La opción Filtros digitales de FlexPro le ofrece algoritmos para diseñar filtros IIR y FIR, así como filtros para alisar datos. El asistente para análisis permite diseñar los distintos filtros IIR y FIR en función de las especificaciones. Tras el diseño, los resultados pueden almacenarse directamente como objetos y documentos en la lista de objetos de FlexPro.
Diseño de filtros
FlexPro ofrece tres procedimientos para el diseño de filtros, dos alternativas para el diseño de filtros FIR (Finite Impulse Response) y una para el diseño de filtros IIR (Infinite Impulse Response). Estos procedimientos se presentan en el tutorial Filtros digitales. Los coeficientes del filtro pueden calcularse y el filtro diseñado puede aplicarse directamente a una señal de entrada. También existe la opción de una corrección de fase.
Filtro FIR
El diseño del filtro mediante el método de ventana es probablemente la opción más popular para diseñar filtros FIR. Esta técnica de diseño se basa en la aproximación directa de la respuesta de frecuencia deseada del sistema discreto en el tiempo. Los coeficientes del filtro se determinan a partir de la respuesta al impulso del filtro que se va a realizar. En principio, este método sería exacto, pero como la respuesta al impulso debe tener una longitud finita, se producen desviaciones más o menos grandes, que son especialmente molestas en la atenuación de rechazo alcanzable y la pendiente del flanco.
Para el objeto de análisis Filtro FIR (método de ventana) se dispone de diversas funciones de ventana (rectangular, Bartlett, Hamming, Hamming generalizado, Hanning, Blackman, Kaiser, Chebyshev), con las que se puede influir tanto en la atenuación de rechazo como en la pendiente del flanco. La ventana Kaiser y la ventana Chebyshev desempeñan aquí un papel especial, ya que en ambas ventanas se puede influir en la atenuación de rechazo y en la pendiente del flanco mediante parámetros ajustables libremente.
El diseño de filtros FIR mediante el método de ventana tiene el inconveniente de que no se puede influir en el error de aproximación en diferentes rangos de frecuencia. Por lo tanto, suele ser mejor introducir la estrategia minimax (minimización del error máximo) o un criterio de error con ponderación de frecuencia para el diseño del filtro. Así se obtiene el "mejor" filtro que puede lograrse para una especificación determinada. El método Parks-McClellan utiliza el algoritmo Remez-Exchange (Equiripple FIR) en un procedimiento de iteración para proporcionar la solución del filtro FIR que requiera el mínimo esfuerzo. Como este método de aproximación puede utilizarse para generar filtros con ondulación constante tanto en la banda de paso como en la de rechazo, los filtros también se conocen como filtros Equiripple. Se trata de un algoritmo de optimización basado en polinomios de Chebyshev que proporciona un número mínimo de coeficientes del filtro. Para el filtro deseado, se forma una función de error a partir de una combinación lineal de funciones coseno y se minimiza mediante un método de optimización eficaz.
Con el objeto de análisis Filtro FIR (método Equirriple) se pueden diseñar filtros multibanda de libre definición, además de filtros de paso bajo, paso alto, pasa banda y elimina banda. Para ello, se pueden especificar bandas para las que se dan las frecuencias de corte, las amplificaciones correspondientes y el error de aproximación.
Filtro IIR
Puede utilizar el objeto de análisis Filtro IIR para diseñar filtros que tengan realimentación interna (filtros recursivos). Para ello, existen diversas características del filtro: filtro Bessel, filtro Butterworth, filtro Chebyshev, filtro Chebyshev inverso (filtro Chebyshev II) y filtro elíptico (filtro Cauer). Esto permite diseñar filtros de paso bajo, paso alto, pasa banda y elimina banda.
Filtro CFC
CFC es la abreviatura de Channel Frequency Class (clase de frecuencia de canal). Se trata de un filtro Butterworth de cuatro polos sin fase. El filtro CFC se utiliza en particular para pruebas de impacto y se describe con más detalle en las normas ISO 6487 y SAE J211 (cálculo del filtro CFC).
Filtro de alisado SavitzkyGolay
Este filtro utiliza el alisado polinómico según Savitzky y Golay. Los datos se ponderan mediante coeficientes del filtro (algoritmo de SavitzkyGolay). A diferencia de un filtro de valor medio, que reduce la altura de un máximo local (pico) y simultáneamente amplía el pico, el SavitzkyGolayFilter deja el máximo local prácticamente inalterado. Por ello, este filtro es el preferido, por ejemplo, en espectroscopia.
Filtros LOESS y LOWESS
LOESS y LOWESS son procedimientos de alisado muy comunes que utilizan una función de regresión ponderada localmente ("locally weighted regression"). El procedimiento utiliza una función de ponderación que hace que la influencia de un valor muestreado vecino en el alisado de un punto disminuya con la distancia a ese punto. Los valores atípicos se ponderan menos que con otros procedimientos. La elección del parámetro de alisado, que refleja el porcentaje de los valores muestreados que se incluyen en el cálculo para un punto, es decisiva. Además, se utilizan dos tipos de ponderaciones, las de vecindad y las de robustez (algoritmo LOESS/LOWESS). LoessFilter utilizan una función de ponderación cuadrática y LowessFilter utilizan una función de ponderación lineal.
Filtro de Gauss
Este filtro filtra un conjunto de datos por convolución con una distribución normal gaussiana. Se pueden diseñar un paso bajo, paso alto, pasa banda y elimina banda de Gauss. Con la ayuda del filtro de paso bajo de Gauss, se puede conseguir un alisado mejor que con la media móvil.
Objetos de análisis
Objeto de análisis Filtro FIR (método de ventana)
Objeto de análisis Filtro FIR (método Equiripple)