Mezcla y Masterizacin II Secretara de Extensin Facultad de Bellas Artes UNLP

Clase 1: Introduccin al Anlisis Espectral

Antes de comenzar a ver las herramientas complementarias al audio que nos

ayudarn a analizar lo que escuchamos en forma objetiva, haremos una breve
introduccin a algunos temas relacionados con la matemtica y la fsica del
sonido, los cuales retomaremos en el mdulo de Acstica. No es el objetivo del
curso profundizar en complicados clculos y algoritmos. Sin embargo,
analizaremos algunos conceptos claves que nos sern de gran utilidad para
comprender el comportamiento de algunos fenmenos fsicos y su forma de
medirlos.

Seales peridicas

Son aquellas que cada un cierto perodo 2T vuelven a repetir su patrn o

comportamiento. La funcin senoidal (que responde a un seno o coseno) es un
tipo de seal peridica, y ser nuestro objeto de estudio de ahora en adelante.

Funcin senoidal
Caractersticas de la Funcin Senoidal
Responde a la forma
Amplitud: Mximo valor en mdulo
(osea, tanto en valor positivo como
a (t ) = A0 sin(t + )
negativo) que puede alcanzar la funcin.
Donde A0 es la amplitud mxima
Perodo: es el tiempo medido en t
de la onda, t es el tiempo, es la
segundos que demora en completar un
pulsacin 2f y es la fase inicial.
ciclo.

Frecuencia: Es el nmero de veces por

segundo que se repite un ciclo. Por ende,
es la inversa del perodo.

Fase: corresponde al desplazamiento

temporal del inicio del ciclo, expresado
en radianes.

Timbres

Los mltiplos de una onda senoidal tambin son conocidos como armnicos.
Los timbres estn formados por cantidades variables de armnicos o parciales
que cambian a lo largo del tiempo con respecto a un tono o frecuencia
fundamental. Los parciales son las ondas que complementan a la onda

Introduccin al Anlisis Espectral - Juan E. San Martn 1

Mezcla y Masterizacin II Secretara de Extensin Facultad de Bellas Artes UNLP

fundamental para crear un timbre, donde a las frecuencias de los parciales que
son mltiplos enteros de la frecuencia fundamental se las llama parciales
armnicos, y a las que no son mltiplos se las llama no armnicos. Gracias a los
parciales logramos distinguir a un instrumento de otro, an cuando estn
ejecutando una misma nota musical.

Espectro

El espectro de un sonido es la informacin sobre la distribucin de las

frecuencias que lo componen y sus respectivas amplitudes. En la siguiente
imagen podemos observar el espectro de una hinchada de ftbol gritando un
gol.

Como era de esperarse, no hay una nica frecuencia tonal, sino la superposicin
de una infinidad de frecuencias.

A continuacin veremos la forma de poder descomponer a un sonido en cada

una de esas frecuencias que lo constituyen.

Serie de Fourier

Introduccin al Anlisis Espectral - Juan E. San Martn 2

Mezcla y Masterizacin II Secretara de Extensin Facultad de Bellas Artes UNLP

La serie de Fourier es una serie infinita

que converge puntualmente a una Teorema de Fourier
funcin continua y peridica. Las series
Toda funcin peridica de perodo
de Fourier constituyen la herramienta
2T puede descomponerse en una
matemtica bsica del anlisis de
suma de sinusoides armnicas, de
Fourier empleado para analizar
amplitudes y fases adecuadas, cuya
funciones peridicas a travs de la
fundamental o primer armnico
descomposicin de dicha funcin en la
posea perodo 2T
suma de infinitas funciones
senoidales.

Para investigar un poco

Las series de Fourier responden a la siguente forma:

+ [a n cos( nx ) + bn sin( nx )]
a0
f ( x) =
2 n =1

Donde an y bn se denominan coeficientes de Fourier de la serie de Fourier de la

funcin f(x).

Si f es una funcin (o seal) peridica y su perodo es 2T, la serie de Fourier

puede expresarse como:

a0
n n
f ( x) = + a n cos t + bn sin t
2 n =1 T T

Donde los coeficientes de Fourier toman los valores:

1 T n 1 T n 1 T
an =
T
T
f (t ) cos(
T
t )dt , bn =
T
T
f (t ) sin(
T
t )dt , a0 =
T
T
f (t )dt

Si bien no vamos a profundizar mucho en el aspecto matemtico, es importante

saber que mediante la Serie de Fourier podemos estudiar el comportamiento de
cualquier funcin peridica, pero rara vez en nuestro campo tengamos como
objeto de estudio a este tipo se seales. Es por ello que a la msica no es posible
estudiarla mediante su desarrollo en Series de Fourier.

Transformada de Fourier

Para las seales no peridicas, la msica, etc., poseemos otras poderosas

herramientas, como las Integrales de Fourier. De ellas deriva la Transformada
de Fourier, la cual responde a la frmula

Introduccin al Anlisis Espectral - Juan E. San Martn 3

Mezcla y Masterizacin II Secretara de Extensin Facultad de Bellas Artes UNLP

1 i x
F ( ) =
2

f (x) e

Mediante la Transformada de Fourier podemos descomponer a las seales en

cada una de sus frecuencias que la componen.

Sin profundizar mucho ms, diremos que de la Transformada de Fourier

llegamos a la Transformada Discreta (conocida como DFT, Discrete Fourier
Transform), descrita a continuacin:

n 1 2i


jk
fj = xk e n
j=0,., n-1
k =0

Transformada Rpida de Fourier

Finalmente estamos en condiciones de hablar del anlisis espectral propiamente

dicho. La herramienta fundamental del anlisis espectral es la Transformada
Rpida de Fourier, ms conocida como FFT (Fast Fourier Transform). La FFT es
un algoritmo que nos permite calcular en forma muy eficiente la DFT y su
inversa. Es el arma principal del manejo de seales digitales y filtros de este
tipo. Hay muchos algoritmos que permiten calcularla (no vamos a profundizar
al respecto, pero se puede encontrar una rpida y didctica explicacin de uno
de ellos en http://www.dspguide.com/ch12/2.htm), pero todos coinciden en
que permiten realizar un nmero N de muestras donde N es potencia de 2 (512,
1024, 2048, 4096 u 8192 muestras generalmente).

Aplicaciones

Vamos a analizar una seal peridica muy comn, conocida como diente de
sierra descendente.

Introduccin al Anlisis Espectral - Juan E. San Martn 4

Mezcla y Masterizacin II Secretara de Extensin Facultad de Bellas Artes UNLP

sin( x i)
La misma corresponde a la siguiente sumatoria i =1

. Eso significa que
i
es la sumatoria de infinitos senos aumentan su frecuencia y disminuyen su
amplitud a medida que i crece. Esa descomposicin en senos corresponde a la
serie de Fourier de esta funcin. Para ver ms claramente el aporte de cada
trmino, vamos a tomar solamente los primeros tres senos presentes:

Si sumamos estas tres sinusoides, obtendremos como resultado:

Introduccin al Anlisis Espectral - Juan E. San Martn 5

Mezcla y Masterizacin II Secretara de Extensin Facultad de Bellas Artes UNLP

Vemos que si seguimos con la sumatoria, converger a la seal diente de sierra

descendente.

Otra forma de ver la descomposicin en sinusoides del anlisis por series de

Fourier es aplicando la transformada de Fourier, donde obtendremos la
frecuencia de cada una de estas sinusoides y sus respectivas amplitudes.

Y finalmente hemos hecho un anlisis espectral de la seal!

Funciones Ventana

Son funciones matemticas utilizadas generalmente en el anlisis y

procesamiento de seales, que nos permite aislar una porcin de la seal a
analizar y desechar el resto en mayor o menor medida. Sern de gran
importancia para los analizadores de espectro, ya que cada banda a estudiar
estar definida por una ventana distinta que dejar pasar slo las frecuencias
comprendidas dentro de esa banda en cuestin. Para obtener la informacin en
dicha banda, simplemente multiplicamos a la seal por la funcin ventana.
Deberemos tener en cuenta que una seal real dura un determinado tiempo t.

Introduccin al Anlisis Espectral - Juan E. San Martn 6

Mezcla y Masterizacin II Secretara de Extensin Facultad de Bellas Artes UNLP

Para realizar esta multiplicacin, la seal deber durar un tiempo finito, y el

clculo adems ser posible a partir de un nmero finito de puntos. De ah
radican las limitaciones de los analizadores de espectro, que para anchos de
banda muy reducidos necesitarn ms tiempo para procesar con mayor
precisin, dada poca cantidad de puntos. Eso es un problema a la hora de
trabajar a tiempo real, como veremos ms adelante.

Cuando multiplicamos a una seal s(t) por una ventana h(t), se obtienen
solamente los T primeros segundos (el intervalo [0,T]). Considerando entonces
a la fucin sh(t) = s(t) . h (t), pasamos al dominio de la frecuencia mediante la
transformada de Fourier, y obtenemos la convolucin Sh(f) = S(f) * H(f), donde
H(f) es la transformada de Fourier de la ventana.

Hay diferentes tipos de ventanas. En ellas, N simboliza el ancho, en muestras,

de la funcin ventana en tiempo discreto. Generalmente son nmeros enteros
potencias de 2. n tambin es un nmero entero, el cual toma los valores
0 n N 1 . As que estas son las formas del tiempo pasado de las ventanas:
N 1 donde v (n) es mximo cuando n=0.
v ( n) = v 0 ( n ) 0
2

Ventana Rectangular

Es la ms simple de todas, y tambin se la conoce como Ventana de Dirichlet

v(n) = 1

Hann

Las ventanas de Hann y de Hamming son de la familia de las ventanas de

cosenos elevados, y comnmente son confundidas una con la otra.

Introduccin al Anlisis Espectral - Juan E. San Martn 7

Mezcla y Masterizacin II Secretara de Extensin Facultad de Bellas Artes UNLP

2n
v(n) = a 0 a1 cos
N 1

Hamming

La altura mxima de los lbulos laterales es de alrededor de un quinto del

de la ventana de Hann, un coseno elevado con coeficientes ms simples.

2n
v(n) = a 0 a1 cos
N 1
a 0 = 0,53836; a1 = 0,46164

Blackman

Introduccin al Anlisis Espectral - Juan E. San Martn 8

Mezcla y Masterizacin II Secretara de Extensin Facultad de Bellas Artes UNLP

2n 4n
v(n) = a 0 a1 cos + a 2 cos
N 1 N 1
a0 = 0,42; a1 = 0,5; a 2 = 0,08;

Gaussiana

2
1 n ( N 1) / 2

2 ( N 1) / 2
v ( n) = e

0,5

Existen muchas otras ventanas, y cada una poses sus caractersticas

particulares. Si bien para el audio, a grandes rasgos, cualquiera puede ser de
utilidad, para realizar mediciones que precisan de gran exactitud, no dar lo
mismo cualquier eleccin. La ventana de Hamming posee buena resolucin
tanto en frecuencia como en amplitud (aunque a bajas amplitudes puede
dificultarse su interpretacin en aplicaciones de audio). La ventana de
Blackman posee buena resolucin en frecuencia, pero regular resolucin en
amplitud, y se la suele utilizar para medir distorsiones.

Introduccin al Anlisis Espectral - Juan E. San Martn 9

Mezcla y Masterizacin II Secretara de Extensin Facultad de Bellas Artes UNLP

Bibliografa

Basso, Gustavo. Anlisis Espectral, La trasformada de Fourier en la Msica, Ed.

Al Margen, 2001.

Miyara, Federico. Acstica y Sistemas de Sonido, UNR Editora, 2006.

Salvioli, Sahra. Matemticas Especiales, Ed. CEILP, 2005.

Sorn, Sal. Teora y Prctica del Decibel, Ed. Bell S.A., 1980.

Wikipedia, Free Encyclopedia, 2009. Las imgenes de las funciones ventana son
de dominio pblico, gentilmente cedidas por el usuario Tiaguito.

Introduccin al Anlisis Espectral - Juan E. San Martn 10