Síntese de filtros de selectividade IIR
Processamento de Sinal
P. Felisberto
´
Area Departamental de Engenharia Electrot ´ecnica Escola Superior de Tecnologia
Conte ´udo
• Síntese de filtros IIR a partir de filtros analógicos
• Filtros analógicos comuns
• Transformações de frequência
• Discretização de filtros analógicos
S´ıntese de filtros IIR
• Métodos baseados em filtros analógicos
◦ Métodos bem estudados e com boas características como filtros de selectividade.
• Filtros Butterworth • Filtros Chebyshev • Filtros elípticos • Filtros Bessel
◦ Os métodos de projecto (directo) de filtros IIR são complicados.
S´ıntese de filtros IIR
• Etapas do projecto
1. Síntese de filtro passa baixo analógico
◦ normalmente normalizado ( freq. de corte Ωc = 1 rad/s) 2. Transformação em frequência (domínio s)
◦ passa-baixo para passa-baixo
◦ passa-baixo para passa-alto
◦ passa-baixo para passa-banda
◦ ...
3. Discretização do filtro analógico (conversão s → z)
◦ Resposta invariante
◦ Transformação bilinear
• A transformação em frequência pode ser realizada após discretização do filtro.
Especificac¸ ˜ao de filtros
Relação entre formas de especificar
Banda Banda passante rejeição Ripple δ1(δp) (δ2)δr Ganho (dB) Gp Gr 20 log10(1 − δp) 20 log10δr Atenuação (dB) Ap = −Gp Ar = −Gr Frequência Ωp Ωr corte (ωp) ωr
Filtro de Butterworth
Exemplo de síntese de filtro analógico
• Filtros só com pólos
• Resposta em frequência maximamente plana na banda passante
• Resposta em frequência de um filtro de ordem N
|Hc(jΩ)|2 =
1
1 + (jΩ/jΩc)2N
Filtro de Butterworth
• Os pólos sk são as soluções da equação
1 + (s/jΩc)2N = 0 ⇒ sk = jΩpej(π/2N +k2π/2N ), k = 0, . . . , N − 1
• A valor de N é dado por
N ≥ log10( 100,1Ar−1 ǫ2 ) 2 log10(Ωr/Ωp) = log10(1/δr2 − 1) 2 log10(Ωr/Ωp) onde ǫ = √100,1Ap − 1.
• A função de transferência é dada por
H(s) = N Q k=1(−s k) N Q k=1(s − s k)
Filtro de Butterworth
• Exemplo:
Determine a ordem e os pólos de um filtro Butterworth
passa-baixo em que a frequência de corte a -3 dB é 500Hz e a frequência de rejeição é 1000Hz, com uma atenuação mínima de 40 dB. Frequências: Ωp = 1000πrad/s Ωr = 2000πrad/s Cálculo de N: ǫ = √100.1Ap − 1 = 0.997628 N ≥ log10( 100,1Ar −1 ǫ2 ) 2 log10(Ωr/Ωp) ⇒ N ≥ 6.64 ⇒ N = 7 Pólos: sk = 1000πejπ/2ej(2πk+π)/14, k = 0, 1, . . . , 6.
Caracter´ısticas dos v ´arios filtros
filtro vantagem inconvenientes
Butterworth resposta em freq. plana na BP roll-off médio
fase prox. da linear na BP
Bessel não tem ripple na BP peq. roll-off
fase linear na BP
Chebyshev roll-off elevado ripple na BP
Transformac¸ ˜oes de frequ ˆencia no dom´ınio
s
Ωp frequência de corte (rad/s) do filtro PB inicial
Tipo Transformação
P. baixo → P. baixo s → Ωp
Ω(f )p
s Ω(f )p freq. de corte do filtro final P. baixo → P. alto s → ΩpΩ
(f ) p
s . . .
P. baixo → P. banda s → Ωp s2+ΩlΩu
s(Ωu−Ωl) Ωl freq. de corte inferior
Ωu freq. de corte superior P. baixo → Rejeita banda s → Ωps(Ωu−Ωl)
s2+Ω
lΩu . . .
Resposta impulsiva invariante
• A resposta impulsiva do filtro discreto h[n] resulta da amostragem da resposta impulsiva do filtro analógico hd(t). O período de
amostragem é T.
• A função de transferência c/ N pólos simples.
H(s) = N X k=1 Ak s − pk ⇒ hd (t) = N X k=1 Akepktu(t) ⇒ h[n] = T hd(nT ) = N X k=1 T AkepknT u[n] ⇒ H(z) = N X k=1 T Akz z − epkT , |z| > e pkT
• Problema na escolha de T por causa do aliasing.
Resposta impulsiva invariante
Dado o sistema analógico com função de transferência
H(s) = 1
s2+√2s+1 (filtro passa baixo normalizado), encontre H(z) pelo método da resposta impulsiva invariante (T=0.01s).
H(s) = C s − a + C∗ s − a∗ ⇒ H(z) = T Cz z − eaT + T C∗z z − ea∗T H(z) = T 2Re(C)z 2 − 2|C|eRe(a)T cos(Im(a)T − ∠C)z
z2 − 2eRe(a)T cos(Im(a)T )z + e2Re(a)T
10−2 10−1 100 101 102 103 10−5 10−4 10−3 10−2 10−1 100 Ganho Ω (rad/s) contínuo discreto 10−2 10−1 100 101 102 103 −3.5 −3 −2.5 −2 −1.5 −1 −0.5 0 ∠ (rad) Ω (rad/s)
Transformac¸ ˜ao bilinear
• Ultrapassar o problema de aliasing de outros métodos
• Mapeamento do plano s no plano z
◦ transformação não linear
◦ necessidade de fazer o ajuste das frequências (warping)
• Transformação bilinear (T é o período de amostragem)
s = 2 T 1 − z−1 1 + z−1 = 2 T z − 1 z + 1 H(z) = Hc 2 T 1 − z−1 1 + z−1
• O semiplano esquerdo s é mapeado no interior do circulo unitário do plano z
z = 1 + (T /2)s
1 − (T/2)s =
1 + σT /2 + jΩT /2
1 − σT/2 − jΩT/2, s = σ+jΩ, se σ < 0 ⇒ |z| < 1
Transformac¸ ˜ao bilinear
• Resposta em frequência s = 2 T 1 − z−1 1 + z−1, jΩ = 2 T 1 − e−jω 1 + e−jω • A relação entre Ω e ω jΩ = 2 T 2e−jω/2j sin(ω/2) 2e−jω/2 cos(ω/2) = 2j T tan(ω/2) é assim Ω = 2 T tan(ω/2) e ω = arctan( ΩT 2 )Transformac¸ ˜ao bilinear
Transformac¸ ˜ao bilinear
A partir do filtro normalizado passa-baixo H(s) = 1+s1 encontre a
função de transferência do filtro discreto passa-alto com as seguintes especificações: frequência de corte ( a -3dB) 750 Hz e frequência de amostragem 2000Hz.
A frequência de corte ωp = 3π/4(rad)
A frequência de desenho do filtro analógico é
Ωp = 2fs tan(ωp/2) = 9656.9 rad/s (6= 2π750 = 4712.4 rad/s)
Aplicar a transformação de freq.
H(s) = 1
1 + Ωp/s
= s
s + Ωp
Aplicar a transformação bilinear
H(z) = 2 T z−1z+1 2 T z−1z+1 + Ωp = z − 1 (α + 1)z + (α − 1) ondeα = ΩpT /2
Filtros FIR vs IIR
• Pontos chave
◦ Os filtros FIR podem ser desenhados com fase linear
◦ Para uma determinada resposta em frequência (ganho) os filtros IIR são normalmente computacionalemente mais eficientes (menor número de coeficientes)
• Outros pontos
◦ Os filtros FIR implementados através de estruturas não recursivas são sempre estáveis.
◦ Os filtros FIR implementados através de estruturas não recursivas têm menor propagação de erros.
◦ Ruído de quantificação inerente a implementações com
aritmética finita pode ser reduzido com implementações não recursivas.
Outras aplicac¸ ˜oes
As técnicas descritas podem ser utilizadas para:
• Simular sistemas contínuos por meio de sistemas discretos.
• Processar sinais contínuos por meio de sistemas discretos.
• Projectar sistemas discretos utilizando técnicas conhecidas de projecto de sistemas a tempo discreto.
• Modelar sistemas contínuos prácticos usando sinais discretos obtidos experimentalmente.
Refer ˆencias
• Oppenheim, Shafer, and Buck, ”Discrete-Time Signal Processing”, Prentice Hall Inc, 1999.
• Manuel Ortigueira, ”Processamento Digital de Sinais”, Fundac¸ ˜ao Calouste Gulbenkian”,2005
• John Proakis and Dimitris Manolakis, ”Digital Signal Processing - Principles, Algorithms, and Applications”, Prentice Hall Inc, 1996.