Capítulo 4. Diseño de filtros digitales 1
|
|
- Nicolás Reyes Rivas
- hace 8 años
- Vistas:
Transcripción
1 53 Caítulo 4 Diseño de filtros digitales 1 Diseñar un filtro consiste en encontrar su función de transferencia (realizable y estable) ara su osterior realización mediante una estructura adecuada. En la mayoría de las alicaciones, el objetivo que se retende lograr con el diseño de un filtro digital, es desarrollar un sistema discreto cuya resuesta temoral y/o resuesta en frecuencia, sea una aroximación a una determinada esecificación del tio de resuesta deseada ara el filtro. 4.1 Esecificaciones de filtros digitales. Cuando se diseña un filtro siemre existirá un comromiso entre su resuesta temoral y su resuesta en frecuencia, como se muestra en la Figura 4.1, ara el caso de un filtro asa bajo ideal. Deendiendo de la alicación, en el roceso de diseño se le dará más imortancia al comortamiento del filtro en el dominio del tiemo o en el dominio de la frecuencia, es decir, el objetivo de aroximar la resuesta del filtro a una cierta esecificación de resuesta, deenderá de dicha alicación. En esta sección y en las siguientes, se resenta el roceso de diseño de filtros digitales, atendiendo a su comortamiento en el dominio de la frecuencia como objetivo rincial de diseño. 1 El contenido de este caítulo se basó en: Universidad de Antioquia, Auntes del curso Tratamiento digital de Señales
2 54 En el dominio de la frecuencia, las esecificaciones que determinan el objetivo de diseño de los filtros son básicamente de dos tios: el comortamiento de la resuesta en frecuencia del filtro en la banda de aso (esecificaciones en la banda de aso), y el comortamiento de la resuesta en frecuencia del filtro en la banda de rechazo (esecificaciones en la banda de rechazo). Las esecificaciones en las bandas de aso y de rechazo se dan con ciertas tolerancias. La banda de transición ermite que la magnitud disminuya del valor de la banda de aso al valor de la banda de rechazo. Por ejemlo, la resuesta en magnitud normalizada G ( e ) ara un filtro asa-bajo se muestra en la Figura 4.2. Figura 4.1. Filtro asa-bajo ideal. Reresentación del filtro en el dominio de la frecuencia (a), y en el dominio del tiemo (b). Resuestas en frecuencia ideal (magnitud) (c), y su corresondiente resuesta transitoria (d) a una entrada imulso. Resuesta en frecuencia oco selectiva (magnitud) (e), y su corresondiente resuesta transitoria ideal (f) a una entrada imulso. Figura 4.2. Gráfica de la resuesta en magnitud normalizada ara un filtro asa-bajo (escala lineal)
3 55 A artir de la gráfica de la resuesta en magnitud del filtro asa-bajo se definen los siguientes términos: Banda de aso: 0 ω ω Banda de transición: ω < ω < Banda de rechazo: ω s ω π ω = frecuencia límite de la banda de aso. ω s = frecuencia límite de la banda de rechazo. δ = valor ico del rizo ermitido en la banda de aso. δ s = valor ico del rizo ermitido en la banda de rechazo. En la banda de aso, definida or unidad con un error de ω ± δ, es decir: s 0 ω ω, se requiere que la magnitud se aroxime a la 1 δ 1+ δ ω ω (4.1) G( e ) En la banda de rechazo, definida or a cero con un error de δ s, es decir: ω s ω π, se requiere que la magnitud se aroxime G ( e ) δ ara ω ω π (4.2) s Puesto que G( e ) es eriódica y la magnitud G( e ) de un filtro de coeficientes reales es una función ar, las esecificaciones se definen solamente ara el intervalo de frecuencia 0 ω π. Para cubrir un rango dinámico más amlio en la gráfica de la resuesta en magnitud del filtro que se va a diseñar, generalmente el eje de las ordenadas, acotado linealmente en la Figura 4.2, se transforma en un eje con acotamiento logarítmico mediante la función 20log, como se muestra en la Figura Cuando se utilizan db s ara describir las esecificaciones de la resuesta en magnitud del filtro, se ueden utilizar las siguientes relaciones, las cuales se muestran en la Figura 4.3: Función de érdida: s [ db] ( ω) = 20 log G( e ) (4.3) ς 10 Valor ico en db del rizo en la banda de aso: α 20log10(1 δ ) [ db] = (4.4)
4 56 Atenuación mínima en db en la banda de rechazo: s log ( s ) [ db] α = δ (4.5) Figura 4.3. Gráfica de la resuesta en magnitud normalizada ara un filtro asa-bajo (escala logarítmica) Alternativamente, las esecificaciones de diseño de un filtro digital se ueden dar en función de la resuesta en magnitud (con escala lineal), mediante los arámetros mostrados en la Figura 4.4. Figura 4.4. Gráfica alternativa de la resuesta en magnitud normalizada ara un filtro asa-bajo (escala lineal) En este caso, se suone que el valor máximo de la resuesta en frecuencia de la magnitud es igual a 1, y la máxima desviación de dicha resuesta en magnitud en la banda de aso 2 (denotada or 1/ 1+ ε ), está dado or el valor mínimo de ésta en la banda de aso, como se muestra en la Figura 4.4. El valor máximo ermitido de la magnitud en la banda de rechazo se denota or 1 / A.
5 57 Nuevamente, cuando se utilizan db s ara describir estas esecificaciones alternas de la resuesta en magnitud del filtro, se ueden utilizar las siguientes relaciones, las cuales se muestran en la Figura 4.5: Valor máximo normalizado de la ganancia Atenuación máxima en la banda de aso: o bien: 0 [ db] (4.6) 1 α max = 20log10 [ db] (4.7) 2 1+ ε 2 α max = 20log10 1+ ε [ db] ( 1 2δ ) 2α [ db] ara δ 1 α max = 20log10 << (4.8) Atenuación mínima en db de la banda de rechazo: [ db] α s = 20 log10(1/ A) (4.9) Figura 4.5. Gráfica alternativa de la resuesta en magnitud normalizada ara un filtro asa-bajo (escala logarítmica) En la mayoría de las alicaciones, las frecuencias de aso f y de rechazo f s se esecifican en Hz, junto con la frecuencia de muestreo del filtro digital. Puesto que las técnicas de diseño de filtros usan las frecuencias angulares ω y ω s, es necesario normalizar las frecuencias críticas antes de alicar los algoritmos de diseño. Para una frecuencia de muestreo F T en Hz y ara frecuencias de aso y de rechazo f y f s en Hz, resectivamente, las frecuencias angulares normalizadas en radianes están dadas or:
6 58 Ω 2πf ω = = = 2πf F F T Ωs 2πf s ωs = = = 2πf st F F T T T T (4.10) (4.11) donde T es el eríodo de muestreo, es decir, T = 1/ F. T 4.2 Filtros IIR y FIR Los filtros IIR (Infinite Imulse Resonse o Resuesta al Imulso Infinito) y los filtros FIR (Finite Imulse Resonse o Resuesta al Imulso Finito) constituyen las dos grandes clasificaciones de los sistemas discretos en general, los cuales requieren estudiarse or searado debido a sus características articulares y a los métodos de análisis y diseño que son roios de cada uno de ellos. En esta sección se resentan brevemente y en forma comarativa, algunos de los concetos más imortantes relacionados con dichos filtros, los cuales ueden servir como un rimer aso en la selección y diseño de éstos de acuerdo a la alicación esecífica Selección de filtros IIR y FIR En el dominio de la frecuencia, si la linealidad de la fase es el factor más imortante en el comortamiento del filtro que se va a diseñar, un filtro FIR es la oción adecuada, que además tiene la ventaja de ser estable con coeficientes cuantificados. De no ser así, conviene usar un filtro IIR, ya que en la mayoría de los casos el orden del filtro será menor que el del FIR equivalente. En la Tabla 4.1 se muestra un resumen de los criterios de selección ara los filtros IIR y FIR. Tabla 4.1. Criterios de selección ara filtros IIR y FIR Métodos de diseño Los métodos de diseño de los filtros IIR y de los filtros FIR son diferentes debido a las características de cada uno de ellos. A continuación se resenta una descrición general de dichos métodos ara cada tio de filtro.
7 Métodos de diseño de filtros IIR. Para filtros IIR, el método de diseño más usado se basa en el diseño de los filtros analógicos. Las esecificaciones del filtro digital se convierten a esecificaciones de un filtro analógico asa-bajo rototio, se determina la función de transferencia del filtro analógico que satisface las esecificaciones, y finalmente se transforma a la función de transferencia del filtro digital. Para la transformación del filtro analógico en el filtro digital deseado, se roone un método basado en el maeo entre los dominios s de la Transformada de Lalace y z de la Transformada Z, de tal manera que se mantengan las roiedades fundamentales de la resuesta en frecuencia, es decir, la función de maeo debe ser tal que: (1) El eje imaginario ( j Ω ) en el lano s se maea al círculo unitario ( e ) del lano z. (2) Una función de transferencia analógica estable, se transforma en una función de transferencia digital estable. Las transformaciones más comunes entre los filtros analógicos y digitales son: (a) La invarianza al imulso. (b) La transformación bilineal Métodos de diseño de filtros FIR. El diseño de filtros FIR se basa en una aroximación directa de la resuesta en magnitud esecificada en el dominio de la frecuencia, a través de lograr una determinada resuesta al imulso unitario en el dominio temoral. Entre los métodos de diseño se cuentan el de ventanas y el de muestreo en frecuencia. Otros métodos se basan en técnicas iterativas de otimización ara minimizar el error entre la resuesta en frecuencia deseada y la del filtro generado or comutadora. En la Tabla 4.2 se muestra un resumen de los métodos de diseño resentados ara filtros IIR y FIR. Tabla 4.2. Métodos de diseño ara filtros IIR y FIR Más adelante se resentan, de manera más detallada, el método de la transformación bilineal ara el diseño de filtros IIR y el método de ventanas ara el diseño de filtros FIR.
8 Estimación del orden de filtros IIR Para el diseño de un filtro IIR asa-bajo G ( z ) basado en un filtro analógico asa-bajo, el orden del filtro digital G ( z ) deende del orden del filtro analógico H a (s) en que se basa. Al transformar H a (s) a G ( z ) se obtiene el orden de G ( z ). El orden de H a (s) deende de las esecificaciones del filtro y del tio de resuesta del filtro deseado, que uede ser Butterworth, Chebyshev, Bessel, Elítico, etc Estimación del orden de filtros FIR Para el diseño de un filtro FIR existen varias fórmulas ara estimar el valor mínimo de la longitud (orden) del filtro N a artir de las esecificaciones ω, ω s, δ y δ s. Una fórmula aroximada es la fórmula de J. F. Kaiser, dada or la siguiente exresión: log N ( δ δ ) 13 ( ω ω )/ 2π s s (4.12) de donde se observa que N es inversamente roorcional al ancho de la banda de transición. Existen otras fórmulas que tratan de ser más recisas. Si el filtro diseñado con el valor de N estimado no satisface las esecificaciones, hay que aumentarlo hasta que se satisfagan Escalamiento de la función de transferencia digital Desués de que el filtro digital FIR o IIR ha sido diseñado, es necesario escalar la magnitud de la función de transferencia G ( z) ara que ueda llevarse a la ráctica. Esto se logra multilicando la función de transferencia or una constante de escala K, tal que la magnitud máxima de la función de transferencia escalada G 1 ( z) = KG( z) en la banda de aso sea igual a la unidad, es decir, la función de transferencia escalada tiene una ganancia máxima de 0 db. En el caso de una función de transferencia de un filtro asa-bajo, la constante K se ajusta al valor K = 1/ GLP () 1, lo que imlica una ganancia de 0 db ara ω = 0. Para una función de transferencia corresondiente a un filtro asa-alto, K = 1/ GHP ( 1), que da 0 db en c ω = π. Para una función de transferencia de un filtro asa-banda, K = 1 / G PB ( e ), donde ω c es la frecuencia central. Y ara una función de transferencia de un filtro de rechazo de max G, G 1. banda, K tíicamente se escoge como el recíroco de [ ( ) ( )] RB 1 RB 4.3 Diseño de filtros IIR Los dos métodos de diseño de los filtros IIR resentados en la sección 4.2.2, difieren en la función de maeo que se realiza entre los dominios de s y z. A continuación se mencionan
9 61 los criterios de diseño de ambos métodos, así como la función de maeo que los caracteriza. Método de Invarianza al Imulso ara el diseño de filtros IIR. El objetivo de este método es desarrollar una función de transferencia IIR cuya resuesta al imulso sea exactamente igual a la versión muestreada uniformemente de la resuesta al imulso de la función de transferencia analógica rototio. La función de maeo entre los dominios de s y z es: st z = e (4.13) donde T es el eríodo de muestreo. Esta función de maeo no es uno a uno y uede roducir sulantamiento ("aliasing"), or lo que no se estudiará. Método de la Transformación Bilineal ara el diseño de filtros IIR. En este método se trata de obtener una función de transferencia IIR cuya resuesta en frecuencia sea una aroximación a la resuesta en frecuencia de la función de transferencia analógica rototio. La función de maeo entre los dominios de s y z es: z s = (4.14) 1 T 1+ z donde T es el eríodo de muestreo. Esta función de transformación sí roduce un maeo uno a uno entre los dominios de s y z Método de la Transformación Bilineal ara el diseño de filtros IIR El método de la Transformación Bilineal, al roducir un maeo de un unto en el lano s a un solo unto en el lano z, y viceversa, ermite que la función de transferencia del filtro digital IIR resultante, reresente una buena aroximación al filtro analógico rototio. La transformación del lano s al lano z está dada or la exresión definida en (4.14). La relación entre la función de transferencia digital G ( z) y la función de transferencia analógica rototio H () s está dada or: ( z) = H a ( s) G (4.15) 2 1 z s= T 1+ z El rocedimiento de diseño del filtro digital IIR es el siguiente: 1. Primero se alica la Transformación Bilineal inversa a las esecificaciones del filtro digital ara obtener las esecificaciones del filtro analógico rototio H a () s. 2. () s H a se diseña ara satisfacer las esecificaciones del filtro analógico obtenidas en el unto anterior. 1 1
10 62 3. Se alica la Transformación Bilineal de la ecuación (4.15) ara obtener G ( z) a artir de H a () s. G, se usará T = 2 ara simlificar el rocedimiento de diseño y trabajar, de esta manera, con una función de Transformación Bilineal normalizada. Puesto que T no influye en la obtención de ( z) La Transformación Bilineal inversa ara T = 2 está dada or: 1+ s z = 1 s (4.16) Obsérvese qué asa ara s = jω0, en la exresión siguiente: 1+ jω = 1 jω 0 z (4.17) 0 tiene magnitud igual a la unidad, lo cual imlica que un unto en el eje imaginario en el lano s se maea en un unto del círculo unitario en el lano z. En el caso general, ara s = σ + j, resulta: 0 Ω 0 Por lo tanto: ( σ0 + jω0 ) ( σ + jω ) 0 0 ( 1+ σ0 ) + jω0 ( 1 σ0 ) jω0 1+ z = = (4.18) ( 1+ σ0 ) + ( Ω0 ) 2 ( 1 σ ) + ( Ω ) 2 z = (4.19) 0 lo que imlica que un unto en la mitad izquierda del lano s con σ 0 < 0, se maea a un unto dentro del círculo unitario en el lano z, ya que z < 1. De igual manera, un unto en la mitad derecha del lano s con σ 0 > 0, se maea a un unto fuera del círculo unitario en el lano z, ya que z > 1. Cualquier unto en el lano s se maea a un solo unto en el lano z y viceversa. Este maeo se muestra en la Figura
11 63 Figura 4.6 Maeo de la transformación bilineal: (a) eje imaginario del lano s al círculo unitario del lano z; (b) semilano izquierdo del lano s al interior del círculo unitario en el lano z; (c) semilano derecho del lano s al exterior del círculo unitario en el lano z La relación exacta entre el eje imaginario en el lano s y el círculo unitario en el lano z está dado or: 2 1 e jω = T 1+ e (4.20) o Ω = 2 ω tan T 2 (4.21) 1 ΩT ω = 2tan (4.22) 2 La gráfica de (4.21) ara T = 2, se muestra en la Figura 4.7.
12 64 Figura 4.7. Maeo de ω vs Ω a través de la Transformación Bilineal (T = 2) De la Figura 4.7 se uede ver que el maeo entre ω y Ω no es lineal. Esto introduce una distorsión en el eje de frecuencia llamada deformación de frecuencia (waring), or lo que ara desarrollar un filtro digital que cumla con una resuesta en magnitud esecífica, rimero hay que redeformar (rewra) las frecuencias críticas ( ω y ω ) ara encontrar las equivalentes analógicas ( Ω y Ω s ) usando la relación de la ecuación (4.21), diseñar el rototio analógico H a () s usando las frecuencias críticas redeformadas, y luego transformar H a () s usando la Transformación Bilineal ara obtener la función de transferencia del filtro digital G ( z). Hay que tomar en cuenta que la Transformación Bilineal conserva la resuesta en magnitud del filtro analógico solamente si la esecificación requiere magnitud constante or artes (iecewise). Sin embargo, la resuesta en fase del filtro analógico no se conserva desués de la deformación. s Conversión de filtros digitales asa-bajo a otros tios de filtros Para el diseño de filtros digitales IIR, se utilizan siemre como rototios de diseño, filtros analógicos asa-bajo normalizados, or lo que el filtro digital resultante también es asabajo. Esto es así or la facilidad que reresenta el diseño de dichos filtros digitales a artir
13 65 de filtros analógicos asa-bajo rototios, ara los cuales existen funciones de transferencia normalizadas, ecuaciones y tablas de coordenadas de olos y ceros, y familias de curvas normalizadas ara cada tio de resuesta (Butterworth, Chebyshev, Bessel, Gaussian, elíticos, etc). Al diseñar un filtro es necesario, or lo tanto, modificar las características de éste ara satisfacer las esecificaciones iniciales de diseño. Estas modificaciones se realizan en dos fases: transformar el filtro asa-bajo diseñado en el tio de filtro requerido, y desnormalizar los valores originales del diseño de dicho filtro asa-bajo. Las transformaciones que se ueden realizar del filtro asa-bajo rototio son las siguientes: 1. asa-bajo a asa-bajo. 2. asa-bajo a asa-alto. 3. asa-bajo a asa-banda. 4. asa-bajo a rechaza banda. 4.4 Diseño de filtros FIR Para el diseño de filtros FIR existen varios métodos, como ya se mencionó en la sección 4.2.2, los cuales son el método de ventanas, el de muestreo en frecuencia y otros métodos que se basan en técnicas iterativas de otimización ara minimizar el error entre la resuesta en frecuencia deseada y la del filtro generado or comutadora En esta sección se resenta solamente el método de ventanas, en sus dos versiones: ventanas fijas y ventanas ajustables Método de ventanas ara el diseño de filtros FIR El método de diseño de filtros FIR más sencillo es el método de ventanas. Este método se H e como una aroximación a la basa en obtener la resuesta en frecuencia del filtro ( ) resuesta en frecuencia ideal deseada H ( e ) imulso unitario ( n) d, mediante una determinada resuesta al h en el dominio temoral, a través de los asos mostrados gráficamente en la Figura 4.8.
14 66 Figura 4.8. Ejemlo gráfico ara mostrar el diseño de un filtro asa-bajo FIR mediante el método de ventanas. A continuación se describe con más detalle cada uno de los asos mostrados en la figura anterior, ara el diseño de filtros FIR mediante el método de ventanas: 1. Este método comienza con una resuesta en frecuencia ideal deseada que uede reresentarse or: j ( e ω ) = h ( n) jwn H d d e (4.23) n= donde h d ( n) es la secuencia corresondiente a la resuesta al imulso de dicha resuesta en frecuencia ideal. Por ejemlo, ara un filtro ideal asa-bajo como el mostrado en la Figura 4.9, su resuesta H e está dada or la siguiente exresión: en frecuencia de la magnitud ( ) d H d ( e ) 1, = 0, ω ω ω c c < ω π (4.24)
15 67 donde ω c es la frecuencia de corte del filtro. Figura 4.9. Resuesta en frecuencia de la magnitud ( e ) resuesta imulsional h d ( n) resectiva. H ara un filtro asa bajo ideal, y su d 2. La resuesta al imulso h d ( n), asociada a la resuesta en frecuencia ideal deseada H d ( e ) resuesta en frecuencia ideal ( e ), es una secuencia infinita que también uede reresentarse en función de la H como: d h d 1 = π π 2 π j ( n) H ( e ω ) dω d (4.25) Por ejemlo, ara el mismo filtro ideal asa-bajo con la resuesta de magnitud H ( e ) mostrada en la Figura 4.10, su resuesta al imulso ideal h d ( n) está dada or la siguiente exresión: d hd ( n) = ω [( ) ] c sin n Q ωc π ( n Q) ω ωc π c n = Q n Q (4.26) donde ω c es la frecuencia de corte del filtro y Q es la osición relativa de la muestra h d n, como se uede observar en la Figura central de la secuencia ( ) Figura Resuesta imulsional ideal h d ( n) ara un filtro asa-bajo ideal, y su resectiva resuesta en magnitud ( e ) H. d
16 68 3. Como la realización de un filtro FIR se basa en una secuencia finita de la resuesta al n, la cual se imulso, se roone una aroximación FIR a la resuesta al imulso ideal h d ( ) llamará h ( n), y se obtendrá mediante una ventana cuya función será la de truncar la secuencia infinita ideal h d ( n). La exresión siguiente reresenta este roceso: ( n) h ( n) ( n) donde ω ( n) es la secuencia de la ventana de duración finita. h = d ω (4.27) Los criterios ara seleccionar la ventana ω ( n) son los siguientes: (a) La secuencia de la ventana ω ( n) debe tener P = (2Q + 1) muestras que sean simétricas con resecto a la muestra central ω ( Q). Esto significa que la función de retardo de gruo corresondiente a dicha ventana, será una constante (= Q) ara ω < π. (b) La secuencia de la ventana ( n) ω debe ser tan corta como sea osible en duración, de tal manera que el número de cálculos requeridos sea mínimo. (c) El esectro de la ventana W R ( e ) debe ser tan angosta como sea osible, ara que la resuesta en frecuencia real H ( e ) se asemeje lo más osible a la resuesta en frecuencia ideal deseada H d ( e ), ya que H ( e ) = Hd ( e ) WR ( e ) y H ( e ) = Hd ( e ) solo cuando W R ( e ) es un imulso unitario. Observación: Los criterios (b) y (c) están en conflicto, ya que las ventanas cuyas secuencias son de duración más corta roducen esectros W ( e ) que son más anchos y viceversa, como se muestra en la Figura 4.11 ara una ventana rectangular con diferentes duraciones.
17 69 Figura Ventanas rectangulares de diferente duración y sus esectros de magnitud resectivos. 4. Si se considera el caso en que la ventana ω (n) consta de (2Q + 1) muestras, es decir, 0 n 2Q, entonces la secuencia truncada h (n) tendrá también (2Q + 1) muestras. Puesto que la multilicación en el dominio del tiemo discreto es equivalente a la convolución en el dominio de la frecuencia, se uede llegar a la siguiente exresión: H ( e 1 ) = 2π π jα j( ω α ) H e W e π d ( ) ( ) dα ω < π (4.28) El roceso de convolución en el dominio de la frecuencia y de multilicación en el dominio del tiemo se ilustra en la Figura 4.12.
18 70 Figura Ilustración del roceso de convolución en el dominio de la frecuencia y del roceso de multilicación en el dominio del tiemo. En la figura anterior se muestra, en la arte izquierda (dominio de la frecuencia), el roceso de la convolución de la resuesta en frecuencia ideal deseada H d ( e ) con el j( ω α ) esectro de la ventana rectangular W R ( e ), generando el esectro real H ( e ) del filtro FIR como una aroximación a la resuesta deseada. En la arte derecha de la misma figura (dominio del tiemo), se muestra el roceso de la multilicación de la resuesta imulsional ideal h d (n) con la ventana rectangular w R (n), generando la resuesta imulsional h (n). 5. En la Figura 4.13 se uede observar que la resuesta en frecuencia de la magnitud H ( e ) resenta rizado tanto en la banda de aso como en la de rechazo. Estos rizos se deben recisamente al emleo de la ventana rectangular w R (n), ya que ésta resenta una transición abruta de uno a cero en las muestras n = 0 y n = 2Q, como uede verse en la misma Figura 4.13, lo cual hace que la magnitud del esectro de dicha ventana j( ω α ) W R ( e ) resente lóbulos laterales de amlitud considerable (sin imortar la longitud P de la ventana (n), como uede verse en la Figura 4.11), los cuales son los causantes w R
19 71 del rizado en la magnitud de H ( e ). En la teoría de series de Fourier, este comortamiento oscilatorio cerca de la banda de aso se conoce como el fenómeno de Gibbs. Para reducir este fenómeno se ueden usar otro tio de ventanas w (n) que resenten transiciones más graduales de uno a cero en las muestras n = 0 y n = 2Q. Figura Esectro de magnitud H ( e ) de un filtro FIR asa-bajo con rizo en las bandas de aso y rechazo debido al emleo de una ventana rectangular ω R (n ) Método de Ventanas Fijas Existen muchos tios de ventanas ara truncar la secuencia del imulso unitario h d (n) generado or la resuesta en frecuencia ideal deseada H d ( e ). Algunas de ellas son más suaves que la ventana rectangular, lo que ermite disminuir un oco el rizado que se roduce en las bandas de aso y rechazo. Las ventanas que se usan más comúnmente son de longitud 2Q + 1, y se resentan a continuación: 1. Rectangular: 2. Hamming: 1, 0 n 2Q ω ( n) = (4.29) 0, enotro caso 2πn ω ( n) = cos Q n Q (4.30) 2Q + 1
20 72 3. Hann (Hanning): 1 2πn ω ( n) = 1 + cos Q n Q (4.31) 2 2Q Blackman: 2πn 4πn ω ( n) = cos cos Q n Q (4.32) 2Q + 1 2Q + 1 En las figuras 4.14 y 4.15 se muestran cada una de las ventanas definidas anteriormente, así como sus esectros de magnitud resectivos. Estas gráficas se realizaron en MATLAB. En las Figuras 4.14 y 4.15 se uede ver que los esectros de cada ventana se caracterizan or tener un lóbulo rincial centrado en ω = 0, seguido de una serie de lóbulos laterales con amlitudes descendentes. Dos arámetros que ayudan a redecir el desemeño de la ventana en el diseño de un filtro FIR es el ancho del lóbulo rincial y el nivel relativo del lóbulo lateral. El ancho del lóbulo rincial ML es la distancia en frecuencia entre los mínimos más cercanos en ambos lados del lado del lóbulo rincial, y el nivel relativo del lóbulo lateral A sl es la diferencia en db entre las amlitudes del lóbulo lateral mayor y el lóbulo rincial. Figura 4.14 Ventanas Rectangular y Hamming y sus esectros resectivos.
21 73 Figura 4.15 Ventanas Hanning y Blackman y sus esectros resectivos. El esectro de magnitud W ( e ) de la ventana rectangular tiene el lóbulo rincial más angosto, or lo que, ara una longitud dada de esta ventana w (n), debería generar las transiciones más abrutas de H( e ) en la discontinuidad de H ( ), es decir, H ( e ) debería aroximarse más a H d ( e ) en las discontinuidades, generando filtros más selectivos. Sin embargo, el rimer lóbulo lateral está a solo 13 db or debajo del ico rincial, dando lugar a rizos de H ( e ) de tamaño considerable alrededor de las discontinuidades de H ( ), como uede observarse en la Figura d e Las otras ventanas caen suavemente a cero, y se uede observar que los lóbulos laterales se reducen significativamente; sin embargo, el recio que se aga es un lóbulo rincial más ancho, que ocasiona transiciones más anchas en las discontinuidades de H d ( e ), haciendo que los filtros FIR resultantes sean menos selectivos. d e
22 Método de Ventanas Ajustables: Ventana de Kaiser Los métodos de diseño de filtros FIR mediante ventanas fijas son sencillos, ero no roorcionan un buen control de las esecificaciones de la resuesta en frecuencia, como son la frecuencia de corte, la magnitud del rizo en la banda de aso y la atenuación mínima en la banda de rechazo. Otro tio de ventanas tales como la de Kaiser y la de Dolh- Chebyshev son más flexibles, en el sentido de que se ueden diseñar ara cumlir con algunas de las esecificaciones de resuesta en frecuencias mencionadas anteriormente. La ventana ajustable más usada es la de Kaiser, cuya exresión es la siguiente: w k ( n) = I o β 1 ( n / Q) I ( β ) o 2 Q n Q (4.33) donde β es un arámetro ajustable, e I o (u) es la función de Bessel modificada de orden cero, que uede exresarse como una serie de otencias: 2 r ( u / 2) Io ( u) = 1+ (4.34) r! Como uede verse, la serie anterior es ositiva ara todos los valores reales de u. En la ráctica es suficiente manejar veinte términos ara obtener una buena aroximación de I o (u). El arámetro β controla la atenuación mínima α s, es decir, el rizo δ s en la banda de rechazo. Existen fórmulas ara estimar β y la longitud del filtro N, a artir de las esecificaciones de α s y del ancho de la banda de transición f : ( α s 8.7), arq α s > β = ( α s 21) ( α s 21), ara 21 α s 50 (4.35) 0, ara α s < 21 α s , f N , f ara ara α > 21 α 21 s s (4.36) Conviene hacer notar que la ventana de Kaiser no roorciona control indeendiente sobre el rizo asa-banda δ. Variando la longitud del filtro 2Q +1 y β se uede definir un comromiso entre la amlitud de los lóbulos laterales y el ancho del lóbulo rincial. En la Figura 4.16 se muestran las ventana de Kaiser ara β = 0,3 y 6, y una longitud del filtro N=20, así como los esectros de magnitud corresondientes a cada una de ellas. La Figura 4.17 resenta, en forma comarativa, los esectros de magnitud de las ventanas
23 75 citadas anteriormente. En la Figura 4.18 se muestran las ventanas de Kaiser ara β = 6 y longitudes de N = 10, 20 y 40, y en la Figura 4.19 se resentan, en forma comarativa, los esectros de magnitud de dichas ventanas. Figura 4.16 Ventanas de Kaiser ara β = 0,3 y 6, y una longitud del filtro de N = 20, y los esectros de magnitud corresondientes.
24 76 Figura 4.17 Gráfica comarativa de los esectros de magnitud de la ventana Kaiser ara β = 0;3 y 6 Figura 4.18 Ventanas de Kaiser ara β = 6 y longitudes de N = 10,20 y 40, y sus esectros de magnitud resectivos.
25 77 Figura 4.19 Gráfica comarativa de los esectros de magnitud de la ventana Kaiser ara β = 6 y longitudes de N = 10,20 y 40 El rocedimiento de diseño de filtros FIR usando la ventana Kaiser se muestra en la Figura A continuación se describen cada uno de los asos mostrados en la Figura 4.20 ara el diseño de filtros FIR usando la ventana Kaiser: 1. Como rimer aso hay que establecer las esecificaciones de la resuesta en frecuencia deseada, definiendo los valores de la frecuencia límite de la banda de aso ω, la frecuencia límite de la banda de rechazo ω s y la atenuación mínima en la banda de rechazo α, como se muestra en la Figura s 2. La frecuencia de corte del filtro asa-bajo, se encuentra basándose en la simetría de la aroximación de la resuesta en frecuencia de la magnitud en la banda de transición, calculándose mediante la media aritmética de las frecuencias ω y ω, es decir: ω + ωs ωc = (4.37) 2 s
26 78 Figura 4.20 Procedimiento de diseño de filtros FIR usando la ventana Kaiser
27 79 Figura 4.21 Esecificaciones ara el diseño de un filtro digital asa-bajo El ancho de la banda de transición f se calcula como: ωs ω f = (4.38) 2π 3. Para obtener los arámetros β y Q ara la ventana de Kaiser w k (n), se rocede de la siguiente manera: - Para obtener el valor de Q, se determina la longitud del filtro N mediante (4.36) a artir de los valores de α s y f, seleccionando el valor entero imar mayor al que resulta de la estimación de N. Con este valor de N se calcula Q a través de la siguiente exresión: Q = N 1 (4.39) 2 - β se calcula de la exresión definida en (4.35) usando el valor esecificado de α s. Los valores de los coeficientes de la ventana Kaiser w k (n), se ueden obtener con MATLAB mediante el comando w = kaiser( N, β ). 4. Finalmente, a artir de la resuesta al imulso del filtro asa-bajo ideal definida or: hlp ( n) = [ sin( ω cn) ]/ πn, - n y de la ventana Kaiser w k (n), se obtienen los coeficientes de la resuesta al imulso del filtro FIR, or el método de las ventanas, de la siguiente manera: sin( ω n h n c ) t ( ) =. wk ( n), πn Q n Q (4.40)
28 80 Se hace notar que el filtro FIR resultante no es causal, ero se uede convertir en causal retardando los coeficientes del filtro Q muestras. Puesto que Q es ar, el filtro retardado será un filtro FIR de fase lineal Tio I. 4.5 Diseño de Filtro Digital ara el Radar de la Universidad de Piura La señal que envía el radar hacia la atmósfera tiene una frecuencia de MHz, ero cuando regresa a la antena la frecuencia de la señal es de ( ± f ) MHz. Esta variación en la frecuencia ( ± f ) es la que nos indica como varían las velocidades de los vientos en la atmósfera, y es sólo esa variación la que se analiza mediante las fórmulas del efecto Doler. La señal que regresa a la antena del radar se comara con una señal de frecuencia constante e igual a MHz. Como resultado de esta comaración se obtiene una señal cuya frecuencia es igual a la variación f. Teóricamente esta variación de frecuencia f nos debería indicar solamente cómo varían las velocidades de los vientos en la atmósfera, ero debido a que existen ruidos que se mezclan con la señal que regresa a la antena del radar, la nueva señal obtenida de la comaración entre la señal enviada a la atmósfera y la señal recibida or la antena debe ser filtrada ara eliminar los osibles ruidos existentes. Entonces ara el diseño del filtro se debe considerar un filtro asa bajo cuya frecuencia de corte coincida con el valor máximo de ( ± f ) que se desea analizar. El radar realiza mediciones de vientos de hasta m/s ara la ionósfera, lo que equivaldría en frecuencia a 100 Hz, el cual es el máximo valor de ( ± f ). Entonces la frecuencia de corte quedaría definida a ese valor. Además se debe tener en cuenta que todas las señales que se encuentren más allá de la frecuencia de corte son consideradas como ruido y deben ser atenuadas o eliminadas ya que no constituyen información relevante ara el análisis de las velocidades de los vientos de altura. Para el diseño del filtro digital se hizo uso del software Matlab, esecíficamente de la herramienta fdatool 2 (Filter Design & Analysis Tool). Con ella el diseño del filtro es muy sencillo, y no debemos realizar ningún cálculo engorroso Esecificaciones de diseño Teniendo en cuenta las características rinciales de los métodos conocidos, lo rimero es seleccionar el método de diseño que se va a emlear en el filtro digital. Por esto se utilizará el método de diseño IIR, ya que el orden del filtro resultante será mucho menor que un filtro equivalente diseñado or el método de FIR. Además utilizaremos la aroximación de Chebyshev tio I, or ser una de las más simles. En cuanto al orden del filtro, dejaremos que Matlab calcule automáticamente el mínimo orden, ero sin dejar de cumlir con las esecificaciones dadas. 2 Para más información sobre esta herramienta ingresar a o tiear "hel fdatool" en la ventana rincial de Matlab.
29 81 Como ya se dijo anteriormente, el tio de resuesta que tendrá el filtro digital será del tio asa bajo, con una frecuencia de corte de aroximadamente 100 Hz. Existen además otras esecificaciones de frecuencia y magnitud que debemos definir. Estos arámetros se ven más claramente en la siguiente figura: Figura Parámetros de frecuencia y magnitud ara filtros IIR Chebyshev tio I donde: A ass : Fluctuación dentro de la banda de aso. A sto : Atenuación dentro de la banda de filtrado F ass : Frecuencia que indica el final de la banda de aso F sto : Frecuencia que indica el inicio de la banda de filtrado Fs: Frecuencia de muestreo. La máxima frecuencia que atenuará el filtro será Fs/2. Se han considerado las siguientes esecificaciones de frecuencia y magnitud ara el diseño del filtro digital: Tabla 4.3. Esecificaciones de magnitud y frecuencia ara el diseño del filtro digital Parámetro A ass A sto F ass F sto Fs Valor 1 db 50 db 150 Hz 200 Hz 100 MHz El valor de A ass que se ha escogido es el menor osible (1 db), de tal manera que no existan muchas fluctuaciones en la banda de aso, ya que de lo contrario si elegimos un valor mayor se odrían atenuar o amlificar señales que en realidad se desea que asen sin ser afectadas or el filtro. El valor de la atenuación dentro de la banda de filtrado (A sto ) ha sido elegido según el máximo valor de ruido extraído de los reortes de las medidas de los vientos de altura. Los valores de F ass y F sto han sido elegidos de tal manera que el filtro deje asar libremente a la señal de 100 Hz, y que además atenúe al resto de señales que se
30 82 encuentren cerca de este valor. La frecuencia de muestreo Fs ha sido elegida en 100 MHz ara conseguir que la máxima frecuencia que atenúe el filtro esté cercana a 50 MHz que es la frecuencia de trabajo del radar. Ahora con todos estos arámetros se rocede a diseñar el filtro Cálculo del filtro digital Con todos los arámetros de diseño ya esecificados, el cálculo del filtro se realizará utilizando la herramienta fdatool de Matlab. Una vez ingresados los arámetros esecificados, las características del filtro calculado son las siguientes: Tabla 4.4. Características del filtro digital calculado Tio de resuesta Pasa bajo Método de diseño IIR - Chebyshev tio I Orden del filtro 9 Secciones 5 Estructura Direct-Form II, Second-Order Sections Estable Sí Fs 100 MHz F ass 150 Hz F sto 200 Hz A ass 1 db 50 db A sto Modelo del filtro digital calculado El filtro digital cuenta con 5 secciones de segundo orden o SOS's (del inglés Second Order Seccions), unidas en cadena una con la otra. Debido a que el orden del filtro es 9, entonces esto quiere decir que la última sección será tan sólo de rimer orden. Cada sección se acola a la siguiente mediante un valor de escala tal como se muestra en la siguiente figura: Figura Esquema del diagrama de bloques del filtro digital calculado
31 83 Los coeficientes de cada sección se encuentran en la matríz SOS, la cual es una matríz de orden M or 6, donde M es el número de secciones de segundo orden del filtro. Cada fila de la matríz SOS contiene los coeficientes del numerador y denominador (b ik y a ik ) de la sección corresondiente del filtro. La matríz SOS corresondiente calculada or Matlab se muestra a continuación b11 b12 SOS = b13 b14 b15 b21 b22 b23 b24 b25 b31 b32 b33 b34 b35 a11 a12 a13 a14 a15 a21 a22 a23 a24 a25 a31 1 a 32 1 a33 = 1 a34 1 a Los valores de escala se encuentran en la matríz S, la cual es un vector columna con M+1 valores de escala. Estos valores son usados entre las secciones de segundo orden del filtro y cada valor es usado or una sección diferente, de acuerdo al diagrama de la figura Es osible considerar a los valores de escala como las ganancias corresondientes a cada una de las secciones del filtro. La matríz S calculada or Matlab, se muestra a continuación: S s e - 9 s e - 9 s e - 10 = = s e - 10 s e - 6 s6 1 El diagrama de bloques comleto de este filtro digital se exlica en el Aéndice A Análisis de la resuesta del filtro digital Una vez que ya sido calculado el filtro digital, ahora se rocederá a analizar la resuesta del filtro. Para esto simularemos varias señales senoidales de distintas frecuencias y evaluaremos la caacidad de filtrado del filtro digital. La señal de entrada x ( t ) estará dada or 4 ondas senoidales de 100 Hz, 1000 Hz, 1 MHz y 10 MHz; todas con amlitudes de [ sen( 2π 10 t ) + sen( 2π 10 t ) + sen( 2π 10 t ) + sen( 2π 10 t )] x( t ) = 50 (4.41) A continuación se muestran las gráficas de la señal a la entrada y a la salida del filtro. Nótese cómo la señal de entrada oscila debido a las comonentes de alta frecuencia con las que cuenta, y en cambio la señal ya filtrada es rácticamente igual a una onda senoidal de 100 Hz de frecuencia (con eríodo de 0.01 segundos). Esto claramente es debido a la acción del filtro, el cual se ha odido demostrar que funciona correctamente, dejando asar
32 84 libremente las comonentes de bajas frecuencias (de acuerdo a las esecificaciones de diseño) y filtrando las de altas frecuencias. 200 Señal de entrada del fitro digital Amlitud Tiemo Figura Señal de rueba antes de ser filtrada 60 Señal a la salida del filtro digital Amlitud Tiemo Señal Señal de rueba desués de ser filtrada
33 Recomendaciones al momento de imlementar el filtro digital Existen dos maneras de imlementar filtros digitales: mediante software y mediante hardware. La imlementación mediante hardware tiene como ventaja rincial la ráida velocidad con que se ejecuta la etaa de filtrado y como rincial desventaja el costo alto que imlica. En cambio ara la imlementación mediante software sucede lo contrario: el costo es menor ero el tiemo que toma en realizar la etaa de filtrado es relativamente mayor. Para el caso del radar no habría mayores imlicancias en otar or la imlementación or software, ya que no se requieren resultados "en tiemo real". La velocidad con que se realice el muestreo de datos no tiene ninguna relación con el tiemo que tarde en realizarse el filtrado de la señal, ya que la rimera deende de la velocidad con que cuente el disositivo que se utilice ara muestrear la señal (or ejemlo una tarjeta de adquisición de datos) y la segunda deende de la velocidad con que ejecuten las instrucciones del algoritmo de filtrado. Si es que el algoritmo de filtrado se imlementa en una PC, entonces la velocidad con que se ejecute el algoritmo de filtrado deenderá de la cantidad de instrucciones que tenga el algoritmo y de la velocidad del rocesador de la PC que se utilice. Por tanto se recomienda solo utilizar la cantidad de instrucciones necesarias así como también contar con una PC que sea adecuada ara este tio de tarea. Debido a que ara imlementar el filtro digital es necesario hacer modificaciones dentro del software y hardware con el que cuenta actualmente el radar, no se ahondará más en este tema
34 86
UNIVERSIDAD DE ANTIOQUIA FACULTAD DE INGENIERÍA DEPARTAMENTO DE INGENIERIA ELECTRÓNICA LABORATORIO DE CIRCUITOS II PRÁCTICA N 6 " FILTROS ACTIVOS "
UNIVERSIDAD DE ANTIOQUIA FACULTAD DE INGENIERÍA DEPARTAMENTO DE INGENIERIA ELECTRÓNICA LABORATORIO DE CIRCUITOS II PRÁCTICA N 6 " FILTROS ACTIVOS " OBJETIVOS - Conocer algunas toologías ara el diseño de
Más detallesUn filtro general de respuesta al impulso finita con n etapas, cada una con un retardo independiente d i y ganancia a i.
Filtros Digitales Un filtro general de respuesta al impulso finita con n etapas, cada una con un retardo independiente d i y ganancia a i. En electrónica, ciencias computacionales y matemáticas, un filtro
Más detallesCircuito RC, Respuesta a la frecuencia.
Circuito RC, Respuesta a la frecuencia. A.M. Velasco (133384) J.P. Soler (133380) O.A. Botina (13368) Departamento de física, facultad de ciencias, Universidad Nacional de Colombia Resumen. Se armó un
Más detallesUnidad 5. Aplicaciones de las derivadas. Objetivos. Al terminar la unidad, el alumno:
Unidad 5 Alicaciones de las derivadas Objetivos Al terminar la unidad, el alumno: Resolverá roblemas de ingreso utilizando el ingreso marginal. Resolverá roblemas de costos utilizando el costo marginal
Más detallesD. REALIZACIÓN DE LA PRÁCTICA Y PRESENTACIÓN DE RESULTADOS
22 Laboratorio de Tratamiento Digital de Señales D. REALIZACIÓN DE LA PRÁCTICA Y PRESENTACIÓN DE RESULTADOS 1. DISEÑO DE FILTROS IIR 1.1 Diseño de filtros IIR empleando prototipos analógicos En este apartado
Más detallesPRÁCTICA 4. De las dos primeras CPO operando y simplificando se obtiene la condición de tangencia:
.- Determine la exresión de la demanda del bien x ara la siguiente función de utilidad: Para calcular la del bien x hay que resolver el roblema de maximización de la utilidad condicionada a la renta disonible
Más detallesCapítulo I. Convertidores de CA-CD y CD-CA
Capítulo I. Convertidores de CA-CD y CD-CA 1.1 Convertidor CA-CD Un convertidor de corriente alterna a corriente directa parte de un rectificador de onda completa. Su carga puede ser puramente resistiva,
Más detallesPRINCIPALES DISTRIBUCIONES DISCRETAS
PRINCIPALES DISTRIBUCIONES DISCRETAS Objetivos generales del tema En este tema definiremos y discutiremos diversas e imortantes distribuciones discretas, es decir, funciones masa de robabilidad o funciones
Más detallesCircuito RL, Respuesta a la frecuencia.
Circuito RL, Respuesta a la frecuencia. A.M. Velasco (133384) J.P. Soler (133380) O.A. Botina (133268) Departamento de física, facultad de ciencias, Universidad Nacional de Colombia Resumen. Se estudia
Más detallesTema 3. Medidas de tendencia central. 3.1. Introducción. Contenido
Tema 3 Medidas de tendencia central Contenido 31 Introducción 1 32 Media aritmética 2 33 Media ponderada 3 34 Media geométrica 4 35 Mediana 5 351 Cálculo de la mediana para datos agrupados 5 36 Moda 6
Más detallesIntroducción a la Teoría del Procesamiento Digital de Señales de Audio
Introducción a la Teoría del Procesamiento Digital de Señales de Audio Transformada de Fourier Discreta Resumen Propiedades de la Transformada de Fourier Linealidad Comportamiento de la fase Naturaleza
Más detallesCAPITULO II CARACTERISTICAS DE LOS INSTRUMENTOS DE MEDICION
CAPITULO II CARACTERISTICAS DE LOS INSTRUMENTOS DE MEDICION Como hemos dicho anteriormente, los instrumentos de medición hacen posible la observación de los fenómenos eléctricos y su cuantificación. Ahora
Más detallesDeterminación experimental de la respuesta en frecuencia
Determinación experimental de la respuesta en frecuencia Análisis Dinámico de Sistemas (Teleco) Área de Ingeniería de Sistemas y Automática Escuela Politécnica Superior de Ingeniería Gijón Universidad
Más detallesControl de Fase. Capítulo 4. 4.1 Conceptos Teóricos
Caítulo 4 Control de Fase 4.1 Concetos Teóricos En este caítulo se resentará el método de control de fase ara convertidores AC/DC conmutados or línea, comúnmente conocidos como rectificadores controlados.
Más detallesFiltrado Digital. Lectura 3: Diseño de Filtros FIR
Lectura 3: Diseño de Filtros FIR Diseño de Filtros Objetivo: Obtener una función de transferencia H(z) realizable aproximándola a una respuesta en frecuencia deseable. El diseño de filtros digitales es
Más detalles9. Lección 9: Cambios de Fase
9. Lección 9: Cambios de Fase Cuando un sistema consiste de más de una fase, cada fase uede ser considerada como un sistema searado del todo. Los arámetros termodinámicos del sistema entero ueden ser construidos
Más detallesTRANSMISION DIGITAL. PCM, Modulación por Codificación de Pulsos
MODULACIÓN TRANSMISION DIGITAL La amplia naturaleza de las señales analógicas es evidente, cualquier forma de onda está disponible con toda seguridad en el ámbito analógico, nos encontramos con una onda
Más detallesÚltima modificación: 1 de agosto de 2010. www.coimbraweb.com
Contenido DOMINIOS DEL TIEMPO Y DE LA FRECUENCIA 1.- Señales analógicas y digitales. 2.- Señales analógicas periódicas. 3.- Representación en los dominios del tiempo y de la frecuencia. 4.- Análisis de
Más detallesNo hay resorte que oscile cien años...
No hay resorte que oscile cien años... María Paula Coluccio y Patricia Picardo Laboratorio I de Física para Biólogos y Geólogos Depto. de Física, FCEyN, UBA - 1999 Resumen: En el presente trabajo nos proponemos
Más detallesANÁLISIS DE DATOS NO NUMERICOS
ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas
Más detallesRENDIMIENTO de TRANSFORMADORES
ENDMENTO de TANSFOMADOES Norberto A. Lemozy NTODCCÓN El conocimiento del rendimiento de cualquier máquina, disositivo o sistema tiene una gran imortancia or el valor económico que ello reorta, tanto desde
Más detallesTRABAJO PRACTICO No 7. MEDICION de DISTORSION EN AMPLIFICADORES DE AUDIO ANALIZADORES DE ESPECTRO DE AUDIO
TRABAJO PRACTICO No 7 MEDICION de DISTORSION EN AMPLIFICADORES DE AUDIO ANALIZADORES DE ESPECTRO DE AUDIO INTRODUCCION TEORICA: La distorsión es un efecto por el cual una señal pura (de una única frecuencia)
Más detallesCAPÍTULO 6 SIMULACIONES Y RESULTADOS
CAPÍTULO 6 SIMULACIONES Y RESULTADOS 6.1 Proceso de Simulación Las simulaciones fueros llevadas a cabo empleando como herramienta la Versión 6.5 Release 13 de Matlab. Para lo cual fue empleado un banco
Más detallesManual de Introducción a SIMULINK
Manual de Introducción a SIMULINK Autor: José Ángel Acosta Rodríguez 2004 Capítulo Ejemplo.. Modelado de un sistema dinámico En este ejemplo se realizará el modelado de un sistema dinámico muy sencillo.
Más detalles6. Análisis en el dominio de la frecuencia. Teoría de Control
6. Análisis en el dominio de la frecuencia Teoría de Control Introducción El término respuesta en frecuencia, indica la respuesta en estado estacionario de un sistema a una entrada senoidal. La respuesta
Más detallesESTUDIO DE LA MÁQUINA DE C.C.
ESCUELA SUPERIOR DE INGENIEROS DE SAN SEBASTIÁN TECNUN UNIVERSIDAD DE NAVARRA Práctica nº 3: Sistemas Eléctricos ESTUDIO DE LA MÁQUINA DE C.C. Sistemas Eléctricos 2009-2010. La Máquina de Corriente Continua
Más detallesRepresentación de señales de audio
Representación de señales de audio Emilia Gómez Gutiérrez Síntesi i Processament del So I Departament de Sonologia Escola Superior de Musica de Catalunya Curso 2009-2010 emilia.gomez@esmuc.cat 28 de septiembre
Más detallesProf. Daniel Villar Escuela Técnica del Buceo 2009
Matemática: Teórico 009 Seguramente el lector ya conoce estructuras numéricas, naturales, enteros, racionales. Sus diferencias y carencias. Qué hizo necesario la creación de una estructura aún más amlia
Más detallesCAPÍTULO VI PREPARACIÓN DEL MODELO EN ALGOR. En este capítulo, se hablará acerca de los pasos a seguir para poder realizar el análisis de
CAPÍTULO VI PREPARACIÓN DEL MODELO EN ALGOR. En este capítulo, se hablará acerca de los pasos a seguir para poder realizar el análisis de cualquier modelo en el software Algor. La preparación de un modelo,
Más detallesCifras significativas e incertidumbre en las mediciones
Unidades de medición Cifras significativas e incertidumbre en las mediciones Todas las mediciones constan de una unidad que nos indica lo que fue medido y un número que indica cuántas de esas unidades
Más detallesTema 2. Espacios Vectoriales. 2.1. Introducción
Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por
Más detallesCAPITULO 4. Inversores para control de velocidad de motores de
CAPITULO 4. Inversores para control de velocidad de motores de inducción mediante relación v/f. 4.1 Introducción. La frecuencia de salida de un inversor estático está determinada por la velocidad de conmutación
Más detalles8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión...
Tema 8 Análisis de dos variables: dependencia estadística y regresión Contenido 8.1. Introducción............................. 1 8.2. Dependencia/independencia estadística.............. 2 8.3. Representación
Más detalles1 1 0 1 x 1 0 1 1 1 1 0 1 + 1 1 0 1 0 0 0 0 1 1 0 1 1 0 0 0 1 1 1 1
5.1.3 Multiplicación de números enteros. El algoritmo de la multiplicación tal y como se realizaría manualmente con operandos positivos de cuatro bits es el siguiente: 1 1 0 1 x 1 0 1 1 1 1 0 1 + 1 1 0
Más detallesIntroducción a la Teoría del Procesamiento Digital de Señales de Audio
Introducción a la Teoría del Procesamiento Digital de Señales de Audio Transformada de Fourier Resumen el análisis de Fourier es un conjunto de técnicas matemáticas basadas en descomponer una señal en
Más detallesMEDICIÓN Y AJUSTE DE LOS SISTEMAS DE REFUERZO SONORO
MEDICIÓN Y AJUSTE DE LOS SISTEMAS DE REFUERZO SONORO POR QUÉ ES NECESARIO MEDIR? QUÉ CONOCEMOS AL MEDIR UN SISTEMA DE AUDIO? QUÉ PARÁMETROS PODEMOS AJUSTAR? TIPOS DE MEDICIONES DE UN SOLO CANAL DE DOBLE
Más detallesUNIDAD 4: PLANO CARTESIANO, RELACIONES Y FUNCIONES. OBJETIVO DE APRENDIZAJE: Representar gráficamente relaciones y funciones en el plano cartesiano.
UNIDAD 4: PLANO CARTESIANO, RELACIONES Y FUNCIONES OBJETIVO DE APRENDIZAJE: Representar gráficamente relaciones y funciones en el plano cartesiano. EL PLANO CARTESIANO. El plano cartesiano está formado
Más detallesDefinición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.
Tema 1 Matrices Estructura del tema. Conceptos básicos y ejemplos Operaciones básicas con matrices Método de Gauss Rango de una matriz Concepto de matriz regular y propiedades Determinante asociado a una
Más detallesSEÑALES Y ESPECTROS SEÑALES Y ESPECTROS 1
SEÑALES Y ESPECTROS INTRODUCCIÓN. TERMINOLOGÍA USADA EN TRANSMISIÓN DE DATOS. FRECUENCIA, ESPECTRO Y ANCHO DE BANDA. DESARROLLO EN SERIE DE FOURIER PARA SEÑALES PERIÓDICAS. TRANSFORMADA DE FOURIER PARA
Más detallesMovimiento a través de una. José San Martín
Movimiento a través de una curva José San Martín 1. Introducción Una vez definida la curva sobre la cual queremos movernos, el siguiente paso es definir ese movimiento. Este movimiento se realiza mediante
Más detallesFundamentos de Investigación de Operaciones Investigación de Operaciones 1
Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 1 de agosto de 2003 1. Introducción Cualquier modelo de una situación es una simplificación de la situación real. Por lo tanto,
Más detallesComunicaciones Digitales - Ejercicios Tema 3
Comunicaciones Digitales - Ejercicios Tema 3 007. 1. Considere el diagrama de rejilla para un canal discreto equivalente genérico con 4 coeficientes no nulos (memoria K p = 3) y una constelación -PAM.
Más detallesEjercicio de estadística para 3º de la ESO
Ejercicio de estadística para 3º de la ESO Unibelia La estadística es una disciplina técnica que se apoya en las matemáticas y que tiene como objetivo la interpretación de la realidad de una población
Más detallesJAVAFilters: Cálculo y Diseño de Filtros Analógicos y Digitales Primavera 2004
CAPITULO 2. DESCRIPCIÓN DEL PROYECTO. 2.1 OBJETIVOS DEL PROYECTO. La finalidad del presente proyecto no se centra en el estudio a profundidad de la teoría de los filtros eléctricos, más bien consiste en
Más detallesCAPITULO 2 CARACTERÍSTICAS ESPECIALES
CAPITULO 2 CARACTERÍSTICAS ESPECIALES Todo lo anteriormente mencionado sobre osciloscopios es en relación a un osciloscopio básico. Es decir, existen una serie de características no mencionadas hasta ahora
Más detallesParámetros con la ventana de selección de usuario, reglas, texto y descomposición (IVE)
QUÉ SON CONCEPTOS PARAMÉTRICOS? Los conceptos paramétricos de Presto permiten definir de una sola vez una colección de conceptos similares a partir de los cuales se generan variantes o conceptos derivados
Más detallesProcesamiento digital de señales y radios definidas en software
1 2 2 3 4 5 5 6 Procesamiento digital de señales y radios definidas en software Marcelo Franco, N2UO www.qsl.net/n2uo En los últimos tiempos se han popularizado dos siglas entre los radioaficionados: DSP
Más detallesFUENTES DE ALIMENTACION
FUENTES DE ALIMENTACION INTRODUCCIÓN Podemos definir fuente de alimentación como aparato electrónico modificador de la electricidad que convierte la tensión alterna en una tensión continua. Remontándonos
Más detallesEjercicios Riesgo y Retorno Resueltos
Ejercicios Riesgo y Retorno Resueltos Comentes:. ara lograr el efecto diversificación en un ortafolio debemos necesariamente invertir en activos que no se correlacionen o que tienen correlación negativa.
Más detallesInstituto Tecnológico de Massachussets Departamento de Ingeniería Eléctrica e Informática. 6.002 Circuitos electrónicos Otoño 2000
Instituto Tecnológico de Massachussets Departamento de Ingeniería Eléctrica e Informática 6.002 Circuitos electrónicos Otoño 2000 Tarea para casa 11 Boletín F00-057 Fecha de entrega: 6/12/00 Introducción
Más detallesREPASO CONCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓN NORMAL.
REPASO COCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓ ORMAL. Éste es un breve repaso de conceptos básicos de estadística que se han visto en cursos anteriores y que son imprescindibles antes de acometer
Más detallesSubespacios vectoriales en R n
Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo
Más detalles2) Se ha considerado únicamente la mano de obra, teniéndose en cuenta las horas utilizadas en cada actividad por unidad de página.
APLICACIÓN AL PROCESO PRODUCTIVO DE LA EMPRESA "F. G. / DISEÑO GRÁFICO". AÑO 2004 Rescala, Carmen Según lo explicado en el Informe del presente trabajo, la variación en la producción de páginas web de
Más detallesLaboratorio de Física Universitaria II. FISI 3014 Primer semestre del año académico 2003-2004 Departamento de Física y Electrónica de la UPR-H
Laboratorio de Física Universitaria II. FISI 3014 Primer semestre del año académico 2003-2004 Departamento de Física y Electrónica de la UPR-H Introducción El programa de Data Studio 1.7, es una aplicación
Más detallesTIPOS DE RESTRICCIONES
RESTRICCIONES: Las restricciones son reglas que determinan la posición relativa de las distintas geometrías existentes en el archivo de trabajo. Para poder aplicarlas con rigor es preciso entender el grado
Más detallesTeoría de Sistemas y Señales
Universidad Nacional de Rosario Facultad de Ciencias Exactas, Ingeniería y Agrimensura Escuela de Ingeniería Electrónica Teoría de Sistemas y Señales Trabajo Práctico Nº 3 Análisis Frecuencial de Señales
Más detallesAnálisis de los datos
Universidad Complutense de Madrid CURSOS DE FORMACIÓN EN INFORMÁTICA Análisis de los datos Hojas de cálculo Tema 6 Análisis de los datos Una de las capacidades más interesantes de Excel es la actualización
Más detallesDecisión: Indican puntos en que se toman decisiones: sí o no, o se verifica una actividad del flujo grama.
Diagrama de Flujo La presentación gráfica de un sistema es una forma ampliamente utilizada como herramienta de análisis, ya que permite identificar aspectos relevantes de una manera rápida y simple. El
Más detallesOTDR. Sistemas de transmisión por Fibra Optica
OTDR INTRODUCCION Un OTDR es un reflectómetro óptico en el dominio tiempo. Es un instrumento de medición que envía pulsos de luz, a la longitud de onda deseada (ejemplo 3ra ventana:1550 nm), para luego
Más detallesUnidad 5 Utilización de Excel para la solución de problemas de programación lineal
Unidad 5 Utilización de Excel para la solución de problemas de programación lineal La solución del modelo de programación lineal (pl) es una adaptación de los métodos matriciales ya que el modelo tiene
Más detallesESTUDIO DE LA ESTABILIDAD EN EL DOMINIO FRECUENCIAL
ESTUDIO DE LA ESTABILIDAD EN EL DOMINIO FRECUENCIAL 1.-Introducción. 2.-Criterio de estabilidad de Nyquist. 3.-Estabilidad relativa. 3.1.-Margen de ganancia. 3.2.-Margen de fase. 4.-Estabilidad mediante
Más detallesCovarianza y coeficiente de correlación
Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también
Más detallesMEDIDAS DE TENDENCIA CENTRAL
CAPÍTULO 14 MEDIDAS DE TENDENCIA CENTRAL A veces, de los datos recolectados ya organizados en alguna de las formas vistas en capítulos anteriores, se desea encontrar una especie de punto central en función
Más detallesSIIGO Pyme. Informes de Saldos y Movimientos de Inventarios. Cartilla I
SIIGO Pyme Informes de Saldos y Movimientos de Inventarios Cartilla I Tabla de Contenido 1. Presentación 2. Qué son Inventarios? 3. Qué son Informes? 4. Qué son Informes de Saldos y Movimientos en Inventarios?
Más detallesECUACION DE DEMANDA. El siguiente ejemplo ilustra como se puede estimar la ecuación de demanda cuando se supone que es lineal.
ECUACION DE DEMANDA La ecuación de demanda es una ecuación que expresa la relación que existe entre q y p, donde q es la cantidad de artículos que los consumidores están dispuestos a comprar a un precio
Más detallesFunción Logaritmo, dominio y traslación. Guía del profesor.
Función Logaritmo, dominio y traslación. Guía del profesor. Contenidos: Función logaritmo y su representación gráfica correspondiente. Análisis de las expresiones algebraicas y sus respectivas representaciones
Más detallesAnálisis de medidas conjuntas (conjoint analysis)
Análisis de medidas conuntas (conoint analysis). Introducción Como ya hemos dicho anteriormente, esta técnica de análisis nos sirve para analizar la importancia que dan los consumidores a cada uno de los
Más detallesEjercicios. 1. Definir en Maxima las siguientes funciones y evaluarlas en los puntos que se indican:
Ejercicios. 1. Definir en Maxima las siguientes funciones y evaluarlas en los puntos que se indican: 2. Graficar las funciones anteriores, definiendo adecuadamente los rangos de x e y, para visualizar
Más detallesDIAGRAMA DE GANTT. Este gráfico consiste simplemente en un sistema de coordenadas en que se indica:
INTRODUCCION DIAGRAMA DE GANTT Diagrama de Gantt: Los cronogramas de barras o gráficos de Gantt fueron concebidos por el ingeniero norteamericano Henry L. Gantt, uno de los precursores de la ingeniería
Más detallesCAPÍTULO 4: FIJACIÓN DE LAS PRIMAS Y ANÁLISIS DE LA VARIABLE BORROSO ALEATORIA
arte III: Análisis de la determinación de las rimas en los seguros de vida y de la solvencia dinámica del asegurador cuando los tios de interés de valoración vienen estimados a través de números borrosos
Más detallesAproximación local. Plano tangente. Derivadas parciales.
Univ. de Alcalá de Henares Ingeniería de Telecomunicación Cálculo. Segundo parcial. Curso 004-005 Aproximación local. Plano tangente. Derivadas parciales. 1. Plano tangente 1.1. El problema de la aproximación
Más detallesSISTEMA DE REGISTRO DE TRANSACCIONES BURSATILES BAGSA MANUAL DE USUARIO
SISTEMA DE REGISTRO DE TRANSACCIONES BURSATILES BAGSA MANUAL DE USUARIO Consideraciones Iniciales I. El sistema está desarrollado bajo un entorno web por lo que puede ser accedido desde cualquier cliente
Más detallesCapítulo 12: Indexación y asociación
Capítulo 12: Indexación y asociación Conceptos básicos Índices ordenados Archivos de índice de árbol B+ Archivos de índice de árbol B Asociación estática Asociación dinámica Comparación entre indexación
Más detallesSEDO: SOFTWARE EDUCATIVO DE MATEMÁTICA NUMÉRICA. Lic. Maikel León Espinosa. mle@uclv.edu.cu
EDU082 Resumen SEDO: SOFTWARE EDUCATIVO DE MATEMÁTICA NUMÉRICA Lic. Maikel León Espinosa mle@uclv.edu.cu Departamento de Ciencia de la Computación Universidad Central Marta Abreu de Las Villas Carretera
Más detallesEconomía - IN2C1. Otoño 2008 Auxiliar 3
Economía - INC1 Otoño 008 Auxiliar 3 Comentes 1. He ganado la concesión ara vender helados en la laya Reñaca. Como sé que la demanda or helados en la laya en verano se torna más inelástica, ara aumentar
Más detallesMatrices equivalentes. El método de Gauss
Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar
Más detallesAtenuación = 10 log 10 db 1.10. Amplificación = 10 log 10
cable es más largo, se insertan uno o más amplificadores, también llamados repetidores a intervalos a lo largo del cable a fin de restablecer la señal recibida a su nivel original. La atenuación de la
Más detalles3. Métodos para la evaluación de proyectos
Objetivo general de la asignatura: El alumno analizará las técnicas de evaluación de proyectos de inversión para la utilización óptima de los recursos financieros; así como aplicar las técnicas que le
Más detallesRegulador PID con convertidores de frecuencia DF5, DV5, DF6, DV6. Página 1 de 10 A Regulador PID
A Página 1 de 10 A Regulador PID INDICE 1. Regulador PID 3 2. Componente proporcional : P 4 3. Componente integral : I 4 4. Componente derivativa : D 4 5. Control PID 4 6. Configuración de parámetros del
Más detallesDiagonalización de matrices
diagonalizacion.nb Diagonalización de matrices Práctica de Álgebra Lineal, E.U.A.T., Grupos ºA y ºB, 2005 Algo de teoría Qué es diagonalizar una matriz? Para estudiar una matriz suele ser conveniente expresarla
Más detallesASPECTOS GENERALES PARA LA SOLUCIÓN DE PROBLEMAS RELACIONADOS CON LA CONDUCCIÓN TRANSITORIA.
CONDUCCIÓN TRANSITORIA Aquí encontrarás Los métodos gráficos y el análisis teórico necesario para resolver problemas relacionados con la transferencia de calor por conducción en estado transitorio a través
Más detallesPractica 5: Ventanas espectrales
1 Practica 5: Ventanas espectrales 2 1. Objetivos El objetivo principal es mostrar un amplio número de ventanas y una forma sencilla de caracterizarlas, así como la comparación de sus propiedades. 2. Ventanas
Más detallesMetodología. del ajuste estacional. Tablero de Indicadores Económicos
Metodología del ajuste estacional Tablero de Indicadores Económicos Metodología del ajuste estacional Componentes de una serie de tiempo Las series de tiempo están constituidas por varios componentes que,
Más detallesLABORATORIO Nº 2 GUÍA PARA REALIZAR FORMULAS EN EXCEL
OBJETIVO Mejorar el nivel de comprensión y el manejo de las destrezas del estudiante para utilizar formulas en Microsoft Excel 2010. 1) DEFINICIÓN Una fórmula de Excel es un código especial que introducimos
Más detallesBREVE MANUAL DE SOLVER
BREVE MANUAL DE SOLVER PROFESOR: DAVID LAHOZ ARNEDO PROGRAMACIÓN LINEAL Definición: Un problema se define de programación lineal si se busca calcular el máximo o el mínimo de una función lineal, la relación
Más detallesIngeniería del Software I Clase de Testing Funcional 2do. Cuatrimestre de 2007
Enunciado Se desea efectuar el testing funcional de un programa que ejecuta transferencias entre cuentas bancarias. El programa recibe como parámetros la cuenta de origen, la de cuenta de destino y el
Más detallesTEMA 7 TEMA 7. SERIES TEMPORALES. Carmen Arriero Villacorta 1. DEFINICIÓN. Serie temporal de aeronaves Aeropuerto de Ibiza
TEMA 7 SERIES TEMPORALES Carmen Arriero Villacorta CURSO 212 213 1 Nº Aeronaves 1. DEFINICIÓN Una serie temoral es una serie estadística cuyos valores deenden del tiemo. D(t, Y t ) Y 1, Y 2,,, Y t,, Y
Más detallesBASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.
BASES Y DIMENSIÓN Definición: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente. β Propiedades
Más detallesCONVERTIDORES DIGITAL ANALÓGICO Y ANALÓGICO - DIGITAL
CONVERTIDORES DIGITAL ANALÓGICO Y ANALÓGICO - DIGITAL CONVERTIDORES DIGITAL ANALÓGICO Las dos operaciones E/S relativas al proceso de mayor importancia son la conversión de digital a analógico D/A y la
Más detallesOtras medidas descriptivas usuales
Tema 7 Otras medidas descriptivas usuales Contenido 7.1. Introducción............................. 1 7.2. Medidas robustas.......................... 2 7.2.1. Media recortada....................... 2 7.2.2.
Más detallesANTENAS: Teledistribución y televisión por cable
5.1 INTRODUCCIÓN A LA TELEDISTRIBUCIÓN La teledistribución o CATV, podemos considerarla como una gran instalación colectiva, con algunos servicios adicionales que puede soportar y que conectará por cable
Más detallesANTENAS: CONCEPTOS TRIGONOMETRICOS
8-DE NUESTROS COLEGAS 1ª Parte. ANTENAS: CONCEPTOS TRIGONOMETRICOS Todas las antenas usadas dentro de la Radioafición, son básicamente un dipolo, es decir que tienen 1/2 longitud de onda y por utilizar
Más detallesANALISIS DE LA RESPUESTA EN FRECUENCIA
ANALISIS DE LA RESPESA EN FRECENCIA Marco Antonio Pérez Cisneros *, Elke Laubwald + y Mark Readman + * División de Electrónica y Computación, CCEI, niversidad de Guadalajara, México. + Consultores Control
Más detallesCOMPARACIÓN DE ÁREAS DE FIGURAS POR ESTUDIANTES DE PRIMERO DE MAGISTERIO
COMPARACIÓN DE ÁREAS DE FIGURAS POR ESTUDIANTES DE PRIMERO DE MAGISTERIO Sonia Aguilera Piqueras y Pablo Flores Martínez Departamento de Didáctica de la Matemática Universidad de Granada 1. Introducción
Más detallesCapítulo 10. Gráficos y diagramas
Capítulo 10. Gráficos y diagramas 1. Introducción Los gráficos y diagramas que se acostumbran a ver en libros e informes para visualizar datos estadísticos también se utilizan con propósitos cartográficos,
Más detallesCómo vibran las estructuras? problemas dinámicos estructurales
Cómo vibran las estructuras? Uso de herramientas para resolver problemas dinámicos estructurales MC571 Vibraciones Mecánicas Análisis i Modal Estudio de las características naturales de las estructuras
Más detallesConvolución y Convolución Discreta Definición de convolución Cuando hemos aplicado, en el apartado anterior, una función ventana o hemos muestreado una función dada, implícitamente hemos estado efectuando
Más detallesANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS
ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS 1) INTRODUCCIÓN El análisis de varianza es una técnica que se puede utilizar para decidir si las medias de dos o más poblaciones son iguales. La prueba se
Más detallesCálculo Simbólico también es posible con GeoGebra
www.fisem.org/web/union ISSN: 1815-0640 Número 34. Junio de 2013 páginas 151-167 Coordinado por Agustín Carrillo de Albornoz Cálculo Simbólico también es posible con GeoGebra Antes de exponer las posibilidades
Más detallesPARÁBOLA. 1) para la parte positiva: 2) para la parte negativa: 3) para la parte positiva: 4) para la parte negativa:
Página 90 5 LA PARÁBOLA 5.1 DEFINICIONES La parábola es el lugar geométrico 4 de todos los puntos cuyas distancias a una recta fija, llamada, y a un punto fijo, llamado foco, son iguales entre sí. Hay
Más detalles