Primeros pasos

phonometry es una biblioteca de Python para la medida acústica, desde los bancos de filtros de octava fraccional y la ponderación frecuencial hasta los niveles sonoros y las métricas normalizadas. Cada métrica se verifica frente a la norma que la rige, 427 comprobaciones numéricas en total. Instálala con pip install phonometry; el primer ejemplo de abajo filtra una señal en tercios de octava y devuelve el nivel de presión acústica de cada banda.

Instalación

Opción 1: Desde PyPI (recomendada)

pip install phonometry

Extras opcionales:

pip install phonometry[plot]    # matplotlib, para gráficas de respuesta y métodos .plot() de resultados
pip install phonometry[perf]    # numba, ponderación temporal 'impulse' más rápida
pip install phonometry[report]  # reportlab + svglib, para que los métodos .report() generen fichas PDF normativas
pip install phonometry[full]    # todos los anteriores

Opción 2: Clonar e instalar

git clone https://github.com/jmrplens/phonometry.git
cd phonometry
pip install .

Opción 3: Submódulo de git

git submodule add https://github.com/jmrplens/phonometry.git
# Después, instálalo en modo editable para usarlo desde tu proyecto
pip install -e ./phonometry

La cadena de procesado de un vistazo

Todo análisis con phonometry es un subconjunto de una misma cadena: tomar la señal cruda, convertirla a unidades físicas, ponderarla en frecuencia, dividirla en bandas normalizadas, suavizarla en el tiempo y reducirla a métricas:

Cada etapa es una función o clase independiente que puedes usar por separado; las guías las recorren de izquierda a derecha (Calibración → Ponderación frecuencial → Bancos de filtros → Ponderación temporal → Niveles).

Uso básico: análisis en tercios de octava

Analiza una señal y obtén el nivel de presión acústica (SPL) por banda de frecuencia.

import numpy as np
from phonometry import metrology

fs = 48000
t = np.linspace(0, 1, fs, endpoint=False)
# Señal compuesta: 100 Hz + 1000 Hz
signal = np.sin(2 * np.pi * 100 * t) + np.sin(2 * np.pi * 1000 * t)

# Aplicar el banco de filtros de 1/3 de octava
spl, freq = metrology.octave_filter(signal, fs=fs, fraction=3)

print(f"Bandas: {freq}")
# Bandas: [12.589254117941678, 15.848931924611138, ..., 19952.623149688785]  (33 bandas)
print(f"SPL [dB]: {spl}")
# SPL [dB]: [46.88395351 47.96774897 49.04991279 ...]  — ~90.7 dB en 100 Hz y ~90.9 dB en 1 kHz

Ejemplo de análisis espectral en tercios de octava de una señal compleja.

Mostrar el código de esta figura

import matplotlib.pyplot as plt
import scipy.signal
import numpy as np
from phonometry import metrology

fs = 48000
t = np.linspace(0, 1, fs, endpoint=False)
# Señal compuesta: 100 Hz + 1000 Hz
signal = np.sin(2 * np.pi * 100 * t) + np.sin(2 * np.pi * 1000 * t)
# Aplicar el banco de filtros de 1/3 de octava
spl, freq = metrology.octave_filter(signal, fs=fs, fraction=3)

# Fondo gris: la PSD de la señal cruda (Welch), desplazada justo por debajo
# de los SPL de banda para comparar ambas formas espectrales en un mismo eje.
f_psd, psd = scipy.signal.welch(signal, fs, nperseg=8192)
psd_db = 10 * np.log10(psd + 1e-12)
psd_db += np.max(spl) - np.max(psd_db) - 5

fig, ax = plt.subplots()
ax.semilogx(f_psd, psd_db, color="gray", alpha=0.6, label="PSD de la señal cruda")
ax.semilogx(freq, spl, marker="o", markerfacecolor="white",
            label="Bandas de 1/3 de octava")
ax.set_xlabel("Frecuencia [Hz]")
ax.set_ylabel("SPL [dB]")
ax.legend()
plt.show()

Analizar un archivo de audio

from scipy.io import wavfile
from phonometry import metrology

# Cargar un archivo WAV estándar
fs, signal = wavfile.read("measurement.wav")

# Analizar
# Nota: para obtener valores SPL reales debes calibrar la entrada.
# Consulta la guía de calibración.
spl, freq = metrology.octave_filter(signal, fs=fs, fraction=3)

El audio entero (por ejemplo, datos int16 de un WAV) se convierte internamente a float64, así que es seguro pasar directamente la salida de wavfile.read.

Siguientes pasos

El análisis en octavas de arriba usa el núcleo metrology, uno de los quince espacios de nombres de dominio; las secciones de la barra lateral recorren el resto, desde la psicoacústica y la acústica de salas, edificación y vibraciones hasta el ruido ambiental, aeronáutico y submarino, la electroacústica y la simulación de ondas FDTD. Cada objeto de resultado expone una figura .plot(language="en"|"es") de una línea y, cuando una norma define un formato de informe, un método .report() que genera la ficha PDF normativa.

• Bancos de filtros: elige una arquitectura e inspecciona sus respuestas
• Calibración y dBFS: obtén valores SPL reales
• Por qué phonometry: la filosofía de diseño basada en conformidad
• Informe de conformidad: el valor esperado y el calculado de las 427 comprobaciones
• Referencia de la API: todos los parámetros de cada función
• Bibliografía: los libros y artículos que sustentan cada guía, cada uno con un enlace verificado