ESPECTROS SONOROS

La información acerca de qué frecuencias integran un sonido y cuáles

son las respectivas amplitudes y fases constituye lo que se denomina
espectro del sonido. Se suele representar con un par de gráficos con la
frecuencia en las abscisas, y en las ordenadas la amplitud o energía en
uno y la fase en el otro.
En este artículo se definirán los cuatro tipos de espectros que existen.
Existen cuatro tipos de espectros. El primero de ellos (Fig. I) corresponde a los
sonidos periódicos. El espectro en este caso está formado por líneas verticales
equiespaciadas, siendo la primera la correspondiente a la frecuencia fundamental o
primer armónico, la segunda al segundo armónico, y así siguiendo. La altura de
cada línea espectral es la amplitud del armónico respectivo. Un caso particular lo
constituye un tono puro de frecuencia f0. Los tonos puros se encuentran rara vez en
la naturaleza, pero son de extraordinaria importancia como herramienta de
análisis, ya que todo sonido puede considerarse como formado por la
superposición de tonos puros de diversas frecuencias.
FIG. I Superposición de diversas frecuencias.
El segundo tipo (Fig. II) de espectro corresponde a los sonidos no periódicos con
frecuencias identificables. En este caso el espectro contiene líneas espectrales con
separaciones no uniformes. Tanto en este caso como en el anterior, el espectro se
denomina discreto.

FIG. II Espectro discretoFIG. N°29 Espectro discreto

El tercer tipo (Fig. III) se trata de los sonidos de espectro continuo, no periódicos,
cuyas componentes están demasiado próximas como para poder discriminarse.

FIG. III Espectro continuo.

Debido a la gran cantidad de líneas que implicaría una representación mediante
líneas espectrales, se representa la densidad espectral, que es la energía por
unidad de frecuencia (Fig. IV).

FIG. IV Densidad espectral.

El cuarto tipo de espectro(Fig. V) es el espectro mixto, que es la superposición de
un sonido de espectro continuo y uno o más de espectro discreto. De este tipo son
la mayoría de los sonidos que percibimos.

FIG. V Superposición de espectro continuo y

discreto.
 TRANSFORMADA RAPIDA DE
FOURIER Y COMPRESIÓN DE
AUDIO
• Efectivamente se demuestra que la Transformada de Fourier es una herramienta
que ha dado inicio el camino de la compresión de Audio y Video, además la
tecnología de compresión de audio mediante la Transformada de Fourier ha
originado que los investigadores diseñen algoritmos basados en la transformada
de Fourier que permitan comprimir eficientemente archivos grandes en
pequeños
EJEMPLO de compresion de voz por medio de la transformada de fourier en
MATLAB
Se muestra en la Fig. VI.La entrada es un señal analógica o continua (señal original),
voz de un alumno, también se muestra la magnitud de la transformada de Fourier y
mediante la transformada inversa se tiene la señal comprimida de la voz, si se
compara la señal original y la que resulta es prácticamente la misma lo cual
muestra la eficiencia del algoritmo FFT en la compresión de audio.

Fig.VI Compresión de voz por medio de TFF

CONCLUSIONES
• Las series de Fourier nos permiten obtener el espectro de frecuencia de señales
continuas y periódicas.
• La transformada de Fourier nos permite obtener el espectro de frecuencias de
señales aperiodicas.
• La Transformada de Fourier es una herramienta matemática eficiente para el
tratamiento de señales continuas y discretas, siendo el algoritmo FFT que
muestra la potencia de compresión de una señal continua en un archivo MP3.
• El formato MP3 es un formato de compresión de audio estándar en el mundo de
la música que proporciona un sonido de calidad muy cerca al formato WAV del
CD, pero con relaciones de compresiones de tasa más altasque hacen que este
formato sea preferido en el mundo de la música.
RECOMENDACIONES
• Es fundamental el conocimiento de las series de Fourier y su
transformada, para poder trabajar con algo tan cotidiano como son
las ondas, ya que sin estas herramientas matemáticas no se podrían
obtener los datos necesarios para su digitalización y su posterior
procesamiento.
• Se debe de aplicar otros algoritmos de la TFF a fin de minimizar el
tiempo de proceso y mejorar la calidad compresión de audio.
• El estudio de la Transformada de Fourier se debe extender a la
Transformada de Wavelets que constituye actualmente un campo de
investigación muy requerida en tratamiento de señales.