Bloque III

Anlisis del sonido

Conceptos bsicos de acstica. Dominio

del tiempo y la frecuencia
[8.1] Cmo estudiar este tema?
[8.2] Introduccin
[8.3] Ondas y vibraciones
[8.4] Fourier. Representacin del sonido
[8.5]

Herramientas

para

el

anlisis.

Sonic

Visualizer y Speech analizer

[8.6] Anlisis de Espectrogramas. Ejemplo con

TEMA

[8.7] Resumen

msica de Mozart

Esquema

TEMA 8 Esquema

El tiempo y la frecuencia
Conceptos bsicos de acstica

Ondas y vibraciones

2
Herramientas de anlisis

Sonic Visualizer
Speech Analizer

Anlisis de espectogramas

Matemticas y Fsica Aplicadas a la Msica

Representacin del sonido en tiempo

frecuencia

Matemticas y Fsica Aplicadas a la Msica

Ideas clave
8.1. Cmo estudiar este tema?
Para comprender los conceptos bsicos incluidos en este tema recomendamos repasar
algn manual bsico de acstica musical, por ejemplo:
Calvo-Manzano, A. (1993). Acstica fsico-musical. Madrid: Real Musical. Captulos
del 1 al 5. Disponible en el aula virtual.
La lectura de la documentacin de Sonic Visualiser puede ser de gran utilidad para la
comprensin

del

tema.

Recuperado

de

http://www.sonicvisualiser.org/documentation.html
En cualquier caso, vamos a tratar de resumir de forma breve los conceptos e ideas
fundamentales en las ideas clave recogidas a continuacin.

8.2. Introduccin
Empezamos el ltimo bloque de la materia centrado ms en el anlisis del sonido que
en las notas propiamente. La informacin que podemos extraer de grabaciones sonoras
es muy amplia. Un archivo de audio en un formato estndar de 44.1Khz indica que en
cada segundo de grabacin tenemos 44100 datos, pero realmente esta informacin en
bruto ofrece poco inters al anlisis. Siguiendo con nuestro razonamiento, en 1 minuto
de msica tenemos ms de 2.5 millones de muestras sonoras. Para que esta cantidad
ingente de datos proporcione algn tipo de informacin inteligible, es obvio que
necesitamos herramientas informticas que extraigan parmetros concretos con los
que comparar y contrastar informacin.

TEMA 8 Ideas clave

Matemticas y Fsica Aplicadas a la Msica

8.3. Ondas y vibraciones

En este apartado repasaremos conceptos bsicos de acstica imprescindibles para
poder seguir la materia. Como sabemos el sonido se propaga por del aire (y los objetos)
a travs de ondas. El sonido ms bsico es un tono puro o sinusoide que puede ser
caracterizado por 2 parmetros: la amplitud (relacionada con la intensidad sonora) y
la longitud de onda (relacionada con la frecuencia aguda o grave)

Amplitud

Longitud de onda

A mayor longitud de onda, menor frecuencia, por lo tanto sonido ms grave.

A mayor amplitud, sonido ms intenso.
Veamos un par de ejemplos para entenderlo mejor. Las dos formas de ondas siguientes
corresponden a dos sonidos de igual amplitud e intensidad, pero distinta frecuencia. El
primero es ms grave (mayor longitud de onda) y el segundo ms agudo. Corresponden
a un A4 (440Hz) y A5 (880Hz).

TEMA 8 Ideas clave

Matemticas y Fsica Aplicadas a la Msica

A4

A5

La frecuencia de los sonidos (1/longitud de onda) se mide en Herzios (Hz). El odo

humano es capaz de or entre 20 y 20000 Hz aproximadamente. Por debajo de 20Hz
sentimos la vibracin pero no la omos. Por encima de 20000 Hz sencillamente no
percibimos nada. Este rango de frecuencias es diferente para los animales. En el siguiente
enlace puedes comparar las frecuencias percibidas por el hombre y algunas especies.
Recuperado de http://www.cochlea.org/es/sonidos/las-frecuencias-percibidas-por-losseres-humanos-y-por-algunas-especies-animales
Segundo ejemplo, misma frecuencia, pero distinta intensidad. La grfica siguiente son
dos sonidos A5 pero el segundo tiene una amplitud de onda que es la mitad. El odo
humano lo percibe como menos intenso, pero no exactamente como la mitad.

TEMA 8 Ideas clave

Matemticas y Fsica Aplicadas a la Msica

La forma en la que percibimos los sonidos tiene relacin con la escala logartmica y
con los decibelios. Entre las dos seales anteriores hay una diferencia aproximada de
3 dB(decibelios) debido a que la segunda es la mitad de la primera. La frmula es
bastante simple:

= 10log(

1
)
2

En nuestro caso
2
10 log = 3.01
1
La forma en la que percibimos los sonidos no est separada de la frecuencia. Harvey
Fletcher y Wilden A. Munson estudiaron en 1933 esta relacin en lo que se denomina las
curvas de FletcherMunson llegando a los siguientes grficos de forma
experimental.

TEMA 8 Ideas clave

Matemticas y Fsica Aplicadas a la Msica

Curvas de FletcherMunson.

En el eje horizontal tenemos la frecuencia y en el vertical la intensidad en dB. Como

vemos el odo humano es especialmente sensible en torno a los 2000-5000 Hz que
corresponde aproximadamente con el rango de la voz.

8.4. Fourier. Representacin del sonido

Jean-Baptiste Fourier en 1811 desarroll una teora para transformar funciones
peridicas en una suma infinita de funciones sinusoidales. Esta teora tiene
implicaciones directas en la forma en la que podemos representar y estudiar los
fenmenos sonoros. Veamos un ejemplo para clarificar conceptos sin entrar en
demasiados conceptos matemticos.

TEMA 8 Ideas clave

Matemticas y Fsica Aplicadas a la Msica

Si aplicamos el teorema de Fourier a una onda cuadrada obtenemos que esta puede
descomponerse en una serie de armnicos impares siguiendo la siguiente secuencia:
1
1
1
() = sin + sin 3 + sin 5 + sin 7 .
5
7
3
Siguiendo la secuencia en el infinito reproduciremos una perfecta onda cuadrada.
Comprobemos grficamente si la aproximacin es cierta

En la anterior representacin grfica hemos usado 4 armnicos y podemos ver cmo

progresivamente la onda se aproxima cada vez ms a una onda cuadrada. La cuestin es
deberamos seguir hasta el infinito para reproducir una perfecta onda cuadrada? La
respuesta es s, pero tambin sabemos que a partir de 20000 Hz nuestro odo no
discrimina, por lo que podemos detener nuestra aproximacin a partir de esta cifra.
Si escuchamos el sonido producido por nuestra onda cuadrada, podemos apreciar que
tmbricamente es bastante similar al sonido del clarinete. Esto es debido a la forma de
dicho instrumento que prcticamente anula los armnicos impares. El clarinete, a
diferencia de otros instrumentos de viento, se comporta como un tubo cerrado por el
extremo de la caa.

TEMA 8 Ideas clave

Matemticas y Fsica Aplicadas a la Msica

Representando nuestra onda cuadrada poniendo la frecuencia en el eje horizontal

podemos tener la siguiente grfica.

Amplitud
1,2
1
0,8
0,6

Amplitud

0,4
0,2
0
1

8.5. Herramientas para el anlisis. Sonic Visualizer y Speech

analizer
Para el anlisis de fragmentos de audio recomendamos instalar las siguientes
aplicaciones gratuitas:
Speech analyzer: Recuperado de http://www01.sil.org/computing/sa/sa_download.htm
Sonic visualizer: Recuperado de http://www.sonicvisualiser.org/download.html
Ambas herramientas son muy verstiles desde el punto de vista del anlisis en
frecuencia, pero quizs la primera est ms enfocada al anlisis de la voz por el anlisis
LPC (lo comentaremos en el siguiente captulo).
En el siguiente apartado comentaremos como analizar espectrogramas usando Sonic
visualizer y el comienzo de una grabacin de Mozart.

TEMA 8 Ideas clave

Matemticas y Fsica Aplicadas a la Msica

8.6. Anlisis de Espectrogramas. Ejemplo con msica de Mozart

En msica y en el mundo sonoro en general las cosas son algo ms complejas que un tono
puro o una onda cuadrada. En general en las grabaciones de audio no nos vamos a
encontrar una onda peridica pura que podamos representar fcilmente como suma
de armnicos en el dominio de la frecuencia. Los sonidos cambian, evolucionan tanto en
intensidad como en frecuencia, por lo tanto, si queremos analizar un sonido para ver sus
componentes espectrales, no nos queda ms remedio que tomar fotos fijas cada cierto
tiempo de un tamao determinado. Esto es lo que se conoce como ventanas en el
anlisis en frecuencia. Las ventanas son siempre un compromiso entre la precisin y el
tamao de la muestra a analizar. A mayor ventana, mayor precisin, pero tambin
podemos estar tomando un exceso de muestras que pueden emborronar el espectro
en un momento determinado. Veamos un ejemplo.
Veamos una partitura sencilla, El comienzo de la sonata en Do mayor de Mozart kv.545:

Si tomamos la forma de onda de los dos primeros compases, la informacin

proporcionada no es mucha, los picos corresponden a la meloda, pero resulta imposible
discernir a qu obra pertenecera esta grabacin. Veamos ahora el espectrograma a
distinta resolucin.

TEMA 8 Ideas clave

10

Matemticas y Fsica Aplicadas a la Msica

El eje vertical del espectrograma representa la frecuencia. Con esta representacin

podemos discriminar alguna altura de nota. Hemos tomado ventanas de 1024 muestras.
Si aumentamos la resolucin a 8192 muestras obtenemos lo siguiente.

TEMA 8 Ideas clave

11

Matemticas y Fsica Aplicadas a la Msica

Con esta resolucin (8192 muestras/ventana) podemos discriminar las notas de la

meloda y el bajo alberti de los dos primeros compases. Por supuesto podemos observar
la cantidad de armnicos que aparecen en el espectrograma que pueden producir falsos
positivos en una deteccin de notas, pero informacin de ritmo, cambios
armnicos o tonalidad podran ser detectados.
En este caso, un aumento de resolucin de ventana no proporciona ms informacin,
ms bien a la inversa. Con una resolucin de 32768, nuestro tamao de ventana est
prximo a 1 segundo en una frecuencia de muestreo de 44100 Hz. A pesar de que la
grabacin no es demasiado rpida, el ataque de las notas, especialmente las corcheas, ya
no es tan claro.

TEMA 8 Ideas clave

12

Matemticas y Fsica Aplicadas a la Msica

8.7. Resumen
En la primera parte de este tema hemos repasado conceptos posiblemente ya conocidos
por el alumno, pero que deben estar bien afianzados para temas venideros. Parmetros
como altura, timbre, intensidad, duracin, armnicos o frecuencia son a
priory sencillos de entender, pero es necesario tenerlos muy claros cuando nos
adentramos en el anlisis de grabaciones sonoras. En la segunda parte hemos comentado
una herramienta informtica para el anlisis musical, Sonic Visualizer. Se trata de una
herramienta sostenida por la Universidad Queen Mary de Londres que posee un gran
nmero de plugins para el anlisis. En este primer captulo hemos visto los elementos
bsicos, pero invitamos al alumno a seguir investigando en todas sus posibilidades.

TEMA 8 Ideas clave

13

Matemticas y Fsica Aplicadas a la Msica

Lo + recomendado
No dejes de leer
La gua musicolgica de Sonic Visualiser
Se trata de un buen referente de las posibilidades que ofrece la herramienta.
Accede al artculo a travs del aula virtual o desde la siguiente direccin web:
http://www.charm.rhul.ac.uk/analysing/p9_1.html

No dejes de ver
Sonic Visualiser
Los vdeos disponibles sobre la herramienta en el portal de
Sonic Visualiser. Es especialmente interesante el primero,
sobre Mapping Melody
Accede al vdeo a travs del aula virtual o desde la siguiente direccin web:
http://www.sonicvisualiser.org/videos.html

TEMA 8 Lo + recomendado

14

Matemticas y Fsica Aplicadas a la Msica

+ Informacin
A fondo
Manual de referencia de Sonic Visualiser
No dejes de repasar el manual de referencia de Sonic Visualiser.
Accede al artculo a travs del aula virtual o desde la siguiente direccin web:
http://www.sonicvisualiser.org/doc/reference/2.1/en/index.html

The Sonic Visualiser: A Visualisation Platform for Semantic Descriptors

from Musical Signals
Cannam, C., Landone, C., Sandler, M., & Bello, J. The Sonic Visualiser: A Visualisation
Platform for Semantic Descriptors from Musical Signals. Centre for Digital Music,
Queen Mary University of London Mile End Road, London, UK
Para los especialmente interesados en Sonic Visualiser se recomienda la lectura de este
artculo.
Accede al artculo a travs del aula virtual o desde la siguiente direccin web:
http://ismir2006.ismir.net/PAPERS/ISMIR0650_Paper.pdf

TEMA 8 + Informacin

15

Matemticas y Fsica Aplicadas a la Msica

Automatic Chord Transcription from Audio Using Computational Models of

Musical Context
Mauch, M. (2010). Automatic Chord Transcription from Audio Using Computational
Models of Musical Context. School of Electronic Engineering and Computer Science
Queen Mary, University of London
Tesis doctoral de Matthias Mauch sobre transcripcin automtica de acordes utilizando
modelos computacionales.
Accede al artculo a travs del aula virtual o desde la siguiente direccin web:
https://qmro.qmul.ac.uk/jspui/handle/123456789/5379

Bibliografa
Cook, N., & Leech-Wilkinson, D. A musicologist's guide to Sonic Visualiser. Recuperado
de http://www.charm.rhul.ac.uk/analysing/p9_1.html
Manzano, C. (2002). Acstica fsico Musical. Ed. Real Musical.
Pastor, V. (2011). Acstica Musical. Impromptu Editores, S.L.
Roederer, J. (1997). Acstica y psicoacstica de la msica. Ed. Melos.

TEMA 8 + Informacin

16

Matemticas y Fsica Aplicadas a la Msica

Test
1. De estos sonidos podemos decir:

A. Que estn representados en tiempo.

B. Que estn representados en frecuencia.
C. Que el primero es ms agudo.
D. Que el primero tiene un timbre ms claro.
E. Que el segundo tiene menos intensidad.
F. Que el segundo es ms agudo.
2. Si tenemos un sonido de 90dB y otro de 93dB, la siguiente afirmacin es cierta:
A. La amplitud del segundo es aproximadamente tres veces la del primero.
B. La amplitud del segundo es aproximadamente dos veces la del primero.
C. La diferencia de amplitudes es 93/90=1,03333, prcticamente despreciable.
D. Ninguna de las anteriores.
3. Las Curvas de Fletcher-Munson indican:
A. La relacin entre la potencia del sonido y la sensacin sonora del odo humano.
B. Que el odo humano es ms sensible en torno a 3000 Hz.
C. Que para el odo humano es difcil discernir entre el timbre de la flauta y el
clarinete.
D. Que el odo humano es especialmente poco sensible en la regin grave del
espectro.

TEMA 8 Test

17

Matemticas y Fsica Aplicadas a la Msica

4. El teorema de Fourier indica:

A. Que todo sonido complejo puede descomponerse en suma de sinusoides.
B. Que todo sonido sigue la siguiente frmula:
1
1
1
() = sin + sin 3 + sin 5 + sin 7 .
3
5
7
C. Que la mayor parte de los sonidos siguen la formula anterior, pero no todos.
D. Que la formula anterior es un caso particular de descomposicin de armnicos
de la onda cuadrada.
5. la siguiente representacin grfica indica:

A. Que en la parte superior tenemos la representacin en tiempo y en la inferior

en frecuencia.
B. Que en la parte superior tenemos la representacin en frecuencia y en la
inferior en tiempo.
C. Que se trata del sonido de un clarinete porque vemos claramente los armnicos
impares.
D. Que se trata de una msica de tempo rpido por la cantidad de eventos que
aparecen en pantalla.

TEMA 8 Test

18