Analizar espectro
- Se accede por:
- Espectro de la palabra 'Audacity' pronunciada en voz alta
Usted puede reducir el rango de dB mínimo a mostrar disminuyendo el valor predeterminado de .60 dB para el "Rango de medición/forma de onda" en las Preferencias de espacio de trabajo, como se ha hecho en la imagen anterior.
los análisis son realizados usando un algoritmo matemático conocido como Transformación Fourier rápida o FFT. Esto da un valor para cada banda de frecuencias estrecha que representa cuanto esas frecuencias están presentes. Todos los valores son luego interpolados para crear el gráfico.
El análisis de espectro toma el audio en bloques de muestras de "Tamaño", hace el FFT, y promedia todos los bloques.
Hay una versión de audio del Principio de Incertidumbre que dice "Resolución_de_Frecuencia*Resolución_de_Tiempo = 2." Tamaño le permite escojer el tamaño del FFT que es el número de muestras de audio consecutivas a analizar. Si usted elije 1024 muestras, obtendrá 512 contenedores de frecuencias que cubren el rango de frecuencias hasta la mitad de la frecuencia de muestreo. La mayoría de los proeyctos usan la frecuencia de muestreo de 44.1kHz. Por lo tanto, en este ejemplo, Resolución_de_Tiempo = 1024/44.1 = 23.2 milisegundos y la resolución de frecuencia es de 44100/2/512 = 43 Hz.
Función ofrece opciones como Rectangular, Hanning, Hamming y otras. Le sugerimos usar Hanning (en realizad es una Hann ventana, pero Hanning está ampliamente aceptado) para la mayoría de las situaciones. El principio fundamental trabajado aquí es la forma en que observamos nuestros cambios de datos. El "espectro verdadero" del subproyecto será computado sobre todo el proyecto y proveerá una resolución bastante detallada pero esencialmente nada de resolución de tiempo. En otras palabras, este "espectro verdadero" ofrecerá una distribución de las frecuencias promedio sobre el proyecto entero. Si seleccionamos un intervalo de audio corto, el espectro de tiempo corto tiene una resolución de frecuencia limitada por el tiempo de la ventana de observación Y el resultado es afectado por el espectro de la ventana misma. Para análisis de audio general, la ventana rectangular es menos deseable, y las otras opciones ofrecen efectos ligeramente diferentes.
Nótese que actualmente solo las primeras 10485760 muestras(237.8 segundos a una frecuencia de muestreo de 44100 Hz) de audio seleccionable pueden ser analizadas.
Algoritmo
Determina que tipo de procesamiento es hecho en los datos de audio.
- Espectro: (por defecto) - Analiza el FFT de los datos como se describe arriba.
- Auto-correlación: Estas opciones miden hasta que punto el sonido se repite a si mismo. Esto es realizado tomando dos copias del audio, y moviendo una contra adelante en una muestra. Las dos copias son entonces multiplicadas entre si, y todos los valores simados. Esto es repetido para dos diferencias de muestras y así sucesivamente, hasta el número de muestras en la opción de tamaño. Esto le da un pequeño resultado si la onda está hecha al azar (por ejemplo, ruido) y un gran resultado si es repetitiva (como una nota musical). Mirando a los picos en el análisis, las frecuencias clave pueden ser determinadas incluso si hay una gran cantidad de ruido.
- Cepstrum: El cepstrum de una señal de audio está relacionado al espectro, pero presenta la frecuencia de cambio en las diferentes bandas de espectro. Es particularmente útil para las propiedades de pistas vocales y es usado, por ejemplo, en programas para identificar los hablantes por las características de su voz.
Tamaño
Esto controla cuantas divisiones de frecuencias son usadas para el espectro, o cuantas muestras son usadas para la auto-correlación. En Espectro, un gran tamaño da una resolución de frecuencia más precisa (bandas delgadas), pero promedia el resultado a lo largo de un periodo de tiempo (porque más muestras son necesarias para el cálculo). En Auto-correlación, un tamaño mayor busca por patrones repetidos en un rango de desplazamiento de tiempo mayor, y por ello detectará patrones de frecuencias bajas. Con cualquiera de estos algoritmos, Audacity mostrará una advertencia si la región seleccionada es muy corta para el tamaño elegido.
Función
Selecciona que función matemática es usada para un pre-procesamiento de los datos. Las formas básicas de FFT y el algoritmo de auto-correlación requieren secciones de audio infinitamente largas para trabajar, y por ello tardan infinitamente largo en completar. Por ello el audio disponible debe tener un desvanecimiento de entrada y salida para que el largo finito del audio tenga un efecto mínimo. Las funciones disponibles son conocidas como "ventanas" y desvanecen usando diferentes métodos. Hay una compensación entre la resolución de frecuencia y el derrame de una banda de frecuencia sobre otra.
- Rectangular: es el más simple - simplemente corta el bloque dado de muestras con un corte limpio (sin desvanecimiento), y por ello da un clic brusco al final de cada término de los datos. Esto significa que usted obtiene una gran cantidad de derrames en otras bandas de frecuencias. No es un buen plan.
- El resto de los desvanecimientos de entrada y salida usando varios métodos. El predeterminado (Hanning) es un buen compromiso, aunque las opiniones varían.
Ejes
Al usar el Espectro, las frecuencias pueden ser mostradas en una escala lineal (por defecto, lo que le da un ancho igual a cada incremento en la escala) o a una escala logarítmica.
Buttons
Exportar ...
Exporta el espectro a un archivo de texto. Usted puede abrir este archivo de texto en otro programa para un análisis posterior. Nótese que si usted exporta nuevamente al mismo archivo, el nuevo espectro será añadido bajo el anterior.
Re-analizar
Le permite re-analizar el espectro cuando la selección cambia.
Cerrar
Cierra el análisis de espectro.
Rejillas
Activa o desactiva las rejillas de medida.
