Analizzatore di spettro audio in tempo reale ad alta risoluzione

Un analizzatore di spettro FFT ha due assi di frequenza indipendenti, più un terzo asse nel tempo. È facile confonderli, e svolgono compiti diversi.

La risoluzione in frequenza (larghezza del bin) indica con quanta finezza l’analizzatore riesce a distinguere due frequenze vicine. È uguale alla frequenza di campionamento divisa per la dimensione della FFT. È su questo asse che il numero di bin fa la differenza: più bin alla stessa frequenza di campionamento significano un bin più stretto, che separa parziali che altrimenti si fonderebbero in un unico picco. Il numero di bin da solo non è la risoluzione. La risoluzione dipende sempre anche dalla frequenza di campionamento.

La gamma di frequenze (frequenza massima misurabile) è la frequenza più alta che l’analizzatore può mostrare in assoluto. È il limite di Nyquist, cioè metà della frequenza di campionamento. La determina solo la frequenza di campionamento, e il numero di bin non c’entra. In pratica questa gamma è limitata ulteriormente dal microfono, che di solito è il vero limite (vedi più avanti).

La risoluzione temporale è il terzo asse: quanto spesso lo spettro si aggiorna e quanto è lunga la finestra di analisi esaminata dalla FFT. Risoluzione in frequenza e risoluzione temporale si compensano a vicenda (bin più stretti richiedono una finestra temporale più lunga), per questo VoceVista le offre entrambe come controlli indipendenti, così puoi scegliere l’equilibrio adatto al compito.

In sintesi: numero di bin e frequenza di campionamento determinano la risoluzione, la sola frequenza di campionamento determina la gamma, e la finestra di analisi stabilisce come quella risoluzione viene bilanciata rispetto al tempo. Al massimo dell’edizione Pro, circa un milione di bin, ecco la risoluzione e la gamma che si ottengono alle frequenze di campionamento comuni:

Mantenendo costante la frequenza di campionamento a 44,1 kHz (la frequenza comune per l’analisi vocale e l’audio di qualità CD), ecco la larghezza del bin per ogni dimensione FFT disponibile. Le dimensioni fino a 8.192 punti (8 kpts, 2¹³) sono disponibili in tutte le edizioni, mentre quelle da 16.384 punti (16 kpts, 2¹⁴) fino a 1.048.576 punti (1 Mpts, 2²⁰) richiedono l’edizione Pro.

Una nota sulla gamma. È il microfono, non l’analizzatore, a fissare il limite superiore reale. I microfoni comuni cominciano ad attenuare attorno ai 20 kHz, una zona ampiamente coperta da una frequenza di campionamento di 44,1 o 48 kHz. I microfoni di misura professionali arrivano fino a circa 30 o 50 kHz. Oltre servono strumentazione da laboratorio o trasduttori a ultrasuoni. Quindi, anche se il software funziona senza problemi a 192 kHz con l’interfaccia audio giusta, il limite che di solito incontri per primo è il microfono. Per scelte concrete in tutte le fasce di prezzo, vedi i nostri consigli sui microfoni.

Una nota sulla risoluzione. Per confronto, l’impostazione predefinita per l’analisi del canto è di 8.192 punti (8 kpts, 2¹³) a 44,1 kHz, che è anche il massimo in VoceVista Basic e VoceVista Video. Questo dà circa 5,4 Hz per bin, più che sufficienti per la didattica vocale, dove le armoniche distano tra loro 100 Hz o più, ma non abbastanza per separare i parziali inarmonici molto ravvicinati di ciotole e gong nel loro registro grave. Alla stessa frequenza di campionamento, i 1.048.576 punti (1 Mpts, 2²⁰) dell’edizione Pro danno circa 0,042 Hz per bin: 128 volte più fine.

La gamma dinamica, cioè lo scarto tra i segnali più forti e quelli più deboli che l’analizzatore riesce a distinguere, ha diversi aspetti che si sommano lungo la catena audio. Internamente VoceVista registra fino a 32 bit in virgola mobile, un formato abbastanza ampio perché la fase di registrazione in sé non imponga alcun limite pratico, e i file FLAC importati sono supportati a 24 e a 32 bit (nominalmente 144 dB e oltre). Sul fronte dell’analisi, la FFT stessa ha in pratica una gamma dinamica utilizzabile di circa 100 dB, determinata dall’attenuazione dei lobi laterali della funzione finestra. Le 12 finestre selezionabili elencate nella tabella delle specifiche bilanciano questa gamma dinamica rispetto alla larghezza del lobo principale. Con i segnali dal vivo il limite si raggiunge di solito molto prima: una buona interfaccia audio offre da 100 a 120 dB di gamma dinamica, e il microfono più il rumore dell’ambiente ne consumano tipicamente altri 20 dB. La gamma dinamica complessiva che vedi è quindi il minimo di queste fasi, e in pratica è l’hardware a fissare il tetto, non l’analizzatore.