Código

TALLER 3
Versión
Filtros digitales
Fecha

Docente: Juan Pablo Villegas Ceballos

Programa académico: Telecomunicaciones
Asignatura: Procesamiento de señales II Código: PST104 Grupo: 03
Período académico: 2021-I Fecha de entrega: 13 de Julio de 2021
Estudiante #1 Iván Andrés Anaya Estrada
Estudiante #2 Iván Camilo Rave

Indicaciones:
• El taller deberá ser entregado en la fecha estipulada. Si hay inconvenientes con la entrega para la fecha
indicada se deberá informar con anterioridad.
• La identificación de copia en el taller tendrá una nota de 0.0 para los grupos implicados.
• Este taller hace parte del sexto ítem evaluativo de la asignatura el cual tiene una ponderación de 20% de
la nota final de la asignatura.

Ejercicios

1. (100 Puntos) Calcule la función de transferencia G(z) de un filtro pasa-altas IIR utilizando el comando
bilinear de MATLAB cumpliendo los siguientes parámetros de acuerdo con el rango en que se encuentre
su apellido [1 FILTRO por cada integrante del grupo, si el apellido está en el mismo rango proponer una
modificación al asignado]:

RANGO de Parámetros del filtro

Apellidos
Tipo de filtro: Butterworth,
Frecuencia de corte: 300 Hz,
De Acevedo Atenuación de por lo menos 20 dB a 100 Hz.
hasta Ballesteros Frecuencia de muestreo: 3 kHz.
Tipo de filtro: Butterworth,
Frecuencia de corte: 1 kHz,
De Botero-hasta Atenuación de por lo menos 60 dB a 50Hz.
Espinosa Frecuencia de muestreo: 10 kHz.
Tipo de filtro: Butterworth,
Frecuencia de corte: 500 Hz,
De Gómez hasta Atenuación de por lo menos 10 dB a 250Hz.
Montoya Frecuencia de muestreo: 5 kHz.
Tipo de filtro: Butterworth,
Frecuencia de corte: 10 kHz,
De Morales Atenuación de por lo menos 70 dB a 500 Hz.
hasta Romero Frecuencia de muestreo: 100 kHz.
De Salazar hasta Tipo de filtro: Butterworth,
Tirado Frecuencia de corte: 5 kHz,

Página 1 de 23
 Código
TALLER 3
Versión
Filtros digitales
Fecha

Atenuación de por lo menos 80 dB a 100Hz.

Frecuencia de muestreo: 50 kHz.

Compare con la gráfica de magnitud obtenida de un filtro pasa-altas análogo con la misma especificación.

Pueden tomar como base en siguiente código y

completar las partes faltantes:
fc=
fs=
wc=2*pi*fc;
T=1/fs;
f=1:10:fs/2;

[numd,dend]=bilinear(num1,den1,1/T)
Gs=freqz(numd,dend,fs/20,fs);
semilogx(f,20.*log10(abs(Gs)));

Coloque en este cuadro la Función de transferencia y grafica del filtro diseñado:

Iván Andrés Anaya Estrada (-20db a 100Hz)

fc=300
fs=3000
wc=2*pi*fc;
T=1/fs;
f=1:10:fs/2;

[z,p,k]=buttap(2);
[num,den]=zp2tf(z,p,k);

[num1,den1]=lp2hp(num,den,wc);

[numd,dend]=bilinear(num1,den1,1/T)

Gs=freqz(numd,dend,fs/20,fs);
Página 2 de 23
 Código
TALLER 3
Versión
Filtros digitales
Fecha

semilogx(f,20.*log10(abs(Gs)));

Comparando los dos filtros (análogo y digital) con los mismos parámetros se observa la mayor diferencia en la
banda de transición el digital es más redondeado en la pendiente por lo que el punto de atenuación no coincide en
la misma frecuencia, en mi experiencia con el audio este tipo de filtro (análogo) se usa cuando se busca un corte
mas natural en los sonidos, en cambio los digitales se usan cuando se busca un corte agresivo y mas pronunciado.

Ivan Camilo Rave (-70db a 500Hz)

[z,p,k]=buttap(3);

Página 3 de 23
 Código
TALLER 3
Versión
Filtros digitales
Fecha

[b,a]=zp2tf(z,p,k); f=1:1:100; fc=10000; [bn,an]=lp2lp(b,a,fc);

Gs=freqs(bn,an,f);
semilogx(f,20.*log10(abs(Gs)));
xlabel('Frecuencia en Hz - escala log');
ylabel('Magnitud (dB)'); title('Filtro Pasa-altas Digital,Ejemplo 1'); grid

fc=10000
fs=100000
wc=2*pi*fc;
T=1/fs;
f=1:10:fs/2;

[z,p,k]=buttap(3);
[num,den]=zp2tf(z,p,k);

[num1,den1]=lp2hp(num,den,wc);
[numd,dend]=bilinear(num1,den1,100000)
Gs=freqz(numd,dend,fs/20,fs);
semilogx(f,20.*log10(abs(Gs)));

Página 4 de 23
 Código
TALLER 3
Versión
Filtros digitales
Fecha

2. (100 Puntos) Diseñe un código de MATLAB que permita diseñar filtros tipo FIR siguiendo las
siguientes especificaciones:
a. El programa debe pedir al usuario:
• El mínimo rizado permitido en las bandas.
• El tipo de filtro (pasa bajas, pasa altas, pasa bandas o rechaza bandas)
• La frecuencia o frecuencias de corte del filtro seleccionado.
• El ancho de banda de transición normalizada (Δ𝜔),
• Y el tipo de ventana a utilizar entre (Rectangular, Bartlet (triangular), Hamming o Kaiser)

b. Con estos datos usted debe calcular el rizado mínimo en dB (𝛼𝑠), el orden del filtro M y los
demás parámetros de la ventana seleccionada.
c. Finalmente, el filtro debe entregar los M+1 coeficientes del filtro diseñado y la gráfica de la
respuesta del filtro en magnitud y fase.

Observaciones: Cuando de inicia el código pide elegir tipo de ventana puesto que nos basamos en
los códigos de cada ventana proporcionados por el profesor, cada código fue modificado para que
dentro de el pidiera algunos requisitos.
Nota: la ventana mas completa es la rectangular

clear all
clc
%PUNTO 2
clear all
clc
TV=input('Ingrese el tipo de ventana-> Triangular:1, Kaiser:2,
Rectangular:3');

if(TV==1)
%Dise?o de filtro por ventaneo triangular o Bartlet

M=input('Introduzca el orden del filtro:')

wc=input('Introduzca la frecuencia de corte en radianes:');

n=0:M;
h_LP=(sin(wc*(n-M/2))./(pi*(n-M/2))) %calculo coeficientes funci?n sync
para n/=M/2
h_LP(ceil(M/2))=(wc/pi); %calculo coeficiente para n=M/2

w=1-(2*abs(n-(M/2))/(M)); %Calculo de ventana triangular

Página 5 de 23
 Código
TALLER 3
Versión
Filtros digitales
Fecha

ht_LP=h_LP.*w; %Calculo de coeficientes de filtro FIR usando la

ventana triangular

subplot(211)
stem(n, ht_LP) %Grafica de coeficinetes del filtro
axis([0 M min(ht_LP) max(ht_LP)])
title(['Respuesta al impulso de el ',num2str(M),'th orden del filtro']);
subplot(212)
HT_LP=fft(ht_LP, 1024); %calcula la transformada de fourier del filtro
w=linspace(-pi, pi, 1024);
plot(w/pi, abs(fftshift(HT_LP))) %grafica la respuesta en frecuencia del
filtro
title(['Respuesta en frecuencia del filtro ventaneado de ',num2str(M),
'th orden']);
grid
%axis([-1 1 0 max(abs(HT_LP))])

elseif(TV==2)
%Dise?o de filtro FIR usando ventana de Kaiser
rizado=input('ingreseme el rizado minimo:')
alpha=-20*log10(rizado)
BP=0.2*pi;

wc=input('Introduzca la frecuencia de corte en radianes:');

if (alpha<21)
Beta=0;
M=(5.79/BP)-1;
elseif(alpha>50)
Beta=0.1102*(alpha-8.7);
M=(alpha-7.95)/(2.285*BP);
else
Beta=0.5842*(alpha-21)^0.4+0.07886*(alpha-21)
M=(alpha-7.95)/(2.285*BP);
end

wk=kaiser(floor(M)+1,floor(Beta)); %calculo de ventana de Kaiser

n=0:M;
h_LP=sin(wc*(n-M/2))./(pi*(n-M/2)) %calculo coeficientes funci?n sync
para n/=M/2
h_LP(ceil(M/2))=wc/pi; %calculo coeficiente para n=M/2

hk_LP=h_LP.*wk'; %Calculo de coeficientes de filtro FIR usando la

ventana kaiser

subplot(211)
Página 6 de 23
 Código
TALLER 3
Versión
Filtros digitales
Fecha

stem(n, hk_LP) %Grafica de coeficinetes del filtro

axis([0 M min(hk_LP) max(hk_LP)])
title(['Respuesta al impulso de el ',num2str(M),'th orden del filtro']);
subplot(212)
HT_LP=fft(hk_LP, 1024); %calcula la transformada de fourier del filtro
w=linspace(-pi, pi, 1024);
plot(w/pi, abs(fftshift(HT_LP))) %grafica la respuesta en frecuencia del
filtro
title(['Respuesta en frecuencia del filtro ventaneado de ',num2str(M),
'th orden']);
grid
axis([-1 1 0 max(abs(HT_LP))])

elseif(TV==3)

TP=input('Ingrese el tipo del filtro-> LP:1, HP:2, BP:3, SB:4');

if(TP==1)
% Filtro FIR Pasa Bajas rectangular
M=input('Introduzca el orden del filtro:');
%fc=500; %frecuencia de corte en Hert
%fm=5000; %frecuencia de muestreo
wc=input('Introduzca la frecuencia de corte en radianes:');
%wc=(fc/fm)*2*pi;

%%Calculo de Filtro ventana Rectangular

n=0:M; %Define los limites de la ventana
h_LP=sin(wc*(n-M/2))./(pi*(n-M/2)); %calculo de coeficiente para n/=
M/2
h_LP(ceil(M/2+1))=wc/pi; %calculo coeficiente para n=M/2

subplot(311)
stem(n, h_LP)
axis([0 M min(h_LP) max(h_LP)]) %Grafica de los coefieicntes del
filtro
title(['Respuesta al impulso de el ',num2str(M),'th orden del filtro']);
subplot(312)
H_LP=fft(h_LP, 1024); %Calculo transformada de Fourier de la
respuesta del filtro
w=linspace(-pi, pi, 1024); %definicin de las frecuencias
normalizadas
plot(w/pi, abs(fftshift(H_LP))) %Grafica de la respuesta en frecuencia
del filtro
title(['Respuesta en frecuencia del filtro ventaneado de ',num2str(M),
'th orden']);

Página 7 de 23
 Código
TALLER 3
Versión
Filtros digitales
Fecha

grid
axis([-1 1 0 max(abs(H_LP))])
subplot(313)
plot(w/pi, angle(fftshift(H_LP))) %Grafica de la respuesta en frecuencia
del filtro
title(['Respuesta en frecuencia del filtro ventaneado de ',num2str(M),
'th orden']);
grid

elseif(TP==2)

% Filtro FIR Pasa altas rectangular

M=input('Introduzca el orden del filtro:');
wc=input('Introduzca la frecuencia de corte en radianes:');

%%Calculo de Filtro ventana Rectangular

n=0:M; %Define los limites de la ventana
h_HP=(-sin(wc*(n-M/2))./(pi*(n-M/2))); %calculo de coeficiente para n/=
M/2
h_HP(ceil(M/2+1))=(1-(wc/pi)); %calculo coeficiente para n=M/2

subplot(311)
stem(n, h_HP)
axis([0 M min(h_HP) max(h_HP)]) %Grafica de los coefieicntes del
filtro
title(['Respuesta al impulso de el ',num2str(M),'th orden del filtro']);
subplot(312)
H_HP=fft(h_HP, 1024); %Calculo transformada de Fourier de la
respuesta del filtro
w=linspace(-pi, pi, 1024); %definicin de las frecuencias
normalizadas
plot(w/pi, abs(fftshift(H_HP))) %Grafica de la respuesta en frecuencia
del filtro
title(['Respuesta en frecuencia del filtro ventaneado de ',num2str(M),
'th orden']);
grid
axis([-1 1 0 max(abs(H_HP))])
subplot(313)
plot(w/pi, angle(fftshift(H_HP))) %Grafica de la respuesta en frecuencia
del filtro
title(['Respuesta en frecuencia del filtro ventaneado de ',num2str(M),
'th orden']);
grid

else
input('Ingrese un valor valido')

end

Página 8 de 23
 Código
TALLER 3
Versión
Filtros digitales
Fecha

end

3. (100 Puntos) Diseñe un filtro pasa bajas FIR utilizando el método de ventaneo cumpliendo con los
parámetros asignados.

RANGO de Parámetros del filtro

Apellidos
Frecuencia de corte: 10kHz
Frecuencia de muestreo: 100kHz
De Salazar hasta Anchura mínima del lóbulo principal: 1.2566
Tirado Pico del lóbulo secundario máximo: -20dB
Frecuencia de corte:
Frecuencia de muestreo: 100kHz
De Morales Anchura mínima del lóbulo principal: 1.6755
hasta Romero Pico del lóbulo secundario máximo: -30dB
Frecuencia de corte: 20kHz
Frecuencia de muestreo: 100kHz
De Gómez hasta Anchura mínima del lóbulo principal: 1.0053
Montoya Pico del lóbulo secundario máximo: -41dB
Frecuencia de corte: 40kHz
Frecuencia de muestreo: 100kHz
De Botero-hasta Anchura mínima del lóbulo principal: 1.8850
Espinosa Pico del lóbulo secundario: -55dB
Frecuencia de corte: 30kHz
Frecuencia de muestreo: 100kHz
De Acevedo Anchura mínima del lóbulo principal: 1.1424
hasta Ballesteros Pico del lóbulo secundario máximo: -29dB

Iván Andrés Anaya Estrada --- Ventana Hanning

Nota: se tomó el código de la ventana triangular con las mismas variables y se modifica la función del
cálculo de coeficientes colocando la formula de la ventana Hanning.

%Diseño de filtro por ventaneo HANNING

clear all
clc

M=input('Introduzca el orden del filtro:')

fc=200; %frecuencia de corte en Hert
fm=5000; %frecuencia de muestreo
wc=(fc/fm)*2*pi; %calculo de la frecuencia de corte normalizada
n=0:M;
Página 9 de 23
 Código
TALLER 3
Versión
Filtros digitales
Fecha

h_LP=(1-cos((2*pi*n)/(M-1))); %calculo coeficientes(hanning) funci?n sync

para n/=M/2
h_LP(ceil(M/2))=(wc/pi); %calculo coeficiente para n=M/2

w=1-(2*abs(n-(M/2))/(M)); %Calculo de ventana hanning

ht_LP=h_LP.*w; %Calculo de coeficientes de filtro FIR usando la

ventana hanning

subplot(211)
stem(n, ht_LP) %Grafica de coeficinetes del filtro
axis([0 M min(ht_LP) max(ht_LP)])
title(['Respuesta al impulso de el ',num2str(M),'th orden del filtro']);
subplot(212)
HT_LP=fft(ht_LP, 1024); %calcula la transformada de fourier del filtro
w=linspace(-pi, pi, 1024);
plot(w/pi, abs(fftshift(HT_LP))) %grafica la respuesta en frecuencia del
filtro
title(['Respuesta en frecuencia del filtro ventaneado de ',num2str(M), 'th
orden']);
grid

4. (100 Puntos) Se necesita diseñar 4 filtros para separar las componentes de una señal cuya función se
muestra a continuación:

𝑓(𝑡) = −10𝑠𝑒𝑛(2𝜋 ∗ 200000 ∗ 𝑡) + 5 cos(2𝜋 ∗ 50000 ∗ 𝑡) + 8𝑠𝑒𝑛(2𝜋 ∗ 100000 ∗ 𝑡)

− 4 cos(2𝜋 ∗ 10000 ∗ 𝑡)

En la siguiente grafica se muestra cada uno de los 4 componentes que se quieren recuperar y en la parte
inferior la señal unificada. Para este punto puede utilizar cualquier método analizado en clase (analítico,
códigos de MATLAB o las herramientas de filter Designer) y cualquier tipo de filtro FIR o IIR.

Página 10 de 23
 Código
TALLER 3
Versión
Filtros digitales
Fecha

t=0:0.1e-6:5.0000e-06*40;
f=-
10*sin(2*pi*200000*t)+5*cos(2*pi*50000*t)+8*sin
(2*pi*100000*t)-4*cos(2*pi*10000*t);
subplot(321)
plot(t,-10*sin(2*pi*200000*t))
subplot(322)
plot(t,5*cos(2*pi*50000*t))
subplot(323)
plot(t,8*sin(2*pi*100000*t))
subplot(324)
plot(t,-4*cos(2*pi*10000*t))
subplot(3,2,[5,6])
plot(t,f)

Página 11 de 23
 Código
TALLER 3
Versión
Filtros digitales
Fecha

Nota: Se usa la función compleja dada por el profesor se analiza y posteriormente se filtran las 4
señales individualmente usando el siguiente código.

clear all
clc

t=0:0.1e-6:5.0000e-06*40;
x=-10*sin(2*pi*200000*t)+5*cos(2*pi*50000*t)+8*sin(2*pi*100000*t)-
4*cos(2*pi*10000*t);
subplot(2,1,1),plot(t,x),title('Señal sumada'), grid on;
X=fft(x);
Ts=t(2)-t(1);
Ws=1/Ts;
Wn=Ws/2;

w=linspace(0,Wn,length(t)/2);
Xp=abs(X(1:length(t)/2));

subplot(2,1,2); plot(w,Xp),title('Espectro de señal sumada ');

%filtrado señal 1 (10000)

n= 6 %orden del filtro
f1=15000/Wn % Frecuencia de corte filtro Pasa-Bajas

[b1,a1]=butter(n,f1,'low');

sfiltrada=filter(b1,a1,x);%señal filtrada
s1=fft(sfiltrada);
figure (2)
subplot(2,1,1),plot(sfiltrada), title('señal 10k filtrada'), grid on;

w1=linspace(0,Wn,length(t)/2);
X1=abs(s1(1:length(t)/2));
subplot(2,1,2); plot(w1,X1),title('Espectro de señal 10k');

%
%filtrado señal 2 (200000)

n2= 10 %orden del filtro

f2=190000/Wn % Frecuencia de corte filtro Pasa-altas

[b2,a2]=butter(n2,f2,'high');

sfiltrada_2=filter(b2,a2,x);%señal filtrada
s2=fft(sfiltrada_2);
figure (3)
subplot(2,1,1),plot(sfiltrada_2), title('señal 200k filtrada'), grid on;

Página 12 de 23
 Código
TALLER 3
Versión
Filtros digitales
Fecha

w2=linspace(0,Wn,length(t)/2);
X2=abs(s2(1:length(t)/2));
subplot(2,1,2); plot(w2,X2),title('Espectro de señal 200k ');

%filtrado señal 3 (50000)

n3= 2 %orden del filtro

f3_min=48000/Wn % Frecuencia de corte filtro Pasa-bandas 1
f3_max=52000/Wn

[b3,a3]=butter(n3,[f3_min,f3_max],'bandpass');

sfiltrada_3=filter(b3,a3,x);%señal filtrada
s3=fft(sfiltrada_3);
figure (4)
subplot(2,1,1),plot(sfiltrada_3), title('señal 50k filtrada'), grid on;

w3=linspace(0,Wn,length(t)/2);
X3=abs(s3(1:length(t)/2));
subplot(2,1,2); plot(w3,X3),title('Espectro de señal 50k ');

%filtrado señal 4 (100000)

n4= 2 %orden del filtro

f4_min=98000/Wn % Frecuencia de corte filtro Pasa-bandas 2
f4_max=102000/Wn

[b4,a4]=butter(n4,[f4_min,f4_max],'bandpass');

sfiltrada_4=filter(b4,a4,x);%señal filtrada
s4=fft(sfiltrada_4);
figure (5)
subplot(2,1,1),plot(sfiltrada_4), title('señal 100k filtrada'), grid on;

w4=linspace(0,Wn,length(t)/2);
X4=abs(s4(1:length(t)/2));
subplot(2,1,2); plot(w4,X4),title('Espectro de señal 100k ');

Página 13 de 23
 Código
TALLER 3
Versión
Filtros digitales
Fecha

Página 14 de 23
 Código
TALLER 3
Versión
Filtros digitales
Fecha

Página 15 de 23
 Código
TALLER 3
Versión
Filtros digitales
Fecha

Página 16 de 23
 Código
TALLER 3
Versión
Filtros digitales
Fecha

Página 17 de 23
 Código
TALLER 3
Versión
Filtros digitales
Fecha

5. (100 Puntos) Se necesita diseñar 2 filtros para separar las componentes de una señal cuyos datos son
grabados en el archivo “senal5.mat” de acuerdo con los siguientes criterios:
• El primer filtro debe separar las 4 últimos componentes. ¿En qué frecuencias están esos 4
componentes?

• El segundo filtro debe separar las 4 componentes anteriores. ¿En que frecuencias se encuentran
esos componentes?
• Las componentes con frecuencias por fuera de los dos anchos de bandas deben de ser atenuados.

a. Grafique la señal original sin filtrar.

b. Muestre la función de transferencia y/o coeficientes de los filtros diseñados y muestre el
procedimiento de diseño.
c. Grafique la señal de salida de la señal después de ser transformada por los dos filtros diseñados.

A. Hay 12 componentes en todo el espectro frecuencial como se observa a continuación

Página 18 de 23
 Código
TALLER 3
Versión
Filtros digitales
Fecha

Ordenando las componentes de izquierda a derecha tienen las siguientes frecuencias:

1. 10k
2. 15k
3. 30k
4. 45k
5. 90.1k
6. 100.1k
7. 120.1k
8. 140.1k
9. 200.25k
10. 250.3k
11. 300.3k
12. 400.5k

Se aplica un filtro pasa altas para atenuar todas las componentes excepto (9,10,11,12).

Página 19 de 23
 Código
TALLER 3
Versión
Filtros digitales
Fecha

Se aplica un filtro pasa bandas para atenuar las componentes excepto (5,6,7,8).

B. Despues de cargar la señal ‘senal5.mat’ se escribió el siguiente código para su respectivo filtrado y
graficado.

Página 20 de 23
 Código
TALLER 3
Versión
Filtros digitales
Fecha

C. subplot(2,1,1); plot(t,f),title('señal original');

D. X=fft(f); %FUNCION DE TRANSFERENCIA
E. Ts=t(2)-t(1); %PERIODO DE MUESTREO
F. Ws=1/Ts; % FRECUENCIA DE MUESTREO
G. Wn=Ws/2; %FRECUENCIA NIQUYS
H.
I. w=linspace(0,Wn,length(t)/2);
J. Xp=abs(X(1:length(t)/2));
K.
L. subplot(2,1,2); plot(w,Xp),title('Espectro de señal original ');
M.
N. %filtrado las componentes (8,9,10,11)
O.
P. n1= 10 %orden del filtro
Q. f1=198000/Wn % Frecuencia de corte filtro Pasa-altas
R.
S. [b1,a1]=butter(n1,f1,'high');
T.
U. compfiltro_1=filter(b1,a1,f);%señal filtrada
V. s1=fft(compfiltro_1);
W. figure (2)
X. subplot(2,1,1),plot(compfiltro_1), title('componentes (9,10,11,12)'), grid on;
Y.
Z. w1=linspace(0,Wn,length(t)/2);
AA. X1=abs(s1(1:length(t)/2));
BB. subplot(2,1,2); plot(w1,X1),title('Espectro componentes (9,10,11,12)');
CC.
DD. %filtrado las componentes (4,5,6,7)
EE.
FF. n2= 5 %orden del filtro
GG. f2_min=89000/Wn % Frecuencia de corte filtro Pasa-bandas 1
HH. f2_max=142000/Wn
II.
JJ. [b2,a2]=butter(n2,[f2_min,f2_max],'bandpass');
KK.
LL. compfiltro_2=filter(b2,a2,f);%señal filtrada
MM. s2=fft(compfiltro_2);
NN. figure (3)
OO. subplot(2,1,1),plot(compfiltro_2),title('componentes (5,6,7,8)'), grid on;
PP.
QQ. w2=linspace(0,Wn,length(t)/2);
RR. X2=abs(s2(1:length(t)/2));
SS. subplot(2,1,2); plot(w2,X2),title('Espectro componentes (5,6,7,8)');
TT.

Página 21 de 23
 Código
TALLER 3
Versión
Filtros digitales
Fecha

Notas: el archivo ‘senal5.mat’ se grafica para ver la señal original en el tiempo, luego se le aplica la función
de transferencia para observar las componentes en función de la frecuencia, sabiendo esto empezamos a
implementar los filtros Butterworth ajustando sus respectivos órdenes y frecuencias de corte.

Página 22 de 23
 Código
TALLER 3
Versión
Filtros digitales
Fecha

Página 23 de 23