Informe Final N°3

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE INGENIERIA ELECTRÓNICA

LABORATORIO DE COMUNICACIÓN ANALÓGICA

(Universidad del Perú, DECANA DE AMÉRICA)
LABORATORIO COMUNICACIÓN ANALÓGICA

“DISEÑO DE FILTROS Y ECUALIZADOR DIGITAL”
Turno: Miercoles 9-12 am
Profesor: Sixto Llosa

APELLIDOS Y NOMBRES: CÓDIGO:
Mendoza Morales, Walter 16190096
2019
PRACTICA Nº3
I. OBJETIVO.
 Diseñar filtros de respuesta en frecuencia de audio, y determinar las
características en el dominio del tiempo y de la frecuencia. Asimismo diseñar
ecualizadores digitales de audio y frecuencia, usando MATLAB.
II. EQUIPOS Y MATERIALES.

 MATLAB
 PC Pentium II-actual.
III. PROCEDIMIENTO.
1. Diseñe un ecualizador digital usando el comando ELLIP y grafique las ondas en el
dominio del tiempo y su respectiva transformada de Fourier. dibuje el esquema de
bloques correspondiente del ecualizador resultante.
Fs=8000;
t=(1:8000)/Fs;
f1=sin(2*pi*t*500); f2=sin(2*pi*t*1500); f3=sin(2*pi*t*3000);
f4=sin(2*pi*t*4000);
s=f1+f2+f3+f4;
figure(1)
plot(t,s)
axis([0 0.01 -4 4]);
[b,a]=ellip(4,0.1,40,[100 1000]*2/Fs);
[H,w]=freqz(b,a,512);
figure(2)
plot(w*Fs/(2*pi),abs(H));
sf1=filter(b,a,s);
figure(3)
plot(t,sf1);
xlabel('tiempo(seg)');ylabel('FORMA DE ONDA VS. TIEMPO')
axis([0 0.01 -4 4]);
S1=fft(s,513);
SF1=fft(sf1,513);
w=(0:255)/256*(Fs/2);
figure(4)
plot(w,abs([S1(1:256)+SF1(1:256)]));
xlabel('FRECUENCIA (HZ)'); ylabel('MAG. DE TRANSF. DE FOURIER');
[b,a]=ellip(4,0.1,40,[100 2000]*'2/Fs);
figure(5)
sf2=filter(b,a,s);
figure(6)
plot(t,sf2);
axis([0 0.01 -4 4]);
S2=fft(s,513);
SF2=fft(sf2,513);
w=(0:255)/256*(Fs/2);
figure(7)
plot(w,abs([S2(1:256)+SF2(1:256)]));
[b,a]=ellip(4,0.1,40,[2500 3500]*2/Fs);
figure(8)
sf3=filter(b,a,s);
figure(9)
plot(t,sf3);
axis([0 0.01 -4 4]);
S3=fft(s,513);
SF3=fft(sf3,513);
w=(0:255)/256*(Fs/2);
figure(10)
plot(w,abs([S3(1:256)+SF3(1:256)]));
[b,a]=ellip(4,0.1,40,[3500 4500]*.2/Fs);
figure(11)
sf4=filter(b,a,s);
figure(12)
plot(t,sf4);
axis([0 0.01 -4 4]);
S4=fft(s,513);
SF4=fft(sf4,513);
w=(0:255)/256*(Fs/2);
figure(13)
plot(w,abs([S4(1:256)+SF4(1:256)]));
zf5=0.8*sf1+0.5*sf2+0.2*sf3+0.4*sf4;
figure(14)
plot(t,zf5);
axis([0 0.01 -4 4]);
S5=fft(s,513);
ZF5=fft(zf5,513);
w=(0:255)/256*(Fs/2);
figure(15)
plot(w,abs([S5(1:256)+ZF5(1:256)]));
2. verificar la respuesta en frecuencia de otros filtros: modificar sus variables como

ancho de banda, amplitud o atenuación de los 4 filtros.
f=[0 .4 .4 .6 .6 1];
H=[0 0 1 1 0 0];
fs=1000;%assumed sampling rate
fhz=f*fs/2;
figure(1)
plot(fhz,H), title('Desired Frecuency Response')
xlabel('Frecuency (Hz)'), ylabel('Magnitude')
N=8;
[Bh,Ah]=yulewalk(N,f,H);
n=256;
hh=freqz(Bh,Ah,n);
hy=abs(hh);
ff=fs/(2*n)*(0:n-1);
figure(2)
plot(fhz,H,ff,hy)
title('Actual vs Desired Frecuency Response')
xlabel('Frecuency (Hz)'), ylabel('Magnitude')
N=4; passband=[.4 .6]; ripple=.1;

[Bb,Ab]=butter(N,passband);
[Bc,Ac]=cheby1(N,ripple,passband);
h=[abs(hh) abs(freqz(Bb,Ab,n)) abs(freqz(Bc,Ac,n))];
figure(3)
plot(ff,h)
title('Yule Walk, Butterworth and Chebyshev filters')
figure(4)
plot(ff(2:n),20*log10(h(2:n)))
title('Yule Walk, Butterworth and Chebyshev filters')
xlabel('Frecuency (Hz)')
ylabel('Magnitude in dB')
3. De acuerdo al ejercicio anterior (1), diseñe un ecualizador digital de cuatro canales,

usando los filtros IIR, si la señal de entrada es
f=sin(2*pi*t*500)+sin(2*pi*t*1500)+sin(2*pi*t*2500)+sin(2*pi*t*3500).
Grafique la onda resultante en cada etapa del ecualizador en el dominio del tiempo y
en el dominio de la frecuencia.
El ancho de banda de cada filtro es: Y los amplificadores tienen una ganancia de:
H1(f) = [0.1 1]KHz G1 = 0.3
H2(f) = [1 2]KHz G2 = 1.5
H3(f) = [2 3]KHz G3 = 0.1
H4(f) = [3 4]KHz G4 = 0.8
Fs=8000;%FMAX=3500hZ
t=(1:8000)/Fs;
%defino la funcion y ploteo su grafica

f1=sin(2*pi*t*500); f2=sin(2*pi*t*1500); f3=sin(2*pi*t*2500);
f4=sin(2*pi*t*3500);
s=f1+f2+f3+f4;
figure(1)
plot(t,s)
axis([0 0.01 -4 4]);
title('SEÑAL DE ENTRADA VS TIEMPO')
xlabel('tiempo (seg)'), ylabel('f(t)')
%ingresando los parametros del filtro

N=4; %orden del filtro
Rp=0.1;% rizado en la banda de paso en DB
Rs=409;%rizado en la banda de rechazo en DB
% las frecuencias de corte se especificaran para cada filtro
%Filtro f1
BW1=[100 1000]*2/Fs; % ancho de banda normalizado respecto a la freq
de Nyquist
[b,a]=ellip(N,Rp,Rs,BW1); %FILTRO ELIPTICO
[H,w]=freqz(b,a,512); %respuesta en frecuencia del filtro
H=H*0.3; %ganancia del filtro
figure(2)
title('RESPUESTA EN FRECUENCIA DEL FILTRO 1')
xlabel('FRECUENCIA (Hz)'), ylabel('GANANCIA')
sf1=filter(b,a,s); %filtra el contenido de "s" con lo descrito por los
vectores b y a
figure(3)
plot(t,sf1);
axis([0 0.01 -4 4]);
S1=fft(s,513);
SF1=fft(sf1,513);
w=(0:255)/256*(Fs/2);
figure(4)
plot(w,abs([S1(1:256)+SF1(1:256)]));
%Filtro f2
BW2=[1000 2000]*2/Fs;
[b,a]=ellip(N,Rp,Rs,BW2);
H=H*1.5;
figure(5)
sf2=filter(b,a,s);
figure(6)
plot(t,sf2);
axis([0 0.01 -4 4]);
S2=fft(s,513);
SF2=fft(sf2,513);
w=(0:255)/256*(Fs/2);
figure(7)
plot(w,abs([S2(1:256)+SF2(1:256)]));
%Filtro f3
BW3=[2000 3000]*2/Fs;
H=H*0.1;
figure(8)
sf3=filter(b,a,s);
figure(9)
plot(t,sf3);
axis([0 0.01 -4 4]);
S3=fft(s,513);
SF3=fft(sf3,513);
w=(0:255)/256*(Fs/2);
figure(10)
plot(w,abs([S3(1:256)+SF3(1:256)]));
%Filtro f4
BW4=[3000 3999]*2/Fs;
H=H*0.8;
figure(11)
sf4=filter(b,a,s);
figure(12)
plot(t,sf4);
axis([0 0.01 -4 4]);
S4=fft(s,513);
SF4=fft(sf4,513);
w=(0:255)/256*(Fs/2);
figure(13)
plot(w,abs([S4(1:256)+SF4(1:256)]));
%ECUALIZADOR
zf5=0.3*sf1+1.5*sf2+0.1*sf3+0.8*sf4;
figure(14)
plot(t,zf5);
axis([0 0.01 -4 4]);
S5=fft(s,513);
ZF5=fft(zf5,513);
w=(0:255)/256*(Fs/2);
figure(15)
plot(w,abs([S5(1:256)+ZF5(1:256)]));
IV. CUESTIONARIO FINAL

1. Explique en detalle la transformada discreta de Fourier DFT. desarrolle 5 ejemplos de
la transformada de funciones discretas y su aplicación en el procesamiento de
señales.
TRANSFORMADA DISCRETA DE FOURIER
Suponiendo que se tiene una señal discreta X[n] periódica (periodo N) esta señal se
puede expresar usando deltas desplazadas, como:
Se puede representar también utilizando exponenciales complejas, ya que éstas son

la base del dominio frecuencial.
En esta representación interesa hallar

X[k] y α, esto se realiza de la siguiente manera:
Aplicando ortogonalidad de funciones complejas, es decir:
Entonces:
Tomando α=1/N y reemplazando s por K resulta:

Esta expresión es la transformada de Fourier en Tiempo Discreto.

En MatLab existe un programa “fftgui.m” que se puede utilizar para hallar la
Transformada Discreta de Fourier.
Entre las diversas aplicaciones de la Transformada Discreta de Fourier tenemos:
a) La estimación espectral consistente en la detección de señales enmascaradas por
ruidos o interferencias, y con muchos campos de aplicación como son las
comunicaciones digitales, sistemas radar, control predictivo, etc.
b) La determinación de la salida temporal de un SLIT cuando la entrada o la respuesta
impulsional del sistema son secuencias de longitud considerable.
c) La identificación de la función de transferencia de sistemas a partir de su
comportamiento frecuencial.
Ejemplos:
1) Transformada de una compuerta

>> t=[0 0 0 0 1 1 1 1 0 0 0 0];
fftgui(t)
2) Transformada de un impulso
>> t=[0 0 0 0 0 1 0 0 0 0 0]
fftgui(t)
3) Transformada de la función sin[n]
>> t=-10:10;
x=sin(x);
fftgui(x)
4) Transformada de la función cos[n]

5) Transformada de la función Sinc(n)
>> t = linspace(-2,2,50);
x = sin(2*pi*t)./(2*pi*t);
fftgui(x)
2. ¿Qué es la transformada rápida de Fourier FFT? Desarrolle 5 ejemplos.
En la fórmula de la Transformada Discreta de Fourier obtener X(k) para un ‘k’

determinado requiere aproximadamente N sumas complejas y N productos complejos,
ya que:
Para k = 0, 1, ..., N-1. Si lo que se desea es obtener X(0), X(1), ..., X(N-1) entonces se
necesitarán un total de aproximadamente N2 sumas complejas y N 2 productos
complejos. Esto quiere decir que los requerimientos computacionales de la DFT
pueden ser excesivos especialmente si el tamaño de N es grande.
La FFT aprovecha la periodicidad y simetría del factor ‘W’ para el cálculo del
Transformada Discreta de Fourier. La periodicidad de ‘W’ implica:
Y su simetría implica:
La FFT descompone la DFT de N puntos en transformadas más pequeñas. Una DFT

de N puntos es descompuesta en dos DFT’s de (N/2) puntos. Cada DFT de (N/2)
puntos se descompone a su vez en dos DFT’s de (N/4) puntos y así sucesivamente.
Al final de la descomposición se btienen (N/2) DFT´s de 2 puntos cada una. La
transformada más pequeña viene determinada por la base de la FFT.
Para una FFT de base 2, N debe ser una potencia de 2 y la transformada más
pequeña es la DFT de 2 puntos. Para implementar la FFT se puede utilizar el
comando ‘fft’ de Matlab.
Se muestran los siguientes ejemplos.
1) Transformada de la función seno
>> t=0:0.001:1;
>> x=sin(2*pi*100*t);
>> Y=fft(x,512);
>> Pyy=Y.*conj(Y)/512;
>> f=1000*(0:255)/512;
>> plot(f,Pyy(1:256))
>> xlabel('frecuencia (Hz)')
>> ylabel('Magnitud de TF')
2) Transformada de la Funcion coseno
>> t=0:0.001:1;
>> x=cos(2*pi*100*t);
>> Y=fft(x,512);
>> f=1000*(0:255)/512;
>> plot(f,Pyy(1:256))
3) Transformada de una compuerta
>> t=0:0.001:1;
>> x=heaviside(t+0.01)-heaviside(t-0.01);
>> Y=fft(x,512);
>> f=1000*(0:255)/512;
>> plot(f,Pyy(1:256))
4) Transformada
>> t=0:0.001:1;
>> x=sin(2*pi*100*t)+sin(2*pi*20*t);
>> Y=fft(x,512);
>> f=1000*(0:255)/512;
>> plot(f,Pyy(1:256))
5) Transformada
>> t=0:0.001:1;
>> x=cos(2*pi*250*t)+cos(2*pi*100*t)+cos(2*pi*150*t);
>> Y=fft(x,512);
>> f=1000*(0:255)/512;
>> plot(f,Pyy(1:256))
3. Explique sobre los fundamento de los filtro digitales FIR y IIR
o Filtro FIR
FIR es un acrónimo en inglés para Finite Impulse Response o Respuesta finita al
impulso. Se trata de un tipo de filtros digitales en el que, como su nombre indica, si la
entrada es una señal impulso, la salida tendrá un número finito de términos no nulos.
o Expresión matemática
Para obtener la salida sólo se basan en entradas actuales y anteriores. Su expresión
en el dominio n es:
En la expresión anterior N es el orden del filtro, que también coincide con el número
de términos no nulos y con el número de coeficientes del filtro. Los coeficientes son
bk.
La salida también puede expresarse como la convolución de la señal de entrada x (n)
con la respuesta impulsional h (n):
o Polos y ceros
Estos filtros tienen todos los polos en el origen, por lo que son estables. Los ceros se
presentan en pares de recíprocos si el filtro se diseña para tener fase lineal.
o Características
Los filtros FIR tienen la gran ventaja de que pueden diseñarse para ser de fase lineal,
lo cual hace que presenten ciertas propiedades en la simetría de los coeficientes. Este
tipo de filtros tiene especial interés en aplicaciones de audio. Además son siempre
estables.
Por el contrario también tienen la desventaja de necesitar un orden mayor respecto a
los filtros IIR para cumplir las mismas características. Esto se traduce en un mayor
gasto computacional.
o Filtro IIR
IIR es una sigla en inglés para Infinite Impulse Response o Respuesta infinita al
impulso. Se trata de un tipo de filtros digitales en el que, como su nombre indica, si la
entrada es una señal impulso, la salida tendrá un número infinito de términos no
nulos, es decir, nunca vuelve al reposo.
o Expresión matemática
La salida de los filtros IIR depende de las entradas actuales y pasadas, y además de
las salidas en instantes anteriores. Esto se consigue mediante el uso de
realimentación de la salida.
Donde los a y b son los coeficientes del filtro. El orden es el máximo entre los valores
de M y N.
o Polos y ceros
Este tipo de filtros presenta polos y ceros que determinan la estabilidad y la
causalidad del sistema.
Cuando todos los ceros están en el interior de la circunferencia unidad se dice que es
fase mínima. Si todos están en el exterior es fase máxima.
Si algún polo está fuera de la circunferencia unidad el sistema es inestable.
o Características
Las principales diferencias respecto a los filtros FIR es que los IIR pueden cumplir las
mismas exigencias que los anteriores pero con menos orden de filtro. Esto es
importante a la hora de implementar el filtro, pues presenta una menor carga
computacional.
Este tipo de filtros pueden ser inestables, aún cuando se diseñen para ser estables.
En principio no pueden diseñarse para tener fase lineal pero se pueden aplicar
algunas técnicas como el filtrado bidireccional para lograrlo.

Informe Final N°3

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Informe Final N°3

Uploaded by

Copyright:

Available Formats

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

FACULTAD DE INGENIERIA ELECTRÓNICA

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

LABORATORIO COMUNICACIÓN ANALÓGICA

Turno: Miercoles 9-12 am

Profesor: Sixto Llosa

Mendoza Morales, Walter 16190096

II. EQUIPOS Y MATERIALES.

2. verificar la respuesta en frecuencia de otros filtros: modificar sus variables como

N=4; passband=[.4 .6]; ripple=.1;

3. De acuerdo al ejercicio anterior (1), diseñe un ecualizador digital de cuatro canales,

%defino la funcion y ploteo su grafica

%ingresando los parametros del filtro

IV. CUESTIONARIO FINAL

TRANSFORMADA DISCRETA DE FOURIER

Se puede representar también utilizando exponenciales complejas, ya que éstas son

En esta representación interesa hallar

Aplicando ortogonalidad de funciones complejas, es decir:

Tomando α=1/N y reemplazando s por K resulta:

Esta expresión es la transformada de Fourier en Tiempo Discreto.

1) Transformada de una compuerta

3) Transformada de la función sin[n]

4) Transformada de la función cos[n]

5) Transformada de la función Sinc(n)

2. ¿Qué es la transformada rápida de Fourier FFT? Desarrolle 5 ejemplos.

En la fórmula de la Transformada Discreta de Fourier obtener X(k) para un ‘k’

La FFT descompone la DFT de N puntos en transformadas más pequeñas. Una DFT

1) Transformada de la función seno

2) Transformada de la Funcion coseno

3) Transformada de una compuerta

>> ylabel('Magnitud de TF')

>> ylabel('Magnitud de TF')

3. Explique sobre los fundamento de los filtro digitales FIR y IIR

You might also like