Instituto Politécnico Nacional
Escuela Superior de Ingeniería Mecánica y Eléctrica
Unidad Culhuacán
PROCESAMIENTO DIGITAL DE SEÑALES
GRUPO: 7EV22
PROFESOR: TORRES MORALES JOSÉ
GUADALUPE
ALUMNOS:
DOMÍNGUEZ BARRERA SAÚL GERARDO
RAMIREZ DE ANDA JAVIER
PEREZ MIRANDA ALEXIA ABIGAIL
PRACTICA 4 “Análisis Espectral”
OBJETIVO:
Procesar archivos de sonido (particularmente señales de voz) en formato. wap.
Representar las señales de voz en el dominio del tiempo (formas de onda) y en el dominio de
la frecuencia (espectro - FFT), mediante el comando plot.
Realizar la función ifft para obtener la voz original.
Utilizar la GUI Window Designer para aplicar ventanas a la señal .wap
MARCO TEÓRICO.
La "Transformación rápida de Fourier", FFT para abreviar, es un importante método de
medición en la tecnología de medición de audio y acústica. Descompone una señal en
sus componentes espectrales individuales y así proporciona información sobre su
composición. Los FFT se utilizan para el análisis de errores, el control de calidad y la
monitorización de las condiciones de las máquinas o sistemas. Este artículo explica el
cálculo del FFT, los parámetros relevantes y sus efectos en el resultado de la medición.
Estrictamente hablando, la FFT es un algoritmo optimizado para implementar la
"Transformación Discreta de Fourier", o DFT para abreviar. En este proceso, una sección
limitada en el tiempo de una señal se descompone en sus componentes. Estos
componentes son oscilaciones sinusoidales simples a frecuencias discretas, cuya amplitud
y fase están determinadas. El FFT permite así la vista de una señal en el dominio de la
frecuencia.
Con la Transformación de Fourier, se aplica el supuesto de que la sección de la
señal muestreada se repite periódicamente durante un período de tiempo infinito.
De esto se desprenden dos conclusiones: El FFT sólo es adecuado para señales
periódicas y la sección de la señal muestreada debe contener un número entero de
períodos.
El muestreo de una señal cuyas frecuencias no son múltiplos enteros de
df comenzaría y terminaría con valores diferentes dentro de un bloque de muestras
de 2^n. Esto resulta en un salto en la señal de tiempo, y en un espectro FFT
" manchado" (efecto de "fuga").
Ventana
Para evitar estas manchas, en la práctica se utiliza el "windowing" de la sección de
señales. La sección de la señal se desvanece más o menos suavemente usando
una función de ponderación. Esto asegura que la señal muestreada y luego
"ventana" comienza y termina en amplitud cero. La sección puede ahora repetirse
periódicamente sin una transición difícil.
CÓDIGO DE TODO EL PROGRAMA.
%Practica 4.- Análisis Espectral usando MATLAB
%Dominguez Barrera Saul Gerardo.
%Ramirez de Anda Javier.
%Perez Miranda Alexia
Abigail
. clear all;
clc;
fs=44100; %frecuencia de muestreo
T=1/fs; %periodo
a=audiorecorder(fs,16,1); %Variable para guardar la grabacion
disp('comenzar');recordblocking(a,5);disp('Final');%Inicio y final de la grabacion
grabacion=getaudiodata(a,'int16');%Se obtienen lops datos de la grabacion
t=size(grabacion)/fs;%el tiempo total necesario para crear el intervalo x=0:T:t;%intervalo
figure(1);%Primera Grafica audio original
plot(x(2:end),grabacion,'r'); title('Grafica de
Grabacion Original'); xlabel('Tiempo en
segundos'); ylabel('Grabacion')
trf=fft(grabacion); %fft de la señal original figure(2);
%grafica de la fft plot(abs(trf),'b');
title('FFT Aplicada al audio');
xlabel('frecuencia'); ylabel('f(w)')
itrf=real(ifft(trf));%transformada inversa
figure(3)%grafica con la señal recuperada
plot(x(2:end),itrf,'black');
title('Señal recuperada mediante la IFFT');
xlabel('Tiempo en segundos');
ylabel('Grabacion')
soundsc(itrf,fs,16); %reproduccion de los datos recuperados
Procesar la fft de una señal sin Ventanas.
Recuperar la señal a partir del espectro aplicando la ifft.
Aplicar ventana a la señal d voz y procesar aplicando la fft.
Opcionalmente aplique a su número de boleta de 8 puntos una fft, y luego
aplique el proceso de padding y streching de al menos 64 puntos.
CÓDIGO PARA APLICAR PADDING.
%PADDING
%Dominguez Barrera Saul Gerardo.
%Ramirez de Anda Javier.
%Perez Miranda Alexia Abigail.
N=8; k=0:N-1; %set sequence length
%to N=8
x=[2 0 2 0 3 5 0 2];
subplot(321)
stem(x)
X= fft(x); %determine the 8-point DFT
X= fftshift(X); %shift the DFT coefficients
w=-pi:2*pi/N:pi-2*pi/N; %computte DTFT frecuencies
subplot(323)
stem(w,abs(X)); %plot magnitude spectrum
subplot(325)
stem(w,angle(X)); %plot the phase spectrum
N=64;k=0:N-1; %set the sequence length
%to N=64
xp=[2 0 2 0 3 5 0 2 zeros(1,56)]; %zero-padded
sequence subplot(322)
stem(xp)
XP= fft(xp); %determine the 64-point DFT
XP= fftshift(XP); %shift the DFT coefficients
w=-pi:2*pi/N:pi-2*pi/N; %compute DTFT frequencies
subplot(324)
stem(w,abs(XP)); %plot magnitude spectrum
subplot(326)
stem(w,angle(XP)); %plot the phase spectrum
CÓDIGO PARA APLICAR STRECHING.
%Practica 4.- Análisis Espectral usando MATLAB
%Dominguez Barrera Saul Gerardo.
%Ramirez de Anda Javier.
%Perez Miranda Alexia Abigail.
%Screching
N=8; k=0:N-1; %set sequence length
%to N=8
x=[2 0 1 9 3 5 0 2];
subplot(321)
stem(x)
X= fft(x); %determine the 8-point DFT
X= fftshift(X); %shift the DFT coefficients
w=-pi:2*pi/N:pi-2*pi/N; %computte DTFT frecuencies
subplot(323)
stem(w,abs(X)); %plot magnitude spectrum
subplot(325)
stem(w,angle(X)); %plot the phase spectrum
N=64;k=0:N-1; %set the sequence length
%to N=64
xp=[2 zeros(1,7) 0 zeros(1,7) 1 zeros(1,7) 9 zeros(1,7) 3 zeros(1,7) 5
zeros(1,7) 0 zeros(1,7) 2 zeros(1,7)];
%zero-padded sequence subplot(322)
stem(xp)
XP= fft(xp); %determine the 64-point DFT
XP= fftshift(XP); %shift the DFT coefficients
w=-pi:2*pi/N:pi-2*pi/N; %compute DTFT frequencies
subplot(324)
stem(w,abs(XP)); %plot magnitude spectrum
subplot(326)
stem(w,angle(XP)); %plot the phase spectrum
GRÁFICA DE SCRECHING.
Código Fuente con Ventana de Blackman.
%Programa para aplicar ventanas del Dr. José Guadalupe Torres Morales
mivoz=audiorecorder;
disp('inicio de grabación')
recordblocking(mivoz,5)
disp('fin de grabación')
play(mivoz);
x=getaudiodata(mivoz);
figure(1)
plot(x)
title('Grafica de Grabacion Original');
xlabel('Tiempo en segundos');
ylabel('Grabacion')
% análisis de la señal
y=fft(x); % transformada rápida de Fourier.
A=y.*conj(y); % potencia de la señal.
f=(100:3000); % espectro de frecuencia.
figure(2)
plot(f,A(1:2901)); % gráfica en el dominio de la frecuencia.
title('Frecuencia Original');
xlabel('Frecuencia');
ylabel('Potencia')
%Grafica sin Ventana dB
B = 20*log10(A); % Spectral magnitude in dB
figure(3)
plot(f,B(1:2901)); grid on;
title('Sin Ventana dB');
%Aplicando Ventana de
Blackman M = 40000;
w=
blackman(M);
xw=w.*x;
figure(4)
plot(xw)
title('Ventana de Blackman');
xlabel('Tiempo');
ylabel('Amplitud')
% Análisis en la frecuencia con ventana
yw=fft(xw); % transformada rápida de Fourier.
A=yw.*conj(yw); % potencia de la señal.
f=(100:3000); % espectro de frecuencia.
figure(5)
plot(f,A(1:2901)); % gráfica en el dominio de la frecuencia.
title('Frencuencia con Ventana de Blackman'); xlabel('Frecuencia');
ylabel('Potencia')
%Grafica con Ventana dB
B = 20*log10(A); % Spectral magnitude in dB
figure(6)
plot(f,B(1:2901)); grid on;
title('Ventana con dB');
GRÁFICAS OBTENIDAS ◆:"
CONCLUSIONES:
En esta práctica podemos comprender como equipo la aplicación de la
Transformada Rápida de Fourier, observamos que está se descompone
en componentes para poder verla en el dominio de la frecuencia.
Sus principales aplicaciones las vimos con mayor claridad al realizar la
investigación del marco teórico; las cuales son: Reducción de ruido en
señales, como el ruido blanco, Análisis en frecuencia de cualquier señal
discreta, Análisis de vibraciones, Análisis de materiales y estadística y Síntesis,
mediante la transformada inversa IFFT.
También logramos aplicar el concepto de ifft y comprobar que con está no
es útil para recuperar la señal.
Referencias Bibliográficas.
1.-Filtros Analógicos: clásicos, basados en Capacitor Conmutado y con FPAA. A.
C. Veca, A. A. Lage, M. D. Ruiz Noguera. 1ra. Edición. (2014). Filtros Analogicos
3.- Analog and Digital Filter design, second edition. Steve Winder. Newnes; 2
edition (2002) Analog and Digital
4.- Analog and Digital Signal Processing. Ashok Ambardar. PWS Publishing
Company. (1998). Signal Processing
5.- Design with Operatinal Amplifiers and Analog Integrated Circuits. S. Franco. Mc
Graw Hill. 2da. Edición. (1998) Design With Operational
