Modulo Procesamiento Senales Digitales

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERA

CONTENIDO DIDCTICO DEL CUSO: 299004 PROCESAMIENTO DIGITAL DE SEALES

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA


PROGRAMA DE INGENIERA ELECTRNICA

299004 PROCESAMIENTO DIGITAL DE SEALES

FAIBER ROBAYO BETANCOURT

Director Nacional

ALFREDO LPEZ RENDN
Acreditador

NEIVA
Enero de 2013


ASPECTOS DE PROPIEDAD INTELECTUAL Y VERSIONAMIENTO

El presente mdulo es actualizado en el ao 2013 por el Ing. Faiber Robayo
Betancourt, tutor de la UNAD, y ubicado en el CCAV de Neiva. El Ing. Robayo es
Ingeniero Electrnico, y Magister en Ingeniera de Control Industrial, se ha
desempeado como tutor de la UNAD desde el 2005.

El presente mdulo tiene su primera actualizacin este ao por parte del ingeniero
Robayo quien se desempea actualmente como director del cuso a nivel nacional.

La primera versin fue realizada por la ingeniera Indira Cassaleth Garrido y se
llam Procesamiento de Seales Digitales.


INTRODUCCIN

El curso de Procesamiento Digital de Seales es de tipo terico y es ofrecido
dentro del portafolio de cursos para el programa de ingeniera electrnica de la
Universidad Nacional Abierta y a Distancia UNAD. Tiene como objetivo principal
dotar al estudiante de los conocimientos necesarios para el diseo y la
implementacin de filtros digitales de caractersticas frecuenciales especficas;
todo esto a travs de la estrategia de educacin abierta y a distancia.

El procesamiento digital de seales es una disciplina que abarca la
representacin, transformacin y manipulacin de seales y de la informacin que
contienen. En este curso se presenta una introduccin a las tcnicas
computacionales y herramientas bsicas para el anlisis y diseo de sistemas de
procesamiento digital de seales, haciendo nfasis en los filtros selectivos en
frecuencia. El curso es complementado con simulaciones prcticas para la
exploracin a fondo de los conceptos analizados en la parte terica.

El curso tiene 3 crditos acadmicos, los cuales comprenden el estudio
independiente y el acompaamiento tutorial, con de abordar las unidades
didcticas:

Unidad 1: Seales y sistemas discretos
Unidad 2: Diseo de Filtros Digitales
Unidad 3: Aplicaciones de Filtros digitales
La metodologa a seguir ser bajo la estrategia de educacin a distancia. Por tal
razn, ser importante planificar los procesos de:

Estudio Independiente: este se desarrollar a travs del trabajo personal y del
trabajo en pequeos grupos colaborativos de aprendizaje.

Acompaamiento tutorial: corresponde al acompaamiento que el tutor realiza
al estudiante para potenciar el aprendizaje y la formacin. Este acompaamiento
se puede adelantar de forma individual, en pequeos grupos o a nivel de grupo de
curso.

La evaluacin del curso se define como cualitativa - participativa, y mide la calidad
de los procesos y productos de aprendizaje. Se evidencia desde las formas de:


Autoevaluacin: evaluacin que realiza el estudiante para valorar su propio
proceso de aprendizaje.
Coevaluacin: se realiza a travs de los grupos colaborativos, y pretende la
socializacin de los resultados del trabajo personal.
Heteroevaluacin: Es la valoracin que realiza el tutor del proceso de
aprendizaje.

Para el desarrollo del curso es importante el papel que juegan los recursos
didcticos y tecnolgicos como medio activo e interactivo, buscando la
interlocucin durante todo el proceso de dilogo tutor-estudiante.

Se tienen diferentes opciones y tecnologas, las cules deben ser empleadas de la
mejor forma de acuerdo al espacio, y a los objetivos propuestos en cada curso.
Algunas de las ms empleadas, son:

Materiales virtuales: Son el soporte fundamental para el curso y para favorecer
los procesos de aprendizaje auto-dirigido. Estos contenidos sern publicados en la
plataforma virtual de la UNAD.
Sitios Web: propician el acercamiento al conocimiento, la interaccin y la
produccin de nuevas dinmicas educativas.
Sistemas de interactividades sincrnicas: permite la comunicacin a travs de
encuentros presnciales directos o de encuentros mediados (Chat, audio
conferencias, videoconferencias, tutoras telefnicas).
Sistemas de interactividades asincrnicas: permite la comunicacin en forma
diferida favoreciendo la disposicin del tiempo del estudiante para su proceso de
aprendizaje (correo electrnico, foros, grupos de discusin, entre otros).


INDICE DE CONTENIDO

UNIDAD 1 SEALES Y SISTEMAS DISCRETOS ............................................................................ 11
INTRODUCCIN ...................................................................................................................... 12

CAPITULO 1: INTRODUCCIN AL PROCESAMIENTO DIGITAL DE SEALES... 13
Leccin 1: SISTEMAS DSP ................................................................................................................. 13
Proceso de conversin de anlogo a digital (ADC) ............................................................................ 14
Teorema del muestreo ...................................................................................................................... 14
Leccin 2: SEALES EN TIEMPO DISCRETO ...................................................................................... 19
Seales elementales en tiempo discreto .......................................................................................... 21
Leccin 3: SISTEMAS LTI ................................................................................................................... 24
Leccin 4: PROPIEDADES DE LOS SISTEMAS DISCRETOS .................................................................. 25
Leccin 5: RESPUESTA IMPULSO ...................................................................................................... 29

CAPITULO 2: TRANSFORMADA DE FOURIER.... 32
Leccin 6: SERIES DE FOURIER ......................................................................................................... 32
Series de Fourier para seales peridicas ......................................................................................... 32
Series de Fourier para seales discretas peridicas ......................................................................... 33
Leccin 7: TRANSFORMADA DISCRETA DE FOURIER ........................................................................ 36
Introduccin ...................................................................................................................................... 36
Leccin 8: PROPIEDADES DE LA DFT ................................................................................................ 38
Linealidad .......................................................................................................................................... 38
Periodicidad....................................................................................................................................... 38
Simetra ............................................................................................................................................. 38
Leccin 9: CORRELACIN DE SEALES EN TIEMPO DISCRETO ......................................................... 39
Introduccin ...................................................................................................................................... 39
Correlacin ........................................................................................................................................ 39
Leccin 10: CORRELACIN CON AYUDA COMPUTACIONAL ............................................................ 47

CAPITULO 3: TRANSFORMADA Z..... 50
Leccin 11: TRANSFORMADA Z BILATERAL DIRECTA ....................................................................... 50
Leccin 12: PROPIEDADES DE LA TRANSFORMADA Z BILATERAL .................................................... 53
Linealidad .......................................................................................................................................... 53
Desplazamiento en el tiempo ........................................................................................................... 55
Escalado en el dominio Z ................................................................................................................... 55
Conjugacin ...................................................................................................................................... 56
Inversin temporal ........................................................................................................................... 57
Leccin 13: TRANSFORMADA Z INVERSA ......................................................................................... 58
Definicin ......................................................................................................................................... 58
Leccin 14: TRANSFORMADA Z UNILATERAL, DEFINICIN Y PROPIEDADES ................................... 60
Retardo temporal .............................................................................................................................. 61
Adelanto temporal ............................................................................................................................ 61
Teorema del valor final ..................................................................................................................... 62
Leccin 15: RESPUESTA NATURAL Y FORZADA ................................................................................ 64


ACTIVIDADES DE AUTOEVALUACIN DE LA UNIDAD 1 ............................................................. 66
FUENTES DOCUMENTALES DE LA UNIDAD 1 ............................................................................ 67

UNIDAD 2 DISEO DE FILTROS DIGITALES ................................................................................ 68
INTRODUCCIN ...................................................................................................................... 69

CAPITULO 4: DISEO DE FILTROS DIGITALES... 70
Leccin 16: CONSIDERACIONES GENERALES .................................................................................... 70
Leccin 17: CAUSALIDAD Y SUS IMPLICACIONES .............................................................................. 71
Leccin 18: TEOREMA DE PALEY WIENER ......................................................................................... 72
Leccin 19: RELACIN ENTRE PARTE REAL E IMAGINARIA DE LA RESPUESTA EN FRECUENCIA....... 74
Leccin 20: CARACTERSTICAS DE FILTROS PRCTICOS .................................................................... 76

CAPITULO 5: FILTROS DIGITALES IIR..... 77
Leccin 21: TERMINOLOGA Y CLASIFICACIN................................................................................. 77
Polos y ceros ...................................................................................................................................... 79
Diseo de filtros IIR ........................................................................................................................... 79
Leccin 22: DISEO DE FILTROS IIR .................................................................................................. 80
Diseo de filtros IIR mediante la transformacin bilineal ................................................................. 80
Leccin 23: DISEO DE FILTROS IIR CON MATLAB ........................................................................... 86
Filtro Butterworth ............................................................................................................................. 86
Leccin 24: FILTRO CHEBYSHEV ....................................................................................................... 90
Leccin 25: FILTROS ELPTICOS ........................................................................................................ 95
Requerimientos y especificaciones de filtrado ................................................................................. 97

CAPITULO 6: FILTROS FIR...... 99
Leccin 26: FILTROS DE RESPUESTA INFINITA .................................................................................. 99
Estructura .......................................................................................................................................... 99
Diseo de filtros FIR ........................................................................................................................ 100
Leccin 27: FUNCIONES PARA REALIZAR FIR .................................................................................. 101
La funcin FIR1 ................................................................................................................................ 101
La funcin FIR2 ................................................................................................................................ 101
Leccin 28: ANLISIS DE FIR CON HERRAMIENTAS COMPUTACIONALES ...................................... 103
Leccin 29: ANLISIS DE RECHAZABANDA FIR ............................................................................... 107
Leccin 30: COMANDOS PARA GENERAR FILTROS MEDIANTE VENTANAS ................................... 111
ACTIVIDADES DE AUTOEVALUACIN DE LA UNIDAD 2 ............................................................ 112
FUENTES DOCUMENTALES DE LA UNIDAD 2 ........................................................................... 113

UNIDAD 3 APLICACIONES DE FILTROS DIGITALES .................................................................... 114
INTRODUCCIN ..................................................................................................................... 115
CAPITULO 7: DISEO Y APLICACIONES DE FILTROS.... 116
Leccin 31: ESPECIFICACIONES DE DISEO .................................................................................... 116
Leccin 32: ELECCIN DE LA APROXIMACIN ............................................................................... 118
Leccin 33: REALIZACIN ............................................................................................................... 120
Leccin 34: EFECTOS DE LA LONGITUD DE LA PALABRA FINITA .................................................... 122
Leccin 35: IMPLEMENTACIN ...................................................................................................... 126


CAPITULO 8: PROCESAMIENTO DE IMGENES.... 127
Leccin 36: MODELO DE IMAGEN SIMPLE ..................................................................................... 127
Etapas fundamentales en procesamiento de imgenes ................................................................. 128
Leccin 37: TEORA DE HERING ...................................................................................................... 132
Leccin 38: TRANSFORMACIONES ................................................................................................. 135
Transformaciones geomtricas ....................................................................................................... 135
Transformacin del histograma ...................................................................................................... 135
Filtrado espacial y frecuencial ......................................................................................................... 135
Leccin 39: CLCULO DE CARACTERSTICAS .................................................................................. 138
Centroide ......................................................................................................................................... 139
Leccin 40: ANLISIS DE IMAGEN USANDO MEDIOS COMPUTACIONALES ................................... 140

CAPITULO 9: PROCESAMIENTO DIGITAL DE AUDIO.... 144
Leccin 41: EFECTOS QUE UTILIZAN RETARDOS ............................................................................ 144
Naturaleza del eco y la reverberacin ............................................................................................ 144
Reverberacin y eco digitales ......................................................................................................... 145
Flanger y phaser .............................................................................................................................. 146
La realimentacin o el feedback ..................................................................................................... 146
El chorus .......................................................................................................................................... 147
Leccin 42: PROCESADORES DE RANGO DINMICO ...................................................................... 148
Los compresores y los limitadores .................................................................................................. 149
Los expansores ................................................................................................................................ 149
La distorsin .................................................................................................................................... 149
Leccin 43: LOS FILTROS................................................................................................................. 150
Espectro de una seal ..................................................................................................................... 150
Leccin 44: ECUALIZACIN Y APLICACIONES DEL FILTRADO ......................................................... 153
Implementacin de filtros en los editores de audio ....................................................................... 153
Aplicaciones de filtrado digital ........................................................................................................ 153
Leccin 45: ANLISIS DE AUDIO USANDO MEDIOS COMPUTACIONALES ..................................... 155
ACTIVIDADES DE AUTOEVALUACIN DE LA UNIDAD 3 ............................................................ 159
FUENTES DOCUMENTALES DE LA UNIDAD 3 ........................................................................... 160


LISTADO DE TABLAS

Tabla 3.1 Transformada z bilateral de algunas funciones comunes ................................................. 54
Tabla 7.1 Comparacin Filtros digitales .......................................................................................... 119


LISTADO DE GRFICOS Y FIGURAS

Figura 1.1 Sistema DSP ...................................................................................................................... 13
Figura 1.2 Sistema DSP completo ...................................................................................................... 13
Figura 1.3 Diagrama de bloques del proceso de conversin anlogo a digital ................................. 14
Figura 1.4 Muestreo de una seal anloga ....................................................................................... 15
Figura 1.5 Tren de pulsos .................................................................................................................. 15
Figura 1.6 Espectro de la seal antes del muestreo ......................................................................... 17
Figura 1.7 Espectro de la seal despus del muestreo ..................................................................... 17
Figura 1.8 Espectro con aliasing de una seal muestreada .............................................................. 18
Figura 1.9 Espectro resultante con la frecuencia mnima de muestreo ........................................... 18
Figura 1.10 Funcin impulso unitario ................................................................................................ 21
Figura 1.11 Funcin escaln unitario ................................................................................................ 22
Figura 1.12 Funcin rampa unitaria .................................................................................................. 23
Figura 1.13 Seal sinusoidal .............................................................................................................. 24
Figura 1.14 Sistemas LTI .................................................................................................................... 25
Figura 1.15 Efecto tiempo invariante Sistemas LTI ........................................................................... 25
Figura 1.16 Principio de superposicin ............................................................................................. 25
Figura 1.17 Diagrama de bloques de un sistema discreto ................................................................ 26
Figura 1.18 Representacin grfica de un retardador ...................................................................... 26
Figura 1.19 Representacin grfica de un retardador 2 ................................................................... 26
Figura 1.20 Representacin grfica de un adelantador .................................................................... 27
Figura 1.21 Diagrama de un multiplicador ........................................................................................ 27
Figura 1.22 Diagrama de un modulador ........................................................................................... 27
Figura 1.23 Diagrama de bloques de una ecuacin discreta ............................................................ 28
Figura 1.24 Grfica de la funcin x(n) = {2, 3, 0,1} ............................................................................ 30
Figura 1.25 a) Funcin impulso unitario, b) Respuesta al impulso, h (k) ......................................... 31
Figura 1.26 a) -1), b) Respuesta al impulso, h (k-1) ............................ 31
Figura 2.1 Seales para correlacionar x(n), y(n) ................................................................................ 41
Figura 2.2 Correlacionar r xy (0) ....................................................................................................... 42
Figura 2.3 Seales para autocorrelacionar x(n), x1(n) ...................................................................... 45
Figura 2.4 Funcin autocorrelacin r xx ........................................................................................... 46
Figura 3.1 Representacin grfica de la ROC para r suficientemente pequeos .............................. 52
Figura 3.2 Propiedades de la Transformada Z bilateral .................................................................... 53
Figura 4.1 Caractersticas generales de un filtro pasabajas .............................................................. 76
Figura 5.1 Estructura de un filtro IIR ................................................................................................. 78
Figura 5.2 Relacin entre la frecuencia en el plano s y el plano z en la transformacin bilineal ..... 82
Figura 5.3 Respuesta en frecuencia del filtro anlogo del ejemplo .................................................. 84
Figura 5.4 Respuesta en frecuencia del filtro digital del ejemplo ..................................................... 85
Figura 5.5 Respuesta filtro Butter pasaalta segundo orden ............................................................. 87
Figura 5.6 Respuesta filtro Butter pasaalta orden 10 ....................................................................... 88
Figura 5.7 Respuesta filtro Butter pasabanda orden 4 ..................................................................... 89


Figura 5.8 Respuesta filtro Butter rechazabanda orden 4 ................................................................ 90
Figura 5.9 Respuesta filtro Cheby tipo I ............................................................................................ 92
Figura 5.10 Respuesta filtro Cheby tipo II orden 9 ............................................................................ 93
Figura 5.11 Respuesta impulso filtro Cheby tipo II orden 5 .............................................................. 94
Figura 5.12 Respuesta filtro elptico pasabajo orden 6 ..................................................................... 95
Figura 5.13 Respuesta impulso filtro elptico pasabajo orden 6 ....................................................... 96
Figura 5.14 Respuesta filtro elptico pasaalto orden 12 ................................................................... 97
Figura 5.15 Respuesta impulso filtro elptico pasaalto orden 12 ...................................................... 97
Figura 6.1 Estructura de un filtro FIR ............................................................................................. 100
Figura 6.2 Respuesta filtro FIR1 pasabajo orden 4.......................................................................... 103
Figura 6.3 Respuesta filtro FIR1 pasabajo orden 6.......................................................................... 104
Figura 6.4 Respuesta filtro FIR1 pasabajo orden 10........................................................................ 104
Figura 6.5 Respuesta filtro FIR1 pasaalto orden 4 .......................................................................... 105
Figura 6.6 Respuesta filtro FIR1 pasaalto orden 6 .......................................................................... 105
Figura 6.7 Respuesta filtro FIR1 pasaalto orden 10 ........................................................................ 106
Figura 6.8 Respuesta filtro FIR1 rechazabanda orden 6 ................................................................. 107
Figura 6.9 Respuesta filtro FIR1 rechazabanda orden 30, Hamming .............................................. 108
Figura 6.10 Respuesta filtro FIR1 rechazabanda orden 30, Boxcar................................................. 108
Figura 6.11 Respuesta filtro FIR1 rechazabanda orden 30, Barlett ................................................ 109
Figura 6.12 Respuesta filtro FIR1 rechazabanda orden 30, Chebwin ............................................. 109
Figura 6.13 Comparacin respuestas filtros FIR .............................................................................. 110
Figura 7.1 Bandas de tolerancia del filtro ....................................................................................... 117
Figura 7.2 Comparacin de los patrones de polos y ceros de una implementacin en forma directa
I (a) y en secciones de segundo orden, cada una de ellas en forma directa (b)
......................................................................................................................................................... 121
Figura 7.3 Respuesta en frecuencia del filtro del Ejemplo implementado con una estructura tipo
forma directa II. (-) filtro prototipo; (- -) filtro con coeficientes cuantizados. ................................ 123
Figura 7.4 Respuesta en frecuencia del filtro del Ejemplo implementado con una cascada
de dos bloques de segundo orden. ( - ) filtro prototipo; (- -) filtro con coeficientes cuantizados .. 124
Figura 8.1 Valores del pixel ............................................................................................................. 128
Figura 8.2 Etapas del procesamiento de imgenes ......................................................................... 129
Figura 8.3 Imagen binaria y filtros ................................................................................................... 131
Figura 8.4 Diagrama de cromaticidad ............................................................................................. 133
Figura 8.5 Ilustracin del comportamiento de las celdas detectoras ante la presencia de colores
oponentes ....................................................................................................................................... 134
Figura 8.6 Histograma bimodal ....................................................................................................... 136
Figura 8.7 Histograma aproximadamente bimodal ........................................................................ 137
Figura 8.8 (a) Una regin (S) y su deficiencia convexa (sombreada); (b) contorno
dividido ............................................................................................................................................ 140
Figura 8.9 Imagen original ............................................................................................................... 141
Figura 8.10 Valores de pixeles en RGB de la imagen ...................................................................... 142
Figura 8.11 Planos para los diferentes colores ............................................................................... 143
Figura 8.12 Contribucin de planos ................................................................................................ 144
Figura 9.1 Funciones de transferencia y sus efectos ....................................................................... 148
Figura 9.2 Ejemplos de filtrado con la evolucin temporal del espectro de
frecuencias, su aspecto en el instante t=0 y el sonido resultante .................................................. 152
Figura 9.3 Ejemplo de procesamiento digital de audio ................................................................... 158


UNIDAD 1

Nombre de la
Unidad
SEALES Y SISTEMAS DISCRETOS

Introduccin
La Unidad 1 trata en primer lugar, los aspectos introductorios
y la terminologa referente al procesamiento digital de seales;
en segundo lugar, introduce y refuerza el manejo matemtico
necesario como lo es la transformada de Fourier y la
transformada Z.

Justificacin
Dada la importancia que tiene el manejo de las seales en
todos los mbitos de la electrnica, el procesamiento digital de
seales se vuelve una necesidad para poder comprenderlas y
manejarlas a travs de sus bases matemticas, como son las
transformadas de Fourier y la Transformada Z.

Intencionalidades
Formativas
Entender la diferencia entre seales continuas y discretas,
comprender la relacin entre la Transformada de Fourier y la
Transformada Z, as mismo podr escribir una seal dada en
una ecuacin en diferencias que la produce y podr obtener
las seales que produce una ecuacin en diferencias dada.

Denominacin de
Captulos
Captulo 1: Introduccin al Procesamiento Digital de Seales
Captulo 2: Transformada de Fourier
Captulo 3: Transformada Z


INTRODUCCIN

La Ingeniera electrnica se define como la rama de la ciencia que se encarga
de la transmisin de informacin por medio de seales elctricas. El uso de
tales seales se debe fundamentalmente a la velocidad con la que viajan
(cercana a la de la luz) y a la facilidad con la que pueden ser manipuladas.
Los procesos de anlisis y sntesis pueden realizarse en dos ambientes
diferentes:

ANALOGO: La seal existe (O sea tiene importancia) en todos los
instantes de tiempo y tiene infinitos posibles valores dentro de un rango
determinado (Rango dinmico de la seal). El sistema se construye
exclusivamente de hardware (Activo y pasivo) y maneja infinitos
posibles estados (ASP), para realizar operaciones sobre la seal tales
como el filtrado, la amplificacin, la modulacin, etc.

DIGITAL: La seal existe (O tiene importancia) slo en momentos
discretos del tiempo y tiene un nmero finito de valores dentro de un
rango determinado. El sistema es una mezcla de hardware y software
digital con interfaces anlogas con el mundo real (DSP), que realizan
operaciones de clculo y lgicas para extraer informacin de una seal
digital o modificarla.

En algunos casos los sistemas son hbridos en el sentido de que a pesar de
que manejan seales digitales utilizan una representacin anloga de esas
seales para su transmisin, por ejemplo con el uso de seales sinusoidales
de diferentes frecuencias (FSK) o fases (PSK).

La tendencia en este momento va en la direccin de realizar todas las
operaciones que antes se hacan en ASP, y otras nuevas, con dispositivos o
sistemas DSP, debido a las ventajas que presentan estos ltimos.


CAPITULO 1: INTRODUCCIN AL PROCESAMIENTO DIGITAL DE SEALES

Leccin 1: SISTEMAS DSP

Un procesador DSP (Ya sea un procesador de propsito general o especializado
ms software) requiere a su entrada una seal digital o sea discreta en el tiempo
(que slo exista en instantes discretos del tiempo) y discreta en amplitud (solo
tiene un nmero finito de niveles), denotada por x(n) y produce a la salida, luego
de procesada una seal que es tambin de naturaleza discreta.

Tal procesador de DSP puro no est en capacidad de procesar seales
provenientes de fenmenos del mundo real, las cuales son esencialmente
anlogas porque estn definidos en todo instante del tiempo y tienen un continuo
de amplitudes en cualquier intervalo finito.

Figura 1.1 Sistema DSP

Se requiere, entonces, que hayan interfaces entre el mundo real y el DSP que
conviertan las seales anlogas en discretas (Dispositivos ADC) y viceversa
(Dispositivos DAC), tal como se muestra en la figura 1.2; aunque en algunos casos
es posible que no se necesiten uno o ambos procesos.

Figura 1.2 Sistema DSP completo


PROCESO DE CONVERSION DE ANALOGO A DIGITAL (ADC)

En este caso el sistema ADC toma una seal anloga proveniente de algn
fenmeno fsico y entrega una discreta o digital al sistema DSP.

De manera terica, el proceso de conversin ADC requiere de cuatro pasos como
se muestra en la figura 1.3.

Figura 1.3 Diagrama de bloques del proceso de conversin anlogo a digital.

La idea fundamental es que en este proceso se conserve la informacin de la
seal de entrada; la herramienta que permite predecir que en efecto esto se da se
llama el teorema del muestreo el cual se enuncia a continuacin.

TEOREMA DEL MUESTREO

Una seal de banda limitada a B Hz (Es decir sin contenido espectral apreciable
por encima de esta frecuencia) puede determinarse de manera unvoca a partir de
sus muestras tomadas a intervalos no mayores a Ts = 1/ 2B s.

Esto significa que para que no haya prdida de la informacin contenida en la
seal se deben tomar muestras a una rata mayor a fs = 2B muestras/s.

En la figura 1.4 se muestran la seal anloga y sus respectivas muestras.


Figura 1.4 Muestreo de una seal anloga

El proceso de muestreo puede verse como el producto de la seal por un tren
peridico de pulsos como el que se muestra a continuacin en la figura 1.5:

Figura 1.5 Tren de pulsos

Esta seal puede representarse por medio de una serie de Fourier as:

Con:


Y,

La seal muestreada estar dada, entonces, por la siguiente expresin:

Se debe recordar que el espectro de x(t) est dado por:

Y el espectro de xs (t) por:

Intercambiando el orden de la integral y la sumatoria se tiene:

La ltima integral representa a o sea el espectro de la seal


desplazado alrededor de la frecuencia de muestreo Fs = 1/Ts y sus infinitos
armnicos.
De esta manera:

Si el espectro original de x(t) tiene la forma mostrada en la figura 1.6,

Figura 1.6 Espectro de la seal antes del muestreo

La forma del espectro de la seal resultante, luego del muestreo, ser como se
muestra en la figura 1.7:

Figura 1.7 Espectro de la seal despus del muestreo

Se observa que, en este caso, se puede recuperar el espectro de la seal original
(Y por tanto la seal) usando un filtrado pasabajos ideal que elimine los
componentes espectrales que aparecieron en el muestreo, dado que no hubo


superposicin de estos con el original porque se escogi adecuadamente la
frecuencia de muestreo Fs.

Si la frecuencia de muestreo no hubiese sido escogida adecuadamente, el
espectro resultante pudiera haber quedado como se muestra en la figura 1.8:

Figura 1.8 Espectro con aliasing de una seal muestreada

En este caso es imposible recuperar el espectro original por medio del filtrado
pasabajos ya que se produjo lo que se denomina aliasing o solapamiento en la
frecuencia.

La frecuencia mnima de muestreo har que las distintas componentes espectrales
queden juntas como se muestra en la figura 1.9:

Figura 1.9 Espectro resultante con la frecuencia mnima de muestreo

Esta frecuencia mnima se puede calcular as:


Esto nos indica que la frecuencia mnima de muestreo (Frecuencia de Nyquist)
ser:

Por ejemplo, en telefona se limita en banda a 3.4 KHz y se utiliza una rata de
muestreo de 8000 muestras/s, lo que da una banda de guarda de 1200 Hz.

En la prctica siempre ocurrir aliasing debido a que las seales nunca son de
banda limitada y tambin a que siempre hay ruido presente, el cual tiene un gran
ancho de banda.

La idea es mantener el aliasing tan bajo como sea posible y tambin reducir la rata
de muestreo al mnimo para bajar las exigencias de velocidad al conversor
anlogo digital y del procesador, y disminuir las exigencias de ancho de banda del
sistema, lo cual se logra filtrando la seal antes del muestreo.


Leccin 2: SEALES EN TIEMPO DISCRETO

Las seales en tiempo discreto pueden originarse de dos maneras:

1. Tomando muestras de una seal anloga y luego cuantificndola.

2. Acumulando una variable a lo largo de un determinado perodo de tiempo.
(Ver figura 1.7, pgina 10 del libro de Proakis).

En ambos casos se genera una secuencia de nmeros en funcin de la
variable independiente n (nmero de muestra) el cual es el equivalente discreto
del tiempo.

La seal x(n) puede representarse de varias maneras:

Representacin funcional:

Representacin tabular:

Representacin como secuencia:

En este caso la flecha ( | ) indica el origen de coordenadas (Es decir, n = 0).


SEALES ELEMENTALES EN TIEMPO DISCRETO

Impulso unitario:

Figura 1.10 Funcin impulso unitario

La figura 1.10 se puede obtener en Matlab empleando una funcin como la del
ejemplo M2:

Ejemplo M2:

function x=impulse(long,k)
%La seal x generada por esta funcin es un impulso de longitud long
%y desplazado k unidades de tiempo.
if k<0
n=-long:0;
L=length(n);
x=zeros(1,L);
x(L+k)=1;
else
n=0:long;
L=length(n);
x=zeros(1,L);
x(k+1)=1;
end
stem(n,x)


Escaln unitario:

Figura 1.11 Funcin escaln unitario

ejemplo M3:

Ejemplo M3:
function x=escalon(long,k)
%La seal x generada por esta funcin es un escaln de longitud long
%y desplazado k unidades de tiempo.
n=k-3:long+k-4 ;
x=zeros(1,long);
x(4:long)=1;
stem(n,x)

Rampa unitaria:


Figura 1.12 Funcin rampa unitaria

ejemplo M4:

Ejemplo M4:

function x=rampa(long,k)
%La seal x generada por esta funcin es una rampa de longitud long
%y desplazada k unidades de tiempo.
n=k-3:long+k-4 ;
m=0:long-4;
x=zeros(1,3);
x=[x,m];
stem(n,x)

Seal sinusoidal:

x(n) = Acos (e n + u) , s n s +

Donde:
u : [rad]
f: [ciclos/muestra]
e: [rad/muestra]
e = 2t f


Figura 1.13 Seal sinusoidal

ejemplo M5:

Ejemplo M5:

function x=seno(A,f0,Theta,Num_ciclos)
%La seal x generada por esta funcin es una sinusoide de amplitud: A,
%frecuencia: f0 (entre 0 y 1), Theta en radianes y nmero de ciclos:
%Num_ciclos.

N=ceil(1/f0);
L=N*Num_ciclos;
n=0:L-1;
x=A*sin(2*pi*f0*n+Theta);
stem(n,x)


Leccin 3: SISTEMAS LTI

Introduccin

La abreviatura LTI proviene del trmino en ingls (Linear Time-Invariant). Los
sistemas LTI hacen referencia a los sistemas que son lineales y al mismo tiempo
invariantes en el tiempo. Los sistemas LTI tienen la caracterstica de cumplir las
siguientes propiedades.

Figura 1.14 Sistemas LTI

Los sistemas LTI son subconjuntos de los sistemas lineales, estos obedecen al
principio de superposicin. En la siguiente figura, se puede observar el efecto de
aplicar el tiempo invariante a la definicin de sistema lineal del sistema anterior.

Figura 1.15 Efecto tiempo invariante Sistemas LTI

Aplicando el principio de superposicin se tiene:

Figura 1.16 Principio de superposicin


Leccin 4: PROPIEDADES DE LOS SISTEMAS DISCRETOS

Los sistemas discretos son aquellos que trabajan con seales discretas. Se debe
recordar que un sistema es una transformacin aplicada a una seal de entrada
x(n), para obtener una seal de salida y(n); a esta transformacin se le conoce con
el nombre de funcin de transferencia (T). En la siguiente figura se muestra el
diagrama de bloques de un sistema discreto.

Figura 1.17 Diagrama de bloques de un sistema discreto

Se pueden definir las funciones de transferencia para los sistemas discretos ms
caractersticos con su correspondiente diagrama de bloques.

Desplazamiento temporal

Descrito por el siguiente comportamiento matemtico:

Figura 1.18 Representacin grfica de un retardador

Si T = n + n0, entonces es un adelantador
Si 0 T = n n0, entonces es un retardador

En diagramas de bloques, otra forma de representar a T es por Z, as:

Figura 1.19 Representacin grfica de un retardador 2


Figura 1.20 Representacin grfica de un adelantador

Multiplicador

Descrito por el siguiente comportamiento matemtico: y(n) = a. x(n)

Figura 1.21 Diagrama de un multiplicador

Modulador


Figura 1.22 Diagrama de un modulador

Acumulador



Media Mvil


Ejemplo: Describa mediante diagrama de bloques la siguiente ecuacin discreta

Donde x(n) es la seal de entrada y y(n) es la seal de salida.
Solucin

Figura 1.23 Diagrama de bloques de una ecuacin discreta

A continuacin se describen las propiedades fundamentales que se tienen en
cuenta en los sistemas discretos.

Memoria

Un sistema en tiempo discreto se denomina esttico o sin memoria si su salida en
cualquier instante n depende a lo sumo de la muestra de entrada en ese mismo
instante, pero no de muestras pasadas o futuras de la entrada. En cualquier otro
caso, se dice que el sistema es dinmico o con memoria. Es decir, su respuesta al
impulso es la forma:

Los siguientes sistemas son sistemas sin memoria, ya que no se necesita de
ninguna muestra pasada o futura para calcular la seal.

A diferencia de los siguientes sistemas que son sistemas dinmicos o con
memoria ya que requieren de una muestra para calcular la salida actual.


Causalidad

Se dice que un sistema es causal si la salida del sistema en cualquier instante
depende slo de las entradas presentes y pasadas de la seal de entrada (por
ejemplo, x(n), X(n-1), x(n-2)...); pero no de las muestras futuras de la seal (por
ejemplo, x(n+1), X(n+2), x(n+3)...).
Si un sistema no satisface esta condicin se dice que el sistema es no causal. Los
siguientes sistemas son sistemas causales, ya que la salida depende slo de las
entradas presentes y pasadas de la seal.

A diferencia de los siguientes sistemas que son sistemas no causales ya que
requieren de una muestra futura de la seal.

Para un sistema causal se ha de cumplir que:

h(n) = 0, Para todo n < 0

Estabilidad

Un sistema arbitrario en reposo se dice de entrada acotada-salida acotada (BIBO,
bounded input_ bounded output), si y slo si toda entrada acotada produce una
salida acotada. El acotamiento de las secuencias de entrada x(n), para obtener
una seal de salida y(n); produce la existencia de un par de nmeros finitos Mx y
My, tales que:

para todo n. Si la secuencia de entrada x(n) produce una salida no acotada (es
decir, infinita), el sistema se clasifica como inestable.


Leccin 5: RESPUESTA IMPULSO
Si se tiene una seal de entrada x(n), esta se puede expresar como la suma de
impulsos unitarios. Es decir,

Donde k representa el atraso del impulso unitario.

Ejemplo: una secuencia de duracin finita x(n) est dada por

Exprese esta seal como la suma ponderada de impulsos unitarios

Solucin: Para desarrollar este ejercicio lo primero que se realiza es graficar la
secuencia, ubicando el cero en el valor que indica la flecha as:

-1 -0.5 0 0.5 1 1.5 2
0
0.5
1
1.5
2
2.5
3
Funcin original x(n)
n
A
m
p
l
i
t
u
d

Figura 1.24 Grfica de la funcin x(n) = {2, 3, 0,1}


-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
-3
-2.5
-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
n
A
m
p
l
i
t
u
d
Respuesta al impulso h(k)
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Funcin impulso unitario d(k)
n
A
m
p
l
i
t
u
d
-1 -0.5 0 0.5 1 1.5 2 2.5 3
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
n
A
m
p
l
i
t
u
d
Funcin impulso unitario d(k-1)
-1 -0.5 0 0.5 1 1.5 2 2.5 3
-3
-2.5
-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
Respuesta al impulso h(k-1)
n
A
m
p
l
i
t
u
d

Se puede observar que n = -1, 0,1, 2. Para n = 1, la secuencia x(n) tiene valor de
cero. Por tanto, slo se requiere tres impulsos en los puntos k =-1, 0, 2. Por tanto,
x(n) se expresa como:

x(n) = 2o (n + 1) + 3o (n) + 1o (n 2)
Ejemplo: Supngase un sistema discreto lineal, que es excitado con la funcin
impulso o (k), y cuya salida es la respuesta al impulso h(k), tal como el de la figura
1.25.

Si ese mismo sistema se excita con la funcin impulso, retrasada en 1, la salida
debe ser la misma respuesta al impulso retrasada en 1, as como se muestra en la
figura 1.26 debido a que el sistema es invariante en el tiempo.

Figura 1.25 a) Funcin impulso unitario, b) Respuesta al impulso, h (k)

Figura 1.26 a) Funcin impulso unitario o(k-1), b) Respuesta al impulso, h (k-1)


CAPITULO 2: TRANSFORMADA DE FOURIER

Leccin 6: SERIES DE FOURIER
La Transformada de Fourier se encarga de transformar una seal del dominio del
tiempo, al dominio de la frecuencia, de donde se puede realizar su
antitransformada y volver al dominio temporal. Un ejemplo de representacin en
frecuencia, puede ser cuando se observa un ecualizador de un equipo de sonido.

Las barras que suben y bajan, indican las diferentes componentes frecuenciales
de la seal sonora que se escuchan. Esto, se realiza a travs de un proceso de
integracin que realiza precisamente la transformada de Fourier de la forma ms
rpida posible (FFT, o Fast Fourier Transform). El trabajo con la seal en
frecuencia, no solo sirve como informacin, sino que se puede modificar, de forma
que es ampliamente utilizada en filtros, procesado de la imagen y el sonido,
comunicaciones (modulaciones, lneas de transmisin, etc.) y otro tipo de
aplicaciones ms curiosas: estadstica, deteccin de fluctuaciones en los precios,
anlisis sismogrfico, etc.

Serie de Fourier para seales peridicas

La Serie de Fourier busca poner cualquier funcin x (t) como un sumatorio de
senos y cosenos, esto es, como un sumatorio de e
jkw0t
puesto que cualquier
funcin senoidal se puede expresar en forma de exponencial compleja. Para una
seal peridica definimos el desarrollo en serie de Fourier como:

De la anterior ecuacin se puede observar que al variar los valores de k se tendra
una funcin peridica de periodo:

Para determinar cules son los coeficientes del desarrollo en serie de Fourier se
realiza:


Serie de Fourier para seales discretas peridicas

La serie de Fourier discreta es una modificacin de la serie de Fourier tradicional,
pero sustituyendo las integrales por sumatorias de las muestras, y el periodo
ahora en vez de ser T ser N, siendo N un nmero entero, de forma que se define
la serie de Fourier discreta como:

Se cumplir ahora que x[n]= x [n + N], debido que N es el periodo fundamental.
Para obtener los coeficientes del desarrollo en serie de Fourier se debe obtener ak
de la siguiente forma:

Ejercicio: Determine el espectro de la seale X(n), la cual es peridica de periodo
N= 4 y cuya secuencia se encuentra expresada como:


Se comienza a evaluar la funcin para k= 0, 1, 2,3. Para ello se tiene:


el mdulo y la fase del espectro son

Recuerde que la fase se calcula como


Leccin 7: TRANSFORMADA DISCRETA DE FOURIER
Introduccin

La transformada discreta de Fourier es una herramienta matemtica muy
importante y se ha utilizado en diferentes campos como aplicaciones en ptica,
acstica, fsica cuntica, teora de sistemas, tratamiento de seales,
reconocimiento de voz, probabilstica, sistemas de comunicaciones, etc.

La transformada de Fourier se emplea con seales aperidicas a diferencia de la
Serie de Fourier. Las condiciones para poder obtener la transformada de Fourier
son (Condiciones de Dirichlet):

- La seal debe ser integrable, es decir:

- Debe presentar un nmero mximo de discontinuidades.

La transformada de Fourier es una particularizacin de la transformada de Laplace
con S=jw (siendo w=2*pi*f), y se define as:

De igual forma, se puede definir su antitransformada as:

A partir del desplazamiento de la funcin impulso y sabiendo que

Y adems, que la transformada de Fourier tiene la propiedad de dualidad:


Se obtiene que:

Por tanto, se puede calcular la transformada de Fourier de cualquier seal
peridica x(t) de potencia media finita, de la siguiente forma

Ya que

Luego para una x (t) peridica se cumple que:


Leccin 8: PROPIEDADES DE LA DFT
La DFT presenta las siguientes propiedades

Linealidad

X
3
(n) = ax
1
(n)+bx
2
(n),

X
3
(k) = aX
1
(k)+bX
2
(k)

Si long [x
1
(n)]=N
1
y long [x
2
(n)]=N
2

Entonces
long[x
3
(n)]=max{N
1
,N
2
}

Periodicidad

x(n) y X(k) son peridicas con perodo N.

Simetra

Si x(n) <--->X(k) entonces x*(n) <--->X*(-k)=X*(N-k)

Para seales REALES:

x(n)=x*(n) y X(k)=X*(N-k)

Re[X(k)] es una funcin par

Im[X(k)] es una funcin impar
|X(k)| es una funcin par
Fase[X(k)] es una funcin impar


Leccin 9: CORRELACIN DE SEALES EN TIEMPO DISCRETO
Introduccin

La correlacin es una operacin matemtica que permite cuantificar el grado de
similitud entre dos seales aunque no haya evidencia de parentesco entre ellas.
En la descripcin y anlisis de seales la correlacin se utiliza en mltiples
aplicaciones como: la geologa, la economa, la estimacin de retardos en sonar y
radar, la sincronizacin en comunicaciones digitales, reconocimiento de patrones
de voz e imgenes, el anlisis de entornos acsticos, el anlisis de imgenes
satelitales, etc.

Correlacin

La correlacin de dos funciones reales es una operacin de similares
caractersticas a la convolucin con la salvedad de que no se girar alrededor del
origen los valores de una de las funciones. La expresin matemtica para esta
operacin es:

Bajo las mismas condiciones que se establecen en la convolucin en el caso
discreto, la expresin de la correlacin de funciones discretas reales es

para

De manera similar se pueden transcribir las expresiones de la correlacin en el
caso bidimensional.

De forma paralela a como existe un teorema de convolucin ahora podemos
enunciar un Teorema de Correlacin, que nos dice como se calcula la correlacin
entre dos funciones a partir de las TF de dichas funciones. El teorema establece
que la TF de la correlacin entre dos funciones es igual al producto de la
Transformada Fourier conjugada de una de ellas por la otra. Es decir,


Al igual que la convolucin, la correlacin es una operacin bsica del
procesamiento de imgenes digitales. La correlacin es la operacin bsica en los
procesos de bsqueda de patrones por emparejamiento. Por tanto, disponer de
algoritmos que calculen de una forma eficiente estas operaciones es del mayor
inters.

Cuando la operacin de correlacin se realiza entre dos secuencias X y Y, la
correlacin recibir el nombre de correlacin cruzada. Cuando la correlacin se
realiza entre la misma secuencia, es decir, cuando x(n)=y(n), la correlacin se
denomina autocorrelacin. A continuacin se describir dos ejemplos relacionados
con la correlacin cruzada y la autocorrelacin de secuencias.

Ejemplo: Determine la correlacin cruzada x
xy
(l) de la secuencias

En la primera parte se realiza las grficas de las funciones:


Figura 2.1 Seales para correlacionar x(n), y(n)


Solucin. Aplicando el concepto para l = 0

La secuencia producto de esta operacin es:

dando como resultado

La suma para todos los valores de n es

Figura 2.2 Correlacionar r
xy
(0)
Para as, obtener la primera respuesta en l=0.


Para l<0, desplazamos y(n) hacia la izquierda con relacin a x(n) l muestras,
calculamos la secuencia producto vl(n)= x(n) y (n-l), y sumamos todos los valores
de dicha secuencia producto. As los v se obtendrn los valores de correlacin
cruzada.


Por tanto la correlacin cruzada entre x(n) e y(n) es

Como se puede observar el cero de la funcin est representada en el valor de 7,
que fue el primer valor calculado para l=0.

Aplicando los mismos conceptos de la correlacin se puede determinar la
autocorrelacin de una seal.

Ejemplo: Determine la Autocorrelacin x
xx
(l) de la secuencia

En la primera parte se realiza la grfica de la funcin. Es de recordar que para la
autocorrelacin es la funcin x(n) la que se auto multiplica y desplaza. As:


Figura 2.3 Seales para autocorrelacionar x(n), x1(n)

Realizando las operaciones en l=0 tenemos

Al realizar los desplazamientos de la funcin x1(n) se tiene:

Los resultados de la autocorrelacin son mostrados a continuacin


Figura 2.4 Funcin autocorrelacin r
xx


Leccin 10: CORRELACIN CON AYUDA COMPUTACIONAL
MATLAB dispone de dos funciones para el clculo de convoluciones y
correlaciones.
- >> y = conv(x,h)
o Hace la convolucin de los vectores x y h. El vector resultante y tiene
un tamao igual a length(x)+length(h)-1
- >> rxy = xcorr(x,y)
o Hace la correlacin de los vectores de M elementos x e y. Devuelve
un vector de 2M-1 elementos.
- >> rxx = xcorr(x)
o Hace la autocorrelacin del vector x de M elementos. Devuelve un
vector de 2M-1 elementos.

El comando xcorr calcula la secuencia de correlacin cruzada de un proceso
aleatorio. Autocorrelacin se trata como un caso especial.
La verdadera correlacin cruzada secuencia es

donde x
n
y y
n
son procesos aleatorios conjuntamente estacionarios, - < n < y
E {} es el operador valor esperado. xcorr debe estimar la secuencia, ya que, en
la prctica, slo un segmento finito de una realizacin del proceso aleatorio de
longitud infinita est disponible.
c =xcorr (x, y) devuelve la secuencia de correlacin cruzada en una longitud de
2 * N-1 vector, donde x e y son vectores de longitud N (N> 1). Si x e y no tienen la
misma longitud, el vector ms corto es rellenado con ceros a la longitud del
vector ms largo.
Por defecto, xcorr calcula las correlaciones primas sin normalizacin.


El vector de salida c tiene elementos propuestos por c (m) = Rxy (m-N), m = 1, ...,
2N-1.

En general, la funcin de correlacin requiere la normalizacin para producir una
estimacin precisa (vase ms adelante).
c =xcorr (x) es la secuencia de autocorrelacin para el vector x. Si x es una
matriz N por P, C es una matriz con 2N-1 filas cuyos P
2
columnas contienen las
secuencias de correlacin cruzada para todas las combinaciones de las
columnas de
xcorr produce correlaciones idnticamente igual a 1,0 en cero lag slo cuando se
realiza una autocorrelacin y slo cuando se establece el "coeficiente" opcin.
Por ejemplo,
x=0:0.01:10;
X = sin(x);
[r,lags]=xcorr(X,'coeff');
max(r)
c = xcorr (x, y, 'option') especifica una opcin de normalizacin para la correlacin
cruzada,
donde 'opcin' es

- 'biased': Biased estimate of the cross-correlation function

- 'unbiased': Unbiased estimate of the cross-correlation function


- 'coeff': Normalizes the sequence so the autocorrelations at zero lag are
identically 1.0.

Ejemplos

La primera aplicacin de la autocorrelacin de una seal es determinar las
posibles repeticiones de patrones en la seal. Para comprobar este punto se va a
generar una sinusoide de frecuencia igual a 100 Hz con amplitud uno y
muestreada a 1 kHz (consideremos una secuencia de 100 puntos). Determine la
autocorrelacin de esta seal normalizada a uno y represntela junto a la
secuencia.

El programa en Matlab que implementa lo que nos piden es:
%Generacin de la seal

n = 0:99;
x = cos (2*pi*n*0.1);

%Clculo de la autocorrelacin normalizada
y = xcorr(x,'coeff');

%Representacin de las dos seales
subplot(221), stem(x,'k'), title('(a)')
subplot(222), plot(x,'k'), title('(b)')
subplot(223), stem(y,'k'),title('(c)')
subplot(224), plot(y,'k'), title('(d)')


CAPITULO 3: TRANSFORMADA Z

Leccin 11: TRANSFORMADA Z BILATERAL DIRECTA
La transformada z es a los sistemas en tiempo discreto lo que la transformada de
Laplace es a los sistemas en tiempo continuo. Ambas representan herramientas
para el anlisis de ciertas propiedades de las seales, que en el dominio del
tiempo slo pueden ser evaluadas con mayor dificultad: la convolucin es
transformada otra vez en un producto, y las ecuaciones de diferencias, que son el
equivalente discreto de las ecuaciones diferenciales, pueden ser solucionadas de
forma ms sencilla en el dominio de la frecuencia compleja que en el dominio del
tiempo discreto.

Tmese ahora la representacin de una seal muestreada, su
transformada de Laplace es

Si se define z = e
sT
y considerando que x(n) = xa (nT) se obtiene

que es la definicin de la transformada z bilateral para la secuencia discreta x(n),
que considera tanto valores positivos como negativos de n.

La relacin entre la secuencia discreta x(n) y su representacin X(z) en el dominio
z se denota como:

Como la transformada z es una serie infinita de potencias, sta existe solo para los
valores de z en que la serie converge. La regin de convergencia (ROC, regin of
convergence) de X (z) es entonces el conjunto de valores de z para los que X (z)
es finita.


Ntese que la sustitucin de variable z = e
sT
puede interpretarse como un mapeo
conforme del plano al plano complejo z. Debido a que

entonces una lnea vertical en el plano s, para la cual es constante, es
transformada en un crculo de radio . Se deduce que una banda vertical entre
es transformada en un anillo delimitado por un crculo interno de
radio y un crculo externo de radio . Puesto que X (z) corresponde a
una transformada de Laplace cuya ROC es alguna banda vertical en el plano s, se
concluye que las regiones de convergencia de la transformada z equivalen a
anillos (de posible extensin infinita) en el plano z. Si la seal es derecha,
entonces la ROC sera segn lo anterior el exterior de un crculo. Si la seal es
izquierda, sera el interior de un crculo.

Al igual que con la transformada bilateral de Laplace, cuando se haga referencia a
la transformada z de una seal discreta x(n) debe tambin incluirse su ROC.

Ejemplo: Calcule la transformada z de:

Solucin:

La ROC de seales finitas es todo el plano z excepto z = 0 y/o z = .

Ejemplo: Determine la transformada z de:


Solucin:

Si se expresa z en su forma polar , con r = |z| y entonces:

Dentro de la ROC de X (z), |X (z)| < 1, por lo que:

es decir, si x(n)r
n
es absolutamente sumable entonces |X(z)| es finita.

Para encontrar la ROC se debe entonces encontrar el rango de valores de r para
los que la secuencia x(n)r
n
es absolutamente sumable.

Ahora bien, la ecuacin anterior puede reescribirse como:

y ambas sumatorias deben converger si |X(z)| ha de ser finito. Para la primera
suma deben existir valores de r suficientemente pequeos para que x(n)r
n
sea
absolutamente sumable (r < r1) como se aprecia en la siguiente figura.

Figura 3.1 Representacin grfica de la ROC para r suficientemente pequeos


Leccin 12: PROPIEDADES DE LA TRANSFORMADA Z BILATERAL
Linealidad
Si , entonces

Figura 3.2 Propiedades de la Transformada Z bilateral


Tabla 3.1 Transformada z bilateral de algunas funciones comunes

Ejemplo: Determine la transformada z de x(n) = [3(2n) 4(3n)] u(n).

Solucin: Si x1(n) = 2
n
u(n) y x2(n) = 3
n
u(n), entonces x(n) = 3x1(n) 4x2(n)

Se conoce que:

con lo que se obtiene:


y la transformada de x(n) es:

Ntese que la ROC final debe ser al menos la interseccin de las dos ROC
individuales.

Desplazamiento en el tiempo

La ROC de z
k
X(z) es la misma de X(z) excepto z = 0 si k > 0 y z = 1 si k < 0.

Esto se demuestra fcilmente con un cambio de variable del ndice de la suma:

y con m = n k

Ya que el coeficiente de z
n
es el valor de la muestra en el instante n, se aprecia
que retrasar una seal en k muestras (k > 0) es equivalente a multiplicar todos los
trminos de la transformada z por z
k
.

Escalado en el dominio z

Ejemplo: Determine la transformada z de la seal

Solucin:

Con la identidad de Euler se obtiene primero que:


y con se obtiene con y la linealidad de la
transformacin:

Por lo que

Conjugacin

Si x(n) tiene como transformada z a X (z) con ROC R entonces

Esto se demuestra utilizando las propiedades de conjugacin:

De lo anterior se deduce que si x(n) es real, entonces , lo que
implica que si X(z) tiene un polo o cero en z = z
0
, tambin lo tendr en . En
otras palabras, los polos y ceros aparecen como pares complejos conjugados en


la transformada z de secuencias reales x(n). Obsrvese que la relacin
para funciones reales indica que si se hace un corte paralelo al eje
Im{z} de la superficie correspondiente a |X(z)|, entonces la funcin en ese corte
presenta simetra par. Por otro lado, la fase tiene un comportamiento impar en los
cortes paralelos al eje Im{z}.

Inversin temporal

Demostracin:

Ejemplo: Determine la transformada z de u(n).

Solucin: Puesto que

Entonces


Leccin 13: TRANSFORMADA Z INVERSA
Definicin

El procedimiento de encontrar la seal en el dominio del tiempo correspondiente a
la expresin algebraica en el dominio z para una determinada regin de
convergencia se denomina transformada z inversa. Utilizando el teorema integral
de Cauchy y la frmula integral de Cauchy se demuestra que se cumple:

para un contorno de integracin C que rodea al origen.

A partir de la definicin de la transformada z para una seal de variable discreta
x(k)

se obtiene multiplicando ambos lados por z
n1
, e integrando en un contorno
cerrado que contiene al origen, y que est dentro de la ROC:

Como la serie converge dentro de C, la integral y la sumatoria pueden ser
intercambiadas:

que con el resultado anterior slo es diferente de cero para k = n, es decir:

Ejemplo: Encuentre la transformada z inversa de la expresin


si se sabe que la seal correspondiente es causal.

Solucin: Aplicando las ecuaciones obtenidas se tiene

Como C debe estar dentro de la ROC, y la seal es causal, entonces se escoge
una circunferencia de radio mayor que Para n > 0 se tiene un cero de orden n
en z = 0, o ningn cero cuando n = 0, y en ambos casos hay un polo en En
estos casos se puede aplicar la frmula integral de Cauchy para obtener
directamente

Para n < 0 la funcin f(z) tiene un polo de orden n en z = 0, que tambin est
dentro de C, por lo que dos polos z1 = 0 y z2 = a contribuyen al valor de la
integral.

Con n = 1:

Con n = 2:

Esto se puede repetir para todo n < 2 resultando en x(n) = 0. Por tanto,
resumiendo ambos casos en una ecuacin se obtiene:
x(n) = a
n
u(n)


Leccin 14: TRANSFORMADA Z UNILATERAL, DEFINICIN Y
PROPIEDADES
La transformada z unilateral se define como:

y la relacin se denota como

La transformada z unilateral y la bilateral se diferencian en el lmite inferior de la
sumatoria, y presenta por lo tanto las siguientes caractersticas:

1. No contiene informacin sobre la seal x(n) para los valores negativos de n.
2. Es nica slo para seales causales, puesto que stas son las nicas seales
que son cero para n < 0.
3. Puesto que x(n)u(n) es causal, la ROC de su
transformada X(z) es siempre exterior a un crculo. Por lo tanto, cuando se trate
con transformada z unilateral, no es necesario referirse a su regin de
convergencia.

Ejemplo: Determine la transformada z unilateral de:

Ntese que la transformada z unilateral no es nica para seales con
componentes anticausales diferentes (por ejemplo X
2
(z) = X
3
(z), aun cuando
Para seales anticausales, X(z) siempre ser cero.


Las propiedades de esta transformada son similares a las de la transformada z
bilateral, pero el desplazamiento merece especial atencin.

Retardo temporal

Si , entonces

para k > 0. Si x(n) es causal entonces x(n k) = z
k
X(z).

Demostracin:

Ntese que si se desplaza x(n) hacia la derecha entonces aparecen k nuevas
muestras que deben considerarse.

Adelanto temporal

Si , entonces

para k > 0.

Demostracin:

Ntese que si la seal se desplaza a la izquierda, entonces k muestras de la
transformada X(z) deben desaparecer.


Ejemplo: Calcule la transformada z unilateral de:

1. x(n) = a
n
.
2. x
2
(n) = x(n 2).
3. x
3
(n) = x(n + 2).

Solucin:

1. Se cumple

2.

3.

La propiedad de desplazamiento de la transformada z unilateral se utiliza en la
solucin de ecuaciones de diferencias con coeficientes constantes y condiciones
iniciales no nulas.

Teorema del valor final

Se tiene que:

y adems:

con lo que se tiene:


con lo que se deduce:

y aplicando el lmite cuando z tiende a 1 a ambos lados se obtiene:

lo que se conoce como teorema del valor final. En la demostracin se ha asumido
que la ROC de (z 1) X(z) incluye a |z| = 1.

Este teorema se utiliza para calcular el valor asinttico de la seal x(n) cuando n
tiende a infinito, si se conoce X(z) pero no x(n).

Ejemplo: Determine la respuesta del sistema con respuesta impulsional h(n) =
a
n
u(n), |a| < 1, ante un escaln unitario, cuando

Solucin: La salida del sistema ante la entrada dada se calcula en el dominio z
como:


Leccin 15: RESPUESTA NATURAL Y FORZADA
Las propiedades de desplazamiento en el tiempo de la transformada z unilateral
permiten evaluar el comportamiento de un sistema cuando las condiciones
iniciales no son nulas.
En general, si se asume que el sistema est en reposo, es decir, si se asume que
todas las condiciones iniciales del sistema son nulas, entonces la respuesta y(n)
del sistema ante la entrada causal x(n) se conoce como respuesta forzada del
sistema. Si por otro lado la entrada x(n) es nula, pero el sistema tiene condiciones
iniciales no nulas, entonces a la reaccin del sistema a partir de la muestra cero
y(n) se le conoce como respuesta natural del sistema. La respuesta total del
sistema es entonces aquella conformada por las respuestas natural y forzada. El
siguiente ejemplo ilustra estos conceptos.

Ejemplo: Un sistema LTI en tiempo discreto est descrito por la ecuacin de
diferencias:

Encuentre la respuesta natural del sistema ante las condiciones iniciales y (1) = 0
y y (2) = 4, y la respuesta forzada del sistema ante un escaln unitario.

Solucin:

Aplicando la transformada z unilateral, sus propiedades de retraso en el tiempo, y
considerando que la entrada x(n) es causal, se cumple:

Obsrvese que ambas componentes, la natural y la forzada, comparten los
mismos polos, y determinan as la forma de las seales en cuanto a
atenuacin/amplificacin exponenciales y la frecuencia de las componentes


oscilatorias. Los ceros sern responsables de la fase y amplitud de las seales
resultantes.
La respuesta natural del sistema se obtiene haciendo X (z) = 0:

y con las condiciones iniciales dadas

y por lo tanto

La respuesta forzada ante un escaln unitario estar dada por la transformada z
inversa de

El cero en 1 se cancela con el polo en el mismo sitio. El lector puede demostrar
por descomposicin en fracciones parciales que: expresin se puede reescribir
como:

que corresponde a la seal


ACTIVIDADES DE AUTOEVALUACIN DE LA UNIDAD 1

1. Mencione las principales ventajas y desventajas de los sistemas DSP.

2. Qu es el Teorema del muestreo? Proponga un ejemplo.

3. Proponga un cdigo en un lenguaje de programacin adecuada para
generar una seal impulso unitario.

4. Qu es un sistema LTI?

5. Cules son las propiedades de los sistemas discretos?

6. Proponga un ejercicio de aplicacin donde se muestre la respuesta impulso.

7. Para qu se utilizan las Series de Fourier en este curso?

8. Mencione las propiedades de la DFT.

9. En qu campos de la ciencia se puede aplicar la correlacin cruzada?

10. Qu es la Transformada Z? muestre su importancia en el Procesamiento
Digital de Seales


FUENTES DOCUMENTALES DE LA UNIDAD 1

DOCUMENTOS IMPRESOS

D. K. LINDNER. Introduction to Signals and Systems, McGraw Hill, 1999.

F. J. TAYLOR. Principles of Signals and Systems. McGraw Hill, 1a Ed. 1994

MITRA, S. Procesamiento de Seales Digitales. McGraw-Hill, 2007.

M. S. RODEN. Analog and Digital Communication Systems. Prentice Hall, 4a
Ed. 1996

OPPENHEIM, A. y SCHAFER, R. Tratamiento de seales en tiempo discreto.
Madrid: Prentice Hall Pearson Education, 2000.

PROAKIS, J. G. y MANOLAKIS, D.G.Tratamiento Digital de Seales.
Principios, algoritmos y aplicaciones. Espaa: Prentice Hall., 2000.

SOLIMAN, S. S. y SRINATHMS, D. Seales y Sistemas Continuos y Discretos.
Espaa: Prentice Hall, 1999.

DIRECCIONES DE SITIOS WEB

Procesamiento Digital de Seales con Matlab

http://es.scribd.com/doc/46935329/PROCESAMIENTO-DIGITAL-DE-
SENALES-CON-MATLAB

http://www.iit.upcomillas.es/palacios/dip/


UNIDAD 2

Nombre de la
Unidad
DISEO DE FILTROS DIGITALES

Introduccin
La Unidad 2 trata en primer lugar, las consideraciones
generales al diseo de filtros digitales, las caractersticas de
los filtros, as como los conceptos bsicos y el diseo de
Filtros IIR y FIR. Al finalizar cada captulo se presentar
ejemplos de desarrollo de estos filtros mediante medios
computacionales.

Justificacin
La tendencia actual es la migracin de la tecnologa analgica
a la digital, en nuestro caso el filtrado digital ofrece varias
ventajas con respecto a los filtrados analgicos:
- El ancho de banda de un filtro digital est limitado por la
frecuencia de muestreo, mientras que en un filtro
analgico, este parmetro depende de las
caractersticas de los componentes fsicos.
- Se pueden implementar tanto en software como en
hardware.

Intencionalidades
Formativas
El estudiante asimilar los aspectos fundamentales en el
diseo de filtros digitales, conocer las bases tericas para el
diseo de filtros IIR y FIR, aplicar el uso de herramientas
computacionales para el diseo de filtros digitales.

Denominacin de
Captulos
Captulo 4: Diseo de filtros digitales
Captulo 5: Filtros digitales IIR
Captulo 6: Filtros FIR


INTRODUCCIN

El filtro digital se emplea en el procesado de seales para la eliminacin de las
partes no deseadas de la misma, las cuales pueden ser la disminucin de ruido o
la eliminacin de alguna frecuencia determinada. Los filtros pueden ser analgicos
o digitales. En los filtros analgicos se emplean componentes discretos tales como
condensadores, resistencias, condensadores, amplificadores operacionales, etc.
Un filtro digital emplea un procesador digital que efecta operaciones matemticas
en valores muestreados.

En general el proceso de filtrado consiste en el muestreo digital de la seal de
entrada, el procesamiento considerando el valor actual de entrada y considerando
las entradas anteriores. El ltimo paso es la reconstruccin de la seal de salida.

En general la mecnica del procesamiento es:

- Tomar las muestras actuales y algunas muestras anteriores (que
previamente haban sido almacenadas) para multiplicadas por unos
coeficientes definidos.

- Tambin se podra tomar valores de la salida en instantes pasados y
multiplicarlos por otros coeficientes.

- Finalmente todos los resultados de todas estas multiplicaciones son
sumados, dando una salida para el instante actual.


CAPITULO 4: DISEO DE FILTROS DIGITALES

Leccin 16: CONSIDERACIONES GENERALES

Para proceder al diseo de un filtro digital se realizan los siguientes pasos:
- Se especifica la caracterstica deseada en el dominio de la frecuencia.
- Se elige el tipo de filtro (FIR o IIR) dependiendo de la naturaleza del
problema y de las caractersticas en frecuencia deseadas:

Filtros FIR
Se usan donde se desea desfase lineal con la frecuencia, Sin embargo si no es
esto lo que se desea, entonces se puede usar un FIR o un IIR.

Filtros IIR
Este tipo de filtros tiene lbulos laterales menores en la banda de rechazo que los
FIR y se prefieren porque involucran menos parmetros, menos memoria y menor
complejidad computacional.
- Se determinan los coeficientes del filtro que aproximan las especificaciones
de respuesta en frecuencia.
- Se escoge la estructura adecuada que tenga en cuenta lo siguiente:

Efectos de cuantificacin (Longitud finita de palabra).
Complejidad computacional.
Requisitos de memoria.
Tipo de aritmtica.

En los apartes que siguen se muestra por qu un filtro ideal, a pesar de tener una
respuesta en frecuencia deseable no puede realizarse fsicamente.


Leccin 17: CAUSALIDAD Y SUS IMPLICACIONES

Sea un filtro ideal pasabajo con una respuesta en frecuencia dada por:

Su correspondiente respuesta al impulso est dada por:

Este filtro es no causal y por tanto no realizable, adems requiere infinitos
coeficientes y posiciones de memoria.

A continuacin, basados en el teorema de Paley-Wiener se plantean las
condiciones necesarias y suficientes para que una respuesta en frecuencia dada H
(w) produzca un filtro causal.


Leccin 18: TEOREMA DE PALEY WIENER

Si h(n) tiene energa finita y h(n) = 0 para n < 0, entonces:

Recprocamente, si H (w) es cuadrticamente integrable y si la integral previa es
finita, entonces se puede asociar a H (w) una respuesta en fase q (w) tal que el
filtro con respuesta en frecuencia:

es causal.

De este teorema se puede concluir que H (w) puede ser cero en algunas
frecuencias pero no en un intervalo de frecuencias y tambin que cualquier filtro
ideal es no causal.

Por otro lado se puede probar que hay una fuerte dependencia entre H
R
(w) y H
I

(w) o de manera equivalente, entre la magnitud y la fase y por lo tantos stas no
se pueden especificar independientemente.

Sea:

De tal manera que si h(n) es causal:


Pero,

Luego,

Entonces:

Adems,

Como h
o
(0) = 0 no se puede recuperar h (0) de h
o
(n) y por tanto se debe conocer
tambin h (0).

De lo anterior se concluye que h
o
(n) = h
e
(n) para n 1 o sea, hay una fuerte
relacin entre h
o
(n) y h
e
(n).

Si h(n) es absolutamente sumable, existe la correspondiente respuesta en
frecuencia dada por:

H(w ) = H
R
(w ) + jH
I
(w )

Si se supone que h(n) es real y causal, se tiene que:

Y por lo tanto, puesto que h(n) est completamente especificado por h
e
(n),
entonces H (w) se determina completamente por H
R
(w) o, de igual forma, H (w) se
especifica completamente por H
I
(w) y h (0), en conclusin, H
R
(w) y H
I
(w) o la
magnitud y la fase de H (w) no se pueden especificar independientemente si el
sistema es causal.


Leccin 19: RELACIN ENTRE PARTE REAL E IMAGINARIA DE LA
RESPUESTA EN FRECUENCIA

A continuacin se muestra la relacin entre la parte real e imaginaria de la
respuesta en frecuencia de un sistema con h(n) real, causal y absolutamente
sumable:

En donde,

Remplazando en la ecuacin para H (w) se tiene:

la cual se denomina Transformada de Hilbert Discreta de H
R
(w).

En resumen:

H(w) no puede ser cero, excepto en un conjunto finito de frecuencias.

Las componentes H
R
(w) y H
I
(w) no son independientes.

La magnitud y la fase de H(w) no se pueden elegir arbitrariamente.

La magnitud de H(w) no puede ser constante en ningn rango finito de
frecuencias.

La transicin de la banda de paso a la banda de rechazo no puede ser
infinitamente abrupta.


Las dos ltimas conclusiones se deben al fenmeno de Gibbs porque se debe
recortar la respuesta al impulso para lograr causalidad.

En los mtodos de diseo de filtros que se propondrn posteriormente se trabajar
sobre sistemas LTI especificados por la ecuacin:

que son causales y fsicamente realizables y que tienen una respuesta en
frecuencia dada por:

El problema del diseo consiste en seleccionar los {a
k
} y {b
k
} tal que se aproxime
la respuesta en frecuencia H(w ) deseada.


Leccin 20: CARACTERSTICAS DE FILTROS PRCTICOS

Las caractersticas de un filtro ideal son deseables pero no son absolutamente
necesarias y se pueden aproximar tanto como se desee. Normalmente se tolera
un pequeo rizado en la banda de paso y un valor pequeo distinto de cero en la
de rechazo, como se muestra en la figura 4.1.

Figura 4.1 Caractersticas generales de un filtro pasabajas

En esta figura:

- El rizado en la banda de paso es o expresado en
decibelios,
- La anchura de banda es
- La banda de transicin est dada por
- El rizado en la banda de rechazo es expresado en
decibelios.

En el proceso de diseo se especifican:

- El mximo rizado tolerable en la banda de paso: .
- El mximo rizado tolerable en la banda de rechazo: .
- La frecuencia de corte:
- La frecuencia de rechazo:

Por ltimo se calculan los {a
k
} y {b
k
} en H(w) que mejor aproximen estas
especificaciones, lo cual depende del criterio usado en la seleccin de los
coeficientes as como de su nmero (M, N).


CAPITULO 5: FILTROS DIGITALES IIR

Leccin 21: TERMINOLOGA Y CLASIFICACIN

Hay varios tipos de filtros as como distintas clasificaciones para estos filtros:

De acuerdo con la parte del espectro que dejan pasar y que atenan hay:

Filtros pasa alto.
Filtros pasa bajo.
Filtros pasa banda.
Banda eliminada.
Multibanda.
Pasa todo.
Resonador.
Oscilador.
Filtro peine (Comb filter).
Filtro ranura o filtro rechaza banda (Notch filter).

De acuerdo con su orden:

- Primer orden
- Segundo orden, etc.

De acuerdo con el tipo de respuesta ante entrada unitaria:

- FIR (Finite Impulse Response)
- IIR (Infinite Impulse Response)
- TIIR (Truncated Infinite Impulse Response)

De acuerdo con la estructura con que se implementa:

- Laticce
- Varios en cascada
- Varios en paralelo

En el presente curso nos centraremos en los filtros de acuerdo con el tipo de
respuesta ante la entrada unitaria o impulso unitario.

IIR es una sigla en ingls que representa 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 seal impulso, la salida tendr un nmero infinito de
trminos no nulos, es decir, nunca vuelve al reposo.

La salida de los filtros IIR depende de las entradas actuales y pasadas, y adems
de las salidas en instantes anteriores. Esto se consigue mediante el uso de
realimentacin de la salida.

Donde a y b son los coeficientes del filtro. El orden es el mximo entre los valores
de M y N.

Aplicando la transformada Z a la expresin anterior:

Hay numerosas formas de implementar los filtros IIR. La estructura afecta a las
caractersticas finales que presentar el filtro como la estabilidad. Otros
parmetros a tener en cuenta a la hora de elegir una estructura es el gasto
computacional que presenta. En la figura 5.1 se representa el modelo de una
estructura de un filtro IIR.

Figura 5.1 Estructura de un filtro IIR


Polos y ceros

Este tipo de filtros presenta polos y ceros que determinan la estabilidad y la
causalidad del sistema. Cuando todos los ceros estn en el interior de la
circunferencia unidad se dice que es fase mnima. Si todos estn en el exterior es
fase mxima. Si algn polo est fuera de la circunferencia unidad el sistema es
inestable.

Diseo de filtros IIR

Las formas habituales de disear este tipo de filtros son:

- Indirecta (a partir de prototipos analgicos)
Impulso invariante
Aproximacin de derivadas
Transformacin bilineal

- Directa

Aproximacin de Pad
Aproximacin de mnimos cuadrados
Caractersticas


Leccin 22: DISEO DE FILTROS IIR

DISEO DE FILTROS IIR MEDIANTE LA TRANSFORMACIN BILINEAL

Existen diversos mtodos, tales como: A partir de filtros analgicos, mediante la
aproximacin en derivadas, mediante invarianza impulsional, sin embargo, los
mtodos anteriores slo permiten disear filtros pasabajos y una clase restringida
de filtros pasabanda; la solucin a estas limitaciones la ofrece la transformacin
bilineal mapeando el eje j en la circunferencia unidad en el plano z slo una vez,
con lo cual se evita el aliasing en frecuencia; esta transformacin est relacionada
con la frmula trapezoidal utilizada para integracin numrica y se explicar con el
siguiente ejemplo:

El filtro analgico con una funcin de transferencia dada por:

Est caracterizado en el tiempo por una relacin entrada-salida dada por la
ecuacin diferencial:

Si se integra la derivada se tiene:

La aproximacin de esta integral mediante la frmula trapezoidal en t = nT y
t
0
= nT T est dada por:

La ecuacin diferencial en t = nT queda as:


Con y(n) y (nT) y x(n) x (nT), y reemplazando, se tiene:

Se concluye de esta manera que la funcin de transferencia est dada en este
caso por:

Comparando con la funcin de transferencia del filtro anlogo se tiene, entonces,
que:

A esta relacin se le denomina la transformacin bilineal y es igualmente vlida
para una ecuacin diferencial de N-simo orden.

Como, adems:

Entonces:


Por tanto,

Se concluye que si:

O de forma equivalente,

Dicha relacin puede apreciarse por medio de la figura 5.2:

Figura 5.2 Relacin entre la frecuencia en el plano s y el plano z en la transformacin
bilineal


En esta figura se observa que:

- El rango completo de frecuencias en tiempo continuo W se corresponde de
forma unvoca con el rango en tiempo discreto w, sin embargo hay
deformacin en frecuencia.

- Adems, la transformacin bilineal hace corresponder s = con z = -1.

Normalmente el diseo de un filtro digital empieza con especificaciones en
frecuencia en el dominio digital que implica a w, las cuales se convierten al
dominio analgico por medio de la transformacin = (2 / T) tan (w / 2), luego se
disea el filtro analgico y se convierte a un filtro digital por medio de la
transformacin bilineal. En este proceso T es transparente y se puede poner en
cualquier valor, por ejemplo 1.

De manera similar al mtodo anterior, Matlab cuenta con la funcin bilinear que
permite trasformar un filtro anlogo en uno digital usando la transformacin
bilineal. Se puede consultar el help de este programa y ejecutar la bsqueda para
el comando bilinear

Ejemplo:

Convierta el filtro analgico con funcin de transferencia

En un filtro IIR digital por medio de la transformacin bilineal. El filtro digital tiene
que tener una frecuencia resonante w
r
= /2.

Solucin:

Calculo de la respuesta en frecuencia del filtro anlogo:

num = [ 1.0000 0.1000]

den = [ 1.0000 0.2000 16.0100]

freqs (num, den)


Figura 5.3 Respuesta en frecuencia del filtro anlogo del ejemplo

Como se observa en la figura 200 el filtro anlogo tiene una frecuencia de
resonancia de 4 Hz. La transformacin bilineal requiere que la frecuencia de
muestreo sea Fs = 2 para que la frecuencia anloga
r
= 4 y la digital w
r
= /2 se
cumplan ya que,

[B, A] = bilinear (num, den, 2)

B = [0.1250 0.0061 - 0.1189]

A = [1.0000 0.0006 0.9512]

Clculo de la respuesta en frecuencia digital, ver figura 5.4:

freqz (B, A)


Figura 5.4 Respuesta en frecuencia del filtro digital del ejemplo

Como se observa en la figura se ha logrado con la transformacin bilineal la
frecuencia resonante que se deseaba (w
r
= /2 normalizado 1/2).


Leccin 23: DISEO DE FILTROS IIR CON MATLAB

Uno de los software ms importantes a nivel del procesamiento de seales es el
software MatLab, el cual permite brindarle informacin rpida y precisa de los
sistemas diseados tanto en forma anloga como en forma digital.

Dentro de los trabajos desarrollados en el curso se explicarn los filtros ms
prcticos y de fcil implementacin.

Filtro Butterworth

En Matlab se puede encontrar la instruccin Butter, este comando disea filtros
Butterwoth pasa-bajas, pasa-altas, pasa-bandas y rechaza bandas tanto en forma
digital como analgica. Este filtro se caracteriza por una respuesta plana en la
banda de transicin.

El parmetro del filtro esta descrito en MatLab de la siguiente forma

[B,A] =butter(N,Wn)

donde B y A son los coeficientes del numerador y del denominador
respectivamente, en orden decreciente de un filtro de Butterworth digital. N es el
orden del filtro (calculado previamente) y Wn es la frecuencia de corte. El valor de
Wn debe estar normalizado con la frecuencia de Nyquist. Para disear un filtro
pasobajas Wn es un escalar entre (0,1). La pasa banda es (0,Wn) y el rechaza
banda es (Wn,1).

Para disear un filtro de pasa-alto, el comando a escribir es:

[B,A] = butter(N,Wn,high)

en donde Wn es un escalar.

Ejemplo: Disear un filtro butter de segundo orden con frecuencia de corte de
300Hz.

Para este ejercicio implementamos en MatLab con las especificaciones
anteriormente mostradas:

[b,a]=butter (2,300/500,'high')

Para conocer los valores de los coeficientes a y b, simplemente se colocan las
variables en la barra de trabajo y se oprime enter. El software inmediatamente le
mostrar los valores correspondientes a las variables.


b = 0.2066 -0.4131 0.2066
a = 1.0000 0.3695 0.1958

Como se puede observar el filtro gener en a y b los coeficientes del proceso de
filtrado. Ahora es necesario representar este resultado en los componentes en
magnitud y fase, como se describen a continuacin.

freqz (b,a,128,1000)

Figura 5.5 Respuesta filtro Butter pasaalta segundo orden

Como se puede observar que al llegar a 300Hz se encuentra el primer polo y se
empieza a atenuar las frecuencias arriba de ste punto. De la misma forma en la
grfica de fase se puede ver que tiene una respuesta lineal.

Realizando el mismo sistema cambindolo a orden 10 tenemos

[b,a]=butter (10,300/500,'high')

b = Columns 1 through 7
0.0005 -0.0050 0.0225 -0.0599 0.1049 -0.1259 0.1049

Columns 8 through 11
-0.0599 0.0225 -0.0050 0.0005


a = Columns 1 through 7
1.0000 1.9924 3.0195 2.8185 2.0387 1.0545 0.4144
0

Figura 5.6 Respuesta filtro Butter pasaalta orden 10

Al compararlo con el ejercicio anterior se puede evidenciar que el polo del sistema
se precisa a los 300 Hz a medida que el orden del filtro aumenta.

Para analizar los filtros pasabanda y rechaza banda se analizara en primera
instancia el filtro pasabanda. Se debe recordar que los filtros pasabanda tienen la
caracterstica de dejar pasar las frecuencias en la banda estipulada y rechazar las
frecuencias que no se encuentren dentro de las especificadas. De igual forma, los
filtros rechaza banda rechazan las frecuencias en la banda estipulada y permitirn
pasar las otras frecuencias. A manera de ejemplo se pide disear por medio de
software MatLab un filtro pasabanda con frecuencias entre los 100 y 200Hz, de
orden cuatro.

La nomenclatura del software le permite disear el butter de la siguiente forma:

[B, A] = butter(N, [W1 W2])

Es decir, Wn es en este caso un vector que especifica las frecuencias de la banda
pasante. Tambin la respuesta del filtro variar de acuerdo a la aplicacin en
donde se requiera y el orden del filtro estipulado.


n=4;
Wn= [100 200]/500;
[b,a]=butter(n,Wn,'bandpass');
freqz (b,a,128,1000)

Figura 5.7 Respuesta filtro Butter pasabanda orden 4

Al observar la respuesta en magnitud y fase se evidencia que la respuesta plana
del filtro se encuentra entre los 100 y 200Hz.

Realicemos el mismo ejemplo para un filtro rechazabanda

n=4;
Wn=[100 200]/500;
[b,a]=butter(n,Wn,'stop');
freqz (b,a,128,1000);


Figura 5.8 Respuesta filtro Butter rechazabanda orden 4

La respuesta plana del sistema nos indica la frecuencia que el filtro deja pasar.


Leccin 24: FILTRO CHEBYSHEV

Como pudo observarse para frecuencias de cercanas a las de corte la respuesta
del filtro Butterworth no es aceptable, especialmente si el filtro es de orden bajo.
Los filtros Chebyshev poseen mejor respuesta para este tipo de frecuencias pero
presentan un rizado (RIPPLES) en la banda pasante, es decir, en la respuesta
plana del filtro.

En MatLab se encuentran el filtro Chebyshev de tipo I y II. El Chebyshev de tipo I
presenta el rizado en la banda pasante y el Chebyshev de tipo II, presenta el
rizado en la banda de rechazo. Ambos tipos se pueden implementar tanto en filtros
Chebyshev anlogos como digitales. Una de las caractersticas fundamentales del
filtro tipo I es que la frecuencia de corte Wn (la cual es la frecuencia a la cual la
respuesta de magnitud del filtro es igual a Rp decibelios) oscila entre 0 y 1,
donde 1 corresponde a la mitad de la frecuencia de muestreo (frecuencia de
Nyquist).

Si Wn es un vector de dos elementos el filtro se vuelve un filtro pasa banda de 2*n.

Ejemplo: Para los datos muestreados a 1000Hz, disear un filtro Chevyshev tipo I
paso baja de noveno orden con 0.5 dB de rizado en la banda pasante y frecuencia
de corte de 300 Hz.

% Programa que permite analizar el comportamiento del filtro Cheby

[b,a] = cheby1(9,0.5,300/500);
freqz(b,a,512,1000);

Siguiendo la estructura dada por MatLab se obtiene la siguiente respuesta del filtro
Cheby de tipo I.


Figura 5.9 Respuesta filtro Cheby tipo I

Analizando la respuesta del filtro se puede observar el comportamiento del filtro en
la parte plana de la banda pasante y la atenuacin que sufre a partir de la
frecuencia de corte de 300 Hz.

Ahora se disear un filtro Chebyshev tipo II pasabaja de noveno orden de
atenuacin de la banda de rechazo de 20dB por debajo de la banda pasante y
frecuencia de corte de 300Hz, cuyos datos estn muestreados a una frecuencia de
1000Hz.

% Programa que permite analizar el comportamiento del filtro cheby2

[b,a] = cheby2(9,20,300/500);
freqz(b,a,512,1000);

Se puede observar los valores generados en b y a

b = Columns 1 through 7
0.2957 1.6448 4.7316 8.9479 12.1138 12.1138 8.9479

4.7316 1.6448 0.2957


a = Columns 1 through 7
1.0 3.7380 8.0423 11.6797 12.3844 9.7817 5.7220
2.3861 0.6459 0.087x4

Figura 5.10 Respuesta filtro Cheby tipo II orden 9

Como se haba mencionado anteriormente el filtro presente un rizado en la banda
de rechazo de Rs decibelios por debajo del valor pico de la banda pasante.

Ahora se realizar un diseo de un Cheby tipo II de banda pasante de quinto
orden con banda pasante de 100 a 200 Hz y adems se deber dibujar la
respuesta al impulso del filtro.

% Programa que permite analizar el comportamiento del filtro cheby2

n=5;
r=20;
Wn=[100 200]/500
[b,a]= cheby2(n,r,Wn);
freqz(b,a,512,1000);


Se sigue observando el rizado del filtro en las bandas de rechazo y se muestra los
picos mximos y mnimos arrojados por l, los cuales estn comprendidos en la
banda pasante de 100 a 200 Hz.

Para dibujar la respuesta al impulso del filtro se realiza a travs del siguiente
comando.

[y,t] = impz(b,a,101);
stem(t,y);

Figura 5.11 Respuesta impulso filtro Cheby tipo II orden 5


Leccin 25: FILTROS ELPTICOS

Los filtros elpticos tienen la propiedad de ofrecer caractersticas rolloff ms
abruptas que los filtros Butterworth y Chebyshev, pero son equirrizados tanto en la
banda pasante como en la banda de rechazo. Los filtros elpticos cumplen
especificaciones de funcionamiento con un orden ms bajo que cualquier otro
filtro.

Para datos muestreados a 1000 Hz, disear un filtro elptico pasa bajos de sexto
orden con una frecuencia de corte de 300 Hz, 3 dB de rizado en la banda pasante
y 50 dB de rizado en la banda de rechazo.

% Programa que permite analizar el comportamiento del filtro elptico
[b,a]= ellip(6,3,50,300/500);
freqz(b,a,512,1000);
n=12;
Rp=0.5;
Rs=20;
Wn=[100 200]/500
[b,a]= ellip(n,Rp,Rs,Wn);
[y,t]= impz(b,a,101);
stem(t,y);

Figura 5.12 Respuesta filtro elptico pasabajo orden 6


Figura 5.13 Respuesta impulso filtro elptico pasabajo orden 6

Realicemos el mismo ejercicio para un filtro elptico pasa altos de orden 12 con
frecuencia de corte de 200 Hz.

% Programa que permite analizar el comportamiento del filtro elptico
n=12;
Rp=0.5;
Rs=20;

Wn=[200]/500
[b,a]= ellip(n,Rp,Rs,Wn,'high');
freqz(b,a,512,1000);
figure
[y,t]= impz(b,a,101);
stem(t,y);


Figura 5.14 Respuesta filtro elptico pasaalto orden 12

Figura 5.15 Respuesta impulso filtro elptico pasaalto orden 12

La grfica muestra una respuesta ms plana en la banda pasante debido al
aumento del orden del filtro.


Requerimientos y especificaciones de filtrado.

El objetivo de diseo de un filtro es producir una alteracin dependiente de la
frecuencia sobre una secuencia de datos. Otras especificaciones ms precisas
marcan el rizado de la banda de paso (Rp), el rechazo a la banda atenuada (Rs) y
la anchura de la banda de transicin (Ws - Wp).

Una de las ventajas de los filtros IIR es que al tener ceros y polos es necesario un
menor nmero de coeficientes para realizar un determinado filtrado. Dentro de los
inconvenientes encontramos que la presencia de polos puede producir
inestabilidades, ellos no garantizan que la fase de su funcin de transferencia sea
lineal y adems, la implementacin hardware es ms compleja que en el caso de
filtros FIR.


CAPITULO 6: FILTROS FIR

Leccin 26: FILTROS DE RESPUESTA INFINITA

FIR es un acrnimo en ingls 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 seal impulso, la salida tendr un nmero finito de trminos no
nulos.

Para obtener la salida slo se basan en entradas actuales y anteriores. Su
expresin en el dominio n es:

En la expresin anterior N es el orden del filtro, que tambin coincide con el
nmero de trminos no nulos y con el nmero de coeficientes del filtro. Los
coeficientes son b
k
.

La salida tambin puede expresarse como la convolucin de la seal de entrada x
(n) con la respuesta impulsional h (n):

Aplicando la transformada Z a la expresin anterior:

Estructura

La estructura bsica de un FIR es:


Figura 6.1 Estructura de un filtro FIR
http://es.wikipedia.org/wiki/FIR

En la figura 6.1 los trminos h(n) son los coeficientes y los T son retardos.

Pueden hacerse multitud de variaciones de esta estructura. Hacerlo como varios
filtros en serie, en cascada, etc. Estos filtros tienen todos los polos en el origen,
por lo que son estables. Los ceros se presentan en pares de recprocos si el filtro
se disea para tener fase lineal
Los filtros FIR tienen la gran ventaja de que pueden disearse para ser de fase
lineal, lo cual hace que presenten ciertas propiedades en la simetra de los
coeficientes. Este tipo de filtros tiene especial inters en aplicaciones de audio.
Adems son siempre estables.

Diseo de filtros FIR

Hay tres mtodos bsicos para disear este tipo de filtros:

Mtodo de las ventanas. Las ms habituales son:
- Ventana rectangular
- Ventana de Barlett
- Ventana de Hanning
- Ventana de Hamming
- Ventana de Blackman
- Ventana de Kaiser
Muestreo en frecuencia.
Rizado constante (Aproximacin de Cheby y algoritmo de intercambio de
Remez).
Mnimos Cuadrados

Los filtros FIR tienen la desventaja de necesitar un orden mayor respecto a los
filtros IIR para cumplir las mismas caractersticas. Esto se traduce en un mayor
gasto computacional.


Leccin 27: FUNCIONES PARA REALIZAR FIR

De la forma ms interesantes de entender las aplicaciones de las tcnicas de
ventaneo es realizar las prcticas a travs del software MatLab.

La Funcin FIR1

>> B = fir1(N,Wn,type,window);

Disea un filtro FIR pasobajo de orden N (longitud N+1) y frecuencia de corte Wn
(normalizada con respecto a la frecuencia de Nyquist, 0 < Wn < 1). Se pueden
especificar otro tipo de filtros de la misma forma que con los filtros IIR mediante el
parmetro type. Por ejemplo, disear un filtro rechazabanda:

>> B = fir1(N,[W1 W2],'stop');

Por defecto la funcin FIR usa la ventana de Hamming. Otro tipo de ventanas
pueden tambin especificarse:

>> B = fir1(N,Wn,bartlett(N+1));
>> B = fir1(N,Wn,'high',chebwin(N+1,R));

La Funcin FIR2

>> B = fir2(N,F,M,window);

Disea un filtro FIR utilizando el mtodo del muestreo frecuencial. Los parmetros
de entrada es el orden del filtro N, la (longitud N+1) y dos vectores F y M que
especifican la frecuencia y la magnitud, de forma que plot (F,M) es una grfica de
la respuesta deseada del filtro.

Se pueden indicar saltos bruscos en la respuesta frecuencial duplicando el valor
de la frecuencia de corte. F debe estar entre 0 y 1, en orden creciente, siendo el
primer elemento igual a 0 y el ltimo 1. El parmetro window indica el tipo de
ventana a utilizar. Por defecto, usa la ventana de Hamming.

>> B = fir2(N,F,M,bartlett(N+1));

Se pueden especificar ms parmetros en esta funcin,

>> B = fir2(N,F,M,npt,lap,window);


La funcin fir2 interpola la respuesta frecuencial deseada (F,M) con n puntos (por
defecto, npt=512). Si dos valores sucesivos de F son iguales, se crea una regin
de lap puntos alrededor de este punto (por defecto, lap=25).

Funcin FIRLS

>> B = firls(N,F,M);

Diseo de filtros FIR usando la minimizacin del error por mnimos cuadrados. Los
argumentos de entrada son el orden del filtro N, y dos vectores F y M, cuyo
formato difiere de los anlogos en la funcin fir2. El filtro obtenido es la mejor
aproximacin a (F,M) por mnimos cuadrados

Dentro de las Ventajas de los filtros FIR estn:

Pueden disearse con fase perfectamente lineal.
Son incondicionalmente estables.
Implementacin hardware es sencilla

Dentro de los Inconvenientes de los filtros FIR se encuentra que es necesario un
gran nmero de coeficientes para conseguir las prestaciones que dara un filtro IIR
de orden mucho menor.


Leccin 28: ANLISIS DE FIR CON HERRAMIENTAS COMPUTACIONALES

A continuacin se desarrollarn una serie de filtros prcticos que permitirn
aprender los procesos de diseo y los conceptos fundamentales que lo encierran.

En esta primera parte se utilizar la funcin fir1, la cual ya se explic
anteriormente, se podrn observar la importancia del orden de los filtros y al
mismo tiempo el tipo del filtro.

% Ejercicios de la funcin FIR1

Disear un filtro de orden 4, basabajos. Determinar el espectro en magnitud y fase
del filtro.

N=4;
Wn=100/1000;
B = fir1(N,Wn,'stop');
freqz(B);title('filtro FIR1, de orden 4. Pasa Bajo');

Figura 6.2 Respuesta filtro FIR1 pasabajo orden 4

Como se puede apreciar este tipo de filtro presenta una cada muy suave y no
presenta rizado en su decaimiento. Tambin se debe analizar que es necesario
normalizar la frecuencia angular para cumplir que 0< Wn <1.


Ahora, se observar el mismo filtro pero realizando un aumento en el orden del
filtro.

N=6;
Wn=100/1000;


N=10;
Wn=100/1000;



Ahora realizaremos el diseo para un filtro pasaalto:

N=4;
Wn=100/1000;
B = fir1(N,Wn,'high');
freqz(B);title('filtro FIR1, de orden 4. Pasa alto');

Figura 6.5 Respuesta filtro FIR1 pasaalto orden 4

N=6;
Wn=100/1000;



N=10;
Wn=100/1000;



Leccin 29: ANLISIS DE RECHAZABANDA FIR

En esta leccin se analizar el diseo de filtros rechazabanda a medida que se
incrementa el orden y aplicando diferentes ventanas.

N=6;
Wn=[60 80]/1000;
B = fir1(N,Wn,'stop');title('filtro FIR1, de orden 6. Rechazabanda. con Ventana
Hamming');
freqz(B)

Figura 6.8 Respuesta filtro FIR1 rechazabanda orden 6

h=fir1(30,.2,hamming(31));
title('filtro FIR1, de orden 30. Rechazabanda. con Ventana Hamming');
freqz(h)


Figura 6.9 Respuesta filtro FIR1 rechazabanda orden 30, Hamming

h=fir1(30,.2,boxcar(31));
freqz(h);
title('filtro FIR1, de orden 30. Rechazabanda. con Ventana Boxcar');

Figura 6.10 Respuesta filtro FIR1 rechazabanda orden 30, Boxcar


figure
h=fir1(30,.2,bartlett(31));
freqz(h);title('filtro FIR1, de orden 30. Rechazabanda. con Ventana Bartlett');

Figura 6.11 Respuesta filtro FIR1 rechazabanda orden 30, Barlett

h=fir1(30,.2,chebwin(31,02));
freqz(h);
title('filtro FIR1, de orden 30. Rechazabanda con Ventana Chebwin');

Figura 6.12 Respuesta filtro FIR1 rechazabanda orden 30, Chebwin


% Generar en una sola figura lo una seal

N=46;
Fs=11020;
Fy=Fs/2;
Rfir1= fir1(N,[30 3500]/Fy);
Rfir2= fir2(N,[0 10 30 3500 3600 Fy]/Fy,[0 0 1 1 0 0]);
Rfirls= firls(N,[0 10 30 3500 3600 Fy]/Fy,[0 0 1 1 0 0]);
Rremez= remez(N,[0 10 30 3500 3600 Fy]/Fy,[0 0 1 1 0 0]);
F=0:10:5000;
Hfir1=abs(freqz(Rfir1,1,F,Fs));
Hfir2=abs(freqz(Rfir2,1,F,Fs));
Hfirls=abs(freqz(Rfirls,1,F,Fs));
Hremez=abs(freqz(Rremez,1,F,Fs));
semilogy(F,Hfir1,'r',F,Hfir2,'b',F,Hfirls,'g',F,Hremez,'m'),

Se tiene la siguiente nomenclatura generada por MatLab
r: rojo; b: azul; g: verde; m: magenta

Figura 6.13 Comparacin respuestas filtros FIR
En este ltimo ejemplo, se puede evidenciar las respuestas de los filtros por
ejemplo el filtro firls tiene respuesta muy plana en su banda de paso, a diferencia
del filtro remez que presenta un rizado muy notorio en la banda de paso.


Leccin 30: COMANDOS PARA GENERAR FILTROS MEDIANTE VENTANAS

Los siguientes comandos para que el estudiante los ejecute y concluya:

Ventana RECTANGULAR
M =15;
N = [-M:M];
hn = -wc/pi*sinc(N*wc/pi);
hn(M+1) = 1-wc/pi;

Ventana HANN
M =32;
N = [-M:M];
hn(M+1) = 1-wc/pi;
hn = hn.*hanning(2*M+1)0; % ventaneo

Ventana HAMMING
M =32;
N = [-M:M];
hn(M+1) = 1-wc/pi;
hn = hn.*hamming(2*M+1)0; % ventaneo

Ventana BLACKMANN
M =48;
N = [-M:M];
hn(M+1) = 1-wc/pi;
hn = hn.*blackman(2*M+1)0; % ventaneo

Ventana KAISER
[M,wn,Beta] = kaiserord([ws/pi,wp/pi],[0,1],[0.01 0.01])
N = [-M:M];
hn(M+1) = 1-wc/pi;
hn = hn.*kaiser(2*M+1,Beta))0;

Filtro con transicin suave;
M = ceil((4*pi/(wp-ws)-1)/2);
M = M+4; % aumentar M para cumplir las especs.
N = [-M:M]; P = 2;0.624*(wp-ws)*2*M
CONCEPTOEN TORNO AL TRATAMIENTO DE


IMGENES


1. Sustente las implicaciones que tiene la causalidad en el diseo de filtros
digitales.

2. Menciones las principales caractersticas de los filtros digitales prcticos.

3. Cmo se clasifican los filtros digitales?

4. Menciones los principales aspectos a tener en cuenta en el diseo de filtros
IIR.

5. Proponga un programa de diseo de filtro IIR mediante medios
computacionales.

6. Proponga y socialice un diseo de filtro elptico.

7. Cules son las principales caractersticas de un filtro FIR?

8. Analice un diseo de filtro pasa-banda FIR.

9. Proponga dos ejemplos de diseo de filtro pasa-alto FIR.

10. Cul de los mtodos por ventana es ms eficiente y por qu?



DOCUMENTOS IMPRESOS




Ed. 1996





Procesamiento Digital de Seales con Matlab

http://es.scribd.com/doc/46935329/PROCESAMIENTO-DIGITAL-DE-
SENALES-CON-MATLAB

http://www.iit.upcomillas.es/palacios/dip/


UNIDAD 3

Nombre de la
Unidad
APLICACIONES DE FILTROS DIGITALES

Introduccin
La Unidad 3 trata inicialmente sobre las especificaciones de
diseo de filtros digitales, luego se enfoca en la aplicacin del
procesamiento digital de seales mediante el procesamiento
digital de imgenes y el procesamiento digital de audio,
considerando el uso de herramientas computacionales.

Justificacin
Los campos del procesado digital de seales aplicado al
procesado digital de imgenes y audio han tenido una
tremenda vitalidad en las dos dcadas pasadas y se seguir
manteniendo esta tendencia. Avances en tecnologa hardware
han provisto la capacidad de procesado de seales en chips.
Esos avances han permitido procesados de seales
sofisticadas y algoritmos de procesado de imgenes y audio
que pueden ser implementados en tiempo real a un costo
relativamente bajo. Las investigaciones continan y abarcan
otros campos como las telecomunicaciones, electrnicos de
consumo, medicina, defensa, robticos y geofsicos.

Intencionalidades
Formativas
Que el estudiante adquiera conocimientos bsicos sobre el
procesamiento digital de imgenes y audio.
Que obtenga destrezas y habilidades para entender,
desarrollar y mejorar algoritmos bsicos para el anlisis y
procesamiento digital de imgenes y audio.

Denominacin de
Captulos
Captulo 7: Diseo y aplicaciones de filtros
Captulo 8: Procesamiento de imgenes
Captulo 9: Procesamiento digital de audio


INTRODUCCIN

Los campos del procesado digital de seales, especficamente de imgenes y
audio han tenido una tremenda vitalidad en las dos dcadas pasadas y se seguir
manteniendo esta tendencia. Avances en tecnologa hardware han provisto la
capacidad de procesado de seales en chips. Esos avances han permitido
procesados de seales sofisticadas y algoritmos de procesado de imgenes que
pueden ser implementados en tiempo real a un costo relativamente bajo.

En la actualidad las disciplinas relacionadas con el Procesamiento de Imgenes y
audio, tales como la visin por computador, el anlisis de imgenes y la inspeccin
visual automatizada, han sido ampliamente utilizadas en diversas reas, entre las
que se pueden enumerar: Ingeniera en general, Robtica, Astronoma, Deteccin
Remota, Meteorologa, Medicina, Biologa, etc.


CAPITULO 7: DISEO Y APLICACIONES DE FILTROS

Leccin 31: ESPECIFICACIONES DE DISEO

Los requerimientos incluyen la especificacin de:

1. las caractersticas de las seales: tipo de fuente de seal, interfaz de entrada-
salida, velocidad de procesamiento, ancho de palabra, la mayor frecuencia de
inters;

2. las caractersticas del filtro: la respuesta en mdulo y/o fase deseadas y sus
tolerancias, la velocidad de operacin, el modo de filtrado (en lnea o fuera de
lnea);

3. la forma de implementacin: como una rutina de alto nivel en una computadora,
o un programa especfico para un DSP;

4. otras restricciones al diseo, como por ejemplo el costo del filtro.

Es posible que inicialmente el diseador no cuente con toda la informacin
necesaria para especificar completamente el filtro, pero cuanto ms detalles se
conozcan ms sencillo ser el proceso de diseo.

Aunque algunos de los requerimientos discutidos arriba son dependientes de la
aplicacin, es necesario resaltar los aspectos referidos a las caractersticas del
filtro. Frecuentemente, los requisitos del filtro digital se especifican en el dominio
frecuencial, y para el caso de los filtros selectivos en frecuencia, estas
especificaciones toman la forma de bandas de tolerancia, como muestra la Figura
7.1 para el caso de un filtro pasabajos. Las zonas grisadas indican los lmites de
tolerancia. En la banda de paso, el mdulo de la respuesta admite una variacin
mxima de , y en la banda de rechazo se pretende que la ganancia no exceda
. Es frecuente especificar estas cotas en dB.

El ancho de la zona de transicin determina qu tan abrupto es el filtro. En esta
regin se espera que el mdulo de la respuesta en frecuencia decrezca
montonamente desde la banda de paso a la banda de rechazo. Los principales
parmetros de inters son:

desviacin en la banda de paso:
desviacin en la banda de rechazo:
frecuencia de corte de la banda de paso:
frecuencia de corte de la banda de rechazo:


Las frecuencias esquina se suelen normalizar a la frecuencia de muestreo
(wi = 2fi / fs), pero tambin son frecuentes las especificaciones en unidades
tpicas como Hz, kHz, y a menudo son mucho ms significativas. Las desviaciones
con respecto a la respuesta deseada tanto en la banda de paso como en la banda
de rechazo pueden expresarse en valores absolutos o en decibeles (dB),
indicando la ondulacin mxima (ripple) tolerada en la banda de paso, y la
atenuacin mnima exigida en la banda de rechazo:

As (atenuacin en la banda de rechazo):
Ap (ondulacin en la banda de paso):

En general, la respuesta de fase un filtro no se especifica tan detalladamente
como el mdulo de la respuesta en frecuencia. En muchos casos es suficiente
indicar que importa la distorsin de fase, o que se pretende una respuesta de fase
lineal. Slo es necesario detallar la respuesta en fase deseada en aquellas
aplicaciones donde los filtros se utilizan para compensar o ecualizar la respuesta
en fase de un sistema.

Ejemplo: Especificaciones de diseo de un filtro pasabanda

Se desea disear un filtro FIR pasabanda cuya respuesta en frecuencia satisfaga
las siguientes especificaciones:

banda de paso: 0,18 2 a 0,33 2,
ancho de la zona de transicin: 0,04 2,
ganancia en la banda de paso: 1 0,05 (Ap = 0,42 dB),
ganancia en la banda de rechazo: < 0,001 (As = 60 dB).

En la Figura 7.1 se muestra el esquema de bandas de tolerancias del filtro. La
atenuacin en la banda de rechazo debe ser mayor que
y la ondulacin mxima tolerada en la banda de paso es de

Figura 7.1 Bandas de tolerancia del filtro


Leccin 32: ELECCIN DE LA APROXIMACIN

En esta etapa se elige alguno de los mtodos de aproximacin (Butterworth,
Chebyshev, elptico, etc. si el filtro es IIR, o equirriple, ptimo, con ventanas, etc. si
es FIR) y se calculan los valores de los coeficientes h[n] del filtro FIR, o ak y bk del
filtro IIR, de modo de satisfacer las especificaciones. El mtodo empleado para
determinar los coeficientes es distinto segn el filtro sea IIR o FIR.

Tradicionalmente, el clculo de los coeficientes de los filtros IIR se basa en la
transformacin de las funciones de sistema de filtros analgicos en filtros
discretos. Los dos mtodos clsicos son el de invariacin al impulso y el de
transformacin bilineal. Con la tcnica de la invariacin al impulso la respuesta
impulsiva del filtro digital est formada por las muestras de la respuesta impulsiva
del filtro analgico. Sin embargo, el mdulo de la respuesta en frecuencia del filtro
discreto es diferente, en general, de la del filtro continuo. Debido a fenmenos de
aliasing, el mtodo no es apropiado para el diseo de filtros pasaaltos o filtros
eliminabanda, o cualquier tipo de filtro cuya respuesta en frecuencia no sea
aproximadamente nula por encima de cierta frecuencia fH.

Por otra parte, el mtodo de la transformada bilineal produce filtros muy eficientes,
y es apropiado para el diseo de cualquier tipo de filtro con ganancia constante en
la banda de paso. Permite el diseo de filtros con caractersticas frecuenciales
clsicas como Butterworth, Chebyshev, elpticos, etc. Los filtros digitales
calculados en base a la transformada bilineal preservan la caracterstica de
respuesta en frecuencia, pero no las propiedades temporales. En la actualidad se
cuenta con programas de clculo que permiten obtener los coeficientes del filtro
digital directamente a partir de las especificaciones usando el mtodo de la
transformada bilineal o la tcnica analtica desarrollada por Rader y Gold (1967)
para filtros recursivos equirriple.

Los filtros con respuestas sencillas, como los resonadores, notch, filtros peine,
osciladores digitales, etc., se pueden disear ubicando directamente los polos y
los ceros en el plano complejo; sin embargo, si las especificaciones son exigentes,
es conveniente utilizar las tcnicas de diseo clsicas.

Los coeficientes de los filtros FIR pueden calcularse con varios mtodos. Entre
ellos merecen destacarse el diseo por ventanas, la tcnica de suavizado de las
bandas de transicin, el mtodo de muestreo en frecuencia, y los mtodos ptimos
(el algoritmo de Parks y McClellan o el algoritmo de Remez). El mtodo de diseo
utilizando ventanas es sencillo y flexible pero no permite un control muy preciso
sobre los parmetros del filtro.
La tcnica de las bandas de transicin suaves permite atenuar el efecto Gibbs, a
costa de una pequea complejidad adicional. El mtodo de muestreo en
frecuencia permite una implementacin particularmente eficiente (y recursiva) de
filtros FIR, pero puede tener problemas cuando se usa aritmtica de punto fijo.


Con la disponibilidad de programas de diseo eficientes y con buena interfaz con
el usuario, los mtodos ptimos son ampliamente utilizados hoy en da, y para la
mayora de las aplicaciones permiten obtener rpidamente el filtro FIR deseado.

Los mtodos tpicos para el clculo de los coeficientes de los filtros se resumen en
la siguiente tabla:

Tabla 7.1 Comparacin Filtros digitales

El mtodo de diseo se elige de acuerdo a la aplicacin en particular. Si bien
influyen varios factores, el ms importante es qu tan crticas son las
especificaciones. La decisin difcil es optar entre FIR o IIR. En aquellos casos
en que las propiedades de los FIR (respuesta de fase estrictamente lineal,
estabilidad inherente) son imprescindibles, la mejor eleccin puede ser el diseo
por mtodos ptimos, o usando ventanas (generalmente la de Kaiser). Si, en
cambio, son deseables las caractersticas de los IIR (menor cantidad de
coeficientes para especificaciones similares) el mtodo de la transformada bilineal
es apropiado para la mayora de los casos.


Leccin 33: REALIZACIN

Por realizacin se entiende convertir una funcin de sistema H(z) en un conjunto
de ecuaciones a diferencias que se ejecutarn como un algoritmo en un
procesador. El conjunto de ecuaciones tambin se conoce como la estructura del
filtro. Existen infinitas formas de escribir la ecuacin a diferencias, de modo que
existen infinitos tipos de estructuras.

Matemticamente las distintas realizaciones producen el mismo resultado sobre la
seal a filtrar; sin embargo en el momento de la implementacin la sensibilidad a
la variacin de los coeficientes, propagacin del ruido de redondeo o de
truncacin, organizacin y/o requerimientos de memoria en un procesador en
particular, etc., suelen decidir la eleccin de una estructura particular. Cada
realizacin se asocia a un diagrama bloque, que revela la cantidad de lugares de
memoria necesarios para el almacenamiento de los datos y los coeficientes,
nmero de operaciones requeridas, etc.

Es frecuente utilizar distintas estructuras para implementar filtros IIR o FIR. Para
filtros IIR, las tres estructuras tpicas son las formas directa, cascada y paralelo; el
diagrama bloque de una forma directa, denominada de tipo II es comn para un
sistema de segundo orden. En este caso, la funcin transferencia se implementa
con el conjunto de ecuaciones a diferencia.

Ejemplo: Influencia de la estructura con coeficientes de precisin infinita.

Aun cuando los coeficientes se implementen con muy alta precisin, como cuando
se usa MATLAB, la estructura directa es inadecuada para realizar filtros de alto
orden. Por ejemplo, un filtro tipo Butterworth discreto de orden N = 30 con
frecuencia de corte en wc = / 2 se caracteriza por tener 30 ceros en z = -1. La
implementacin en forma directa, utilizando los comandos

[n, d] = butter(30,0.5);
zplane(n,d);

da resultados muy diferentes, como se puede ver en la Figura 7.2 (a) . Por efecto
de los (pequeos) errores numricos, los 30 ceros que deberan estar ubicados en
z = -1, se esparcen en un entorno, no necesariamente pequeo, de este punto. La
implementacin como secciones de segundo orden, que se disea con los
comandos tiene la distribucin de polos y ceros prevista por la teora, como se
observa en la Figura 7.2 (b).
[z,p,k] = butter(30,0.5);
[sos,g] = zp2sos(z,p,k);
hsos = dfilt.df1sos(sos,g);
zplane(hsos);


Figura 7.2 Comparacin de los patrones de polos y ceros de una implementacin en
forma directa I (a) y en secciones de segundo orden, cada una de ellas en forma directa
(b)

Sintetizando, para un filtro dado la eleccin de la estructura depende:

- del tipo de filtro (IIR o FIR);
- de la facilidad de implementacin;
- de la sensibilidad de la estructura a los efectos de la longitud finita de
palabra.


Leccin 34: EFECTOS DE LA LONGITUD DE LA PALABRA FINITA

Los pasos de diseo referidos a la aproximacin y a la realizacin suponen que las
operaciones que especifican los algoritmos se realizan con precisin infinita, o al
menos muy alta. Sin embargo, en muchas aplicaciones donde el bajo costo es
decisivo, es necesario representar los coeficientes del filtro utilizando un nmero
finito de bits (tpicamente 8, 16 o ms), y realizar las operaciones indicadas por las
ecuaciones a diferencia utilizando aritmtica de precisin finita.

El uso de un nmero finito de bits degrada el desempeo del filtro, y en algunos
casos puede inutilizarlo por completo. El diseador debe tener en cuenta estos
efectos, y elegir longitudes de palabra apropiados para los coeficientes del filtro,
las variables de entrada y salida, y las operaciones aritmticas. En general, el
ancho en bits de las palabras de entrada y salida (que se leen o se escriben en los
conversores A/D y D/A, respectivamente) son mucho menores que la longitud de
palabra utilizado para los coeficientes y los cmputos (10 o 16 bits, frente a 25 o
32 bits).

Las principales causas de la disminucin del desempeo en los filtros digitales
debido a la longitud finita de palabra son:

- Cuantizacin de las seales de entrada y salida, debido a la resolucin finita
de los
conversores A/D y D/A. Este efecto se suele modelar como un fenmeno aleatorio
(ruido).

- Cuantizacin de los coeficientes, lo que conduce a variaciones de la
respuesta en frecuencia de filtros FIR e IIR, y posiblemente a inestabilidades en
los filtros IIR.

- Errores aritmticos por redondeo. Los procesadores con longitud de palabra
finita tienen un acumulador con bits adicionales para mantener la precisin (por
ejemplo, el resultado de la multiplicacin de dos nmeros de B bits es un nmero
de 2B bits).
Cuando estos resultados se almacenan en memoria se truncan a la longitud de
palabra adoptada. El error resultante, denominado ruido de redondeo, altera la
respuesta del filtro. En los filtros IIR puede causar inestabilidad, y tambin dar
lugar oscilaciones de pequea amplitud de la salida an con entrada nula.

- Desborde (overflow), que ocurre cuando el resultado de una suma excede
el ancho de palabra adoptado, resultando en errores de las muestras de salida,
que pueden causar inestabilidad, u oscilaciones de gran amplitud en los filtros IIR.

La degradacin del desempeo depende de:


- la longitud de palabra y tipo de aritmtica utilizada para efectuar los
clculos;

- el mtodo adoptado para cuantizar las variables y los coeficientes del filtro a
la longitud de palabra elegida;

- la estructura del filtro.

Conociendo estos factores, el diseador puede analizar los efectos de la longitud
de palabra finita en el desempeo del filtro, y efectuar las correcciones que sean
necesarias.

Ejemplo: Efectos de cuantizacin en un filtro IIR

Un filtro IIR elptico de cuarto orden con frecuencia de corte en wc = 0,3, 0,1 dB
de ondulacin en la banda de paso, y 60 dB de atenuacin en la banda de rechazo
est caracterizado por la funcin de sistema

donde

b0 = 0,01588232577583, a0 = 0,57816706294199,
b1 = 0,04509870267465, a1 = -1,00000000000000,
b2 = 0,06160127928264, a2 = 0,98785160189871,
b3 = 0,04509870267465, a3 = -0,49030269551500,
b4 = 0,01588232577583, a4 = 0,10997293011303.

El mdulo de la respuesta en frecuencia del filtro se muestra con lnea de trazo
continuo en la Figura 7.3.

Figura 7.3 Respuesta en frecuencia del filtro del Ejemplo implementado con una
estructura tipo forma directa II. (-) filtro prototipo; (- -) filtro con coeficientes cuantizados.


Si el filtro se implementa en un procesador de 8 bits, utilizando una estructura tipo
forma directa II se deben truncar los coeficientes, que resultan

b0 = 0,0156250, a0 = 0,5781250,
b1 = 0,0468750, a1 = -1,0000000,
b2 = 0,0625000, a2 = 0,9843750,
b3 = 0,0468750, a3 = -0,4921875,
b4 = 0,0156250, a4 = 0,1093750.

El mdulo de la respuesta en frecuencia del filtro con los coeficientes cuantizados,
graficada con lnea de trazos en Figura 7.3, revela que se violan las
especificaciones de diseo. Sin embargo, la eleccin de una estructura diferente
puede solucionar el problema. En la Figura 7.4 se muestra el mdulo de la
respuesta en frecuencia del mismo filtro, implementado como una cascada de dos
secciones de segundo orden, con ganancia C = 0,0274701, y cuyos coeficientes
cuantizados a 8 bits son

b01 = 0,5000000, a01 = 0,5000000,
b11 = 0,8984375, a11 = 0,4531250,
b21 = 0,5000000, a21 = 0,1406250,
b02 = 0,5000000, a02 = 0,5000000,
b12 = 0,5234375, a12 = 0,4140625,
b22 = 0,5000000, b22 = 0,3437500.

Figura 7.4 Respuesta en frecuencia del filtro del Ejemplo implementado con una cascada
de dos bloques de segundo orden. ( - ) filtro prototipo; (- -) filtro con coeficientes
cuantizados.


La figura anterior revela que los requisitos de diseo se satisfacen sin necesidad
de cambiar la resolucin en bits de los coeficientes.

El ejemplo anterior muestra que los efectos de la cuantizacin de los coeficientes
pueden atenuarse cambiando la estructura del filtro. Dependiendo de la
implementacin, algunos de los errores mencionados pueden ser insignificantes.
Por ejemplo, si el filtro se calcula en un lenguaje de alto nivel que se ejecuta en
computadoras ms o menos modernas, por ejemplo con MATLAB en una PC, los
errores de cuantizacin de coeficientes y redondeo no siempre son importantes.

En aplicaciones de tiempo real las seales de entrada y salida se cuantizan a 8,
12 o 16 bits, segn el tipo de conversor A/D y D/A utilizado. Si el ancho de palabra
elegido para efectuar las operaciones y el redondeo son de esta magnitud, es casi
obligatorio analizar los efectos de la cuantizacin en las caractersticas del filtro.


Leccin 35: IMPLEMENTACIN

Una vez que se han calculado los coeficientes del filtro, elegido una estructura
adecuada, y verificado que las especificaciones se satisfacen despus de
considerar la degradacin causada por la cuantizacin de coeficientes y de las
variables a la longitud de palabra elegida, la ecuacin a diferencias debe
implementarse como una rutina de software o en hardware. Cualquiera sea el
mtodo de implementacin, cada muestra de la salida y[n] del filtro debe
calcularse de acuerdo a la ecuacin a diferencias que involucra multiplicaciones,
sumas y restas, y retardos. De modo que para implementar un filtro se necesitan
los siguientes bloques bsicos:

- memoria (ROM o RAM) para almacenar los coeficientes del filtro;

- memoria RAM para almacenar las muestras actuales y pasadas de la
entrada x[n], x[n - 1], ..., x[n - M], y la salida y[n], y[n - 1], ..., y[n - N];

- multiplicadores en hardware o rutinas de multiplicacin (bibliotecas de
software);

- sumador o unidad aritmtico-lgica.

La manera en que se configuran estos bloques depende fuertemente segn el
procesamiento sea en tiempo real o fuera de lnea. Cuando se procesa fuera de
lnea, los datos o seal de entrada estn disponibles en algn medio de
almacenamiento (cinta, CD, memoria, etc.) Tal es el caso del registro de datos
experimentales para el anlisis posterior. En estos casos el filtro se implementa
utilizando un lenguaje de alto nivel, y se ejecuta en una computadora de propsito
general. Por ello las implementaciones fuera de lnea suelen ser programas. En
algunas aplicaciones, por ejemplo el procesamiento de imgenes, se agrega
hardware adicional dedicado para acelerar la velocidad de procesamiento.

En el procesamiento en tiempo real se requiere que el filtro genere una muestra de
la seal de salida ante cada muestra de la seal de entrada, lo que implica que el
cmputo completo de la ecuacin a diferencias debe completarse en el intervalo
de tiempo entre una y otra muestra de la seal de entrada, o bien operar sobre
bloques de datos utilizando las tcnicas tipo overlap-add u overlap-save. El
procesamiento en tiempo real necesita de hardware dedicado cuando la
frecuencia de muestreo es muy alta, o cuando el filtro es de alto orden. Este
hardware se nuclea alrededor de un procesador digital de seales, o DSP, que en
la actualidad es producido por varios fabricantes, como Motorola, Texas
Instruments, Analog Devices, Burr Brown, etc. Cada DSP incluye memoria RAM y
ROM o FLASH, multiplicadores rpidos, unidades aritmticas lgicas flexibles,
mtodos de direccionamiento poderosos, etc. y algunas unidades incluyen los
conversores A/D y D/A necesarios para procesar seales del mundo exterior.


CAPITULO 8: PROCESAMIENTO DE IMGENES

Leccin 36: MODELO DE IMAGEN SIMPLE

El trmino imagen se refiere a una funcin bidimensional de la luz y la intensidad,
la que se indica por f(x,y), donde el valor o amplitud de f en las coordenadas
espaciales (x,y) da la intensidad (iluminacin) de la imagen en este punto. Puesto
que la luz es una forma de energa, f(x,y) debe ser estrictamente mayor que cero y
finita, es decir:

Las imgenes que se perciben en las actividades visuales cotidianas provienen
normalmente de la luz reflejada por los objetos. La naturaleza bsica de f(x,y)
puede estar caracterizada por dos componentes segn la cantidad de luz
procedente de la fuente sobre la escena. De forma apropiada, reciben el nombre
de componentes de iluminacin y reflectancia, y se indican por i(x,y) y r(x,y)
respectivamente. Las funciones i(x,y) y r(x,y) se combinan, como producto, para
dar f(x,y )

Donde

y

La ecuacin r(x, y) indica que la reflectancia est acotada entre 0 (absorcin total)
y 1 (reflexin total). La naturaleza de i(x,y) est determinada por la fuente de luz y
r(x,y) est determinada por las caractersticas de los objetos de la escena.

En el procesamiento de imgenes, la informacin se extrae a partir de fotos, las
cuales pueden ser electrnicas tomadas de una escena, textos impresos e
ilustraciones, est compuesta de un nmero finito de elementos que tienen una
particular localizacin y valor y se denominan elementos pictricos o ms
comnmente, pxeles. A los pxeles se les asigna un valor tonal como matices de
gris o un cdigo en binario (unos para blancos y ceros para negros) como se
observa en la figura 8.1.

Adems se tiene en cuenta el valor del pxel segn su representacin. Los dgitos
binarios bits para cada pixel se almacenan en una secuencia y con frecuencia se
los reduce a una representacin matemtica (comprimida). Luego la computadora
interpreta y lee los bits para producir una versin analgica para su visualizacin.


Figura 8.1 Valores del pixel
Disponible en: http://www.library.cornell.edu/preservation/tutorial-spanish/toc.html.

Los pxeles se pueden ver de una forma individual aumentando la imagen por
medio de zoom o ampliando su resolucin. La resolucin es la capacidad de
distinguir los detalles. La profundidad de bits es determinada por la cantidad de
bits utilizados para definir cada pxel. Cuanto mayor sea la profundidad de bits,
mayor ser la cantidad de tonos que pueden ser representados. Una imagen a
escala de grises est compuesta por pxeles representados por mltiples bits de
informacin, que tpicamente varan entre dos a ocho bits pero pueden ser ms.

En el procesamiento de la imagen es importante reducir el tamao del archivo de
imagen para su almacenamiento, tratamiento y transmisin. Todas las tcnicas de
compresin abrevian la cadena de cdigo binario en una imagen sin comprimir, a
una forma de abreviatura matemtica, basada en complejos algoritmos.

Los mtodos para mejorar una imagen se pueden dividir en dos campos
diferentes: mtodos en el dominio de la frecuencia y mtodos en el dominio
espacial. Los primeros se basan en modificar la transformada de Fourier de la
imagen y los segundos se basan en manipulaciones directas sobre los pxeles de
la imagen.

Etapas fundamentales en procesamiento de imgenes

El tratamiento digital de imgenes comprende un amplio rango de hardware y
software y recursos tcnicos necesarios para llevar a cabo las etapas
fundamentales del procesamiento de una imagen. (Vase la Figura 8.2 ).

La primera etapa del proceso es la adquisicin de imgenes, es decir, la
adquisicin de una imagen digital. Para ello se necesita un sensor de imgenes y
la posibilidad de digitalizar la seal producida por el sensor. Si la salida de la
cmara no est todava en forma digital, se emplea un convertidor anlogo-digital
para digitalizarla.


Figura 8.2 Etapas del procesamiento de imgenes

Una vez que se ha obtenido la imagen digital, la siguiente etapa consiste en el pre-
procesamiento de dicha imagen. La funcin bsica del pre-procesamiento es la de
mejorar la imagen de forma que se aumenten las posibilidades de xito en los
procesos posteriores.

Segmentacin: Es una operacin cuyo objetivo es agrupar reas de la imagen
que tengan caractersticas similares dentro de entidades distintas para poder
llegar a distinguir los objetos del fondo. Tiene una gran importancia para
operaciones posteriores y requiere una serie de pasos de manipulacin que
generarn una nueva imagen en la cual solo se observa el rea. La segmentacin
de una imagen es un proceso de extraccin de objetos insertados en la escena
capturada. La agrupacin de los pxeles se hace cuando tienen criterios similares,
como la luminancia, el color, los bordes, las texturas, los movimientos. Una vez
que la imagen ha sido dividida, estar definida por un conjunto de objetos. La
informacin estar preparada para el reconocimiento e interpretacin de la
imagen. Para la segmentacin de las imgenes se usan tres conceptos bsicos:

Similitud: Los pxeles agrupados del objeto deben ser similares respecto algn
criterio (nivel de gris, color, borde, textura, etc.).

Conectividad: Los objetos corresponden a reas de pxeles con conectividad. Las
particiones corresponden con regiones continuas de pxeles.

Discontinuidad: Los objetos tienen formas geomtricas que definen unos
contornos. Estos bordes delimitan unos objetos de otros.

Proceso de Binarizacin: Consiste en el paso de una imagen cromtica o
monocromtica (escala de grises), a una imagen binaria mediante la conversin
de pixeles con un nivel de gris comprendido entre 0 y 255 para imgenes
monocromticas en pixeles de valores 0 1. Para ello debe fijarse un criterio de


conversin, la llamada regla de binarizacin, basada en un intervalo crtico de
tonos de gris. Cuando se mueve dentro del intervalo, los valores sern pasados a
1, fuera de ste, sern pasados a 0.

Extraccin de caractersticas: Consiste en distinguir un objeto del otro, para ello
se realiza mediante las caractersticas que identifican al objeto. Algunas de las
caractersticas que se pueden utilizar son el rea, el dimetro y el permetro etc.

Filtros: Las imgenes, una vez salen del dispositivo de captacin, no suelen
permitir una segmentacin fcil. Ello puede suceder por diferentes motivos. Por
ejemplo, la existencia de ruido de fondo hace confundir manchas con objetos o por
la existencia de mrgenes difusos en los objetos y en ocasiones por existir un
contacto entre objetos. Por estos motivos es necesario procesar la imagen
mediante filtros antes de la binarizacin. El procedimiento se basa en la aplicacin
de operaciones aritmticas que producen cambios en la intensidad de luz en cada
punto, en funcin del valor de los pixeles adyacentes. As, un filtro provocara
cambios dependientes del entorno de los puntos.

Hay distintos filtros y cada uno de ellos consigue un efecto particular sobre las
imgenes. Existen varias clases de filtros atendiendo a los efectos que se
consiguen al aplicarlos; dentro del desarrollo del software se utiliz el gaussiano,
el laplaciano y de erosin-dilatacin debido a las caractersticas que presentan las
cuales fueron las adecuadas.

Filtros de erosin-dilatacin: Su utilizacin busca eliminar el contacto entre
objetos. Esto se consigue tras una operacin consecutiva de erosin y dilatacin.
La erosin, es el resultado de la aplicacin de la llamada regla de erosin: un
pixel "blanco" (generalmente de objeto) pasa a "negro" si en su entorno inmediato
existe al menos un pixel "negro". La erosin produce una disminucin del tamao
de los objetos por prdida de pxeles marginales.

La dilatacin, es el resultado de la aplicacin de la regla de dilatacin: un pixel
"negro" (generalmente de fondo) pasa a "blanco" si en su entorno inmediato existe
al menos un pixel "blanco". La dilatacin produce un aumento en el tamao de los
objetos por adicin de pixeles marginales. La aplicacin consecutiva de un
proceso de erosin y dilatacin, produce muy poco cambio en el tamao de los
objetos y la prdida de los puntos de contacto entre ellos siempre que stos sean
pequeos.

Filtros Gaussianos: La imagen de salida est basada en una media local del filtro
de entrada donde los coeficientes se ajustan a una gaussiana dependiente.

El Filtro Laplaciano calcula la segunda derivada que a partir de la expresin del
operador Laplaciano se puede aproximar:


Filtros detectores de bordes: Realizan otro tipo de operaciones con los datos,
pero siempre con el resultado de enfatizar los bordes que rodean a un objeto en
una imagen, para hacerlo ms fcil de analizar. Estos filtros tpicamente crean una
imagen con lneas blancas y negras rodeando los bordes de los objetos y
caractersticas de la imagen. La figura 8.3, muestra imgenes filtradas con
deteccin de bordes utilizando filtros Gaussiano y Laplaciano. Imagen binaria
(figura 8.3 a), filtro gaussiano canny (figura 8.3 b), filtro laplaciano log (figura 8.3
c).

Figura 8.3 Imagen binaria y filtros

Iluminacin: Las fuentes de luces no son iguales, dentro de estas se tienen: luz
ambiente, fuentes de luz direccionales, fuentes de luz puntuales, fuentes de luz
puntuales tipo spot que son aquellas en las cuales el haz de luz es puntual. Por
lo tanto, cuando se hable del color o intensidad de una fuente o de un objeto, se
entender que es un vector de cuatro elementos, donde cada elemento ser un
valor entre 0 y 1.

Los tres primeros indicarn el porcentaje de rojo (R), verde (G) y azul (B),
definiendo el color, y el cuarto un factor de transparencia, denominado
normalmente canal alpha (A): Color = (R, G, B, A)

R : Red = Rojo; G : Green = Verde; B : Blue = Azul; A : Alpha = Transparencia

Una buena iluminacin es importante en la toma de imgenes que luego sern
procesadas. Eligiendo la tcnica adecuada de iluminacin se puede lograr un
aumento en la confiabilidad del sistema y en su tiempo de respuesta.

El ser humano usa un amplio rango de seales, obtenidas a partir del color, la
perspectiva, el sombreado, y las experiencias individuales. La percepcin visual
depende de la capacidad humana de realizar juicios. Sin embargo, un sistema de
visin artificial no tiene una experiencia de base para comparar, todo debe estar


especficamente definido. Problemas simples como encontrar una forma o definir
un borde, se vuelven tareas complicadas de definicin en la visin artificial. Para
reducir el nmero de variables, el sistema de visin debe trabajar con la mejor
imagen que sea posible. Una buena imagen es aquella que tiene el mayor
contraste donde las reas de inters se destacan del fondo facilitando la tarea del
sistema virtual.

La ltima etapa del proceso incluye el reconocimiento e interpretacin. El
reconocimiento es el proceso que asigna una etiqueta a un objeto basndose en la
informacin proporcionada por sus descriptores. La interpretacin implica asignar
significado a un conjunto de objetos reconocidos.

Aunque en este punto no se ha tratado explcitamente la presentacin de la
imagen, es importante recordar que la visin de los resultados del procesamiento
de imgenes puede realizarse a la salida de cada una de las etapas. Se observa
que no todas las aplicaciones del procesamiento de imgenes necesitan la
complejidad de interacciones implcitas. Numerosas aplicaciones prcticas se
realizan mediante las funciones correspondientes al camino exterior visible en las
etapas del procesamiento digital de imgenes. De hecho, en algunos casos ni
siquiera son necesarios todos esos mdulos.


Leccin 37: TEORA DE HERING

Aunque el proceso seguido por el cerebro humano para percibir el color es un
fenmeno psicofisiolgico que todava no se ha llegado a entender
completamente, la naturaleza fsica del color se puede expresar en una base
formal corroborada por los resultados experimentales y tericos.

Bsicamente los colores que los seres humanos percibimos en un objeto estn
determinados por la naturaleza de la luz reflejada por el objeto. La luz visible est
formada por una banda de frecuencias relativamente estrecha del espectro
electromagntico. Un cuerpo que refleje una luz relativamente equilibrada en todas
las longitudes de onda aparece como blanco para el observador. Sin embargo, un
cuerpo que tiene una mayor reflectancia en una determinada banda del espectro
visible aparece como coloreado (Vase la Figura 8.4).

Figura 8.4 Diagrama de cromaticidad

En el Siglo IXX el fisilogo Ewald Hering deriv por medio del anlisis de la visin
subjetiva humana del color la idea de colores oponentes. Esta idea expona el
hecho de que ciertos colores no son percibidos juntos, no se mezclan. Nunca
veremos amarillos azulosos o rojos verdosos. En la visin humana el detector
amarillo siempre se encuentra inactivo cuando el detector azul est activo y
viceversa. Una situacin similar ocurre con las neuronas correspondientes al rojo y
verde (vase la Figura 8.5).


Figura 8.5 Ilustracin del comportamiento de las celdas detectoras ante la
presencia de colores oponentes.

Se defini as mismo un tercer par de colores oponentes, blanco y negro. Aunque
este par de sensaciones son opuestas por naturaleza, no son oponentes como el
azul y amarillo o el verde y rojo. La sensacin intermedia del gris es una mezcla de
blanco y negro. La razn para esto es que la comparacin entre estos colores no
es funcin de su longitud de onda sino de su energa. El blanco y el negro
dependen de la absorcin luminosa y para el blanco o gris puro esta absorcin
debe ser relativamente igual.

Actualmente se ha estandarizado la concepcin de color propuesta por Young-
Helmholtz segn la cual todos los colores se ven como combinaciones variables
de los denominados tres colores primarios, rojo (R) , verde (G) y azul (B), aunque
tambin otros modelos de color han sido propuestos con la intencin de facilitar la
especificacin de los colores de una forma normalizada y aceptada
genricamente, aparte del conocido modelo RGB, los ms utilizados son YIQ
(luminancia, fase y cuadratura) y HSI ( tono, saturacin e intensidad).

En los problemas de procesamiento que involucran el tratamiento de imgenes a
color real el modelo HSI es ampliamente utilizado ya que la componente de
intensidad est desacoplada de la informacin cromtica, y las componentes de
saturacin mantienen una alta relacin con la manera como el ser humano percibe
el color. Sin embargo el caso especfico planteado en este proyecto consiste en la
segmentacin de regiones partiendo del aislamiento de sus longitudes de onda,
buscando disminuir efectos de distorsin en la percepcin de color producidos por
variaciones de iluminacin, por lo tanto es ms conveniente buscar un modelo que
permita mantener relaciones lineales con las componentes de colores primarios y
as mismo asle la componente de intensidad de la componentes de color.

Partiendo del modelo estandarizado RGB es posible mediante una sencilla matriz
de transformacin llegar al modelo de Hering. Despreciando entonces la
componente Negro-Blanco (B-W), se adquiere toda la informacin cromtica de
las componentes restantes Rojo-Verde (R-G) y Azul- Amarillo (B-Y).


Leccin 38: TRANSFORMACIONES

Conversin de los niveles de gris. Para obtener una imagen que pueda ser
tratada por el computador es preciso someter la imagen a un proceso de
discretizacin tanto en las coordenadas como en la intensidad, a este proceso se
le denomina digitalizacin. La digitalizacin consiste en la descomposicin de la
imagen en una matriz de m*n puntos, donde cada punto tiene un valor
proporcional a su color. Cada elemento en que se divide la imagen recibe el
nombre de "pxel" (picture element).

La resolucin espacial de la imagen viene dada por el nmero de pxeles que tiene
la imagen. Cuanto mayor sea este nmero mayor va a ser la resolucin. La
resolucin cromtica depende del nmero de bits que se utilice para almacenar el
valor de un pxel. Si se utiliza un bit se puede tener nicamente dos valores (0, 1)
(blanco y negro), si se utiliza 4 bits el nmero posible de niveles de gris ser de 16
y si se utiliza 8 bits el nmero de niveles de gris posibles es de 256. Una
transformacin adecuada de los niveles de gris puede mejorar sensiblemente la
calidad de una imagen cuando sta es observada por una persona.

Transformaciones geomtricas

Las transformaciones geomtricas son una serie de cambios en la imagen que
tienen dos objetivos bsicos: Correccin de la perspectiva y reconstruccin
tridimensional de los objetos de una escena.

Transformacin del histograma

El histograma es una representacin grfica que permite obtener, informacin del
contenido de una imagen. En el histograma el eje de las abscisas representa los
niveles de gris y el de ordenadas, el nmero de pixeles de cada nivel. En ciertas
escenas, como las que suelen aparecer en entornos industriales, el histograma
puede ser suficiente para separar objetos dentro de una imagen, con lo que se
facilita considerablemente la etapa de interpretacin. Sin embargo, no siempre es
factible sacar tanta informacin al histograma. En muchas aplicaciones, su
manipulacin slo permite aumentar/disminuir el contraste de la imagen y el
margen dinmico de los niveles de gris. Sus efectos son evidentes para un
observador humano.

Filtrado espacial y frecuencial

No es fcil decidir si estas operaciones, son absolutamente vitales en un sistema
de visin por computador, pertenecen o no a la etapa de simple pre-
procesamiento, dada la gran modificacin que puede suponer respecto a la
imagen original. Para evitar esta ambigedad, se considera que el filtrado es
procesamiento previo cuando la transformacin operada sobre la imagen sea
pequea. El filtrado espacial acta sobre los niveles de gris de los pxeles de la


imagen. El filtrado frecuencial se basa en trabajar con la transformada discreta de
Fourier de la imagen (una operacin costosa en tiempo y en memoria de
computador) a la que se aplica un filtro bidimensional.

En general, las operaciones de segmentacin de una escena, as como el nmero
de clases de regiones y objetos a distinguir, dependern ntimamente de la propia
escena y de la informacin que se busque dentro de la imagen. Las tcnicas de
segmentacin, ya estn orientadas a objetos o agrupaciones de objetos, se
pueden dividir en tres grupos: El primer grupo es la aplicacin de umbrales de
nivel de gris, el segundo es la agrupacin por rasgos comunes, y el ltimo es la
extraccin de bordes.

La aplicacin de umbrales se basa en el empleo del histograma. Bsicamente,
consiste en distinguir objetos individuales dentro de una escena a partir de sus
diferentes niveles de gris.

Si se conoce que los objetos tienen cierto intervalo. La seleccin del valor del
umbral, se realiza generalmente a partir del histograma de la imagen. As si una
imagen est compuesta de un objeto que aparece en la escena sobre un fondo,
entonces es de esperar que el histograma sea bimodal, es decir, si por ejemplo el
objeto es ms claro que el fondo, pues en el histograma aparecern dos picos, el
ubicado en los valores de gris ms elevados correspondiente al objeto y otro pico
para niveles de gris ms bajos, correspondientes al fondo.

En la siguiente figura se muestra un histograma bimodal, en el cual el umbral se
ubica entre los dos picos del histograma.

Figura 8.6 Histograma bimodal

La seleccin automtica del umbral, es un problema difcil, debido a que el
histograma no siempre es bimodal, en cuyo caso resulta necesario combinar la
informacin espacial presente en la imagen, con la informacin referente al nivel
de gris. A continuacin, se observa un ejemplo:


Figura 8.7 Histograma aproximadamente bimodal

Para el caso del histograma aproximadamente bimodal, existen tcnicas de
deteccin automtica del umbral, una de las cuales fue ideada por Otsu y se basa
en la minimizacin de la varianza intra-grupo. En particular, el mtodo de Otsu,
elige el umbral ptimo maximizando la varianza entre clases (between-class
variance) mediante una bsqueda exhaustiva. Si bien hay diferentes mtodos para
hallar un umbral, la mayora de ellos no dan buenos resultados cuando se trabaja
con imgenes del mundo real debido a la presencia de ruido, histogramas planos
o una iluminacin inadecuada. Por el contrario, el mtodo de Otsu es uno de los
mejores mtodos de seleccin de umbral para imgenes del mundo real. Sin
embargo, este mtodo usa una bsqueda exhaustiva para evaluar el criterio para
maximizar la varianza entre clases.

A medida que el nmero de clases de una imagen aumenta, el mtodo de Otsu
necesita mucho ms tiempo para seleccionar un umbral multinivel adecuado. Para
determinar el umbral de una imagen eficientemente. La importancia del mtodo de
Otsu radica en que es automtico, es decir, no necesita supervisin humana ni
informacin previa de la imagen antes de su procesamiento.

Descripcin del Mtodo de Otsu para un umbral ptimo. Una imagen es una
funcin bidimensional de la intensidad del nivel de gris, y contiene N pxeles cuyos
niveles de gris se encuentran entre 1 y L. El nmero de pxeles con nivel de gris i
se denota como fi, y la probabilidad de ocurrencia del nivel de gris i en la imagen
est dada por:


En el caso de la umbralizacin en dos niveles de una imagen (a veces llamada
binarizacin), los pxeles son divididos en dos clases: C1, con niveles de gris
[1, ...., t]; y C2, con niveles de gris [t+1, ...., L]. Entonces, la distribucin de
probabilidad de los niveles de gris para las dos clases es:

Donde:

Tambin, la media para la clase C1 y la clase C2 es:

Sea T la intensidad media de toda la imagen. Es fcil demostrar que:

La extraccin de bordes es el mtodo ms empleado en la segmentacin de
imgenes (salvo en robtica, donde con frecuencia es suficiente la aplicacin de
umbrales). La efectividad, desde el punto de vista del reconocimiento de objetos,
de una operacin cuyo resultado sea la obtencin de los bordes de un objeto, cual
es la segmentacin, es evidente, puesto que la mayor cantidad de informacin se
encuentra en los bordes. De hecho, la mayora de los objetos pueden reconocerse
a partir de su forma, que est fijada por sus bordes.

Los filtrados espaciales y frecuenciales, son precisamente operaciones de
extraccin de bordes, aunque lo hagan con suavidad. De manera anloga, los
extractores de bordes empleados en la fase de segmentacin pueden clasificarse
en espaciales y frecuenciales. Algunos operadores que incluye la deteccin de
bordes son: Operadores de gradiente laplaciano.


Leccin 39: CLCULO DE CARACTERSTICAS

Despus de segmentar una imagen, el conjunto resultante de pxeles
segmentados se representa y describe normalmente en una forma adecuada para
su posterior procesado por computadora. Bsicamente, el representar una regin
implica dos posibilidades: Hacerlo en trminos de sus caractersticas externas (su
contorno) o en trminos de sus caractersticas internas (los pxeles que
comprenden la regin). La eleccin de un esquema de representacin es, sin
embargo, solamente una parte de la tarea de hacer los datos tiles para una
computadora.

El siguiente paso consiste en describir la zona en la representacin elegida. Por
ejemplo, una regin se puede representar describiendo su contorno por medio de
caractersticas tales como su longitud, la orientacin de una lnea recta que une
puntos extremos, y el nmero de concavidades.

Generalmente, se elige una representacin externa cuando el objetivo principal se
centra en las caractersticas de forma y una representacin interna cuando el
principal inters se centra en las propiedades de reflectividad, tales como color y
textura. En cualquier caso, las caractersticas seleccionadas como descriptoras
deberan ser tan insensibles como fuera posible a variaciones tales como cambios
de tamao, traslacin y rotacin.

Centroide

El centroide se halla sumando todas las posiciones en x y y de los pixeles de una
regin y dividiendo los resultados entre el nmero de pixeles de cada regin. La
ecuacin muestra como calcular el centroide de una regin, donde N es el nmero
de pxeles que conforman el contorno y (Cx, Cy) el centroide del contorno.

Lados del contorno. A veces es til descomponer un contorno en lados. La
descomposicin reduce la complejidad del contorno y simplifica as el proceso de
descripcin. Esta solucin es particularmente atractiva cuando el contorno
presenta una o ms concavidades significativas que contienen informacin sobre
la forma. En este caso el empleo del cerco convexo de la regin abarcada por el
contorno es una poderosa herramienta para una descomposicin robusta del
contorno.


El cerco convexo H de un conjunto arbitrario S es el conjunto convexo ms
pequeo que contiene a S. El conjunto diferencia H-S se denomina deficiencia
convexa D del conjunto S.

Para ver cmo se podran utilizar estos conceptos para dividir un contorno en
lados significativos, considrese la figura 8.8 (a), que muestra un objeto (conjunto
S) y su deficiencia convexa (regiones sombreadas). El contorno de la regin se
puede dividir siguiendo el contorno de S y marcando los puntos en los que se hace
una transicin hacia dentro o fuera de un componente de la deficiencia convexa.
La figura 8.8 (b) muestra el resultado en este caso. Obsrvese que, en principio, el
esquema es independiente de la orientacin y el tamao de la regin.

Figura 8.8 (a) Una regin (S) y su deficiencia convexa (sombreada); (b) contorno
dividido.

En la prctica los contornos digitales tienden a ser irregulares a causa de la
digitalizacin, el ruido y las variaciones en la segmentacin. Estos efectos
normalmente producen una deficiencia convexa que tiene componentes
pequeos, insignificantes, esparcidos aleatoriamente sobre el contorno. Mejor que
intentar evitar estas irregularidades en un proceso posterior, la prctica comn
consiste en suavizar el contorno antes de su divisin. Hay varios modos de
hacerlo, un mtodo es recorrer el contorno y reemplazar las coordenadas de cada
pxel por las coordenadas medias de m de sus vecinos a lo largo del contorno.
Esta solucin funciona para pequeas irregularidades pero lleva mucho tiempo y
es difcil de controlar. Valores grandes de m pueden dar un excesivo suavizado,
mientras que valores pequeos podran no ser suficientes en algunos lados del
contorno.

Una tcnica ms desigual es utilizar una aproximacin poligonal, antes de
encontrar la deficiencia convexa de una regin. Independientemente del mtodo
utilizado para el suavizado, la mayora de los contornos digitales de inters son
simples polgonos (polgonos sin autointerseccin). Los conceptos del cerco
convexo y su deficiencia son igualmente tiles para describir una regin completa,
as como su contorno. Por ejemplo, la descripcin de una regin se podra basar
en su rea y en la de su deficiencia convexa, en el nmero de componentes de la
deficiencia convexa, en la situacin relativa de estos componentes, y as
sucesivamente.


Leccin 40: ANLISIS DE IMAGEN USANDO MEDIOS COMPUTACIONALES

Para iniciar una prctica en esta leccin es necesario aprender y practicar algunas
funciones bsicas del toolboxes de procesamiento de imgenes en MatLab. Para
ello deber remitirse a las referencias bibliogrficas de la unidad donde
encontraran una serie de links para el proceso de aprendizaje del software.

Lo primero que se realizara es leer una imagen cualquiera, es necesario tener en
cuenta la extensin de la imagen que se leer.

Ejercicio: Realizar el proceso de captura y visualizacin de una imagen.

Para ello deber abrir el editor de MatLab y desarrollar el siguiente cdigo

clc;
clear all;
close all;
f=imread('flowers.tif'); % permite la lectura de una imagen
figure
imagesc (f); % permite la visualizacin de la imagen
impixel % Este comando permite evaluar los valores de cada pixel en sus
% componentes RGB
title('imagen original'); % Permite etiquetar o nombrar las figuras en Matlab

Figura 8.9 Imagen original


Pixval % Este comando genera la barra negra mostrada en la figura anterior, ella
visualize el valor del pixel y su posicin en el espacio. Este tiene el concepto
implcito de lo que se define como una imagen digital.

Aqu se ha marcado tres puntos al azar y el programa genera los valores de los
componenetes en R, G B respectivamente.
ans =
173 80 139
209 158 194
155 117 0

Ejercicio: Genere los componentes de una serie de pixeles a lo largo de una lnea
dentro de la imagen.

clc;
clear all;
close all;
f=imread('flowers.tif');
figure
imagesc (f);
impixel % se genera una base de datos que contemplan los valores de los pixels
% en RGB a lo largo de la trayectoria marcada.
title('imagen original');
%end

Figura 8.10 Valores de pixeles en RGB de la imagen


% Planos para los diferentes colores

Como la imagen est formada por tres planos fundamentales en RGB, es
necesario separar los planos para obtener informacin de los atributos de la
imagen. Para ello se siguen las siguientes instrucciones, recuerde que es
necesario haber ledo la imagen previamente.

f=imread(imagen.ext)
R=double(squeeze(f(:,:,1)));
G=double(squeeze(f(:,:,2)));
B=double(squeeze(f(:,:,3)));
figure,

subplot (2,2,1);imagesc(f);colormap;title('imagen original');
subplot (2,2,2);imagesc(R);colormap;title('imagen plano rojo');
subplot (2,2,3);imagesc(G);colormap;title('imagen plano verde');
subplot (2,2,4);imagesc(B);colormap;title('imagen plano azul');

Figura 8.11 Planos para los diferentes colores


% Contribucion de planos (modificacin)
A=uint8(cat(2,R*0.9,G*0.9,B*0));
figure,imagesc(A);
pixval

% Cambio de planos
YIQ = rgb2ntsc(f);
Y=double(squeeze(YIQ(:,:,1)));
I=double(squeeze(YIQ(:,:,2)));
Q=double(squeeze(YIQ(:,:,3)));
subplot (2,2,1);imagesc(f);colormap;title('imagen ORIGINAL');
subplot (2,2,2);imagesc(Y);colormap;title('imagen plano LUMINANCIA');
subplot (2,2,3);imagesc(I);colormap;title('imagen plano CUADRATURA');
subplot (2,2,4);imagesc(Q);colormap;title('imagen plano FASE');
figure
x= linspace(0,1,200)'* ones(1,200);
HSV= cat (3,x,x',x');
p= hsv2rgb(HSV);
imagesc(p);
H= double(squeeze(p(:,:,1)));
S= double(squeeze(p(:,:,2)));
V= double(squeeze(p(:,:,3)));
figure,
subplot (2,2,1);imagesc(H);colormap;
subplot (2,2,2);imagesc(S);colormap;
subplot (2,2,3);imagesc(V);colormap;

Figura 8.12 Contribucin de planos


CAPITULO 9: PROCESAMIENTO DIGITAL DE AUDIO

Leccin 41: EFECTOS QUE UTILIZAN RETARDOS

Muchos efectos se consiguen sumando a la seal original, varias copias
retardadas y modificadas de diversas formas. De entre todos ellos, los ms tpicos
son los de eco y reverberacin, aunque, como veremos, no son los nicos.
Dependiendo del tipo de efecto buscado, los tiempos de estos retardos pueden
valer entre las pocas milsimas y los varios segundos.

Naturaleza del eco y la reverberacin

En una sala, la reverberacin se produce de forma natural porque los sonidos que
nos llegan a los odos no proceden de un nico punto emisor, sino que recibimos
tambin copias reflejadas por las paredes, el techo, el suelo, y otros objetos.
Cuando ms distantes de nosotros estn estos reflectores, ms retardadas y
tambin ms atenuadas recibiremos las copias.

El tiempo de reverberacin es una propiedad de las salas, y se define como el
lapso que debe transcurrir para que el sonido inicial se atene en 60 dB. En salas
grandes, este tiempo puede durar varios segundos. Otro factor que influye en la
reverberacin es la absorcin de los materiales reflectantes. Superficies poco
absorbentes, como el cristal, acrecientan el tiempo de reverberacin, mientras que
otras, como las cortinas o el propio pblico, hacen que este valor disminuya.

Normalmente, la absorcin vara tambin con la frecuencia (los agudos se
absorben ms que los graves). Todo ello hace que un buen algoritmo digital de
reverberacin deba incluir muchos parmetros configurables.
Cuando estos retardos son suficientemente grandes como para orse de forma
aislada se denominan ecos, y slo pueden producirse en espacios muy amplios y
con pocos obstculos (frente a una montaa, etc.). Si nos encontramos situados
entre dos obstculos distantes, el sonido sufrir varias reflexiones antes de
extinguirse, por lo que oiremos varios ecos sucesivos de intensidades
decrecientes.

Reverberacin y eco digitales

Dado que un alto porcentaje de la msica grabada se escucha en pequeas salas
particulares con tiempos de reverberacin muy cortos, la mayora de grabaciones
comerciales incorporan la reverberacin y otros efectos que emulan la acstica de
grandes salas y las hacen ms gratas al odo. Pero los estudios de grabacin
tampoco pueden ofrecer reverberaciones naturales convincentes, por lo que desde
hace dcadas se ha investigado mucho en sistemas de reverberacin artificiales.


En los aos 60 y 70 estos efectos se reproducan de forma analgica (utilizando
cintas magnetofnicas) o incluso mecnica (mediante la disposicin de placas
metlicas, micrfonos y altavoces), pero desde hace unos aos, los ecos y
reverberaciones digitales han desbancado por completo a los antiguos sistemas.

Existen unidades dedicadas que producen estos efectos en tiempo real, y de ellas
se hablar en lecciones futuras. Los programas de edicin de audio deben
contentarse con hacerlo en diferido, pero las posibilidades de configuracin que
ofrecen son inmensas. Dado que la absorcin de un sonido vara con su
frecuencia, este tipo de procesos digitales involucran cambios en todos los niveles
(tiempo, amplitud y frecuencia) aunque simplificando, pueden entenderse como
una serie de repeticiones retardadas y atenuadas.

Todos los programas tratan la reverberacin y el eco mediante opciones
separadas, aunque ambos procesos pueden combinarse. Cool Edit y Sound
Forge, son los ms completos a la hora de definir este tipo de efectos. Cool Edit es
adems el nico programa que permite al usuario definir salas virtuales; basta con
indicar sus dimensiones y los materiales que la componen, para que el sistema
calcule su acstica y la aplique a cualquier sonido que deseemos.

Flanger y phaser

Los retardos se utilizan tambin de forma menos evidente para crear otros tipos de
efectos ms "electrnicos". En estos casos, los valores suelen ser breves
(milsimas o centsimas de segundo).
Con los trminos flange, flanger o flanging, se conoce el efecto consistente en
mezclar la seal original con una copia con un retardo muy breve, pero variable de
forma peridica. Los parmetros a configurar son como mnimo el porcentaje de
seal retardada, el margen de variacin del retardo (entre varias unidades y varias
decenas de milisegundos), la frecuencia de variacin de este retardo
(normalmente entre algunas dcimas y varios hertzios), y el porcentaje de
realimentacin.

Dependiendo de estos valores, el efecto conseguido puede ser similar a los
sonidos tpicos de las pelculas de marcianos de los aos cincuenta, o al sonido
del pop psicodlico de finales de los sesenta (entonces se aplicaba
frecuentemente a la guitarra y a la batera). En aquella poca, estos efectos se
conseguan de forma analgica, mezclando la seal de dos magnetfonos, y
retardando o acelerando ligeramente uno de ellos. Cuando no existe
realimentacin, el efecto es ms discreto y suele denominarse phaser o phasing, y
se encuentra con frecuencia en pedales para guitarra.

La realimentacin o el feedback

La realimentacin (feedback en ingls) no es el nombre de ningn efecto
propiamente dicho, sino una forma de procesar el sonido que se aplica en muchos


de ellos. Normalmente se expresa mediante un porcentaje que indica la cantidad
de sonido ya procesado que se vuelve a procesar. Cuando este valor es del 0%,
no existe realimentacin, mientras que cuando es superior al 100%, la intensidad
del sonido resultante aumentar paulatinamente hasta llegar a la saturacin.

El chorus

Este es otro efecto, normalmente sutil, pero muy utilizado, con el que se intenta
simular que un solo instrumento (o una sola voz), suene como varios instrumentos
al unsono. Se consigue retardando y desafinando muy ligeramente la seal
original. En la actualidad se aplica muchsimo a los cantantes, para dar ms
presencia a la voz. Muchos sintetizadores y algunas tarjetas de sonido incorporan
efectos en tiempo real. En este caso, incluyen, casi invariablemente, reverberacin
y chorus. Cuando se le aplica realimentacin y modulacin de amplitud, el chorus
deja de ser un efecto discreto.


Leccin 42: PROCESADORES DE RANGO DINMICO

Recordemos que el rango dinmico de un fragmento sonoro viene dado por la
diferencia (en dB) entre la intensidad ms fuerte y la ms dbil. Los efectos
incluidos en esta leccin, operan directamente sobre la amplitud de las muestras,
aunque de formas ms sofisticadas que los descritos en lecciones anteriores,
modificando de diversos modos el rango dinmico de un determinado fragmento.
Los ms importantes son los compresores, los expansores, los limitadores y las
puertas de ruido.

Una buena forma de caracterizar estos procesos, es a travs de su funcin de
transferencia, que establece una correspondencia entre las amplitudes de entrada
y las amplitudes de salida. En la figura 9.1, se muestran varias funciones de este
tipo, junto con los efectos que producen en un fragmento sonoro. La funcin 9.1
(a) es una recta con una inclinacin de 45
o
, lo que significa que, en este caso, no
se produce ninguna modificacin del rango dinmico (a cualquier valor de amplitud
de entrada, le corresponde el mismo valor en la salida).

Figura 9.1 Funciones de transferencia y sus efectos


Algunos programas de edicin de audio permiten que el usuario dibuje
manualmente la curva de transferencia, por lo que todos los efectos que se
describen a continuacin, pueden considerarse como casos particulares de un
proceso nico. En otros, como por ejemplo Wave, los parmetros se introducen de
forma numrica, con lo cual el control en la definicin del proceso no puede ser tan
preciso.

Los compresores y los limitadores

Los compresores se utilizan para reducir el rango dinmico de una seal. Su uso
es muy frecuente en la grabacin de partes vocales, ya que en muchos casos, la
seal emitida por la voz y recogida por un micrfono, presenta mnimos muy
dbiles que se confundiran con el ruido de fondo. Con una compresin ms
exagerada se consigue un efecto intimista, ya que se acentan los sonidos de la
respiracin y de los movimientos bucales (lengua, saliva, etc.). Este efecto
tambin se utiliza mucho en las guitarras elctricas, creando el tpico sonido de
guitarra heavy (figura 9.1 (b)).

Los limitadores son un caso extremo de compresores, que limitan la amplitud
mxima posible a un valor umbral. Suelen utilizarse en grabaciones de conciertos
para evitar que se pueda producir saturacin. Su funcin de transferencia presenta
pendientes horizontales en los extremos (figura 9.1 (c)).

Los expansores

Un expansor es el opuesto de un compresor. Acenta los cambios, disminuyendo
los niveles dbiles, y aumentando los fuertes. Se utiliza frecuentemente en
combinacin con puertas de ruido, y para realzar grabaciones antiguas que
presentan un rango dinmico estrecho (figura 9.1 (d)).

La distorsin

Este trmino tiene connotaciones peyorativas ya que normalmente define la
prdida o la degradacin inevitables en una seal, ocasionadas por los diferentes
dispositivos o procesos (micrfono, grabacin, amplificador, altavoces) a los que
se ve sometida. Sin embargo, todos los efectos descritos anteriormente son, en
realidad, casos particulares de distorsin, que, por su uso frecuente, reciben un
nombre propio.

Los programas de edicin de audio que permiten dibujar la funcin de
transferencia, no imponen ninguna limitacin sobre la forma de esta funcin, por lo
que posibilitan cualquier distorsin arbitraria.


Leccin 43: LOS FILTROS

Definicin

De forma rigurosa, cualquier algoritmo o proceso computacional, que a partir de
una entrada (una secuencia de nmeros), genere una salida (otra secuencia de
nmeros), puede considerarse como un filtro digital. Todos los procesos que
hemos comentado hasta el momento representan, por lo tanto, casos diferentes
de filtros digitales, pero en la prctica este trmino se acostumbra a reservar para
aquellos dispositivos que modifican el espectro de una seal. No se asuste si lo
que sigue le parece algo complicado. Piense que la teora de filtros digitales puede
ocupar todo un curso en una carrera de ingeniera. Por ello, no trataremos aqu la
forma de implementacin de estos filtros digitales, ni en las teoras matemticas
sobre los que se apoyan.

Espectro de una seal

Se ha mencionado que la mayora de sonidos estn compuestos por varias
frecuencias diferentes. El teorema de Fourier afirma que toda seal peridica
compleja puede descomponerse en una suma de seales sinusoidales de
frecuencias y amplitudes diferentes.

Esta descomposicin se denomina espectro de frecuencias, y se representa
mediante un grfico con frecuencias en las abcisas y amplitudes en las ordenadas,
en el que se visualizan las respectivas amplitudes de todas las frecuencias que
componen un sonido. Esta teora, que data de ms de un siglo, se aplica de forma
rigurosa a las seales totalmente peridicas, pero los sonidos nunca lo son
plenamente, pues siempre varan a lo largo del tiempo. Afortunadamente, desde
hace varias dcadas, mediante complejos procesos matemticos que van ms all
del alcance de esta obra, el anlisis de Fourier se aplica tambin a seales
variables en el tiempo. En este caso, la representacin espectral de un sonido no
es ya una nica distribucin de frecuencias bidimensional, sino una superficie
tridimensional, compuesta por una sucesin de "rebanadas" temporales, en la
cada una muestra el aspecto del espectro en un instante dado.

En la figura 9.2, se muestran varios de estos espectros tridimensionales. En ellos,
la frecuencia se representa en el eje x, el tiempo en el eje y (aumenta al acercarse
hacia el observador), y la amplitud de estas frecuencias en el eje z. Asimismo, en
la parte derecha de estas figuras, se muestra el espectro de frecuencias o
rebanada correspondiente al instante inicial t=0.
Algunos programas de edicin de audio son capaces de realizar este anlisis para
un fragmento seleccionado y de mostrar grficamente el resultado. Estos grficos
permiten estudiar la evolucin temporal de los diferentes componentes
frecuenciales que integran el sonido.


Figura 9.2 a) Sonido original

Figura 9.2 b) Filtrado pasa-bajo a 1.500 Hz

Figura 9.2 c) Filtrado pasa-alto a 1.500 Hz


Figura 9.2 d) Filtrado pasa-banda a 1.000-2.000 Hz

Figura 9.2 e) Filtrado rechazo de banda a 1.000-2.000 Hz

Figura 9.2 Ejemplos de filtrado con la evolucin temporal del espectro de
frecuencias, su aspecto en el instante t=0 y el sonido resultante.


Leccin 44: ECUALIZACIN Y APLICACIONES DEL FILTRADO

Ecualizadores

Todos hemos visto alguna vez un ecualizador grfico. Este aparato consta de
varios potencimetros, cada uno de ellos asociado a una banda de frecuencia, que
permiten amplificar o atenuar estos componentes frecuenciales. Cuantas ms
bandas tenga el ecualizador, ms preciso ser el control sobre el espectro
armnico y ms radicalmente se podr modificar el timbre de los sonidos
procesados.

Un ecualizador grfico se construye con un banco de filtros pasa-banda en
paralelo. Otro tipo de ecualizadores son los paramtricos, que presentan menos
bandas (tpicamente dos o tres), pero con frecuencias de corte configurables.

Implementacin de los filtros en los editores de audio

Los diferentes programas de edicin de audio, ofrecen diversas alternativas a la
hora de implementar los filtros digitales. Casi todos incorporan un ecualizador
grfico de varias bandas y los cuatro tipos bsicos en los que el usuario deber
indicar la frecuencia de corte y la pendiente de atenuacin.

Uno de los ms verstiles es Cool Edit que permite adems dibujar curvas de
respuesta de frecuencia arbitrarias e incluso interpolar entre dos curvas diferentes
produciendo filtros variables en el tiempo, con lo cual se pueden conseguir
interesantes efectos.

Aplicaciones del filtrado digital

Las posibilidades del filtrado digital son muchas; describiremos a continuacin
algunas de las ms representativas.

Filtrado pasa-bajo al reducir la frecuencia de muestreo. Es conocido que la
reduccin de la frecuencia de muestreo provoca el fenmeno del aliasing, por el
cual aparecen frecuencias fantasmas que no se encontraban en el sonido original.
Para evitar el aliasing, antes de convertir un fichero a una frecuencia de muestreo
inferior, deber aplicar un filtro pasa-bajo con frecuencia de corte igual a la mitad
de la nueva frecuencia de muestreo. Si desea pasar un fichero grabado a 44.100
Hz a 22.050 Hz, deber, por lo tanto, filtrar el sonido, eliminando sus componentes
frecuenciales por encima de 11.025 Hz. Programas como Sound Forge simplifican
este proceso, ya que ofrecen la opcin de filtrar automticamente al pasar a una
frecuencia menor.


Simulacin de dispositivos analgicos. Un filtrado selectivo puede emular las
caractersticas sonoras de dispositivos de baja calidad, como telfonos, radios
antiguas, megfonos, etc. Estos dispositivos se caracterizan por tener curvas de
frecuencia bastante estrechas. En este caso, la herramienta ms sencilla suele ser
el ecualizador grfico. Si el programa dispone de presets de ecualizacin bastar
con seleccionar el oportuno. Si no encuentra el preset que desea, una vez haya
configurado convenientemente el ecualizador (por el mtodo de tanteo y error), no
olvide salvar el preset para un posible uso futuro.

El realzado sonoro, es especialmente eficaz y aconsejable con grabaciones de
voz. Piense que muchas de las voces aterciopeladas y seductoras de los
cantantes actuales son fruto directo del laboratorio. Pruebe a potenciar diferentes
bandas de frecuencia en grabaciones de su propia voz (la voz humana posee
componentes entre los 100 Hz y los 5.000 Hz aproximadamente).

Utilice el anlisis espectral. Para no trabajar a ciegas, el anlisis espectral es
una herramienta muy til que nos puede dar una idea de las cualidades y
carencias de cualquier sonido. En ocasiones, se infiltran en las grabaciones
molestos ruidos con una frecuencia fija, causados por interferencias elctricas. El
anlisis espectral nos permitir detectar estas frecuencias fastidiosas, para
proceder a su filtrado posterior.

El filtrado creativo es una ciencia y un arte, que permite alterar radicalmente
la naturaleza de cualquier sonido. Intente crear sonidos musicales a partir de
modestos sonidos cotidianos.


Leccin 45: ANLISIS DE AUDIO USANDO MEDIOS COMPUTACIONALES

Un filtro digital es un sistema que, dependiendo de las variaciones de las seales
de entrada en el tiempo y amplitud, se realiza un procesamiento matemtico sobre
dicha seal; generalmente mediante el uso de la Transformada rpida de Fourier;
obtenindose en la salida el resultado del procesamiento matemtico o la seal de
salida.
Los filtros digitales tienen como entrada una seal analgica o digital y en su
salida tienen otra seal analgica o digital, pudiendo haber cambiado en amplitud,
frecuencia o fase dependiendo de las caractersticas del filtro digital.
El filtrado digital es parte del procesado de seal digital. Se le da la denominacin
de digital ms por su funcionamiento interno que por su dependencia del tipo de
seal a filtrar, as podramos llamar filtro digital tanto a un filtro que realiza el
procesado de seales digitales como a otro que lo haga de seales analgicas.
Comnmente se usa para atenuar o amplificar algunas frecuencias, por ejemplo
se puede implementar un sistema para controlar los tonos graves y agudos del
audio del estreo del auto. La gran ventaja de los filtros digitales sobre los
analgicos es que presentan una gran estabilidad de funcionamiento en el tiempo.
El filtrado digital consiste en la realizacin interna de un procesado de datos de
entrada.
En general el proceso de filtrado consiste en el muestreo digital de la seal de
entrada, el procesamiento considerando el valor actual de entrada y considerando
las entradas anteriores. El ltimo paso es la reconstruccin de la seal de salida.
En general la mecnica del procesamiento es:
1. Tomar las muestras actuales y algunas muestras anteriores (que previamente
haban sido almacenadas) para multiplicadas por unos coeficientes definidos.
2. Tambin se podra tomar valores de la salida en instantes pasados y
multiplicarlos por otros coeficientes.
3. Finalmente todos los resultados de todas estas multiplicaciones son sumados,
dando una salida para el instante actual.


El procesamiento interno y la entrada del filtro sern digitales, por lo que puede ser
necesario una conversin analgica-digital o digital-analgica para uso de filtros
digitales con seales analgicas.
Ejemplo: %% Procesamiento de una seal de audio usando MATLAB
%% Crear seal de audio
% Frecuencia fundamental
f0=1e3; % 1KHz
% Amplitud
a=4; % V=4
% Frecuencia de muestreo
fs=44.1e3; % Frecuencia de una seal de audio
% Tiempo de duracin en segundos
T=1.5;
L = round(T*fs); % Nmero de muestras
% Frecuencia normalizada
fn=f0/fs;
y = a*sin(2*pi*fn*(0:L-1))+0.5*a*sin(2*pi*2*fn*(0:L-1));
% Graficar la seal original
subplot(411)
plot((0:L-1)/fs,y)
title('SEAL ORIGINAL')% Ttulo
xlabel('Tiempo (s)') % Etiqueta del eje X
ylabel('Amplitud (V)') % Etiqueta del eje Y
xlim([0 10/1000]) % Lmite de la seal
%% Grabar y reproducir la seal de audio
%wavwrite(y,fs,'audio')
% wavplay(y,fs)
%% FFT de la seal
subplot(412)
% Llamado a la funcin que calcula la FFT
fft_signal(y,fs);title('ESPECTRO DE LA SEAL ORIGINAL')
xlim([0 2500])
%% Filtrado de la seal
% Frecuencia normalizada
fNorm = 1500 / (fs/2);
% Clculo de los coeficientes del filtro (filtro pasa bajas)
[b,a] = butter(10, fNorm, 'low');
% Filtrado de la seal
y_Low = filtfilt(b, a, y);
% Graficacin de la seal en el tiempo
subplot(413)
plot((0:L-1)/fs,y_Low)
title('SEAL FILTRADA')


xlabel('Tiempo (s)')
ylabel('Amplitud (V)')
xlim([0 10/1000])
% Graficacin de la seal en frecuencia
subplot(414)
% Llamado a la funcin que calcula la FFT
fft_signal(y_Low,fs);title('ESPECTRO DE LA SEAL FILTRADA')
xlim([0 2500])
%% Grficas del filtro
% Respuesta en frecuencia del filtro
[H,w]=freqz(b,a,512,1);
figure(2)
%Trazado de la respuesta en Magnitud
subplot(221)
plot(w,20*log10(abs(H)));
grid on;
title ('Filtro pasa-altos, Respuesta en magnitud');
xlabel('frecuencia');
ylabel('H(f) db')
xlim([0 0.4])
% Respuesta en fase
subplot(222)
plot(w,angle(H));
grid on;
title ('Filtro pasa-altos, Respuesta en fase');
xlabel('frecuencia')
ylabel('ngulo de H rad')
xlim([0 0.4])

%Respuesta al impulso
subplot(223)
[y_eje,t]= impz(b,a,60);
stem(t,y_eje);
title ('Filtro pasa-altos, Respuesta al impulso');

%Ploteo de los polos y ceros
z= roots(b); % Ceros
p = roots(a); % Polos
subplot(224)
zplane(z,p)
title('Polos y ceros')
legend('Ceros','Polos')
%% Reproduccin de audio de entrada y salida
pause(2)
disp('Audio de entrada')
wavplay(0.5*y,fs)


disp('Audio de salida (seal filtrada)')
wavplay(0.5*y_Low,fs)

Figura 9.3 Ejemplo de procesamiento digital de audio

Tomado de: http://www.matpic.com/esp/matlab/filtros_audio.html

IMGENES



1. Cules son las principales especificaciones de diseo a tener en cuenta en
el diseo de filtros digitales?

2. Qu aspectos se deben considerar en la realizacin de filtros digitales?

3. Cules son los efectos de longitud de la palabra finita en filtros digitales?

4. En qu consiste la Teora de Hering?

5. Mencione las transformaciones empleadas en el procesamiento de
imgenes.

6. Cmo se realiza el clculo de las caractersticas en el procesamiento de
imgenes?.

7. Proponga dos ejemplos de procesamiento de imgenes empleando medios
computacionales

8. Relacione del procesamiento de audio con los procesadores de rango
dinmico.

9. En qu consiste la ecualizacin?.

10. Proponga dos ejemplos de procesamiento de audio empleando medios
computacionales



DOCUMENTOS IMPRESOS




Ed. 1996





Procesamiento digital de sonido

http://www.antoniosacco.com.ar/docu/apunte_sonido_digital.pdf

Procesamiento digital de imgenes

http://www2.uacj.mx/Publicaciones/GeneracionImagenes/imagenesCap8.pdf

http://fisica.medellin.unal.edu.co/recursos/analisis_imagenes_sistemas/analisis
_senales_sistemas/software_orquidea/tutorial_orquidea_nov_02_2006.pdf
teachingnotes/Introduccion.pdf

http://www.monografias.com/trabajos5/matlab/matlab.shtml#intro

http://www.isa.umh.es/asignaturas/iarp/practicas/P_6/PRACTICA6.pdf

http://www.matpic.com/esp/matlab/filtros_audio.html

Modulo Procesamiento Senales Digitales

Uploaded by

Document Information

Original Title

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

Modulo Procesamiento Senales Digitales

Uploaded by

Copyright:

Available Formats

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERA

You might also like