Introducción al análisis de sonidos - Marcelo Araya...

Introducción al análisis de

sonidos

Marcelo Araya-Salas

New Mexico State University

Taller análisis de vocalizaciones animales

Modificado de Bradbury y Vehrencamp 2010

Grabación de sonidos

• Sonido: perturbación en la presión del

medio (aire, agua, etc)

• Cada región de presión mas alta que el

promedio ambiental es seguida por una de

presión mas baja

Grabación de sonidos

• El micrófono convierte la variación en

presión del sonido en una señal eléctrica

que asemeja la oscilación

Describir y comparar sonidos

• Oscilograma (waveform): gráfico de

presión vs tiempo. Es un descripción del

sonido en el dominio de tiempo.

• Como describir y comparar estas

señales?

Tiempo

Pájaro

campana Oropendola

Tiempo

Oscilogramas simples

• La señal mas simple que puede ser grabada

es una onda sinusoidal sin cambios en

amplitud o frecuencia:

Mediciones en el dominio del

tiempo • Amplitud: la desviación máxima

(o promedio) con respecto al ruido

ambiental

tiempo • Amplitud: generalmente la escala es relativa

al ruido de fondo (dB = 20 log10 (Aobs/Aref))

• Frecuencia: ciclos por segundo (Hz) de la onda

(reciproco del tiempo de un ciclo =1/T)

tiempo

Mediciones en el dominio de

frecuencia

• Frecuencia se puede visualizar mejor en un

gráfico de densidad espectral

Dominio del tiempo Dominio de frecuencia

Ondas no sinusoidales

• Como se pueden describir?

• Modulación de frecuencia (1er gráfico)

• Modulación de amplitud (2do grafico)

Análisis de Fourier • Por suerte!

Cualquier onda continua puede ser

descompuesta en ondas sinusoidales puras

con frecuencia y amplitud (Análisis de

Fourier)

Los gráficos en el dominio de frecuencia

son MUY útiles para comparar sonidos!

• Aplicando la solución de Fourier:

Espectros de frecuencias

Frecuencia Frecuencia

Análisis de Fourier

• Pero como analizar cantos mas complejos como este emberízido?

• Solución: dividir el canto en segmentos y crear espectros de frecuencia para cada segmento

(Mover cursor para reproducir)

• Los espectros se juntan para mostrar como cambian las frecuencias en el tiempo

• El gráfico que resulta se conoce como espectrograma

(Mover cursor para reproducir)

Ondas no-sinusoidales

• 3 tipos de desviaciones de una onda

sinusoidal. La mayoría de animales son una

combinaciones de estos 3 tipos:

Onda sinusoidal

Modulación de amplitud (AM)

Modulación de frecuencia (MF)

Señales periódicas no sinusoidales

Onda sinusoidal

Análisis de ondas no-sinusoidales

típicas • Amplitud de modulación (AM):

T f = 1/T Portadora

– 2 mediciones posibles:

• Frecuencia portadora (f)

T f = 1/T

t w = 1/t

Frecuencia modulante

Portadora

– 2 mediciones posibles:

• Frecuencia portadora (f)

• Frecuencia modulante

f f–w f+w

T f = 1/T

t w = 1/t

Frecuencia modulante

Portadora

– Espectro de frecuencia es 3 lineas: portadora

(f) y dos modulantes (f-w y f+w)

f f–w f+w

Onda sinusoidal

comunes • Modulación de frecuencia (MF)

Manteniendo la amplitud constante

Tiempo

fmax= 1/T1

Tiempo

fmax= 1/T1

fmin= 1/T2

Tiempo

fmax= 1/T1

fmin= 1/T2 Portadora ( f ) = (fmax+ fmin) / 2

Tiempo

fmax= 1/T1

Frecuencia modulante, w

Tiempo

fmax= 1/T1

Frecuencia modulante, w

t w = 1/t

comunes

• Modulación de frecuencia (MF)

El espectro de frecuencia tiene la frecuencia portadora y bandas laterales (± nw ) al rededor

t w = 1/t f

f–w f+w

f–2w

f–3w

Ondas no-sinusoidales comunes

Onda sinusoidal

• Señales periódicas no sinusoidales

– Cualquier forma de onda mientras q haya

periodicidad

comunes

– Cualquier forma de onda mientras q haya

periodicidad

– Se mide el tiempo de repetición del período y

los periodos por tiempo (w)

comunes

t w = 1/t

– El espectro de frecuencia contiene componentes

a w, 2w, 3w, etc.

– Componentes que son múltiplos de la de una

frecuencia son series harmónicas

comunes

t w = 1/t 2w

w 3w 5w

– La amplitud disminuye exponencialmente en

los harmónicos sucesivos (regla de Dirichlet)

– Salvo si la onda tiene simetría de media onda

comunes

t w = 1/t 2w

w 3w 5w

comunes

t w = 1/t 2w

w 3w 5w

comunes

t w = 1/t

comunes

t w = 1/t

– Cuando al simetría es de media onda solo se

producen los harmónicos impares

comunes

t w = 1/t

w 3w 5w 7w

Otra excepción a la regla de Dirichlet ocurre

cuando hay “máximos múltiples”:

comunes

Se puede medir la frecuencia fundamental de la

serie harmónica

comunes

w = 1/t

Pero también se puede calcular el periodo entre

máximos múltiples

comunes

w = 1/t

z = 1/t

El resultado es una serie harmónica basada en

la fundamental w. Cuando un harmónico esta

cerca de un múltiplo de z la amplitud es menor

comunes

w = 1/t

15w w 10w 5w

Cimas Vallers

• Ondas compuestas

Mayoría de vocalizaciones animales son

combinaciones de AM, MF, y señales

periódicas no-sinusoidales (ondas compuestas)

Se pueden descomponer en frecuencias

portadoras y moduladas!

comunes

• Ondas compuestas

Cualquier combinación es posible

Portadora Modulación

modulante Resultado

Análisis de vocalizaciones

animales

El principio de incertidumbre

• El análisis de Fourier necesita varios ciclos

para calcular las frecuencias de una señal

• Entre mas ciclos mayor precisión en el

calculo

• Si se analiza solo un segmento de tiempo

corto de tiempo la frecuencia va ser una

banda amplia

• Si el segmento es largo las frecuencias se

definen con mas precisión

Segmento medio

Frequency

Segmento largo

Frequency

Segmento corto

• Compromiso entre precisión en frecuencia

y precisión en tiempo:

f·t ≈ 1

Segmento medio

Frequency

Segmento largo

Frequency

Segmento corto

Construir espectrogramas

• Se divide el sonido en segmentos y se

calcula el espectro de frecuencia para cada

segmento.

Tiempo

• Se divide el sonido en segmentos y se

calcula el espectro de frecuencia para cada

segmento.

Tiempo

• Luego se usa un gradiente de colores para

representar la variación en amplitud entre

las diferentes frecuencias

Tiempo

• El resultado es un grafico con frecuencia en

el eje y, tiempo en el eje x y amplitud en el

gradiente de colores

Tiempo

• El resultado es un grafico con frecuencia en

el eje y, tiempo en el eje x y amplitud en el

gradiente de colores

Tiempo

Resolución del espectrograma

• EL t (resolución en tiempo) es muy alta y

por tanto muy baja en frecuencia (f).

• EL f es de solo 5 Hz

Tiempo

• Si se disminuye el t 4 veces el f aumenta

a 20Hz

• Esto mejora la resolución de las bandas de

frecuencia

Tiempo

• Si se vuelve a disminuir el t 4 veces el f

aumenta a 80Hz

Tiempo

• Si se disminuye una vez mas el t 4 veces

el f aumenta a 320 Hz

• El patrón temporal de los últimos elementos

se ve mas claro

Tiempo

(1280 Hz)

se ve mas claro

Tiempo

(1280 Hz)

se ve mas claro

Tiempo

• Un nivel intermedio es el que resuelve

mejor el compromiso entre resolución en

frecuencia y resolución en tiempo

• Es necesario probar diferentes resoluciones!

Tiempo

La resolución en frecuencia debe ser:

• Suficientemente baja para ver los

harmónicos

• Suficientemente alta para mostrar MF y MA

Tiempo

Digital Sound Analysis

• At each sample point, the computer also

digitizes the amplitude value into one of N

equidistant categories. The number of

categories depends on how many “bits” are

used to store each value. N = 2number of bits

• Music CDs store 16 bits/sample and thus

divide the full amplitude range into 216 =

65,536 possible values.

• The higher the sampling rate and the higher

the bit depth, the more accurately the digital

recording captures the original sound.

• However, increasing sampling rate or bit

depth or both increases the size of the

digital file that must be stored.

• In stereo recording, two columns of

numbers must be stored, taking up even

more memory.

• Nyquist frequency: A digital recorder or

computer must be able to take at least 2

samples/cycle to be able to identify each

frequency.

• Thus, if you digitize your sounds at R

samples/sec, you will be unable to properly

capture any component with frequency

>R/2. This latter value is called the Nyquist

frequency.

• Aliasing: If you do not sample your sounds

at a high enough rate, any frequency in the

sounds that is higher than half the sampling

rate is aliased. This means you will see an

artifact in your spectrograms consisting of

an inverted version of what the sounds

should have looked like if you had sampled

at a sufficiently high rate. Not nice!

• Digital Bandwidths: In most computer

sound analysis programs, you do not set the

bandwidth f directly, but instead set the

segment duration, t.

• Instead of setting a time, you indicate t by

specifying the number of consecutive

sample points to be used for each frequency

spectrum in the spectrogram. This is often

called “frame size.”

Digital Sound Analysis • Windowing: If you cut a sound directly into

segments (a rectangular window) to make a

spectrogram, you introduce artifacts at the

beginning and end of each segment.

• This occurs because, with rectangular

windows, each segment begins with no

sound and is suddenly switched “on” and

suddenly “off.” The frequency spectrum of

sudden onsets and offsets must contain a

wide smear of frequencies.

Introducción al análisis de sonidos - Marcelo Araya...

Documents

Análisis de Fourier

Temas a tratar Análisis de Fourier DFT/FFT Transformada ...bioingenieria1.wdfiles.com/local--files/descargas/Fourier2013.pdf · La familia de Fourier Funciones de Fourier Senos y

Tema 3. Análisis de Fourier de señales y sistemas de tiempo ......Transformada de Fourier de sen˜ales de tiempo continuo Transformada de Fourier An´alisis de Fourier de senales

Análisis de Fourier aplicado a Telecomunicaciones

Análisis Fourier

Análisis de Fourier para mejorar un MDE destinado a ...scielo.sld.cu/pdf/riha/v38n3/riha06317.pdf · análisis de Fourier, filtrado digital, modelo digital de elevaciones, simulación

El análisis de Fourier

[Análisis de Fourier][Hwei P. Hsu]

Análisis Frecuencial de Fourier

Apuntes de Variable Compleja y Análisis de Fourier 2 …garciaargos.com/descargas/apuntes/2curso/compleja.pdf · Apuntes de Variable Compleja y Análisis de Fourier 2o ETSI Telecomunicación

Análisis de Fourier con las señales

Análisis de Fourier en tiempo Continuo y Discreto

[05] Análisis de Fourier para l tratamiento de señales

Ejemplo de una imagen (fotografía) - 193.144.52.95193.144.52.95/ApoyoDocencia_archivos/ejemplos.pdf · Análisis de Fourier con Matlab 8 Resultados 8 Análisis de Fourier de las

Análisis de Fourier-Hwei P. HSU(4)

Análisis de fourier (apuntes)

Análisis de Fourier - Ejercicios Resueltos

Análisis de Fourier con MATLAB

Análisis de Sistemas Lineales Mediante Fourier

Análisis de Fourier - Hwei P. Hsu