TALLER DE ANALISIS DE SEÑALES
ANÁLISIS SEÑALES Y SISTEMAS EN FRECUENCIA – FILTRADO EN FRECUENCIA
Jhon Alexander Suarez Cadena
Wilder Tejeda Hostia
Docente: Lorena Paola Vargas Quintero, Ph.D
Departamento de ciencia y tecnología
Ingeniería electrónica
Universidad popular del cesar
RESUMEN: En este taller, se abordaron
y aplicaron técnicas avanzadas de análisis ABSTRACT: In this workshop, advanced
de señales a través de simulaciones, signal analysis techniques were addressed
fundamentales para el estudio y
and applied through simulations,
procesamiento de señales. Se cubrieron
conceptos clave, tales como la definición y fundamental for the study and processing
clasificación de señales discretas y of signals. Key concepts were covered,
continuas, así como las características de such as the definition and classification of
los sistemas lineales e invariantes en el discrete and continuous signals, as well as
tiempo (LTI). Se exploraron distintos tipos the characteristics of linear and time-
de filtros, incluyendo filtros paso bajo, invariant (LTI) systems. Different types of
paso alto, paso banda y rechazo de banda,
filters were explored, including low-pass,
con un enfoque en sus aplicaciones
prácticas en la reducción de ruido y el high-pass, band-pass, and band-reject
procesamiento de señales sísmicas. Se filters, with a focus on their practical
introdujo la función de convolución como applications in noise reduction and
herramienta esencial para analizar cómo seismic signal processing. The
una señal de entrada se transforma al convolution function was introduced as an
atravesar un sistema, tanto en el dominio essential tool to analyze how an input
discreto como continuo. Además, se
signal is transformed as it passes through a
abordó el diseño de filtros utilizando la
respuesta al impulso, diferenciando entre system, both in the discrete and
filtros FIR (respuesta finita al impulso) e continuous domain. In addition, the design
IIR (respuesta infinita al impulso). En la of filters was addressed using impulse
sesión práctica, los participantes response, differentiating between FIR
implementaron filtros en MATLAB (finite impulse response) and IIR (infinite
mediante convolución para procesar impulse response) filters. In the practical
señales reales y simuladas. Finalmente, se
session, participants implemented filters in
evaluó el rendimiento de los filtros a través
del análisis de la respuesta en frecuencia, MATLAB using convolution to process
subrayando su importancia en la reducción real and simulated signals. Finally, the
de ruido y en la extracción de performance of the filters was evaluated
características significativas de señales through the analysis of the frequency
complejas. Este enfoque integrador response, highlighting their importance in
permitió una comprensión profunda de las
noise reduction and in the extraction of
técnicas de filtrado y su aplicación en el
análisis y procesamiento de señales significant features from complex signals.
This integrative approach allowed for a
deep understanding of filtering techniques
Palabras clave: Filtrado de señales, and their application in signal analysis and
Convolución, Sistemas LTI, Diseño de processing.
filtros.
Keywords: Signal filtering, Convolution,
TALLER DE ANALISIS DE SEÑALES
ANÁLISIS SEÑALES Y SISTEMAS EN FRECUENCIA – FILTRADO EN FRECUENCIA
Jhon Alexander Suarez Cadena
Wilder Tejeda Hostia
Docente: Lorena Paola Vargas Quintero, Ph.D
Departamento de ciencia y tecnología
Ingeniería electrónica
Universidad popular del cesar
LTI systems, Filter design
INTRODUCCIÓN
OBJETIVOS ESPECÍFICOS:
El análisis y tratamiento de señales es una
disciplina clave en ámbitos como las Comprender los fundamentos teóricos
telecomunicaciones, la ingeniería del análisis de señales: Estudiar los
biomédica, y el procesamiento de audio e conceptos básicos de señales discretas y
imágenes. En este marco, el filtrado de continuas, y las características de los
señales desempeña un papel crucial para sistemas lineales e invariantes en el tiempo
mejorar la claridad de la información, (LTI).
eliminar el ruido y destacar características
relevantes. La convolución, una operación
Implementar y analizar filtros
matemática fundamental, es ampliamente
utilizando la técnica de convolución:
utilizada para implementar filtros, ya que
Diseñar y aplicar filtros paso bajo, paso
describe cómo una señal de entrada se
alto, paso banda y rechazo de banda para
transforma al interactuar con un sistema
procesar señales, evaluando su eficacia en
lineal e invariante en el tiempo (LTI).
la reducción de ruido y en la mejora de la
calidad de la información.
Este informe detalla los fundamentos
teóricos y las aplicaciones prácticas
Realizar simulaciones en MATLAB:
exploradas en el taller, que se enfocó en la
Aplicar filtros en señales reales y
creación y uso de filtros mediante la
simuladas utilizando MATLAB, y
técnica de convolución. Se abordan los
comparar los resultados obtenidos con las
distintos tipos de filtros, sus aplicaciones
soluciones teóricas para validar el
en la atenuación de ruido y el
rendimiento de los filtros.
procesamiento de datos, y se describen las
herramientas y metodologías utilizadas
para aplicar estos filtros en señales tanto
simuladas como reales. DESARROLLO DEL TALLER
OBJETIVOS ● Inciso 1
Proponer una señal discreta x(n) de longitud L
OBJETIVOS GENERALES: = 30 y generar los valores de amplitud de
forma aleatoriamente. Una vez realizado el
-Desarrollar y aplicar técnicas de análisis proceso debe simular la ecuación en
y procesamiento de señales mediante la diferencias. 𝑦[𝑛]=1/3(𝑥[𝑛+1]+𝑥[𝑛]+𝑥[𝑛−1])
implementación de filtros, con el fin de
El cálculo debe obtenerse de forma manual y
mejorar la calidad de la información en
simulada y graficar la salida.
diversas aplicaciones prácticas.
Incrementar la ecuación en diferencias para 6
y 10 valores. Grafique las salidas y concluya.
TALLER DE ANALISIS DE SEÑALES
ANÁLISIS SEÑALES Y SISTEMAS EN FRECUENCIA – FILTRADO EN FRECUENCIA
Jhon Alexander Suarez Cadena
Wilder Tejeda Hostia
Docente: Lorena Paola Vargas Quintero, Ph.D
Departamento de ciencia y tecnología
Ingeniería electrónica
Universidad popular del cesar
Solución:
Figura 2: código elaborado en Matlab, donde podemos observar
las variables utilizados y los resultados esperados .
Graficas:
Figura 1: Análisis matemático resumidos del inciso 1.
MATLAB
TALLER DE ANALISIS DE SEÑALES
ANÁLISIS SEÑALES Y SISTEMAS EN FRECUENCIA – FILTRADO EN FRECUENCIA
Jhon Alexander Suarez Cadena
Wilder Tejeda Hostia
Docente: Lorena Paola Vargas Quintero, Ph.D
Departamento de ciencia y tecnología
Ingeniería electrónica
Universidad popular del cesar
Figura 3: Graficas donde la demostración de lo real con lo Figura 4: código elaborado en Matlab, donde podemos observar
simulado esta todo correcto. Más las ventanas 6 y 10 las variables utilizada y los resultados esperados.
Inciso 2
En este inciso debe realizar el proceso de
filtrado de la señal usando el sistema definido Graficas:
por la respuesta impulso. Usando la misma
señal de entrada del punto 1 y la respuesta al
impulso dado por:
h = {1/3, 1/3, 1/3} ● punto 4
- Descargar una señal de ECG una
Este corresponde a un filtro paso-bajo llamado señal sismológica.
Filtro de Movimiento Promedio y contiene tres
coeficientes. Resolver manualmente usando la Solución:
convolución en el dominio del tiempo.
punto 3
Resolver el punto anterior usando Matlab.
Figura 5: Graficas donde la demostración de lo real con lo
MATLAB simulado esta todo correcto
Señal de ECG:
Figura 6: Señal sismológica.
TALLER DE ANALISIS DE SEÑALES
ANÁLISIS SEÑALES Y SISTEMAS EN FRECUENCIA – FILTRADO EN FRECUENCIA
Jhon Alexander Suarez Cadena
Wilder Tejeda Hostia
Docente: Lorena Paola Vargas Quintero, Ph.D
Departamento de ciencia y tecnología
Ingeniería electrónica
Universidad popular del cesar
Inciso 5 y 6 Filtrado con cinco coeficientes:
Cargar la señal ECG con ruido definida en
Matlab. Filtrar en el dominio del tiempo
usando el filtro de movimiento promedio
con 5, 10 y 20 coeficientes. Grafique
resultados del filtrado y concluya los
resultados.
Solución: la señal previamente descargada
se carga usando el comando load una vez
esto se aplica el filtro de movimiento
medio para 5, 10 y 20 coeficientes usando
la definición del filtro de movimiento
promedio:
Filtrado con diez coeficientes:
M −1
1
y [ n]=
M
∑ x [ n−k ]
k=0
Donde M es el número de coeficientes
Hacemos la aplicación del filtro de la señal
generada usando el comando “movmean”
obteniendo como resultado las siguientes
figuras:
Señal de ECG con ruido
Filtrado con cinco coeficientes:
Filtrado con veinte coeficientes:
TALLER DE ANALISIS DE SEÑALES
ANÁLISIS SEÑALES Y SISTEMAS EN FRECUENCIA – FILTRADO EN FRECUENCIA
Jhon Alexander Suarez Cadena
Wilder Tejeda Hostia
Docente: Lorena Paola Vargas Quintero, Ph.D
Departamento de ciencia y tecnología
Ingeniería electrónica
Universidad popular del cesar
indica una mayor eliminación del ruido y
de los picos. Sin embargo, se comienza a
CONCLUSIÓNES DE LAS perder más detalle en la señal original
GRAFICAS
Gráfico superior izquierdo (Señal de
ECG sismológica): Este gráfico muestra
la señal original sin filtrar, con picos CONCLUSIÓN:
pronunciados y una amplitud que varía a
lo largo del tiempo. Se observan El taller de análisis de señales
fluctuaciones importantes, probablemente proporcionó una exploración profunda y
debido a ruidos o perturbaciones en la práctica sobre métodos cruciales para el
señal. tratamiento y examinación de señales.
Mediante discusiones teóricas
Gráfico superior derecho (Filtro de complementadas con aplicaciones
promedio móvil con ventana de tamaño prácticas, se ilustró cómo la convolución
5): Al aplicar un filtro de promedio móvil es fundamental en la creación de filtros
con una ventana de tamaño 5, podemos que modifican y optimizan las señales
notar que la señal suavizada (en rojo) sigue para distintos usos prácticos. Los
la tendencia general de la señal original, asistentes tuvieron la oportunidad de
pero se reduce la amplitud de los picos. crear y ejecutar filtros tanto FIR como IIR,
Aún hay variaciones considerables debido empleando herramientas avanzadas
a que el filtro no es lo suficientemente como MATLAB para trabajar con señales
amplio para eliminar completamente el tanto teóricas como experimentales.
ruido. Además, se enfatizó la importancia de la
evaluación del rendimiento de estos filtros
Gráfico inferior izquierdo (Filtro de por medio del análisis de la respuesta en
promedio móvil con ventana de tamaño frecuencia, lo cual es crucial para
10): A medida que se incrementa el
garantizar que el ruido se minimice
tamaño de la ventana del filtro a 10
efectivamente manteniendo las
muestras, la señal filtrada es mucho más
propiedades esenciales de la señal
suave. Se atenúan más los picos, y las
variaciones rápidas se reducen. Sin intactas. En definitiva, el taller logró
embargo, algunos detalles importantes de equipar a los participantes con las
la señal todavía están presentes, lo que habilidades necesarias para abordar y
significa que el filtro sigue manteniendo resolver desafíos complejos en análisis de
ciertas características relevantes. señales, útiles en una variedad de
entornos industriales y académicos.
Gráfico inferior derecho (Filtro de
promedio móvil con ventana de tamaño REFERENCIAS:
20): Con una ventana aún mayor de
tamaño 20, la señal filtrada es ● (S/f). Recuperado el 4 de
significativamente más suave, lo que septiembre de 2024, de
TALLER DE ANALISIS DE SEÑALES
ANÁLISIS SEÑALES Y SISTEMAS EN FRECUENCIA – FILTRADO EN FRECUENCIA
Jhon Alexander Suarez Cadena
Wilder Tejeda Hostia
Docente: Lorena Paola Vargas Quintero, Ph.D
Departamento de ciencia y tecnología
Ingeniería electrónica
Universidad popular del cesar
http://chrome-extension://efaidn
bmnnnibpcajpcglclefindmkaj/htt
ps://dspace.ups.edu.ec/
bitstream/123456789/27738/1/
UPS-GT005232.pdf
