Salta al contenido principal

Sección 2.6 Filtros y sistemas LTI

En este capítulo, pensaremos en un sistema como algo que actua sobre una señal.
Ejemplos de tales sistemas pueden ser tan sencillos como un objeto físico moviéndose según las leyes Newtonianas de la mecánica, o tan complicadas como un coche con conducción autónoma, o la economía de un país. Claro está que para tener alguna posibilidad de tratar sistemas así, tenemos que simplificar al máximo y quedarnos solamente con las propiedades esenciales. Si optamos por una modelización matemática, y además nos restringimos a sistemas lineales e invariantes en el tiempo, que son propiedades que trataremos en un momento, podremos utilizar una gran variedad de herramientas para el análisis del sistema.
Normalmente, representaremos un sistema mediante un diagrama de bloques, cuyo caso más sencillo es el siguiente:
Figura 2.6.1. Un croquis que representa un sistema
De manera muy abstracta, podemos representar el efecto del sistema \(F\) sobre la entrada \(x(t)\) como
\begin{equation*} y(t) \ = \ F[x(t)]. \end{equation*}
Unos posibles ejemplos en los que el "pasado" de \(x(t)\) influye en la acción de \(F\) son:
\begin{align*} y(t) &= \int_{t-2}^{t+1} x(\xi)^2 \dd \xi,\\ y(t) &= x(t) + \sum_{i=1}^N x(t-n\Delta t). \end{align*}
En el segundo caso, \(\Delta t\) es un intervalo constante de tiempo, y por tanto en \(y(t)\) influyen la entrada en el mismo momento \(t\text{,}\) como los valores de la señal de entrada en \(N\) copias retardadas en el tiempo.
Las siglas LTI significan linear time-independent, o lineal e independientes del tiempo.
  1. Lineal quiere decir: Si
    • \(y_1(t)\) es la salida correspondiente a una señal \(x_1(t)\text{,}\) y
    • \(y_2(t)\) es la salida correspondiente a una señal \(x_2(t)\text{,}\) y
    • \(a\) y \(b\) son constantes,
    entonces
    • el sistema transforma la señal
      \begin{equation*} x(t) \ = \ a x_1(t) + b x_2(t) \end{equation*}
      en la señal
      \begin{equation*} y(t) \ = \ a y_1(t) + b y_2(t)\text{.} \end{equation*}
    Figura 2.6.2. Si entra una combinación lineal, sale otra combinación lineal
  2. Invariante en el tiempo quiere decir: Un desplazamiento temporal en la entrada implica el mismo deplazamiento temporal en la salida
    Figura 2.6.3. Si una señal entra desfasada, la respuesta es la misma, pero desfasada
Ya hemos visto muchos ejemplos de sistemas lineales, por tanto ahora veremos de manera breve ejemplos de sistemas no lineales, uno sí y otro no invariante en el tiempo.

Ejemplo 2.6.4. Sistemas invariantes y no invariantes en el tiempo.

Un ejemplo de un sistema no invariante en el tiempo, en particular no LTI, es
\begin{equation*} y(t) \ = \ F_1[x(t)] \ = \ \int_0^t \sqrt{x(\xi)}\dd\xi. \end{equation*}
Para ver que el sistema no es invariante en el tiempo, reemplazamos \(x(t)\) por \(x(t-t_0)\) en el lado izquierdo y en el lado derecho por separado, y vemos si sale lo mismo.
En el lado derecho sale
\begin{align*} F_1[x(t-t_0)] &\ = \ \int_0^t \sqrt{x(\xi-t_0)}\dd\xi\\ &\ = \ \int_{-t_0}^{t-t_0} \sqrt{x(\eta)}\dd\eta \end{align*}
Por otra parte, en el lado izquierdo sale
\begin{equation*} y(t-t_0) \ = \ \int_0^{t-t_0} \sqrt{x(\xi)}\dd\xi, \end{equation*}
y estas expresiones no son iguales. Por tanto, el sistema \(F_1\) no es invariante en el tiempo.
Como ejemplo de un sistema que sí es invariante en el tiempo, escogemos
\begin{equation*} y(t) \ = \ F_2[x(t)] \ = \ \int_{t-5}^t x(\xi)^2 \dd\xi. \end{equation*}
Después de reemplazar \(x(t)\) por \(x(t-t_0)\text{,}\) el lado derecho es
\begin{equation*} \int_{t-5}^t x(\xi-t_0)^2 \dd\xi \ \stackrel{\eta=\xi-t_0}{=} \ \int_{t-5-t_0}^{t-t_0} x(\eta)^2\dd\eta, \end{equation*}
mientras que el lado izquierdo es
\begin{equation*} y(t-t_0) \ = \ \int_{t-t_0-5}^{t-t_0} x(\xi)^2\dd\xi, \end{equation*}
lo cual es la misma expresión. Por eso, el sistema \(F_2\) es invariante en el tiempo.
En esta sección trabajamos con sistemas LTI que modifican las frecuencias de la señal de entrada.

Subsección 2.6.1 Ecuación temporal de un sistema LTI

Hay una señal \(h(t)\) que caracteriza cómo actua cualquier sistema LTI.
  • ¿Cómo? ¡Mediante la convolución!
  • ¿Quién es esta señal maǵica \(h(t)\text{?}\) ¡La respuesta al impulso!

Definición 2.6.5.

A la salida \(h(t)\) del sistema cuando lo estimulamos con una distribución de Dirac, centrada en 0,
\begin{equation*} h(t) \ := \ F[\delta(t)], \end{equation*}
se le llama la respuesta al impulso del sistema.

Demostración.

Utilizando la propiedad del filtraje Teorema 2.4.5, que dice que
\begin{equation*} x(t) \ = \ \int_\RR x(\xi)\delta(t-\xi)\dd\xi\text{,} \end{equation*}
sale
\begin{align*} y(t) &= F\left[ \int_\RR x(\xi)\delta(t-\xi)\dd\xi \right]\\ &\stackrel{\text{linealidad}}{=} \int_\RR x(\xi)F[\delta(t-\xi)]\dd\xi \\ &\stackrel{\text{invariante en el tiempo}}{=} \int_\RR x(\xi) h(t-\xi)\dd\xi\\ &= x(t)\star h(t). \end{align*}
Figura 2.6.7. Representación de un sistema LTI mediante su respuesta al impulso \(h(t)\)

Nota 2.6.8.

Podemos combrobar que
\begin{equation*} F[\delta(t)] \ = \ \delta(t)\star h(t) \ = \ h(t) \end{equation*}
mediante el Teorema 2.4.6, que afirma que la convolución con una delta es un retraso temporal:
\begin{equation*} \delta(t)\star h(t) \ = \ h(t)\star\delta_0(t) \ = \ h(t-0) \ = \ h(t). \end{equation*}

Subsección 2.6.2 Filtros

Combinar la teoría de los sistemas LTI con la transformada de Fourier nos permite diseñar filtros de frecuencias.
Necesitamos dos ingredientes:
  • la transformada de Fourier de una convolución es el producto de las transformadas
  • Si \(\widehat h(\omega)\) tiene la forma
    \begin{equation*} \widehat h(\omega) \ = \ \begin{cases} a & \omega\in[\omega_1,\omega_2] \\ 0 & \text{ para los demás }\omega \end{cases}, \end{equation*}
    entonces el efecto de multiplicar
    \begin{equation*} \widehat x(\omega)\cdot \widehat h(\omega) \end{equation*}
    es el de
    • suprimir todas las frecuencias fuera del rango \([\omega_1,\omega_2]\text{,}\)
    • multiplicar todas las contribuciones de las frecuencias en \([\omega_1,\omega_2]\) por una constante \(a\text{.}\)
La transformada de Fourier de la respuesta al impulso juega un papel tan importante en aplicaciones que recibe su propio nombre:

Definición 2.6.9.

La función de transferencia de un sistema LTI con respuesta al impulso \(h(t)\) es \(\widehat h(\omega)\text{.}\)
Figura 2.6.10. Representación de un sistema LTI mediante su función de transferencia \(\widehat h(\omega)\)
Dos ejemplos muy importantes de filtros son los filtros pasa-bajo y los filtros pasa-altos. Aprovechamos estos ejemplos para ver cómo calcular la transformada de Fourier de una función periódica.

Ejemplo 2.6.11. Filtro pasa-bajo y filtro pasa-alto.

Escogemos como señal una función periódica \(x(t)\) compuesta por tres frecuencias, compara la Figura 2.6.12:
\begin{equation*} x(t) \ = \ \sin(t) + \sin(4t) + \tfrac{1}{2}\sin(16t). \end{equation*}
described in detail following the image
La señal de entrada \(x(t)\)
Figura 2.6.12. La señal de entrada \(x(t)\)
Aplicando que la transformada de Fourier del seno es
\begin{equation*} \cF(\sin(at)) \ = \ -\ii\pi\big(\delta(\omega-a)-\delta(\omega+a)\big), \end{equation*}
la transformada de Fourier de \(x(t)\) es
\begin{align*} \widehat x(t) &= -\ii\pi\big(\delta(\omega-1)-\delta(\omega+1)\big)\\ &\quad{} -\ii\pi\big(\delta(\omega-4)-\delta(\omega+4)\big)\\ &\quad{} -\tfrac12 \ii\pi\big(\delta(\omega-16)-\delta(\omega+16)\big), \end{align*}
y por tanto su espectro es tal y como lo vemos en
described in detail following the image
Espectro \(\widehat x(\omega)\) de la señal de entrada
Figura 2.6.13. Espectro \(\widehat x(\omega)\) de la señal de entrada
Aplicamos un filtro que solamente deja pasar las frecuencias más pequeñas que \(\omega=6\text{:}\)
described in detail following the image
Filtro que solamente deja pasar frecuencias \(|\omega|\le 6\)
Figura 2.6.14. Filtro que solamente deja pasar frecuencias \(|\omega|\le 6\)
El resultado es
described in detail following the image
Espectro \(\widehat x(\omega)\) de la señal de entrada
Figura 2.6.15. Espectro \(\widehat x(\omega)\) de la señal de entrada, después de pasar por un filtro pasa-bajo
En cambio, un filtro pasa-alto solamente deja pasar frecuencias más altas, por ejemplo todas más altas que \(\omega=3\text{:}\)
described in detail following the image
Filtro que solamente deja pasar frecuencias \(|\omega|\ge 3\)
Figura 2.6.16. Filtro que solamente deja pasar frecuencias \(|\omega|\ge 3\)
El resultado es
described in detail following the image
Espectro \(\widehat x(\omega)\) de la señal de entrada
Figura 2.6.17. Espectro \(\widehat x(\omega)\) de la señal de entrada, después de pasar por un filtro pasa-bajo
La señal original y los resultados de aplicar estos dos filtros se pueden ver en Figura 2.6.18--Figura 2.6.20. Podemos comprobar que el filtro pasa-bajo elimina las frecuencias altas, mientras que el filtro pasa-alto elimina las frecuencias bajas.
Señal original
Figura 2.6.18. Señal original
Aplicado el filtro pasa-bajo
Figura 2.6.19. Aplicado el filtro pasa-bajo
Aplicado el filtro pasa-alto
Figura 2.6.20. Aplicado el filtro pasa-alto

Ejercicios Ejercicios

1.
En el Ejemplo 2.6.11 se han elegido los filtros de manera simétrica respecto del origen. Investiga qué pasa si no respetamos este principio, aplicando un filtro que deja pasar solamente frecuencias \(\omega\) con \(0 < \omega < 6\) a la función de Ejemplo 2.6.11.
Figura 2.6.21. ¿Cuál es el resultado de aplicar el filtro morado a este espectro?

Subsección 2.6.3 Aplicaciones de filtros

  • Un ejemplo es este applet
     1 
    bigwww.epfl.ch/demo/ip/demos/FFT-filtering/
    que demuestra cómo funcionan los filtros pasa-bajo y pasa-alto en el caso de imágenes 2d.
  • Otro ejemplo son los imágenes híbridos
     2 
    en.wikipedia.org/wiki/Hybrid_image
    .
  • Algunas versiones de esteganografía
     3 
    en.wikipedia.org/wiki/Steganography
    usan también ideas similares.