📊 Analizador de Espectro FFT

El tamaño de la FFT fija el número de muestras analizadas por fotograma: 512, 1024, 2048 o 4096. Un tamaño mayor produce más bandas de frecuencia y una resolución más fina (cada banda abarca f_s/N Hz), pero cubre una ventana de tiempo más larga, por lo que la pantalla reacciona más lentamente. El panel de estadísticas muestra la cifra actual de Hz por banda.

La transformada discreta de Fourier es X[k] = suma sobre n de x[n] por e^(-i 2 pi k n / N). La FFT es un algoritmo rápido que calcula el mismo resultado en O(N log N) operaciones en lugar de O(N al cuadrado). La banda k corresponde a la frecuencia k por f_s dividido entre N.

La percepción humana del tono es aproximadamente logarítmica, de modo que cada octava duplica la frecuencia. Un eje logarítmico da el mismo espacio en pantalla a cada octava, coincidiendo con cómo oímos y facilitando comparar contenido grave, medio y agudo. Por eso las líneas de la cuadrícula caen en 20, 50, 100, 200, 500 Hz y así sucesivamente.

Fija el smoothingTimeConstant del AnalyserNode, un valor de 0 a 0,95 que mezcla el espectro actual con el anterior. Valores bajos dan una respuesta rápida y nerviosa que revela transitorios; valores altos producen una visualización más estable y promediada, más fácil de leer pero más lenta para reaccionar.

Una onda sinusoidal pura contiene energía en una sola frecuencia, por lo que muestra un solo pico. Un diente de sierra es rico en armónicos, con componentes en cada múltiplo entero de la fundamental, por lo que aparece como una serie de picos de amplitud decreciente. Una onda cuadrada muestra de forma similar armónicos impares.

En cada fotograma el código recorre todas las bandas, encuentra la de mayor magnitud y la convierte de nuevo a hercios usando banda por f_s dividido entre el tamaño de la FFT. Ese valor se muestra como frecuencia dominante. La precisión está limitada por el ancho de banda, así que tamaños de FFT mayores dan una lectura más precisa.

Sí, dentro de los límites de una demostración de navegador. El AnalyserNode realiza una FFT con ventana genuina y reporta magnitudes reales en decibelios. El espaciado de bandas, la estructura armónica y la caída del ruido rosa se comportan correctamente. Las amplitudes exactas de los picos dependen de la función de ventana interna y del suavizado elegido, así que trata las lecturas como indicativas y no como mediciones calibradas.

Son fundamentales en la ingeniería de audio, donde guían la ecualización y la mezcla, y en telecomunicaciones para examinar señales de radio. El mismo análisis FFT impulsa el reconocimiento de voz, el sonar, la monitorización de vibraciones y servicios de identificación musical como Shazam, que comparan grabaciones con una base de datos de huellas espectrales.