Analizador de espectro de audio de alta resolución en tiempo real

Un analizador de espectro FFT tiene dos ejes de frecuencia independientes, más un tercer eje en el tiempo. Es fácil confundirlos, y cumplen funciones distintas.

La resolución de frecuencia (ancho de bin) indica con qué finura puede distinguir el analizador dos frecuencias cercanas. Es igual a la tasa de muestreo dividida por el tamaño de la FFT. Este es el eje en el que el número de bins demuestra su valor: más bins a la misma tasa de muestreo significan un bin más estrecho, que separa parciales que de otro modo se fundirían en un solo pico. El número de bins por sí solo no es la resolución. La resolución siempre depende también de la tasa de muestreo.

El rango de frecuencia (frecuencia máxima medible) es la frecuencia más alta que el analizador puede llegar a mostrar. Es el límite de Nyquist, la mitad de la tasa de muestreo. Solo la tasa de muestreo lo determina, y el número de bins no tiene nada que ver con él. En la práctica, este rango vuelve a estar limitado por el micrófono, que suele ser el límite real (véase más abajo).

La resolución de tiempo es el tercer eje: con qué frecuencia se actualiza el espectro y qué duración tiene la ventana de análisis que examina la FFT. La resolución de frecuencia y la resolución de tiempo se compensan entre sí (los bins más estrechos necesitan una ventana de tiempo más larga), por eso VoceVista ofrece ambas como controles independientes, para que pueda elegir el equilibrio que mejor se adapte a la tarea.

En resumen: el número de bins junto con la tasa de muestreo fijan la resolución, la tasa de muestreo por sí sola fija el rango, y la ventana de análisis determina cómo se reparte esa resolución frente al tiempo. Con el máximo de la edición Pro, alrededor de un millón de bins, estos son la resolución y el rango que se obtienen a las tasas de muestreo habituales:

Manteniendo la tasa de muestreo constante en 44,1 kHz (la tasa habitual para el análisis vocal y el audio con calidad de CD), este es el ancho de bin para cada tamaño de FFT disponible. Los tamaños de hasta 8192 puntos (8 kpts, 2¹³) están disponibles en todas las ediciones, mientras que los tamaños de 16.384 puntos (16 kpts, 2¹⁴) a 1.048.576 puntos (1 Mpts, 2²⁰) requieren la edición Pro.

Una nota sobre el rango. Es el micrófono, y no el analizador, el que fija el límite superior en la práctica. Los micrófonos normales empiezan a atenuarse hacia los 20 kHz, algo que una tasa de muestreo de 44,1 o 48 kHz cubre con holgura. Los micrófonos de medición profesionales llegan hasta unos 30 o 50 kHz. Más allá de eso se necesita instrumentación de laboratorio o transductores ultrasónicos. Así que, aunque el software funcione sin problemas a 192 kHz con la interfaz de audio adecuada, el límite con el que suele toparse primero es el micrófono. Para ver modelos concretos en toda la gama de precios, consulte nuestras recomendaciones de micrófonos.

Una nota sobre la resolución. A modo de comparación, el ajuste predeterminado para el análisis del canto es de 8192 puntos (8 kpts, 2¹³) a 44,1 kHz, que es también el máximo en VoceVista Basic y VoceVista Video. Eso da unos 5,4 Hz por bin, más que suficiente para la pedagogía vocal, donde los armónicos están separados por 100 Hz o más, pero no lo bastante para separar los parciales inarmónicos muy próximos de los cuencos y los gongs en su registro grave. A la misma tasa de muestreo, los 1.048.576 puntos (1 Mpts, 2²⁰) de la edición Pro dan unos 0,042 Hz por bin: una resolución 128 veces más fina.

El rango dinámico, la diferencia entre las señales más fuertes y más débiles que el analizador puede distinguir, tiene varios aspectos que se suman a lo largo de la cadena de audio. VoceVista graba internamente en coma flotante de hasta 32 bits, un margen tan amplio que la propia etapa de grabación no impone ningún límite práctico, y admite archivos FLAC importados de 24 y 32 bits (nominalmente 144 dB y más). En cuanto al análisis, la propia FFT tiene en la práctica un rango dinámico útil de unos 100 dB, determinado por la atenuación de los lóbulos laterales de la función de ventana. Las 12 ventanas seleccionables que figuran en la tabla de especificaciones intercambian este rango dinámico por anchura del lóbulo principal. Con señales en directo, el límite suele alcanzarse mucho antes: una buena interfaz de audio ofrece entre 100 y 120 dB de rango dinámico, y el micrófono y el ruido de la sala suelen restar otros 20 dB. Así que el rango dinámico global que ve es el mínimo de estas etapas, y en la práctica es el hardware, no el analizador, el que pone el techo.