Universidad de San Carlos de Guatemala

Facultad de Ingeniera
Escuela de Ingeniera Mec anica El ectrica
CARACTERIZACI

ON AC

USTICA DE UN SAL

ON,
USANDO PROCESAMIENTO DIGITAL DE SE

NALES
Angel Giovanni Ramirez Garcia
Asesorado por el Ing. Electr onico Guillermo Antonio Puente Romero
Guatemala, octubre de 2009
UNIVERSIDAD DE SAN CARLOS DE GUATEMALA
FACULTAD DE INGENIER

IA
CARACTERIZACI

ON AC

USTICA DE UN SAL

ON, USANDO
PROCESAMIENTO DIGITAL DE SE

NALES
PRESENTADO A LA JUNTA DIRECTIVA DE LA
FACULTAD DE INGENIER

IA
POR
ANGEL GIOVANNI RAMIREZ GARCIA
ASESORADO POR EL ING. ELECTR

ONICO GUILLERMO ANTONIO PUENTE

ROMERO
AL CONFER

IRSELE EL T

ITULO DE
INGENIERO EN ELECTR

ONICA
GUATEMALA, OCTUBRE DE 2009
UNIVERSIDAD DE SAN CARLOS DE GUATEMALA
FACULTAD DE INGENIER

IA
N

OMINA DE JUNTA DIRECTIVA

DECANO Ing. Murphy Olympo Paiz Recinos
VOCAL I Inga. Glenda Patricia Garca Soria
VOCAL II Inga. Alba Guerrero de L opez
VOCAL III Ing. Miguel Angel D avila
VOCAL IV Br. Jos e Milton De Le on Bran
VOCAL V Br. Isaac Sult an Meja
SECRETARIA Inga. Marcia Iv onne V eliz Vargas
TRIBUNAL QUE PRACTIC

O EL EXAMEN GENERAL PRIVADO

DECANO Ing. Murphy Olympo Paiz Recinos
EXAMINADOR Ing. Bayron Odilio Arrivillaga M endez
EXAMINADOR Ing. Enrique Edmundo Ruiz Carballo
EXAMINADOR Ing. Edwin Efran Segura Castellanos
SECRETARIA Inga. Marcia Iv onne V eliz Vargas
HONORABLE TRIBUNAL EXAMINADOR
Cumpliendo con los preceptos que establece la ley de la Universidad de San Car-
los de Guatemala, presento a su consideraci on mi trabajo de graduaci on titulado:
CARACTERIZACI

ON AC

USTICA DE UN SAL

ON, USANDO
PROCESAMIENTO DIGITAL DE SE

NALES,
tema que me fuera asignado por la Direcci on de la Escuela de Ingeniera de
Mec anica El ectrica, el 07 de septiembre de 2009.
Angel Giovanni Ramirez Garcia
Ning un ave se eleva demasiado alto, si vuela con sus propias alas.
William Blake

INDICE GENERAL

INDICE DE ILUSTRACIONES III

LISTA DE S

IMBOLOS V
RESUMEN VII
OBJETIVOS IX
INTRODUCCI

ON XI
1. AC

USTICA 1
1.1. Sonido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Ecuaci on de la onda ac ustica . . . . . . . . . . . . . . . . . . . . 2
1.3. Velocidad del sonido . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.4. Energa de la vibraci on . . . . . . . . . . . . . . . . . . . . . . . . 4
1.5. Combinaci on de osciladores simples . . . . . . . . . . . . . . . . 4
1.6. Radiaci on de ondas ac usticas . . . . . . . . . . . . . . . . . . . . 5
1.7. Reexi on y transmisi on . . . . . . . . . . . . . . . . . . . . . . . . 6
1.8. La voz humana . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.9. Tiempo de reverberaci on y eco . . . . . . . . . . . . . . . . . . . 9
1.10. Unidades de medida y valores de referencia para una medici on
ac ustica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2. PROCESAMIENTO DIGITAL DE SE

NALES DSP 13
2.1. Desarrollo del DSP . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2.

Areas de aplicaci on . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.3. Se nales discretas en el tiempo . . . . . . . . . . . . . . . . . . . 14
2.4. Sistemas discretos lineales e invariantes en el tiempo . . . . . . . 16
2.5. Transformada discreta de Fourier . . . . . . . . . . . . . . . . . . 18
I
2.6. Transformada z . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.7. Reverberaci on como ltro lineal . . . . . . . . . . . . . . . . . . . 24
2.8. Filtros Comb . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.9. Ruido blanco y ruido rosado . . . . . . . . . . . . . . . . . . . . . 27
3. CARACTERIZACI

ON AC

USTICA DE UN SAL

ON 29
3.1. Modicaci on del tiempo de reverberaci on . . . . . . . . . . . . . . 33
3.2. Modicaci on de la relaci on de se nal a ruido . . . . . . . . . . . . 33
4. METODOLOG

IA PARA LA ADQUISICI

ON DE DATOS 35
4.1. Mediciones del tiempo de reverberaci on . . . . . . . . . . . . . . 35
4.2. Medici on del nivel de ruido . . . . . . . . . . . . . . . . . . . . . . 37
5. IMPLEMENTACI

ON 41
5.1. Descripci on y delimitaci on . . . . . . . . . . . . . . . . . . . . . . 41
5.2. Se nales de entrada y salida . . . . . . . . . . . . . . . . . . . . . 42
5.3. Funci on de transferencia . . . . . . . . . . . . . . . . . . . . . . . 45
5.4. Estimaci on del tiempo de reverberaci on . . . . . . . . . . . . . . 46
5.5. Estimaci on del criterio de ruido . . . . . . . . . . . . . . . . . . . 48
5.6. Implementaci on de un prototipo . . . . . . . . . . . . . . . . . . . 49
CONCLUSIONES 53
RECOMENDACIONES 55
BIBLIOGRAF

IA 57
II

INDICE DE ILUSTRACIONES
FIGURAS
1. Densidad espectral de la voz . . . . . . . . . . . . . . . . . . 9
2. Se nales comunes discretas en el tiempo . . . . . . . . . . . 15
3. Plano z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4. Filtro Comb . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
5. Curvas de Criterio de Ruido . . . . . . . . . . . . . . . . . . 32
6. Ubicaci on de las mediciones . . . . . . . . . . . . . . . . . . 38
7. Procedimiento del c alculo de T
R
. . . . . . . . . . . . . . . . 47
8. Procedimiento de c alculo de NC . . . . . . . . . . . . . . . . 49
TABLAS
I. Variaci on de la inteligibilidad . . . . . . . . . . . . . . . . . . 30
II. Coecientes de absorci on . . . . . . . . . . . . . . . . . . . 31
III
IV
LISTA DE S

IMBOLOS
Smbolo Descripci on
m Masa
k Constante de elasticidad

F Fuerza
r Desplazamiento
x Posici on
t Tiempo
Frecuencia angular

0
Frecuencia angular natural
A
1
, A
2
Constantes
f Frecuencia
f
0
Frecuencia natural
T Perodo
Longitud de onda
c Velocidad termodin amica del sonido en un uido
x
0
Posici on inicial
v
0
Velocidad inicial
A
0
Amplitud de movimiento

Angulo de fase inicial

k Vector de propagaci on
E Energa
E
p
Energa Potencial
E
K
Energa Cin etica
p Presi on ac ustica
La lista contin ua en la siguiente p agina
V
Contin ua de la p agina anterior
Smbolo Descripci on
P Amplitud de Presi on ac ustica
a Radio

0
Densidad de equilibrio
I Intensidad de una onda
P
i
Amplitud de Presi on ac ustica incidente
P
r
Amplitud de Presi on ac ustica reejada
P
t
Amplitud de Presi on ac ustica transmitida
T
P
,T
I
,T

Indices de transmisi on
R
P
,R
I
,R

Indices de reexi on
A
i

Area transversal del ujo de onda incidente
A
t

Area transversal del ujo de onda transmitida
z Impedancia ac ustica
T
R
Tiempo de Reverberaci on
V Volumen
A

Area de Absorci on
Coeciente de absorci on de Sabine
x(t) Se nal continua en dominio del tiempo
X(f) Representaci on en dominio de frecuencia de x(t)
x[n] Se nal discreta en dominio del tiempo
X[m] Representaci on en dominio de frecuencia de x(n)
VI
RESUMEN
Este trabajo est a elaborado con el objetivo de generar criterios para la pla-
nicaci on de mejoras ac usticas y acondicionamiento en salones de clase de la
Facultad de Ingeniera de la Universidad de San Carlos. Es por ello que se ex-
ponen muchos de factores y par ametros considerados como adecuados para un
sal on de clase ocupado por estudiantes adultos. Estos m etodos se pueden apli-
car, haciendo modicaciones de esos factores, sin ninguna otra restricci on en
cualquier sal on de clase.
La ac ustica es una rama de la fsica que estudia la propagaci on y generaci on
de ondas sonoras aplicando grandes herramientas matem aticas y modelos fsi-
cos para su descripci on y an alisis; en la ingeniera tiene mucha aplicaci on en las
areas del estudio de materiales y arquitectura, las de mediciones para aplicacio-
nes de ingeniera en areas del estudio de la contaminaci on ac ustica, elaboraci on
de mapas de ruido, modelos de ruido urbano y muchas otras m as. Por la amplitud
de conocimientos que se abarcan dentro de la ac ustica, en el primer captulo se
hace una breve introducci on.
En el segundo captulo hace la descripci on de una herramienta matem atica,
el procesamiento digital de se nales, su aplicaci on que ha dado grandes saltos
al lado del desarrollo de la electr onica y la computaci on; y de las se nales como
datos de este tipo de an alisis. Se describen especialmente las aplicaciones de
muy amplio uso y en las cuales se basa el modelo que se propone en este trabajo:
la Transformada Discreta de Fourier, la Transformada Z y los ltros digitales IIR.
Tambi en se dan los argumentos para considerar el efecto de la reverberaci on
como un ltro lineal.
VII
En el tercer captulo se describen el tiempo de reverberaci on y la relaci on de
se nal a ruido (y el criterio de ruido) como par ametros para hacer una estimaci on
de la inteligibilidad del habla. Tambi en se denen los valores adecuados que de-
ben tener estos par ametros medidos en el sal on que se quiere caracterizar y la
forma de modicar caractersticas en el sal on a n de llevar estos par ametros a
los niveles propuestos como adecuados.
El cuarto captulo dene una metodologa a seguir para hacer las mediciones
del tiempo de reverberaci on y el nivel de ruido en un sal on. Se describen las con-
sideraciones que se deben tomar para las frecuencias, la separaci on y la cantidad
de las mediciones que deben hacerse y c omo presentar los resultados.
En el ultimo captulo se muestra una descripci on y delimitaci on del estudio
fen omeno de reverberaci on, el sistema que se analiza y el m etodo de estimaci on
espectral de potencia que se usa. Se hace una descripci on de las se nales de
entrada y salida, la funci on de transferencia que se asocia al sal on y la funci on de
transferencia de los ltros que con los que se hace la estimaci on de la reverbe-
raci on y el criterio de ruido y una propuesta basada en aplicaciones de software
libre para la modelaci on e implementaci on.
Finalmente, se exponen las conclusiones y recomendaciones obtenidas tras
la elaboraci on de este trabajo.
VIII
OBJETIVOS
General
Proponer una t ecnica para la elaboraci on de curvas de caracterizaci on ac usti-
ca de los salones de clase que pueden usarse como un criterio m as en la
planicaci on de modicaciones en salones de clase para la mejora del pro-
ceso de ense nanza aprendizaje.
Especcos:
1. Identicar las magnitudes fsicas que deben ser medidas para la ela-
boraci on de curvas de caracterizaci on ac ustica de un sal on.
2. Dise nar un m etodo para la medici on de datos para la caracterizaci on
ac ustica de salones.
3. Proponer una alternativa en el manejo de la informaci on, usando proce-
samiento digital de se nales para la correcta interpretaci on del ambiente
ac ustico del sal on.
4. Evaluar el procedimiento de dise no e implementaci on de DSP con soft-
ware libre, como alternativa del software propietario.
IX
X
INTRODUCCI

ON
En el proceso de ense nanza-aprendizaje aplicado en la Facultad de Ingeniera
de la Universidad de San Carlos y en la mayora de centros educativos de Guate-
mala se utiliza el sistema de clase magistral como elemento para el intercambio
de informaci on entre el profesor y el grupo de alumnos en un sencillo esquema
de transmisi on y recepci on de informaci on en el sal on de clase.
La cantidad de informaci on que llega del transmisor al receptor depende de
las caractersticas del c odigo que se emplea y del medio que se utiliza. El sal on
como parte del medio presenta problemas ac usticos de ruido y reverberaci on
que pueden ser cuanticados y, de ser necesario, reducidos a los est andares
establecidos para los salones de clase con el n de reducir su inuencia negativa
en el proceso de comunicaci on.
Las fuentes de ruido pueden ser externas e internas. Las fuentes externas se
deben a motores de autom oviles en el parqueo que circula el edicio, altavoces y
bocinas, campos de juego, etc. y pueden controlarse con el adecuado aislamiento
ac ustico del edicio o con la creaci on de normas que regulen la cantidad de ruido
que las actividades al aire libre pueden generar en horario de clases.
Las fuentes internas de ruido son m as complejas, tanto de identicar como
de limitar, ya que est an ligadas a la arquitectura del sal on, al tipo de materiales
que fueron usados en la construcci on, etc. Entre las fuentes de ruido interno se
deben tomar en cuenta: el tiempo de reverberaci on (eco discreto y eco repetitivo)
y la relaci on de se nal a ruido (ruido del mismo sal on y proveniente de salones
adyacentes).
XI
En este trabajo se presenta una introducci on a la ac ustica, las caractersticas
de la voz y del habla, y de los efectos ac usticos que limitan la calidad del sal on
y una propuesta para medirlos mediante t ecnicas de procesamiento digital de
se nales, DSP siglas en ingl es de Digital Signal Processing, que son herramientas
matem aticas, algoritmos y las t ecnicas usadas para manipular se nales despu es
de que han sido convertidas a una forma digital.
La realizaci on de este trabajo contribuye en la generaci on de criterios para
la optimizaci on del uso de recursos empleados en las adecuaciones ac usticas
para la mejora de los salones de clase haciendo uso de tecnologa electr onica de
mucha aplicaci on. Tambi en se presenta una propuesta para facilitar el trabajo y
desarrollo de aplicaciones de Procesamiento Digital de Se nales haciendo uso de
herramientas de software libre como una alternativa eciente y econ omica.
XII
1. AC

USTICA
La Ac ustica se reere a la generaci on y evoluci on espacio-temporal de pertur-
baciones mec anicas en un uido (ondas sonoras) o en un s olido (ondas el asticas)
[29]. Los uidos tienen menos resistencia a la deformaci on que los s olidos. Las
fuerzas de restablecimiento responsables de la propagaci on de la onda se deben
a cambios de presi on que ocurren cuando los uidos se comprimen o expanden
[19].
La ac ustica estudia los distintos fen omenos relacionados a las ondas: propa-
gaci on en medios homog eneos, dispersi on en medios no homog eneos y proce-
sos de disipaci on que producen absorci on y dispersi on de las ondas.
1.1. Sonido
El sonido es un movimiento ondulatorio, que puede ser caracterizado con fre-
cuencia y amplitud, del aire o de otro medio el astico que cuando est a en el ade-
cuado rango de frecuencias produce una excitaci on en el odo.
A diferencia de las ondas electromagn eticas, las ondas sonoras necesitan un
medio de propagaci on para las variaciones de presi on. En el aire, el valor prome-
dio de la presi on es la presi on atmosf erica y aunque esta cambia de un lugar a
otro y a lo largo del tiempo, el promedio de los cambios atmosf ericos de presi on
es tan peque no que puede considerarse constante comparado con la rapidez de
las variaciones de presi on de la onda sonora [15].
1
1.2. Ecuaci on de la onda ac ustica
Un gran n umero de vibradores usados en ac ustica pueden ser modelados co-
mo osciladores simples [19]. La descripci on del comportamiento de un oscilador
simple parte de la descripci on del movimiento oscilatorio de una masa m en ki-
logramos (kg) sujeta a un resorte con una constante el astica k en Newton por
metro (N/m) cuya fuerza de restablecimiento es, seg un la ley de Hooke

F = kr (1)
en donde r es el desplazamiento en metros (m) desde el punto de reposo.
Sustituyendo la ecuaci on general de fuerza

F = m
d
2
r
dt
2
(2)
en la Ecuaci on (1) y si el movimiento se da en una sola direcci on, r = x se
obtiene
d
2
x
dt
2
+
k
m
x = 0 (3)
en donde se puede sustituir la fracci on del segundo t ermino por una constante de
mucho inter es en el estudio de ondas, la frecuencia angular natural
0
en radianes
por segundo (rad/s) de la siguiente forma:

2
0
=
k
m
(4)
para reescribir la Ecuaci on (3) de la siguiente forma:
d
2
x
dt
2
+
2
0
x = 0 (5)
una ecuaci on diferencial lineal cuya soluci on general es:
x = A
1
cos(
0
t) +A
2
sin(
0
t) (6)
en donde A
1
y A
2
son constantes que dependen de las condiciones iniciales del
sistema.
2
La frecuencia angular est a relacionada a la frecuencia natural del sistema f
0
seg un la relaci on

0
= 2f
0
(7)
y tiene relaci on con el periodo de oscilaci on T
T =
1
f
0
(8)
La frecuencia es el n umero de veces que la masa pasa por un punto de obser-
vaci on con la misma direcci on durante una unidad de tiempo dada, por otro lado
el periodo es el tiempo que le toma completar un ciclo completo. La frecuencia
tambi en se relaciona con la longitud de onda
f = c (9)
en donde c es la velocidad termodin amica del sonido en el uido donde se propa-
ga.
1.3. Velocidad del sonido
Dadas las condiciones iniciales del sistema para el tiempo t = 0: posici on
inicial x
0
y velocidad inicial v
0
, la Ecuaci on (6) puede, por sustituci on escribirse
como:
x = x
0
cos(
0
t) +
_
v
0

0
_
sin(
0
t) (10)
Utilizando dos nuevas constantes A
0
: la amplitud de movimiento y : el angulo
inicial de fase; y relacionadas con las condiciones iniciales seg un
A
0
=
_
x
2
0
+
_
v
0

0
_
2
_
1/2
(11a)
tan =
v
0

0
x
0
(11b)
entonces la Ecuaci on (10) se puede reescribir como:
x = A
0
cos(
0
t +) (12)
3
de donde se pueden derivar las expresiones:
v =
0
A
0
sin(
0
t +) (13)
a =
2
0
A
0
cos(
0
t +) (14)
para la velocidad y la aceleraci on respectivamente.
1.4. Energa de la vibraci on
La energa mec anica E de un sistema es la suma de la energa potencial E
p
y la energa cin etica E
k
[19]. Con la Ecuaci on (12) se puede expresar para la
energa potencial como:
E
p
=
_
x
0
kxdx =
1
2
kA
2
0
cos
2
(
0
t +) (15)
y con la Ecuaci on (13) se obtiene una expresi on para la energa cin etica
E
k
=
1
2
mv
2
=
1
2
m
2
0
A
2
0
sin
2
(
0
t +) (16)
entonces la energa mec anica del sistema es:
E =
1
2
m
2
0
A
2
0
(17)
que conrma que la energa total de un sistema sin fuerzas externas y sin p erdi-
das es constante en el tiempo.
1.5. Combinaci on de osciladores simples
La mayora de los efectos estudiados en ac ustica se pueden representar co-
mo la combinaci on del efecto de varios osciladores individuales. En general, ya
que la presencia de un oscilador no altera el medio, al punto de modicar las ca-
ractersticas de otro oscilador, la vibraci on total se obtiene como la superposici on
lineal de los osciladores [19].
4
En el caso de dos osciladores con frecuencias angulares
1
y
2
y con des-
plazamientos
r
1
= A
1
e
j
1
t+
1
(18a)
r
2
= A
2
e
j
2
t+
2
(18b)
la combinaci on lineal de estos da un nuevo desplazamiento r = r
1
+r
2
r = A
1
e
j
1
t+
1
+A
2
e
j
2
t+
2
(19)
El movimiento resultante no es el de un oscilador arm onico simple, pero, si la
raz on de la frecuencia mayor a la menor es un n umero racional, el movimiento es
peri odico y con una frecuencia angular dada por el m aximo com un divisor de
1
y
2
[19].
Si la frecuencia de los osciladores es la misma, =
1
=
2
se produce una
nueva oscilaci on arm onica de la misma frecuencia pero con distintos valores de
amplitud y fase. El movimiento real y unidimensional es
x = A
0
cos(t +) (20)
en donde las constantes tienen estas relaciones:
A
2
0
= (A
1
cos
1
+A
2
cos
2
)
2
+ (A
1
sin
1
+A
2
sin
2
)
2
(21a)
tan =
A
1
sin
1
+A
2
sin
2
A
1
cos
1
+A
2
cos
2
(21b)
1.6. Radiaci on de ondas ac usticas
La fuente ac ustica m as sencilla de analizar es una esfera cuyo radio vara
senoidalmente en el tiempo y, aunque este an alisis sea poco pr actico, sirve como
prototipo para el estudio de fuentes simples [19].
En un medio innito, homog eneo e is otropo, se producir a una onda esf erica
de forma que la presi on ac ustica en el uido en contacto con la esfera ser a:
p(r, t) =
_
A
0
r
_
e
j(t

k r)
(22)
5
A
0
es una constante cuyo valor depende del origen del sistema y se escoge uno
de forma que sea un valor real. El valor A
0
/r es la amplitud de presi on P de la
onda y disminuye inversamente proporcional con el aumento de la distancia.
Considerando una esfera de radio a vibrando radialmente con una velocidad
compleja ve
jt
, la presi on en la supercie de la fuente es:
p(a, t) =
0
cv
0
cos
a
e
j(tka+a)
(23)
en donde c es la velocidad termodin amica del sonido en el uido,
0
es la densidad
del uido (1.21 kg/m
3
en el aire a 20

C y a nivel del mar [19]) y k es la magnitud
del vector de propagaci on

k = k
x
+ k
y
+ k
z
tal que k = |

k| = (w/c)
2
y cot
a
= ka,
para cualquier distancia r > a
p(r, t) =

0
cv
0
a
r
cos
a
e
j(ka+a)
(24)
La intensidad instant anea de una onda de sonido es la tasa instant anea por
unidad de area a la cual un elemento del uido realiza un trabajo sobre un ele-
mento adyacente [19]. Se mide en Watts por metro cuadrado (W/m
2
) y se calcula
mediante I(t) = pv. La intensidad I es el promedio en el tiempo de I(t) y es
el promedio en el tiempo de la tasa de transmisi on de energa a trav es de una
unidad de area normal a la direcci on de propagaci on
I =
1
T
_
T
0
pvdt =
P
2
0
v
(25)
1.7. Reexi on y transmisi on
Cuando una onda, la onda incidente, viaja en un medio y se encuentra con
la supercie o interfaz del medio se da un fen omeno de reexi on y transmisi on,
que produce una onda reejada que regresa y una onda transmitida que pasa la
interfaz.
6
La raz on de la amplitud de presi on e intensidades de las ondas reejadas
y transmitidas a la onda incidente dependen de las caractersticas ac usticas y
velocidades del sonido en los dos medios y del angulo de incidencia de la onda
incidente en la interfaz [19].
Si P
i
, P
r
y P
t
son las amplitudes de presi on de las ondas incidente, reejada y
transmitida respectivamente, entonces los ndices de transmisi on T y reexi on R
se denen como la fracci on de la amplitud de presi on de la onda que se transmite
y se reeja
T =
P
t
P
i
(26a)
R =
P
r
P
i
(26b)
y siguiendo con los subndices de incidencia, reexi on y transmisi on, se pueden
denir los ndices de transmisi on y reexi on de intensidad [19]:
T
I
=
I
t
I
i
=
r
1
r
2
| T |
2
(27a)
R
I
=
I
r
I
i
=| R |
2
(27b)
y los ndices de transmisi on y reexi on de potencia
T

=
_
A
t
A
i
__
z
1
z
2
_
| T |
2
(28a)
R

=| R |
2
(28b)
donde A
i
y A
t
son las areas transversales de las ondas incidente y transmitida
respectivamente y son iguales considerando todas las circunstancias [19], las
constantes z
1
y z
2
son las impedancias ac usticas caractersticas de cada medio y
dependen unicamente de par ametros del medio
z
1
=
1
v
1
(29a)
z
2
=
2
v
2
(29b)
7
y por conservaci on de energa: la energa de la onda incidente se distribuye entre
las ondas reejada y transmitida [19] entonces
T

+R

= 1 (30)
1.8. La voz humana
Las caractersticas fsicas del habla, m usica y ruido pueden medirse con ayu-
da de instrumentos ac usticos adecuados a n de poder expresar los resultados
cuantitativamente en t erminos de par ametros fsicos, pero las caractersticas in-
terpretativas de escuchar son subjetivas y s olo pueden hacerse estimaciones es-
tadsticas para los oyentes promedio en condiciones conocidas [19].
La voz est a formada por sonidos tonales o sonoros, como las vocales, que se
producen por la vibraci on de las cuerdas vocales y por sonidos nasales. Tambi en
forman la voz sonidos sordos, como algunas consonantes, que se producen por
turbulencias en el aire en el tracto vocal [19].
Las cavidades resonantes del tracto vocal est an formadas por la nariz, boca y
conductos de aire a lo largo de la laringe y constituyen una red de ltrado ac ustico.
Hay tres o cuatro frecuencias de resonancia que se imponen como ltros pasa-
banda y los 3 m as bajos est an centrados en frecuencias o formantes cercanas
a los 500 Hz, 1.6 kHz y 3 kHz para una mujer, un 20% arriba para un ni no y un
20 % abajo para un hombre. Los dos formantes inferiores suelen ser f acilmente
variables [19].
Un an alisis del voz, da como resultado que el promedio de la potencia es
un valor cercano a los 10 W [9]. En un an alisis espectral como el mostrado en
la Figura 1 se observa que la distribuci on de la potencia deja un 80 % debajo
de los 500 Hz y se tiene un ancho de banda de 3.83 kHz. La peque na cantidad de
potencia en altas frecuencias determina la inteligibilidad del habla y es importante
porque aqu se encuentran algunas consonantes [9].
8
Figura 1: Densidad espectral de potencia para la voz humana durante el ha-
bla
Fuente: Everest, F. Alton. The Master Handbook of Acoustics. Ver [9].
1.9. Tiempo de reverberaci on y eco
Colocando una fuente de sonido en una sala y, permitiendo que esta llegue
a un estado estable y luego apag andola para generar un estado transitorio, el
tiempo de reverberaci on es el tiempo en el que a un se escuche el sonido de la
fuente.
Para establecer un patr on, el tiempo de reverberaci on se dene como el tiem-
po que se requiere para que el nivel de sonido decrezca 60 dB [19].
Sabine experimentalmente mostr o que cuando el nivel de sonido decrece en
una sala, puede aproximarse mediante una funci on lineal del tiempo [29]. La re-
9
laci on de Sabine es:
T
R

V
A
(31)
en donde T
R
es el tiempo de reverberaci on en una sala de volumen V y area de
absorci on A. Esta es una relaci on basada en un modelo de rayos divergentes,
es decir cada vez que se alcanza una supercie de absorci on, los rayos son
parcialmente absorbidos y reejados [19].
Sabine tambi en encontr o empricamente las constantes de relaci on para la
Ecuaci on (31) en el siglo XIX [19], la ecuaci on es:
T
R
=
0.161V
S
(32)
en donde el volumen est a expresado en metros c ubicos, la supercie total de
la sala S en metros, al valor 0.161 se denomina constante hiperb olica [34] y
es el coeciente de absorci on de Sabine. Sabine tambi en asumi o que si haban
distintos materiales, se poda tomar el total de la suma de las absorciones por
cada material, es decir
S =

i
S
i

i
(33)
en donde S
i
y
i
son, respectivamente, la supercie y el coeciente de absorci on
de cada una de las supercies.
El eco ocurre cuando una onda aislada, que despu es de ser reejada, alcanza
el odo en un tiempo mayor a 67 ms [2] despu es del sonido original. El eco se
percibe como un sonido discreto [9].
El excesivo tiempo de reverberaci on afecta la inteligibilidad por el enmasca-
ramiento u obstrucci on de las consonantes de bajo nivel en algunas palabras [9]
debido a las continuas reexiones de la se nal original en las supercies de la sala.
El efecto de reverberaci on no es del todo malo, algunos tipos de m usica re-
sultan beneciados con distintos tiempos de reverberaci on, sin embargo no hay
un est andar establecido, ya que inuyen otros factores del sal on y otros efectos
10
asociados a los ritmos y tipos de sonidos musicales que se jan por aspectos
subjetivos de los especialistas [9].
1.10. Unidades de medida y valores de referencia para una medici on
ac ustica
El sonido es una onda mec anica y el odo humano percibe la intensidad I de-
nida en la Ecuaci on (25). Las unidades de medici on de la intensidad son (W/m
2
),
pero los sonidos que percibe el odo humano est an en un rango tan amplio que
por ello se utiliza una escala logartmica cuya unidad de medici on se denomina
decibelio (dB).
En muchos casos el par ametro del sonido que se mide es la presi on del so-
nido, sobre todo porque es m as sencillo de construir y calibrar que equipos de
medici on de velocidad o de intensidad [2]. El voltaje de salida de un micr ofono de
electret (que son usados en la mayora de micr ofonos que se puede comprar en
tiendas de computadoras) es proporcional a la presi on instant anea [21] y el nivel
de presi on del sonido se calcula con
SPL = 20 log
_
p
rms
p
ref
_
(34)
en donde p
rms
es el valor cuadr atico medio o valor ecaz y p
ref
es la presi on de
referencia en el medio de propagaci on. Aunque la cantidad medida sea el voltaje
del micr ofono, la proporcionalidad que existe con el nivel de presi on del sonido
implica que una cada de 60 dB en el voltaje del micr ofono corresponde a una
cada de 60 dB en el nivel de presi on del sonido [21].
Los dos medios principales de propagaci on son aire (aeroac ustica) y agua
(ac ustica subacu atica) ya que pueden considerarse como referentes para los dos
estados de uidos: lquido y gaseoso [29].
En la aeroac ustica, el nivel de presi on de referencia es 2 10
5
N/m
2
cercano
al umbral del odo humano y el nivel de intensidad de referencia es 10
12
W/m
2
11
en condiciones de presi on y temperatura est andar, 10
5
N/m
2
y 20

C (293 K) res-
pectivamente. En la ac ustica subacu atica, el nivel de presi on de referencia es
1 N/m
2
y el nivel de intensidad de referencia es 6.51 10
7
W/m
2
[29].
En el aire a 20

C y a una atm osfera de 101.325 kPa el sonido se propaga a
343 m/s [19].
12
2. PROCESAMIENTO DIGITAL DE SE

NALES DSP
El procesamiento digital de se nales es una poderosa herramienta tanto en la
ciencia como en la ingeniera. Han habido grandes cambios en muchas areas co-
mo: comunicaciones, im agenes m edicas, radar y sonar entre otras relacionadas
con el procesamiento digital de se nales.
DSP es la matem atica, los algoritmos y las t ecnicas usadas para manipular
se nales despu es de que han sido convertidas en una forma digital [33]. En el
ambito de la computaci on se diferencia de otras areas por los datos con los que
se trabaja: se nales.
2.1. Desarrollo del DSP
Las t ecnicas de DSP se remontan a los a nos 60 y 70 con el desarrollo de las
computadoras digitales, sin embargo, por el alto precio de estas, el desarrollo de
DSP se limit o a ciertas aplicaciones como la exploraci on petrolera, exploraci on
espacial y el estudio de im agenes m edicas [33].
Con la revoluci on de la computaci on personal en los a nos 80 y 90, las t ecnicas
de DSP se usaron en nuevas aplicaciones [33], de forma que ahora, adem as de
las areas mencionadas hay mucho desarrollo en las areas cientca, telef onica,
comercial, militar, etc.
2.2.

Areas de aplicaci on
El procesamiento digital de se nales tiene varias areas de aplicaci on, cada una
de ellas va desarrollando sus propias t ecnicas y aplicaciones, entre estas areas
13
las de mayor avance son las telecomunicaciones, el procesamiento de audio,
localizaci on por eco, procesamiento de im agenes [33].
En el area de las telecomunicaciones, hay aplicaciones DSP para la multiple-
xaci on, que toman los ujos de informaci on y los disponen en un solo ujo serial
capaz de ser enviado por un solo medio de transmisi on.
Otras aplicaciones se usan en la compresi on de datos que son usados para
convertir se nales de voz digitalizadas en ujos que requieren una menor cantidad
de ancho de banda y el control de eco, un problema com un en llamadas de larga
distancia, generando se nales que cancelan el eco y reducen el ruido ambiental.
En el procesamiento de audio, hay aplicaciones DSP para evitar la degra-
daci on asociada con las distancias y la manipulaci on anal ogica, ltrado, suma,
separaci on y edici on de se nales. Tambi en hay aplicaciones para la generaci on y
reconocimiento de voz.
Tambi en se aplica en los sistemas de radar ya que estos envan pulsos de ra-
dio frecuencia por una antena direccional y recogen los rebotes, se usan t ecnicas
de DSP para comprimir los pulsos recibidos para obtener una mejor resoluci on en
el c alculo de las distancias sin reducir el rango de operaci on, tambi en es posible
ltrar los pulsos para reducir la cantidad de ruido, generar y seleccionar distintas
formas de pulso permitiendo una optimizaci on para detecciones particulares.
2.3. Se nales discretas en el tiempo
Una se nal discreta en el tiempo es una funci on que depende de una variable
independiente que solamente toma valores enteros, no est a denida entre dos
muestras sucesivas y es incorrecto pensar que la funci on es cero para valores no
enteros de la variable independiente [30].
Una se nal discreta en el tiempo toma un valor, que puede ser real o complejo,
para cada valor entero de n y si se obtiene del muestreo de una se nal anal ogica
14
Figura 2: Se nales comunes discretas en el tiempo: (a) Impulso unitario. (b)
Escal on unitario. (c) y (d) Exponencial
x
a
(t) entonces x[n], la n- esima muestra es x[n] x
a
(nT) en donde T es el periodo
de muestreo.
Hay un conjunto de se nales discretas en el tiempo muy usadas en el trata-
miento digital de se nales [30]:
Impulso unitario: es una se nal que toma la unidad por valor para un unico valor
de la variable independiente y un valor nulo para el resto, se expresa
[n] =
_
_
_
1 para n = 0
0 para n = 0
(35)
y aunque es semejante a la funci on Delta de Dirac su denici on es, ma-
tem aticamente hablando, m as sencilla ya que no debe cumplir la propiedad
15
de que su area sea unitaria en todo el dominio de n [30]. La Figura 2.a
muestra un ejemplo de esta se nal.
Escal on unitario: es una se nal que mantiene un valor nulo hasta que la variable
independiente alcanza un valor especco desde el cual la se nal toma un
valor unitario, se expresa
u[n] =
_
_
_
1 para n 0
0 para n < 0
(36)
representa la suma acumulada de la se nal impulso unitario hasta un valor
m [27]
u[n] =
n

m=
[m] (37)
y su primera diferencia es la funci on impulso unitario [n] = u[n] u[n 1]
[27]. La Figura 2.b muestra un ejemplo de esta se nal.
Exponencial: es una se nal de la forma x[n] = a
n
en donde a puede ser un valor
real o complejo. Cuando es complejo a = re
j
y x[n] puede separarse en sus
componentes real e imaginaria x[n] = r
n
(cos n + j sin n) y la se nal puede
representarse como una funci on de amplitud |x[n]| r
n
y una funci on de
fase x[n] n [27]. La Figura 2.c muestra un ejemplo de esta se nal para
x[n] = (0.1)
n
y la Figura 2.d para x[n] = (0.1)
n
2.4. Sistemas discretos lineales e invariantes en el tiempo
Un sistema discreto en el tiempo es un operador matem atico o mapeo que
transforma una se nal de entrada en otra se nal de salida mediante un conjunto
denido de reglas o funciones [14]. Las relaciones entre entrada y salida se ex-
presan en t erminos matem aticos pero tambi en es posible describirlas por medio
de un algoritmo que provea una secuencia de operaciones que deben aplicarse
a la se nal de entrada [14]. La estructura interna del sistema es desconocida o
16
ignorada y la unica forma de interactuar con el sistema es usando sus terminales
de entrada y salida [30].
Hay dos propiedades de gran importancia por la simplicaci on que aportan
en el an alisis y dise no de sistemas discretos: la linearidad y la invarianza en el
tiempo [14].
La propiedad de linearidad dene una clase especial de sistemas donde la
salida es la superposici on o suma de las salidas que cada entrada individual
produce en el sistema, a esta propiedad tambi en se le conoce como homoge-
neidad [20]. Por ejemplo: si el sistema responde con y
1
[n] y y
2
[n] para entradas
individuales x
1
[n] y x
2
[n] respectivamente, entonces el sistema respondera con
c
1
y
1
[n] + c
2
y
2
[n] para una entrada c
1
x
1
[n] + c
2
x
2
[n] en donde c
1
y c
2
son factores
de escala y constantes para todo valor de n.
Un sistema invariante en el tiempo produce una salida desfasada en un tiempo
n
0
cuando la entrada es desfasada en el mismo valor n
0
, es decir, si un sistema
responde con y(n) para una entrada x(n) responder a con y(n n
0
) si la entrada
es x(nn
0
). La invarianza en el tiempo signica que las propiedades del sistema
no cambian con el cambio de tiempo [14].
Un sistema discreto lineal e invariante en el tiempo es el que cumple con las
dos caractersticas descritas. Tambi en se les llama operadores lineales invarian-
tes en el tiempo [7].
Adicionalmente a estas, hay dos propiedades m as que en el estudio de DSP
pueden aportar m as informaci on sobre el sistema mismo, estas son la causalidad
y estabilidad. En un sistema discreto lineal e invariante en el tiempo y causal, la
n
0
- esima salida y[n
0
] solamente puede depender de entradas x[n] para n n
0
[26]. Es evidente que en aplicaciones de procesamiento en tiempo real no se
pueden observar muestras futuras de valores de la se nal, por lo que los sistemas
no causales son fsicamente irrealizables [30].
17
Un sistema es estable si y s olo si para cada entrada limitada, la salida es
tambi en limitada o convergente a un valor. Este tipo de estabilidad se conoce co-
mo estabilidad de entrada limitada-salida limitada BIBO (por las siglas en ingl es
de bounded-input, bounded-output ) [26]. Los sistemas no estables usualmente
muestran comportamientos err aticos y extremos que causan un sobreujo o des-
borde en implementaciones pr acticas [30].
2.5. Transformada discreta de Fourier
La transformada discreta de Fourier, junto al ltrado digital, es una de las he-
rramientas m as comunes y utiles herramientas usadas en el campo del proce-
samiento digital de se nales [20] cuya aplicaci on permite analizar, manipular y
sintetizar se nales.
La transformada discreta de Fourier, o DFT por sus siglas en ingl es, es un
procedimiento matem atico que permite determinar el contenido por frecuencias o
contenido espectral de una se nal discreta, se basa en la transformada continua
de Fourier
X(f) =
_

x(t)e
j2ft
dt (38)
y que representa la transformaci on de una se nal en funci on del tiempo x(t) a
una funci on el dominio de la frecuencia X(f). Para su uso en DSP, se hace la
conversi on a
X[m] =
N1

n=0
x[n]e
j2mn/N
(39)
en donde X[m] es la representaci on en el dominio de la frecuencia de la se nal
discreta, en dominio del tiempo x[n], es decir cada una de las muestras de la
se nal que se quiere representar. Y, haciendo uso de la relaci on de Euler e
j
=
cos j sin se puede expresar
X[m] =
N1

n=0
x[n]
_
cos
_
2nm
N
_
j sin
_
2nm
N
__
(40)
18
En donde la m- esima componente en el dominio de la frecuencia X(m) est a re-
presentada en sus componentes real e imaginaria, el concepto de imaginario se
usa para representar la relaci on entre varias componentes senoidales de una
se nal [20] y cada componente est a situada en la frecuencia
f
m
=
mf
s
N
(41)
en donde f
s
es la frecuencia de muestreo para N muestras y m = 0 representa la
componente de corriente directa [20]. La frecuencia de muestreo debe cumplir el
criterio de Nyquist para evitar problemas de traslape (overlap) y coincidencia de
frecuencias de muestreo con frecuencias de se nal (aliasing).
Para el c alculo de la Transformada Discreta de Fourier, se necesitan apro-
ximadamente N
2
multiplicaciones complejas y N(N 1) sumas complejas, hay
otros m etodos que reducen la complejidad computacional a cerca de N log
2
(N)
operaciones y se conocen con el nombre de Transformada R apida de Fourier
[26].
2.6. Transformada z
La Transformada de Laplace se usa para simplicar el an alisis de las ecua-
ciones diferenciales continuas, an alogamente existe una herramienta para los
sistemas discretos en el tiempo: la Transformada z, teniendo claro que la Trans-
formada de Laplace convierte ecuaciones integrodiferenciales en ecuaciones al-
gebraicas y la Transformada z convierte ecuaciones en diferencias o relaciones
de recurrencia en ecuaciones algebraicas simplicando el an alisis de sistemas
discretos en el tiempo [16].
La Transformada z de una secuencia discreta x[n] se denomina X(z) y se
dene [20]
X(z) =

n=
x[n]z
n
=

n=
x[n]r
n
e
jn
(42)
19
en donde z = re
j
es una variable compleja y representa la combinaci on de dos
variables reales r y [33].
La Transformada z se aplica a una secuencia discreta x[n], convirti endola en
una funci on continua X(z) [20]. Desde otro punto de vista, la Transformada Dis-
creta de Fourier provee una representaci on en el dominio de la frecuencia de
se nales discretas y sistemas lineales e invariantes en el tiempo, sin embargo en
muchos casos la transformada no existe y una generalizaci on de esta transforma-
ci on es la Transformada z, la cual puede existir para muchas de las secuencias
para las cuales no existe una Transformada Discreta de Fourier [26].
La Transformada z puede verse como la Transformada de Fourier de la se nal
modicada por r
n
X(z) =

n=
x[n]r
n
e
jn
(43)
es decir, la Transformada z cuando |z| = 1 se reduce a la Transformada discreta
de Fourier [26].
Geom etricamente, H(z) es una supercie continua sobre el plano z, el plano
z es una proyecci on bidimensional y est a formado por dos ejes ortogonales, en
uno de ellos se sit ua la parte real de z identicado como Re(z) y en el otro la
parte imaginaria Im(z). Si z se expresa en forma polar z = re
j
el eje para el cual
= 0 coincide con el eje de la parte real de z. En la Figura 3 muestra el plano z
con el crculo unitario y con la convenci on para la representaci on polar.
Gr acamente, la ubicaci on de los polos y los ceros se representan por cruces
y crculos respectivamente, en el plano z. El an alisis gr aco de polos y ceros
es com unmente usado para ver la estabilidad del sistema.
Es importante ver que en una se nal discreta s olo pueden haber frecuencias
entre cero y un medio de la frecuencia de muestreo [33] por lo que la frecuen-
cia debe estar entre 0 y 0.5 cuando se expresa en t erminos de la frecuencia de
muestreo o entre 0 y cuando se expresa en la frecuencia natural.
20
Figura 3: Plano z: Representaci on gr aca de la variable compleja sobre la
que se dene la Transformada z
Fuente: Smith, Steven W. The Scientist and Engineers Guide to Digital Signal
Processing. Ver [33].
Una de las propiedades m as importantes de la Transformada z es la relaci on
que existe con el desfase del tiempo en la secuencia de una se nal [7]. La curva
formada cuando |z| = 1, el crculo unitario, adem as de ser la condici on para
hacer la reducci on de la Transformada z a la Transformada Discreta de Fourier
tambi en representa una referencia en la cual un sistema discreto es estable o no
seg un la ubicaci on de sus polos respecto a esta. Cuando los polos de un sistema
discreto est an fuera del crculo unitario en el plano z el sistema es inestable [33].
Aunque tambi en se pueden dar condiciones para que la estabilidad de un sistema
solamente forme un anillo en el plano z. Se le llama regi on de convergencia ROC
de una funci on X(z) al conjunto de valores z para el cual la serie converge a un
valor nito [30].
Entre las propiedades de la Transformada z que son utiles en el an alisis de
sistemas lineales e invariantes en el tiempo est an:
21
Linealidad: que quiere decir que la Transformada z de una combinaci on lineal
de se nales es la misma combinaci on lineal de sus transformadas [30]. Es
decir, si X
1
(z) y X
2
(z) son las transformadas de x
1
[n] y x
2
[n] respectivamen-
te la Transformada z de la combinaci on a
1
x
1
[n]+a
2
x
2
[n] es a
1
X
1
(z)+a
2
X
2
(z).
Lo que implica que se puede analizar una se nal expres andola como la suma
de se nales elementales cuyas Transformadas sean conocidas [30].
Desfase en el tiempo: Explica el cambio en la Transformada z que ocurre cuan-
do hay desfase en el tiempo, o en el n umero de la muestra para una se nal
cuya transformada es conocida. Es decir si X(z) es la Transformada z de
x[n], un desfase k en la se nal de entrada sera x[n k] su transformada
sera z
k
X(z) y su ROC no es afectada excepto para z = 0 si k > 0 y z =
si k < 0 [30].
Un importante grupo de transformadas son las que se pueden expresar como
una funci on racional [30]. Es decir, como la raz on de dos polinomios en t erminos
de z
1
o, despu es de una manipulaci on algebraica, en t erminos de z.
Dada una funci on racional, los ceros de una transformada X(z) son los valo-
res para los cuales X(z) = 0 y los polos son los valores para los cuales X(z) =
[30]. Matem aticamente esto se puede expresar de la siguiente forma: si X(z) =
N(z)/D(z) es una funci on racional, y si las funciones N(z) y D(z), son Transfor-
madas z denidas por:
N(z) =
M

k=0
b
k
z
k
(44a)
D(z) =
M

k=0
a
k
z
k
(44b)
y si a
0
= 0 y b
0
= 0 la funci on racional puede expresarse
X(z) =
b
0
a
0
z
NM

M
k=1
(z z
k
)

N
k=1
(z p
k
)
(45)
22
en donde se puede ver que X(z) tiene M ceros en z = z
1
, z
2
, . . . , z
M
que son las
races del polinomio del numerador y tiene N polos en z = p
1
, p
2
, . . . , p
N
que son
las races del polinomio del denominador.
De la Ecuaci on (45) tambi en se sabe que hay |N M| ceros (si N > M) o
polos (si N < M) en el origen z = 0. Un cero existe en z = si X() = 0 o,
existe un polo en z = si X() = [30].
La Transformada z puede usarse para analizar un ltro, un ltro es un sistema
lineal y recursivo que puede ser descrito por una ecuaci on en diferencias de esta
forma [33]
y[n] = a
0
x[n] +a
1
x[n 1] + +a
n
x[0] + (46)
+ b
1
y[n 1] +b
2
y[n 2] + +b
n1
y[0]
en donde x[n] y y[n] son la entrada y salida respectivamente, a
n
y b
n
son los
coecientes de recursi on. De esta relaci on o ecuaci on en diferencias es posible
obtener las caractersticas del sistema [33].
La funci on de transferencia se obtiene haciendo la Transformada z de la Ecua-
ci on (46) y expres andola en la forma de una funci on racional
H(z) =
Y (z)
X(z)
=

n
k=0
a
k
z
k
1

m
k=1
b
k
z
k
(47)
La funci on de transferencia de un sistema recursivo puede ser manipulada
algebraicamente de forma mucho m as sencilla que la manipulaci on de los coe-
cientes de recursi on, permitiendo la combinaci on en cascada y etapas en paralelo
en sistemas m as complejos [33].
Otra forma de expresar la funci on de transferencia es la que expone claramen-
te los polos y ceros de la funci on:
H(z) =

n
k=1
(z z
k
)

m
k=1
(z p
k
)
(48)
en donde cada uno de los ceros z
k
y los polos p
k
son n umeros complejos [33].
Esta representaci on es mucho m as complicada de obtener algebraicamente a
23
partir de la Ecuaci on (47) pero en el dise no de ltros digitales se inicia deniendo
la ubicaci on de los polos y ceros y nalmente se calculan los coecientes de
recursi on [33].
2.7. Reverberaci on como ltro lineal
Desde el punto de vista del procesamiento de se nales, un sal on con fuen-
tes de sonido y fuentes de absorci on puede considerarse como un sistema con
entradas y salidas que es lineal e invariante en el tiempo [18].
Existen algoritmos de reverberaci on que simulan los comportamientos de la
entrada y salida de la se nal en un sal on y hay dos formas distintas por las cuales
el dise no de un ltro puede aproximarse al efecto de reverberaci on: la aproxima-
ci on fsica y la aproximaci on perceptual [18].
La aproximaci on fsica tiene la ventaja de ofrecer una relaci on directa entre las
especicaciones fsicas de la sala y la reverberaci on resultante [18]. Esta inten-
ta simular la propagaci on del sonido desde el expositor hasta el oyente habiendo
medido o estimado la respuesta del sal on y luego hacer uso de la convoluci on pa-
ra generar la reverberaci on equivalente, por lo que requiere informaci on relacio-
nada a la geometra del sal on, las propiedades de sus supercies y las posiciones
del expositor y los asistentes.
La aproximaci on perceptual busca reproducir las caractersticas perceptibles
de la reverberaci on utilizando un ltro digital con par ametros asociados a un es-
pacio de N dimensiones independientes que corresponden a atributos indepen-
dientes de la reverberaci on [18]. Una desventaja de este m etodo de aproximaci on
es la divergencia de opiniones respecto a cuales deben ser los par ametros a con-
siderar y la dicultad de elaborar ltros que reproduzcan esos par ametros.
24
2.8. Filtros Comb
En general, el proceso de ltrado es el proceso aplicado a una se nal para
modicar su contenido espectral. Generalmente son cambios de reducci on de
componentes no deseadas de la se nal de entrada [20].
Un ltro comb anula regiones peri odicamente a lo largo de una banda de fre-
cuencia y se usa en un amplio rango de aplicaciones como rechazo de arm onicos
de lneas de potencia, separaci on espectral de las componentes lunares y solares
de en mediciones ionosf ericas [30].
Se les puede clasicar seg un el tipo de entradas que tengan: un ltro FIR toma
unicamente valores pasados de la se nal de entrada [20] y pueden tener distintas
conguraciones de ceros tanto dentro como fuera del crculo unitario en el plano
z [30]; los ltros IIR toman valores pasados tanto de la se nal de entrada como de
la de salida, es decir tienen retroalimentaci on [20] y todas sus conguraciones de
ceros est an dentro del crculo unitario en el plano z.
Modelar el tiempo de reverberaci on con un ltro FIR resulta en una temprana
respuesta que implica una escasa calidad del sonido. En el caso de modelar la
reverberaci on que llega al odo causando distorsi on la aplicaci on m as sencilla es
usar un ltro comb IIR [18].
En la Figura 4 se muestran las caractersticas del ltro comb: un diagrama de
bloques, la respuesta en el tiempo, la respuesta en frecuencia y el diagrama de
polos. La funci on de transferencia de este ltro es:
H(z) =
z
m
1 gz
m
(49)
donde m es la longitud del desfase temporal en las muestras y g es la ganancia
de retroalimentaci on. La respuesta en el tiempo del ltro es una secuencia con
una amplitud decayendo exponencialmente separadas m muestras despu es, los
polos ocurren en la m- esima raz de g y est an arm onicamente separadas en un
25
Figura 4: Filtro Comb. Lnea superior de izquierda a derecha: Diagrama de
bloques y respuesta en el tiempo. Lnea inferior de izquierda a de-
recha: Respuesta en frecuencia y diagrama de polos
Fuente: Kahrs, Mark y Karlheinz Brandenburg. Applications of Digital Signal
Processing to Audio and Acoustics. [18]
crculo en el plano z y la respuesta en frecuencia tiene m picos correspondientes
a las frecuencias de los polos [18].
Los ltros comb tambi en pueden agruparse en cascada o en paralelo, agru-
pados en paralelo la funci on de transferencia es:
H(z) =
N

i=1
z
m
i
1 g
i
z
m
i
(50)
en donde N es el n umero de ltros en paralelo y lo m as importante es la relaci on
que se puede hacer con el tiempo de reverberaci on T
R
a partir del m odulo de
polos
i
[18]:

i
=
m
i

g
i
= 10
3T/T
R
(51)
en donde T es el periodo de muestreo.
26
2.9. Ruido blanco y ruido rosado
La denici on m as sencilla del ruido dice que es un sonido no deseado que
interere con lo que se escucha, o se intenta escuchar. El ruido es una se nal
aleatoria y puede ser descrito estadsticamente por la forma en la que se distri-
buye su densidad espectral de potencia.
El ruido se puede clasicar de distintas formas y una clasicaci on importante
es seg un se distribuya su densidad espectral de potencia. El ruido blanco est a dis-
tribuido uniformemente a lo largo de todo el espectro [9]. Es una se nal que no
est a limitada en banda y, te oricamente tiene una potencia ilimitada. Para los ca-
sos pr acticos, un ruido blanco tiene una densidad espectral de potencia constante
en el ancho de banda de inter es.
El ruido rosado es un ruido que presenta una mayor energa en las regiones
de baja frecuencia y una pendiente negativa de 3 dB por octava [9]. La distribuci on
espectral del potencia vara con el inverso de la frecuencia
En DSP, la base fundamental de la generaci on de ruido es el generador de
n umeros aleatorios, por eso la mayora de lenguajes de programaci on lo incluyen
una funci on est andar [33].
Asumiendo que la se nal de ruido tiene una media de cero y una varianza
unitaria, la Transformada z de la funci on de autocorrelaci on puede escribirse
S(z) = A
(1 az
1
)(1 az)(1 bz
1
)(1 bz)
(1 z
1
)(1 z)(1 z
1
)(1 z)
(52)
en donde los par ametros a, b, . . . , , , . . . son menores que la unidad [6]. El dia-
grama de polos y ceros de S(z) tiene los ceros dentro del crculo unitario en las
posiciones z = a, b, . . ., los que est an fuera del crculo unitario en las posiciones
z = 1/, 1/, . . ..
27
28
3. CARACTERIZACI

ON AC

USTICA DE UN SAL

ON
La caracterizaci on ac ustica de un sal on depende de distintos factores: carac-
tersticas fsicas como volumen y area que inuyen en el tiempo de reverberaci on
y en la potencia que debe usarse en la voz; las caractersticas de los materiales
con que est a construido o se construir a el sal on que inuyen en la disipaci on de
la energa ac ustica; el nivel ruido, tanto interno como externo que afecta la inteli-
gibilidad de la voz. Tambi en inuyen la capacidad auditiva de los estudiantes y el
nivel de la voz del expositor.
De las distintas magnitudes que pueden considerarse en la caracterizaci on de
un sal on, en este trabajo se toman en cuenta unicamente el tiempo de reverbera-
ci on T
R
y la relaci on de se nal a ruido SNR, ya que son necesarios y sucientes
para hacer una estimaci on del porcentaje de inteligibilidad del habla [4].
Los valores adecuados de estas magnitudes para un ambiente dependen del
uso y de los usuarios, en el caso de salones de clase de con estudiantes en edad
universitaria para una m axima comunicaci on se requiere una relaci on de se nal a
ruido SNR +6 dB [13] y un tiempo de reverberaci on en el rango de 0.4 a 0.6
segundos [3].
En la Tabla I hay una estimaci on de la inteligibilidad de la voz para distintos
valores de la relaci on de se nal a ruido y del tiempo de reverberaci on para salones
de clase, aunque est an evaluados con ni nos, se sabe que los adultos obtienen un
promedio de 10 %por arriba de los ni nos en pruebas de inteligibilidad del habla [3]
y que la inteligibilidad de la voz disminuye exponencialmente con la disminuci on
de la relaci on de se nal a ruido [11].
El procedimiento seguido por Sabine para la medici on del tiempo de reverbe-
raci on de un sal on consiste en obtener los datos, desde los planos arquitect oni-
29
Tabla I: Variaci on de la inteligibilidad de la voz en funci on de la relaci on de
se nal a ruido y el tiempo de reverberaci on
SNR (dB) T
E
(s) Inteligibilidad ( %)
+10 0.5 90
0 0.5 55
+10 1.5 75
0 1.5 30
Fuente: Berist ain, S. Ac ustica en salones de clase. Un recurso para crear
ambientes de aprendizaje con condiciones de audici on deseables. Parte
I. Ver [3].
cos, para el volumen y la supercie de la sala; tambi en los coecientes de absor-
ci on de los materiales que se usan en las supercies que forman el sal on como
los que se pueden ver en Tabla II. Este m etodo puede usarse incluso en la etapa
de dise no del sal on, como lo hizo el mismo Sabine en el dise no de una sala de
conciertos dise nada por Charles McKim [34].
Sabine realiz o experimentos a 512 Hz [34], sin embargo, el m etodo preferi-
do actualmente recomienda hacer mediciones a 500 Hz, 1 kHz y 2 kHz y que los
tiempos de reverberaci on s olo deben medirse en el caso de que los valores cal-
culados excedan los valores de 0.6 s para un espacio menor de 283 m
3
, 0.7 s para
un espacio con un volumen entre 283 m
3
y 566 m
3
, en el caso de que el volumen
supere los 566 m
3
siempre debe hacerse la medici on [1].
El Criterio de Ruido NC se usa como indicador de la cantidad de ruido que
hay en un sal on y se establece a partir de las medidas del nivel de presi on del
ruido a distintas frecuencias, las frecuencias centrales de cada banda de octava.
Conociendo este valor se puede saber el nivel de potencia que debe usarse para
30
Tabla II: Coecientes de absorci on para distintas supercies de uso com un
en la construcci on medidos a 512 Hz
Material Coeciente de absorci on
Revestimiento de madera (pino) 0.061
Yeso sobre listones de madera 0.034
Vidrio sencillo 0.027
Yeso sobre azulejo 0.025
Ladrillos con cemento Portland 0.025
Fuente: Thompson, E. Dead Rooms and Live Wires: Hardvard, Hollywood, and
the Deconstruction of Architectural Acoustics, 1900-1930. Ver [34].
mantener una relaci on de se nal a ruido aceptable para el nivel de inteligibilidad
que se requiera.
Las frecuencias centrales de octava denen regiones o bandas de un amplio
espectro para un mejor an alisis. Las frecuencias centrales de octava guardan una
relaci on de 2:1 y sus valores normalizados son: 63 Hz, 125 Hz, 250 Hz, 500 Hz,
1 kHz, 2 kHz, 4 kHz, 8 kHz y guardan relaci on con la sensibilidad del odo a la
frecuencia ya que un cambio de frecuencia es distinguido m as f acilmente a bajas
frecuencias [4]. Aunque en otras aplicaciones tambi en se usan las frecuencias de
31 Hz, 16 kHz, estos valores est an muy cercanos a los lmites del rango ac ustico
del odo y pueden despreciarse.
El criterio de ruido NC se obtiene colocando los valores del nivel de presi on
del sonido medidos a las distintas frecuencias centrales de banda en un diagrama
est andar y usando como valor de NC la curva m as baja que no es alcanzada por
el espectro medido. La Figura 5 muestra un diagrama de las curvas para calcular
el Criterio de Ruido.
31
Figura 5 : Diagrama de curvas de Criterio de Ruido
Fuente: Bies, David A. y Colin H. Hansen. Engineering Noise Control. Theory
and practice. Ver [5].
Tambi en debe tomarse en cuenta que el nivel sonoro disminuye con el inverso
del cuadrado de la distancia, por lo que si las mediciones se hacen en el centro
del sal on, podran haber regiones con distintos valores de relaci on de se nal a
ruido al disminuir el nivel de la voz del profesor y/o al aumentar el Criterio de
Ruido seg un se tomen puntos lejanos o cercanos.
32
3.1. Modicaci on del tiempo de reverberaci on
Analizando la relaci on de Sabine en Ecuaci on (32), se observan dos formas
de reducir el tiempo de reverberaci on: reducir el volumen y aumentar la absorci on
sonora.
La reducci on de volumen se puede realizar colocando cielos falsos, pero en
la Facultad esto es poco viable porque habra que hacer modicaciones en el
sistema del alumbrado, se desaprovechara la luz natural por la obstrucci on de
ventanas y se provocara un aumento de la temperatura ambiente durante el ve-
rano.
Incrementar la absorci on sonora es una mejor opci on para los salones y se
consigue distribuyendo materiales con un mejor coeciente de absorci on como
paneles o recubrimientos para las paredes y el techo. Esto entonces representa
una reducci on del tiempo de reverberaci on minimizando la energa reejada en el
sal on.
Otro problema es que el tiempo de reverberaci on sea inferior al recomendado,
este efecto puede darse por la absorci on de energa por supercies de altos coe-
cientes de absorci on y provocara que el sonido de la voz sea absorbido antes de
llegar a los alumnos. Para corregirlo se pueden usar placas reectoras colocadas
al frente del sal on o haciendo reejante la parte central del techo [3].
3.2. Modicaci on de la relaci on de se nal a ruido
Las fuentes de ruido pueden ser catalogadas como externas e internas. Las
fuentes externas se deben a motores de autom oviles en el parqueo que circula
el edicio, altavoces y bocinas, campos de juego, etc. y pueden controlarse con
el adecuado aislamiento ac ustico del edicio o con la creaci on de normas que re-
gulen la cantidad de ruido que actividades al aire libre pueden generar en horario
de clase.
33
En este sentido se hizo un estudio en la Facultad para medir el nivel de ruido
en distintos ambientes durante una actividad electoral dando como resultado al-
tos niveles de ruido que superan por mucho las recomendaciones de los criterios
de control de ruido y los niveles inofensivos para la salud [28]. Sin embargo, aun-
que se ha normado la cantidad de ruido que estas actividades pueden generar,
quedan muchas otras actividades que deben ser estudiadas.
Las fuentes internas de ruido son m as complejas, tanto de identicar como de
limitar ya que est an ligadas a la arquitectura del sal on, al tipo de materiales que
fueron usados en la construcci on, etc. Entre estas se debe tomar en cuenta: re-
verberaci on, eco, ruidos en el mismo sal on y proveniente de salones adyacentes.
La reducci on de ruidos de salones adyacentes es posible mejorando las divi-
siones entre salones en fase de dise no y, en el caso de la Facultad, agregando
aislamientos en los salones m as ruidosos. Tambi en se obtienen mejoras usando
puertas s olidas y marcos sellados [3].
Otra forma de aumentar la relaci on de se nal a ruido es el uso de sistemas de
altavoces, como los que se han usado en algunos salones del Edicio T3. Sin em-
bargo el uso de estos debe ser estudiado para que la distribuci on de la intensidad
de la voz del profesor, al estar amplicada por el sistema, sea constante y con
un nivel no mayor de lo necesario (+6 dB) para que los salones con sistemas de
amplicaci on no se conviertan en fuentes de ruido para los salones adyacentes.
34
4. METODOLOG

IA PARA LA ADQUISICI

ON DE
DATOS
El m etodo cientco se fundamenta en dos bases principales, la reproduci-
bilidad del experimento y la vericabilidad de la hip otesis para ser rearmada o
modicada. En este caso se plantea un m etodo a n de que se puedan reprodu-
cir las condiciones de las mediciones, tanto para mediciones futuras que validen
los resultados como para la elaboraci on de una serie de mediciones durante el
experimento.
Se deben mantener las mismas condiciones si se quiere elaborar una se-
rie de mediciones, por lo que tambi en es necesario registrar la temperatura y la
humedad relativa. Existen tres estados distintos, en t erminos de la cantidad de
personas que hayan dentro, en los que se puede considerar un sal on [17] :
Estado de ocupaci on: Cuando el sal on est e ocupado por lo menos a un 80 %
de su capacidad total, con las puertas y ventanas cerradas.
Estado de desocupaci on: Cuando el sal on est e vaco, pero preparado para una
clase magistral, con las puertas y ventanas cerradas.
Estado de estudio: Cuando el sal on est e ocupado unicamente por el profesor.
4.1. Mediciones del tiempo de reverberaci on
Hay por lo menos dos procedimientos para la medici on del tiempo de rever-
beraci on que han sido establecidos en los est andares: la medici on por respuesta
de impulso y la medici on por interrupci on de ruido [17]. Se preere la interrupci on
de ruido por la simplicidad que implica la construcci on de un generador de ruido
35
que pueda interrumpirse a voluntad comparado con la complejidad de construir
un generador de impulsos sonoros.
Las mediciones pueden hacerse en cualquiera de los tres estados mencio-
nados [17] pero, en el caso de un sal on de clases, se debe esperar un tiempo
mayor mientras m as desocupado est e el sal on ya que los alumnos agregaran
supercies de absorci on. El procedimiento se enumera a continuaci on:
1. Determinar las condiciones de medici on para las siguientes magnitudes:
Temperatura ambiente (

C)
Humedad relativa ( %)
Estado de ocupaci on
2. La fuente de ruido debe emitir una relaci on de se nal a ruido lo suciente-
mente alta para no tener problemas al medir una se nal muy baja. Se reco-
mienda que est e por arriba de 45 dB [17]
3. Hacer las mediciones a 500 Hz, 1 kHz y 2 kHz
4. Las posiciones de medici on deben estar separadas por lo menos a una dis-
tancia equivalente a media longitud de onda ( = 0.69 m a 500 Hz) entre
ellas si se hacen m ultiples mediciones en la misma sala; separadas al me-
nos un cuarto de longitud de onda de cualquier supercie reejante, incluido
el suelo y a una distancia de la fuente mnima de
d
min
= 2
_
V
cT
R
(53)
En donde el valor T
R
es el valor calculado previamente con los datos del
sal on y c = 343 m/s es la velocidad del sonido. La cantidad de mediciones
depende de la cobertura que se necesite analizar, para una baja cobertura
se pueden hacer variaciones para obtener cuatro medidas por cada posici on
36
de la fuente y situando la fuente por lo menos en dos diferentes posiciones
distintas.
5. El promedio de la cantidad de mediciones que se realicen se presenta co-
mo resultado y la desviaci on est andar como medida de la dispersi on del
resultado.
4.2. Medici on del nivel de ruido
Los procedimientos para la medici on del nivel de ruido no est an claramente
establecidos, sin embargo puede elaborarse un m etodo con estos pasos:
1. Determinar las condiciones de medici on para las siguientes magnitudes:
Temperatura ambiente (

C)
Humedad relativa ( %)
Estado de ocupaci on
2. Las mediciones de ruido pueden hacerse con el sal on en estado ocupado,
esto dar a el peor de los casos, cuando existe ruido por el movimiento de los
escritorios, el rumor de charlas entre alumnos, etc. Generalmente se hacen
mediciones del criterio de ruido en periodos est andar de 1 h o de 8 h en este
caso se reduce el tiempo de medici on al equivalente a un periodo de clase:
50 min.
3. Hacer las mediciones a 63 Hz, 125 Hz, 250 Hz, 500 Hz, 1 kHz, 2 kHz, 4 kHz y
8 kHz
4. Para la distribuci on de las posiciones de medici on se debe cuidar que la
distancia entre ellas debe ser por lo menos de media longitud de onda
( = 5.46 m a 63 Hz) y deben estar alejadas cualquier supercie reejan-
te, incluidas las paredes y el suelo, por lo menos un cuarto de onda.
37
Figura 6 : Ubicaci on de las mediciones dentro de un sal on
5. Cada medici on generar a un valor para el criterio de ruido por lo que se
obtiene una curva de los patrones de ruido en el sal on, pero como resultado
tomar el m aximo valor obtenido para el criterio de ruido ya que este valor
indica el peor de los casos.
En la Figura 6 se muestra el esquema de las mediciones dentro del sal on de
clase que se caracteriza. A la izquierda est a ubicada la tarima y la pizarra y abajo
de estas la puerta de acceso. La fuente de sonido est a ubicada al centro de la
tarima, una posici on com un para el profesor durante la clase y las mediciones
se distribuyen en el espacio que ocupan los escritorios. Se pueden hacer cuantas
mediciones permitan las dimensiones del sal on siempre que est en separadas /2
38
entre ellas y alejadas /4 de las paredes y el piso y que est en a una distancia
mnima d
min
(descrita previamente en la Ecuaci on (53) ) de la fuente.
39
40
5. IMPLEMENTACI

ON
Una vez planteados los factores de la caracterizaci on ac ustica y los detalles
de la metodologa de adquisici on de datos es posible denir las t ecnicas de la
implementaci on del an alisis espectral delimitando el sistema que se analiza y las
se nales de entrada y salida que interact uan en el.
Se toman en cuenta las caractersticas del habla para la selecci on de los
par ametros del generador de ruido y la frecuencia de muestreo para la medi-
ci on del tiempo de reverberaci on que se estima como el efecto producido por un
arreglo de 4 ltros en paralelo. Tambi en se toman en cuenta las caractersticas
del ruido para la selecci on de la frecuencia de muestreo para el c alculo del criterio
del ruido.
5.1. Descripci on y delimitaci on
El fen omeno de reverberaci on que se estudia se produce todos los das, a ca-
da instante y en todos los ambientes en los que se propaga el sonido. Se puede
identicar claramente la reverberaci on temprana que ayuda a darle una percep-
ci on de viveza al sonido y la reverberaci on tarda que provoca ecos o interferen-
cias destructivas que conllevan a una disminuci on de la inteligibilidad del habla,
es este ultimo tipo de reverberaci on el principal objetivo del estudio.
El sal on de clase se considera como un sistema lineal e invariante en el tiempo
y en el cual es posible simular, por aproximaci on perceptual, el fen omeno de la
reverberaci on usando Filtros Comb dispuestos en paralelo. El sistema que se
analiza est a delimitado por los lmites fsicos del sal on de clase en el estado de
ocupaci on que se dena para las mediciones, pudiendo seleccionar de entre los
estados de ocupaci on, estudio y desocupaci on.
41
Este m etodo de estimaci on de componentes espectrales se basa en las ob-
servaciones de duraci on nita de se nales y tiene la desventaja de distorsionar el
espectro que se trata de estimar, tanto para se nales determinsticas como para
se nales aleatorias [30]. Existen otros m etodos de estimaci on espectral de po-
tencia entre ellos est an los m etodos no param etricos, los m etodos param etricos,
la estimaci on por mnima varianza que fue inicialmente dise nado para an alisis
ssimico y los algoritmos de Eigen-an alisis que se aplican a se nales senoidales
corrompidas por ruido aditivo.
Entre los m etodos no param etricos est an el m etodo de Bartlett, el de Black-
man y Tukey y el de Welch [30] y se caracterizan por no hacer asunciones sobre
como fueron generados los datos y un decremento en la resoluci on de la frecuen-
cia con el objetivo de reducir la varianza en la estimaci on espectral.
Entre los m etodos param etricos est an el proceso de promedio autoregresivo
m ovil ARMA (por autoregressive-moving average), el proceso autoregresivo AR
(por autoregressive) y el proceso de promedio m ovil MA (por moving average)
[30]. Se caracterizan por necesitar una menor cantidad de datos, comparado con
los m etodos no param etricos, por lo que usan t ecnicas para extrapolar los valores
de las autocorrelacionados.
5.2. Se nales de entrada y salida
Las fuentes de sonido son el ruido ambiental y la se nal de entrada, que es
una se nal de ruido blanco gaussiano en el rango de 170 Hz a 4 kHz, que repre-
sentan los lmites del ancho de banda del habla, con una potencia suciente para
poder tener una relaci on de se nal a ruido mayor que 45 dB para no incurrir en
complicaciones relacionadas a la medici on de se nales muy d ebiles.
La se nal de salida y[n] es generada por la convoluci on de la respuesta ac ustica
del sal on h[n] y la se nal de entrada x[n]. La respuesta ac ustica del sal on depende
42
de las caractersticas fsicas como volumen y supercie, pero tambi en depende
de las caractersticas de los materiales de las supercies de las paredes, el piso
y el techo.
La se nal de entrada x[n] es una se nal limitada en banda con un ancho de
banda de 3.8 kHz por lo que una frecuencia de muestreo f
s
7.6 kHz satisface
el criterio de Nyquist. Debido a que se analiza la respuesta del sal on como la
respuesta de un ltro y que el tipo de respuesta variar a en cada sal on, se debe
usar una frecuencia de muestreo que satisface el criterio de Nyquist y que sea
superior a la frecuencia m axima de la se nal de se nal de entrada ya que si el sal on
se comporta como un ltro pasa bajas no sera capaz de ltrar las componentes
espectrales de baja frecuencia provocando traslapes o aliasing. Se debe usar
una frecuencia de muestreo f
s
= 8 kHz. Una mayor frecuencia superior tambi en
podra ser usada para generar una mayor cantidad muestras.
La generaci on de ruido se hace con una funci on de C capaz de calcular dos
valores aleatorios por llamada a la funci on. El cr edito de la funci on pertenece Paul
M. Embree que la public o junto a un amplio conjunto de funciones y bibliotecas
en 1995 [7]. La funci on no toma argumentos de entrada y los valores de salida
son del tipo est andar oat de C y se basa en el m etodo Box-Muller que toma un
par de n umeros aleatorios enteros con una densidad de probabilidad uniforme y
genera n umeros aleatorios con una densidad de probabilidad gausiana con un
valor medio centrado en el origen y una varianza unitaria [7].
La funci on original de Embree est a basada en la funci on est andar de C rand
para la generaci on de n umeros aleatorios enteros, pero siguiendo su propia re-
comendaci on se modic o la funci on para que utilice otra funci on basada en el
algoritmo de Park y Miller y descrito por Richard Fitzpatrick [12]. La funci on para
generar ruido es la siguiente:
43
// RANDMAX = M - 1
#define RANDMAX 2147483646
// Function prototype
int random(int);
float gaussian();
// Park and Millers psuedo-random number generator.
int random (int seed = 0){
static int next = 1;
static int A = 16807;
static int M = 2147483647; // 2^31 - 1
static int q = 127773; // M / A
static int r = 2836; // M % A
if (seed) next = seed;
next = A * (next % q) - r * (next / q);
if (next < 0) next += M;
return next;}
// Box-Miller transformation to generate Gaussian random numbers
float gaussian(){
static int ready =0;
static float gstore;
static float rconst1 = (float)(2.0/RAND_MAX);
static float rconst2 = (float)(RAND_MAS/2.0);
float v1, v2, r, fac, gaus;
if(ready ==0) {
do {
v1=(float)random() - rconst2;
v2=(float)random() - rconst2;
v1*=rconst1;
v1*=rconst2;
} while (r>1.0f);
fac=sqrt(-2.0f*log(r)/r);
gstore=v1*fac;
gaus=v2*fac;
ready=1;
}
else {
ready=0;
gaus=gstore;
}
return (gaus);}
44
Los valores de la se nal de entrada y salida se tomar an a la frecuencia de
muestreo f
s
durante 5 s ya que el tiempo de reverberaci on T
R
no superar a nunca
este debido al decaimiento exponencial de la densidad de energa en el sal on.
Este tiempo empezar a a contarse 1 s antes de apagar la fuente de ruido para
crear un estado transitorio y esta debe haber estado encendida durante al menos
10 s para que se alcance un estado estable en el sistema. Esto generar a una
cantidad de N = 40 000 valores para cada una de las se nales, por lo que las
Transformadas z de cada una ser a
X(z) =
N

k=0
x[k]z
k
(54a)
Y (z) =
N

k=0
y[k]z
k
(54b)
para la entrada y salida respectivamente.
5.3. Funci on de transferencia
Teniendo las transformadas de las se nales de entrada y salida y expresando
z en forma polar se calcula la funci on de transferencia H(z) del sal on en t erminos
de los valores que se midan de las se nales de entrada y salida
H(z) =

N
k=0
x[k]r
k
e
jk

N
k=0
y[k]r
k
e
jk
(55)
Ya que el sal on es un sistema estable de entrada limitada-salida limitada BIBO,
en el an alisis de la funci on de transferencia, se debe cumplir que |z| 1 es
decir que todos los polos de la funci on de transferencia deben estar dentro o
en el crculo unitario y para aprovechar la reducci on que puede hacerse de la
Transformada z a la Transformada de Fourier, se tomar a |z| = 1 es decir que
r = 1 y con = 2f
m
/f
s
la funci on de transferencia quedar a descrita en t erminos
de un unico par ametro, la frecuencia de la muestra f
m
45
H(z) =

N
k=0
x[k]e
2jkfm/8 000

N
k=0
y[k]e
2jkfm/8 000
(56)
Las frecuencias de las muestras f
m
ser an los valores para los que se quie-
ra medir el tiempo de reverberaci on T
R
, entonces se seleccionar a cada una de
las frecuencias f
m
= 500Hz, f
m
= 1kHz y f
m
= 2kHz por lo que la funci on de
transferencia ser a un valor conocido.
5.4. Estimaci on del tiempo de reverberaci on
Por otro lado, se trata de modelar la funci on de transferencia usando un arreglo
de 4 Filtros Comb en paralelo y tomando en cuenta los criterios adoptados para z
la funci on de transferencia es:
4

i=1
e
2jm
i
fm/8 000
1 10
3m
i
/(8 000T
R
)
e
2jm
i
fm/8 000
= H(z) (57)
en donde H(z) es el valor obtenido de la evaluaci on de la Ecuaci on (56).
Los par ametros que quedan por denir son los tiempos de desfase m
i
, que
representan el tiempo al cual llegar an las r eplicas o ecos que conforman la re-
verberaci on, por lo que para que el odo distinga los ecos se debe cumplir que
m
i
> 67ms para todo valor de i.
Ninguna de las primeras r eplicas proporcionadas por cada ltro debe estar
cercana a las segundas r eplicas de los otros ltros porque las r eplicas del mismo
orden tendr an la misma magnitud y esto causara la percepci on de obtener ecos
de mayor intensidad despu es de alg un periodo de tiempo en contradicci on con
el decaimiento que debe darse en el sal on. Entonces m
1
= 71ms, m
2
= 73ms,
m
3
= 79ms, m
4
= 83ms.
46
Figura 7: Diagrama de ujo para el procedimiento de c alculo del tiempo de
reverberaci on
Tomando en cuenta estos valores, la funci on de transferencia es:
H(z) =
e
j0.071fm/4 000
1 10
30.071/(8 000T
R
)
e
j0.071fm/4 000
(58)
+
e
j0.073fm/4 000
1 10
30.073/(8 000T
R
)
e
j0.073fm/4 000
+
e
j0.079fm/4 000
1 10
30.079/(8 000T
R
)
e
j0.079fm/4 000
+
e
j0.083fm/4 000
1 10
30.083/(8 000T
R
)
e
j0.083fm/4 000
y como H(z) es conocida para cada f
m
se puede encontrar el valor de T
R
.
En la Figura 7 se muestra un diagrama de ujo para el procedimiento de la
estimaci on del tiempo de reverberaci on.
47
5.5. Estimaci on del criterio de ruido
En este caso, la se nal de entrada ser a la producida por las fuentes internas
y externas de ruido en el sal on, x[k] = n[k]. En este caso, la transformada z en
forma rectangular ser a:
N(z) =
M

k=0
n[k]
_
cos
_
2kf
m
f
s
_
j sin
_
2kf
m
f
s
__
(59)
de donde se pueden separar la parte real Re{N(z)} y la parte imaginaria Im{N(z)}.
La frecuencia de las muestras f
m
m as grande que se considerar a es de 8 kHz por
lo que para satisfacer el criterio de Nyquist se usar a una frecuencia de muestreo
de f
s
= 16kHz. Tomando en cuenta el valor de la frecuencia de muestreo y la
Ecuaci on 59 para calcular la potencia con |N(z)|
2
= Re{N(z)}
2
+ Im{N(z)}
2
se
tiene que la potencia de la se nal de ruido es
|N(z)|
2
=
_
M

k=0
n[k] cos
_
2kf
m
16 000
_
_
2
+
_
M

k=0
n[k] sin
_
2kf
m
16 000
_
_
2
(60)
en donde el unico par ametro que queda es la frecuencia de la muestra y ya
que que se har an mediciones cada valor f
m
= 63Hz, f
m
= 125Hz, f
m
= 250Hz,
f
m
= 500Hz, f
m
= 1kHz, f
m
= 2kHz, f
m
= 4000kHz, f
m
= 8kHz.
Tomando las mediciones a una frecuencia de muestreo de f
s
= 16kHz durante
un periodo de 50 min se generar a una cantidad de M = 48 000 000 que es muy
grande para almacenar por lo que es mejor hacer el c alculo en tiempo real, unica-
mente acumulando cada valor medido multiplicado por la funci on trigonom etrica
para que al nal del proceso, se puedan elevar al cuadrado y sumar ambos valo-
res para cada valor de f
m
.
La Figura 8 muestra un diagrama de ujo para el procedimiento del c alculo
para el criterio de ruido.
48
Figura 8: Diagrama de ujo para el c alculo de la potencia del ruido de fondo
5.6. Implementaci on de un prototipo
La implementaci on de un prototipo se simplica usando una herramienta in-
form atica para c alculo num erico: Scilab, que es un paquete de software libre para
aplicaciones cientcas y de ingeniera que permite hacer simulaciones y, eje-
cut andose sobre un sistema operativo en tiempo real como RTLinux, permite la
interacci on con sistemas DSP.
RTLinux se distribuye bajo la Licencia P ublica de GNU de la Fundaci on pa-
ra el Software Libre, se puede instalar en casi cualquier computadora y existe
una versi on para computadoras multiprocesadores con la posibilidad de asignar
tareas por separado [31]. RTLinux no es otra distribuci on m as, est a compuesto
49
de un parche, o conjunto de instrucciones que modican el n ucleo del sistema
operativo, y de un grupo de m odulos que se pueden cargar a criterio del usuario.
Entre las caractersticas m as importantes de RTLinux est an que es un siste-
ma operativo de tiempo estricto, tiene una eciente gesti on de tiempos propor-
cionando una resoluci on mnima de 1 s [31]. Tambi en tiene un acceso directo
al hardware ya que su arquitectura le permite manejar puertos e interrupciones
ecientemente.
Scilab fue desarrollado inicialmente por investigadores del Instituto Nacional
Franc es de Investigaci on en Control y Ciencias de la Computaci on [32] que cuen-
ta con paquete de herramientas llamado Scicos que es una interfaz gr aca para
la edici on de modelos y control de simulaci on de sistemas desarrollada por el
Proyecto Metalau [22] del mismo instituto y cuenta con una variedad de bloques
est andar y la ventaja de poder extender su capacidad con paquetes de bloques
especcos, como las del manejo de DSP y la integraci on de bloques de c odigo
de C y FORTRAN. Las dos aplicaciones son distribuidas bajo la Licencia P ubli-
ca de GNU lo que garantiza la disponibilidad del c odigo fuente para su edici on,
adaptaci on y mejora continua por parte de una comunidad de usuarios y desarro-
lladores, los detalles para la instalaci on de estas herramientas est an disponibles
en una publicaci on electr onica mantenida por EMCelettronica [8].
La ventaja de estas simulaciones es la capacidad de generaci on de c odigo que
provee otro paquete de herramientas de Scilab llamado Code Generator for FLEX
desarrollado por Evidence [10] para tarjetas FLEX que son m odulos basados en
un dsPIC Microchip dsPIC33FJ256MC710 DSC microcontroller con arquitectura
de 16bits y una velocidad de CPU de 40MIPS con un oscilador interno de hasta
7.37 MHz [23], disponible en dos versiones, full que integra circuitera de potencia
y un puerto USB para transferencia de datos[24] y la versi on light que que puede
operar en aplicaciones alimentadas por bateras [25]. Ambas tarjetas requieren de
50
un n ucleo para sistemas integrados para trabajo en tiempo real conocido como
ERIKA.
El generador de c odigo se encarga de convertir la estructura l ogica del diagra-
ma de bloques dise nado en Scilab/Scicos a un conjunto de instrucciones ordena-
das y con un optimizado uso de memoria y registros a partir del archivo guardado
del modelo para interpretar los bloques usados y sus conexiones.
Los requerimientos descritos para la generaci on de c odigo con son [10]:
Una tarjeta FLEX
El n ucleo mnimo para trabajo en tiempo real ERIKA
El paquete de herramientas Microchip tools para programaci on y caza de
fallas
y el procedimiento para la generaci on de c odigo y puesta en marcha del pro-
totipo se resume as [10]:
Dise no del sistema en Scicos
Simulaci on y optimizaci on del sistema en Scicos
Presionar el bot on de genereaci on de c odigo para la tarjeta FLEX con n ucleo
ERIKA
Carga del programa a la tarjeta
Puesta en marcha del prototipo integrado a Scicos usando la conexi on USB
51
52
CONCLUSIONES
1. La medici on experimental del tiempo de reverberaci on y la relaci on de se nal
a ruido son necesarias y sucientes como magnitudes fsicas a considerar
en la caracterizaci on ac ustica de un sal on de clase.
2. Es posible hacer una estimaci on del porcentaje de inteligibilidad del habla,
a partir del tiempo de reverberaci on y la relaci on de se nal a ruido.
3. La mejora de las caractersticas ac usticas de un sal on benecian a profe-
sores y alumnos, al no tener que realizar m as esfuerzos para entender el
mensaje que se transmiten unos a otros. Esto resulta en un mejor aprove-
chamiento del recurso de la clase magistral y en una mejora en el rendi-
miento acad emico.
4. Se establecieron los par ametros a considerar, las condiciones y los pasos a
seguir para hacer las mediciones necesarias para la caracterizaci on ac usti-
ca de un sal on deniendo as una forma de repetir el experimento, para
hacer vericaciones y correcciones al modelo dise nado.
5. Dada la naturaleza de los datos que se analiza, el Procesamiento Digital de
Se nales y en concreto la Transformada z y su reducci on a la Transforma-
da de Fourier son una alternativa de implementaci on m as sencilla para la
estimaci on de componentes espectrales de una se nal.
6. Es posible hacer la modelaci on y simulaci on de un sistema integrado de Pro-
cesamiento Digital de Se nales, haciendo uso de software libre y gratuito, por
lo que tomando en cuenta el factor econ omico el software libre es la mejor
alternativa para elaborar aplicaciones de muy alta relaci on calidad/precio.
53
54
RECOMENDACIONES
1. Este trabajo fue elaborado siguiendo los argumentos y conceptos que ro-
dean la ecuaci on de Sabine, por lo que es interesante hacer pruebas si-
milares usando como base el trabajo de Eyring, que representa un cambio
en el concepto de un proceso continuo, suave y gradual del decaimiento de
la energa por una descripci on de un proceso discontinuo analizado como
fuentes imagen.
2. Es importante hacer una evaluaci on progresiva de la inteligibilidad que se
alcanza en los salones con el n de promover mejoras ac usticas, a n de
minimizar los esfuerzos de los profesores por mantener un elevado nivel de
la voz y de los alumnos por escuchar lo que se dice, ya que muchas veces
se cree que mejorar la ac ustica de un sal on de clase para personas sin
deciencias auditivas es innecesario.
3. Este trabajo present o el criterio de ruido como m etodo de estudio de ruido
interno, sin embargo es importante hacer un an alisis y modicaci on para
realizar el trabajo bas andose en el est andar creado por la Organizaci on
Internacional para Estandarizaci on ISO.
4. Al hacer una adaptaci on ac ustica a sal on, debe tomarse en cuenta que se
alterar an condiciones ambientales como la calidad del aire por la prolifera-
ci on de microorganismos, la temperatura promedio y inamabilidad de los
materiales usados, por lo que se recomienda hacer una mejora en la acli-
mataci on del sal on y disminuir la cantidad del tiempo de evacuaci on de la
sala en caso de un incendio.
55
56
BIBLIOGRAF

IA
1 . Acoustical Society of America. Acoustical Performance Criteria, Design
Requirements, and Guidelines for Schools. American National Standard
Institute, Inc. ANSI S12.60-2002.
2 . Beranek, Leo L. Acoustics. American Institute of Physics. E.E.U.U. Edici on
1993.
3 . Berist ain, Sergio. Ac ustica en salones de clase. Un recurso para crear
ambientes de aprendizaje con condiciones de audici on deseables.
Parte I. Ingenieras, Vol. IX. No. 30. Enero-Marzo 2006. Universidad
Aut onoma de Nuevo Le on.
4 . Berist ain, Sergio. Ac ustica en salones de clase. Un recurso para crear
ambientes de aprendizaje con condiciones de audici on deseables.
Parte II. Ingenieras, Vol. IX. No. 31. Abril-Junio 2006. Universidad Aut ono-
ma de Nuevo Le on.
5 . Bies, David A. y Colin H. Hansen. Engineering Noise Control. Theory and
practice. Spon Press. 4ta Edici on. 2009.
6 . Elliott, Stephen J. Signal processing for active control. Academic Press.
2001.
7 . Embree, Paul M. C algorithms for real-time DSP. Prentice-Hall, Inc. 1995.
8 . EMCelettronica. Your Electronics Open Source. Publica-
ci on electr onica disponible en http://dev.emcelettronica.com/
scilabscicos-code-generator-flex-0. Consultada en septiembre
de 2009.
57
9 . Everest, F. Alton. The Master Handbook of Acoustics. McGraw-Hill. 4 Ed.
E.E.U.U. 2001.
10 . Evidence. Scilab/Scicos Code Generator for FLEX. Publicaci on electr oni-
ca disponible en http://www.evindence.eu.com/content/view/175/216.
Consultada en septiembre de 2009.
11 . Feij oo S. y J.M. Alvarez. Ac ustica de aulas: Percepci on fon etica en pre-
sencia de ruido. Departamento de Fsica Aplicada, Facultad de Fsica.
Universidad de Santiago de Compostela.
12 . Fitzpatrick, Richard. Computational Physics: An introductory course.
Conferencias para estudiantes del curso de Fsica Computacional. Univer-
sidad de Austin Texas. E.E.U.U. 2006.
13 . Gail Gegg Rosenberg, et al. Improving Classroom Acoustics (ICA): A
Three-Year FM Sound Field Classroom Amplication Study. Journal of
Educational Audiology 7. 1999.
14 . Hayes, Monson H. Statistical Digital Signal Processing and Modeling.
John Wiley & Sons, Inc. 1996.
15 . Hewlett Packard. Acoustics Handbook. Application Note 100. Hewlett Pa-
ckard. Alemania 1968.
16 . Hsu, Hwei P. Signals and systems. Schaums Outline Series. McGraw-Hill.
1995.
17 . International Organization for Standardization. Acoustics - Measurement
of the reverberation time of rooms with reference to other acoustical
parameters. ISO 3382.
58
18 . Kahrs, Mark y Karlheinz Brandenburg. Applications of Digital Signal Pro-
cessing to Audio and Acoustics. Kluwer Academic Publishers. E.E.U.U.
2002.
19 . Lawrence E. Kinsler, et al. Fundamentals of Acoustics. Fourth Edition.
John Wiley & Sons, Inc. E.E.U.U. 2000.
20 . Lyons, Richard G. Understanding Digital Signal Processing. Prentice
Hall PTR. E.E.U.U. 2001.
21 . McNeill, Deryk. Measurement of Reverberation Time. Publicaci on
electr onica disponible en http://www.picotech.com/experiments/
reverberation. Consultada en septiembre de 2009.
22 . Metalau Project. Scicos: Block diagram modeler/simulator documenta-
tion. INRIA, Paris-Rocquencourt centre. Publicaci on electr onica disponible
en www.scicos.org. Consultada en septiembre de 2009.
23 . MICROCHIP. dsPIC33FJ256MC710 Data sheet. Publicaci on electr oni-
ca disponible en http://www.microchip.com/wwwproducts/Devices.aspx?
dDocName=en024663. Consultada en septiembre de 2009.
24 . MicroController Pros Corporation. Microchip dsPIC Development
Base Board, FLEX Full. Publicaci on electr onica disponible en
http://microcontrollershop.com/product_info.php?cPath=112_160_
316&products_id=2023. Consultada en septiembre de 2009.
25 . MicroController Pros Corporation. Microchip dsPIC Development
Base Board, FLEX Light. Publicaci on electr onica disponible en
http://microcontrollershop.com/product_info.php?cPath=112_160_
316&products_id=2022. Consultada en septiembre de 2009.
59
26 . Mitra, Sanjit K. Digital Signal Processing. A Computer-Based Approach.
McGraw-Hill. Segunda edici on 2001.
27 . Oppenheim, Alan, et. al. Signals and Systems - An Introduction to
Analog and Digital Signal Processing. Prentice-Hall. 1983.
28 . Ortiz T anchez, E. y Edgar Cifuentes. Niveles de ruido ambiental en el
proceso electoral 2000 en la Facultad de Ingeniera de la USAC. Pu-
blicaci on electr onica disponible en http://fisica.usac.edu.gt/public/
ruido/. Consultada en septiembre de 2009.
29 . Paul Fillippi, et al. Acoustics: Basic Physics, Theory, and Methods. Aca-
demic Press, 1998.
30 . Proakis, J.G. y D.G. Manolakis. Digital signal processing. Principles, al-
gorithms, and applications. Prentice-Hall International Inc. Tercera Edi-
ci on.
31 . Ripoll, Ismael. Introducci on a RTLinux. Grupo de Inform atica Industrial
y Sistemas de Tiempo Real. Universidad Polit ecnica de Valencia. Espa na.
Publicaci on electr onica disponible en http://rtportal.upv.es/tutorial/
01-intro/01-intro.html. Consultada en septiembre de 2009.
32 . Scilab Consortium. Scilab platform. Publicaci on electr onica disponible en
http://www.scilab.org/platform. Consultada en septiembre de 2009.
33 . Smith, Steven W. The Scientist and Engineers Guide to Digital Signal
Processing. California Technical Publishing Second Edition. San Diego Ca-
lifornia, E.E.U.U. 1999.
34 . Thompson, Emily. Dead Rooms and Live Wires: Harvard, Hollywood,
and the Deconstruction of Architectural Acoustics, 1900-1930. Isis, Vol.
88, No. 4 (Dec.,1997), 597-626. The University of Chicago Press.
60