Paso 4 Edgar Diaz

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera

PROCESAMIENTO DIGITAL DE SEALES
RECONOCIMIENTO
PRESENTADO POR
EDGAR HORACIODIAZ CC : 80791282
GRUPO: 299004_22
TUTOR
MAURICIO ALBERTO GARCIA
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
BOGOTA
NOVIEMBRE 28 DE 2017
INTRODUCCION
OBJETIVOS
.
DESARROLLO
Filtros IIR-Mtodo I-Aprox. Butterworth
El objetivo del diseo de un filtro es encontrar Ln() que mejor cumple las especificaciones. Para ello se utilizan
algunas aproximaciones (Butterworth, Chebyshev, etc). Etapas del diseo.
1- Normalizar la frecuencia de acuerdo a las especificaciones.
2- Determinar el orden del prototipo de filtro pasobajo.
3- Determinar la funcin de Transferencia normalizada.
4- Desnormalizar a travs de las transformacines de frecuencia en y .
Aproximacin de Butterworth
- Consiste en hacer Ln (v ) = ev n , esta aproximacin es tal que Ln (0) = 0, L'n (0) = 0,.., Lnn-1 (0) = 0
2 1
Por tanto H (v) = 2 2n
1e v
- Normalizamos la frecuencia por frecuencia lmite de pasa banda f p , de forma que

V p = 1 yVs = f s / f p
DISEO DE FILTRO 1 POR MATLAB RANGO 20 Hz a 200Hz
Codigo:
>> Fs=200;
>> Ts=1/Fs;
>> t=0:Ts:1;
>> x=sin(2*pi*20*t)
>> subplot(3,1,1)
>> plot(t,x)
>> ylim([-1.5 1.5]);
>> N=size(x,2);
>> noise=0.5*randn(1,N);
>> [b a]=butter(2,[0.6 0.7]);
>> noise=filter(b,a,noise);
>> x_n=x+noise;
>> subplot(3,1,2)
>> plot(t,x_n)
GRAFICA
Codigo:
>> Fs=500;
>> Ts=1/Fs;
>> t=0:Ts:1;
>> x=sin(2*pi*200*t)
>> subplot(3,1,1)
>> plot(t,x)
>> ylim([-1.5 1.5]);
>> N=size(x,2);
>> [b a]=butter(2,[0.6 0.7]);
>> x_n=x+noise;
>> subplot(3,1,2)
>> plot(t,x_n)
Codigo:
>> Fs=2000;
>> Ts=1/Fs;
>> t=0:Ts:1;
>> x=sin(2*pi*500*t)
>> subplot(3,1,1)
>> plot(t,x)
>> ylim([-1.5 1.5]);
>> N=size(x,2);
>> [b a]=butter(2,[0.6 0.7]);
>> x_n=x+noise;
>> subplot(3,1,2)
>> plot(t,x_n)
Codigo:
>> Fs=8000;
>> Ts=1/Fs;
>> t=0:Ts:1;
>> x=sin(2*pi*2000*t)
>> subplot(3,1,1)
>> plot(t,x)
>> ylim([-1.5 1.5]);
>> N=size(x,2);
>> [b a]=butter(2,[0.6 0.7]);
>> x_n=x+noise;
>> subplot(3,1,2)
>> plot(t,x_n)
Codigo:
>> Fs=20000;
>> Ts=1/Fs;
>> t=0:Ts:1;
>> x=sin(2*pi*8000*t)
>> subplot(3,1,1)
>> plot(t,x)
>> ylim([-1.5 1.5]);
>> N=size(x,2);
>> [b a]=butter(2,[0.6 0.7]);
>> x_n=x+noise;
>> subplot(3,1,2)
>> plot(t,x_n)
CONCLUCIONES
Se concluye que gracias al procesamiento de seales digitales logramos identificar su uso y la forma de
elegir las seal adecuada segn problemas planteados a lo largo de nuestro campo laborar .
BIBLIOGRAFIA
http://www.dte.eis.uva.es/Docencia/ETSII/DSP/Temas/Tema1.pdf

Paso 4 Edgar Diaz

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Paso 4 Edgar Diaz

Diunggah oleh

Hak Cipta:

Format Tersedia

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD

Escuela de Ciencias Bsicas, Tecnologa e Ingeniera

PROCESAMIENTO DIGITAL DE SEALES

EDGAR HORACIODIAZ CC : 80791282

MAURICIO ALBERTO GARCIA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Filtros IIR-Mtodo I-Aprox. Butterworth

1- Normalizar la frecuencia de acuerdo a las especificaciones.

2- Determinar el orden del prototipo de filtro pasobajo.

3- Determinar la funcin de Transferencia normalizada.

4- Desnormalizar a travs de las transformacines de frecuencia en y .

- Normalizamos la frecuencia por frecuencia lmite de pasa banda f p , de forma que

DISEO DE FILTRO 1 POR MATLAB RANGO 20 Hz a 200Hz

>> ylim([-1.5 1.5]);

>> [b a]=butter(2,[0.6 0.7]);

DISEO DE FILTRO 2 POR MATLAB RANGO 200 Hz a 500Hz

>> ylim([-1.5 1.5]);

>> [b a]=butter(2,[0.6 0.7]);

DISEO DE FILTRO 3 POR MATLAB RANGO 500 Hz a 2000Hz

>> ylim([-1.5 1.5]);

>> [b a]=butter(2,[0.6 0.7]);

DISEO DE FILTRO 4 POR MATLAB RANGO 2000 Hz a 8000Hz

>> ylim([-1.5 1.5]);

>> [b a]=butter(2,[0.6 0.7]);

DISEO DE FILTRO 5 POR MATLAB RANGO 8000 Hz a 20000Hz

>> ylim([-1.5 1.5]);

>> [b a]=butter(2,[0.6 0.7]);

Anda mungkin juga menyukai