UNIVERSIDAD DE PIURA

FACULTAD DE INGENIERIA

SISTEMAS AUTOMTICOS DE CONTROL

TRABAJO

Informe de Laboratorio N3:

TRANSFORMADAS RPIDA DE FOURIER

PROFESOR:

Dr. William Ipanaqu Alama

ALUMNO:

John P. Olivos Canales

Piura, 08 de mayo del 2017

 1. Evaluar 3 audios diferentes en el espectro de frecuencia de
Fourier y el tiempo
Para este caso, debemos analizar tres muestras de sonido diferentes entre s,
un sonido de una cancin (instrumenta) donde hay una mezcla de voz humana
e instrumentos musicales, otra muestra ser la de solo la voz humana (voz) y
finalmente he considerado colocar un audio donde solo se escuchan
instrumentos musicales (vozinstrumente).
Todos los archivos descritos anteriormente estn en formato WAV, que es el
formato con el cual el Matlab trabaja sus archivos.

Para realizar el anlisis, comenzaremos definiendo las lneas de

programacin a trabajar en Fourier, son las siguientes:

function fourier(signal,Fs)%se ha designado Fs a la frecuencia de

muestreo%
L=length(signal); %es la longitud de la seal%
T= 1/Fs; %me define el periodo de muestreo que es inverso a la frecuencia
%
NFFT=L; %una funcin en fourier%
Y=fft(signal,NFFT)/NFFT;
f=Fs/2*linspace(0,1,roundn(NFFT/2,0)+1);
figure;plot(f,2*abs(Y(1:roundn(NFFT/2,0)+1))); %graficamos%

Ya tenemos definido la funcin para el anlisis en Fourier, ahora vamos a

definir las lneas de programacin que harn posible la captura del audio
en Matlab, adems se define las figuras que nos dar cada audio tanto
en Fourier y en el tiempo.
clc
clear all
[voz1 f1]=audioread('vozinstrume.wav');% voz1r=voz1(300000:300000+10*f1);
sound(voz1,f1);
fourier(voz1,f1);
figure,plot(voz1);

Comenzaremos a analizar primero el audio donde solo aparece

los instrumentos musicales, en este caso es una cancin clsica.
La funcin en Matlab para este caso es la siguiente:
clc
clear all
[voz1 f1]=audioread('vozinstrume.wav');
% voz1r=voz1(300000:300000+10*f1);
sound(voz1,f1);
fourier(voz1,f1);
figure,plot(voz1);

Los resultados mostrados tanto en el espectro de Fourier como en el tiempo

son los siguientes:
 Figura 1. Anlisis en el tiempo del sonido instrumental

Podemos observar en la figura 1 que el sonido no es uniforme, es decir

presenta algunos picos mayores que los dems, se nota al inicio que empieza
con sonidos agudos, entonces notamos que va en relacin al sonido grabado,
luego tenemos una zona donde la amplitud del sonido decae a una amplitud
aproximada de 0.4, esta es una zona de la cancin donde empiezan a
escucharse instrumentos graves. Finalmente, la amplitud aumenta a 0.6.
En lo que respecta al anlisis, podemos definir que el audio no sobrepasa cierta
amplitud, en este caso 1, adems posee un tiempo mximo de duracin que es
el que nosotros hemos definido, presenta picos en algunas partes, ahora
vamos a analizar la misma muestra de la cancin, pero en el espectro de
frecuencias.
 Figura 2. Espectro de frecuencia de la seal instrumental

En la figura 2 notamos las frecuencias de la cancin analizada, podemos notar

que la frecuencia mxima corresponde a una de amplitud aproximada de 0.019
con una frecuencia de 93.16Hz esto debe corresponder a un instrumento que
posee dicha frecuencia de trabajo, notamos en el siguiente cuadro las
frecuencias de trabajo de algunos instrumentos musicales.
Tabla 1. Rango de frecuencias de algunos instrumentos musicales 1

Instrumento Fundamental Armnicos

Flauta 261-2349 3-8 KHz
Oboe 261-1568 2-12 KHz
Clarinete 165-1568 2-10 KHz
Fagot 62-587 1-7 KHz
Trompeta 165-988 1-7.5 KHz
Trombn 73-587 1-4 KHz
Tuba 49-587 1-4 KHz
Tambor 100-200 1-20 KHz
Bombo 30-147 1-6 KHz
Platillos 300-587 1-15 KHz
Violn 196-3136 4-15 KHz
Viola 131-1175 2-8.5 KHz
Cello 65-698 1-6.5 KHz
Bajo acstico 41-294 1-5KHz
Bajo elctrico 41-300 1-7 KHz
Guitarra acstica 82-988 1-15 KHz
Guitarra elctrica (amplif.) 82-1319 1-3.5 KHz

1 Tomado de http://www.hispasonic.com/reportajes/tabla-rango-frecuencias-
instrumentos-musicales/39
 Guitarra elctrica (directa) 82-1319 1-15 KHz
Piano 28-4196 5-8 KHz
Saxo Soprano 247-1175 2-12 KHz
Saxo alto 175-698 2-12 KHz
Saxo tenor 131-494 1-12 KHz
Cantante 87-392 1-12 KHz

Finalmente, el espectro de Fourier nos indica el rango de frecuencias de la

cancin en cuanto a los instrumentos utilizados, podemos analizar que
instrumento es el que ms predomina, cual su frecuencia fundamental, cuanto
es su amplitud, esto para grandes rangos es muy til para la empresa de
grabaciones que trabaja en ello.
Ahora vamos a analizar el audio donde solo aparece lo voz
humana, en este caso es una grabacin de mi propia voz.
El cdigo en Matlab es el siguiente.
clc
clear all
[voz1 f1]=audioread('voz.wav');
% voz1r=voz1(300000:300000+10*f1);
sound(voz1,f1);
fourier(voz1,f1);
figure,plot(voz1);
Con respecto al anterior anlisis este solo cambia el nombre del audio a
trabajar, en cuanto a lo dems es el mismo cdigo, ahora vamos a analizar la
seal en el tiempo y tenemos:

Figura 3. Anlisis en el tiempo de la seal voz

 Notamos en la figura 3 que hay una gran diferencia con la seal anterior, es
decir si la comparamos con la figura 1, notamos que esta seal es ms limpia
que la seal anterior, esto debido a que solo existe una sola seal en este caso
la voz, en cambio en las dems seales hay ms instrumentos que interfieren
entre ellos.
Con este anlisis podemos notar que la seal de mi voz tiene una amplitud
mxima de aproximadamente 0.6 y una duracin mostrada en la misma, esta
seal presenta picos grandes en alguna parte de su duracin adems de zonas
donde solo hay una seal constante.
Ahora vamos a analizar el espectro de frecuencia de la seal dada.

Figura 4. Anlisis de frecuencias en Fourier para la voz

Notamos en la imagen 4 que tenemos una frecuencia mxima de nuestra voz,

esta frecuencia mxima presenta una amplitud determinada y una frecuencia
fundamental tal como se muestra en la imagen 4, notamos adems que
nuestra voz varia en cuanto a su frecuencia, es decir no tenemos una sola
frecuencia de voz, sino que tenemos un rango de frecuencias donde nuestra
voz est comprendida, claramente hay que decir que nuestra voz tiene una
frecuencia mxima. Entonces este grfico trata de decirnos que para este caso
la frecuencia de nuestra voz tiene ese rango de funcionamiento.

Ahora vamos a analizar el audio donde solo aparece lo voz

humana con instrumento musical, en este caso es una grabacin
una cancin de un artista conocido.

El cdigo en Matlab para este caso es el siguiente:

clc
clear all
[voz1 f1]=audioread('instrumenta.wav');
% voz1r=voz1(300000:300000+10*f1);
sound(voz1,f1);
fourier(voz1,f1);
figure,plot(voz1);

Analizaremos la seal en el tiempo y obtendremos el siguiente resultado:

Figura 5. Anlisis en el tiempo de la cancin

Notamos que a comparacin de las dems muestras est presenta ms gama

de seales en cuanto a que hay ms instrumentos, en la cancin se puede
percibir que aparte de la voz humana hay instrumentos como la guitarra, la
batera, el rganos, entonces al haber ms de un solo instrumento hay ms
seales que interfieren entre s esto sumado a la calidad de grabacin nos
muestra el resultado en la figura 5.
Analizaremos el espectro de frecuencias de Fourier.
 Figura 6. Anlisis en frecuencia de la seal

Podemos notar en la imagen 6 que a comparacin de la voz existen dos

frecuencias que resaltan de entre las dems, esto debido a que una seal es la
de la voz y la otra es la de los instrumentos que la acompaan, entonces para
este caso podemos discernir de entre las dems que frecuencias son las ms
relevantes. El espectro de Fourier solo se da hasta cierta frecuencia, a
comparacin de la muestra de la voz que abarcaba todo el eje x.
2. Conclusiones
Existe una gran diferencia entre las diferentes seales en el mundo
real, es decir nuestro mundo est compuesto de seales continuas
con un rango de funcionamiento con una frecuencia mxima de
trabajo, entonces las seales al ser de banda limitada podemos
discretizar esas seales con las herramientas adecuadas para realizar
el anlisis adecuado y darle la utilidad adecuada.
Para el caso de nuestra voz nicamente, podemos notar que, a
comparacin de las dems muestras analizadas, la seal en el tiempo
es muy limpia a comparacin de las dems, esto debido a que solo
existe una sola seal que posee una banda limitada de
funcionamiento y una frecuencia mxima, entonces para un anlisis a
profundidad podemos utilizar herramientas de alta gama para sacar
conclusiones an ms utilizables, esto se da en el ambiente musical
al grabar una cancin, por ejemplo.
Cuando analizamos las seales donde aparecen ms de un
instrumento, notamos que en el tiempo la seal es un poco
emborrosa en comparacin de la muestra donde solo est la voz,
esto porque obviamente aparecen ms frecuencias y seales en el
tiempo, podemos notar tambin en el espectro de frecuencias que
hay frecuencias con su respectiva amplitud y frecuencia
 determinada, y para saber aproximadamente de que seal se trata
podemos recurrir a la tabla 1, donde se muestra algunas frecuencias
de trabajo de instrumentos musicales, este rango se debe verificar
con el espectro de frecuencias.
En la industria musical el anlisis en el tiempo y frecuencia es ms
exhaustivo debido a que al grabar una cancin existen instrumentos
de alta gama que permiten que la voz humana entre ntida, existen
filtros para cada instrumento, el anlisis es mucho ms eficaz debido
a que se debe entregar un producto de calidad. Pero el anlisis es el
mismo al que hemos realizado, es decir realizan el anlisis de
frecuencias y en el tiempo, la nica diferencia es que en este caso se
mezclan sonidos, se agregan sonidos se cortan y editan las canciones
antes de que salgan al mercado.
En cuanto a la grabacin de sonidos y su posterior reproduccin, para
muestrear las seales se hace uso del teorema del muestreo donde
se busca el tiempo de muestreo adecuado para guardar la data que
solo interesa y luego darle su posterior reproduccin. Hay que hacer
caso al teorema de Shanon o Muestreo para no caer en el aliasing
un defecto del muestreo que puede causar problemas al momento de
recuperar la seal original.
Las seales en el mundo son de origen continua de banda limitada,
entonces nos es ms fcil llevar esas seales continuas en discretas
debido a que en lo discreto tenemos el mundo digital donde existen
innumerables herramientas para tratar esas seales, herramientas
que nos permiten analizar las seales a detalle, entonces es de vital
importancia saber estas herramientas.