UNIVERSIDAD NACIONAL PEDRO RUIZ GALLO

FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS

ESCUELA DE INGENIERIA ELECTRONICA

ANÁLISIS ESPECTRAL

Curso:
Sistemas de Comunicaciones Digital l

Docente:
Ing. Paredes Cornejo Luis Enrique.

Integrantes:
• Montenegro Asenjo Jesús Emil.
• Lescano Banda Hammer Javier.
• Cajo León Leandro Abraham.
• Romero Paredes Luis José.
• Sánchez Rea Diana Carolina.

Ciclo Académico:
2019 – I

Lambayeque, 24 de Mayo del 2019

 ANALISIS ESPECTRAL

El análisis espectral o análisis de espectro es un examen de un rango de

frecuencias o cantidades relacionadas. La representación obtenida mediante el
análisis espectral se denomina espectrograma.

Las técnicas clásicas de análisis espectral son:

Transformada de Fourier, periodograma, método Blackman-Tukey las cuales

consisten en un ajuste de las funciones seno y coseno a las muestras dadas o
una aproximación a este ajuste, el cual no es adecuado cuando el conjunto de
muestras es pequeño y contiene ruido añadido a las mismas. Estas técnicas
suponen que la señal es periódica o también que es cero fuera del Intervalo en
que ha sido muestreada lo cual no es necesariamente cierto. Estas
consideraciones provocan un efecto de distorsión en el espectro obtenido.

La evaluación de las propiedades espectrales de una señal de longitud infinita

resulta complicada. Por eso hay que adoptar distintos esquemas de análisis
dependiendo de la aplicación y hay distinguir entre señales deterministas y
señales aleatorias.

Determinística: la variable dependiente e independiente cumplen con una regla

de correspondencia definida y con ayuda de puntos anteriores o posteriores,
puede predecirse un punto de interés

Aleatorias: aun conociendo puntos anteriores o posteriores, no es posible

predecir ninguno de sus puntos, ya que esta no sigue reglas de correspondencia
conocidas.
 USO DE LA TRANSFORMADA DE FOURIER COMO
HERRAMIENTA PARA EL ANÁLISIS ESPECTRAL DE LA VOZ

1. CONCEPTO

La Transformada de Fourier es una herramienta de análisis muy utilizada en

el campo científico (acústica, ingeniería biomédica, métodos numéricos,
procesamiento de señal, radar, electromagnetismo, comunicaciones, etc.).
Transforma una señal representada en el dominio del tiempo al dominio de la
frecuencia, pero sin alterar su contenido de información, sólo es una forma
diferente de representarla. La potencia del análisis de Fourier radica en que nos
permite descomponer una señal compleja en un conjunto de componentes de
frecuencia única; sin embargo, no nos indica el instante en que han ocurrido. Por
ello, esta descomposición es útil para señales estacionarias: las componentes
de la frecuencia que forman la señal compleja no cambian a lo largo del tiempo.
Aunque se han realizado estudios fonéticos utilizando el análisis espectral
mediante la distribución de WIGNER, lo cierto es que la mayoría de los fonólogos
utilizan los espectrogramas para la realización de sus investigaciones.
Para señales no estacionarias nos vemos obligados a tomar tramos o
ventanas en donde se pueda considerar estacionaria y así poder aplicar la
Transformada de Fourier. Para realizar el análisis completo debemos tomar
una secuencia de ventanas para observar la evolución de las frecuencias de la
señal original.

2. MATERIALES Y METODOS
2.1 LA TRANSFORMADA DE FOURIER
Es parte de la base de que toda señal genérica, por compleja que sea se
puede descomponer en una suma de funciones periódicas simples de distinta
frecuencia. En definitiva, la Transformada de Fourier visualiza los coeficientes de
las funciones sinusoidales que forman la señal original.
 Figura 1. Una seña genérica se forma por un sumatorio de señales
sinusoidales.

Si aplicáramos la transformada a la señal genérica de la figura anterior nos daría

como resultado una proporción de los coeficientes que hemos utilizado para
generarla.
La Transformada de Fourier se define como:

X(f) =∫ x(t)e-j21ift dt. En general, X(f) es una función compleja: X(f) = R(f) + jI(f)
=|X(f)| eⱷf() . A partir de la señal en el dominio de la frecuencia se puede recuperar
la señal en el dominio en el tiempo aplicando la
Transformada inversa de Fourier:
X(f) =∫ x(t)e-j21ift dt .
A continuación, se presentar la Transformada de Fourier de cuatro funciones
básicas:
 Figura 2 Transformada de Fourier de cuatro funciones básicas.

Para la función coseno, la Transformada sólo tiene parte real y para la función
seno parte imaginaria. Toda la función representada sólo tiene parte real.

2.2 PROPIEDADES DE LA TRANSFORMADA DE FOURIER.

Linealidad. Si las funciones x(t) y y(t) tienen como transformada a X (f)

Y Y(f), respectivamente, entonces la suma de ambas tiene como
transformada a X(f) + Y(f).

Simetría. Si X(f) es la transformada de x(t), la transformada de X(t) es x(- f).

Escalado en el tiempo y en la frecuencia. Si realizamos un escalado de la
variable t mediante la constante k la transformada

Igualmente, si realizamos un escalado de la frecuencia mediante la constante k

la transformada inversa nos da:

Desplazamiento en tiempo y en frecuencia. Si desplazamos el tiempo según la

constante t0, la transformada nos queda:

X(t - to)↔ x(f)e-j2πfto

Si desplazamos la frecuencia con la constante de fourier, la transformada inversa
nos queda:

x(t)e-j2πtf0 ↔X(f- fo)

Multiplicación frente a convolución. Definiendo la operación de convolución entre
dos funciones como:
x(t)· y(t) = ∫ x(r)y(t-r:)dr
Multiplicamos dos funciones en el tiempo y calculamos la transformada, equivale
a realizar la operación de convolución (*: operador de convolución) entre· las
transformadas de ambas funciones; la operación de convolución en el tiempo
equivale a la multiplicación en frecuencias.

x(t)y(t) ↔X(f)· Y(f)

x(t)· y(t) ↔X(f)Y(f)

2.3 MUESTREO DE ONDAS
Como todas las operaciones se realizarán por ordenador, no podemos
trabajar con funciones continuas; por ello primero que debemos realizar es un
muestreo de la señal de voz.
En definitiva, para muestrear la señal x(t) debemos multiplicarla por un
tren de deltas:
siendo el período de muestreo de T. x[ nT] representa una secuencia infinita de
impulsos equidistantes, cada uno de los cuales tiene una amplitud que
corresponde con el valor de x(t) en el tiempo correspondiente al impulso.
2.4 TF DISCRETA VISIÓN PRÁCTICA
La Transformada de Fourier es una herramienta muy útil cuando se
trabaja con modelos matemáticos, pero si queremos trabajar con señales reales
físicas y operando mediante ordenador debemos trabajar con modelos finitos y
discretos. Lo primero que debemos hacer es muestrear la señal de voz a
analizar. Es importante saber la frecuencia de muestreo que debemos aplicar y
para ello debemos saber el ancho de banda de la onda original.
Teniendo en cuenta lo descrito en el apartado 3, un muestreo de 11.025 Hz
puede ser suficiente para representar la voz (se capturaría hasta frecuencias de
5.512 Hz). Se toma esta frecuencia por ser estándar en ficheros con formatos
WAV.
Una vez muestreada debemos convertirla en finita. Para ello limitaremos el
número de puntos que se toman. Matemáticamente es multiplicar la señal por
una ventana temporal; el efecto que provocamos es convolucionar el espectro
de la señal muestreada con el espectro de la ventana.

Figura 3. Proceso de muestreo de una señal

 2.5 TRANSFORMADA RÁPIDA DE FOURIER CON MATLAB, EN EL
ANÁLISIS EPECTRAL DE LA VOZ
2.5.1 ARCHIVOS WAV.
Un archivo WAV, es un formato digital de archivos de audio. Generalmente
no presenta compresión de datos. Es capaz de trabajar con archivos mono y
estéreo en diversas resoluciones y con distintas velocidades de muestreo. Una
de las grandes ventajas que presenta este formato es que no posee pérdida de
calidad, lo cual lo hace adecuado para uso profesional. Para obtener calidad CD
de audio se necesita que el sonido se grabe a 44100 Hz y a 16 bits.
Este formato no es muy popular debido a que al evitarse la compresión de
datos dentro del mismo para no perder calidad, hace que se genere un archivo
demasiado extenso.
2.5.2 COMANDOS MATLAB.
Como se mencionó en los objetivos del presente trabajo, utilizaremos el
software Matlab, mediante la introducción de comandos para obtener diversas
propiedades de las señales creadas y así comparar las diferencias entre ambas.
Matlab permite:
 Cargar el archivo de audio x=wavread(‘ruta’)
 Graficar en el dominio del tiempo plot (x)
 Hallar la transformada rápida de Fourier y=fft(x)
 Hallar la potencia de la señal a=y.*conj(y)
 Espectro de Frecuencias f(100,3000);
 Graficar en el dominio de la Frecuencia plot(f,a(1:2901));

2.5.3 PASOS PARA EL USO DEL CÓDIGO EN MATLAB Y EL MÉTODO DE

GRAFICACIÓN.
Se abre un nuevo script y se ingresa el código. Cabe recalcar que antes
se debe realizar la grabación en formato wav y copiar su ruta de ubicación.
Al graficar el espectro de frecuencias (luego de calcular la fft), se debe
determinar un rango de frecuencias, en este caso entre 100 y 3000 debido a que
es el rango promedio de frecuencias en las cuales las ondas sonoras son
perfectamente audibles.
 Figura 4. Muestra del código

Se observa que la grabación, en el dominio del tiempo tuvo una duración

de 0 a 180000 ms aproximadamente.

Figura 5. Gráfica en el dominio del tiempo.

Se observa que su mayor potencia está en 1KHz

 Figura 6. Gráfica en el dominio de la frecuencia.

2.5.4 ANCHO DE BANDA DE LA SEÑAL DE AUDIO

El ancho de banda (BW), para esta señal de audio .wav es:
𝐵𝑊 = 3000 𝐻𝑧 − 100 𝐻𝑧 = 2900 𝐻𝑧 = 2.9 𝐾𝐻𝑧
2.5.5 USO DEL ANALISIS ESPECTRAL UTILIZANDO COMO HERRAMIENTA
MATEMÁTICA LA TRANSFORMADA DE FOURIER Y COMO PRINCIPAL
SOFTWARE, MATLAB.
Este análisis sirve para descomponer la parte compleja del espectro en
partes simples, identificar las partes más simples de toda la complejidad el
espectro de la voz.
Este proceso cuantifica las diversas intensidades de cada frecuencia
como de las ondas de radio, sonidos de objetos, pero para nuestro caso, para el
análisis espectral de la voz.
La Transformada de Fourier es una herramienta que ayuda a
descomponer estas señales en partes más sencillas, como en intervalos de
tiempo. También la TF nos sirve para reconstruir la función original mediante la
transformada inversa.
3. CONCLUSIONES
 Se ha descrito en forma general el uso de la Transformada de Fourier,
también de forma práctica junto con el uso de Matlab mediante el uso de
un ordenador portátil.
 Se menciona el efecto que produce todo lo que interviene en el cálculo de
los espectros, que resultan invariantes en el tiempo.
 El ancho de banda que se usó fue en un rango de 100Hz a 3000Hz,
obteniendo una gráfica la cual duró 180000 ms aproximadamente.
 El espectro es una herramienta muy importante para el estudio de
sonidos, como fonética acústica, acústica, lo cual brinda un mejor análisis
en sonidos de voz y de otros objetos.
 Se Ganó el conocimiento adecuado para poder usar la transformada de
Fourier en otras aplicaciones, conjuntamente con el uso del Matlab.
 Se ha presentado en este trabajo cómo herramientas de análisis
ampliamente usadas por especialistas en Acústica pueden tener
interesantes aplicaciones en distintas áreas del conocimiento, como es el
caso de las ramas asociadas al estudio de la voz humana. La aplicación
de estas herramientas entrega una nueva perspectiva que presenta
grandes beneficios tanto en el diagnóstico y seguimiento de patologías
vocales, así como en aplicaciones al estudio de los lenguajes.
4. REFERENCIAS
[1] F. Auger & P. Flandrin, "Then Why and how of time Frequency
Reassignment", IEEE Symp. On Time- Frequiency and Time-Scale Analysis, pp
197- 200 ,Oct 1994,
[2] E. O. Brigham, "The fast Fourier Transform and its applicationes", Prentices-
Hall, Gran Bretaña, 1998