TAMABA
Audio Digital II
Espectogramas
Teorema de Fourier
En 1822, el matemático francés Jean
Baptiste Joseph Fourier expone el
TEOREMA de FOURIER para ondas
complejas.
Teorema de Fourier/Transformada de Fourier
Teorema de Fourier / Transformada de Fourier
“...cualquier señal compleja, habla, música,
está compuesta por una combinación de ondas
sinusoidales de frecuencia, amplitud y fase
variables...”
TAMABA
Audio Digital II
Teorema & Transformada de Fourier
Transformada de Fourier
Transformada de Fourier
Transformada de Fourier
N = número de muestras de tiempo que tenemos
n = muestra actual que estamos considerando (0 .. N-1)
xn = valor de la señal en el tiempo n
k = frecuencia actual que estamos considerando (0 Hertz hasta N-1 Hertz)
Xk = cantidad de frecuencia k en la señal (amplitud y fase, un número complejo)
El factor 1 / N generalmente se mueve a la transformación inversa (pasando de las
frecuencias al tiempo).
n / N es el porcentaje del tiempo que hemos pasado.
2 * pi * k es nuestra velocidad en radianes / seg.
e ^ -ix es nuestro camino circular que retrocede. La combinación es qué tan lejos nos
hemos movido, para esta velocidad y tiempo.
Transformada de Fourier
Para encontrar la energía a una frecuencia particular, gire su señal
alrededor del círculo a esa frecuencia y promedie un montón de puntos
a lo largo de ese camino
Teorema de Fourier
Video explicativo
¿FFT?
Analizadores FFT (Fast Fourier Transform)
- Los analizadores FFT solo nos muestran la potencia
espectral de un instante de tiempo determinado.
- Herramienta precisa para las frecuencias altas.
- Permite “partir bloques” para analizar las
frecuencias.
- Herramienta no tan útil para baja frecuencia (deben
extender los tiempos de integración.
- Con tiempo de integración largos, no se puede hacer
una lectura en “tiempo real”
Analizadores FFT (Fast Fourier Transform)
Analizadores FFT:
Nos muestran la composición espectral del instante en que estamos
observando.
FFT, Fast Fourier Transform
Para implementar la transformada de Fourier se utiliza el
ventaneo, tomando segmentos cortos de señal.
Las ventanas se puede solapar unas con otras.
A los segmentos de señal se les aplica un fundido de
entrada y de salida.
Se analiza cada uno de estos segmentos por separado.
Se obtienen una cantidad de transformadas de Fourier
que se presentan una tras otra representando los
distintos momentos de la señal.
FFT, Fast Fourier Transform
1º Criterio de Configuración del ventaneo
Ventaneo
Duración: Para un segmento dado, las frecuencias
detectadas aparecerán espaciadas en múltiplos enteros
(es decir armónicos) de:
Frecuencia de Muestreo
tamaño de Ventana
FFT, Fast Fourier Transform
Ventaneo
Frecuencia de Muestreo
tamaño de Ventana
Por ejemplo, si la frecuencia de muestreo es
44,1 kHz y el tamaño de ventana es de 1000
muestras, las frecuencias en el análisis
estarán dispuestas en intervalos de
44,100/1000 = 44,1 a partir de los 0 Hz � �
FFT, Fast Fourier Transform
2º Criterio de Configuración del ventaneo
Al cortar un segmento de señal estamos modulando su amplitud,
esto genera una convolución en el dominio frecuencial viendo
reflejados cambios en la medición.
Si, por ejemplo, cortamos la señal de manera abrupta al comienzo
y al final generando una ventana rectangular, el inicio y el final de
la ventana generarían una gran cantidad de “distorsion” en el
análisis.
Si aplicamos fundidos de entrada y salida, obtendremos un
resultado diferente tras realizar la transformada
FFT, Fast Fourier Transform
Configuración del ventaneo
FFT, Fast Fourier Transform
Configuración del ventaneo
Las curvas de fundido de las ventanas afectarán
directamente al comportamiento de estos picos,
logrando con ciertas curvas obtener una menor amplitud
en los lóbulos laterales.
A cambio de esto obtendremos un lóbulo central más
ancho, es decir de menor precisión en frecuencia.
Entre mayor precisión en el lóbulo central nos brinde
nuestra forma de ventana, mayor será la amplitud de los
lóbulos laterales y viceversa.
FFT, Fast Fourier Transform
FFT, Fast Fourier Transform
Para realizar mediciones que precisan de gran exactitud no dará lo mismo
la ventana.
Hamming posee buena resolución tanto en frecuencia como en amplitud,
aunque a bajas amplitudes puede dificultarse su interpretación.
Blackman posee buena resolución en frecuencia, pero regular resolución
en amplitud, y se la suele utilizar para medir distorsiones de diferente
índole.
Tamaños de ventanas mayores traerán consigo una menor
resolución temporal y mayor resolución en frecuencia.
Tamaños menores de ventana aportarán mayor resolución temporal y
menor resolución en frecuencia.
Al momento de analizar un sonido dado, tendremos que dar cuenta de sus
características tímbricas antes de elegir la configuración de nuestro
analizador de espectro o espectrograma.
FFT, Fast Fourier Transform
Esta situación puede ser resuelta haciendo que las
ventanas se solapen.
FFT, Fast Fourier Transform
La cantidad de solapamiento que apliquemos dependerá del
tipo de ventana elegida.
Para ventanas que son relativamente anchas en el tiempo
(como la Hanning), un valor comúnmente usado para el
solapamiento es 50%.
Para ventanas más angostas será mejor utilizar un
solapamiento mayor.
Mayor porcentaje de solapamiento, además, implicará un
mayor costo de procesamiento, dado que, a medida que este
aumenta, el tiempo transcurrido entre el inicio de cada
ventana será menor.
¿Espectogramas?
Un analisis de frecuencia y amplitud
es pobre.
¿Y el tiempo?
Un espectrograma nos permite
apreciar la evolución de las
frecuencias o parciales de un sonido
a través del tiempo.
¿Espectogramas?
Espectro de un clarinete tocando una escala ascendente.
Armónicos pares tienen menor amplitud que los impares, característica tímbrica
fundamental del instrumento.
¿Espectogramas?
Voz humana femenina
¿Espectogramas?
Tom
FFT, Fast Fourier Transform
Tamaños de ventanas mayores traerán consigo una menor
resolución temporal y mayor resolución en frecuencia.
Tamaños menores de ventana aportarán mayor resolución
temporal y menor resolución en frecuencia.