientes del numerador para el filtro elíptico son
determinados de la ecuación 3.70 y 3.37, respectivamente.
3.5.4.2 FILTRO DIGITAL RBANDA: SECCIÓN DE SEGUNDO ORDEN PARA

N IMPAR
Los polos impares PB para todo tipo de filtro son puramente reales.
Para el filtro Butterworth se obtiene:
 '  1 
sbp    j (c1 ) 
0.5
(3.80)
2  a p 
donde c1 se obtiene de la ecuación 3.61 con bp  0 . Se observa eso, que para el caso Butterworth
a p  1 para todo valor de N
Para el filtro elíptico la sección impar del polo se define como:
61
 '  1 
0.5
 1 4 '0 
sbp(1, 2)     2  
2 
 (3.81)
2  0
   0  '  
donde los parámetros  0 y las frecuencias críticas se definen por las ecuaciones 3.17 y 3.57
respectivamente. El parámetro  se obtiene de la tabla 3.6. Desde que la ecuación 3.81 es puramente
real, se observa que los polos digitales del RBanda para la sección de segundo orden se definen por:
1 | sbp,1 |
z p ,1 
1 | sbp,1 |
(3.82)
1 | sbp, 2 |
z p,2 
1 | sbp, 2 |
Finalmente, los coeficientes del RBanda son:
B1,k  ( z p ,1  z p , 2 )
(3.83)
B2,k  z p ,1 z p , 2
Los ceros analógicos del RBanda para todos los tipos de filtros se definen por la ecuación 3.78 ahora se
obtienen los ceros digitales de la ecuación 3.68 en la forma:
1   '0 2 '0
0.5
zbz  j (3.84)
1   '0 1   '0
Finalmente, los coeficientes del numerador se obtienen de la ecuación 3.37a.
3.6 NORMALIZACIÓN EXTERNA DE LA SECCIÓN DE SEGUNDO ORDEN
La implementación de punto fijo a menudo requiere normalización de la sección de salida de respuesta

en frecuencia a una ganancia unitaria (0 dB). Esta normalización externa, sin embargo, no previene
desbordamientos en los nodos internos de la suma de la red del filtro.
62
Se consideran realizaciones en cascada de las secciones de segundo orden ilustradas en la figura 3.9, la
sección no normalizada de segundo orden tiene una función de transferencia:
1  A1,k z 1  A2,k z 2
Gk ( z )  (3.85)
1  B1,k z 1  B2,k z 2
Como se ilustra en la figura 3.9, se deben de determinar C1 tal que max | G1 | 1 , C2 tal que
max | G1 || G2 | 1 con C1 calculada, y así sucesivamente. Formalmente, la normalización requiere la
evaluación de la L norma de G(e j 2fT ) , esto es, el valor pico de G(e j 2fT ) sobre todas las f se
expresa en la forma:
G   max Gk (e j 2fT ) (3.86)

0 f  F
donde los coeficientes de normalización, Ck , se determinan como sigue:
1
C1 

max G1 (e j 2fT )
0 f  F

1
C2 
C1 max G1 (e
0 f  F
 j 2fT
) G2 (e j 2fT )  (3.87)

1
CM 
M 1 M j 2fT 
 C k max   G2 (e )
k 1 0  f  F k 1 
Figura 3.9 Realización en cascada de un filtro de segundo orden en secciones.
63
3.7 FORMAS GENERALIZADAS DE LA FUNCIÓN DE TRANSFERENCIA DE

LOS FILTROS DIGITALES IIR
La función de transferencia generalizada para el filtro digital Butterworth es la siguiente.
( N 1) / 2
H ( z )  H1' ( z )  H k ( z ) para PB / PA, para N impar (3.88a)
k 2
N /2
H ( z)   H k ( z) para PB / PA, para N par (3.88b)
k 1
N /2
H ( z )  H1' ( z )  H k ( z ) para PBanda / RBanda para N impar (3.88c)
k 2
N
H ( z)   H k ( z) para PBanda / RBanda para N impar (3.88d)
k 1
donde el factor de la normalización total se define por:
L
C0   Ck
k 1
( N  1) / 2 para PB / PA, para N impar


L  N / 2 para PB / PA, para N par (3.88e)
N
 para PBanda / RBanda , para N impar o par
La función de transferencia no normalizada de la sección-impar se expresa como función del tipo filtro
como sigue:
1  z 1
Gk' ( z )  para PB (3.89a)
1  B1,k z 1
1  z 1
Gk' ( z )  para PA (3.89b)
1  B1,k z 1
1  z 2
Gk' ( z )  para PBanda (3.89c)
1  B1,k z 1  B2,k z 2
64
1  A1,k z 1  A2,k z 2
Gk' ( z )  para RBanda (3.89d)
1  B1,k z 1  B2,k z 2
Por conveniencia, el índice de sección del filtro, k , es igual a la unidad en la ecuación 3.88. De las
ecuaciones 3.89 Gk' ( z ) se define por una sección de primer orden para filtros PB, PA y por secciones
de segundo orden para filtros PBanda y RBanda.
3.8 ESTABILIDAD
La condición para la estabilidad del filtro es que los polos deben de caer dentro del círculo unitario. La
condición define un dominio de estabilidad en el plano ( b1 ,b2 ). El domino de los polos complejos se
limita por la parábola:
b12
b2  (3.90)
4
y la condición de estabilidad impone:
0  b2  1 (3.91)
Si los polos son reales, luego
b1 1 b1 1
  (b12  4b2 )  1; 1    (b12  4b2 ) (3.92a)
2 2 2 2
b2  b1  1; b2  1  b1 ; o b1  1  b2 (3.92b)
El dominio de estabilidad es; por lo tanto, un triángulo definido por las tres líneas rectas:
b2  1; b2  b1  1; b2  b1  1 (3.93)
Como se ilustra en la figura 3.10
65
Figura 3.10 Dominio de la estabilidad de la sección de segundo orden.
Para el cálculo del factor b1 y b2 se utilizan las siguientes formulas:
b1  2 Re( P)
(3.94)
b2 | OP | 2
3.9 OTRAS TÉCNICAS PARA EL DISEÑO DE FILTROS DIGITALES IIR
En esta sección se investigan otros métodos para el diseño de funciones de transferencia con respuestas
en frecuencias deseadas.
3.9.1 DISEÑO DE FILTRO DIGITAL IIR POR LA COLOCACIÓN DEL POLO-

CERO
66
En esta sección de describe el método de diseño por la colocación de prueba y error de los polos y
ceros en el plano Z. La función de transferencia de cualquier sistema discreto en el tiempo se expresa
en la forma
C0 ( z  z1 )( z  z1* ) ( z  z M )( z  z M
*
)
H (e jT )  (3.95)
( z  p1 )( z  p1* ) ( z  p N )( z  p *N )
donde z1 , z 2,  son los ceros del filtro y p1 , p2,  son los polos. Como se dijo en la sección 3.1, una
función de transferencia realizable debe ser estable y causal. Ésta requiere que las siguientes
condiciones se cumplan.
1. Estabilidad del sistema: Todos los polos caigan dentro del círculo unitario en el plano Z.
2. Diseño de filtro real: los polos y ceros deben de ocurrir en pares complejos conjugados o caer en
el eje real. También el ángulo de colocación   2f 0 / F se restringe por el rango de frecuencia
0  f 0  F / 2 , esto es, 0   0  
3. Colocación arbitraria del cero: La colocación del cero es arbitraria; sin embargo, los ceros
colocados en el círculo unitario completamente atenúan la respuesta en frecuencia en el ángulo
de colocación.
4. Causalidad: se requiere que el número de ceros sea menor o igual al número de polos.
Un método de obtención de la respuesta en frecuencia deseada es al rotar propiamente los polos y ceros
por significado convencional, por ejemplo la transformación bilineal. Desde que los polos y ceros de
los filtros reales ocurren en pares complejos conjugados, eso es,
( z  pi )( z  pi* )  0
(3.96)
( z  z i )( z  z i* )  0
La forma de la respuesta en frecuencia se obtiene al modificar la ecuación 3.95 al reflejar ambos

escalamientos en magnitud y el cambio de la frecuencia. Esta técnica de colocación de polo y cero se
obtiene al multiplicar el conjunto concurrente de polos y ceros por re  j 2fT . Este factor de mapeo
resulta en la rotación angular y en el escalamiento de los polos y ceros conjugados complejos. La
67
ecuación 3.95 ahora se expresa como cociente de los pares modificados del polo-cero de la conjugación
del complejo como sigue:
( z  rpi e j 2f 0T )( z  rpi*e j 2f0T )

(3.97)
( z  rzi e j 2f0T )( z  rzi*e j 2f 0T )
donde 0  r  1 es la magnitud del polo o cero y 2f 0T es el ángulo de rotación. El método de prueba-
y-error de colocación de polo-cero es eficientemente realizado a través de iteraciones realizadas en una

computadora digital y con una pantalla gráfica de respuesta en frecuencia.
3.9.2 FILTROS DIGITALES CON COEFICIENTES COMPLEJOS
Filtros digitales con coeficientes complejos encuentran aplicación en el procesamiento digital de

señales analíticas. Las señales analíticas son señales complejas cuya densidad espectral es de un lado y
cuya parte real es la señal original real y la parte imaginaria está en cuadratura de fase (90°) con aquella
de la señal real.
Los filtros complejos se desarrollan a partir de los filtros reales al rotar los polos ya ceros dentro del
circulo unitario del plano Z en  p T grados, sin producir una respuesta conjugada en   p . Eso es, el
filtro digital complejo se diseña para la reducción de las frecuencias negativas a cero a lo largo de la
mitad inferior del círculo unitario.
Una aplicación de los filtros digitales complejos es producir un espectro PBanda que es simétrico sobre
una frecuencia central especificada (figura 3.11). Esto se realiza al diseñar un filtro PBanda, que son
traslados lineales de un filtro PB, así se evitan las deformaciones inherentes en la transformación de PB
a PBanda. La función transferencia de un filtro digital complejo se expresa por
C0 ( z  z1e j0T )( z  z 2 e j0T ) ( z  z M e j0T )

H ( z)  (3.98)
( z  p1e j0T )( z  p 2 e j0T ) ( z  p N e j0T )
Donde solamente los polos y ceros asociados con mitad superior del circulo unitario son incluidas. El
coeficiente complejo e j0T explica la rotación de los polos y ceros a lo largo de los círculos centrados
68
en el origen. Como se muestra en la figura 3.11 el diseño de filtros complejos empieza con uno filtro de
características real. Al cambiar la frecuencia central resulta en la respuesta en magnitud centrada en f 0 ,
sin un filtro conjugado en  f 0 cómo sería el resultado de una transformación PB a PA.
Considere un filtro de un solo polo, con un cero en el origen definido por:
Y ( z) 1
H ( z)   (3.99)
X ( z ) 1  p0 z 1
donde Y (z ) , X (z ) , y p 0 son complejos
Figura 3.11 Filtros digitales complejos de los filtros reales: (a) respuesta de un filtro digital real; (b) respuesta corrida de un
filtro digital complejo.
Expandiendo la ecuación 3.99, se obtienen para las respuestas reales e imaginarias del sistema de
ecuaciones definidas por:
Re[Y ( z )]  Re[ X ( z )]  Re[ p0 ] Re[Y ( z )]z 1  Im[ p0 ] Im[Y ( z )]z 1

(3.100)
Im[Y ( z )]  Im[ X ( z )]  Re[ p0 ] Im[Y ( z )]z 1  Im[ p0 ] Re[Y ( z )]z 1
Las ecuaciones de diferencia se determinan al tomar la transformada Z inversa de las ecuación 3.100,
eso es,
69
Re[ y (n)]  Re[ X (nT )]  Re[ p0 ] Re[ y(n  1)T ]  Im[ p0 ] Im[ y(n  1)T ]
(3.101)
Im[ y(n)]  Im[ X (nT )]  Re[ p0 ] Im[ y(n  1)T ]  Im[ p0 ] Re[ y (n  1)T ]
Para encontrar las funciones de transferencia, se toma la parte real y la imaginaria de la ecuación 3.99.
Figura 3.12 Realización de un filtro digital de un solo polo complejo.

Se obtiene:
1  Re[ p0 ]z 1
Re[ H ( z )] 
1  2 Re[ p0 ]z 1  | p0 | 2 z 2
(3.102)
Im[ p0 ]z 1
Im[Y ( z )] 
1  2 Re[ p0 ]z 1  | p0 | 2 z 2
De las ecuaciones 3.100 o 3.101 la realización ahora se obtiene como se muestra en la figura 3.12.
70
Capítulo 4 ”Resultados”
4.1 DISEÑO DE FILTROS DIGITALES FIR E IIR SEGÚN PARAMETROS DE
DISEÑO
El diseño de filtros que a continuación se muestran, se realizó según lo expuesto en el capítulo 2 y 3

sobre la base de los parámetros de diseño de filtros digitales. En las presentes secciones se presentan
algunos ejemplos del diseño de filtros digitales FIR e IIR de los diferentes tipos. Esto en base a
simulaciones realizadas en MATLAB.
Las señales utilizadas, son señales de audio con una frecuencia de muestreo de 44100Hz de 8bit de
definición; las técnicas de modelado que se implementaron son filtros FIR con aproximaciones de
Series de Fourier con función ventana Kaiser; se utiliza esta ventana ya que tiene la propiedad de ser
limitada en el dominio del tiempo y tener energía máxima en lóbulo principal sin importar el tamaño
del de los lóbulos laterales y en los filtros IIR se utilizó la transformación bilineal con secciones de
segundo grado.
Los parámetros de diseño de los filtros se especifican en la Tabla 4.1, según los diferentes tipos de
filtros y el tipo de respuesta en frecuencia según sea al caso.
Tabla 4.1 Parámetros de diseño de los filtros.

Tipo de filtro Frecuencia de paso Frecuencia de corte Atenuación en la Atenuación en la
banda de paso(dB) banda de corte(dB)
PB 500Hz 600Hz 1 60
PA 4.5KHz 4KHz 1 60
PBanda 200Hz,4KHz 100Hz,4.5KHz 1 40
RBanda 100Hz,4.5KHz 200Hz,4KHz 1 40
71
4.2 ANALISIS DE LOS FILTROS DIGITALES FIR E IIR SEGÚN

PARAMETROS DE DISEÑO
En el diseño de los filtros se utilizaron las teorías expuestas en los capítulos 2 y 3, cálculos que se
aplicaron en los programas computacionales que realizan el cálculo de los filtros según los parámetros
de diseño de frecuencia contenidos en la tabla 4.1.
Estos cálculos arrojan como uno de los parámetros de análisis, el número de coeficientes contenidos en
cada uno de los filtros, según su clase y tipo; estos datos se encuentran contenidos en la tabla 4.2.
Tabla 4.2 Número de coeficientes de los filtros.

Tipo de filtro Número de Coeficientes
Filtro FIR Filtro IIR
Pasa bajas 1599 42
Pasa altas 321 60
Pasa banda 197 56
Rechaza banda 197 64
La codificación de los programas para el cálculo de los filtros FIR e IIR de se encuentran contenidos en
el apéndice A.
4.3 COMPARATIVA DE LOS FILTROS FIR E IIR
El comportamiento de ambos filtros es similar en la respuesta en frecuencia, la diferencia radica en el

gran número de coeficientes que tiene uno en relación con el otro. Para su implementación el filtro FIR
requiere de un mayor poder procesamiento que el filtro IIR.
Lo anterior se debe tomar en cuenta ya que los filtro FIR son estables por su construcción, y estos
requieren muestras presentes y pasadas de la señal de entrada para su funcionamiento y no son
recursivos. En el caso de los filtros IIR llegan a ser inestables por su construcción ya que tienen una
retro alimentación, porque estos requieren muestras presentes, pasadas y una retroalimentación de la
señal de salida para su funcionamiento.
72
4.4 EXPLICACIÓN DE LAS GRÁFICAS DE LOS FILTROS FIR.
En esta sección se describen las gráficas que se obtuvieron de los cálculos realizados de los filtros FIR
PB, PA, PBanda y RBanda según los parámetros de diseño de la tabla 4.1. Los resultados que se
obtuvieron son derivados de las simulaciones de los programas computacionales que se muestran en el
apéndice A, programa A.1, A.2, A.3 y A.4.
En la figura 4.1, 4.5 ,4.9 y 4.13 se muestra la representación de los coeficientes del filtro FIR PB, PA,
PBanda y RBanda; en la primera gráfica “Coeficientes del filtro”, para cada uno de los tipos de filtro,
sin pasar por la función ventana. En la segunda grafica “Coeficientes de la ventana” son los
coeficientes de la función Ventana Kaiser calculados específicamente para cada uno de los tipos de
filtro. En la tercera gráfica “Coeficientes del filtro por la ventana”, es la representación de la
multiplicación miembro a miembro de los coeficientes de cada uno de los tipos de filtro por los
coeficientes de la función ventana cada uno de los tipos de filtro asociado, aquí se puede apreciar que
las oscilaciones que presentan los coeficientes del filtro se atenúan de manera más significativa,
presentando un mejor desempeño lo cual se hará evidente más adelante en esta sección.
En la figura 4.2, 4.6, 4.10 y 4.14 se muestran las representaciones de la respuesta en frecuencia de cada
uno de los tipos de filtro PB, PAB, PBanda y PBanda FIR con y sin ventana. En la primera gráfica (a)
de cada una de las figuras, se muestra la respuesta en frecuencia del filtro sin ventana, es decir, sin la
multiplicación de los coeficientes del filtro por la función ventana como tal y como se muestran en la
gráfica uno de la figura 4.1, 4.5, 4.9 y 4.13 respectivamente. En la segunda grafica (B) de cada una de
las figuras 4.2, 4.6, 4.10 y 4.14 “con ventana” se muestra la respuesta en frecuencia del filtro con
ventana, es decir, con la multiplicación de los coeficientes del filtro por la función ventana tal y como
se muestra en la gráfica tres de la figuras 4.1, 4.5, 4.9 y 4.13 respectivamente.
En la figura 4.2, 4.6, 4.10 y 4.14, en cada una de las gráficas el eje vertical representa la atenuación de
filtro expresado en dB.
En las figura 4.3, 4.7, 4.11 y 4,15 respectivamente, se muestra con mayor detalle a las dos gráficas de
las figuras 4.2, 4.6, 4.10 y 4.14, en las cuales se hace hincapié, en la banda de transición y en la mínima
73
atenuación de la banda de rechazo según los parámetros de diseño del filtro establecidos en la tabla 4.1.
En la gráfica (a) se aprecia que hay oscilaciones en la banda de transición de cada uno de los filtros. En
el filtro PB esta entre 500Hz a 600Hz, en el PA esta entre 4000Hz a 4500Hz, en el PBanda y RBanda
está entre 100Hz a 200Hz y 4000Hz a 4500Hz; a estas oscilaciones, así como se mencionó en el
capítulo 2, es el fenómeno de Gibbs. En la gráfica (b) se aprecia que las oscilaciones respecto a la
gráfica (a) se disminuyen, esto a su vez, nos mejora el comportamiento del filtro al hacer que las
oscilaciones tengan picos mínimos en relación a los picos presentados en la gráfica (a).
En las figuras 4.4, 4.8, 4.12 y 4.16, en la gráfica uno “antes” de cada figura es la representación de la
señal de entrada en el espectro de frecuencias, antes de su filtrado por el filtro FIR PB, PA, PBanda y
RBanda respectivamente, en ésta gráfica se aparecía que la señal de entrada tiene componentes a lo
largo del espectro de frecuencias audibles. En la gráfica dos “despues” de cada una de las figuras antes
mencionadas es la representación de la señal de salida en el espectro de frecuencias de cada uno de los
tipos de filtros FIR diseñados según los parámetros de diseño de la tabla 4.1 con función ventana
Kaiser.
74
4.4.1 GRÁFICAS DE UN FILTRO FIR PB
Figura 4.1 Coeficientes de un filtro FIR PB.
Figura 4.2 Respuesta en frecuencia del filtro FIR PB (a) sin ventana y (b) con ventana.
75
Figura 4.3 Acercamiento a la banda de transición del filtro FIR PB (a) sin ventana y (b) con ventana.
Figura 4.4 Señal de prueba antes y después del filtro FIR PB.
76
4.4.2 GRÁFICAS DE UN FILTRO FIR PA
Figura 4.5 Coeficientes de un filtro FIR PA.
Figura 4.6 Respuesta en frecuencia del filtro FIR PA (a) sin ventana y (b) con ventana.
77
Figura 4.7 Acercamiento a la banda de transición del filtro FIR PA (a) sin ventana y (b) con ventana.
Figura 4.8 Señal de prueba antes y después del filtro FIR PA.
78
4.4.3 GRÁFICAS DE UN FILTRO FIR PBANDA
Figura 4.9 Coeficientes de un filtro FIR PBanda.
Figura 4.10 Respuesta en frecuencia del filtro FIR PBanda (a) sin ventana y (b) con ventana.
79
Figura 4.11 Acercamiento a la banda de transición del filtro FIR PBanda (a) sin ventana y (b) con ventana.
Figura 4.12 Señal de prueba antes y después del filtro FIR PBanda.
80
4.4.4 GRÁFICAS DE UN FILTRO FIR RBANDA
Figura 4.13 Coeficientes de un filtro FIR RBanda.
Figura 4.14 Respuesta en frecuencia del filtro FIR RBanda (a) sin ventana y (b) con ventana.
81
Figura 4.15 Acercamiento a la banda de transición del filtro FIR RBanda (a) sin ventana y (b) con ventana.
Figura 4.16 Señal de prueba antes y después del filtro FIR RBanda.
82
4.5 EXPLICACION DE LAS GRÁFICAS DE LOS FILTROS IIR
En esta sección se describen las gráficas que se obtuvieron de los cálculos realizados de los filtros IIR
PB, PA, PBanda y RBanda según los parámetros de diseño de la tabla 4.1. Los resultados obtenidos son
derivados de las simulaciones de los programas computacionales que se muestran en el apéndice A,
programas A.5, A.6, A.7 y A.8.
En la figura 4.17, 4.20 ,4.23 y 4.26 se muestran las representaciones de la respuesta en frecuencia de
cada uno de los tipos de filtro PB, PA, PBanda y RBanda IIR.
En las figura 4.18, 4.21, 4.24 y 4,27 respectivamente, se muestra con mayor detalle a las gráficas de las
figuras 4.17, 4.20, 4.23 y 4.26, en las cuales se hace hincapié, en la banda de transición y en la mínima
atenuación de la banda de rechazo según los parámetros de diseño del filtro establecidos en la tabla 4.1.
Es las figuras se aprecia que no hay oscilaciones en la banda de transición de cada uno de los filtros. En
el filtro PB esta entre 500Hz a 600Hz, en el PA esta entre 4000Hz a 4500Hz, en el PBanda y RBanda
está entre 100Hz a 200Hz y 4000Hz a 4500Hz.
En las figuras 4.19, 4.22, 4.25 y 4.28, en la gráfica uno “antes” de cada figura es la representación de la
señal de entrada en el espectro de frecuencias, antes de su filtrado por el filtro IIR PB, PA, PBanda y
RBanda respectivamente, en ésta gráfica se aparecía que la señal de entrada tiene componentes a lo
largo del espectro de frecuencias audibles. En la gráfica dos “despues” de cada una de las figuras antes
mencionadas es la representación de la señal de salida en el espectro de frecuencias de cada uno de los
tipos de filtros IIR diseñados según los parámetros de diseño de la tabla 4.1 con la transformación
bilineal y secciones de segundo orden.
83
4.5.1 GRÁFICAS DE UN FILTRO IIR PB
Figura 4.17 Respuesta en frecuencia del filtro IIR PB.
Figura 4.18 Acercamiento a la banda de transición del filtro IIR PB.
84
Figura 4.19 Señal de prueba antes y después del filtro IIR PB.
4.5.2 GRÁFICAS DE UN FILTRO IIR PA
Figura 4.20 Respuesta en frecuencia del filtro IIR PA.
85
Figura 4.21 Acercamiento a la banda de transición del filtro IIR PA.
Figura 4.22 Señal de prueba antes y después del filtro IIR PA.
86
4.5.3 GRÁFICAS DE UN FILTRO IIR PBANDA
Figura 4.23 Respuesta en frecuencia del filtro IIR PBanda.
Figura 4.24 Acercamiento a la banda de transición del filtro IIR PBanda.
87
Figura 4.25 Señal de prueba antes y después del filtro IIR PBanda.
4.5.4 GRÁFICAS DE UN FILTRO IIR RBANDA
Figura 4.26 Respuesta en frecuencia del filtro IIR RBanda.
88
Figura 4.27 Acercamiento a la banda de transición del filtro IIR RBanda.
Figura 4.28 Señal de prueba antes y después del filtro IIR RBanda.
89
4.6 PENDIENTE DE ATENUACIÓN DE LOS FILTROS FIR E IIR

CALCULDOS
En los filtros la pendiente de atenuación se consideran una vez que se diseña un filtro esta se puede
expresar en decibeles por década o en decibeles por octava, según sea el caso. Esto se considera
importante porque las señales que se utilizan en un filtro digital son señales discretas limitadas por la
frecuencia de muestro que es el doble del ancho de banda de la señal; en nuestro caso, la frecuencia de
muestro es de 44100 muestras por segundo.
Las figuras 4.29, 4.31, 4.33 y 4.35 son de un filtro FIR, en la gráfica (a) es cuando no se usa la función
ventana, y (b) es cuando esta se usa. Las figuras 4.30, 4.32, 4.34 y 4.36 son de un filtro IIR
Tabla 4.3 Comparativa de las pendientes de los filtros FIR E IIR.

Respuesta en Filtro FIR Filtro IIR
frecuencia Sin ventana Con ventana
PB -80 dB/dec -105 dB/dec -849.8 dB/dec
PA -47.5 dB/dec -67.7 dB/dec -1212.45 dB/dec
PBanda -27.6 dB/dec -26 dB/oct -41 dB/dec -43.5 dB/oct -770 dB/dec -253 dB/oct
RBanda -49.8 dB/dec -55.35 dB/oct -64.7 dB/dec -69.75 dB/oct -258 dB/dec -269dB /oct
En la tabla 4.3 cabe destacar que los filtros FIR sin la función ventana tienen menor pendiente de
atenuación que los filtros FIR con ventana, esto pone de manifiesto que la función ventana de los filtro
FIR acondiciona su respuesta en frecuencia, dando una mejor ganancia; y los filtros IIR tienen la mejor
pendiente de atenuación con respecto a los filtro FIR.
La pendientes de los filtros PBanda y RBanda se expresaron en dB/dec y dB/oct, puesto que si tiene
una frecuencia de 4000 Hz su década inferior es de 400Hz lo que es un valor correcto ya que no se
sobre pasan los límites y la superior es 40,000 Hz; con este último valor se sobrepasan los límites del
ancho de banda de la señal de audio utilizada para este análisis.
90
4.6.1 GRÁFICAS DE LAS PENDIENTES DE LOS FILTROS PB FIR E IIR
Figura 4.29 Pendiente de atenuación de un filtro FIR PB (a) sin ventana y (b) con ventana.
Figura 4.30 Pendiente de atenuación de un filtro IIR PB.
91
4.6.2 GRÁFICAS DE LAS PENDIENTES DE LOS FILTROS PA FIR E IIR
Figura 4.31 Pendiente de atenuación de un filtro FIR PA (a) sin ventana y (b) con ventana.
Figura 4.32 Pendiente de atenuación de un filtro IIR PA.
92
4.6.3 GRÁFICAS DE LAS PENDIENTES DE LOS FILTROS PBANDA FIR E IIR
Figura 4.33 Pendientes de atenuación de un filtro FIR PBanda (a) sin ventana y (b) con ventana.
93
4.6.4 GRÁFICAS DE LAS PENDIENTES DE LOS FILTROS RBANDA FIR E

IIR
Figura 4.35 Pendientes de atenuación de un filtro FIR RBanda (a) sin ventana y (b) con ventana.
Figura 4.36 Pendientes de atenuación de un filtro IIR RBanda.
94
Conclusiones
Los filtros que se utilizaron para la simulación de filtrado en MATLAB son filtros PB, PA, PBanda y
RBanda FIR e IIR y la señal de entrada a los filtro fue la misma señal de 8 BIT de definición, de un
solo canal y 44100hz de frecuencia de muestreo, y se implementaron desarrollos matemáticos de filtros
FIR con el “método de aproximación de Series de Fourier” y en los Filtros IIR con “la técnica de la
transformación bilineal” para todos los tipos de filtros, para comprobar que el número de coeficientes
en un filtro IIR es menor que en un filtro IIR.
En la implementación de un filtro IIR se toma como base el desarrollo de un filtro Butterworth PB

analógico normalizado, al cual se le hace el cambio frecuencia de analógico a analógico, a la respuesta
en frecuencia del filtro deseado, y una vez conseguido este paso se le aplica el cambio del plano S al
plano Z, a este paso se la llama la transformación bilineal, en la cual la banda de transición del filtro se
comprime y la banda de paso se expande porque no es una transformación lineal.
Los filtros FIR utilizan muestras de la señal presentes y pasadas, son estables por su construcción, a su
vez los filtros IIR utilizan muestras de la señal presentes, pasadas y una retroalimentación, ya que la
salida de este influye en los cálculos futuros, son sistemas inestables por su construcción.
Los filtros analógicos se construyen con elementos pasivos y activos, por otra parte, los filtros digitales
se construyen en software y hardware; bajo esta premisa, si se requiere hacer ajustes en la respuesta en
frecuencia del filtro, para el filtro analógico hay que volver a construir el circuito electrónico y para el
digital solo se cambian las líneas del código que controlan el comportamiento de la repuesta de
frecuencia sin hacer cambios en el circuito.
El uso de la función ventana Kaiser en los filtros FIR disminuye las oscilaciones provocadas por la
truncamiento abrupto de las secuencias e incrementa la pendiente de corte del filtro.
95
La pendiente de corte de los filtros IIR es mayor, en comparación con los FIR; para obtener resultados
similares con estos se debe de incrementar el número de coeficientes necesarios para su
implementación.
Los filtros FIR e IIR tienen comportamientos similares en la respuesta en frecuencia, puesto que el
mejor filtro es aquel que mejor se adapte a las condiciones de la aplicación a desarrollar.
El uso de los filtros digitales ayuda en el procesamiento de señales digitales, ya que en la actualidad la
mayoría de los dispositivos que se desarrollan
El conocimiento que dejan los filtros digitales, es que me ayudan a comprender como se comportan los
dispositivos digitales de audio en la fase del filtrado de la señal y también de los programas
computacionales de procesamiento y de reproducción de audio, ya que las aplicaciones que se tienen
hoy en día, tienden a reducir su tamaño sin sacrificar la calidad de las señales procesadas.
96
Apéndice A ”Código de los programas para el cálculo de los filtros”

A.1 PROGRAMA DEL FILTRO PB FIR
clear all
fp=str2double(input('escribe la frecuencia de paso: ','s')); %Frecuencias de paso y rechazo
fs=str2double(input('escribe la frecuencia de rechazo: ','s'));
A1P=str2double(input('escribe la atenuacion en la banda de paso: ','s'));
A1S=str2double(input('escribe la atenuacion en la banda de rechazo: ','s'));
F=str2double(input('escribe la frecuencia de muestreo: ','s'));
fc=0.5*(fp+fs);
Delta = fs-fp;
Ds=power(10,-0.05*A1S);
Dp=(power(10,0.05*A1P)-1)/(power(10,0.05*A1P)+1);
Dmin=min([Ds,Dp]);
As=-20*log10(Dmin);
if As <= 21
alfa = 0;
elseif ((21 < As)&(As <= 50))
alfa = (0.5842 * power( As - 21 , 0.4 ))+( 0.07886 *( As - 21 ));
else As > 50
alfa = ( 0.1102 *( As - 21 ));
end
if As <= 21
D = 0.9222;
else
D = ( As - 7.95 )/ 14.36;
end
N=floor((F*D)/(Delta)+1);
if mod(N,2)==0
N=N+1;
end
hd(1)=(2*fc)/F;
for n= 1:(N-1)/2
hd(n+1)=((2*fc)/F)*((sin((2*pi*n*fc)/F))/((2*pi*n*fc)/F));
end
m=floor(N/2)+mod(N,2);
for k = 1:m
hd1(m+k-1)=hd(k);
hd1(m-k+1)=hd(k);
end
hd1=(round(hd1*1000000000))/1000000000;
figure(1);
subplot(3,1,1);
stem(hd1);
xlabel('Coeficientes del filtro');
for con1 =0:(N-1)/2
IoBeta(con1+1)=0;
end
for con =0:(N-1)/2
Beta= alfa*sqrt(1-((2*con)/(N-1))^2);
for con1 =1:24
IoBeta(con+1)=IoBeta(con+1)+((1/factorial(con1))*power(Beta/2,con1))^2;
end
IoBeta(con+1)=IoBeta(con+1)+1;
end
IoBeta=(round(IoBeta*1000000000))/1000000000;
IoAlfa=0;
for con1 =1:24
IoAlfa=IoAlfa+((1/factorial(con1))*power(alfa/2,con1))^2;
end
IoAlfa=IoAlfa+1;
IoAlfa=(round(IoAlfa*1000000000))/1000000000;
for con =0:(N-1)/2
97
ak(con+1)=IoBeta(con+1)/IoAlfa;
end
for k = 1:m
ak1(m+k-1)=ak(k);
ak1(m-k+1)=ak(k);
end
ak1=(round(ak1*1000000000))/1000000000;
subplot(3,1,2);
stem(ak1);
xlabel('Coeficientes de la ventana');
for con =0:(N-1)/2
h(con+1)=ak(con+1)*hd(con+1);
end
for k = 1:m
h1(m+k-1)=h(k);
h1(m-k+1)=h(k);
end
h1=(round(h1*1000000000))/1000000000;
subplot(3,1,3);
stem(h1);
xlabel('Coeficientes del fitro por la ventana');
w=0:0.00001:0.49999;
M(1:50000)=0;
M1(1:50000)=0;
for hb =1:50000
sum=0;
for n = 1:(N-1)/2
sum=sum + 2*(h(n+1)*cos(2*pi*w(hb)*n));
end
M(hb)=h(1)+sum;
end
for hb =1:50000
sum=0;
for n = 1:(N-1)/2
sum=sum + 2*(hd(n+1)*cos(2*pi*w(hb)*n));
end
M1(hb)=h(1)+sum;
end
M1=(round(M1*1000000000))/1000000000;
M=(round(M*1000000000))/1000000000;
figure(2);
v=(0:49999)/50000*(F/2);
subplot(2,1,2)
plot(v,-abs(20*log10(M)));
xlabel('Frecuencia (Hz)'); ylabel('con ventana ');
subplot(2,1,1)
plot(v,-abs(20*log10(M1)));
xlabel('Frecuencia (Hz)'); ylabel('sin ventana');
senal=wavread('sonido.wav');
senal=senal';
t = (1:2*F)/F;
s1 = sin(2*pi*t*(fc+Delta)); s2=sin(2*pi*t*(fc-Delta)); s3=sin(2*pi*t*(fc));
senal=s1+s2+s3;
figure(3);
senalf=conv(senal,h1);
wavwrite(senalf,44100,8,'fir1audio1.wav')
S = fft(senal,4096);
SF = fft(senalf,4096);
w = (0:2047)/2048*(F/2);
subplot(2,1,1)
plot(w,abs([S(1:2048)]));
xlabel('Frecuencia (Hz)'); ylabel('antes');
grid;
subplot(2,1,2)
plot(w,abs([SF(1:2048)]));
xlabel('Frecuencia (Hz)'); ylabel('despues');
grid;
98
A.2 PROGRAMA DEL FILTRO PA FIR

clear all
fs=str2double(input('escribe la frecuencia de rechazo: ','s')); %Frecuencias de paso y rechazo
fp=str2double(input('escribe la frecuencia de paso: ','s'));
fc=0.5*(fp+fs);
Delta = fp-fs;
Ds=power(10,-0.05*A1S);
Dmin=min([Ds,Dp]);
As=-20*log10(Dmin);
if As <= 21
alfa = 0;
elseif ((21 < As)&(As <= 50))
alfa = (0.5842 * power( As - 21 , 0.4 ))+( 0.07886 *( As - 21 ));
else As > 50
alfa = ( 0.1102 *( As - 21 ));
end
if As <= 21
D = 0.9222;
else
D = ( As - 7.95 )/ 14.36;
end
if mod(N,2)==0
N=N+1;
end
hd(1)=1-((2*fc)/F);
for n= 1:(N-1)/2
hd(n+1)=-(((2*fc)/F)*((sin((2*pi*n*fc)/F))/((2*pi*n*fc)/F)));
end
for k = 1:m
hd1(m+k-1)=hd(k);
hd1(m-k+1)=hd(k);
end
hd1=(round(hd1*1000000000))/1000000000;
figure(1);
subplot(3,1,1);
stem(hd1);
xlabel('Coeficientes del filtro')
for con1 =0:(N-1)/2
IoBeta(con1+1)=0;
end
for con =0:(N-1)/2
for con1 =1:24
end
end
IoAlfa=0;
for con1 =1:24
end
IoAlfa=IoAlfa+1;
for con =0:(N-1)/2
end
for k = 1:m
ak1(m+k-1)=ak(k);
ak1(m-k+1)=ak(k);
end
ak1=(round(ak1*1000000000))/1000000000;
subplot(3,1,2);
99
stem(ak1);
for con =0:(N-1)/2
end
for k = 1:m
h1(m+k-1)=h(k);
h1(m-k+1)=h(k);
end
h1=(round(h1*1000000000))/1000000000;
subplot(3,1,3);
stem(h1);
xlabel('Coeficientes del filtro por la ventana');
w=0:0.00001:0.49999;
M(1:50000)=0;
M1(1:50000)=0;
for hb =1:50000
sum=0;
for n = 1:(N-1)/2
end
M(hb)=h(1)+sum;
end
for hb =1:50000
sum=0;
for n = 1:(N-1)/2
end
M1(hb)=h(1)+sum;
end
M1=(round(M1*1000000000))/1000000000;
M=(round(M*1000000000))/1000000000;
figure(2);
v=(0:49999)/50000*(F/2);
subplot(2,1,2)
subplot(2,1,1)
xlabel('Frecuencia (Hz)'); ylabel('sin ventana ');
senal=senal';
t = (1:2*F)/F;
senal=s1+s2+s3;
figure(3);
w = (0:2047)/2048*(F/2);
subplot(2,1,1)
plot(w,abs([S(1:2048)]));
grid;
subplot(2,1,2)
plot(w,abs([SF(1:2048)]));
grid;
100
A.3 PROGRAMA DEL FILTRO PBANDA FIR

clear all
fs1=str2double(input('escribe la frecuencia de rechazo 1: ','s')); %Frecuencias de paso y rechazo
fp1=str2double(input('escribe la frecuencia de paso 1: ','s'));
Delta1=fp1-fs1;
Delta2=fs2-fp2;
Delta = min([Delta1,Delta2]);
fc1=fp1-(Delta/2);
fc2=fp2+(Delta/2);
Ds=power(10,-0.05*A1S);
Dmin=min([Ds,Dp]);
As=-20*log10(Dmin);
if As <= 21
alfa = 0;
elseif ((21 < As)&(As <= 50))
alfa = (0.5842 * power( As - 21 , 0.4 ))+( 0.07886 *( As - 21 ));
else As > 50
alfa = ( 0.1102 *( As - 21 ));
end
if As <= 21
D = 0.9222;
else
D = ( As - 7.95 )/ 14.36;
end
if mod(N,2)==0
N=N+1;
end
hd(1)=(2/F)*(fc2-fc1);
for n= 1:(N-1)/2
hd(n+1)=(1/(n*pi))*(sin((2*pi*n*fc2)/F)-sin((2*pi*n*fc1)/F));
end
for k = 1:m
hd1(m+k-1)=hd(k);
hd1(m-k+1)=hd(k);
end
hd1=(round(hd1*1000000000))/1000000000;
figure(1);
subplot(3,1,1);
stem(hd1);
xlabel('Coeficientes del filtro')
for con1 =0:(N-1)/2
IoBeta(con1+1)=0;
end
for con =0:(N-1)/2
for con1 =1:24
end
end
IoAlfa=0;
for con1 =1:24
end
IoAlfa=IoAlfa+1;
for con =0:(N-1)/2
end
for k = 1:m
101
ak1(m+k-1)=ak(k);
ak1(m-k+1)=ak(k);
end
ak1=(round(ak1*1000000000))/1000000000;
subplot(3,1,2);
stem(ak1);
xlabel('Coeficientes de la ventana')
for con =0:(N-1)/2
end
for k = 1:m
h1(m+k-1)=h(k);
h1(m-k+1)=h(k);
end
h1=(round(h1*1000000000))/1000000000;
subplot(3,1,3);
stem(h1);
xlabel('Coeficientes del filtro por la ventana')
w=0:0.00001:0.49999;
M(1:50000)=0;
M1(1:50000)=0;
for hb =1:50000
sum=0;
for n = 1:(N-1)/2
end
M(hb)=h(1)+sum;
end
for hb =1:50000
sum=0;
for n = 1:(N-1)/2
end
M1(hb)=h(1)+sum;
end
M1=(round(M1*1000000000))/1000000000;
M=(round(M*1000000000))/1000000000;
figure(2);
v=(0:49999)/50000*(F/2);
subplot(2,1,2)
subplot(2,1,1)
senal=senal';
t = (1:2*F)/F;
s1=sin(2*pi*t*(fc1-Delta1));s2=sin(2*pi*t*(fc1)); s3=sin(2*pi*t*(fc1+Delta1));
s4=sin(2*pi*t*(fc2+Delta2)); s5=sin(2*pi*t*(fc2-Delta2)); s6=sin(2*pi*t*(fc2));
senal=s1+s2+s3+s4+s5+s6;
figure(3);
w = (0:2047)/2048*(F/2);
subplot(2,1,1)
plot(w,abs([S(1:2048)]));
grid;
subplot(2,1,2)
plot(w,abs([SF(1:2048)]));
grid;
102
A.4 PROGRAMA DEL FILTRO RBANDA FIR

clear all
Delta1=fs1-fp1;
Delta2=fp2-fs2;
Delta = min([Delta1,Delta2]);
fc1=fp1+(Delta/2);
fc2=fp2-(Delta/2);
Ds=power(10,-0.05*A1S);
Dmin=min([Ds,Dp]);
As=-20*log10(Dmin);
if As <= 21
alfa = 0;
elseif ((21 < As)&(As <= 50))
alfa = (0.5842 * power( As - 21 , 0.4 ))+( 0.07886 *( As - 21 ));
else As > 50
alfa = ( 0.1102 *( As - 21 ));
end
if As <= 21
D = 0.9222;
else
D = ( As - 7.95 )/ 14.36;
end
if mod(N,2)==0
N=N+1;
end
hd(1)=((2/F)*(fc1-fc2))+1;
for n= 1:(N-1)/2
hd(n+1)=(1/(n*pi))*(sin((2*pi*n*fc1)/F)-sin((2*pi*n*fc2)/F));
end
for k = 1:m
hd1(m+k-1)=hd(k);
hd1(m-k+1)=hd(k);
end
hd1=(round(hd1*1000000000))/1000000000;
figure(1);
subplot(3,1,1);
stem(hd1);
xlabel('Coeficientes del filtro');
for con1 =0:(N-1)/2
IoBeta(con1+1)=0;
end
for con =0:(N-1)/2
for con1 =1:24
end
end
IoAlfa=0;
for con1 =1:24
end
IoAlfa=IoAlfa+1;
for con =0:(N-1)/2
end
for k = 1:m
103
ak1(m+k-1)=ak(k);
ak1(m-k+1)=ak(k);
end
ak1=(round(ak1*1000000000))/1000000000;
subplot(3,1,2);
stem(ak1);
for con =0:(N-1)/2
end
for k = 1:m
h1(m+k-1)=h(k);
h1(m-k+1)=h(k);
end
h1=(round(h1*1000000000))/1000000000;
subplot(3,1,3);
stem(h1);
xlabel('Coeficientes del filtro por la ventana');
w=0:0.00001:0.49999;
for hb =1:50000
sum=0;
for n = 1:(N-1)/2
end
M(hb)=h(1)+sum;
end
for hb =1:50000
sum=0;
for n = 1:(N-1)/2
end
M1(hb)=h(1)+sum;
end
M1=(round(M1*1000000000))/1000000000;
M=(round(M*1000000000))/1000000000;
figure(2);
v=(0:49999)/50000*(F/2);
subplot(2,1,2)
subplot(2,1,1)
senal=senal';
t = (1:2*F)/F;
s1=sin(2*pi*t*(fc1+Delta1)); s2=sin(2*pi*t*(fc1-Delta1));
3=sin(2*pi*t*(fc1));s4=sin(2*pi*t*(fc2+Delta2)); s5=sin(2*pi*t*(fc2-Delta2)); s6=sin(2*pi*t*(fc2));
figure(3);
w = (0:2047)/2048*(F/2);
subplot(2,1,1)
plot(w,abs([S(1:2048)]));
grid;
subplot(2,1,2)
plot(w,abs([SF(1:2048)]));
grid;
104
A.5 PROGRAMA DEL FILTRO PB IIR

clear all
AP=str2double(input('escribe la atenuacion en la banda de paso: ','s'));
AS=str2double(input('escribe la atenuacion en la banda de rechazo: ','s'));
E=power((power(10,0.1*AP)-1),0.5);
Lamda=power((power(10,0.1*AS)-1),0.5);
A=Lamda/E;
Ko=tan((fp*pi)/F)/tan((fs*pi)/F);
N=(log10(A))/(log10(1/Ko));
%N=10;
if mod(floor(N),2)~=0
N=floor(N)+1;
else
N=floor(N);
end
k=N/2;
for contk = 1:k
s(contk)=complex(-sin((((2*contk)-1)/(2*N))*pi),cos((((2*contk)-1)/(2*N))*pi));
end
alfa=power(power(10,0.1*AP)-1,-(1/(2*N)))*tan((pi*fp)/F);
for contk = 1:k
Dp(contk)=1+(2*abs(real(s(contk)))*alfa)+((power(alfa,2))*((power(real(s(contk)),2))+(power(imag(s(cont
k)),2))));
end
for contk=1:k
Zp(contk)=complex((1-
((power(alfa,2))*((power(real(s(contk)),2))+(power(imag(s(contk)),2)))))/Dp(contk),(2*imag(s(contk))*al
fa)/Dp(contk));
end
for contk = 1:k
Ak(1,contk) = 2;
Ak(2,contk) = 1;
Bk(1,contk) = -2*real(Zp(contk));
Bk(2,contk) = power(real(Zp(contk)),2)+power(imag(Zp(contk)),2);
end
inc=F/50000;
for contk=1:k
n=1;
for f=0:inc:F
G(contk,n)=abs((exp(2*pi*f*(1/F)*i) + (Ak(2,contk)*exp(-2*pi*f*(1/F)*i)) + Ak(1,contk)) ./
(exp(2*pi*f*(1/F)*i) + (Bk(2,contk)*exp(-2*pi*f*(1/F)*i)) + Bk(1,contk) ));
n=n+1;
end
end
producto=1;
for f=0:inc:F/2
for contk=1:k
producto=producto*G(contk,n)*ck(contk);
end
resp_frec(n)=producto(1);
producto=1;
n=n+1;
end
f=0:inc:F/2;
figure(1);
plot(f,20*log10(resp_frec));
xlabel('Frecuencia (Hz)'); ylabel('dB');
grid;
t = (1:2*F)/F;
fc=0.5*(fp+fs);
Delta = fs-fp;
senal=s1+s2+s3;
senald=senal;
105
senal=senal';
senald=senal;
for contk=1:k
senalf(1,1:length(senald))=0;
yT2=0;yT1=0;yT=0;xT2=0;xT1=0;xT=0;
for cs=1:length(senald)
xT=senald(cs);
yT=(ck(contk)*(xT + (Ak(1,contk)*xT1) +(Ak(2,contk)*xT2)))-(Bk(1,contk)*yT1)-(Bk(2,contk)*yT2);
yT2=yT1;
yT1=yT;
xT2=xT1;
xT1=xT;
senalf(cs)=yT;
end
senald=senalf;
end
wavwrite(senalf,44100,8,'irr1audio1.wav')
SF = fft(senald,4096);
w = (0:2047)/2048*(F/2);
figure(2);
subplot(2,1,1)
plot(w,abs([S(1:2048)]));
grid;
subplot(2,1,2)
plot(w,abs([SF(1:2048)]));
grid;
106
A.6 PROGRAMA DEL FILTRO PA IIR

clear all
E=power((power(10,0.1*AP)-1),0.5);
A=Lamda/E;
Ko=tan((fp*pi)/F)/tan((fs*pi)/F);
N=(log10(A))/(log10(Ko));
%N =10;
N=floor(N)+1;
else
N=floor(N);
end
k=N/2;
for contk = 1:k
s(contk)=complex(-sin((((2*contk)-1)/(2*N))*pi),cos((((2*contk)-1)/(2*N))*pi));
end
alfa=power(power(10,0.1*AP)-1,(1/(2*N)))*tan((pi*fp)/F);
for contk = 1:k
Dp(contk)=(power(alfa,2))+(2*abs(real(s(contk)))*alfa)+(power(real(s(contk)),2))+(power(imag(s(contk)),
2));
end
for contk=1:k
Zp(contk)=complex(-(power(alfa,2)-
(power(real(s(contk)),2)+power(imag(s(contk)),2)))/Dp(contk),(2*imag(s(contk))*alfa)/Dp(contk));
end
for contk = 1:k
Ak(1,contk)=-2;
Ak(2,contk)=1;
Bk(1,contk)=-2*real(Zp(contk));
Bk(2,contk)=power(real(Zp(contk)),2)+power(imag(Zp(contk)),2);
end
inc=F/50000;
for contk=1:k
n=1;
for f=0:inc:F
G(contk,n)=abs((exp(2*pi*f*(1/F)*i) + (Ak(2,contk)*exp(-2*pi*f*(1/F)*i)) + Ak(1,contk)) ./
(exp(2*pi*f*(1/F)*i) + (Bk(2,contk)*exp(-2*pi*f*(1/F)*i)) + Bk(1,contk) ));
n=n+1;
end
end
producto=1;
for f=0:inc:F/2
for contk=1:k
end
producto=1;
n=n+1;
end
figure(1)
f=0:inc:F/2;
grid;
t = (1:2*F)/F;
fc=0.5*(fp+fs);
Delta = fp-fs;
senal=s1+s2+s3;
senald=senal;
107
senal=senal';
senald=senal;
for contk=1:k
yT2=0;yT1=0;yT=0;xT2=0;xT1=0;xT=0;
xT=senald(cs);
yT2=yT1;
yT1=yT;
xT2=xT1;
xT1=xT;
senalf(cs)=yT;
end
senald=senalf;
end
w = (0:1023)/1024*(F/2);
figure(2);
subplot(2,1,1)
plot(w,abs([S(1:1024)]));
grid;
subplot(2,1,2)
plot(w,abs([SF(1:1024)]));
grid;
108
A.7 PROGRAMA DEL FILTRO PBANDA IIR

clear all
PI=pi
E=power((power(10,0.1*AP)-1),0.5);
A=Lamda/E;
KA=tan((PI*fp2)/F)-tan((PI*fp1)/F);
KB=tan((PI*fp1)/F)*tan((PI*fp2)/F);
KC=tan((PI*fs1)/F)*tan((PI*fs2)/F);
K1=(KA*tan((PI*fs1)/F))/(KB-power(tan((PI*fs1)/F),2));
K2=(KA*tan((PI*fs2)/F))/(power(tan((PI*fs2)/F),2)-KB);
if KC >= KB
K = K1;
end
if KC < KB
K = K2;
end
N=(log10(A))/(log10(1/K));
N=floor(N)+1;
else
N=floor(N);
end
wu=tan((PI*fp2)/F);
wl=tan((PI*fp1)/F);
DELTAw=wu-wl;
wo=wu*wl;
Beta=power((power(10,0.1*AP))-1,-1/(2*N));
k=N/2;
for contk = 1:k
sl(contk)=complex(-sin((((2*contk)-1)/(2*N))*PI),cos((((2*contk)-1)/(2*N))*PI));
end
for contk = 1:k
c1(contk)=power(imag(sl(contk)),2)+((4*wo)/power(DELTAw*Beta,2))-power(real(sl(contk)),2);
c2(contk)=power(power(c1(contk),2)+power(2*real(sl(contk))*imag(sl(contk)),2),0.5);
c3(contk)=power((c2(contk)-c1(contk))/2,0.5);
c4(contk)=power((c2(contk)+c1(contk))/2,0.5);
end
for contk = 1:k
sbp1(contk)=((Beta*DELTAw)/2)*(complex(-abs(real(sl(contk)))-c3(contk),imag(sl(contk))+c4(contk)));
sbp2(contk)=((Beta*DELTAw)/2)*(complex(-abs(real(sl(contk)))+c3(contk),imag(sl(contk))-c4(contk)));
end
for contk = 1:k
Dbp(contk)=1+(2*abs(real(sbp1(contk))))+power(real(sbp1(contk)),2)+power(imag(sbp1(contk)),2);
Dbp(contk+k)=1+(2*abs(real(sbp2(contk))))+power(real(sbp2(contk)),2)+power(imag(sbp2(contk)),2);
end
for contk = 1:k
Zbk(contk)=complex((1-
(power(real(sbp1(contk)),2)+power(imag(sbp1(contk)),2)))/Dbp(contk),(2*imag(sbp1(contk)))/Dbp(contk));
Zbk(contk+k)=complex((1-
(power(real(sbp2(contk)),2)+power(imag(sbp2(contk)),2)))/Dbp(contk+k),(2*imag(sbp2(contk)))/Dbp(contk+k
));
end
for contk = 1:k
Ak(1,contk)=2;
Ak(1,contk+k)=-2;
end
for contk=1:2*k
% Ak(1,contk)=0;
Ak(2,contk)=1;
Bk(1,contk)=-2*real(Zbk(contk));
Bk(2,contk)=power(real(Zbk(contk)),2)+power(imag(Zbk(contk)),2);
109
end
inc=F/50000;
for contk=1:2*k
n=1;
for f=0:inc:F
G(contk,n)=abs( (exp(2*PI*f*(1/F)*i) + (Ak(2,contk)*exp(-2*PI*f*(1/F)*i)) + Ak(1,contk)) ./
(exp(2*PI*f*(1/F)*i) + (Bk(2,contk)*exp(-2*PI*f*(1/F)*i)) + Bk(1,contk) ));
n=n+1;
end
end
producto=1;
for f=0:inc:F/2
for contk=1:2*k
end
producto=1;
n=n+1;
end
figure(1)
f=0:inc:F/2;
grid;
t = (1:2*F)/F;
fc1=0.5*(fp1+fs1);
fc2=0.5*(fp2+fs2);
Delta1 = fp1-fs1;
Delta2 = fs2-fp2;
s1 = sin(2*PI*t*(fc1+Delta1)); s2=sin(2*PI*t*(fc1-Delta1)); s3=sin(2*PI*t*(fc1));
senald=senal;
senal=senal';
senald=senal;
for contk=1:k
yT2=0;yT1=0;yT=0;xT2=0;xT1=0;xT=0;
xT=senald(cs);
yT2=yT1;
yT1=yT;
xT2=xT1;
xT1=xT;
senalf(cs)=yT;
end
senald=senalf;
end
w = (0:1023)/1024*(F/2);
figure(2);
subplot(2,1,1)
plot(w,abs([S(1:1024)]));
grid;
subplot(2,1,2)
plot(w,abs([SF(1:1024)]));
grid;
110
A.8 PROGRAMA DEL FILTRO RBANDA IIR

clear all
PI=pi
E=power((power(10,0.1*AP)-1),0.5);
A=Lamda/E;
KA=tan((PI*fp2)/F)-tan((PI*fp1)/F);
KB=tan((PI*fp1)/F)*tan((PI*fp2)/F);
KC=tan((PI*fs1)/F)*tan((PI*fs2)/F);
K1=(KA*tan((PI*fs1)/F))/(KB-power(tan((PI*fs1)/F),2));
K2=(KA*tan((PI*fs2)/F))/(power(tan((PI*fs2)/F),2)-KB);
if KC >= KB
K = K2;
end
if KC < KB
K = K1;
end
N=(log10(A))/(log10(K));
N=floor(N)+1;
else
N=floor(N);
end
wu=tan((PI*fp2)/F);
wl=tan((PI*fp1)/F);
DELTAw=wu-wl;
wo=wu*wl;
Beta=power((power(10,0.1*AP))-1,1/(2*N));
k=N/2;
for contk = 1:k
sl(contk)=complex(-sin((((2*contk)-1)/(2*N))*PI),cos((((2*contk)-1)/(2*N))*PI));
sll(contk)=complex((-
abs(real(sl(contk)))/(power(real(sl(contk)),2)+power(imag(sl(contk)),2))),imag(sl(contk))/(power(real(s
l(contk)),2)+power(imag(sl(contk)),2)));
end
for contk = 1:k
c1(contk)=power(imag(sll(contk)),2)+((4*wo)/power(DELTAw*Beta,2))-power(real(sll(contk)),2);
c2(contk)=power(power(c1(contk),2)+power(2*real(sll(contk))*imag(sll(contk)),2),0.5);
c3(contk)=power((c2(contk)-c1(contk))/2,0.5);
c4(contk)=power((c2(contk)+c1(contk))/2,0.5);
end
for contk = 1:k
sbz1(contk)=complex(0,power(wo,0.5));
% sbz2(contk+k)=complex(0,power(wo,0.5));
sbp1(contk)=((Beta*DELTAw)/2)*(complex(-abs(real(sl(contk)))-c3(contk),imag(sl(contk))+c4(contk)));
sbp2(contk)=((Beta*DELTAw)/2)*(complex(-abs(real(sl(contk)))+c3(contk),imag(sl(contk))-c4(contk)));
end
for contk = 1:k
Dbp(contk)=1+(2*abs(real(sbp1(contk))))+power(real(sbp1(contk)),2)+power(imag(sbp1(contk)),2);
Dbp(contk+k)=1+(2*abs(real(sbp2(contk))))+power(real(sbp2(contk)),2)+power(imag(sbp2(contk)),2);
end
for contk = 1:k
Zbz(contk)=complex((1-wo)/(1+wo),(2*power(wo,0.5))/(1+wo));
Zbz(contk+k)=complex((1-wo)/(1+wo),(2*power(wo,0.5))/(1+wo));
Zbk(contk)=complex((1-
(power(real(sbp1(contk)),2)+power(imag(sbp1(contk)),2)))/Dbp(contk),(2*imag(sbp1(contk)))/Dbp(contk));
Zbk(contk+k)=complex((1-
(power(real(sbp2(contk)),2)+power(imag(sbp2(contk)),2)))/Dbp(contk+k),(2*imag(sbp2(contk)))/Dbp(contk+k
));
% Zbk(contk)=(1-abs(sbp1(contk)))/(1+abs(sbp1(contk)));
% Zbk(contk+k)=(1-abs(sbp2(contk)))/(1+abs(sbp2(contk)));
end
111
for contk=1:2*k
Ak(1,contk)=-2*real(Zbz(contk));
Ak(2,contk)=power(real(Zbz(contk)),2)+power(imag(Zbz(contk)),2);
Bk(1,contk)=-2*real(Zbk(contk));
Bk(2,contk)=power(real(Zbk(contk)),2)+power(imag(Zbk(contk)),2);
end
inc=F/50000;
for contk=1:2*k
n=1;
for f=0:inc:F
G(contk,n)=abs( (exp(2*PI*f*(1/F)*i) + (Ak(2,contk)*exp(-2*PI*f*(1/F)*i)) + Ak(1,contk)) ./
(exp(2*PI*f*(1/F)*i) + (Bk(2,contk)*exp(-2*PI*f*(1/F)*i)) + Bk(1,contk) ));
n=n+1;
end
end
producto=1;
for f=0:inc:F/2
for contk=1:2*k
end
producto=1;
n=n+1;
end
f=0:inc:F/2;
figure(1);
grid;
t = (1:2*F)/F;
fc1=0.5*(fp1+fs1);
fc2=0.5*(fp2+fs2);
Delta1 = fp1-fs1;
Delta2 = fs2-fp2;
senald=senal;
senal=senal';
senald=senal;
for contk=1:k
yT2=0;yT1=0;yT=0;xT2=0;xT1=0;xT=0;
xT=senald(cs);
yT=(ck(contk)*(xT + (Ak(1,contk)*xT1) +(Ak(2,contk)*xT2)))-(Bk(1,contk)*yT1)-Bk(2,contk)*yT2);
yT2=yT1;
yT1=yT;
xT2=xT1;
xT1=xT;
senalf(cs)=yT;
end
senald=senalf;
end
w = (0:1023)/1024*(F/2);
figure(2);
subplot(2,1,1)
plot(w,abs([S(1:1024)]));
grid;
subplot(2,1,2)
plot(w,abs([SF(1:1024)]));
grid;
112
Bibliografía
LIBROS:
Autor Personal: DeFatta, David J.

Título: Digital signal processing: a system design approach / David J. DeFatta, Joseph G. Lucas,
William S. Hodgkiss.
Pie de Imprenta: New York : Wiley, c1988.
Autor Secundario: Lucas, Joseph G.
Autor Secundario: Hodgkiss, William S.
ISBN: 0471837881
ISBN: 0471637653
Autor Personal: Bellanger,Maurice.

Título: Digital processing of signals: theory and practice / Maurice Bellanger ;Foreword by Pierre
Aigrain ;translated by Joan McMullan.
Pie de Imprenta: Chichester [West Sussex] ; New York : Wiley, 1984
ISBN: 0471903183
Autor Personal: Ingle, Vinay K.

Título: Digital signal processing using MATLAB V.4 / Vinay K. Ingle, John G. Proakis.
Pie de Imprenta: Boston : PWS Pub. Co., c1997.
Título Serie: (The PWS BookWare companion series)
Autor Secundario: Proakis, John G.
ISBN: 0534938051
Autor Personal: Ambardar, Ashok.

Título: Procesamiento de señales analógicas y digitales / Ashok Ambardar ; tr. Edmundo Urbina
y Gabriel Nagore
113
Edición: 2a. ed.

Pie de Imprenta: México : Thomson , 2002.
Descripción física: xv, 811 p.
Nota general: Traducido de: Analog and digital signal processing.
Autor Secundario: Urbina, Edmundo.
Autor Secundario: Nagore, Gabriel.
ISBN: 970686038x
Autor Personal: Hayes, M. H. (Monson H.), 1949-

Título: Statistical digital signal processing and modeling / Monson H. Hayes.
Pie de Imprenta: New York : John Wiley & Sons, c1996.
ISBN: 0471594318 (hc : alk. paper)
INTERNET:
http://amesp02.tamu.edu/~sanchez/
http://docencia.udea.edu.co/SistemasDiscretos/contenido/capitulo_11.html
114

Ejemplos Fir e Ir Grnades

Cargado por

Copyright:

Formatos disponibles

Ejemplos Fir e Ir Grnades

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Ejemplos Fir e Ir Grnades

Cargado por

Copyright:

Formatos disponibles

Instituto Politécnico Nacional E.S.I.M.E.

 A Mis compañeros de carrera LUIS PEÑA, MABEL BERENICE, GERARDO SAMUEL,

 Mi casa de estudios el INSTÍTUTO POLITÉCNICO NACIONAL y sus centros de estudio: por

Federico Jesús Gil Jiménez.

Un filtro es parte de esencial de la vida cotidiana, por ejemplo:

Índice de figuras y tablas

Figura 4.5 Coeficientes de un filtro FIR PA.

Figura 4.36 Pendientes de atenuación de un filtro IIR PBanda.

Tabla 1.1 Diferencias y semejanzas de los filtros analógicos y digitales.

1.1 Definición de los filtros ................................................................................................................. 1

1.8 Transformada Z inversa .............................................................................................................. 10

2.1 Filtro Digital FIR ......................................................................................................................... 12

3.1 Diseño de filtro digital................................................................................................................. 33

3.5.1.1 Coeficientes del númerador PB de la función de transferencia ................................ 49

4.5.2 Gráficas de un filtro IIR PA ............................................................................................... 85

A.1 Programa del filtro PB FIR ........................................................................................................ 97

”Consideraciones teóricas de los filtros digitales en

1.1.1 TIPOS DE FILTROS Y CARACTERÍSTICAS

En función de su respuesta en frecuencia los filtros se dividen en:

1.2 DEFINICIÓN DE UN FILTRO DIGITAL

1.3 DIFERENCIAS Y SEMEJANZAS ENTRE FILTROS DIGITALES Y

De las características de los filtros estos se clasifican por:

 El tipo de señales que estos manejan: señales continuas o discretas en el tiempo.

 Si están construidos en hardware o software.

Tabla 1.1 Diferencias y semejanzas de los filtros analógicos y digitales.

1.4 COMPONENTES DE LOS FILTROS DIGITALES

 Unidad de retardo: este elemento nos permite retardar la señal en nT segundos.

 Unidad de ganancia: es un operador que multiplica a la información de entrada por un factor

1.5 INTRODUCCIÓN A LA TRANSFORMADA Z

1.7 PROPIEDADES DE LA TRANSFORMADA Z

1.7.1 REGIÓN DE CONVERGENCIA (RCO)

tres constantes positivas R1 , R2 y M . Para secuencias causales se debe satisfacer la condición

| x(nT ) | MR1n para n  0 , y para secuencias no causales debemos satisfacer la condición

circulo de radio R2 . Sustituyendo estos límites en la ecuación 1.3, obtenemos

Las potencias de Z son negativas y x(nT ) no es cero solamente en la región 0  N1  n   , donde

(a) (b) (c)

Figura 1.2 Región de convergencia.

Tabla 1.2 Región de convergencia de la transformada Z.

De doble lado X 1 ( z)  X 2 ( z) R1  z  R2 (para R1  R2 )

Las transformadas Z de x(n) y y(n) son expresadas por X (z ) y Y (z ) entonces

Z ax(n)  by(n)  aX ( z)  bY ( z) (1.6)

1.7.3 PROPIEDAD DE RETARDO

El teorema de retardo para secuencias causales puede ser expresado como:

 z  i X ( z )  x(iT )  (iT  T ) z 1 (1.7)

Donde i es un entero arbitrario de retardo

A partir de la definición de la transformada de secuencias causales de un lado, la transformada Z de una

Esta propiedad es utilizada extensivamente para transformar la diferencia de ecuaciones en el dominio

1.7.4 PROPIEDAD DE LA CONVOLUCIÓN

Z X (n) * Y (n)  Y ( z)  X ( z) H ( z) (1.11)

Donde H (z ) es la transformada de h(n) .

1.7.5 TEOREMA DEL VALOR INICIAL

Dada una secuencia causal X (n) se tiene que

Desarrollando la sumatoria, se tiene que

X ( z )  X (0)  X (1) z 1    X (n) z  n (1.13)

1.7.6 TEOREMA DEL VALOR FINAL

1.8 TRANSFORMADA Z INVERSA

La operatividad de la transformada Z inversa es representada por un diagrama de bloques en la figura

1. Integral de inversión compleja

Capítulo 2 ”Filtros digitales”

2.1.1 ALGUNAS VENTAJAS Y DESVENTAJAS DE LOS FILTROS FIR