Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 5 vistas

    P1 FFT - TiempoReal - 1

    Cargado por

    BRAYAM GARCÍA

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    P1 FFT - TiempoReal - 1

    Cargado por

    BRAYAM GARCÍA
    5 vistas10 páginas

    Título original

    P1 FFT_TiempoReal -1

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    5 vistas10 páginas

    P1 FFT - TiempoReal - 1

    Cargado por

    BRAYAM GARCÍA

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 10

    RESUMEN

    En el presente reporte se documentará la ejecución de códigos, los cuales contienen


    códigos para la ejecución de procesamiento de audio y un reconocimiento de voz el cual
    nos indicará si la persona que habla es mujer u hombre

    INTRODUCCIÓN

    El Procesamiento Digital de Señales (PDS) es una disciplina fundamental en la ingeniería que


    revoluciona la forma en que interactuamos con el mundo digital. Consiste en la
    manipulación de señales eléctricas mediante algoritmos computacionales, lo que permite
    el análisis, la interpretación y la mejora de señales que varían en el tiempo, como las de
    audio, video, imágenes, señales biomédicas y muchas otras.

    El PDS ha transformado la manera en que se realizan diversas tareas, desde la comunicación


    hasta la medicina y la industria. Al aplicar técnicas de PDS, es posible eliminar ruido de una
    señal, comprimirla para facilitar su almacenamiento o transmisión, mejorar la calidad de
    audio o video, entre otros procesos.

    Procesamiento de audio:

    El procesamiento de audio se refiere a la aplicación de algoritmos computacionales para


    analizar, manipular y sintetizar señales de sonido. Estas señales pueden provenir de diversas
    fuentes, como música, habla, efectos de sonido y otros sonidos ambientales.

    Dentro de las aplicaciones del Procesamiento de Audio se encuentran las siguientes:

     Reducción de Ruido: Eliminación o atenuación de ruidos no deseados en la señal de


    audio.
     Ecualización: Ajuste de la respuesta de frecuencia de la señal de audio para realzar
    o reducir ciertas frecuencias.
     Compresión de Audio: Reducción del tamaño de los archivos de audio mediante
    algoritmos de compresión.
     Reconocimiento de Patrones de Audio: Identificación automática de características
    específicas en la señal de audio, como palabras en el reconocimiento de voz.
    Técnicas para el procesamiento de Audio:

     Filtrado: Aplicación de filtros para suavizar o realzar ciertas frecuencias en la señal


    de audio.
     Análisis Espectral: Descomposición de la señal de audio en sus componentes de
    frecuencia.
     Síntesis de Voz: Generación artificial de señales de voz a partir de modelos
    computacionales.

    Reconocimiento de voz mediante la FFT:

    El proceso de reconocimiento de voz mediante la FFT implica dividir la señal de voz en sus
    componentes de frecuencia, lo que significa separar en frecuencias bajas y frecuencias
    altas.Esto se logra mediante el cálculo de la FFT de la señal de voz, lo que proporciona una
    representación en el dominio de la frecuencia de la señal original.

    Aplicaciones del reconocimiento de voz:

     Asistentes de voz y dispositivos inteligentes: Tecnologías como Siri de Apple, Google


    Assistant, Amazon Alexa y otros asistentes de voz utilizan el reconocimiento de voz
    para entender comandos y preguntas habladas por los usuarios.
     Sistemas de dictado y transcripción: Los sistemas de reconocimiento de voz se
    utilizan para convertir la voz hablada en texto escrito, lo que facilita la creación de
    documentos y transcripciones de manera rápida y eficiente.
     Control de dispositivos y sistemas: El reconocimiento de voz se utiliza en sistemas
    de control de voz para dispositivos domésticos, automóviles, sistemas de seguridad
    y más. Permite a los usuarios controlar y operar dispositivos y sistemas simplemente
    hablando comandos.
     Interacción hombre-máquina: El reconocimiento de voz facilita la interacción
    natural entre humanos y máquinas, permitiendo que los usuarios controlen y
    accedan a diversas funciones y servicios utilizando comandos de voz.
     Accesibilidad: Las aplicaciones de reconocimiento de voz son especialmente útiles
    para personas con discapacidades que tienen dificultades para utilizar dispositivos
    de entrada tradicionales, como teclados y ratones. El reconocimiento de voz les
    permite interactuar con computadoras y dispositivos electrónicos de manera más
    accesible.
     Servicios de traducción y transcripción: El reconocimiento de voz se utiliza en
    servicios de traducción automática y transcripción de idiomas, lo que facilita la
    comunicación entre personas que hablan diferentes idiomas y la creación de
    subtítulos automáticos en contenido multimedia.

    DESARROLLO.

    Para realizar los distintos procesamientos se utilizaron códigos y al mismo tiempo nos dio
    resultados visuales, los cuales se pudieron observar mediante gráficas

    Procesamiento 1. Definición Matemática de la Transformada Discreta de Fourier:

    Imagen 1: Código implementado


    Este código muestra cómo calcular y visualizar la Transformada de Fourier de una señal en
    tiempo discreto, así como la generación y visualización de una señal compuesta en el
    dominio del tiempo.

    Imagen 2: Amplitud de una señal compuesta en función del tiempo

    Imagen 3: Señal en el dominio de la frecuencia


    Procesamiento 2: Identificación de Notas Musicales con Audio Real:

    El reconocimiento de notas musicales a partir de grabaciones de audio es un área


    importante en el procesamiento de señales y la música asistida por computadora. Este texto
    presenta un método para identificar notas musicales basado en la frecuencia dominante en
    una grabación de audio

    Imagen 4: Código implementado

    Con ayuda de este código se puede cargar un archivo de audio, reproduce su sonido,
    muestra la forma de onda en el dominio del tiempo y representa la magnitud de su
    Transformada de Fourier en función de la frecuencia.
    Imagen 5: Análisis espectral de la frecuencia dominante de la señal del audio

    Imagen 6: Se muestra la transformada de Fourier de la señal de audio

    Procesamiento 3, Análisis Espectral en tiempo Real Usando Entrada de Micrófono


    El análisis espectral en tiempo real utilizando la entrada de micrófono es una técnica
    avanzada que permite la captura y representación dinámica de las características
    frecuenciales de una señal de audio en tiempo real. Este proceso implica la adquisición de
    datos de audio a través del micrófono de un dispositivo, seguido por la transformación de
    la señal en el dominio de la frecuencia mediante técnicas como la Transformada Rápida de
    Fourier (FFT).
    Procedimiento:

     Configuración del entorno: Se realiza la instalación y se importa PyAudio para la


    adquisición de audio en tiempo real, definiendo parámetros como el tamaño y la
    lectura continua de audio en paquetes de tamaño especificado. Para obtener el
    espectro de frecuencias aplicamos la transformada de Fourier de cada paquete de
    datos y finalmente se identifica la frecuencia dominante en cada paquete de datos.
     Creación de una interfaz gráfica: Se configuran las gráficas para visualizar la señal
    temporal y el espectro de la señal en tiempo real, para esto se utiliza Matplotlip.
     Adquisición y Procesamiento de Datos: Se abre el canal de audio para la lectura de
    datos en tiempo real del micrófono. Se lee continuamente el audio en paquetes de
    tamaño especificado. Se realiza la Transformada de Fourier de cada paquete de
    datos para obtener el espectro de frecuencias. Se identifica la frecuencia dominante
    en cada paquete de datos.
     Visualización y Actualización: Se actualizan dinámicamente las gráficas con los datos
    adquiridos en tiempo real. Se muestra la señal temporal y el espectro de frecuencias
    en las gráficas correspondientes.

    Imagen 7: Codigo implementado

    Imagen 8: Persona 1 hablando


    Imagen 9: Persona 2 hablando

    Con las gráficas obtenidas en tiempo real y con los datos proporcionado es la consola de
    Python se puede concluir que, la persona número 1 que estaba hablando la podemos
    asociar con un hombre y por consiguiente la persona 2 se deduce que es mujer.
    Se puede notar un cambio en los datos que la consola arrojo, dándonos unos posibles
    rangos en los cuales se puede diferenciar una voz de otra

    CONCLUSION:
    En la actividad práctica de la Transformada de Fourier Rápida (FFT) en tiempo real con
    Python, se resaltó la capacidad de analizar señales en tiempo real, haciendo énfasis en la
    eficiencia de la FFT en descomponer y comprender las diferentes componentes de
    frecuencia presentes en una señal. Este enfoque resulta fundamental en diversas
    aplicaciones de procesamiento digital de señales, ya que nos permite una comprensión
    detallada de la estructura de las señales.
    Podemos concluir que la FFT es una herramienta muy eficaz en el procesamiento de señales,
    ya que esta nos permite transformar una señal del dominio del tiempo al dominio de la
    frecuencia de manera eficiente, la capacidad de implementar la FFT en tiempo real con
    Python destaca la importancia del procesamiento digital de señales en una gran variedad
    de aplicaciones, demostrando su utilidad para comprender y aprovechar la información
    contenida en las señales de tiempo real.
    BIBLIOGRAFIA
    Libretexts. (2022, 1 noviembre). 13.2: La Transformada Rápida de Fourier (FFT). LibreTexts Español.
    https://espanol.libretexts.org/Ingenieria/Se%C3%B1ales_y_Sistemas_(Baraniuk_et_al.)/13%3A_Te
    mas_de_procesamiento_de_se%C3%B1ales_de_Capstone/13.02%3A_La_Transformada_R%C3%A
    1pida_de_Fourier_(FFT)

    Subiza Martínez, B. (2002). Transformada rápida de Fourier con muestreo no uniforme (NUFFT)
    aplicada al procesado SAR. España: (n.p.).

    "Analysis of the fundamental frequency of voice signals for gender recognition"

    Autores: Kartik Sreenivasan, Nivedita Vasant Naik, Priyanka Rajput, y Ramesh Babu D R

    Publicación: 2016 International Conference on Advances in Computing, Communications and


    Informatics (ICACCI)

    ¿Qué es el reconocimiento del habla? | IBM. (s. f.). https://www.ibm.com/mx-es/topics/speech-


    recognition

    RecFaces. (2022, 13 octubre). Cómo funciona la tecnología de reconocimiento de voz.


    RecFaces. https://recfaces.com/es/articles/reconocimiento-voz

    También podría gustarte