La separación de señales de audio es una piedra angular del procesamiento digital moderno de señales, que permite todo desde la cancelación de ruido en los auriculares hasta la transcripción de la música polifónica. La capacidad de descomponer un flujo de audio complejo en sus partes constitutivas, como separar la voz de un altavoz del tráfico de fondo o aislar instrumentos individuales en una mezcla, permite una serie de tecnologías prácticas.

Comprender los bancos de filtros

Un banco de filtros es un conjunto de filtros de bandpass que dividen una señal de entrada en múltiples sub-bandas de frecuencia. Cada sub-banda contiene una región específica del espectro de frecuencias, permitiendo el procesamiento posterior a los componentes de frecuencia particulares sin afectar el resto. Esta descomposición es fundamental para muchos sistemas de audio y comunicación, incluyendo codificación de sub-bandas, ecuaciones gráficas y procesamiento de señales multivalorales.

Análisis y síntesis

Un sistema de banco de filtros completos normalmente funciona en dos fases: análisis y síntesis. Durante la fase análisis, la señal de entrada se introduce en una gama paralela de filtros de banda. Cada filtro se aísla a un rango de frecuencia, produciendo una señal de sub-banda correspondiente.

Tipos de bancos de filtros

  • ]Bancos de filtro uniformes: Todos los sub-bandas tienen igual ancho de banda (por ejemplo, un banco de 32 bandas con frecuencias de centro igualmente espaciadas). Estos son comunes en estándares de codificación de audio como MP3 (mediante la transformación discreta cosina modificada) y en los códigos de transformación perceptual tempranos.
  • Bancos de filtro no uniformes: Los sub-bandas varían en ancho de banda, a menudo en consonancia con la resolución de frecuencia del oído (narrower at low frecuenciancies, broad at high frecuencias). Este enfoque se utiliza en el procesamiento de habla y audífonos.
  • ]Bancos filtrantes de muestras rítmicas: La tasa total de muestreo después de la decimación equivale a la tasa de muestreo original, maximizando la eficiencia. Un ejemplo clásico es el banco de dos canales de filtro de cuadrícula de espejo (QMF), que divide el espectro en mitades bajas y altas.
  • ]Bancos de filtros de superficie: La suma de las tasas de muestreo de banda subsuperior supera la tasa de entrada, ofreciendo robustez al diseño de filtros de alias y más simples. Comúnmente utilizado en el filtrado adaptativo y separación de fuentes.

Consideraciones clave de diseño

Para aplicaciones críticas, se puede requerir una reconstrucción perfecta con fase lineal, lo que a menudo conduce al uso de filtros Finite Impulse Response (FIR) sin embargo, cuando la eficiencia es desmontable y una distorsión de fase es aceptable, los filtros IIR ofrecen una alternativa convincente, como veremos de manera eficiente.

Función de los filtros IIR en el procesamiento de audio

Los filtros de respuesta impulse infinito (IIR) son una clase de filtros digitales definidos por su estructura recursiva: la salida depende tanto de los insumos actuales como anteriores, así como de los productos pasados. Esta retroalimentación da IIR filtra la capacidad de lograr respuestas de magnitud aguda con mucho menos coeficientes que un diseño FIR equivalente. Como resultado, son altamente atractivos para aplicaciones de audio en tiempo real donde se limitan ciclos de procesadores y memoria.

IIR vs. FIR Filters

La elección entre IIR y FIR se centra en algunos cambios clave. Los filtros FIR son inherentemente estables y pueden alcanzar fácilmente la fase lineal (tras demora constante del grupo), que es deseable para preservar la forma de onda en aplicaciones como cruces de audio. Sin embargo, lograr una empinada redondeada requiere cientos o incluso miles de tapices, lo que conduce a un alto costo computacional y latencia.

Tipos de filtro IIR comunes

  • Butterworth: Banda máxima plana, redondeo suave. Bien para aplicaciones que no requieren ondulaciones, como filtros anti-aliasing.
  • Chebyshev Tipo I y II: El rodillo de la correa de la Butterworth pero con la onda de la banda (Tipo I) o el tapón (Tipo II). Adecuado cuando el ancho de banda de transición es crítico.
  • Elíptico (Cauer): El más agudo de un orden dado, con onda en ambos lados y la cinta de parada. Se utiliza cuando se necesita la máxima eficiencia, pero se requiere un diseño cuidadoso para minimizar los artefactos audibles.
  • Bessel: Retraso de grupo máximo, preservando la forma de onda al costo de la redondez más lenta. Útil en aplicaciones críticas de tiempo en las que la linealidad de fase importa más que la amplitud.

Para la separación de señales de audio, los filtros elípticos se favorecen a menudo en las implementaciones de los bancos de filtro porque proporcionan un excelente aislamiento de canal con recursos computacionales mínimos. Un filtro elíptico de cuarto orden puede lograr atenuación de banda de parada de 60 dB o más, lo cual es suficiente para evitar fugas de canales cruzados en muchas tareas de separación.

Combinando bancos de filtros y filtros IIR

El matrimonio de los bancos de filtros y los filtros IIR crea un potente marco de peso ligero para la separación de señales de audio. La idea principal es reemplazar los filtros FIR computacionalmente caros en un banco de filtros convencional con filtros IIR de alta eficiencia. Esto reduce tanto el número de coeficientes como las operaciones aritméticas por muestra, permitiendo el funcionamiento en tiempo real en dispositivos de baja potencia, como audífonos inteligentes y teléfonos móviles.

Arquitectura general

En un típico banco de filtros de análisis basados en IIR:

  1. La señal de entrada se divide en N bandas de frecuencias usando un banco de filtros de análisis compuesto por bandas IIR o pares de bajapass/highpass.
  2. Cada señal de sub-banda es opcionalmente decimado (desampliado) para reducir la tasa de muestra a la tasa de Nyquist para ese ancho de banda. La declinación reduce la carga de procesamiento en etapas posteriores.
  3. Se aplica el procesamiento individual de la submarina, como ajuste de ganancia, fijación de ruido, filtrado adaptable o resta espectral.
  4. Los sub-bandas procesados se remontan a la tasa de muestra original y pasaron a través de un banco de filtro de síntesis, también implementado con filtros IIR, para reconstruir la señal de salida.

Los filtros de síntesis están diseñados para cancelar el aliasing introducido por la decimación y la interpolación. Para un sistema de reconstrucción perfecto, las respuestas de frecuencia de análisis y filtro de síntesis deben satisfacer la condición de cancelación de alias. Para los filtros IIR, esto es más difícil debido a su fase no lineal, pero se puede lograr con un diseño cuidadoso de estructuras basadas en el alpaso o mediante filtros IIR de fase lineal.

Ejemplo de banco de filtros de dos canales

Considere un simple banco de filtros de dos canales que divide el espectro de audio en mitades bajas y altas. Utilice un filtro IIR de bajapasa (por ejemplo, un Butterworth de cuarto orden) y un filtro IIR de altapass complementario.

  • Lowpass: Extrae frecuencias por debajo del punto de cruce (por ejemplo, 1 kHz).
  • Highpass: Extrae frecuencias por encima de la cruz.

Después de la decimación por 2, cada sub-banda se procesa independientemente. Por ejemplo, la banda baja podría ser comprimido para el control de rango dinámico, mientras que la banda alta recibe la supresión de ruido. Los filtros de síntesis deben ser idénticos a los filtros de análisis (en un banco de QMF de muestra crítica) para cancelar el alias. Sin embargo, los filtros IIR introducen el desajuste de fase que impide la cancelación perfecta.

Estructuras del banco de filtros IIR práctica

Se han desarrollado varias estructuras especializadas para incorporar filtros IIR a bancos de filtros de manera eficiente:

  • Bancos de filtros basados en algasajas: Usa filtros de alpaso para lograr respuestas de magnitud complementarias con baja complejidad. Los productos de baja y altapasa pueden derivarse a través de sumas y diferencias de productos de alpaso.
  • Filtros digitales de agua (WDF): Modelo de redes de filtros analógicos con excelentes propiedades de estabilidad y modularidad, adecuados para construir grandes bancos de filtros.
  • Filtros de polifase IIR: La descomposición de polifase también se puede aplicar a los filtros IIR, aunque la naturaleza recursiva complica la implementación eficiente. A menudo, un filtro IIR se convierte en una combinación paralela de filtros de alpaso para permitir estructuras de polifase.

Ventajas y compensaciones

Utilizar filtros IIR en bancos de filtros ofrece beneficios distintos, pero también introduce cambios que deben ser cuidadosamente considerados durante el diseño del sistema.

Ventajas

  • ]Eficiencia computacional: Los filtros IIR logran redondeos empinados con 5-10 coeficientes por banda, mientras que los equivalentes FIR pueden requerir 100 o más. Esto se traduce directamente en un menor consumo de energía y una mayor rendimiento en procesadores embebidos.
  • Pulsura de memoria: Menos coeficientes de filtro significan menos RAM y ROM, crítico para pequeños chips DSP.
  • selectividad de alta frecuencia: Los filtros IIR pueden aislar bandas muy estrechas, permitiendo una separación fina (por ejemplo, extrayendo armónicos individuales de notas musicales).
  • [Flexibilidad: La estructura biquad simple permite una reconfiguración dinámica de parámetros de filtro (frecuencia del centro, factor Q) en respuesta a la modificación del contenido de audio, permitiendo la adaptación de los bancos de filtros.

Comercios

  • ]Ferción de la planta: La respuesta en fase no lineal puede causar efectos de escarnio y artefactos audibles, especialmente en los sistemas de baja latencia utilizados para audífonos o sonido vivo. Preprocesamiento o post-ecualización puede ser necesaria.
  • Stability concerns: Los filtros IIR pueden oscilar si los coeficientes se cuantifican mal o si el orden de filtro es demasiado alto. Los biquads cascadas ayudan, pero es necesario un escalado cuidadoso.
  • Conseguir una reconstrucción perfecta: Debido a la no linealidad de fase, los bancos de filtros basados en IIR rara vez logran una reconstrucción perfecta a menos que se utilicen exclusivamente filtros de alpaso. La superación o postfiltración pueden reducir el aliado residual a niveles inaudibles.
  • Sensibilidad de los coeficientes: Los filtros IIR son más sensibles a la cuantificación de coeficiente que los filtros FIR, especialmente para los diseños de banda estrecha. Esto requiere una selección de estructura de filtro más profunda o cuidadosa (por ejemplo, usando realizaciones de la trama).

Consideraciones sobre la aplicación práctica

Implementar un banco de filtros IIR para la separación de audio en hardware real implica varios pasos prácticos. Las siguientes consideraciones ayudan a asegurar un rendimiento robusto y de alta calidad.

Diseño de filtros y Tuning

Herramientas como el sistema de procesamiento de señales de MATLAB, SciPy o entornos de desarrollo DSP dedicados permiten un prototipado rápido de filtros IIR. Para el diseño de banco de filtros, a menudo es más fácil comenzar con un filtro analógico prototipo (por ejemplo, Chebyshev Tipo II) y luego aplicar el cambio bilineal para obtener coeficientes digitales.

Constraints en tiempo real

En aplicaciones de audio en vivo, la latencia debe minimizarse. Los filtros IIR introducen inherentemente retraso en grupo, que varía con frecuencia. Para un banco de filtros con muchas bandas estrechas, el retraso en grupo puede ser notable (por ejemplo, √≥ 10 ms). Técnicas para reducir el retraso incluyen el uso de los diseños de IIR en fase mínima (que empujan el retraso lo más bajo posible para una respuesta de magnitud determinada) o el uso de subtratos múltiples que procesan

Aritmética de Potición Fija

Los DLT integrados suelen utilizar aritmética de punto fijo para ahorrar coste y potencia. Los filtros IIR son más sensibles a la cuantificación que los filtros FIR. Una práctica común es implementar cada sección de segundo orden (biquad) con acumuladores internos de doble precisión (por ejemplo, 32 bits para audio de 16 bits) para evitar ciclos límite y desbordamiento.

Pruebas y validación

Antes del despliegue, el sistema bancario de filtros completo debe ser probado con una variedad de señales de audio: tonos puros para verificar el aislamiento del canal, el habla en ruido para evaluar la calidad de separación, y la música de banda completa para comprobar el aliado audible o anomalías de fase. Medidas de objetivos tales como Ratio de señal a distorsión (SDR) y Evaluación Perceptual de Calidad de audio (PEAQ) pueden complementar las pruebas de uso de escucha subje.

Aplicaciones

La combinación de los bancos de filtros y los filtros IIR se ha aplicado con éxito en numerosas tareas de separación de audio en todas las industrias.

Mejora del discurso y reducción del ruido

En telecomunicaciones, auriculares y audífonos, un banco filtrante descompone la señal del micrófono en bandas de frecuencia. Los filtros de banda IIR aíslan el espectro del habla (típicamente 300 Hz – 3.4 kHz) y aplican la supresión del ruido en otras bandas usando subtracción espectral o ganancias basadas en niveles de ruido estimados. Debido a que el banco de filtros funciona en tiempo real en un subproceso de banda baja, los usuarios experimentan la carga de audio computa

Separación de la fuente de música

Los instrumentos separados de una grabación mixta (por ejemplo, extraer voces o tambores) pueden ser realizados con bancos de filtro no uniformes que imitan las bandas críticas del oído humano. Los filtros IIR permiten la separación en tiempo real para el refuerzo del sonido en vivo o sistemas de karaoke. Mientras que los enfoques de aprendizaje profundo se han vuelto dominantes, los bancos de filtros basados en IIR todavía se utilizan para preprocesar para reducir la dimensionalidad o para aplicaciones de baja latencia como las redes de retrasos.

Cancelación de Eco acústico

En la telefonía sin manos, se entrena un filtro adaptable para modelar la ruta del eco acústico. Colocar la adaptación en el dominio de la submarina usando un banco de filtros IIR reduce el tiempo de convergencia y el costo computacional. Cada subbanda procesa un ancho de banda más estrecho, permitiendo longitudes de filtro más largas con menos coeficientes en general.

Procesamiento de señales biomédicas

Más allá del audio, los bancos de filtros IIR se utilizan para separar las señales EEG o ECG en los ritmos de frecuencia (delta, theta, alpha, beta). La eficiencia de los filtros IIR permite que los dispositivos portátiles de uso realicen análisis en tiempo real para el monitoreo del sueño o la detección de convulsiones.

Conclusión

Los bancos de filtros combinados con filtros IIR ofrecen un enfoque eficiente y práctico de separación de señales de audio que equilibra el costo computacional con la calidad de separación. Al aprovechar la naturaleza recursiva de los filtros IIR, los ingenieros pueden construir sistemas con pendientes de filtro empinadas, uso de memoria baja y rendimiento en tiempo real en hardware con recursos.

Para más información sobre el diseño y la implementación de filtros digitales, vea el libro de texto autorizado La Guía de Científicos e Ingenieros para el procesamiento de señales digitales de Steven W. Smith. Ejemplos prácticos de diseño de filtros IIR pueden encontrarse en MathWorks’ IIR Filtro de diseño [FLT]