FILTROS FIR

Slide 3: Filtros Seletores de Frequências

Este slide aborda os "Filtros Seletores de Frequências" no contexto de "Filtros a Tempo Discreto".

●​ A saída de um filtro é uma medida da correlação temporal entre o sinal de entrada e a resposta
impulsiva do filtro.
●​ Filtros seletores de frequências permitem a transmissão de componentes do sinal de entrada em faixas
de frequências específicas do espectro.
●​ Eles atenuam, ou rejeitam totalmente, as demais componentes de frequência do sinal de entrada.
●​ Exemplos de filtros mencionados são: Filtro Passa-Baixas (FPB), Filtro Passa-Altas (FPA), Filtro
Passa-Faixa(s) (FPF) e Filtro Rejeita-Faixa(s) (FRF).

Slide 4: Especificações idealizadas de |H(ejω)|

Este slide apresenta graficamente as especificações idealizadas da magnitude da resposta em frequência,

∣H(ejω)∣. Quatro tipos de filtros são ilustrados, com o eixo horizontal representando a frequência

ω (de 0 a π) e o eixo vertical a magnitude (com valor 1 nas bandas de passagem e 0 nas bandas de rejeição):

●​ (a) Filtro Passa-Baixas: Transmite frequências de 0 a ωc​e atenua de ωc​a π.

●​ (b) Filtro Passa-Altas: Atenua frequências de 0 a ωc​e transmite de ωc​a π.
●​ (c) Filtro Passa-Faixa: Transmite frequências entre ωc1​​e ωc2​​e atenua fora dessa faixa.
●​ (d) Filtro Rejeita-Faixa: Transmite frequências de 0 a ωc1​​ e de ωc2​​ a π, enquanto atenua entre ωc1​​ e
ωc2​​.

Slide 5: Especificações idealizadas de |H(ejω)| - Tabela

Este slide complementa o anterior, apresentando uma tabela com as "Especificações idealizadas de

∣H(ejω)∣" e as correspondentes "Resposta ao impulso

h(n)" para diferentes tipos de filtros.

●​ Passa-baixas: ∣H(ejω)∣=1 para 0≤∣ω∣≤ωc​e 0 para ωc​<∣ω∣[cites​tart]≤π. Sua resposta ao impulso​

h[n] é πωc​​para n=0 e πn1​sen(ωc​n) para n=0.
●​ Passa-altas: ∣H(ejω)∣=0 para 0≤∣ω∣<ωc​e 1 para ωc​≤∣ω∣[cites​tart]≤π. Sua resposta ao impulso​
h[n] é 1−πωc​​para n=0 e −πn1​sen(ωc​n) para n=0.
●​ Passa-faixa: ∣H(ejω)∣=0 para 0≤∣ω∣<ωc1​​, 1 para ωc1​​≤∣ω∣≤ωc2​​ e 0 para ωc2​​<∣ω∣[cites​tart]≤π. Sua
resposta ao impulso​
h[n] é π(ωc2​​−ωc1​​)​para n=0 e πn1​[sen(ωc2​​n)−sen(ωc1​​n)] para n=0.
●​ Rejeita-faixa: ∣H(ejω)∣=1 para 0≤∣ω∣≤ωc1​​, 0 para ωc1​​<∣ω∣<ωc2​​e 1 para ωc2​​≤∣ω∣[cites​tart]≤π. Sua
resposta ao impulso​
h[n] é 1−π(ωc2​​−ωc1​​)​para n=0 e πn1​[sen(ωc1​​n)−sen(ωc2​​n)] para n=0.
●​ Observação: Para todos os casos, h[n] é não-causal e com suporte temporal infinito (bi-lateral).

Slide 6: Filtros FIR - Causais

Este slide discute os "Filtros FIR Causais" , definidos pela sua função de transferência
H(z)=∑n=0M​h[n]z−n, que representa um filtro de ordem M ou M+1 "taps".

●​ Vantagens:
○​ São sempre estáveis, pois seus polos estão em​
z=0.
○​ Os zeros do filtro definem suas características.
○​ Podem ter resposta em frequência (RF) com FASE LINEAR, o que significa um atraso de
grupo constante, crucial em aplicações como transmissão de dados para evitar distorção de
fase.
●​ Desvantagens:
○​ Não possuem equivalentes analógicos diretos.
○​ Geralmente, requerem ordens maiores do que os filtros IIR para atender a especificações
exigentes.

Slide 7: Por que Fase Linear?

Este slide explica a importância da fase linear em filtros FIR.

●​ O atraso de grupo é definido como​

G(ω)=−dωdθ(ω)​.
●​ Para um sistema com fase linear, o atraso de grupo é constante (G(ω)=G). Isso implica que todas as
componentes de frequência do sinal são atrasadas por uma constante, garantindo que o sinal não seja
distorcido, mas apenas atrasado por​
G amostras.
●​ Os gráficos ilustram a diferença entre:
○​ Uma "Nonlinear phase" (fase não linear), onde o atraso de grupo varia com a frequência.
○​ Uma "Linear phase" (fase linear), onde o atraso de grupo é constante, resultando em uma linha
reta na parcela de atraso de grupo e uma fase que decai linearmente com a frequência.

Slide 8: Filtro FIR Causais com FASE LINEAR

Este slide aprofunda nas condições para que filtros FIR causais tenham fase linear.

●​ A função de transferência é​
H(z)=∑n=0M​h[n]z−n (filtro com ordem M ou M+1 "taps").
●​ A condição para​
h[n]∈R (coeficientes reais) é h[n]=(−1)kh[M−n], com k∈{0,1}.
●​ Filtros FIR podem ter fase linear, enquanto filtros IIR não podem.
●​ Existem 4 casos possíveis dependendo da paridade de​
M e do valor de k:
○​ Tipo I:​
k=0 e M par.
○​ Tipo II:​
k=0 e M ímpar.
○​ Tipo III:​
k=1 e M par.
○​ Tipo IV:​
k=1 e M ímpar.

Slide 9: Tipos de Filtros FIR com Fase Linear

Este slide ilustra graficamente os quatro tipos de filtros FIR com fase linear, baseando-se na simetria da resposta
ao impulso

h[n]. As imagens mostram:

●​ (a) Tipo I: M par, h[n] simétrico em relação ao centro (e.g., M=8).

●​ (b) Tipo II: M ímpar, h[n] simétrico em relação ao centro (e.g., M=9).
●​ (c) Tipo III: M par, h[n] antissimétrico em relação ao centro (e.g., M=8).
●​ (d) Tipo IV: M ímpar, h[n] antissimétrico em relação ao centro (e.g., M=9).

Slide 10: Filtro FIR Causais com FASE LINEAR (Exemplo)

Este slide demonstra a importância da simetria para a fase linear em filtros FIR.

●​ É dado um exemplo de função de transferência​

H(z)=1.5−2z−1+5z−2−2z−3+1.5z−4.
●​ A resposta em frequência​
H(ejΩ) é obtida aplicando a Transformada de Fourier à resposta impulsiva h[n].
●​ Através de manipulações algébricas,​
H(ejΩ) é decomposta na forma e−j2Ω[3cos(2Ω)−4cos(Ω)+5].
●​ Essa forma final demonstra que​
H(ejΩ) pode ser escrita como e−jΩτg​A(Ω), onde A(Ω) é uma função real. Isso confirma a propriedade
de fase linear, com atraso de grupo​
τg​=2.

Slide 11: Filtros FIR: Método de Janelamento (Introdução)

Este slide introduz o "Método de Janelamento" para o projeto de filtros FIR.

●​ Problema: As especificações IDEAIS de filtros implicam em uma resposta ao impulso h[n] com
suporte temporal infinito.
●​ Solução: Truncar h[n] no tempo para M+1 pontos. Isso é feito multiplicando​
h[n] por uma janela w[n] de suporte temporal finito, centrada em n=0, resultando em h~[n]=w[n]h[n].
●​ Para tornar o filtro causal,​
h~[n] é deslocado temporalmente de forma apropriada.

Slide 12: Filtros FIR: Método de Janelamento (Domínio da Frequência)

Este slide explica o efeito do janelamento no domínio da frequência.

●​ No domínio da frequência, a multiplicação no tempo (​

h~[n]=w[n]h[n]) corresponde a uma convolução periódica entre as Transformadas de Fourier H(ejω)
(do filtro ideal) e W(ejω) (da janela).
●​ A equação mostrada é H~(ejω)=H(ejω)∗W(ejω), onde o asterisco denota a convolução. Isso significa
que o espectro de Fourier da janela irá influenciar o espectro do filtro truncado​
H~(ejω).

Slide 13: Filtros FIR: Método de Janelamento (Exemplo: Janela Retangular)

Este slide apresenta um exemplo específico do "Método de Janelamento": a Janela Retangular.

●​ A janela retangular w[n] é definida como 1 para ∣n∣[cites​tart]≤M/2 (para M par) e 0 caso contrário.
 ●​ Sua Transformada de Fourier​
W(ejω) é dada pela função sen(ω/2)sen((M+1)ω/2)​. Esta função é a conhecida resposta em frequência
de um filtro ideal de passa-baixas retangular no tempo, com o formato​
sinc.

Slide 14: Filtros FIR: Método de Janelamento (Diagrama de Fluxo)

Este slide ilustra o processo de projeto de filtros FIR usando o método de janelamento através de diagramas no
domínio da frequência e no domínio do tempo.

●​ Ponto de Partida: Um filtro ideal (neste exemplo, um passa-baixas), com sua resposta em frequência
H(ejω) e resposta ao impulso h[n] (com duração infinita).
●​ Escolha da Janela: Seleciona-se uma janela W(ejω) (com seu equivalente no tempo w[n] de duração
finita).
●​ Multiplicação no Tempo / Convolução na Frequência: No domínio do tempo, h[n] é multiplicado por
w[n] para obter h~[n], um filtro com número finito de coeficientes. No domínio da frequência, isso
corresponde à convolução circular de H(ejω) com W(ejω) para obter H~(ejω).
●​ Adicionar Fase Linear / Adicionar Atraso: Para obter um filtro causal, adiciona-se uma fase linear no
domínio da frequência (o que corresponde a um atraso no domínio do tempo), resultando em
hcausal​[n]. A imagem mostra as transições entre os domínios e as operações.

Slide 15: Filtros FIR: Método de Janelamento (Convolução Gráfica)

Este slide mostra graficamente a "Convolução periódica do espectro de um FPB ideal com o de uma janela".

●​ A imagem superior mostra o espectro de um filtro passa-baixas ideal H(ejϕ) (retangular) e o espectro
de uma janela W(ej(ω−ϕ)) (com lóbulos laterais).
●​ A imagem inferior mostra o resultado da convolução periódica H~(ejω)=H(ejω)∗W(ejω). Nota-se que a
resposta do filtro resultante não é idealmente retangular, apresentando ondulações (ripple) na banda de
passagem e lóbulo lateral na banda de transição, devido à natureza do espectro da janela.

Slide 16: Filtro Passa-baixas: Especificação de |H(ejω)| (Com Tolerâncias)

Este slide detalha a especificação de um filtro passa-baixas com tolerâncias no domínio da magnitude em dB.

●​ O gráfico exibe as regiões permitidas para a magnitude da resposta em frequência em dB.

●​ Nomenclatura:
○​ Faixa de passagem (ou Banda Passante): 0≤ω≤ωp​. Nesta faixa, a magnitude deve estar entre​
20log10​(1−δ1​) e 20log10​(1+δ1​).
○​ Faixa de rejeição: ωγ​≤ω≤π, com ωγ​≥ωp​. Nesta faixa, a magnitude deve ser menor ou igual a​
20log10​(δ2​).
○​ Faixa de transição: ωp​≤ω≤ωγ​. Esta é a região entre a banda de passagem e a banda de
rejeição, onde a resposta do filtro pode variar sem restrições específicas na magnitude.

Slide 17: Etapas Básicas da Aplicação da DFT

Este slide descreve as etapas básicas da aplicação da DFT a sinais de tempo contínuo. O diagrama de blocos
mostra o fluxo do sinal:

1.​ Um sinal de tempo contínuo xc​(t) entra em um "Filtro passa-baixas antialiasing" com resposta em
frequência Haa​(jΩ). Este filtro é essencial para eliminar ou minimizar o efeito do aliasing quando o
sinal é amostrado.
 2.​ A saída do filtro antialiasing,​
xa​(t), passa por um bloco de "Conversão de tempo contínuo para tempo discreto", resultando no sinal
x[n].
3.​ x[n] é então multiplicado por uma janela w[n] (janelamento), resultando em v[n]. O janelamento é
necessário devido à condição de comprimento finito da DFT.
4.​ Finalmente,​
v[n] é submetido à TFD (Transformada de Fourier Discreta, que na prática é a DFT), gerando V[k].

Slide 18: Etapas Básicas da Aplicação da DFT (Espectros)

Este slide complementa o anterior, mostrando as Transformadas de Fourier dos sinais em cada etapa do
processo.

●​ Transformada de Fourier do sinal de entrada em tempo contínuo.

●​ Resposta em frequência do filtro antialiasing.
●​ Transformada de Fourier da saída do filtro antialiasing.
●​ Transformada de Fourier do sinal amostrado.
●​ Transformada de Fourier da janela.
●​ Transformada de Fourier do segmento de sinal janelado e amostras de frequência obtidas usando
amostras da DFT.

Slide 19: Filtro FIR – Finite Impulse Response (Propriedades)

Este slide discute as propriedades dos "Filtros FIR – Finite Impulse Response".

●​ Distinção de propriedades: Recursividade e não-recursividade, e resposta ao impulso com duração

finita e infinita.
●​ É possível que um filtro FIR tenha recursão (quando os polos cancelam com os zeros), mas na prática,
os filtros FIR são geralmente não-recursivos.
●​ Os polos de um filtro FIR estão localizados em z=0 ou z=∞. Em contraste, os filtros IIR não possuem
restrição na localização dos polos.
●​ Exemplo:
○​ H(z)=1+z−1+z−2 tem um polo (de multiplicidade 2) em z=0.
○​ H(z)=z2+z+1 tem um polo (de multiplicidade 2) em z=∞.

Slide 20: Filtro FIR – Finite Impulse Response (Coeficientes e Resposta ao Impulso)

Este slide continua a discussão sobre as propriedades dos filtros FIR, focando na relação entre seus coeficientes
e a resposta ao impulso.

●​ Uma propriedade dos filtros FIR é que os coeficientes da função de transferência​

H(z)=B(z) são exatamente os valores não-nulos da resposta ao impulso h[n].
●​ Exemplo: Para H(z)=3+4z−1+5z−2, a resposta ao impulso h[n] é 3δ[n]+4δ[n−1]+5δ[n−2].
●​ Uso em Softwares (Ex: MATLAB):
○​ Funções como​
freqz(hn) ou freqz(hn,1) podem ser usadas para calcular a DTFT de h[n].
○​ A função y=filter(hn,1,x) provê a saída y para a entrada x do filtro H(z), de forma
equivalente a y=conv(hn,x). A diferença é que​
filter trunca a saída com o tamanho do vetor de entrada x.

Slide 21: Algoritmos para Projeto do Filtro FIR

Este slide lista os algoritmos comuns para o projeto de filtros FIR, destacando que eles são de projeto mais
simples em comparação com os filtros IIR (que utilizam funções pré-definidas como Butterworth, Chebyshev) e
visam otimização baseada em critérios específicos.

●​ Algoritmos de Projeto:
○​ Mínimos quadrados (​
firls no MATLAB).
○​ Parks-McClellan (​
firpm no MATLAB).
○​ Janelamento (​
fir1 no MATLAB).
○​ Resposta em frequência de magnitude arbitrária (​
fir2 no MATLAB).
●​ O gráfico ilustra um exemplo de resposta em magnitude arbitrária que pode ser implementada com
esses algoritmos, mostrando diferentes amplitudes (​
A1​,A2​,A3​,A4​) em diferentes faixas de frequência (f1​,f2​,f3​,f4​).

Slide 22: Efeito do janelamento (Sinal Senoidal)

Este slide inicia a análise do "Efeito do janelamento" ao considerar um sinal de tempo contínuo composto pela
soma de dois componentes senoidais.

●​ O sinal contínuo​
sc​(t) é dado por A0​cos(Ω0​t+θ0​)+A1​cos(Ω1​t+θ1​).
●​ Assumindo amostragem ideal (sem aliasing e sem erro de digitalização), o sinal de tempo discreto​
x[n] é A0​cos(ω0​n+θ0​)+A1​cos(ω1​n+θ1​), onde ω0​=Ω0​T e ω1​=Ω1​T.
●​ A sequência janelada​
v[n] é então A0​w[n]cos(ω0​n+θ0​)+A1​w[n]cos(ω1​n+θ1​).
●​ Para obter a DTFT de​
v[n], a equação é expandida em termos de exponenciais complexas e a propriedade do deslocamento é
utilizada, reescrevendo v[n].

Slide 23: Efeito do janelamento (Expansão e Transformada de Fourier)

Este slide continua a análise do efeito do janelamento, mostrando a expansão de

v[n] em exponenciais complexas e a sua Transformada de Fourier.

●​ A sequência​
v[n] é expandida para
v[n]=2A0​​w[n]ejθ0​ejω0​n+2A0​​w[n]e−jθ0​e−jω0​n+2A1​​w[n]ejθ1​ejω1​n+2A1​​w[n]e−jθ1​e−jω1​n.
●​ A Transformada de Fourier da sequência janelada,​
V(ejω), é então dada por:
2A0​​ejθ0​W(ej(ω−ω0​))+2A0​​e−jθ0​W(ej(ω+ω0​))+2A1​​ejθ1​W(ej(ω−ω1​))+2A1​​e−jθ1​W(ej(ω+ω1​)).
●​ Isso significa que a Transformada de Fourier do sinal janelado consiste na Transformada de Fourier da
janela (​
W(ejω)), deslocada para as frequências ±ω0​ e ±ω1​, e ponderada pelas amplitudes e fases das
componentes senoidais.

Slide 24: Efeito do janelamento (Gráficos)

Este slide mostra graficamente o efeito do janelamento em um sinal.

●​ A imagem superior exibe o espectro da janela em si, ∣W(ejω)∣, que possui um lóbulo principal estreito
e lóbulos laterais menores, mas visíveis.
●​ A imagem inferior mostra o resultado da aplicação dessa janela a um sinal que contém uma única
componente senoidal. O espectro do sinal janelado ∣V(ejω)∣ é a forma do espectro da janela (lóbulo
principal e lóbulos laterais) replicada e deslocada para as frequências da senoidal original. Isso
demonstra o espalhamento espectral (splatter) causado pelo janelamento.

Slide 25: Efeito do janelamento (Gráficos - Continuação)

Este slide continua a ilustrar o "Efeito do janelamento".

●​ Os gráficos (c) e (d) mostram o impacto do janelamento em sinais com múltiplas componentes
senoidais e como a proximidade das frequências afeta a capacidade de discerni-las no espectro.
●​ Em (c), as frequências ω0​=2π/14 e ω1​=4π/15 são suficientemente separadas, permitindo a distinção dos
dois lóbulos principais.
●​ Em (d), quando as frequências são muito próximas (ω0​=2π/14 e ω1​=2π/12), os lóbulos principais das
janelas sobrepõem-se significativamente, tornando difícil a distinção das componentes originais. Isso
ilustra o conceito de resolução de frequência do janelamento.

Slide 26: Efeito do janelamento (Gráficos - Continuação)

Este slide continua a série de gráficos sobre o "Efeito do janelamento".

●​ O gráfico (e) apresenta mais um cenário, onde as frequências ω0​=2π/14 e ω1​=4π/25 são mostradas.
Similar aos gráficos anteriores, ilustra como a Transformada de Fourier do sinal janelado reflete a
forma da janela centrada nas frequências das senoides, com o desafio de resolver componentes
espectrais próximas devido aos lóbulos laterais da janela. A legenda abaixo do gráfico indica que a
Figura 10.3 (continuação) mostra diferentes cenários de Ω0​e Ω1​e seus efeitos no espectro.

Slide 27: Propriedade das janelas (Gráficos Comparativos)

Este slide apresenta gráficos comparativos das "Propriedades das janelas".

●​ Gráfico Superior (Domínio do Tempo): Mostra diferentes formas de janelas no domínio do tempo
(Amplitude vs. Pontos): Retangular, Hamming, Hann, Kaiser, Gaussian, Flat top, Triangular. A janela
retangular é a mais abrupta, enquanto outras janelas (como Hamming, Hann, Kaiser) têm transições
mais suaves para zero, o que impacta seus espectros.
●​ Gráfico Inferior (Domínio da Frequência): Mostra as Transformadas de Fourier da magnitude dessas
janelas em dB (∣W(ejΩ)∣ dB vs. Ω (radians)). Observa-se que a janela retangular possui o lóbulo
principal mais estreito, mas os maiores lóbulos laterais (indicando maior vazamento espectral). Outras
janelas (Hamming, Hann, Kaiser, Flat top) têm lóbulos principais mais largos, mas com lóbulos laterais
significativamente atenuados, o que é desejável para reduzir o vazamento espectral e melhorar a
rejeição de bandas.

Slide 28: Projeto FIR – Janelamento (Diferenças em dB)

Este slide continua a discussão sobre as propriedades das janelas, apresentando um gráfico e uma tabela que
quantificam as diferenças entre o lóbulo principal e os lóbulos laterais das janelas.
●​ O gráfico superior é o mesmo do slide anterior, mostrando as respostas em magnitude (em dB) das
janelas no domínio da frequência.
●​ A​
Tabela 1: Difference in dB between the window main lobe and highest sidelobe amplitudes. compara a
diferença em dB entre o lóbulo principal e a amplitude do lóbulo lateral mais alto para várias janelas:
○​ Retangular: -13 dB
○​ Hann: -32 dB
○​ Hamming: -43 dB
○​ Kaiser (β=7.85): -57 dB
○​ Flat top: -68 dB
●​ Esta tabela demonstra claramente que janelas com transições mais suaves no tempo (como Kaiser e
Flat top) resultam em uma maior atenuação dos lóbulos laterais no domínio da frequência, o que é
vantajoso para o projeto de filtros.