Beruflich Dokumente
Kultur Dokumente
2009
Sistemas de Tasa Múltiple y
Bancos de Filtros
Fernando Cruz Roldán
17/03/2009
Tema 1. Introducción al procesado digital de tasa múltiple. 1
Tema 2. Bancos de filtros de diezmado máximo. 38
Tema 3. Bancos de filtros modulados. 60
Referencias bibliográficas. 73
1 Introducción al procesado digital de tasa
múltiple
1. Introducción
A lo largo del capítulo se van a introducir los sistemas básicos y diversas interconexiones
para realizar procesado digital de tasa múltiple.
∑ X (z WM− k )
1
YD ( z ) = 1/ M
(1.2)
M k= 0
1
Sistemas de Tasa Múltiple 2
⎧1 ω ≤π M
H D ( e jω )= ⎨ (1.3)
⎩0 resto
tal y como se indica en la figura 1.2. En dicha figura, la relación entrada salida se obtiene en el
dominio del tiempo como
∞
v [ n ] = ∑ hD [ k ] v [ n − k ] (1.4a)
k =0
∞
y D [ n ] = v [ Mn ] = ∑ hD [ k ] x [ nM − k ] (1.4b)
k =0
⎛ j ω y − 2π k ⎞ ⎛ j ω y − 2π k ⎞ 1 ⎛ j ωy ⎞
( )
M −1
1
∑
− jω y
YD e = H D ⎜e
M
⎟⎟ ⋅ X ⎜⎜ e M ⎟⎟ = X ⎜e M ⎟⎟ (1.6)
M ⎜ M ⎜
k =0 ⎝ ⎠ ⎝ ⎠ ⎝ ⎠
Sistemas de Tasa Múltiple 3
⎧ x [ n / L] , n= L
yI [ n ] = ⎨ (1.7)
⎩ 0, caso contrario
La transformada z de la salida del sistema interpolador viene dada por
YI ( z ) = X ( z L ) (1.8)
⎧C , ω ≤ π L
H L ( e jω )= ⎨ (1.9)
⎩ 0, resto
La relación entrada salida viene dada por
∞ ∞
yI [ n] = ∑ hL [ n − k ] v [ k ] = ∑ h [ m − kL ] x [ k ] ,
L (1.10)
k =−∞ k =−∞
1.3 Interconexiones
Es interesante considerar el comportamiento de diferentes interconexiones. La figura 1.5 muestra
una conexión en cascada y un ejemplo para M=2. En este caso la señal v [ n ] es igual a x [ n ] para
instantes múltiplos de M, y cero en el resto. La relación en el dominio z es
M −1
∑ X ( zW ) .
1
V (z) = k
(1.11)
M k =0
Sistemas de Tasa Múltiple 5
⎧⎪1 , ω <π k
H ( e jω )= ⎨ (1.12)
⎪⎩0, π k < ω < π
2. Estructuras simples
que relaciona la entrada con la salida, donde h [ k ] son los coeficientes del filtro que se
corresponden con la respuesta al impulso.
En el caso de un diezmador, el diagrama de bloques básico para una conversión con
cambios enteros es el mostrado en la figura 2.1, suponiendo que el filtro h [ n ] presenta N
coeficientes. La estructura según la forma directa es la más simple pero la más ineficiente, ya que
en el proceso de diezmado solamente una de cada M muestras son seleccionadas para calcular la
salida. Es decir, en el modelo indicado se trabaja a una frecuencia fx, y M-1 muestras de cada M
de salida son descartadas.
Sistemas de Tasa Múltiple 8
M −1
H ( z) = ∑ z − ⋅ E ( z M ) , (2.7)
=0
e [ n] = h [ n ⋅ L + ] para 0 ≤ ≤ L − 1 y 0 ≤ n ≤ K − 1 , (2.11)
siendo K un número entero. Esta realización polifase se construye como una asociación paralelo
de las K componentes, representándose en la figura 2.11 una descomposición polifase de Tipo 2,
donde cada componente polifase se obtiene como
r [ n] = h [ n ⋅ L − ] para 0 ≤ ≤ L − 1 y 0 ≤ n ≤ K − 1 . (2.12)
Cada R ( z ) opera a la misma frecuencia de entrada, y ninguno de los multiplicadores está en
reposo. Cada multiplicador tiene una unidad de tiempo para finalizar su trabajo. Al final, el
sistema desarrolla N multiplicaciones por unidad de tiempo (MPUs) y N-2 sumas por unidad de
tiempo (APUs). El sumador final no cuenta ya que la señal de salida y [ n ] se obtiene intercalando
las salidas de cada rama. En la figura 2.12 se representa un modelo equivalente con
conmutadores.
Sistemas de Tasa Múltiple 14
r [ n] = h [ n ⋅ M − ] para 0 ≤ ≤ M − 1 y 0 ≤ n ≤ K − 1 (2.14)
Sistemas de Tasa Múltiple 15
⎧ ⎡n⎤
⎪e ⎢L⎥ n=0, ± L, ± 2 ⋅ L, ...
e [ n] = ⎨ ⎣ ⎦ (2.15)
⎪0
⎩ resto
Finalmente, la función del sistema de cada componente polifase se puede relacionar con
la función de sistema del filtro total equivalente como [Cro83]
1 L −1 − j 2πL p L ⎛ − j 2πL p L1 ⎞
E (z) = ∑ e z ⋅ H ⎜e z ⎟ (2.18)
L p =0 ⎝ ⎠
Si el sistema es estable la respuesta en frecuencia se puede obtener sustituyendo en la
expresión de la función de sistema z por e jω . La expresión (2.19) muestra la relación deseada
entre las respuestas en frecuencia del filtro prototipo y las correspondientes a cada componente
polifase.
1 L −1 j (ω − 2π p ) L ⎛ j ( ω − 2π p ) ⎞
E ( e jω ) = ∑ e ⋅ H ⎜⎜ e L ⎟⎟ = 0,1,...L − 1 (2.19)
L p =0 ⎝ ⎠
∑b r ⋅ z−r
N ( z)
H (z) = r =0
= (2.20)
R
D( z)
1 − ∑ ar ⋅ z −r
r =1
Sistemas de Tasa Múltiple 16
K −1 K −1 K −1 z− ⋅ N ( zK )
H ( z ) = ∑ z ⋅ P ( z ) =∑ z ⋅ P ( z
− − K
)=∑ (2.24)
=0 =0 =0 D ( zK )
El sumatorio de la expresión (2.24) se puede agrupar en una sola fracción para obtener la
función del sistema expresada de forma racional del siguiente modo:
K −1
⎡ K −1
⎤
( ) ∏ i ( )⎥
⎢ z− ⋅ N z K ⋅ D zK ⎥
∑=0 ⎢
⎣⎢
i =0
⎦⎥ N (z)
H (z) =
i≠
= . (2.25)
K −1
D(z)
∏D (z )
=0
K
donde se puede comprobar que el orden del denominador de H ( z ) es K veces el orden de los
denominadores de los filtros polifase, y el orden de N ( z ) es K veces el orden de los numeradores
de los filtros polifase más K-1:
D ( z ) = D0 ( z K ) = D1 ( z K ) = ... = DK −1 ( z K ) = D ( z K ) (2.27)
La causa más inmediata que se desprende del formato que adquiere H ( z ) es que se
necesitan diseños especiales para la construcción de estructuras eficientes. En este caso están
estrictamente ligados el método de diseño a emplear con la elección de la estructura óptima.
Sin embargo, si el filtro presenta una función de sistema como la indicada en la expresión
(2.26), sí se pueden obtener directamente los coeficientes de P ( z ) . Si H ( z ) y P ( z ) se
presentan como
Sistemas de Tasa Múltiple 18
N (z) ∑b r ⋅ z−r
H (z) = = r =0
, (2.28)
D(z) R
1 − ∑ arK ⋅ z − r ⋅K
r =1
N −1
N (z) ∑d r, ⋅ z −r
H (z) = = r =0
=0, 1, 2,...K -1 , (2.29)
D(z)
R
1 − ∑ cr ⋅ z −r
r =1
se pueden obtener los coeficientes de los filtros polifase siguiendo las expresiones
cr = arK para r = 1, 2,...R , (2.30)
d r , = brK + para r = 0,1,...N − 1 y = 0,1,...K − 1 , (2.31)
Sistemas de Tasa Múltiple 19
3. Estructuras multietapa
3.1 Realizaciones
Hay diseños en los que los factores de diezmado o de interpolación son mucho mayores que la
unidad (por ejemplo, un cambio en la relación de muestreo empleando un factor de 69 50 ).
Teóricamente puede ser construido y ejecutado directamente, pero una realización óptima
requeriría un banco de 69 filtros polifase, el cual puede ser ineficiente. En estos casos se
introduce el concepto de realización en múltiples etapas, muy empleado en sistemas de diseño
reales para no imponer requisitos demasiado estrictos a los filtros antisolapamiento o anti-
imágenes. El proceso de conversión por un factor L o M se descompone en J etapas de factores
enteros.
Las realizaciones multietapa pueden proporcionar frente a las de etapa única una serie de
ventajas. Pueden reducir de manera considerable el número total de operaciones (la complejidad
computacional) y el de registros de almacenamiento del sistema, empleando filtros con unas
características menos estrictas (simplificación en el diseño de los filtros de cada etapa) y con
menor sensibilidad a los efectos de longitud de palabra finita. Sin embargo, la dificultad en el
diseño y la realización del sistema total se puede ver aumentada, ya que es necesario un control
más complejo para realizar todo el proceso multietapa. Además es muy difícil elegir los valores
más idóneos para el número de etapas y los factores de diezmado o de interpolación para cada
una de ellas.
La realización multietapa es generalmente más eficiente que la simple en los siguientes
casos:
• L>>1 (M=1)
• M>>1 (L=1)
• L M ≈1 con L>>1 y M>>1
Sistemas de Tasa Múltiple 21
la estructura simple se puede realizar como se representa en la figura 3.2. Esta estructura no
presenta ninguna ventaja sobre la de la figura 3.1, pero si se introducen los filtros entre los
bloques de interpolación, como se indica en la figura 3.3, la nueva estructura presenta J etapas
totalmente independientes. Las estructuras correspondientes a los diezmadores se muestran en las
figuras 3.4 y 3.5, siempre y cuando se satisfaga
J
M = ∏ Mi (3.2)
i =1
Las funciones de sistema de los filtros paso bajo son H i ( z ) , para i=1,2,...J. Veamos qué
relación mantiene con la función de sistema del diezmador total. Consideremos las dos primeras
etapas de la figura 3.5. Si se conmuta el diezmador de la primera con el filtro H 2 ( z ) , se puede
obtener otro sistema equivalente (figura 3.6). Si se repite el proceso para cada una de las etapas, se
obtiene un sistema equivalente que nos conduce a
(
H ( z ) = H1 ( z ) ⋅ H 2 ( z M1 ) ⋅ H 3 ( z M1 ⋅M 2 ) ⋅⋅⋅ H J z M1 ⋅M 2 ⋅⋅⋅M J −1 ) (3.3)
Cada filtro H i ( z ) es idealmente un filtro paso bajo, con una banda de paso ( 0, π Mi ) y
una banda eliminada ( π Mi , π ) . Es muy importante observar que H i ( z M ⋅M 1 2 M J −1
) para 2 ≤ i ≤ J
tiene múltiples bandas de paso (filtro peine), y que sin embargo, el filtro total H ( z ) es un filtro
paso bajo con su banda de paso ( 0, π M ) y eliminada (π M , π ) .
donde habría que añadir un factor de escala si se tratase de interpolación. Esta respuesta en
frecuencia ideal no puede ser realizada en la práctica, permitiendo ciertas desviaciones en las
bandas de paso y eliminada e introduciendo una banda de transición.
Dependiendo de la aplicación, se suelen dar tres tipos de especificaciones, tal y como se
muestra en las figuras 3.7, 3.8 y 3.9, suponiendo M par. Se supone que la respuesta al impulso va
a ser real, y por lo tanto sólo se matiza el intervalo [ 0, π ] para el módulo de la respuesta en
frecuencia.
El primer tipo, denominado tipo A (figura 3.7), se suele emplear en procesos de
interpolación cuando la transformada de Fourier de la señal a interpolar es distinta de cero en el
intervalo [ −π , π ] . La respuesta del filtro asegura que el espectro de la señal interpolada tiene
Sistemas de Tasa Múltiple 24
1 + δ p = (1 + δ pJ ) ⇒ δ pJ = (1 + δ p )
J 1
J
−1 (3.6)
δs
δ sJ = ( J −1)
(3.7)
(1 + δ )
p
J
Sistemas de Tasa Múltiple 25
( )
J
H ( z ) = ∏ H i z Δi , (3.10)
i =1
con Δ1 = 1 y Δ i+1 = M1 ⋅ M 2 ⋅...⋅ M i con i=1, 2, ..., J. Hay que observar que Δ J +1 = M y que
Δ i+1 = Δ i ⋅ M i . La banda eliminada del filtro ideal H i ( z ) satisface
⎡π ⎤
SBid = ⎢ ,π ⎥ . (3.11)
⎣ Mi ⎦
Tipo C: ⎡⎣( 2 − α ) π M J , π ⎦⎤
⎢ Mi ⎥
⎢ 2 ⎥
⎣ ⎦
Banda eliminada: ∪ ⎡⎣( 2k − α ) πi Mi , ( 2k + α i ) π M i ⎦⎤ ∩ [ 0, π ]
k =1
Banda de paso 0 ≤ F ≤ Fp 0 ≤ F ≤ Fp
Banda eliminada Fs ( 2 M ) ≤ F ≤ Fs 2 Fs 2 ≤ F ≤ L ⋅ Fs 2
Desviación banda de paso δp δp
Banda de paso: 0 ≤ F ≤ Fp
Banda de eliminada: b g
Fi − Fs 2 M ≤ F ≤ Fi−1 2 i = 1,2,...J
Rizado de la banda de paso: δp J
Rizado de la banda eliminada: δs
D∞ (δ p , δ s )
Orden del filtro: N≈ − F (δ p , δ s ) ⋅ ( ΔFi ) (3.15)
( ΔFi )
con Fi y (ΔFi) la frecuencia de muestreo de salida de la etapa i y la anchura de la banda de
transición normalizada con respecto a la frecuencia de muestreo de entrada, respectivamente. Los
d i d i
parámetros D∞ δ p , δ s y F δ p , δ s se calculan como:
⎣ ⎦
a1=5'309·10-3 a2=7'114·10-2
a3=-4'761·10-1 a4=-2'66·10-3
a5=-5'941·10-1 a6=-4'278·10-1
Fi −1 (3.18)
Fi = i = 1, 2,..., J
M
En diezmado multietapa, para asegurar que la desviación total de la banda de paso sea δp,
cada etapa debe tener un valor inferior. La δ para cada etapa es la misma aproximadamente que
s
la total, ya que al atravesar la señal cada etapa las componentes de la banda eliminada son cada
vez más atenuadas. Además, para asegurar que no existe solapamiento en el proceso total de
diezmado, se puede diseñar cada etapa de forma que evite el solapamiento en la banda de
frecuencias de interés. Diseñando los filtros en cada etapa cumpliendo los requisitos indicados
con anterioridad se asegura que no ocurre solapamiento en la banda de frecuencias deseada.
La longitud de cada uno de los filtros se reduce si se aumenta la anchura de la banda de
transición. Diezmando en múltiples etapas se incrementa dicha anchura y se reduce además en
cada etapa la relación de muestreo.
Sistemas de Tasa Múltiple 29
J
TSR = ∑ N i , (3.20)
i =1
sin considerar la posible existencia de simetría del filtro y siendo Ni el número de coeficientes
para la etapa i. En la práctica el número de etapas no supera a cuatro.
La elección del número de etapas no es trivial. Un método empleado para obtener los
factores de interpolación o diezmado consiste en llevar a cabo un problema de diseño definiendo
las variables matemáticamente y tratándolas como variables continuas. La función se minimiza y
se expresa como una medida analítica de la eficiencia, encontrándose posteriormente la mejor
solución para cada valor del número de etapas.
Para un valor de M (diezmado) sólo hay un número limitado de valores posibles. Un
algoritmo a seguir para alcanzar una solución aproximada puede ser:
• Especificar los parámetros del filtro total (Fs, M, Fp, δs, δp).
• Para cada valor de J (J=1,2,..., Jmáx) obtener todos los posibles factores de diezmado.
• Para cada juego de factores de diezmado determinar los requisitos del filtro, el MPS y el
TSR.
• Para cada valor de J, seleccionar el factor de diezmado dando el diseño más eficiente en
términos de requisitos de almacenamiento.
• Seleccionar el más eficiente
M
M 2 opt = , (3.23)
M 1opt
donde ΔF es la anchura de la banda de transición normalizada con respecto a Fs. Para J>2 no se
obtienen expresiones simples. Además se cumple que los valores Mi que minimizan los requisitos
de almacenamiento también minimizan el MPS. El problema surge cuando a estos valores
además se les exige que sean números enteros. La mejor solución se suele obtener
inspeccionando los resultados obtenidos. En la práctica, cada Mi se suele elegir como números
enteros pequeños.
Puede ocurrir incluso que la mejor solución tenga incluso un filtro de orden excesivo para
una de sus etapas. Incrementándose el número de etapas se puede reducir la complejidad de uno
de sus filtros a costa de aumentar ligeramente la longitud de los filtros restantes, siendo los más
adecuado para el resultado final.
4. Filtros Especiales
H (z ) = c + z −1T (z 2 ) (4.2)
H (z ) = c + z −1 E1 (z 2 ) (4.3)
H (z ) + H (− z ) = 2c (4.4)
Por tanto, los filtros FIR de media banda de fase cero y con coeficientes reales deben
satisfacer la relación (4.5), suponiendo c=0'5. Esto significa que tenemos simetría con respecto a
la banda de frecuencias que llega hasta π/2, estando las pulsaciones de corte de las bandas de
paso y eliminada ωp y ωs equidistantes de dicho punto. Además, las desviaciones de las bandas de
paso y eliminada δp y δs suelen coincidir.
H (e jω ) + H (e j (π −ω ) ) = 1 (4.5)
La condición de los coeficientes nulos (4.1) si el número de muestra es par (excepto en el
origen) puede conducirnos a realizaciones eficientes donde se reduzca el número de operaciones
necesarias para el cálculo de la salida.
Para obtener filtros FIR de media banda simétricos los métodos que más se emplean son
el de la ventana y el método de Parks-McClellan. Si se desean construir filtros con respuesta en
frecuencia máximamente plana, los coeficientes de número de muestra impar del filtro de
longitud 2K pueden calcularse según se indica en la expresión (4.7) [Gum78].
h1[n] = t[n] = h[2n + 1] (4.6)
2K
(− 1)n+ K ∏ (K + 1 2 − i )
h1[n] = i =1
(4.7)
(K − n )!(K − 1 + n )!(1 2 − n )
Los métodos de diseño de filtros IIR de media banda son bastante más complicados. Se
suelen simplificar cuando T ( z 2 ) es un sistema paso todo con polos en el eje imaginario (4.8). En
este caso, si se exige un módulo de la respuesta en frecuencia con característica máximamente
plana los coeficientes α i vendrán especificados por la expresión (4.9).
Sistemas de Tasa Múltiple 32
α i + z −2
T (z 2 ) = ∏
L
(4.8)
i =1 1 + α i ⋅ z
−2
⎛ πi ⎞
α i = cot 2 ⎜ ⎟ (4.9)
⎝ 2L + 1 ⎠
Si los filtros IIR deben tener una característica de rizado constante el procedimiento de
diseño propuesto en [Ans85] es el que sigue :
• Dadas la desviación de la banda de paso y eliminada δp y δs, se calcula δ según
{
δ = min δ s , 2δ p − δ p2 } (4.10)
ri = (1 − k ⋅ Ω )(1 − Ω k )
2
i
2
i (4.15)
• Encontrar los coeficientes siguientes.
1 − cos(θ i )
αi = i = 1,2,...L (4.16)
1 + cos(θ i )
cos(θ i ) =
(− 1) ⋅ ri
i +1
(4.17)
1 + Ωi
2
Los filtros de media banda son, en particular aprovechables como filtros paso bajo con
frecuencia de corte ωc a π/2. Además se emplean cuando el factor de diezmado o interpolación
es dos (como suele ocurrir al realizar la transformada de Wavelet), siendo también ampliamente
utilizados en bancos de filtros.
1
[ ]O significa el entero impar más pequeño igual o superior al argumento
Sistemas de Tasa Múltiple 33
( ) ( ) ( )
H ( z ) = c + z −1 E1 z M + z −2 E2 z M + ... + z − ( M −1) EM −1 z M (4.19)
Con E0 ( z ) = c , sabiendo que se cumple la relación
⎛ − j 2Mπ k ⎞
( )
M −1
∑ H ⎜ ze
⎜
⎟ = ME0 z M ,
⎟ (4.20)
k =0 ⎝ ⎠
el sumatorio se reduce a
M −1 ⎛ − j 2Mπ k ⎞
∑ H ⎜ ze
⎜
⎟ = Mc
⎟ ∀z (4.21)
k =0 ⎝ ⎠
En la mayoría de las aplicaciones, como en diseño de filtros para interpolación o el de
filtros multinivel, el filtro de 1/M de banda debe ser un paso bajo que tenga fase lineal y
pulsación de corte π/M. El procedimiento de diseño más simple que garantiza la propiedad de
1/M de banda es el método de la ventana, en la cual los coeficientes de h [ n ] se obtienen como
sen((πn ) M )
h[n] = ⋅ w[n]. (4.22)
πn
La función w [ n ] es la ventana. Si es la de Kaiser, se puede elegir cualquier atenuación
deseada en la banda de paso y de transición variando el parámetro β. La ventaja que proporciona
el método de la ventana es que la definición impuesta para el filtro de 1/M de banda (4.18) se
satisface plenamente, ya que la función ( sen (π n M ) ) (π n ) obtenida es cero cuando n es
simultáneamente distinta de cero y múltiplo de M. El problema es que los filtros diseñados no
son óptimos en ningún sentido.
Un conjunto de funciones de transferencia son estrictamente complementarias si la suma
de todas ellas es un retardo:
M −1
∑ H (z ) = cz
k =0
k
−no
c≠0 (4.23)
b g FGH IJ
2π
−j k
Un ejemplo de esto es H k z = H ze 0 ≤ k ≤ M − 1, donde H ( z ) es un filtro de 1/M
K
M
∑ H (e ω )
M −1 2
k
j
= c, (4.24)
k =0
∑ H (z ) = A(z ) ,
k =0
k (4.25)
1.2
0.8
amplitud
0.6
0.4
0.2
0
0 0.2 0.4 0.6 0.8 1
frecuencia normalizada
1.2
0.8
amplitud
0.6
0.4
0.2
0
0 0.2 0.4 0.6 0.8 1
frecuencia normalizada
1.2
0.8
litud
06
1.2
0.8
amplitud
0.6
0.4
0.2
0
0 0.2 0.4 0.6 0.8 1
frecuencia normalizada
1.2
0.8
amplitud
0.6
0.4
0.2
0
0 0.2 0.4 0.6 0.8 1
frecuencia normalizada
2.0 Introducción
Los bancos de filtros de M canales de diezmado máximo con estructura en paralelo, son
sistemas que principalmente se destinan a aplicaciones de descomposición subbanda para
codificación, almacenamiento y/o transmisión de señales, así como para multiplexación en los
dominios de la frecuencia y del tiempo. Estos bancos de filtros constan de una etapa de análisis y
otra de síntesis. El banco de análisis separa la señal de entrada en subbandas empleando un
conjunto de filtros. La información más importante se extrae de dichas señales subbanda en un
bloque intermedio de procesamiento, cuya forma depende de la aplicación. Del mismo modo, el
banco de síntesis reconstruye la señal de salida a partir de las señales subbanda procesadas
mediante un conjunto de filtros conectados en paralelo. Las características de estos filtros
dependen de las aplicaciones y del problema que se pretenda resolver.
38
Bancos de Filtros de Diezmado Máximo 39
cuando este filtro de media banda es de orden elevado, la distribución de ceros puede traer
consigo graves problemas numéricos. La generalización a los bancos de filtros de M canales, fue
desarrollada por Vetterli [Vet86] y Vaidyanathan [Vai87b]. Ambos demostraron
independientemente, que el uso de componentes polifase permite simplificar considerablemente
la teoría de diseño. De hecho, en [Vai87b, Vai87c] se desarrolló una técnica basada en las
matrices polifase para diseñar sistemas de reconstrucción perfecta paraunitarios.
La paraunitariedad es una propiedad muy interesante para el diseño de bancos de filtros
de M canales, ya que en el proceso de diseño no es necesario invertir matrices y si los filtros de
análisis son FIR, los de síntesis también son FIR de igual longitud. Además, si se emplean
estructuras en cascada para realizar los filtros, se puede mantener la propiedad de reconstrucción
perfecta aún cuando se lleve a cabo un proceso de cuantificación en los coeficientes del filtro.
Estas ideas de paraunitariedad y sin pérdidas, fueron tomadas de la teoría clásica de redes
eléctricas y han sido aplicadas al diseño de estructuras de filtros digitales robustos [Vai84, Vai85a,
Vai85b]. Posteriormente, se aplicaron las matrices de transferencia paraunitarias al diseño de
sistemas de reconstrucción perfecta [Vai87b, Vai87c]. Además, los sistemas paraunitarios se han
empleado para diseñar bancos de filtros coseno modulado, que ofrecen gran simplicidad en el
diseño y en la realización [Mal90b, Koi91, Ram91].
Otros métodos alternativos de diseño incluyen la aproximación con estructuras en celosía
[Vai88a, Ngu89], la aproximación en el dominio del tiempo [Nay92] y la aproximación por
mínimos cuadrados con restricciones cuadráticas [Ngu93].
⎡ X ( z) ⎤ ⎡ H0 ( z ) ⎤
⎢ ⎥ ⎢ ⎥
⎢ X ( zWM ) ⎥ H (z) ⎥
X( z) = ⎢ ⎥ h( z) = ⎢ 1
⎢ ⎥
⎢ ⎥ ⎢ ⎥
(
⎢ X zWM( M −1)
⎣ ) ⎥
⎦ ⎣⎢ H M −1 ( z ) ⎦⎥
⎡ H0 ( z )
⎢
H 0 ( zWM ) (
H 0 zWM( )⎥
) ⎤M −1
⎢ H z
( ) H1 ( zWM ) H ( zW ( ) ) ⎥⎥
M −1
H(z) = ⎢ 1 1 M
⎢ ⎥
⎢ ⎥
⎢ H ( z ) H ( zW )
⎣ M −1 M −1 M (
H M −1 zWM( M −1) ) ⎥
⎦
Bancos de Filtros de Diezmado Máximo 41
⎡ F0 ( z ) F1 ( z ) FM −1 ( z ) ⎤
⎢ ⎥
⎢ F0 ( zWM ) F1 ( zWM ) FM −1 ( zWM ) ⎥
F( z) = ⎢ ⎥
⎢ ⎥
(
⎢ F0 zWM( M −1)
⎣ ) (
F1 zWM( M −1) ) ( )
FM −1 zWM( M −1) ⎥
⎦
f ( z ) = ⎣⎡ F0 ( z ) F1 ( z ) FM −1 ( z ) ⎦⎤
∑ H (z WMk ) ⋅ X ( z1 M WMk )
1
Vi ( z ) = i
1M
i = 0,1, 2,…, ( M − 1) (2.1)
M k =0
⋅ H ( z1 M ) ⋅ X ( z1 M )
1
Vi ( z ) =
M
donde la matriz de las señales subbanda es:
Bancos de Filtros de Diezmado Máximo 42
⎡ V0 ( z ) ⎤
⎢ ⎥
⎢ V1 ( z ) ⎥
Vi ( z ) =
⎢ ⎥
⎢ ⎥
⎢⎣VM −1 ( z ) ⎥⎦
Si el factor de diezmado es el mismo que el número de canales M, se denomina banco de
análisis críticamente muestreado. En este caso, el número total de valores muestreados por
unidad de tiempo de todas las subbandas de manera conjunta es el mismo que el número de
muestras por unidad de tiempo de la señal de entrada x [ n ] .
Intercalando ceros en las señales Vi ( z ) se producen las señales Vi ( z M ) , con i=0, 1, ..., M-1. Estas
son filtradas por Fk ( z ) y finalmente sumadas todas ellas para obtener la señal de salida:
M −1
Xˆ ( z ) = ∑ Fk ( z ) ⋅ Vk ( z M )
k =0
Xˆ ( z ) = f ( z ) ⋅ Vi ( z M )
Vamos a analizar el banco de filtros para establecer la relación entrada salida y las
condiciones para que el sistema esté libre de solapamiento e incluso sea de reconstrucción
perfecta.
Las versiones moduladas de la señal de salida se pueden calcular como:
( )
T
ˆ ( z ) = ⎡ Xˆ ( z )
X Xˆ ( zWM ) Xˆ zWM( M −1) ⎤
⎣ ⎦
ˆ ( z) = F( z) ⋅ V ( zM )
X i
Sustituyendo la matriz Vi ( z M ) de las señales subbanda, se obtiene la relación entre las señales de
entrada y de salida en el banco de filtros:
ˆ ( z) = 1 ⋅ F( z) ⋅ H ( z) ⋅ X( z) = T( z) ⋅ X( z)
X
M
La matriz de transferencia T ( z ) es el producto de la matriz de modulación del banco de
filtros de síntesis y la matriz de modulación del banco de filtros de análisis. Esta matriz de
transferencia relaciona la señal de entrada X ( z ) y todas sus réplicas desplazadas en frecuencia,
con la señal de salida X̂ ( z ) y sus réplicas desplazadas. Cada elemento de la matriz T ( z ) se
obtiene como
1 M −1
Tt ,r ( z ) = ⋅ ∑ Fk ( zWMt −1 ) ⋅ H k ( zWMr −1 ) 1 ≤ t, r ≤ M
M k =0
Las componentes más importantes son las de la primera fila que denominaremos t ( z ) (vector de
dimensiones 1 × M ). Las componentes de este vector son las que realmente relacionan la señal de
entrada X ( z ) con la de salida X̂ ( z ) . La notación para estas componentes, por defecto, será la
que sigue:
⎧ = 0,1, , ( M − 1)
T ( z ) = T1,r ( z ) ⎨
⎩ r = 1, 2, , M
1
Xˆ ( z ) = f ( z ) ⋅ H ( z ) ⋅ X ( z ) = t ( z ) ⋅ X ( z ) =
M
1 M −1 M −1
1 M −1 ⎡ M −1 ⎤
= ⋅ ∑ Fk ( z ) ∑ H k ( zWM ) ⋅ X ( zWM ) = ⋅ ∑ ⎢ ∑ Fk ( z ) ⋅ H k ( zWM ) ⎥ ⋅ X ( zWM )
M k =0 =0 M =0 ⎣ k =0 ⎦
M −1
Xˆ ( z ) = ∑ T ( z ) ⋅ X ( zWM )
=0
M −1
1 1
T0 ( z ) =
M
∑ F ( z) H ( z) = M ⋅f ( z) ⋅h( z)
k =0
k k (2.3)
M −1
∑ F ( z ) H ( zW ) = M ⋅ f ( z ) ⋅ H ( z )
1 1
T (z) = k k M +1 1 ≤ ≤ ( M − 1) (2.4)
M k =0
T0 ( e jω ) ≠ c c ∈ℜ+
{
T ( z ) = diag T0 ( z ) T0 ( zWM ) (
T0 zWM( M −1) )}
Bancos de Filtros de Diezmado Máximo 45
En relación con los tres errores anteriores pueden distinguirse dos grandes grupos de
bancos de filtros:
1. Bancos de filtros de reconstrucción perfecta (PR). Se caracterizan por la ausencia
total de distorsión y solapamiento. Para ello debe cumplirse que T0 ( z ) represente un
retardo puro en el dominio del tiempo y que todas las funciones T ( z ) sean nulas
[Vai93, Str96, Fli94].
2. Bancos de filtros pseudo-QMF. Surgen como alternativa a los sistemas de
reconstrucción perfecta para soslayar las grandes dificultades que éstos presentan en
la fase de diseño. Las dificultades se reducen considerablemente, si se elimina
totalmente alguno de los errores, pero se tolera un valor mínimo, aunque no nulo, en
los restantes. Por ejemplo, los bancos de filtros coseno modulado pseudo-QMF
próximos a la reconstrucción perfecta ("Near Perfect Reconstruction") [Ngu94] no
presentan distorsión de amplitud ni de fase y el error de solapamiento es comparable
con el valor de la ganancia en la banda atenuada del módulo de la respuesta en
frecuencia del filtro prototipo.
∧ 1 1
X ( z) = ⎡ H 0 ( z ) ⋅ F0 ( z ) + H1 ( z ) ⋅ F1 ( z ) ⎦⎤ ⋅ X ( z ) + ⎣⎡ H 0 ( − z ) ⋅ F0 ( z ) + H1 ( − z ) ⋅ F1 ( z ) ⎤⎦ ⋅ X ( − z )
⎣
2 2
∧
X ( z ) = T0 ( z ) ⋅ X ( z ) + T1 ( z ) ⋅ X ( − z ) (2.5)
Un sistema de reconstrucción perfecta (PR) debe cumplir que x̂ [ n ] = c ⋅ x [ n − n0 ] , pero
ello implica la supresión de los errores de solapamiento, distorsión de amplitud y distorsión de
fase. Vamos a estudiar soluciones para suprimir aisladamente cada uno de estos errores.
• Solapamiento (AL):
1
T1 ( z ) = ⋅ ⎡ H 0 ( − z ) ⋅ F0 ( z ) + H1 ( − z ) ⋅ F1 ( z ) ⎦⎤ = 0
2 ⎣
Este resultado se alcanza si se satisface la siguiente relación:
F0 ( z ) H1 ( − z )
=−
F1 ( z ) H0 (−z )
Se pueden encontrar diferentes soluciones. Una de las más habituales consiste en elegir
los filtros de síntesis de manera que:
F0 ( z ) = 2 H1 ( − z ) y F1 ( z ) = −2 H 0 ( − z ) (2.6)
Se pueden definir los filtros P0 ( z ) y P1 ( z ) que van a servir posteriormente para la
realización de sistemas de reconstrucción perfecta:
P0 ( z ) = F0 ( z ) ⋅ H 0 ( z )
P1 ( z ) = F1 ( z ) ⋅ H1 ( z )
P1 ( z ) = −2 ⋅ H 0 ( − z ) ⋅ H1 ( z ) = − P0 ( − z )
Si no existe solapamiento, la relación entre las señales de entrada y de salida del banco de
filtros de dos canales es:
∧
X ( z ) = T0 ( z ) ⋅ X ( z )
con
⋅ ⎣⎡ H 0 ( z ) ⋅ F0 ( z ) + H1 ( z ) ⋅ F1 ( z ) ⎦⎤ = ⋅ ( P0 ( z ) + P1 ( z ) ) = ⋅ ( P0 ( z ) − P0 ( − z ) )
1 1 1
T0 ( z ) =
2 2 2
En este caso, el sistema lineal variante en el tiempo (LTV), puede ser considerado LTI
cuya función de sistema es T0 ( z ) , de manera que si T0 ( z ) no es paso todo, existe distorsión de
amplitud (AMD), y si T0 ( z ) no es de fase lineal, existe distorsión de fase (PHD).
H0 ( z ) = H ( z ) (2.7)
H1 ( z ) = H ( − z ) (2.8)
F0 ( z ) = 2 H ( z ) (2.9)
Bancos de Filtros de Diezmado Máximo 47
F1 ( z ) = −2 H ( − z ) (2.10)
El filtro H ( − z ) es paso alto si H ( z ) es paso bajo. Sustituyendo estas expresiones en
(2.5) se satisface la condición T1 ( z ) = 0 , es decir, las componentes de solapamiento se cancelan
unas a otras. Cabe destacar de este resultado, que el teorema de muestreo no se respeta en
ninguno de los canales del banco de filtros, pero sí se satisface en el banco de filtros en su
conjunto. La función de distorsión resulta en este caso:
T0 ( z ) = ⎣⎡ H 0 ( z ) ⋅ H1 ( − z ) − H1 ( z ) ⋅ H 0 ( − z ) ⎦⎤ = ⎡⎣ H 2 ( z ) − H 2 ( − z ) ⎤⎦ (2.11)
( N −1)
H ( e jω ) = e ⋅ A ( e jω )
− jω
2
(
T0 ( e jω ) = e − jω ( N −1) ⋅ A2 ( e jω ) − ( −1)
( N −1)
(
⋅ A2 e j ( π − ω ) ))
Si el filtro H ( z ) es paso bajo y de orden (N-1) par, la función T0 ( e jω ) se haría nula en
ω = π 2 , e introduciría una gran atenuación a dicha pulsación. Esto obliga a que (N-1) sea impar,
de modo que se cumpla que:
( (
T0 ( e jω ) = e − jω ( N −1) ⋅ A2 ( e jω ) + A2 e j (π −ω ) ))
T0 ( z ) = ⎡⎣ H 02 ( z ) − H 02 ( − z ) ⎤⎦ = 2 ⋅ z −1 ⋅ E0 ( z 2 ) ⋅ E1 ( z 2 )
• Optimización numérica.
E = Er + α ⋅ Es
Éste tiene en consideración el error de reconstrucción E r
⎛
H ( e jω ) + H e ( ) ( ) ⎞
π 2 2
Er = 2∫
j ω −π
⎜ − 1⎟ d ω
ω =0 ⎝ ⎠
y el error Es de la banda eliminada, que considera el módulo de la respuesta en frecuencia de
valor finito en la banda eliminada ω c ≤ ω ≤ π
H ( e jω ) d ω
π 2
Es = 2 ∫
ω = ωc
donde:
⎛1 ⎞
ωc = ⎜ + Δ ⎟ ⋅ 2π
⎝4 ⎠
El parámetro α es un factor de ponderación, que permite modificar la importancia
relativa de las dos fuentes de error. Para obtener una selectividad máxima, la pulsación de corte
ω c debe estar lo más próxima posible al centro de la banda ω c = π 2 , o de manera análoga, el
valor Δ debe ser tan pequeño como sea posible.
En [Cro83] se publican una serie de listados de filtros prototipos FIR que han sido
optimizados en este sentido.
Aunque estos filtros QMF numéricamente optimizados no conducen a la reconstrucción
perfecta, proporcionan buenas soluciones en cuanto a la realización práctica del sistema. Los
errores de reconstrucción se pueden hacer mínimos incrementando la longitud del filtro. Además,
en gran cantidad de aplicaciones es admisible un error pequeño.
⎡ Xˆ ( z ) ⎤ 1 ⎡ F0 ( z ) F1 ( z ) ⎤ ⎡ H 0 ( z ) H 0 ( − z ) ⎤ ⎡ X ( z ) ⎤
⎢ ⎥ = ⋅⎢ ⎥⋅⎢ ⎥⋅⎢ ⎥
⎢⎣ Xˆ ( − z ) ⎥⎦ 2 ⎣ F0 ( − z ) F1 ( − z ) ⎦ ⎣ H1 ( z ) H1 ( − z ) ⎦ ⎣ X ( − z ) ⎦
Bancos de Filtros de Diezmado Máximo 49
∧ 1
X( z) = ⋅ F( z) ⋅ H( z) ⋅ X( z) (2.12)
2
La propiedad de reconstrucción perfecta requiere que la señal de salida sea la de entrada
retardada. Es decir, es necesario que se cumpla:
ˆ ( z) = ⎢ ( ) ⎥ = ⎢
⎡ Xˆ z ⎤ ⎡ z − n0 0 ⎤ ⎡ X ( z) ⎤
X ⎥⋅⎢ ⎥ (2.13)
⎢⎣ Xˆ ( − z ) ⎥⎦ ⎢⎣ 0 (−z ) ⎥⎦ ⎣ X ( − z ) ⎦
− n0
De esta manera, la señal de entrada aparece en la salida inalterada en amplitud y fase y sin
componentes de solapamiento, después de un retardo finito. La anterior expresión es equivalente
a:
⎡ F0 ( z ) F1 ( z ) ⎤ ⎡ H 0 ( z ) H 0 ( − z ) ⎤ ⎡ z − n0 0 ⎤
⎢ ⎥⋅⎢ ⎥ = 2⋅⎢ −n ⎥
⎣ F0 ( − z ) F1 ( − z ) ⎦ ⎣ H1 ( z ) H1 ( − z ) ⎦ ⎣⎢ 0 ( − z ) 0 ⎦⎥
El problema de diseño de los bancos de filtros de reconstrucción perfecta consiste en
encontrar pares de bancos de filtros de análisis y de síntesis de modo que se satisfaga la expresión
anterior. Normalmente se elige en primer lugar el banco de análisis, y después se encuentra el
banco de síntesis para satisfacer la condición de PR.
Si se conocen los filtros de análisis, se pueden emplear las relaciones anteriores para
obtener los filtros de síntesis:
2 ⋅ z − n0 ⎡ H1 ( − z ) − H 0 ( − z ) ⎤
F( z) = ⋅⎢ ⎥ (2.14)
det H ( z ) ⎣ − H1 ( z ) H0 ( z ) ⎦
donde se asume que n0 es un número impar y que el determinante viene dado por:
det H ( z ) = H 0 ( z ) H1 ( − z ) − H 0 ( − z ) H1 ( z ) (2.15)
De este modo, cada uno de los filtros de síntesis debe satisfacer las siguientes relaciones:
2 ⋅ z − n0
F0 ( z ) = ⋅ H1 ( − z ) (2.16)
det H ( z )
2 ⋅ z − n0
F1 ( z ) = − ⋅ H0 (−z ) (2.17)
det H ( z )
Si para los filtros de análisis H 0 ( z ) y H1 ( z ) se eligen filtros FIR o IIR estables, de (2.16)
y (2.17) se deduce que los filtros de síntesis F0 ( z ) y F1 ( z ) son en general filtros IIR (y
posiblemente inestables) debido al polinomio det H ( z ) que aparece en el denominador.
Si nos centramos en el caso de filtros FIR, la única posibilidad de encontrar filtros de
síntesis F0 ( z ) y F1 ( z ) con respuestas al impulso finitas, consiste en conseguir filtros de análisis
donde se cumpla que:
det H ( z ) = c ⋅ z − , c ∈ℜ ∈Z (2.18)
Bancos de Filtros de Diezmado Máximo 50
2 − n0 +
F0 ( z ) = ⋅z ⋅ H1 ( − z ) (2.19)
c
2
F1 ( z ) = − ⋅ z − n0 + ⋅ H 0 ( − z ) (2.20)
c
Los métodos de diseño más habituales de bancos de filtros FIR de 2 canales se basan en
la distribución de ceros de un filtro de media banda inicial. Sin embargo, cuando este filtro de
media banda es de orden elevado, la distribución puede traer consigo graves problemas
numéricos. Otros métodos de diseño alternativos incluyen la aproximación con estructuras en
celosía [Vai88a, Ngu89], la aproximación en el dominio del tiempo [Nay92] y la aproximación por
mínimos cuadrados con restricciones cuadráticas [Ngu93].
A continuación se propone una solución para encontrar los filtros del banco de
reconstrucción perfecta.
H ( z ) ⋅ H ( z ) + H (−z) ⋅ H (−z ) = 1
H0 ( z ) = H ( z ) (2.21)
H1 ( z ) = − z −( N −1) H ( − z ) (2.22)
F0 ( z ) = z −( N −1) H ( z )
F1 ( z ) = z −( N −1) H1 ( z )
Nos centraremos en el caso de que los filtros presenten coeficientes reales. Entonces:
H0 ( z ) = H ( z )
H1 ( z ) = − z −( N −1) H 0 ( − z −1 ) = − z −( N −1) H ( − z −1 )
F0 ( z ) = H1 ( − z ) = z −( N −1) H ( z −1 )
F1 ( z ) = − H 0 ( − z ) = − H ( − z )
h0 [ n ] = h [ n ]
( N −1− n )
h1 [ n ] = ( −1) ⋅ h [ N − 1 − n]
f0 [ n] = h [ N − 1 − n]
f1 [ n ] = ( −1) ⋅ h [ n ]
n
P0 ( z ) = F0 ( z ) ⋅ H 0 ( z ) = z −( N −1) H ( z −1 ) ⋅ H ( z ) (2.23)
P1 ( z ) = F1 ( z ) ⋅ H1 ( z ) = z −( N −1) H ( − z ) H ( − z −1 ) = − P0 ( − z )
T0 ( z ) =
1
2
1
2
(
⋅ ( P0 ( z ) + P1 ( z ) ) = ⋅ z −( N −1) ⋅ H ( z ) ⋅ H ( z −1 ) + H ( − z ) ⋅ H ( − z −1 ) )
La propiedad de simetría en potencia implica que el filtro de fase cero H ( z ) puede
obtenerse mediante la factorización espectral de un filtro de media banda válido P0 ( z ) . Como en
esta situación el filtro prototipo H ( z ) es simétrico en potencia, se satisface la condición:
H ( z −1 ) ⋅ H ( z ) + H ( − z −1 ) ⋅ H ( − z ) = 1
Entonces resulta:
1 −( N −1)
T0 ( z ) = ⋅z
2
Así, se puede afirmar que los bancos de filtros obtenidos mediante la factorización
espectral simétrica expresada en (2.23) son ortogonales con la característica de reconstrucción
perfecta. Además, se puede demostrar que los filtros elegidos de la manera indicada
anteriormente satisfacen las siguientes propiedades:
Bancos de Filtros de Diezmado Máximo 52
En el apartado anterior dedicado a los bancos de filtros de dos canales se han descrito los
principios y fenómenos más importantes de los bancos de filtros uniformes. La obtención de
estos bancos de filtros de dos canales es un problema bien resuelto, ya que existen técnicas de
diseño que permiten llegar sin demasiada dificultad a bancos QMF PR.
Los bancos de filtros de M canales uniformes constan de filtros paso bajo, paso banda y
paso alto que dividen el espectro de la señal en bandas adyacentes de igual anchura, para
posteriormente reconstruir la señal combinando de nuevo estas bandas de frecuencia. Todos los
filtros tienen el mismo ancho de banda y las frecuencias centrales están uniformemente
espaciadas en frecuencia. Si el número M es potencia de 2, entonces el banco de filtros total se
puede sintetizar conectando bancos de filtros de dos canales en forma de árbol. Una ventaja de
las estructuras en árbol está en que los resultados para los bancos de filtros de dos canales se
pueden transferir a los bancos de filtros de M canales. Si en los bancos de filtros de dos canales
no existe solapamiento, tampoco lo habrá en el banco de M canales con estructura de árbol. Del
mismo modo, los bancos de filtros de dos canales de reconstrucción perfecta originan bancos de
filtros de M canales con reconstrucción perfecta. Sin embargo, las principales limitaciones de las
estructuras en árbol son que el número de canales M debe ser siempre potencia de 2, que la
complejidad computacional es relativamente alta y que requieren una gran cantidad de memoria,
lo cual a su vez incide en el tiempo de propagación de la señal [Fli94, Vet95]. La complejidad de
un banco de filtros con estructura en paralelo es comparable con la del nivel más bajo de una
estructura en árbol. Además, si se emplean filtros idénticos en todos los niveles, las anchuras de
las bandas de transición (con respecto a la frecuencia de muestreo local) son las mismas en
cualquier sitio. Las anchuras absolutas de las bandas de transición cambian de un nivel a otro por
un factor de 2, lo que ocasiona diferencias entre los anchos de banda superior e inferior.
Para evitar lo anterior, se emplean los bancos de filtros de M canales con una estructura
en paralelo, que permiten dividir el espectro en un número arbitrario M de subbandas. En este
apartado se va a estudiar la teoría general de diseño de bancos de filtros uniformes de M canales
de diezmado máximo con estructura en paralelo, considerando M>2.
La relación entrada-salida del citado banco de filtros se puede expresar como:
M −1
Xˆ ( z ) = X ( z ) ⋅ T0 ( z ) + ∑ T ( z ) ⋅ X ( zWM ) = f ( z ) ⋅ H ( z ) ⋅ X ( z )
1
=1 M
Bancos de Filtros de Diezmado Máximo 53
(
X ( e jωWM ) = X e j (ω − 2π M)
)
Este término representa para ≠ 0 una versión desplazada del espectro X ( e jω ) . De este modo,
el espectro reconstruido Xˆ ( e jω ) es una combinación lineal de X ( e jω ) y de sus M-1 versiones
uniformemente desplazadas.
De una manera análoga al banco de filtros QMF de dos canales, la señal reconstruida
x̂ [ n ] difiere de x [ n ] debido a tres errores: el solapamiento, la distorsión de amplitud y la
distorsión de fase.
• Solapamiento (AL):
T ( z ) = 0, 1 ≤ ≤ ( M − 1)
Consideremos como ejemplo el caso en que M=3. Para cancelar el solapamiento se tienen
que satisfacer dos condiciones:
1
t( z) = ⋅ f ( z ) ⋅ H ( z ) = ⎡⎣T0 ( z ) T1 ( z ) TM −1 ( z ) ⎦⎤
M
Bancos de Filtros de Diezmado Máximo 54
Dados los filtros de análisis H k ( z ) , si se eligen los filtros de síntesis como se establece en
la expresión (2.25), se cancela el solapamiento siempre y cuando el vector t ( z ) sea el indicado en
(2.26).
⎡ AdjH ( z ) ⎤⎦
f ( z ) = M ⋅ t ( z ) ⋅ H −1 ( z ) = M ⋅ t ( z ) ⋅ ⎣ (2.25)
⎡⎣ det H ( z ) ⎤⎦
t ( z ) = ⎣⎡T0 ( z ) 0 0 ⎦⎤ (2.26)
Esto es así si el término det H ( z ) no es idéntico a cero. El problema se encuentra en que los
filtros resultantes Fk ( z ) pueden no ser prácticos. Es decir, Fk ( z ) podrían ser IIR inestables aún
cuando cada filtro de análisis H k ( z ) fuese FIR. Los ceros de la cantidad det H ( z ) están
relacionados con los filtros de análisis H k ( z ) de una manera muy complicada y es difícil asegurar
que están dentro de la circunferencia de radio unidad (lo cual es un requisito para que los Fk ( z )
sean estables y causales).
La cancelación del solapamiento se puede conseguir (abandonando la idea de
reconstrucción perfecta) haciendo que (2.25) sea
f ( z ) = M ⋅ t ( z ) ⋅ ⎣⎡ AdjH ( z ) ⎦⎤
T0 ( z ) = c ⋅ z − n0 ⋅ ⎡⎣ det H ( z ) ⎤⎦
para algún c ≠ 0 . Los filtros de síntesis Fk ( z ) serán FIR si los filtros de análisis son FIR. Pero los
elementos de la matriz ⎡⎣ Adj H ( z ) ⎤⎦ son determinantes de submatrices ( M × 1) ⋅ ( M × 1) de H ( z )
y pueden representar filtros FIR de orden elevado incluso si H k ( z ) presenta un orden
moderado. Existen otras soluciones [Vai93] basadas en la representación polifase de los filtros de
análisis y de síntesis, pero también presentan como inconveniente que para valores de M
elevados, los filtros de síntesis deben tener unos órdenes mucho mayores que los filtros de
análisis. Otra dificultad con esta aproximación es que si la función det H ( z ) tiene ceros en la
circunferencia de radio unidad, entonces hay una distorsión de amplitud muy severa en los
puntos cercanos a esos ceros, ya que en ellos se cumple que T0 ( e jω ) = 0 . 0
El siguiente teorema establece las condiciones de diseño genéricas para los filtros de
análisis y de síntesis de manera que se cancelen las componentes debidas al solapamiento.
Teorema: Condición necesaria y suficiente para la cancelación del solapamiento.
[Vai88b]. Sean las matrices E ( z ) y R ( z ) las componentes polifase de los bancos de análisis y de
síntesis (figura 2.5). Sea P ( z ) la matriz M × M producto R ( z ) ⋅ E ( z ) . Se puede afirmar que el
banco de filtros de diezmado máximo y M canales de la figura 2.1 (sin considerar la etapa
intermedia de procesamiento) está libre de solapamiento si y solo si la matriz P ( z ) es
pseudocirculante.
Bajo esta condición, la señal de salida es
Bancos de Filtros de Diezmado Máximo 55
X̂ ( z ) = T0 ( z ) ⋅ X ( z )
(
T0 ( z ) = z −( M −1) ⋅ P0 ( z M ) + z −1 P1 ( z M ) + + z −( M −1) PM −1 ( z M ) ) (2.27)
X̂ ( z ) = T0 ( z ) ⋅ X ( z )
Por tanto, cuando el solapamiento se ha cancelado, el banco QMF es un sistema LTI cuya
función de transferencia es T0 ( z ) . Si T0 ( e jω ) no es constante (es decir T0 ( z ) no es paso todo),
existe distorsión de amplitud. Se puede demostrar [Vai93] que T0 ( z ) es paso todo (es decir, no
hay distorsión de amplitud) si y solo si la matriz P ( z ) pseudocirculante satisface una propiedad
denominada paraunitariedad. Si T0 ( z ) no tiene fase lineal, existe distorsión de fase.
f ( z ) ⋅ H ( z ) = ⎡⎣ z − n0
T
0 0 ⎤⎦
R ( z) ⋅ E( z) = I (2.28)
entonces la señal de salida x̂ [ n ] coincide con la de entrada x [ n ] . Si se desplazan los sistemas
E ( z ) y R ( z ) (empleando las identidades Noble) se obtiene el sistema de la figura 2.5b, que
continúa teniendo la propiedad de reconstrucción perfecta.
Bancos de Filtros de Diezmado Máximo 56
R ( z ) = E −1 ( z )
Hay que tener en cuenta que la invertibilidad de E ( z ) no es suficiente, ya que su inversa podría
conducir a filtros inestables, e incluso si los filtros de análisis son FIR, se podrían obtener filtros
de síntesis IIR.
A pesar de que aparentemente se van a encontrar las mismas dificultades (incluyendo la
inestabilidad) que aparecieron en la inversión de la matriz H ( z ) , se puede evitar invertir
directamente E ( z ) de muchas maneras. Una de ellas consiste en restringirla al caso de que sea
paraunitaria.
fig. 2.5: banco de filtros de M canales de diezmado máximo representado por sus matrices polifase.
R ( z ) ⋅ E ( z ) = c ⋅ z − m0 ⋅ I (2.29)
todavía se tiene reconstrucción perfecta, pero ahora T0 ( z ) = c ⋅ z −( Mm + M −1) . De forma más general
0
⎡ 0 I M −r ⎤
P ( z ) = R ( z ) ⋅ E ( z ) = c ⋅ z − m0 ⋅ ⎢ −1 (2.30)
⎣ z Ir 0 ⎥⎦
Bancos de Filtros de Diezmado Máximo 57
⎡⎣ P0 ( z ) P1 ( z ) PM −1 ( z ) ⎤⎦
⎡⎣0 0 c ⋅ z − m0 0 0 ⎤⎦
De manera genérica, P ( z ) (es decir R ( z ) ⋅ E ( z ) ) debe satisfacer la expresión (2.30) para algún r
en el intervalo 0 ≤ r ≤ ( M −1) . Bajo esta condición, se tiene que la función de transferencia de
distorsión total es:
T0 ( z ) = c ⋅ z − r ⋅ z −( M −1) ⋅ z − m0 M
lo que se cumple tanto si el sistema es FIR como si es IIR. Además, se puede verificar que bajo la
condición (2.30) siempre se tiene que:
det R ( z ) ⋅ det E ( z ) = c0 ⋅ z − k0
Esta clase de filtros es la más restringida, ya que ciertos problemas de diseño no tienen
solución.
2.4 Conclusiones
3.0 Introducción
60
Bancos de Filtros Modulados 61
En [Ngu96a] se generalizó la teoría anterior y se mostró el camino a seguir para obtener bancos
de filtros coseno modulado PR de longitud arbitraria.
Los bancos de filtros de fase lineal coseno-modulado paraunitarios, se deben a Lin y
Vaidyanathan [Lin95]. Estos autores establecieron el método de diseño de bancos de filtros de
reconstrucción perfecta y aproximada, donde cada uno de los filtros de análisis y de síntesis
presentaba la característica de fase lineal.
Existen varios trabajos que apuntan a la realización de wavelets bajo esquemas de
modulación coseno. En [Gop96] se presenta una teoría unificada para bancos de filtros
modulados y wavelets y en [Ngu96a] se indican las condiciones que hay que imponer al banco
para obtener bases ortonormales coseno modulado de wavelets de soporte compacto. La
realización de bases de wavelets de soporte compacto coseno-modulado biortogonales de M
canales se puede encontrar en [Cha98].
Entre los diferentes métodos de diseño de bancos de filtros pseudo-QMF, se pueden
citar la aproximación mediante factorización espectral [Koi93] y los bancos de filtros coseno
modulado próximos a la reconstrucción perfecta (NPR) [Ngu94]. Posteriormente, Nguyen
agrupó diversas técnicas de diseño de bancos pseudo-QMF y de reconstrucción perfecta bajo el
mismo tipo de formulación con restricciones cuadráticas [Ngu95]. Los bancos de filtros coseno
modulado diseñados bajo la formulación de mínimos cuadrados con restricciones cuadráticas
(QCLS) aparecen en [Ngu96b]. En [Goh98] se muestra un nuevo algoritmo para el diseño de
CMFB NPR.
En [Cha99] se desarrolla una nueva factorización para bancos de filtros coseno modulado
FIR PR biortogonales, y se propone una nueva familia de Transformadas Solapadas
Biortogonales útiles para aplicaciones de codificación subbanda. En [Gao99] se muestra una
nueva forma de realización eficiente de bancos de filtros coseno modulado de longitud arbitraria,
obtenida a partir de una nueva expresión de la matriz de componentes polifase del banco de
filtros. Además, en [Hel99] se realiza una formulación general de los bancos de filtros modulados.
Se deducen las condiciones necesarias y suficientes para tener PR en los bancos modulados en
coseno basados en las DCT II y IV, junto con aquellos que presentan unos esquemas de
modulación basados en la DFT modificada (MDFT).
Los bancos de filtros modulados presentan como ventaja frente al resto de los bancos de
filtros la simplicidad en las fases de diseño y de realización del banco. Todos los filtros de análisis
y de síntesis se obtienen a partir de uno o dos filtros prototipo, a los que se aplica una
modulación para desplazar su respuesta en frecuencia y obtener los restantes filtros del banco.
El primer y más simple banco de filtros modulados que es susceptible de ser construido
con una estructura eficiente, es el banco modulado complejo, conocido como el banco de filtros
DFT, ya que es básicamente una matriz DFT. Dado el filtro prototipo:
P ( z ) = 1 + z −1 + + z L −1
H k ( z ) = P ( zW2kM ) 0 ≤ k ≤ ( 2M − 1)
Bancos de Filtros Modulados 62
Todos los filtros son una versión desplazada de P ( z ) y están uniformemente distribuidos
en frecuencia. Como el filtro prototipo es una ventana rectangular, cuando su longitud coincide
con el número de canales M se puede conseguir reconstrucción perfecta. Básicamente se trataría
de realizar una DFT en el banco de análisis, y la IDFT en el banco de síntesis. Sin embargo, cada
filtro por separado presenta una atenuación mínima en la banda eliminada de aproximadamente
13'5 dBs, valor excesivamente pequeño cuando se desea una buena separación entre las distintas
bandas.
Por ello, siguiendo la idea de simplificar el diseño al de uno o dos filtros prototipos, se
han propuesto diversos bancos de filtros que se obtienen mediante modulación exponencial o
trigonométrica. La ventaja de los sistemas que siguen un esquema de modulación en coseno o en
coseno estriba en que, si el filtro prototipo que se modula es de coeficientes reales, todos los
filtros de análisis y de síntesis también tienen coeficientes reales.
Normalmente, los esquemas de modulación en coseno se basan en la transformada
discreta del coseno [Wan84]. Se pueden distinguir cuatro tipos distintos de dicha transformada:
2 ⎛ m ⋅ n ⋅π ⎞
DCT I: ⋅ km ⋅ kn ⋅ cos ⎜ ⎟ m, n = 0, ,M
M ⎝ M ⎠
2 ⎛ m ⋅ ( n + 1 2) ⋅ π ⎞
DCT II: ⋅ km ⋅ cos ⎜ ⎟ m, n = 0, , M −1
M ⎝ M ⎠
2 ⎛ n ⋅ ( m + 1 2) ⋅ π ⎞
DCT III: ⋅ kn ⋅ cos ⎜ ⎟ m, n = 0, , M −1
M ⎝ M ⎠
2 ⎛ ( m + 1 2) ⋅ ( n + 1 2) ⋅ π ⎞
DCT IV: ⋅ cos ⎜ ⎟ m, n = 0, , M −1
M ⎝ M ⎠
donde:
⎧⎪ 1 si j ≠ 0, j ≠ M
kj = ⎨
⎪⎩1 2 si j = 0, j = M
hk [ n ] = h [ n ] ⋅ ck , n ⎧0 ≤ n ≤ N − 1
⎨
f k [ n ] = f [ n ] ⋅ ck*, n ⎩0 ≤ k ≤ M − 1
donde M es el número de canales, N es la longitud de la respuesta al impulso de los filtros
prototipo, y las secuencias de modulación son ck ,n y ck*, n , que normalmente vienen establecidas
por:
2 ⎛⎛ 1⎞ π ⎛ M +1⎞⎞
ck , n = ⋅ cos ⎜ ⎜ k + ⎟ ⎜n + ⎟⎟ (3.1)
M ⎝⎝ 2⎠M ⎝ 2 ⎠⎠
o
⎛ π ⎛ N −1⎞ k π ⎞
ck , n [ n ] = 2 ⋅ cos ⎜ ( 2k + 1) ⎜n − ⎟ + ( −1) ⋅ ⎟ (3.2)
⎝ 2M ⎝ 2 ⎠ 4⎠
Un ejemplo en el que se emplea la expresión (3.1) son las transformadas solapadas biortogonales
propuestas en [Mal98] y otro correspondiente a la expresión (3.2) es el CMFB propuesto en
[Koi92].
3) Las salidas de los bancos de filtros se pueden obtener utilizando algoritmos rápidos
para las transformadas y algunos pequeños cálculos adicionales.
Las funciones base de la LOT tienen fase lineal (simetría par o impar) y una longitud de
valor L=2M para bloques con M muestras. Cada función base LOT debe ser ortogonal a las
funciones del mismo bloque y a las de los bloques adyacentes. La matriz P que caracteriza al
bloque de transformación debe cumplir las siguientes condiciones:
PT ⋅ P = I (3.3)
y
PT ⋅ W ⋅ P = I (3.4)
donde
⎛0 I ⎞
W≡⎜ ⎟
⎝0 0⎠
Las matrices I y 0 anteriores tienen dimensiones M × M , mientras que la matriz P es de
dimensión 2M × M . Las columnas de P definen los filtros de síntesis, mientras que las de
PT definen los filtros de análisis.
La expresión (3.3) impone la ortogonalidad de las funciones base del mismo bloque,
mientras que (3.4) impone la ortogonalidad de las porciones solapadas de las funciones base de
los bloques adyacentes. Como las funciones base se solapan espectralmente con los bloques
adyacentes en un 50 %, a estos bancos de filtros se les denomina Transformadas Solapadas.
La MLT es un caso particular de banco de filtros coseno modulado. No tienen fase lineal
y es otro modo de llegar a un buen conjunto de funciones base para una transformada solapada.
Se genera definiendo un filtro prototipo paso bajo adecuado para una estructura de banco de
filtros modulada. Si la longitud de la respuesta al impulso del filtro prototipo se elige igual a 2M,
es posible suprimir el solapamiento y obtener reconstrucción perfecta con filtros de análisis y de
síntesis idénticos [Vet88].
Cada elemento de la matriz P se denomina pk [ n] = [ P]nk y es la respuesta al impulso del
filtro de síntesis k-ésimo. Se distingue para k par:
2 ⎛π ⎛ 1⎞ ⎛ L −1⎞ π ⎞
pk [ n ] = h [ n ] ⋅ ⋅ cos ⎜ ⋅ ⎜ k + ⎟ ⋅ ⎜ n − ⎟+ ⎟ (3.5)
M ⎝M ⎝ 2⎠ ⎝ 2 ⎠ 4⎠
y para k impar:
2 ⎛π ⎛ 1⎞ ⎛ L −1⎞ π ⎞
pk [ n ] = h [ n ] ⋅ ⋅ sen ⎜ ⋅⎜k + ⎟⋅⎜n − ⎟+ ⎟ (3.6)
M ⎝M ⎝ 2⎠ ⎝ 2 ⎠ 4⎠
h [ 2M − 1 − n] = h [ n] (3.7)
Bancos de Filtros Modulados 65
h2 [n] + h2 [ n + M ] = a (3.8)
Para mantener la ortogonalidad de la matriz P generada mediante (3.5) y (3.6) y por simplicidad
se suele elegir a=1.
El término Transformada Solapada Modulada (MLT) se reserva para usarlo cuando la
ventana h [ n ] es la siguiente:
⎛ π ⎛ 1 ⎞⎞
h [ n ] = sen ⎜ ⋅⎜ n + ⎟⎟ (3.9)
⎝ 2M ⎝ 2 ⎠⎠
con n = 0,1, , 2M − 1 .
En [Mal92] se generaliza la anterior transformada y se extienden las funciones base a una
longitud de 2KM (donde K es un número entero). El nombre que recibe la nueva transformación
es "Transformada Solapada Extendida ELT" (“Extended Lapped Transform”).
La LOT se emplea en sistemas de codificación de imágenes, mientras que la MLT se
utiliza en sistemas de audio. Ambas tienen como ventaja que se reducen significativamente los
efectos de bloque ("blocking artifacts") y como inconveniente que los efectos debidos al
fenómeno de Gibbs ("ringing artifacts") se ven acentuados con respecto a otros tipos de
transformaciones como la DCT. Además, ninguna de ellas puede sustituir a los bancos QMF
genéricos, porque cuando se desea una separación casi definitiva entre cada subbanda, son
necesarios filtros cuya banda de transición sea estrecha y presenten gran atenuación en la banda
eliminada, lo que se consigue con filtros de análisis y de síntesis de orden elevado. Los filtros de
la LOT y la MLT tienen una longitud L=2M y en los casos citados normalmente se suele emplear
L=8M. Este problema se soluciona con la ELT, pero su longitud siempre tiene que ser un
múltiplo par del número de canales (L=2KM, donde K es un número entero positivo) y, cuando
se emplea una estructura eficiente para realizarla, es necesario optimizar determinados ángulos
θ rk que aparecen en las matrices de realización [Mal92].
En [Mal98] se pueden encontrar distintas Transformadas Solapadas Biortogonales
uniformes y no uniformes. Por ejemplo, dadas las relaciones:
2 ⎛π ⎛ 1⎞ ⎛ M +1⎞⎞
pa [ n, k ] = ha [ n ] ⋅ ⋅ cos ⎜ ⋅⎜k + ⎟⋅⎜n + ⎟⎟ (3.10)
M ⎝M ⎝ 2⎠ ⎝ 2 ⎠⎠
2 ⎛π ⎛ 1⎞ ⎛ M +1⎞⎞
ps [ n, k ] = hs [ n ] ⋅ ⋅ cos ⎜ ⋅ ⎜ k + ⎟ ⋅ ⎜ n + ⎟⎟ (3.11)
M ⎝M ⎝ 2⎠ ⎝ 2 ⎠⎠
se puede verificar que se genera una Transformada Biortogonal Modulada si la ventana de análisis
satisface las condiciones:
hs [ n ]
ha [ n ] = n = 0,1, , M −1 (3.12)
h [ n ] + hs2 [ n + M ]
2
s
ha [ n ] = ha [ 2 M − 1 − n ] (3.13)
La ventana de síntesis viene dada por:
Bancos de Filtros Modulados 66
⎡⎛ n + 1 ⎞α ⎤
1 − cos ⎢⎜ ⎟ π⎥+β
⎢⎣⎝ 2M ⎠ ⎥⎦
hs [ n ] = n = 0,1, , M −1
2+β
El parámetro α controla la anchura de la ventana y β sus valores finales.
Además de las anteriores transformadas, en [Mal98] también se muestran la
Transformada Biortogonal Solapada Uniforme y no Uniforme. Ambas presentan ventajas e
inconvenientes de diseño similares a las Transformadas Ortogonales.
⎛ π ⎛ N −1⎞ k π ⎞
hk [ n ] = 2 ⋅ p [ n ] ⋅ cos ⎜ ( 2k + 1) ⎜n − ⎟ + ( −1) ⋅ ⎟
⎝ 2M ⎝ 2 ⎠ 4⎠ ⎧0 ≤ n ≤ N − 1
⎨
⎛ π ⎛ N −1⎞ k π ⎞ ⎩0 ≤ k ≤ M − 1
f k [ n ] = 2 ⋅ p [ n ] ⋅ cos ⎜ ( 2k + 1) ⎜n − ⎟ − ( −1) ⋅ ⎟
⎝ 2M ⎝ 2 ⎠ 4⎠
⎡ g (−z2 ) ⎤
E( z) = C
ˆ⎢ 0 ⎥
⎢ z −1g1 ( − z 2 ) ⎥
⎣ ⎦
R ( z ) = ⎡⎣ z −1 ⋅ g 0 ( − z 2 ) g1 ( − z 2 ) ⎤⎦ ⋅ C
ˆT
donde:
g 0 ( z ) = diag ⎣⎡G0 ( z ) G1 ( z ) GM −1 ( z ) ⎦⎤
g1 ( z ) = diag ⎣⎡GM ( z ) GM +1 ( z ) G2 M −1 ( z ) ⎦⎤
Bancos de Filtros Modulados 67
⎛⎛ 1⎞ π ⎛ 1− N ⎞ k π ⎞
⎡ˆ⎤
⎣C ⎦ k , = 2 ⋅ cos ⎜⎝ ⎜⎝ k + 2 ⎟⎠ ⋅ M ⋅⎜ + ⎟ + ( −1) ⋅ ⎟
⎝ 2 ⎠ 4⎠
⎡ g0 ( − z 2 ) ⎤
P ( z ) = ⎣ z ⋅ g 0 ( − z ) g1 ( − z ) ⎦ ⋅ C ⋅ C ⋅ ⎢
⎡ −1 2 2
⎤ ˆ T ˆ ⎥
⎢ z −1g1 ( − z 2 ) ⎥
⎣ ⎦
Si el banco es de reconstrucción perfecta, la matriz P ( z ) debe satisfacer la condición (2.30).
Sustituyendo las expresiones correspondientes a Cˆ T ⋅ Cˆ y simplificando, se pueden deducir las
condiciones necesarias y suficientes para que el banco de filtros sea PR.
Teorema [Ngu96a]: Sean G ( z ) las componentes polifase Tipo I de P ( z ) . Debido a la
propiedad de simetría del filtro prototipo, se cumple que:
1
G ( z ) ⋅ G ( z ) + GM + ( z ) ⋅ GM + ( z ) = 0 ≤ ≤ ( M − 1) (3.14)
2M
Esto significa que los pares de componentes polifase deben ser complementarios en potencia. Se
puede realizar una clasificación en cuatro grupos o modos, atendiendo a las longitudes de los dos
filtros G ( z ) y GM + ( z ) y a la relación que existe entre ellos [Ngu96a].
La condición (3.14) es similar a la del banco de filtros de dos canales paraunitario. Por
tanto, el banco de filtros coseno-modulado se puede realizar como un banco en paralelo de
bancos de filtros paraunitarios de dos canales [Vai93]. Es decir, cada par de celosías que
satisfacen la expresión (3.14) se factorizan empleando estructuras en celosía sin pérdidas de dos
canales, similares a los bancos genéricos según la expresión:
⎡ G (z) ⎤ ⎡c ,0 ⎤
2M ⋅ ⎢ ⎥=R ⋅ Λ(z)⋅ R ⋅ Λ ( z )… R ,1Λ ( z ) ⋅ ⎢ ⎥
⎣GM + ( z ) ⎦
,m , m −1
⎣ s ,0 ⎦
donde:
⎡c , k s ,k ⎤
=⎢
−c , k ⎥⎦
R ,k
⎣ s ,k
⎛1 0 ⎞
Λ=⎜ −1 ⎟
⎝0 z ⎠
c , k = cos θ ,k
Bancos de Filtros Modulados 68
s ,k = sen θ ,k
k = 0,1, 2, ,m
y m depende de las longitudes de los dos filtros. Para el caso N=2mM, todas las componentes
polifase presentan la misma longitud y no existe ningún tipo de restricción para las fases θ , k .
Para el caso general, sí existen restricciones en dichos ángulos [Ngu96a].
En resumen, con estos bancos de filtros coseno modulado se ha ganado eficiencia en la
fase de realización del sistema. Sin embargo, la fase de diseño presenta las mismas dificultades
que los bancos de filtros genéricos.
Φ = Φ a + Φ d = (1 − α ) ∫ T0 ( e jω ) − e − j ⋅n0 ⋅ω d ω + α ∫ H ( e jω ) d ω
π 2 π 2
(3.15)
0 ωs
Bancos de Filtros Modulados 69
( ) (
H k ( z ) = ak ⋅ ck ⋅ H zW2(Mk +1 2) + ak* ⋅ ck* ⋅ H zW2−M( k +1 2) ) 0 ≤ k ≤ M −1
Fk ( z ) = ak* ⋅ ck ⋅ H ( zW ( k +1 2
2M
)
)+a k ⋅ c ⋅ H ( zW (
*
k
− k +1 2
2M
)
)
donde los coeficientes ak y ck vienen dados por:
ak = e jθk
( k +1 2 )( ( N −1) 2 )
ck = W2 M
0 ≤ k ≤ M −1
Si se calcula la Transformada z inversa, las respuestas al impulso de los filtros de
análisis hk [ n ] y de síntesis f k [ n ] son:
⎛ π ⎛ N −1⎞ ⎞
hk [ n ] = 2 ⋅ h [ n ] ⋅ cos ⎜ ( 2k + 1) ⋅ ⋅⎜n − ⎟ + θk ⎟
⎝ 2M ⎝ 2 ⎠ ⎠ ⎧0 ≤ n ≤ N − 1
⎨
⎛ π ⎛ N −1 ⎞ ⎞ ⎩0 ≤ k ≤ M − 1
f k [ n ] = 2 ⋅ h [ n ] ⋅ cos ⎜ ( 2k + 1) ⋅ ⋅⎜n − ⎟ − θk ⎟
⎝ 2M ⎝ 2 ⎠ ⎠
Los filtros de análisis hk [ n ] y de síntesis f k [ n ] se relacionan entre sí como se indica
en (3.16). Si se elimina el solapamiento, esta elección asegura la linealidad de fase de
la función distorsión T0 ( z ) .
⎧⎪ f k [ n ] = hk [ N − 1 − n ] ⎧0 ≤ n ≤ N − 1
⎨ ⎨ (3.16)
⎪⎩ Fk ( z ) = z ⋅ Hk ( z)
− ( N −1)
⎩0 ≤ k ≤ M − 1
π
θ k +1 = θ k ± 0 ≤ k < M −1 (3.17)
2
⎛π π⎞ ⎛π π⎞
θ0 = ± ⎜ + ⎟ y θ M −1 = ± ⎜ +m ⎟ (3.18)
⎝ 4 2⎠ ⎝ 4 2⎠
Hay varias elecciones posibles que cumplen las condiciones anteriores. La más
utilizada es
Bancos de Filtros Modulados 70
π
θ k = ( −1) 0 ≤ k ≤ M −1
k
4
Otra posible elección para θ k es:
⎧π
⎪ k par
θk = ⎨ 2
⎪⎩0 k impar
1 M −1 z −( N −1) M −1
T0 ( z ) = ⋅ ∑ H k ( z ) ⋅ Fk ( z ) = ⋅ ∑ Hk ( z ) ⋅ Hk ( z ) (3.19)
M k =0 M k =0
Sin embargo, a lo largo de los años, se han propuesto diversas técnicas de diseño de
filtros prototipo que resultan ser más eficientes que la que se rige por la expresión (3.15). Algunas
de estas técnicas se pueden encontrar en [Lin98, Cru08, Cru09] o en las referencias incluidas en
dichos trabajos.
Por otro lado, es importante resaltar que la longitud del filtro prototipo condiciona el
algoritmo rápido de realización. A modo de ejemplo, se puede indicar que para la modulación
coseno mostrada anteriormente, el algoritmo rápido es diferente en función de si la longitud del
filtro prototipo es N=2KM ó N=(2K+1)M, siendo K un número entero y M el número de
canales, y también es diferente para el caso de que K sea un número par o impar (para más detalle
de este ejemplo concreto, consultar [Koi 92, Vai93, Mit01, Vio04, Cru04]).
⎛π ⎞
hi [ n ] = k1 ⋅ p1 [ n ] ⋅ cos ⎜ ⋅ i ⋅ n ⎟ , i = 0, i = M , (3.20a)
⎝M ⎠
⎛π ⎞
hi [ n ] = k2 ⋅ p1 [ n ] ⋅ cos ⎜ ⋅ i ⋅ n ⎟ , 1 ≤ i ≤ ( M − 1) , (3.20b)
⎝M ⎠
⎛π ⎞
hi' [ n ] = k2 ⋅ p1 [ n − M ] ⋅ sen ⎜ i ( n − M ) ⎟ , 1 ≤ i ≤ ( M − 1) , (3.20c)
⎝M ⎠
f i [ n ] = hi [ N + M − n ] , 0≤i≤M , (3.20d)
siendo hi [ n ] y hi' [ n ] son los filtros que conforman el banco de análisis, fi [ n ] y fi ' [ n ] los filtros
que conforman el banco de síntesis, p1 [ n ] el filtro prototipo, y k1 y k2 son constantes.
Otra técnica conocida para el diseño de bancos de filtros consiste en aplicar una
modulación de tipo exponencial al filtro prototipo. Si un filtro prototipo es útil para diseñar un
banco de filtros coseno-modulado de M canales, también se puede emplear para sistemas de 2M
canales obtenidos mediante una modulación exponencial.
hk [ n ] = c1 ⋅ p1 [ n ] ⋅ W2−M( k + k2 )( n + n2 ) , (3.21a)
f k [ n ] = c2 ⋅ p2 [ n ] ⋅ W2−M( k + k1 )( n + n1 ) , (3.21b)
H k ( z ) = P1 ( zWMk ) ⋅ WMk (α ⋅ D + β M 2) 2
, (3.22a)
Fk ( z ) = M ⋅ P2 ( zWMk ) ⋅ WMk (α ⋅ D − β M 2) 2
, (3.22b)
donde M es el número de subbandas o canales, D es una constante que indica un retardo y que
está relacionada con Lp , WM = e − j 2π M , y los parámetros α y β dependen del tipo de sistema
MDFT. En numerosas ocasiones, P1 ( z ) = P2 ( z ) = P ( z ) .
Otro tipo de modulación que ha sido ampliamente utilizada por diversos autores es la que
da lugar al Exponentially Modulated Filter Banks -bancos de filtros modulados exponencialmente
EMFB. En esta modulación [Vio04, Vio06a, Vio06b], los bancos de análisis y de síntesis se
definen como
2 ( k +1 2 )( N − n + ( M 2 +1) 2 )
hk [ n ] = ⋅ p1 [ n ] ⋅ WM , (3.23a)
M
4 − ( k +1 2 ) ( n + ( M 2 +1) 2 )
fk [ n] = ⋅ p2 [ n ] ⋅ WM . (3.23b)
M
Bancos de Filtros Modulados 72
Los sistemas MDFT y EMFB están relacionados y se pueden deducir del GDFT-FB
(Generalized DFT Filter Bank - banco de filtros DFT generalizado) [Vio04]. Otro caso particular
de banco de filtros GDFT es la transformada solapada compleja modulada (Modulated Complex
Lapped Transform -MCLT), de la que existen algoritmos rápidos de implementación basados en
bancos de filtros coseno y seno modulados, cuya implementación eficiente se basa en las
transformadas discretas del coseno y del seno, y otros algoritmos que se basan en algoritmos
eficientes con la FFT similares a los indicados con anterioridad. Cuando el filtro prototipo es una
función seno de una longitud concreta, también se pueden obtener algoritmos rápidos [Mal03].
3.4 Conclusiones
• Los bancos de filtros modulados de M canales son más fáciles de diseñar que los
restantes, puesto que sólo es necesario obtener uno o dos filtros prototipos.
• Los esquemas de modulación basados en la DFT se pueden realizar empleando
algoritmos rápidos de cálculo. Sin embargo, si la banda de transición del prototipo es
estrecha, la atenuación en la banda eliminada es pequeña. Además los coeficientes de
los filtros de análisis y de síntesis son en general números complejos.
• Las transformadas solapadas tienen filtros de análisis idénticos a los filtros de síntesis
y las salidas de los bancos se pueden obtener utilizando algoritmos rápidos de cálculo
basados en la DCT y la DST. El principal inconveniente que presentan se debe la
limitación impuesta en las longitudes de los filtros.
• Los bancos de filtros coseno modulado de reconstrucción perfecta presentan las
mismas dificultades en la etapa de diseño que los bancos de filtros generales de M
canales.
• Los bancos de reconstrucción aproximada simplifican la fase de diseño del banco de
filtros, tolerando de manera controlada las distorsiones de amplitud y fase (que se
puede anular en función del tipo de modulación elegida) y el error de solapamiento.
Referencias Bibliográficas
[Ans85] R. Ansari, "Elliptic filter design for a class of generalized halfband filters," IEEE
Transactions on Acoustics, Speech and Signal Processing, vol. 33, no. 5, pp. 1146-1150, Oct.
1985
[Bur98] C. S. Burrus, R. A. Gopinath, H. Guo. Introduction to Wavelets and Wavelet Transforms.
New Jersey, Prentice-Hall, 1998.
[Cha98] S. C. Chan, Y. Luo, K. L. Ho, "M-channel compactly supported biorthogonal cosine-
modulated wavelet bases," IEEE Transactions on Signal Processing, vol. 46, no. 4, pp.
1142-1151, Apr. 1998.
[Cha99] S. C. Chan, A. Nallanathan, T. S. Ng, P. C. K. Kwok, "A class of M-channel linear-
phase biorthogonal filter banks and their applications to subband coding," IEEE
Transactions on Signal Processing, vol. 47, no. 2, pp. 564-571, Feb. 1999.
[Chu85] P. L. Chu, "Quadrature Mirror Filter design for an arbitrary number of equal
bandwidth channels," IEEE Transactions on Acoustics, Speech, and Signal Processing, vol.
33, no. 1, pp. 203-218, Feb. 1985.
[Cro76] A. Croisier, D. Esteban, C. Galand, "Perfect channel splitting by use of
interpolation/decimation/tree decomposition techniques", in Proc. of Int. Symp. on
Info., Circuits and Systems, Patras, Greece, 1976.
[Cro83] R. E. Crochiere, L. R. Rabiner, Multirate Digital Signal Processing. New Jersey, Prentice-
Hall, 1983.
[Cru04] F. Cruz-Roldán, M. Monteagudo, “Efficient implementation of nearly-perfect
reconstruction cosine-modulated filterbanks”, IEEE Trans. on Signal Processing, vol.
52, no. 9, pp. 2661-2664, Sep. 2004.
[Cru08] F. Cruz-Roldán, C. Heneghan, J. Saez-Landete, M. Blanco-Velasco, and P. Amo-
López, “Multi-objective optimisation technique to design digital filters for modulated
multi-rate systems”, Electronics Letters, vol. 44, no. 13, pp. 828-829, Jun. 2008.
73
Referencias Bibliográficas 74