Proyecto Final: Análisis en frecuencia de una

grabación de voz humana mediante MATLAB

Pedro Iván Piza Rodríguez 20102005100
pedro92_0224@hotmail.com
Juan David Jaiquel 20102005082
jdjvillamil@hotmail.com

un filtro es no dejar pasar esas componentes que en el

Abstract — In this document, it will release the frequency
analysis of the human voice. Through a recording of some
duration (approximately 5 seconds) in which a sentence is
tell and through MATLAB analysis of this signal is held in
terms of the frequency thus obtaining the magnitude
spectrum of the recording by the FFT, thereafter verify
that such changes have performed to this digital filtering
(through a low pass filter) and the end was compared to the
input signal to verify that the changes have made the above
procedures.
dominio de la frecuencia no se desean, este tipo de filtros son
altamente utilizado para jugar con las tonalidades de audio
transformando las componentes auditivas en graves o agudas,
entonces podemos ver que su habilidades como filtro aspiran
mucha más confianza, hoy en día la tecnología busca filtrar las
diferentes señales con este tipo de filtros, claro está haciendo
las conversiones análogo-digital pasando por el filtro y luego
digital análogo.

Key words — Filtering, Frequency analysis, digital filters.

Resumen — En este documento, se dará a conocer el análisis en

frecuencia de la voz humana. Mediante una grabación de cierta
duración (aproximadamente 5 seg) en la cual se dirá una frase y
por medio de MATLAB se realizara el análisis de esta señal en
términos de la frecuencia obteniendo así el espectro de magnitud
de la grabación por medio de la FFT, después de esto se verificara
que tipo de cambios tiene al realizarle un filtrado digital (por
medio de un filtro pasabajas) y al final se comparara con la señal
de entrada para verificar que cambios tiene al realizarse los
anteriores procedimientos.
Palabras Clave — Filtrado, Análisis en frecuencia, Filtros
digitales.
I. INTRODUCCION
El análisis de frecuencia es una poderosa herramienta para
determinar diversos factores y características que son propios
de las señales, a raíz de este poderoso análisis, se puede
determinar el ancho de banda, la potencia y la energía
distribuida en cada componente de frecuencia. Gracias a este
análisis se logra hallar varias características propias de las
señales, en este caso se tratara de señales en el tiempo donde
gracias a este documento lograremos observar esas
características que no se logran ver a simple vista en el análisis
del tiempo.
II. MARCO TEÓRICO
A. Filtros Digitales:
Este laboratorio tiene como herramienta principal el uso de
filtros digitales los cuales obligadamente se utilizan sobre
señales discretas tanto análogas como digitales, la labor de
Fig 1- filtros ideales en el tiempo discreto
B. Modulación Digital:
primero la modulación es la búsqueda de transportar
información sobre una señal portadora la cual ayuda a evitar
todo el ruido y ayuda a transportar más información de
manera simultánea, pero en el caso de la modulación
digital existen dos casos de presentación donde uno es psk (
phase shift keying ) codificación por cambio de fase y el otro
qam( quadrature amplitude modulation ) en este caso se
cambia la amplitud y fase de la portadora según la
modulación/señal digital que representa los datos.
Entre las ventajas de la modulación digital se encuentran su
alta inmunidad frente al ruido, facilidad de multiplicar,
encriptar y desencriptar, al a vez que su modulación-
demodulación con dsps.
III. ACTIVIDAD
Mediante el uso de MATLAB, procedemos a realizar la
grabación de una señal de audio la cual contiene la frase:
“Universidad Distrital Francisco José de Caldas” esta
grabación se realizara por medio del siguiente código durante
un tiempo determinado (5 segundos):
 recObj = audiorecorder;
disp('Grabando');
recordblocking(recObj, 5);
disp('Fin de la Grabacion');
play(recObj);
grabacion = getaudiodata(recObj);

Después de esto se realiza la gráfica de la señal de audio

obtenida mediante el siguiente código:

plot(grabacion);
title('Señal grabada');
xlabel('Tiempo (s)');
ylabel('Magnitud'); Fig 3: Señal de audio en términos de la magnitud |Y(f)| vs la
grid on frecuencia.

Obteniendo así la siguiente grafica en términos del tiempo: Visualizándolo de una manera más simple, se logra determinar
que existe una frecuencia fundamental en 350 Hz, con un
espectro mayor en las frecuencias que se encuentran entre 200
y 600 Hz.

Fig 2: Señal de audio grabada y graficada por medio de MATLAB.

Por medio del uso del algoritmo de la FFT se realiza la

conversión de la señal al dominio de la frecuencia:
Fig 4: Señal de audio en el dominio de la frecuencia.
N = length(grabacion); Determinación de su frecuencia fundamental.
Fs = 8000;
f = Fs/N.*(0:N-1); Por medio del siguiente código logramos obtener el espectro
y = fft(grabacion, N); de fase:
y = abs(y(1:N))./(N/2);
y = abs(y); P = fft(grabacion, N);
figure P = angle(P)*180/pi;
plot (f, y); figure
title('Magnitud del espectro de grabacion'); plot(f, P);
xlabel('Frecuencia (Hz)'); title('Espectro de fase');
ylabel('|y(f)|'); xlabel('Frecuencia (Hz)');
grid on ylabel('Angulo’);
grid on
Obteniendo así, con el anterior código la siguiente grafica de la
magnitud vs la frecuencia: Obteniendo la siguiente gráfica:
Fig 5: Espectro de fase de la señal de audio.
Después de esto se realiza el filtrado de la señal original de
audio, esto se realiza por medio de un filtro digital pasabajo
con una frecuencia de corte igual a 3600Hz por medio del uso
del siguiente código:
Fig 6: Señal de audio después de ser filtrada por medio de un filtro
pasabajo
Después de esto se realiza el mismo análisis en frecuencia
hecho anteriormente:
Fig 7: Señal de audio filtrada en términos de la frecuencia
Fig 8: Señal de audio filtrada en el dominio de la frecuencia.
Determinación de su frecuencia fundamental.
Por ultimo para verificar el grado de similitud que existe entre
las señales (original y filtrada) se realiza la función de
correlación entre estas dos obteniendo la siguiente grafica:
Fig 8: Función de correlación entre la señal original y la filtrada
mediante un filtro pasabajos.
IV. CONCLUSIONES
✓ Logramos observar que los filtros digitales son
básicamente un programa, el cual coge una señal
analógica ya procesada transformada en registros
digitales (dominio discreto) donde se facilita la
aplicación del filtro digital y así llevar a cabo la toma
de componentes necesarios en el dominio de la
frecuencia.
✓ Llegamos a comprobar que las señales discretas no
son afectadas por el ruido al provenir de solo una
serie de registros que hacen menos corpulenta la
señal.
REFERENCES
[1] Gustavo Ramos S, Apuntes de Clase del Seminario
Investigativo VI, Correlación de Variables,
http://viref.udea.edu.co/contenido/menu_alterno/apuntes/a
c36-correlacion-variables.pdf
[2] Universidad de Oviedo, Correlación,
http://www6.uniovi.es/vision/intro/node31.html
[3] Universidad Nacional Experimental, Anthony Ramos,
Correlación,
http://www.slideshare.net/anthonymaule/correlacin-
9381338
[4] Universidad Politécnica de Cataluña, Asunción Moreno,
Correlación y Espectro de Señales Determinísticas, 2009,
http://www.slideshare.net/crico89/correlaciondesenales
[5] Universidad del País Vasco, Procesado de Señales,
Correlación Cruzada y Autocorrelación,
http://www.ehu.es/Procesadodesenales/tema8/corre1.html