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.