1

Paso 4 - Realizar Simulaciones Aplicando

Herramientas Tipo Software.

Autor: OSCAR VANEGAS LANDINEZ Código: 80052296. Grupo 208052_2

Programa de Ingeniería de Telecomunicaciones
Escuela de Ciencias Básicas Tecnología e Ingeniería ECBTI
Universidad Nacional Abierta y a Distancia UNAD
Bogotá, Colombia
ovanegasl@unadvirtual.edu.co
el.oskar527@gmail.com

abstract-- The following report presents the process of Para la actividad se elige un filtro FIR (Finite Impulse
design and implementation of a Sound Equalizer system, Response); Filtro de Respuesta Finita con los valores
developed from Kaiser FIR Pass-Band Filters, to which establecidos en la guía de actividades con el fin de conformar
certain frequency range values will be assigned to verify the un ecualizador de sonido y ponerlo a prueba con muestras de
behavior of the filters. with audio files normally of music, to Audio que manejan un valor de 44100Hz de frecuencia,
analyze how the frequency variations; of these filters, the normalmente esta magnitud la manejan pistas musicales en
impulse response will be obtained through the Matlab formato MP3.
application, graphing the Simulink exported data of each
component filter of the system. Additionally, the theoretical A partir de la selección del filtro, se procede a recopilar los
foundations of the Finite Impulse Response Filters will be datos técnicos y teóricos mas relevantes de su naturaleza y
addressed, relating their main characteristics, equations funcionamiento. En estos complementos teóricos, se relacionará
and block diagram, and this will define the nature and el correspondiente Diagrama de Bloque, ecuación que lo
operation of the Kaiser FIR Filter with which the equalizer describe, especificaciones de la ventana seleccionada, ecuación
is mounted. correspondiente y variables de la ecuación antes mencionada
con el fin de tener las bases para el diseño del ecualizador
I. INTRODUCCION propuesto en la práctica.

La parte practica consiste en el diseño, ensamble y puesta en

El siguiente reporte del Grupo 208052_2, abordara las marcha de un Sistema ecualizador de sonido conformado
temáticas del paso número 4 en el cual se diseñará un esencialmente de 5 filtros de tipo FIR; este sistema estará
ecualizador con el que se pueda obtener una función de simulado en la herramienta Simulink de Matlab, para lo cual se
Transferencia de tipo H(z) que sea posible en aproximación a procederá a realizar pruebas de sonido con los archivos de audio
una respuesta en Frecuencia deseable. haciendo variaciones, verificando los datos y posteriormente
exportándolos al área de trabajo de Matlab con el fin de obtener
Dicho proceso requiere el diseño de filtros que obtengan la las graficas de transferencia y respuesta a impulso
función de transferencia donde la respuesta en magnitud o en
fase, se especifique en el filtro; para lo cual se dispone de 4 tipos
de filtros básicos que operan según la respuesta en magnitud; es
de anotar que si estos filtros no se puedan realizar con los
valores requeridos, es necesario mitigar las características de
bajada del filtro en las bandas de paso y rechazo de banda
proporcionado para tener tolerancias aceptables.
 2

 Su hardware es sencillo de instalar, por las cuestiones

II. ACTIVIDADES A DESARROLLAR de realimentación que a diferencia de los filtros IRR,
se producen errores.

1. Cada estudiante escogerá un (1) tipo de filtro que desee  La respuesta ala impulso de estos filtros coincide con
diseñar, y reportará en el foro su decisión, esto con el fin el vector de coeficiente 𝑏𝑖− lo que quiere decir que
de que cada estudiante diseñe un ecualizador (banco de son equivalentes.
filtros) diferente. A continuación, se muestra la lista de
 Los transitorios iniciales de estos filtros tiene
filtros:
duración finita.
Tipos de filtro Pasa Banda (Bandpass)
 Para su diseño, se basan en la aproximación directa de
 IIR Butterworth la respuesta en magnitud especificada con los
requerimientos adicionados en la fase sea lineal o
 IIR Chebyshev tipo I mínima; el diseño de uno de orden M se hace
encontrando la longitud (M+1) de la respuesta al
 IIR Chebyshev tipo II impulso de h[n] o las (N+1) muestras de su respuesta
en frecuencia H(ω).
 IIR Elliptic
Si el Filtro es FIR, H(z) es un polinomio 𝑍 −1 com coeficientes
 FIR Window Hamming reales de la forma:
𝑁 𝑁
 FIR Window Gaussian
−𝑛
𝐻(𝑧) = ∑ 𝑏[𝑛]𝑍 = ∑ ℎ[𝑛]𝑍 −𝑛
 FIR Window Hann 𝑛=0 𝑛=0

 FIR Window Rectangular En el diseño de un filtro FIR que cumpla con las
especificaciones, se consideran los siguientes pasos:
 FIR Window Kaiser
 Un filtro ideal debe satisfacer los criterios de diseño
Si el Filtro es FIR, el estudiante deberá realizar el informe tal como un filtro H(ω).
con los siguientes parámetros:
 Se toma la DTFT inversa de la H(ω) para obtener h[n]
Para esta actividad se elige el filtro FIR Window Kaiser donde h[n] es doblemente infinita y no causal, por lo
que no se puede realizar.

sin(𝜔𝑐 𝑛)
Concepto básico de filtro FIR y un diagrama de bloque y ℎ𝐿𝑃[𝑛] = , −∞ < 𝑛 < ∞
𝜋𝑛
ecuación que lo describa.
 Se trunca usando una ventana, rectangular o
FILTROS FIR (Finite Impulse Response) cualquiera, de tal manera que M+1 coeficientes de
h[n] sean retenidos y los otros se descarten.
Los Filtros de Respuesta al Impulso Finita se caracterizan por:
 Al obtener un filtro de longitud finita (orden M),
 En su diseño con fase son perfectamente lineales ya ht[n], aun no es casual.
que en el procesamiento de señal no hay retardo de
unas frecuencias frente a otras.  Se desplaza la secuencia truncada h[n] a la derecha
aplicando retardos en M/2 muestras, así la primera
 No son recursivos, puesto que todos sus coeficientes muestra está en n=0.
𝑎𝑖 de la ecuación en diferencias son cero (0), estando
cuantizados, lo que permite que la estructura del filtro  La respuesta del impulso resultante ht[n-M/2] es un
sea estable, sin necesidad de realimentar la salida a la filtro FIR causal y estable con respuesta en magnitud
entrada del filtro, por ende, no hay oscilación. y en fase casi idéntica que el filtro original.
 3

sin ((𝜔𝑐 (𝑛 − ))
𝑁 𝐵𝑛 = 𝑉𝑎𝑙𝑜𝑟 𝑑𝑒 𝑙𝑜𝑠 𝐶𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒𝑠 "𝑏" (𝑛𝑜 𝑟𝑒𝑐𝑢𝑟𝑠𝑖𝑣𝑜𝑠)
2 𝑀
ℎ𝐿𝑃[𝑛] = , 0 ≤ 𝑛 ≤ 𝑀, 𝑛 ≠
𝜋 (𝑛 − )
𝑀 2 𝑍 −1 = 𝑅𝑒𝑡𝑎𝑟𝑑𝑜 𝑑𝑒 1 𝑚𝑢𝑒𝑠𝑡𝑟𝑎
2
En el diagrama los retardos 𝑍 −1 representan la señal en el
𝜔𝑐 𝑀
ℎ𝐿𝑃[𝑛] = ,𝑛 = instante anterior, la segunda son dos veces la anterior y se
𝜋 2 diagrama en forma sucesiva hasta llegar al instante N.
Si la fase lineal es deseada, los coeficientes del filtro h[n],
Los coeficientes del filtro se representan en 𝑏0 hasta 𝑏𝑛 donde
deben satisfacer las restricciones de simetría h[n]=+/- h[M-n] se multiplica la entrada en el instante anterior al retardo en uno,
Para eficiencia computacional, el orden mínimo del filtro M por 2 en el siguiente retardo y así sucesivamente.
que satisface los criterios de diseño deben ser usados. La salida y[n] se da por la suma de todas las contribuciones de
La relación de la entrada y la salida con el dominio del tiempo la señal actual y las anteriores.
se da por la ecuación llamada ecuación en Diferencias La respuesta al impulso del filtro FIR se da ante un estímulo
𝑀 delta, o respuesta al impulso del sistema que resume en que si
se introduce un impulso se obtiene la respuesta al impulso, de
𝑦[𝑛] = ∑ 𝑏𝑘 𝑥[𝑛 − 𝑘]
esta manera se puede examinar como se comporta el sistema al
𝑘=0
introducir un impulso.
𝑦[𝑛] = 𝑠𝑎𝑙𝑖𝑑𝑎

La salida del filtro es el resultado de la sumatoria de las

entradas en instantes anteriores, empezando en 0, por ende la
salida empezara sumando la entrada en ese momento
multiplicando por el valor de sub 0, la entrada en el instante -1
(-k) y sucesivamente hasta llegar a – M, en resumen, todas las
entradas desde la actual hasta la -M se suman multiplicándolas
por un factor diferente lo que se denomina orden del filtro.

Figura 2. Respuesta al Impulso Filtro FIR

Fuente: https://www.draw.io/#G1lUfVq-EgwjIa6rp-B5-MFr0oMwRcfEgP

En la respuesta al impulso del filtro FIR coincide con el vector

de coeficientes, la única contribución seria la de entrada, se
multiplica por 𝑏0 los valores de 𝑍 −1 estarían en 0 ya que parten
Figura 1. Diagrama de Bloque para Filtro FIR
de un sistema en reposo y la saluda sería el resultado de 𝑏0 = 0
Fuente: https://www.draw.io/#G1lUfVq-EgwjIa6rp-B5-MFr0oMwRcfEgP
ℎ[𝑛] = [𝑏0 𝑏1 𝑏2 … 𝑏𝑁 ]

𝑥[𝑛] = 𝑆𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑑𝑒 𝑒𝑛𝑡𝑟𝑎𝑑𝑎

𝑥[𝑛 − 𝑁] = 𝑆𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑑𝑒 𝑒𝑛𝑡𝑟𝑎𝑑𝑎 𝑟𝑒𝑡𝑟𝑎𝑠𝑎𝑑𝑎𝑠 𝑁 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠 Definición específica de la ventana escogida (Por
ejemplo, Hamming, Gaussian, etc)
𝑦[𝑛] = 𝑆𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑑𝑒 𝑠𝑎𝑙𝑖𝑑𝑎 (𝑓𝑖𝑙𝑡𝑟𝑎𝑑𝑎)
 4

En el diseño de filtros FIR utilizando ventanas se deben tener Las series infinitas se calculan para un numero finito de
en cuenta las siguientes características: términos hasta lograr una exactitud, generalmente se usan 20
terminos.
 Lóbulo principal angosto.
2
20 𝑥 𝑘
 Incremento de la atenuación en la banda de rechazo. ( )
2
𝐼0 (𝑥) ≅ 1 + ∑ [ ]
𝑘!
 Reducir la altura del lóbulo lateral el cual causa 𝑘=1
ondulaciones.
𝜔𝑝 =Frecuencia de corte en la banda de paso.
 Reduccion del fenómeno de Gibbs.
𝜔𝑝 =Frecuencia de corte en la banda de paro.
 Minimizar el orden del filtro.
𝛿𝑝 =Valor pico del rizo en la banda de paso.
 El Fenómeno de Gibbs puede reducirse empleando
una ventana suavizadora que disminuye a zero, 𝛿𝑠 =Valor pico del rizo en la banda de paro.
suavizando las ondulaciones de la señal.
Se realiza los cálculos correspondientes:
 Pueden ser posibles varias funciones ventanas, que
pueden reducir el ancho del lóbulo y banda de  Rizo mínimo de dB
rechazo, donde la ventana rectangular tiene el ancho
mas angosto del lóbulo principal, pero de poca ∝𝑠 = −20𝑙𝑜𝑔10 (𝛿𝑠 ) ó −20𝑙𝑜𝑔10 (𝛿𝑠 ) (min{𝛿𝑠 , 𝛿𝑝 })
atenuación en el lóbulo lateral
 Ancho de banda de la transición normalizada:
Ecuación de la ventana.
∆𝜔 = 𝜔𝑠 − 𝜔𝑝
Definición de variables de la ecuación anterior.
 Parámetros de la Ventana:
Ventana Kaiser.
𝛽
Siendo la ventana ajustable más empleada, tiene la forma: 0.1102(∝𝑠 − 8.7), ∝𝑠 > 50𝑑𝐵
= {0.5842(∝𝑠 − 21)0.4 + 0.07886(∝𝑠 − 21) 21 ≤∝𝑠 ≤ 50𝑑𝐵 }
2
𝑛− 2
𝑀 0, ∝𝑠 ≤ 21𝑑𝐵
𝑀
𝐼0 = 𝛽 √1 − ( )  Longitud del filtro, M+1:
2
{ } 7.95
∝𝑠 − +1 ∝𝑠 > 21
𝑀+1={ 2.285∆𝜔 }
𝑀 2 5.79
𝑛− 2
, ∝𝑠 < 21
𝛽 √1 − ( 𝑀
) ∆𝜔
2

𝑊[𝑛] = 𝐼0 = { },0 ≤ 𝑛 ≤ 𝑀  Determinación de la Ventana Kaiser:

𝐼0 (𝛽)
𝑀 2
𝑛−
𝛽 =es un parámetro ajustable que compensa la anchura del 2

lóbulo principal y la atenuación del lóbulo lateral 𝛽 √1 − ( 𝑀

)
2

𝐼0 {𝑥} = Funcion modificada de Bessel de orden cero de primer 𝑊[𝑛] = 𝐼0 = { },0 ≤ 𝑛 ≤ 𝑀

𝐼0 (𝛽)
tipo de la forma:
2 Se obtiene el filtro realizando la multiplicación del filtro ideal
∞ 𝑥 𝑘 hi[n] con W[n].
( )
2
𝐼0 (𝑥) ≅ 1 + ∑ [ ]
𝑘! 2. Cada estudiante diseñará cinco (5) filtros en la
𝑘=1
herramienta Simulink de Matlab, específicamente
utilizará el bloque FDA TOOL para diseñar los filtros.
 5

Todos los filtros deben ser del mismo tipo, por ejemplo, si
se escogió IIR Butterworth, entonces los cinco (5) Filtros
diseñados deben ser IIR Butterworth. Cada uno de los
filtros tendrá los siguientes rangos de frecuencia:

Filtro 1 2 3 4 5
Rango 20 Hz 200 500 2 Khz 8 Khz
(Hz) – Hz – Hz – – –
200 500 2Khz 8 Khz 20
Hz Hz Hz Khz
Tipo Pasa Pasa Pasa Pasa Pasa
Banda Banda Banda Banda Banda

A continuación, con la herramienta de Simulink se diseñan los

filtros de acuerdo a los parámetros solicitados:

Figura 4. Diseño de parámetros para el Filtro 2

Fuente: Elaboración Simulink-Matlab

Figura 3. Diseño de parámetros para el Filtro 1

Fuente: Elaboración Simulink-Matlab

Figura 5. Diseño de parámetros para el Filtro 3

Fuente: Elaboración Simulink-Matlab
 6

Figura 6. Diseño de parámetros para el Filtro 4

Fuente: Elaboración Simulink-Matlab

Figura 7. Diseño de parámetros para el Filtro 5

Figura 8 y 9. Proceso de exportación de datos de los filtros
Fuente: Elaboración Simulink-Matlab
Fuente: Elaboración Simulink-Matlab

3. Se exportarán los coeficientes de cada uno de los cinco

filtros, los cuales equivalen a la respuesta el impulso en el
filtro FIR, y a los coeficientes de la función de
transferencia en los filtros IIR (matriz SOS). Para ello
deben dirigirse al menú archivo – exportar command
window – coeficientes. Cuyos coeficientes deben
graficarse mediante la función plot de Matlab.

Diseñados los filtros, se procede a exportar sus datos a Matlab

 7

Fuente: Entorno-Matlab

Figura 12. Grafica Respuesta al impulso para Filtro FIR Kaiser No.2
Fuente: Entorno-Matlab
Figura 10. Evidencia de archivos exportados al entrorno de trabajo
Fuente: Elaboración -Matlab

Con los datos exportados de cada filtro se realiza el grafico de

respuesta al impulso para cada filtro:

Figura 13. Grafica Respuesta al impulso para Filtro FIR Kaiser No.3
Fuente: Entorno-Matlab

Figura 11. Grafica Respuesta al impulso para Filtro FIR Kaiser No.1
 8

[b,a] = sos2tf(SOS);

Y para obtener la respuesta al impulso, podrán realizarlo

con el siguiente comando:

[h,t] = impz(SOS);

Y para graficar :

plot(t,h)

Figura 14. Grafica Respuesta al impulso para Filtro FIR Kaiser No.4 5. Una vez diseñados los filtros, cada uno de los estudiantes
Fuente: Entorno-Matlab
procederá a ensamblar un ecualizador de sonido, para
ello debe agregar el bloque “From Multimedia File” el
cual servirá como fuente de entrada (audio) al
ecualizador, este audio debe tener como mínimo una
frecuencia de muestreo de 44.1 Khz, y los filtros deben
estar configurados a esta misma frecuencia de muestreo.
También se debe agregar el bloque “Slider Gain” a la
salida de cada uno de los filtros, con el fin de controlar el
nivel de salida en cada uno de los filtros. Finalmente se
sumarán todas las señales con el bloque “add”.

Figura 15. Grafica Respuesta al impulso para Filtro FIR Kaiser No.5
Fuente: Entorno-Matlab

4. Para los estudiantes que hayan escogido un filtro IIR,

exportarán el matriz SOS y de ella podrán obtener los
coeficientes de la función de transferencia con el siguiente
comando:
 9

Figura 17. Montaje de Ecualizador

Fuente: Entorno y herramientas Simulink-Matlab

6. Una vez cada estudiante tenga su ecualizador ensamblado

y funcionando, se realizará análisis en frecuencia
mediante algún analizador de espectro que tenga
Simulink. Recuerden que pueden controlar los “Slider
Gain” mientras el modelo está corriendo. Se recomienda
usar un tiempo de simulación largo, por ejemplo 200.

Figura 16. Selección de elementos para Ecualizador

Fuente: Entorno y herramientas Simulink-Matlab

Figura 18. Prueba de Analizador de espectro con Slider Gain con Valor 1
Fuente: Spectrum Analyzer-Simulink
 10

Figura 21. Prueba Spectrum Analyzer para pista ARC

Fuente: Spectrum Analyzer-Simulink

CONCLUSIONES

Dependiendo de las especificaciones, algunos tipos de

ventanas pueden emplearse a excepción de las ventanas Kaiser;
ya elegida la ventana el otro parámetro a elegir es el M del filtro;
mientras que para las ventanas Kaiser, M y Beta se determinan
según las especificaciones de las expresiones.

Se debe realizar el cálculo de los coeficientes de la ventana

Figura 19 y 20. Prueba de Analizador de espectro con Slider Gain con valores W[n] para la ventana que se elige para trabajar, mediante el
aleatorios cálculo de los filtros, que determinan la respuesta del impulso
Fuente: Spectrum Analyzer-Simulink
ideal hi[n] de las ecuaciones útiles para la respuesta en
Para verificar el funcionamiento del ecualizador con diferentes magnitud, sean pasa bajas, pasa altas entre otros.
pistas de audio, se programa con la siguiente pista:
La multiplicación de los coeficientes de la ventana y el filtro
Cancion: ARC, Interprete: Pearl Jam; Duracion: 1:05 min; Album: que es ideal se ejecuta para obtener los coeficientes de filtro
Riot Act (2002). Sony Records. razonable conocidos como taps o wieghts.

Es vital realizar la convolución de la señal con los coeficientes

obtenidos del filtro y[n]=x[n]*h[n].

El proceso de ecualización de un archivo de sonido por lo

general es el resultado de realzar o atenuar frecuencias y rangos
frecuenciales, teniendo en cuenta si hay afectación de la
 11

claridad, separación, profundidad amplitud, sonoridad, efectos video Escuela Técnica Superior de Ingenieros de
y demás características de un sonido con calidad; es en esto que Telecomunicación, Universidad Politécnica de Valencia. Clip
la frecuencia es la principal protagonista, donde el espectro de video, (8:28 min.). Recuperado de:
frecuencial donde pueden reproducir los parlantes y https://www.youtube.com/watch?v=ENIFBriOrHI
dispositivos de sonido, donde se da que a mayor contenido
frecuencial, más rápido se llenara la mezcla. [2]. Universidad de Guanajuato (2018). Filtrado Digital;
Lectura 3: Diseño de Filtros FIR. Guanajuato, Me. Documento
. repositorio Procesamiento Digital de Señales, Facultad de
Ingeniería Mecánica, Eléctrica y Electrónica; Universidad de
Guanajuato. Archivo portal http://www.fimee.ugto.mx.
Archivo PDF (pág. 1-43). Recuperado de:
REFERENCIAS BIBLIOGRAFICAS http://www.fimee.ugto.mx/profesores/arturogp/documentos/Fil
trado%20Digital/Lectura%203_Filtrado_Digital.pdf
[1] Universitat Politècnica de València - UPV. (2015). Filtros
FIR | 21/84 | UPV. Valencia. Es. Video introductorio a los
Filtros Digitales de Respuesta de Impulso Finita. Archivo de