SlideShare una empresa de Scribd logo
1 de 13
Kenny Manrique
                         Ing. Edison Coimbra
Universidad Privada de Santa Cruz de la Sierra
0bjetivos
 Ingresar un archivo de sonido, tal como una señal de voz o
  una nota musical, en formato WAV (WAVE) al espacio de
  trabajo de MatLab; utilizando las instrucciones adecuadas.

 Usar MatLab para representar señales de voz en el dominio
  del tiempo (formas de onda), y en el dominio de la
  frecuencia (espectro).

 Obtener las componentes frecuenciales de las muestras.
Introducción: Archivos WAV
 Un archivo WAV o WAVE, es un formato digital de archivos de audio.
    Generalmente no presenta compresión de datos. Es capaz de trabajar con archivos
    mono y estéreo en diversas resoluciones y con distintas velocidades de muestreo.


    Una de las grandes ventajas que presenta este formato es que no posee pérdida
     de calidad, lo cual lo hace adecuado para uso profesional. Para tener calidad CD
     de audio se necesita que el sonido se grabe a 44100 Hz y a 16 bits.


 Este formato no es muy popular debido a que al evitarse la compresión de datos
    dentro del mismo para no perder calidad, hace que se genere un archivo
    demasiado extenso.
Creación del Archivo WAV
Mediante la grabadora de sonidos de Windows, se procederá a crear dos archivos
de formato .wav para los siguientes casos:

1. Nombre del estudiante (Kenny)
2. Nota Musical (FA – Flauta)
Ambos archivos creados tendrán las siguientes características:
• Formato PCM
• 16 Bits
• Mono
• 8 KHz
Archivos Creados
Los Archivos generados para este trabajo son los siguientes:




              Nombre                        Nota musical
Análisis Espectral de las Muestras
Como se menciono en los objetivos del trabajo, utilizaremos el software MatLab,
mediante la introducción de comandos para obtener diversas propiedades de las
señales creadas y así comparar las diferencias entre ambas.
El Software MatLab nos permitirá:
o Cargar el Archivo de Audio  X = wavread(‘ruta’)
o Graficar en el dominio del tiempo  plot(X)
o Hallar la transformada rápida de Fourier  Y = fft(x)
o Hallar la potencia de la señal  A = Y.*conj(Y)
o Graficar el espectro de Frecuencias  f(100,3000); plot( f, A(1,2901))

 Al graficar el espectro de frecuencias (luego de calcular la fft), se debe determinar
 un rango de frecuencias, en este caso entre 100 y 3000 debido a que es el rango
 promedio de frecuencias en las cuales los ondas sonoras son perfectamente
 audibles
Análisis Espectral: Nombre

Grafica en el dominio del tiempo
Se calcula a través de la función “plot” una vez cargado el archivo Kenny.wav
original, el cual lo presenta tal como es; en forma de una onda senoidal
Análisis Espectral: Nota Musical
Grafica en el dominio de la Frecuencia
Se hallando la transformada rápida de Fourier de la señal original para pasar del
domino del tiempo al dominio de la frecuencia; logrando así facilitar su análisis.
Análisis Espectral: Nombre
Parámetros de la Señal

Tiempo de Duración. – La señal dura 2,508 seg. en la cual, el punto de inicio del
nombre en la onda sonora se da en 0,680 y se prolonga hasta 1,141seg. Por lo cual
lo demás representa el ruido del ambiente.

Ancho de Banda.- En base al inicio y al final de la onda sonora (solo analizando el
nombre)




Frecuencia a la mayor Potencia .- Valor al cual se alcanza la máxima Potencia




Todos estos valores fueron obtenidos en base a los gráficos generados por MatLab
Análisis Espectral: Nota Musical

Grafica en el dominio del tiempo
Se calcula a través de la función “plot” una vez cargado el archivo Fa.wav original,
el cual lo presenta tal como es; en forma de una onda senoidal
Análisis Espectral: Nota Musical
Grafica en el dominio de la Frecuencia
Se hallando la transformada rápida de Fourier de la señal original para pasar del
domino del tiempo al dominio de la frecuencia; logrando así facilitar su análisis.
Análisis Espectral: Nota Musical
Parámetros de la Señal

Tiempo de Duración. – La señal dura 2,508 seg. en la cual, el punto de inicio de la
nota musical emitida en la onda sonora se da en 0,525 y se prolonga hasta 1,312 seg.
Por lo cual lo demás representa el ruido del ambiente.

Ancho de Banda.- En base al inicio y al final de la onda sonora (solo analizando la
nota musical)




Frecuencia a la mayor Potencia .- Valor al cual se alcanza la máxima Potencia




Todos estos valores fueron obtenidos en base a los gráficos generados por MatLab
Analisis Espectral Usando Matlab

Más contenido relacionado

La actualidad más candente

Lecture 17 probabilidad de error para señales en awgn parte 2
Lecture 17 probabilidad de error para señales en awgn parte 2Lecture 17 probabilidad de error para señales en awgn parte 2
Lecture 17 probabilidad de error para señales en awgn parte 2
nica2009
 
Amplificadores multiplicadores
Amplificadores multiplicadoresAmplificadores multiplicadores
Amplificadores multiplicadores
Zaiida Lozano
 
Electronica ejercicios
Electronica ejerciciosElectronica ejercicios
Electronica ejercicios
Velmuz Buzz
 
Lecture 14 modulacion digital parte 2
Lecture 14 modulacion digital    parte 2Lecture 14 modulacion digital    parte 2
Lecture 14 modulacion digital parte 2
nica2009
 

La actualidad más candente (20)

Probabilidad de error en modulación digital
Probabilidad de error en modulación digitalProbabilidad de error en modulación digital
Probabilidad de error en modulación digital
 
Lecture 17 probabilidad de error para señales en awgn parte 2
Lecture 17 probabilidad de error para señales en awgn parte 2Lecture 17 probabilidad de error para señales en awgn parte 2
Lecture 17 probabilidad de error para señales en awgn parte 2
 
Analisis espectral en MATLAB
Analisis espectral en MATLABAnalisis espectral en MATLAB
Analisis espectral en MATLAB
 
Procesamiento Digital De Señales Filtro Pasa Bajas - MATLAB
Procesamiento Digital De Señales Filtro Pasa Bajas - MATLABProcesamiento Digital De Señales Filtro Pasa Bajas - MATLAB
Procesamiento Digital De Señales Filtro Pasa Bajas - MATLAB
 
Amplificadores multiplicadores
Amplificadores multiplicadoresAmplificadores multiplicadores
Amplificadores multiplicadores
 
Electronica ejercicios
Electronica ejerciciosElectronica ejercicios
Electronica ejercicios
 
3.1 Introducción a la transmision por radio
3.1 Introducción a la transmision por radio3.1 Introducción a la transmision por radio
3.1 Introducción a la transmision por radio
 
Cap 07 transformada-z (1)
Cap 07 transformada-z (1)Cap 07 transformada-z (1)
Cap 07 transformada-z (1)
 
TRANSFORMADA DISCRETA DE FOURIER
TRANSFORMADA DISCRETA DE FOURIERTRANSFORMADA DISCRETA DE FOURIER
TRANSFORMADA DISCRETA DE FOURIER
 
Lecture 14 modulacion digital parte 2
Lecture 14 modulacion digital    parte 2Lecture 14 modulacion digital    parte 2
Lecture 14 modulacion digital parte 2
 
Codificación de Huffman
Codificación de HuffmanCodificación de Huffman
Codificación de Huffman
 
2 fundamentos enlaces_radioelectricos
2 fundamentos enlaces_radioelectricos2 fundamentos enlaces_radioelectricos
2 fundamentos enlaces_radioelectricos
 
Teoria de telecomunicaciones i cap1y2
Teoria de telecomunicaciones i cap1y2Teoria de telecomunicaciones i cap1y2
Teoria de telecomunicaciones i cap1y2
 
Actividades curso sistemas electrónicos
Actividades curso sistemas electrónicosActividades curso sistemas electrónicos
Actividades curso sistemas electrónicos
 
Frequency synthesizer
Frequency synthesizerFrequency synthesizer
Frequency synthesizer
 
Taller uno antenas
Taller uno antenasTaller uno antenas
Taller uno antenas
 
Deber3
Deber3Deber3
Deber3
 
DSP_2018_FOEHU - Lec 08 - The Discrete Fourier Transform
DSP_2018_FOEHU - Lec 08 - The Discrete Fourier TransformDSP_2018_FOEHU - Lec 08 - The Discrete Fourier Transform
DSP_2018_FOEHU - Lec 08 - The Discrete Fourier Transform
 
Transmisor Fm indirecto-de-armstrong
Transmisor Fm indirecto-de-armstrongTransmisor Fm indirecto-de-armstrong
Transmisor Fm indirecto-de-armstrong
 
Codificador decimal bcd
Codificador decimal bcdCodificador decimal bcd
Codificador decimal bcd
 

Similar a Analisis Espectral Usando Matlab

Analisisespectralenmatlab1
Analisisespectralenmatlab1Analisisespectralenmatlab1
Analisisespectralenmatlab1
Erick Alba
 
Utp pds_s_lab4_procesamiento de señales con mat_lab i
 Utp pds_s_lab4_procesamiento de señales con mat_lab i Utp pds_s_lab4_procesamiento de señales con mat_lab i
Utp pds_s_lab4_procesamiento de señales con mat_lab i
jcbenitezp
 
Fundamentos de la comunicación german elias
Fundamentos de la comunicación german eliasFundamentos de la comunicación german elias
Fundamentos de la comunicación german elias
eliascr7
 
Fundamentos de la comunicación german elias
Fundamentos de la comunicación german eliasFundamentos de la comunicación german elias
Fundamentos de la comunicación german elias
eliascr7
 
Sonido digital
Sonido digitalSonido digital
Sonido digital
jmardero
 

Similar a Analisis Espectral Usando Matlab (20)

Analisis deseñalesusandomatlab maluisasanchezmaizer
Analisis deseñalesusandomatlab maluisasanchezmaizerAnalisis deseñalesusandomatlab maluisasanchezmaizer
Analisis deseñalesusandomatlab maluisasanchezmaizer
 
Práctico 1
Práctico 1Práctico 1
Práctico 1
 
analisis espectral usando MATLAB
analisis espectral usando MATLABanalisis espectral usando MATLAB
analisis espectral usando MATLAB
 
Analisisespectralenmatlab1
Analisisespectralenmatlab1Analisisespectralenmatlab1
Analisisespectralenmatlab1
 
Utp pds_s_lab4_procesamiento de señales con mat_lab i
 Utp pds_s_lab4_procesamiento de señales con mat_lab i Utp pds_s_lab4_procesamiento de señales con mat_lab i
Utp pds_s_lab4_procesamiento de señales con mat_lab i
 
Fundamentos de la comunicación german elias
Fundamentos de la comunicación german eliasFundamentos de la comunicación german elias
Fundamentos de la comunicación german elias
 
Fundamentos de la comunicación german elias
Fundamentos de la comunicación german eliasFundamentos de la comunicación german elias
Fundamentos de la comunicación german elias
 
Presentation1
Presentation1Presentation1
Presentation1
 
Presentation1
Presentation1Presentation1
Presentation1
 
Analisis espectral
Analisis espectralAnalisis espectral
Analisis espectral
 
Proyecto de 1016
Proyecto de 1016Proyecto de 1016
Proyecto de 1016
 
Digitalizacion de sonido
Digitalizacion de sonidoDigitalizacion de sonido
Digitalizacion de sonido
 
Clase 2 audio basico
Clase 2  audio basicoClase 2  audio basico
Clase 2 audio basico
 
Clase 7 audio basico
Clase 7  audio basicoClase 7  audio basico
Clase 7 audio basico
 
Clase 7 tecno i- periodismo 2015
Clase 7  tecno i- periodismo 2015Clase 7  tecno i- periodismo 2015
Clase 7 tecno i- periodismo 2015
 
Analisis Espectral
Analisis EspectralAnalisis Espectral
Analisis Espectral
 
Clase 7 tecno i- comunicacion 2015
Clase 7  tecno i- comunicacion 2015Clase 7  tecno i- comunicacion 2015
Clase 7 tecno i- comunicacion 2015
 
Informe
InformeInforme
Informe
 
Audio digital
Audio digitalAudio digital
Audio digital
 
Sonido digital
Sonido digitalSonido digital
Sonido digital
 

Último

Chat GPT para la educación Latinoamerica
Chat GPT para la educación LatinoamericaChat GPT para la educación Latinoamerica
Chat GPT para la educación Latinoamerica
EdwinGarca59
 

Último (20)

Función del analizador léxico.pdf presentacion
Función del analizador léxico.pdf presentacionFunción del analizador léxico.pdf presentacion
Función del analizador léxico.pdf presentacion
 
Actividad 6/Las TIC en la Vida Cotidiana.
Actividad 6/Las TIC en la Vida Cotidiana.Actividad 6/Las TIC en la Vida Cotidiana.
Actividad 6/Las TIC en la Vida Cotidiana.
 
JORNADA INTELIGENCIA ARTIFICIAL Y REALIDAD VIRTUAL
JORNADA INTELIGENCIA ARTIFICIAL Y REALIDAD VIRTUALJORNADA INTELIGENCIA ARTIFICIAL Y REALIDAD VIRTUAL
JORNADA INTELIGENCIA ARTIFICIAL Y REALIDAD VIRTUAL
 
¡Ya basta! Sanidad Interior - Angela Kellenberger.pdf
¡Ya basta! Sanidad Interior - Angela Kellenberger.pdf¡Ya basta! Sanidad Interior - Angela Kellenberger.pdf
¡Ya basta! Sanidad Interior - Angela Kellenberger.pdf
 
AVANCES TECNOLOGICOS DEL SIGLO XXI. 10-08..pptx
AVANCES TECNOLOGICOS  DEL SIGLO XXI. 10-08..pptxAVANCES TECNOLOGICOS  DEL SIGLO XXI. 10-08..pptx
AVANCES TECNOLOGICOS DEL SIGLO XXI. 10-08..pptx
 
CARPETA PEDAGOGICA DE TOE.docbbbbbbbbbbbx
CARPETA PEDAGOGICA DE TOE.docbbbbbbbbbbbxCARPETA PEDAGOGICA DE TOE.docbbbbbbbbbbbx
CARPETA PEDAGOGICA DE TOE.docbbbbbbbbbbbx
 
Introduccion-a-la-electronica-industrial.pptx
Introduccion-a-la-electronica-industrial.pptxIntroduccion-a-la-electronica-industrial.pptx
Introduccion-a-la-electronica-industrial.pptx
 
PRÁCTICA Nº 4: “Análisis de secuencias del ADN con el software BioEdit y uso ...
PRÁCTICA Nº 4: “Análisis de secuencias del ADN con el software BioEdit y uso ...PRÁCTICA Nº 4: “Análisis de secuencias del ADN con el software BioEdit y uso ...
PRÁCTICA Nº 4: “Análisis de secuencias del ADN con el software BioEdit y uso ...
 
herramientas web para estudiantes interesados en el tema
herramientas web para estudiantes interesados en el temaherramientas web para estudiantes interesados en el tema
herramientas web para estudiantes interesados en el tema
 
Navegadores de internet - Nuevas Tecnologías de la Información y la Comunicación
Navegadores de internet - Nuevas Tecnologías de la Información y la ComunicaciónNavegadores de internet - Nuevas Tecnologías de la Información y la Comunicación
Navegadores de internet - Nuevas Tecnologías de la Información y la Comunicación
 
Tarea_sesion_15_Reportes Maestro - Detalle con el uso de AJAX.pptx
Tarea_sesion_15_Reportes Maestro - Detalle con el uso de AJAX.pptxTarea_sesion_15_Reportes Maestro - Detalle con el uso de AJAX.pptx
Tarea_sesion_15_Reportes Maestro - Detalle con el uso de AJAX.pptx
 
De Olmos Santiago_Dolores _ M1S3AI6.pptx
De Olmos Santiago_Dolores _ M1S3AI6.pptxDe Olmos Santiago_Dolores _ M1S3AI6.pptx
De Olmos Santiago_Dolores _ M1S3AI6.pptx
 
Ejercicio 1 periodo 2 de Tecnología 2024
Ejercicio 1 periodo 2 de Tecnología 2024Ejercicio 1 periodo 2 de Tecnología 2024
Ejercicio 1 periodo 2 de Tecnología 2024
 
Redes Neuronales profundas convolucionales CNN ́s-1.pdf
Redes Neuronales profundas convolucionales CNN ́s-1.pdfRedes Neuronales profundas convolucionales CNN ́s-1.pdf
Redes Neuronales profundas convolucionales CNN ́s-1.pdf
 
VelderrainPerez_Paola_M1C1G63-097.pptx. LAS TiC
VelderrainPerez_Paola_M1C1G63-097.pptx. LAS TiCVelderrainPerez_Paola_M1C1G63-097.pptx. LAS TiC
VelderrainPerez_Paola_M1C1G63-097.pptx. LAS TiC
 
Chat GPT para la educación Latinoamerica
Chat GPT para la educación LatinoamericaChat GPT para la educación Latinoamerica
Chat GPT para la educación Latinoamerica
 
Tipos de Datos de Microsoft Access-JOEL GARCIA.pptx
Tipos de Datos de Microsoft Access-JOEL GARCIA.pptxTipos de Datos de Microsoft Access-JOEL GARCIA.pptx
Tipos de Datos de Microsoft Access-JOEL GARCIA.pptx
 
Uso de las TIC en la vida cotidiana .
Uso de las TIC en la vida cotidiana       .Uso de las TIC en la vida cotidiana       .
Uso de las TIC en la vida cotidiana .
 
Tipos de datos en Microsoft Access de Base de Datos
Tipos de datos en Microsoft Access de Base de DatosTipos de datos en Microsoft Access de Base de Datos
Tipos de datos en Microsoft Access de Base de Datos
 
Desarrollo del Dominio del Internet - Estrada
Desarrollo del Dominio del Internet - EstradaDesarrollo del Dominio del Internet - Estrada
Desarrollo del Dominio del Internet - Estrada
 

Analisis Espectral Usando Matlab

  • 1. Kenny Manrique Ing. Edison Coimbra Universidad Privada de Santa Cruz de la Sierra
  • 2. 0bjetivos  Ingresar un archivo de sonido, tal como una señal de voz o una nota musical, en formato WAV (WAVE) al espacio de trabajo de MatLab; utilizando las instrucciones adecuadas.  Usar MatLab para representar señales de voz en el dominio del tiempo (formas de onda), y en el dominio de la frecuencia (espectro).  Obtener las componentes frecuenciales de las muestras.
  • 3. Introducción: Archivos WAV  Un archivo WAV o WAVE, es un formato digital de archivos de audio. Generalmente no presenta compresión de datos. Es capaz de trabajar con archivos mono y estéreo en diversas resoluciones y con distintas velocidades de muestreo.  Una de las grandes ventajas que presenta este formato es que no posee pérdida de calidad, lo cual lo hace adecuado para uso profesional. Para tener calidad CD de audio se necesita que el sonido se grabe a 44100 Hz y a 16 bits.  Este formato no es muy popular debido a que al evitarse la compresión de datos dentro del mismo para no perder calidad, hace que se genere un archivo demasiado extenso.
  • 4. Creación del Archivo WAV Mediante la grabadora de sonidos de Windows, se procederá a crear dos archivos de formato .wav para los siguientes casos: 1. Nombre del estudiante (Kenny) 2. Nota Musical (FA – Flauta) Ambos archivos creados tendrán las siguientes características: • Formato PCM • 16 Bits • Mono • 8 KHz
  • 5. Archivos Creados Los Archivos generados para este trabajo son los siguientes: Nombre Nota musical
  • 6. Análisis Espectral de las Muestras Como se menciono en los objetivos del trabajo, utilizaremos el software MatLab, mediante la introducción de comandos para obtener diversas propiedades de las señales creadas y así comparar las diferencias entre ambas. El Software MatLab nos permitirá: o Cargar el Archivo de Audio  X = wavread(‘ruta’) o Graficar en el dominio del tiempo  plot(X) o Hallar la transformada rápida de Fourier  Y = fft(x) o Hallar la potencia de la señal  A = Y.*conj(Y) o Graficar el espectro de Frecuencias  f(100,3000); plot( f, A(1,2901)) Al graficar el espectro de frecuencias (luego de calcular la fft), se debe determinar un rango de frecuencias, en este caso entre 100 y 3000 debido a que es el rango promedio de frecuencias en las cuales los ondas sonoras son perfectamente audibles
  • 7. Análisis Espectral: Nombre Grafica en el dominio del tiempo Se calcula a través de la función “plot” una vez cargado el archivo Kenny.wav original, el cual lo presenta tal como es; en forma de una onda senoidal
  • 8. Análisis Espectral: Nota Musical Grafica en el dominio de la Frecuencia Se hallando la transformada rápida de Fourier de la señal original para pasar del domino del tiempo al dominio de la frecuencia; logrando así facilitar su análisis.
  • 9. Análisis Espectral: Nombre Parámetros de la Señal Tiempo de Duración. – La señal dura 2,508 seg. en la cual, el punto de inicio del nombre en la onda sonora se da en 0,680 y se prolonga hasta 1,141seg. Por lo cual lo demás representa el ruido del ambiente. Ancho de Banda.- En base al inicio y al final de la onda sonora (solo analizando el nombre) Frecuencia a la mayor Potencia .- Valor al cual se alcanza la máxima Potencia Todos estos valores fueron obtenidos en base a los gráficos generados por MatLab
  • 10. Análisis Espectral: Nota Musical Grafica en el dominio del tiempo Se calcula a través de la función “plot” una vez cargado el archivo Fa.wav original, el cual lo presenta tal como es; en forma de una onda senoidal
  • 11. Análisis Espectral: Nota Musical Grafica en el dominio de la Frecuencia Se hallando la transformada rápida de Fourier de la señal original para pasar del domino del tiempo al dominio de la frecuencia; logrando así facilitar su análisis.
  • 12. Análisis Espectral: Nota Musical Parámetros de la Señal Tiempo de Duración. – La señal dura 2,508 seg. en la cual, el punto de inicio de la nota musical emitida en la onda sonora se da en 0,525 y se prolonga hasta 1,312 seg. Por lo cual lo demás representa el ruido del ambiente. Ancho de Banda.- En base al inicio y al final de la onda sonora (solo analizando la nota musical) Frecuencia a la mayor Potencia .- Valor al cual se alcanza la máxima Potencia Todos estos valores fueron obtenidos en base a los gráficos generados por MatLab