ESCUELA DE INGENIERIA ELECTRONICA Y TELECOMUNICACIONES INTEGRANTES: MARTNEZ PARHUANA, ANTHONY TAPIA MANTILLA, IRVIN UBILLS RODRGUEZ, TULIO BRIAN

IAN CICLO: 7 CICLO AULA: 402 TURNO: NOCHE.

CURSO: PROCESAMIENTO DIGITAL DE SEALES TEMA: ANLISIS ESPECTRAL PROFESOR: ING. LEX CHVEZ

2013

PROCESAMIENTO DIGITAL DE SEALES

EL ANLISIS ESPECTRAL
El anlisis espectral tiene por objeto descomponer una serie de tiempo estacionaria en una suma, posiblemente infinita, de componentes sinodales de diversas frecuencias y amplitudes. Las frecuencias ms significativas sirven para explicar ciclos econmicos, estacionalidad o caractersticas estadsticas generales del proceso aleatorio. Aunque contiene la misma informacin que el anlisis en el dominio del tiempo, el anlisis en el dominio de la frecuencia puede facilitar la intuicin. El anlisis espectral de series temporales es una herramienta muy til para el ajuste estacional. Aunque no hay una definicin precisa de estacionalidad, s hay un acuerdo general sobre al menos algunos fenmenos que constituyen estacionalidad. En particular, hay estacionalidad en una serie xt cuando esta contiene componentes peridicas, cuyo periodo coincide con un tiempo de referencia. En el tipo de indicadores coyunturales que publican los organismos estadsticos este tie po de referencia es e a no e esta forma, para datos mensuales las componentes peridicas de periodo 12 (o alguno de sus divisores) se consideran estacionales. Igualmente ocurre en el caso trimestral con las componentes peridicas de periodo 4 (o su nico divisor, 2). Precisamente la representacin espectral de un proceso es una herramienta especialmente adecuada para sacar a la luz componentes peridicas, ya que consiste en expresar el proceso como una suma de sucesiones peridicas, concretamente trigonomtricas. Esta representacin, por tanto, nos permite centrar la atencin en las frecuencias que ms nos interesen. Como consecuencia de lo anterior, el anlisis espectral se puede emplear en la fase de diagnstico del proceso de ajuste estacional, para comprobar la ausencia de componentes estacionales en la serie ajustada. Los programas que se usan para hacer el ajuste estacional (como TRAMO/SEATS) incluyen una representacin del espectro entre las herramientas de diagnstico. Para interpretar correctamente el espectro conviene conocer, entre otras cosas: Las distintas variantes de representacin del espectro (unidades de frecuencia, escala de la densidad espectral, etc.). Dnde estn las frecuencias asociadas con la estacionalidad. Cmo son los espectros de ciertos procesos, en particular de los ARMA. Cmo afectan los filtros al espectro. Qu diferencias hay entre la representacin espectral de procesos estacionarios e integrados. En este informe pretendemos de manera concisa introducir primero los fundamentos de la representacin espectral en general y despus las cuestiones especialmente relevantes para el ajuste estacional. El espectro Una serie temporal puede entenderse como una sucesin de nmeros. Las sucesiones de nmeros reales se pueden escribir como combinaciones lineales de senos y cosenos (o exponenciales complejas). Esta representacin se hace mediante la Transformada de Fourier Discreta (TFD). Sin embargo, la teora moderna de series temporales se basa en la hiptesis de que una serie temporal es una realizacin de un proceso estocstico. Anlogamente a las series temporales, los procesos estocsticos se pueden representar mediante combinaciones lineales (ms exactamente, integrales) de funciones trigonomtricas o exponenciales complejas, aunque ponderados por coeficientes aleatorios. Esta representacin es la llamada representacin espectral de un proceso estocstico.

EAPIET

PROCESAMIENTO DIGITAL DE SEALES

Representacin de Fourier de una sucesin

Representacin de un Proceso estocstico

EAPIET

PROCESAMIENTO DIGITAL DE SEALES

Cdigo Fuente y Grfica en el Matlab: Espectrograma y Periodograma: (Siseo Voz Masculina)

clc clear all x=wavread('tp1_1.wav');% archivo de audio para su nombre. plot(x) % grfica en el dominio del tiempo. Y=fft(x); % transformada rpida de Fourier. A=Y.*conj(Y); % potencia de la seal. f=(100:3000); % Espectro de frecuencia. plot(f,A(1:2901)); % Grfica en el dominio de la frecuencia.

spectrogram(x); specgram(x); periodogram(x); spectrogram(x): specgram(x):

periodogram(x):

EAPIET

PROCESAMIENTO DIGITAL DE SEALES

Espectrograma: (Explosin Voz Masculina)

clc clear all x=wavread('tp1_2.wav');% archivo de audio para su nombre. plot(x) % grfica en el dominio del tiempo. Y=fft(x); % transformada rpida de Fourier. A=Y.*conj(Y); % potencia de la seal. f=(100:3000); % Espectro de frecuencia. plot(f,A(1:2901)); % Grfica en el dominio de la frecuencia.

spectrogram(x); specgram(x); periodogram(x); spectrogram(x): specgram(x):

periodogram(x):

EAPIET

PROCESAMIENTO DIGITAL DE SEALES

Espectrograma: (Siseo Voz Femenina)

clc clear all x=wavread('tp2_1.wav');% archivo de audio para su nombre. plot(x) % grfica en el dominio del tiempo. Y=fft(x); % transformada rpida de Fourier. A=Y.*conj(Y); % potencia de la seal. f=(100:3000); % Espectro de frecuencia. plot(f,A(1:2901)); % Grfica en el dominio de la frecuencia.

spectrogram(x); specgram(x); periodogram(x); spectrogram(x): specgram(x):

periodogram(x):

EAPIET

PROCESAMIENTO DIGITAL DE SEALES

Espectrograma: (Explosin Voz Femenina)

clc clear all x=wavread('tp2_2.wav'); % archivo de audio para su nombre. plot(x) % grfica en el dominio del tiempo. Y=fft(x); % transformada rpida de Fourier. A=Y.*conj(Y); % potencia de la seal. f=(100:3000); % Espectro de frecuencia. plot(f,A(1:2901)); % Grfica en el dominio de la frecuencia.

spectrogram(x); specgram(x); periodogram(x); spectrogram(x): specgram(x):

periodogram(x):

EAPIET

PROCESAMIENTO DIGITAL DE SEALES

Conclusiones y Observaciones:
Esta prctica nos ah ayudado a poder identificar las diferentes parmetros del anlisis espectral as como frecuencias dentro de una seal, en este caso de audio, en el programa Matlab. Las grficas en funcin del dominio del tiempo (plot) y la frecuencia por la transformada de Fourier (fft), nos ah demostrado que en diferentes tonos y/o entonos de voz nos da la diferencia de las palabras de cada persona en el mismo sexo y en diferentes sexos. Los tiempos de duracin de cada seal que hemos utilizado ha sido de 1 segundo, puesto que ah mayor duracin nos da un mayor tamao del archivo, tambin hemos tenido que trabajar no solo en mono aural (1 slo canal) sino que tambin a una baja velocidad de bits aproximadamente 176 kbps, puesto que en una mayor tasa, nos resultaba como un ruido en la salida del reproductor de Matlab. Tambin podemos apreciar las diferentes grficas de los periodogramas que es el resultado de la convolucin circular de la densidad espectral de potencia real con la transformada de Fourier.

EAPIET