Ensayo · Ensayos
La transformada de Fourier: del tiempo a la frecuencia
Por qué el sonido se entiende como una suma de frecuencias, qué hace la transformada de Fourier con esa idea y cómo explica el espectro.
Hay una idea matemática que, una vez la entiendes, cambia cómo oyes. La transformada de Fourier dice algo que parece imposible: cualquier sonido, por complejo que sea, se puede descomponer en una suma de tonos puros. Una nota de gaita y la misma nota en un piano comparten la frecuencia fundamental, pero su espectro de armónicos es distinto: ahí, en ese reparto de energía, vive el timbre. Este ensayo va de por qué eso es cierto y por qué importa.
Dos formas de mirar el sonido
Cuando un micrófono capta sonido, registra una sola cosa: cómo cambia la presión del aire a lo largo del tiempo. Eso es la forma de onda, esa línea ondulante que se ve en cualquier editor de audio. Es la representación temporal: en cada instante, un valor.
La forma de onda es honesta pero poco habladora. Mirándola sabes que hay sonido y con qué volumen, pero no te dice fácilmente qué notas contiene ni qué timbre tiene. Esa información está ahí, pero escondida en la forma de las oscilaciones.
La transformada de Fourier ofrece la otra mirada: la representación en frecuencia. En lugar de “qué valor en cada instante”, responde “cuánta energía hay en cada frecuencia”. Es el mismo sonido visto desde otro ángulo.
La intuición de fondo
El núcleo de la idea, planteado por Joseph Fourier a comienzos del siglo XIX, es este: una señal periódica cualquiera puede escribirse como una suma de ondas simples —senos y cosenos— de distintas frecuencias y amplitudes. Cambia la “receta” —qué frecuencias, en qué proporción— y cambia el sonido.
La transformada hace el camino inverso: parte del sonido mezclado y recupera la receta. Le entregas la forma de onda y te devuelve la lista de frecuencias presentes y con qué peso. Esa lista es el espectro. Lo que hace que reconozcas un instrumento aunque no veas quién toca vive ahí: en el reparto de energía entre frecuencias.
Del pizarrón al ordenador
La versión que usan los ordenadores es la transformada rápida de Fourier, la FFT: un algoritmo que calcula el espectro de un fragmento de audio de forma eficiente. Sin esa eficiencia, gran parte del audio digital cotidiano no sería posible. Con ella, el cálculo cabe de sobra en cualquier dispositivo.
Y aparece, casi siempre sin que lo notemos, en herramientas de uso diario:
| Herramienta | Qué hace con la FFT |
|---|---|
| Afinador | Mide la frecuencia fundamental y calcula la desviación de afinación |
| Ecualizador | Separa bandas de frecuencia para subirlas o bajarlas de forma independiente |
| Espectrograma | Dibuja el espectro frame a frame: eje Y = frecuencias, color = energía |
| Transcripción automática (AMT) | Detecta notas a partir de picos de energía en el espectro |
Por qué la traigo aquí
Pongo la transformada de Fourier en los ensayos, y no en un tutorial, a propósito. No es una receta de cocina: es una de las ideas de fondo que sostienen casi todo lo que se hace cuando la informática musical deja el plano simbólico —el de las notas y el MIDI— y se mete en el sonido real, el de la señal.
Tocar un instrumento es producir un espectro que cambia en el tiempo. Que las matemáticas sepan leerlo —pasar del tiempo a la frecuencia y volver— es lo que permite analizarlo, transformarlo y, a veces, entenderlo mejor. No hace falta calcular una FFT a mano para que cambie cómo escuchas; basta con saber que, debajo de cada sonido, hay frecuencias esperando que alguien las cuente.
Bibliografía
Las referencias en las que se apoya este artículo y por dónde seguir leyendo:
- Smith, J. O. Mathematics of the Discrete Fourier Transform (DFT), with Audio Applications. CCRMA, Stanford University.
- Müller, M. (2015). Fundamentals of Music Processing (cap. 2: Fourier Analysis of Signals). Springer.
- Bracewell, R. N. (2000). The Fourier Transform and Its Applications (3.ª ed.). McGraw-Hill.
Preguntas frecuentes
-
¿Por qué el eje Y de un espectrograma muestra frecuencias?
Un espectrograma es la representación visual de la STFT. La transformada de Fourier convierte la señal de dominio temporal —amplitud a lo largo del tiempo— en dominio frecuencial: en lugar de “qué presión hay en cada instante”, responde a “qué frecuencias están presentes y con qué energía”.
Por eso el eje Y muestra frecuencias: cada fila del espectrograma corresponde a un rango de frecuencia (un “bin”), y el color indica la energía de ese bin en la ventana temporal correspondiente. Los graves están abajo, los agudos arriba. Una nota de piano, por ejemplo, aparece como una banda horizontal brillante a la frecuencia fundamental, con armónicos más tenues en múltiplos enteros por encima.
Leer un espectrograma es una habilidad práctica en AMT: te permite ver a simple vista si una grabación tiene ruido, si hay sobreposición de notas o si el modelo detectó algo que no está en el audio. La construcción intuitiva de esta representación la explico en La transformada de Fourier: de la forma de onda al espectro.
-
¿Necesito saber matemáticas avanzadas para entender la transformada de Fourier?
No hace falta dominar el cálculo para sacar partido de la transformada. La idea central —descomponer un sonido en sus frecuencias constituyentes— es accesible a cualquiera con curiosidad. La fórmula exacta implica exponentes complejos, pero para el trabajo práctico en AMT lo que necesitas es entender qué información te da el espectro y cómo leerlo. Lo cuento desde la intuición en La transformada de Fourier: de la forma de onda al espectro.
-
¿Qué es la STFT y en qué se diferencia de la FFT?
La FFT (Fast Fourier Transform) toma toda la señal de audio y calcula qué frecuencias contiene en total. Es una foto global: útil para ver el espectro medio, pero sin información de cuándo aparece cada frecuencia.
La STFT (Short-Time Fourier Transform) resuelve eso dividiendo la señal en ventanas cortas y solapadas —típicamente de 20-50 ms— y aplicando la FFT a cada una. El resultado es una matriz de espectros ordenados en el tiempo: eso es el espectrograma. En el eje horizontal está el tiempo, en el vertical la frecuencia, y el color o la intensidad representa la energía.
Para AMT, la STFT es la operación de entrada más habitual: convertir el audio en un espectrograma antes de pasárselo a un modelo. El tamaño de la ventana (hop size, window size) afecta directamente a la resolución tiempo–frecuencia, y entender ese compromiso es clave para diseñar un pipeline robusto. Desarrollé la intuición detrás de todo esto en La transformada de Fourier: de la forma de onda al espectro.