Source: https://jmrplens.github.io/phonometry/es/guides/filter-banks/
phonometry soporta varios tipos de filtro, cada uno con su propia función de
transferencia característica. Todos los bancos sitúan sus **puntos de −3 dB en
los bordes de banda de ANSI S1.11**, de modo que los niveles por banda son
comparables entre arquitecturas.
## 1. Bandas de octava fraccionaria: las matemáticas
IEC 61260-1:2014 construye cada banda a partir de la razón de octava en base 10
$G = 10^{3/10} \approx 1{,}99526$ (es decir, "una octava" *no* es exactamente 2).
Para la fracción de banda $1/b$, las frecuencias centrales y los bordes de
banda siguen (5.2-5.5):
$$
f_m = 1000 \cdot G^{x/b} \quad (b\ \text{impar}), \qquad
f_1 = f_m G^{-1/2b}, \quad f_2 = f_m G^{+1/2b}
$$
de modo que cada banda de tercio de octava abarca
$G^{1/3} \approx 1{,}2589 \approx 10^{1/10}$: diez bandas por década, y por eso
las frecuencias nominales (25, 31,5, 40 …) se repiten escaladas por 10.
phonometry diseña cada banda como una cascada SOS cuyos puntos de −3 dB caen
exactamente en $f_1$ y $f_2$ en todas las arquitecturas; para Chebyshev II,
Elíptico y Bessel eso exige pre-deformar (pre-warping) el mapeo analítico de los
bordes de banda en lugar de confiar en la parametrización por defecto de SciPy.
### Polos, ceros y estabilidad
Un paso-banda digital es una constelación de polos y ceros en el plano z: los
ceros en DC y Nyquist, o cerca de ellos, sujetan la respuesta lejos de la
banda (hasta el suelo de la banda atenuada, en los diseños equirizados), y
los polos se agrupan justo dentro del círculo unidad en los ángulos
$\omega = 2\pi f / f_s$ que abarca la banda de paso. De ahí salen dos
intuiciones. Primera, la selectividad es proximidad: cuanto más cerca del
círculo unidad están los polos, más abrupta es la banda y más tiempo resuena
el filtro (los picos de retardo de grupo de la sección 8 son esa resonancia,
medida). Segunda, la estabilidad es un margen, no una propiedad de la
arquitectura: un filtro IIR es estable solo mientras todos sus polos
permanecen estrictamente dentro del círculo unidad, y una banda estrecha a
una frecuencia de muestreo alta los empuja hacia fuera (radio del polo
$\approx 1 - \pi B / f_s$ para un ancho de banda $B$) y los aprieta entre
sí, hasta que los coeficientes en doble precisión ya no pueden representar
sus posiciones con exactitud. Las secciones de segundo orden (SOS) desactivan
la mitad del problema: cada par de polos conserva sus propios coeficientes,
de modo que los errores de redondeo quedan localizados en lugar de acumularse
en un único polinomio de orden alto. La otra mitad, la minúscula razón
$B / f_s$ en sí, es lo que arregla el diezmado.
### Diezmado multitasa
Una banda de tercio de octava de 25 Hz a 48 kHz abarca unos 5,8 Hz, el
0,024 % de Nyquist, con coeficientes tan rígidos que se vuelven
numéricamente inestables. El banco lo evita filtrando las bandas bajas a una
frecuencia diezmada:
Diezmar por $M$ reescala el problema: el mismo ancho de banda de 5,8 Hz se
vuelve $M$ veces mayor respecto al nuevo Nyquist, el radio de los polos se
separa del círculo unidad y los coeficientes SOS regresan a un rango bien
condicionado. El precio es una contabilidad que el banco paga internamente:
antes de cada etapa de diezmado debe ejecutarse un paso-bajo antialiasing,
porque una componente por encima del nuevo Nyquist que se pliegue hacia abajo
cae *dentro* de las bandas bajas que se están midiendo, y ningún filtro
posterior puede eliminarla.
### Trampas de aliasing
El banco protege sus propias etapas de diezmado, pero solo puede analizar lo
que la cadena de captura le entrega:
- **Plegado en el ADC.** La energía por encima de $f_s/2$ que llega al
conversor sin un filtro antialiasing analógico se pliega dentro del rango
de análisis y es indistinguible del sonido real dentro de banda. Las
tarjetas de sonido lo filtran internamente; las cadenas de instrumentación
a medida pueden no hacerlo.
- **Remuestreo barato.** Convertir una grabación de 44,1 kHz a 48 kHz con un
remuestreador de baja calidad deja imágenes que sesgan las bandas más
altas. Usa un remuestreador polifásico (`scipy.signal.resample_poly`) o,
más sencillo, analiza a la frecuencia nativa: todas las funciones de
phonometry aceptan `fs` directamente.
- **Bandas cerca de Nyquist.** Una banda cuyo borde superior se acerca a
$f_s/2$ no puede realizar su respuesta de diseño: la transformada bilineal
comprime allí el eje de frecuencias (el mismo efecto que los filtros de
ponderación contrarrestan con `high_accuracy`). Mantén el borde de la banda
superior holgadamente por debajo de Nyquist o sube `fs`, y deja que
`verify_filter_class` informe del margen restante.
## 2. Comparación de filtros y zoom
Usamos secciones de segundo orden (SOS) en todos los filtros para garantizar la
estabilidad numérica. La siguiente gráfica compara las arquitecturas centrándose
en el punto de cruce a −3 dB.
Mostrar el código de esta figura
```python
from scipy.signal import sosfreqz
from phonometry import metrology
fs = 48000
fig, ax = plt.subplots(figsize=(9, 5))
for ftype in ("butter", "cheby1", "cheby2", "ellip", "bessel"):
# limits selecciona únicamente la banda de octava de 1 kHz
bank = metrology.OctaveFilterBank(fs, fraction=1, order=6, limits=[800, 1200],
filter_type=ftype)
idx = int(np.argmin(np.abs(np.array(bank.freq) - 1000)))
fsd = fs / bank.factor[idx] # frecuencia real de la banda
w, h = sosfreqz(bank.sos[idx], worN=16384, fs=fsd)
ax.semilogx(w, 20 * np.log10(np.abs(h) + 1e-9), label=ftype)
ax.axhline(-3, color="gray", linestyle=":", label="-3 dB")
ax.set(xlim=(100, 8000), ylim=(-80, 5),
xlabel="Frecuencia [Hz]", ylabel="Magnitud [dB]")
ax.grid(True, which="both", alpha=0.3)
ax.legend()
plt.show()
```
| Tipo | Nombre | Ejemplo de uso | Ideal para |
| :--- | :--- | :--- | :--- |
| `butter` | **Butterworth** | `octave_filter(x, fs, filter_type='butter')` | Medición acústica general. |
| `cheby1` | **Chebyshev I** | `octave_filter(x, fs, filter_type='cheby1', ripple=0.1)` | Caída más abrupta a costa de rizado. |
| `cheby2` | **Chebyshev II** | `octave_filter(x, fs, filter_type='cheby2')` | Banda de paso plana con ceros en la banda atenuada. |
| `ellip` | **Elíptico** | `octave_filter(x, fs, filter_type='ellip', ripple=0.1)` | Máxima selectividad. |
| `bessel` | **Bessel** | `octave_filter(x, fs, filter_type='bessel')` | Preservar la forma de los transitorios. |
## 3. Parámetros de `octave_filter()` / `OctaveFilterBank`
| Parámetro | Tipo | Unidades | Rango / por defecto | Notas |
| :--- | :--- | :--- | :--- | :--- |
| `x` | array 1D o 2D | unidades digitales | no vacío | 2D es `[channels, samples]` |
| `fs` | int | Hz | > 0 | |
| `fraction` | int | — | por defecto `1`; habitual `3`; cualquier `b ≥ 1` | Bandas por octava = `b` |
| `order` | int | — | por defecto `6` | Orden SOS por banda |
| `limits` | lista `[lo, hi]` | Hz | por defecto `[12, 20000]` | Rango de análisis |
| `filter_type` | str | — | `'butter'` (por defecto), `'cheby1'`, `'cheby2'`, `'ellip'`, `'bessel'` | Ver la comparación más arriba |
| `ripple` / `attenuation` | float | dB | `ripple` defecto `0.1`; `attenuation` defecto `72.0` | Rizado de banda de paso / atenuación en banda atenuada (cheby/ellip); `cheby2` necesita `attenuation ≥ 70` para clase 1, ya que scipy fija su suelo equirizado en exactamente este valor |
| `show` | bool | — | por defecto `False` | Dibuja la respuesta del banco (requiere matplotlib) |
| `sigbands` | bool | — | por defecto `False` | Devuelve también las señales temporales por banda |
| `mode` | str | — | `'rms'` (por defecto), `'peak'`, `'sum'` | Estadístico por banda devuelto |
| `nominal` | bool | — | por defecto `False` | Devuelve etiquetas nominales (p. ej. `1000`) en vez de las frecuencias centrales exactas |
| `detrend` | bool | — | por defecto `True` | Elimina el offset DC de cada banda antes del nivel (mejora la precisión en graves) |
| `calibration_factor` | float | — | por defecto `1.0` | Escala la entrada a pascales (consulta la guía de Calibración) |
| `dbfs` | bool | — | por defecto `False` | Referencia los niveles a fondo de escala digital en vez de 20 µPa |
| `plot_file` | str o `None` | — | por defecto `None` | Guarda la gráfica de respuesta del banco en esta ruta |
| `zero_phase` | bool | — | por defecto `False` | Filtrado adelante-atrás (offline) |
| `stateful` / `steady_ic` (clase) | bool | — | por defecto `False` | Estado en streaming; consulta [Procesado por bloques](/phonometry/es/guides/block-processing/) |
`verify_filter_class(bank)` comprueba el banco diseñado contra los límites de
aceptación de la Tabla 1 de IEC 61260-1 e informa de la clase (`1`, `2` o `None` si queda fuera de ambas) con los
márgenes por banda.
## 4. Galería de respuestas del banco
Vista espectral completa de los bancos para octava (1/1) y tercio de octava (1/3).
| Arquitectura | Octava 1/1 (fraction=1) | Octava 1/3 (fraction=3) |
| :--- | :--- | :--- |
| **Butterworth** | | |
| **Chebyshev I** | | |
| **Chebyshev II** | | |
| **Elíptico** | | |
| **Bessel** | | |
Mostrar el código de esta figura
```python
from phonometry import metrology
# Una figura por arquitectura y fracción: la galería completa de respuestas
fs = 48000
for ftype in ("butter", "cheby1", "cheby2", "ellip", "bessel"):
for fraction in (1, 3):
# show=True dibuja la respuesta en frecuencia del banco
metrology.OctaveFilterBank(fs=fs, fraction=fraction, order=6,
limits=[12, 20000], filter_type=ftype,
show=True)
```
## 5. Uso y ejemplos por tipo de filtro
### 1. Butterworth (`butter`)
El filtro Butterworth es conocido por su **banda de paso máximamente plana**. Es
la elección estándar para mediciones acústicas donde no se admite rizado dentro
de las bandas de frecuencia.
```python
from phonometry import metrology
# Una señal calibrada en Pa para que la guía funcione por sí sola
fs = 48000
x = 0.2 * np.sin(2 * np.pi * 1000 * np.arange(fs) / fs)
# Medición estándar por defecto
spl, freq = metrology.octave_filter(x, fs, filter_type='butter')
```
Mostrar el código de esta figura
```python
from phonometry import metrology
# Dibuja la respuesta de este banco (1/3 de octava, orden 6, Butterworth)
metrology.OctaveFilterBank(fs=48000, fraction=3, order=6, limits=[12, 20000],
filter_type='butter', show=True)
```
### 2. Chebyshev I (`cheby1`)
Los filtros Chebyshev tipo I ofrecen una **caída más abrupta** que Butterworth a
cambio de rizado en la banda de paso. Útiles cuando se necesita alta selectividad
cerca de las frecuencias de corte.
```python
from phonometry import metrology
# Una señal calibrada en Pa para que la guía funcione por sí sola
fs = 48000
x = 0.2 * np.sin(2 * np.pi * 1000 * np.arange(fs) / fs)
# Selectividad con 0.1 dB de rizado en la banda de paso
spl, freq = metrology.octave_filter(x, fs, filter_type='cheby1', ripple=0.1)
```
Mostrar el código de esta figura
```python
from phonometry import metrology
# Dibuja la respuesta de este banco (1/3 de octava, orden 6, Chebyshev I)
metrology.OctaveFilterBank(fs=48000, fraction=3, order=6, limits=[12, 20000],
filter_type='cheby1', ripple=0.1, show=True)
```
### 3. Chebyshev II (`cheby2`)
También llamado Chebyshev inverso, tiene **banda de paso plana** y rizado en la
banda atenuada. Ofrece una caída más rápida que Butterworth sin afectar a la
señal en la banda de paso. Los bordes de la banda atenuada se colocan
automáticamente para que los puntos de −3 dB caigan en los bordes de banda
(`attenuation` debe ser > 3,01 dB).
```python
from phonometry import metrology
# Una señal calibrada en Pa para que la guía funcione por sí sola
fs = 48000
x = 0.2 * np.sin(2 * np.pi * 1000 * np.arange(fs) / fs)
# Banda de paso plana, 72 dB de atenuación por defecto (clase 1)
spl, freq = metrology.octave_filter(x, fs, filter_type='cheby2')
```
Mostrar el código de esta figura
```python
from phonometry import metrology
# Dibuja la respuesta de este banco (1/3 de octava, orden 6, Chebyshev II)
metrology.OctaveFilterBank(fs=48000, fraction=3, order=6, limits=[12, 20000],
filter_type='cheby2', show=True)
```
### 4. Elíptico (`ellip`)
Los filtros elípticos (Cauer) tienen la **transición más corta** (caída más
abrupta) para un orden dado. Presentan rizado tanto en la banda de paso como en
la atenuada.
```python
from phonometry import metrology
# Una señal calibrada en Pa para que la guía funcione por sí sola
fs = 48000
x = 0.2 * np.sin(2 * np.pi * 1000 * np.arange(fs) / fs)
# Máxima selectividad para aislamiento extremo entre bandas
spl, freq = metrology.octave_filter(x, fs, filter_type='ellip', ripple=0.1)
```
Mostrar el código de esta figura
```python
from phonometry import metrology
# Dibuja la respuesta de este banco (1/3 de octava, orden 6, elíptico)
metrology.OctaveFilterBank(fs=48000, fraction=3, order=6, limits=[12, 20000],
filter_type='ellip', ripple=0.1, show=True)
```
### 5. Bessel (`bessel`)
Los filtros Bessel están optimizados para una **respuesta de fase lineal** y un
retardo de grupo mínimo. Preservan la forma de las ondas filtradas (transitorios)
mejor que ningún otro tipo, pero tienen la caída más lenta.
```python
from phonometry import metrology
# Una señal calibrada en Pa para que la guía funcione por sí sola
fs = 48000
x = 0.2 * np.sin(2 * np.pi * 1000 * np.arange(fs) / fs)
# Ideal para análisis de pulsos y preservación de transitorios
spl, freq = metrology.octave_filter(x, fs, filter_type='bessel')
```
Mostrar el código de esta figura
```python
from phonometry import metrology
# Dibuja la respuesta de este banco (1/3 de octava, orden 6, Bessel)
metrology.OctaveFilterBank(fs=48000, fraction=3, order=6, limits=[12, 20000],
filter_type='bessel', show=True)
```
### 6. Linkwitz-Riley (`linkwitz_riley`)
Diseñado específicamente para **crossovers de audio**. Los filtros Linkwitz-Riley
(típicamente de 4.º orden, aunque se admite cualquier orden par) permiten dividir
una señal en bandas que, al sumarse, producen una respuesta en magnitud
perfectamente plana y sin diferencia de fase entre bandas en el cruce.
```python
from phonometry import metrology
# recording: una captura calibrada en Pa para que la guía funcione por sí sola
fs = 48000
recording = 0.2 * np.sin(2 * np.pi * 1000 * np.arange(fs) / fs)
# Dividir la grabación en bandas grave y aguda a 1000 Hz
low, high = metrology.linkwitz_riley(recording, fs, freq=1000, order=4)
# Reconstrucción: low + high == recording (respuesta plana)
```
Mostrar el código de esta figura
```python
from scipy.signal import freqz
from phonometry import metrology
# Medimos ambas ramas: dividimos un impulso unitario y tomamos los espectros.
fs = 48000
impulse = np.zeros(fs)
impulse[0] = 1.0
low, high = metrology.linkwitz_riley(impulse, fs, freq=1000, order=4)
w, h_lp = freqz(low, worN=8192, fs=fs)
_, h_hp = freqz(high, worN=8192, fs=fs)
fig, ax = plt.subplots(figsize=(9, 5))
ax.semilogx(w, 20 * np.log10(np.abs(h_lp) + 1e-9), label="Paso-bajo (LR4)")
ax.semilogx(w, 20 * np.log10(np.abs(h_hp) + 1e-9), label="Paso-alto (LR4)")
ax.semilogx(w, 20 * np.log10(np.abs(h_lp + h_hp) + 1e-9), "--",
label="Suma (plana)")
ax.set(xlim=(20, 20000), ylim=(-60, 5),
xlabel="Frecuencia [Hz]", ylabel="Magnitud [dB]")
ax.grid(True, which="both", alpha=0.3)
ax.legend()
plt.show()
```
## 6. EQ paramétrico (`ParametricEQ`)
Secciones biquad de ecualización según el **RBJ Audio EQ Cookbook**
(Bristow-Johnson): campana (peaking), shelving grave/agudo, paso bajo/alto,
paso banda (pico a 0 dB constante o faldas constantes), rechazo de banda
(notch) y pasa-todo, cada una parametrizada por `fs`, `f0`, `gain_db` y uno
de `q`, `bw` (ancho de banda en octavas) o `slope`, exactamente como los
define el cookbook. Las secciones se encadenan en una cascada SOS
numéricamente robusta, y el diseño es exacto en forma cerrada: una campana
pasa exactamente `gain_db` en `f0` y exactamente 0 dB en DC y Nyquist, los
shelving caen exactamente en `gain_db` en su extremo, y el pasa-todo tiene
magnitud unidad en todas las frecuencias (solo gira la fase).
```python
from phonometry import EQSection, ParametricEQ
fs = 48000
rng = np.random.default_rng(1)
x = rng.standard_normal(fs) # un segundo de ruido
eq = ParametricEQ(fs, [
EQSection("lowshelf", 100.0, gain_db=4.0),
EQSection("peaking", 1000.0, gain_db=-6.0, bw=1.0), # recorte de 1 octava
EQSection("highshelf", 8000.0, gain_db=3.0),
])
y = eq.filter(x) # aplicar la cascada
res = eq.response() # resultado congelado con la cascada SOS
axes = res.plot(language="es") # magnitud + fase de la cascada
```
Para procesado por bloques pasa `stateful=True` (la misma convención que
`WeightingFilter`); el atajo de un solo uso es
`parametric_eq(x, fs, sections)`.
Mostrar el código de esta figura
```python
from phonometry import EQSection, ParametricEQ
fs = 48000
familia = [
EQSection("peaking", 1000.0, gain_db=6.0, q=1.4),
EQSection("lowshelf", 125.0, gain_db=6.0),
EQSection("highshelf", 4000.0, gain_db=-6.0),
EQSection("lowpass", 10000.0),
EQSection("highpass", 50.0),
EQSection("bandpass", 500.0, q=2.0),
EQSection("notch", 2000.0, q=6.0),
]
fig, ax = plt.subplots(figsize=(10, 6))
for section in familia:
res = ParametricEQ(fs, [section]).response(f_min=20.0, f_max=20000.0)
ax.semilogx(res.frequencies, res.magnitude_db,
label=f"{section.filter_type} @ {section.f0:g} Hz")
ax.set(xlim=(20, 20000), ylim=(-27, 9),
xlabel="Frecuencia [Hz]", ylabel="Magnitud [dB]")
ax.grid(True, which="both", alpha=0.3)
ax.legend(loc="lower center", ncols=2, fontsize=9)
plt.show()
```
## 7. Verificar la clase IEC 61260-1
`verify_filter_class` comprueba cada banda de un banco contra los límites de
aceptación de **IEC 61260-1:2014** (Tabla 1, con el mapeo de breakpoints a
fraccionales y la interpolación logarítmica de la norma) e informa de la clase
por banda con su margen en dB:
```python
from phonometry import metrology
bank = metrology.OctaveFilterBank(fs=48000, fraction=3, order=6)
result = metrology.verify_filter_class(bank)
print(result["overall_class"]) # 1
print(result["bands"][0])
# {'freq': 12.589254117941678, 'class': 1, 'margin_class1_db': 0.39999999999997266, 'margin_class2_db': 0.5999999999999727}
```
La propia máscara de aceptación de la Tabla 1 también es pública:
`class_limits(fraction, filter_class, omega)` devuelve los límites
mínimo/máximo de atenuación relativa en frecuencias normalizadas Ω = f/fm,
los mismos límites que usan el verificador y la figura de abajo.
*La respuesta del Butterworth de orden 6 (azul) serpentea entre las regiones
prohibidas: debe atenuar al menos la máscara roja fuera de la banda y no más
que la morada dentro de ella.*
Mostrar el código de esta figura
```python
from scipy.signal import sosfreqz
from phonometry import metrology
fs = 48000
bank = metrology.OctaveFilterBank(fs, fraction=1, order=6, limits=[800, 1200])
idx = int(np.argmin(np.abs(np.array(bank.freq) - 1000)))
fm, fsd = bank.freq[idx], fs / bank.factor[idx]
w, h = sosfreqz(bank.sos[idx], worN=2**15, fs=fsd)
att = -20 * np.log10(np.abs(h) + 1e-12)
delta_a = att - np.interp(fm, w, att) # atenuación relativa
grid = np.logspace(np.log10(0.05), np.log10(8), 2000)
lo1, hi1 = metrology.class_limits(1.0, 1, grid) # atenuación mín/máx de clase 1
fig, ax = plt.subplots(figsize=(9, 5.5))
ax.fill_between(grid, -10, lo1, alpha=0.15, color="tab:red",
label="Prohibido: atenuación insuficiente")
finite = np.isfinite(hi1)
ax.fill_between(grid[finite], hi1[finite], 90, alpha=0.15, color="tab:purple",
label="Prohibido: atenuación excesiva")
ax.plot(w / fm, delta_a, label="Butterworth de orden 6")
ax.set(xscale="log", xlim=(0.08, 8), ylim=(-6, 90),
xlabel="Frecuencia normalizada f / fm",
ylabel="Atenuación relativa [dB]")
ax.legend()
plt.show()
```
Con parámetros por defecto (orden 6), **Butterworth cumple clase 1**, y también
lo hace **Chebyshev II**: su valor por defecto de `attenuation` es ahora `72` dB,
superando el límite de clase 1 de 70 dB en el stopband lejano (scipy fija el
suelo equirizado de cheby2 en exactamente `attenuation`, así que cualquier valor
≥ 70 dB cumple; el valor por defecto de 72 dB mantiene el mismo margen de banda
de paso de +0,400 dB que Butterworth). Chebyshev I, Elíptico y Bessel no cumplen
los límites de clase con orden 6: el rizado de banda de paso (cheby1/ellip) y la
caída lenta (bessel) violan la máscara.
### Clase 0 (IEC 61260:1995 / ANSI S1.11-2004)
La clase de prestaciones más estricta, la **clase 0**, la definió la edición
anterior **IEC 61260:1995** y su gemela estadounidense **ANSI S1.11-2004**
(ambas retiradas/sustituidas pero aún referenciadas para instrumentos de
laboratorio); IEC 61260-1:2014 la eliminó. Sus máscaras de clase 1/2 difieren
ligeramente de la edición de 2014, así que se selecciona con un conmutador `edition` en
lugar de mezclarse con la máscara de 2014:
```python
from phonometry import metrology
fs = 48000
bank = metrology.OctaveFilterBank(fs, fraction=1, order=6, limits=[800, 1200])
result = metrology.verify_filter_class(bank, edition="1995") # clases 0, 1, 2
print(result["overall_class"]) # 0 (el Butterworth por defecto la supera)
print(result["bands"][0]["margin_class0_db"])
```
*El corredor de clase 0 (±0,15 dB en el centro de banda) es el más estrecho; la
clase 1 (±0,3 dB) y la clase 2 (±0,5 dB) son progresivamente más anchas. El
Butterworth de orden 6 serpentea dentro de la clase 0 en toda la banda de paso.*
Mostrar el código de esta figura
```python
from scipy.signal import sosfreqz
from phonometry import metrology
fs = 48000
bank = metrology.OctaveFilterBank(fs, fraction=1, order=6, limits=[800, 1200])
idx = int(np.argmin(np.abs(np.array(bank.freq) - 1000)))
fm, fsd = bank.freq[idx], fs / bank.factor[idx]
w, h = sosfreqz(bank.sos[idx], worN=2**15, fs=fsd)
att = -20 * np.log10(np.abs(h) + 1e-12)
delta_a = att - np.interp(fm, w, att)
# Solo banda de paso: fuera de los bordes el límite máximo es +inf.
g = 10 ** (3 / 10)
grid = np.linspace(g ** -0.5, g ** 0.5, 1500)
pb = (w / fm >= g ** -0.5) & (w / fm <= g ** 0.5)
fig, ax = plt.subplots(figsize=(9, 5.5))
for cls in (2, 1, 0): # corredores anidados, clase 0 el más estrecho
lo, hi = metrology.class_limits(1.0, cls, grid, edition="1995")
ax.plot(grid, hi, label=f"Corredor de clase {cls}")
ax.plot(grid, lo, color=ax.lines[-1].get_color())
ax.plot(w[pb] / fm, delta_a[pb], "k", lw=2, label="Butterworth de orden 6")
ax.set(xscale="log", xlim=(g ** -0.5, g ** 0.5), ylim=(-0.7, 6),
xlabel="Frecuencia normalizada f / fm",
ylabel="Atenuación relativa [dB]")
ax.legend()
plt.show()
```
### Qué significa físicamente una clase
Las máscaras son cotas de error en el peor caso de una *medición*, no
calificaciones abstractas:
- **En la banda de paso** el corredor acota cuánto puede desviarse la lectura
del contenido dentro de banda: un banco de clase 1 lee un tono de centro de
banda a ±0,4 dB de su nivel verdadero y uno de clase 2 a ±0,6 dB (Tabla 1
de 2014; las máscaras de 1995, más estrictas, permitían ±0,3 dB para la
clase 1 y ±0,15 dB para la clase 0). Hacia los bordes el corredor se
ensancha, lo que es la admisión honesta de que un tono situado exactamente
en un borde es genuinamente ambiguo entre dos bandas (ambas lo leen unos
3 dB por debajo).
- **En la banda atenuada** la máscara de atenuación mínima acota la fuga del
resto del espectro: lejos de la banda, la clase 1 exige al menos 70 dB de
atenuación relativa (la razón por la que el valor por defecto de `cheby2`
es 72 dB). En términos de energía, un tono fuera de banda tiene que ser
unos 70 dB más fuerte que el contenido propio de la banda para duplicar su
lectura de energía (+3 dB). La consecuencia práctica: al medir bandas muy
por debajo de un tono dominante, la lectura toca fondo en la falda de fuga
unos 70 dB por debajo, y una arquitectura más abrupta (o mayor orden) es la
única forma de empujar ese suelo más abajo.
- **Para el presupuesto de incertidumbre**, la clase es la contribución del filtro a la
incertidumbre de la medición: un banco de clase 1 añade hasta unas décimas
de dB a un nivel de banda, comparable a los demás términos de tolerancia de
un sonómetro de clase 1, y por eso las cadenas con calidad de instrumento
especifican la clase de cada etapa en lugar de una única cifra global.
**¿Qué arquitectura alcanza qué clase?** El **valor por defecto de la biblioteca,
Butterworth de orden 6, cumple clase 0** en las configuraciones que verifica
el conjunto de conformidad (bancos de octava y tercio de octava a 48 kHz), así
que no hace falta ninguna configuración especial para bancos de laboratorio en
ese rango. La tabla siguiente indica la mejor clase que alcanza cada arquitectura
con esa misma configuración de orden 6 / 48 kHz; las demás arquitecturas se
quedan por debajo de clase 0 porque cambian la máscara IEC por otra propiedad
*por construcción*:
| Arquitectura | Mejor clase (orden 6, fs 48 kHz) | Por qué |
| :--- | :---: | :--- |
| `butter` (por defecto) | **0** | Banda de paso máximamente plana, caída monótona; encaja en la máscara |
| `cheby2` | 1 | Banda de paso plana pero la relación de la máscara limita en clase 1 |
| `cheby1` | — | El rizado de banda de paso viola el límite de planitud |
| `ellip` | — | Rizado en banda de paso y atenuada |
| `bessel` | — | Retardo de grupo plano a costa de una caída lenta |
Así que el valor por defecto sensato es el habitual (Butterworth de orden 6):
supera la clase 0 en las configuraciones verificadas, mientras que las
arquitecturas alternativas son opciones deliberadas cuyo propósito (caída más
abrupta, fase lineal) va en contra de la máscara de clase. Fuera de estos
ajustes (`fraction` muy alto o bandas cercanas a Nyquist), vuelve a ejecutar
`verify_filter_class` para confirmar la clase que necesitas, y sube el orden si
una banda necesita más margen.
### Informe de conformidad de filtro IEC 61260-1 (`.report()`)
`filter_class_compliance(bank)` envuelve la misma verificación en un objeto de
resultado que expone `.plot()` y `.report()`, de modo que el veredicto del
ensayo de tipo puede renderizarse como una ficha acreditada de una página. La
ficha lista la clase alcanzada por cada banda y su margen vinculante, superpone
la atenuación relativa medida de la banda de peor margen sobre el corredor de la
clase y encuadra el resultado global de conformidad. Pasa un `required_class` en
el `ReportMetadata` para añadir una fila de veredicto PASS/FAIL (un banco
"cumple la clase N" cuando su clase alcanzada es al menos igual de estricta, es
decir, un índice de clase N o inferior). La ficha se genera en inglés por
defecto; pasa `language="es"` para una ficha en español (cadenas fijas
traducidas y coma como separador decimal), p. ej.
`result.report("iec61260_es.pdf", language="es")`.
```python
from phonometry import (
OctaveFilterBank,
ReportMetadata,
filter_class_compliance,
)
bank = OctaveFilterBank(fs=48000, fraction=1, order=6, limits=[125, 4000])
result = filter_class_compliance(bank) # overall_class == 1
result.plot(language="es") # la banda de peor margen sobre su corredor de clase
result.report(
"iec61260.pdf",
metadata=ReportMetadata(
specimen="Banco de filtros de octava (1/1)",
measurement_standard="IEC 61260-1:2014",
required_class=1, # se exige clase 1 (o más estricta)
),
) # -> Class 1 - COMPLIES, PASS
```
La ficha de ejemplo se regenera con `make reports` y se mantiene renderizada en
el repositorio; haz clic en la vista previa para abrir el PDF.
Pasar `edition="1995"` verifica contra la máscara más antigua de IEC 61260:1995 /
ANSI S1.11-2004, que conserva la **clase 0** más estricta que la edición de 2014
eliminó, de modo que un banco de orden 6 puede certificarse a clase 0:
```python
bank = OctaveFilterBank(fs=48000, fraction=1, order=6, limits=[250, 4000])
result = filter_class_compliance(bank, edition="1995") # overall_class == 0
result.plot(language="es") # el corredor de clase 0 de la edición de 1995
result.report("iec61260_1995.pdf",
metadata=ReportMetadata(measurement_standard="IEC 61260:1995",
required_class=0)) # -> Class 0 - COMPLIES
```
## 8. Descomposición de la señal y estabilidad
Con `sigbands=True` puedes recuperar las componentes en el dominio del tiempo de
cada banda. Esto permite análisis avanzados o comparar cómo afectan distintas
arquitecturas (p. ej. Butterworth vs Chebyshev) a la fase y al transitorio.
```python
from phonometry import metrology
# 1. Generar una señal (suma de 250 Hz y 1000 Hz)
fs = 48000
t = np.linspace(0, 0.5, int(fs * 0.5), endpoint=False)
y = np.sin(2 * np.pi * 250 * t) + np.sin(2 * np.pi * 1000 * t)
# 2. Comparar arquitecturas (Butterworth vs Chebyshev II)
spl_b, freq, xb_butter = metrology.octave_filter(y, fs=fs, fraction=1, sigbands=True, filter_type='butter')
spl_c2, _, xb_cheby2 = metrology.octave_filter(y, fs=fs, fraction=1, sigbands=True, filter_type='cheby2')
# 'xb_butter' y 'xb_cheby2' contienen las señales por banda en el dominio del tiempo
```
*La gráfica compara las respuestas de **Butterworth** (azul, línea continua) y
**Chebyshev II** (rojo, discontinua). El panel inferior muestra la **respuesta al
impulso**, destacando las diferencias de estabilidad y decaimiento transitorio.*
Mostrar el código de esta figura
```python
from phonometry import metrology
fs = 48000
t = np.linspace(0, 0.5, int(fs * 0.5), endpoint=False)
y = np.sin(2 * np.pi * 250 * t) + np.sin(2 * np.pi * 1000 * t)
bank_b = metrology.OctaveFilterBank(fs=fs, fraction=1, order=6, limits=[100.0, 2000.0])
bank_c = metrology.OctaveFilterBank(fs=fs, fraction=1, order=6, limits=[100.0, 2000.0],
filter_type="cheby2")
_, freq, xb_butter = bank_b.filter(y, sigbands=True)
_, _, xb_cheby2 = bank_c.filter(y, sigbands=True)
fig, axes = plt.subplots(len(freq), 1, figsize=(9, 2 * len(freq)), sharex=True)
for ax, fc, xb, xc in zip(axes, freq, xb_butter, xb_cheby2):
ax.plot(t, xb, label="Butterworth")
ax.plot(t, xc, "--", label="Chebyshev II")
ax.set_title(f"Banda de {fc:.0f} Hz")
ax.set_xlim(0, 0.04)
axes[0].legend()
axes[-1].set_xlabel("Tiempo [s]")
plt.tight_layout()
plt.show()
```
:::note
**¿Por qué las señales parecen desplazadas en el tiempo?**
Los filtros IIR digitales (como Butterworth o Chebyshev) tienen **respuestas de
fase no lineales**, lo que produce un **retardo de grupo** dependiente de la
frecuencia. En la banda de 250 Hz se aprecia que el filtro Chebyshev II tiene un
retardo de propagación distinto al de Butterworth. Es una propiedad física normal
de estas arquitecturas: caídas más agresivas suelen implicar mayor retardo de
grupo y distorsión de fase.
:::
### El retardo de grupo, cuantificado
El retardo de grupo $\tau_g(\omega) = -\frac{d\phi(\omega)}{d\omega}$ de la
banda de octava de 1 kHz muestra el compromiso directamente: Bessel se mantiene
casi plano en la banda de paso (los transitorios sobreviven), mientras que
Chebyshev I y el Elíptico pagan su caída abrupta con fuertes picos de retardo en
los bordes de banda.
Mostrar el código de esta figura
```python
from scipy.signal import group_delay
from phonometry import metrology
fs = 48000
w = np.logspace(np.log10(500), np.log10(2000), 1024)
fig, ax = plt.subplots(figsize=(9, 5))
for ftype in ("butter", "cheby1", "cheby2", "ellip", "bessel"):
bank = metrology.OctaveFilterBank(fs, fraction=1, order=6, limits=[800, 1200],
filter_type=ftype)
idx = int(np.argmin(np.abs(np.array(bank.freq) - 1000)))
fsd = fs / bank.factor[idx]
# Retardo de grupo de una cascada SOS = suma del de sus secciones
gd = sum(group_delay((sec[:3], sec[3:]), w=w, fs=fsd)[1]
for sec in bank.sos[idx])
ax.semilogx(w, gd / fsd * 1000, label=ftype)
ax.set(xlim=(500, 2000), xlabel="Frecuencia [Hz]",
ylabel="Retardo de grupo [ms]")
ax.grid(True, which="both", alpha=0.3)
ax.legend()
plt.show()
```
## 9. Filtrado de fase cero
Para análisis offline puedes eliminar por completo el retardo de grupo:
`zero_phase=True` filtra cada banda hacia delante y hacia atrás
(`scipy.signal.sosfiltfilt`), manteniendo las señales por banda alineadas con la
entrada. La atenuación efectiva se duplica y la banda de paso efectiva se
estrecha, reduciendo el nivel de banda ancha medido en ~0,2 a 0,3 dB por banda
(un tono puro dentro de banda no se ve afectado); prefiere el filtrado hacia
delante cuando el SPL absoluto de banda debe coincidir con el convenio de un
solo paso, y reserva la fase cero para cuando importa la envolvente temporal
(p. ej. decaimiento de reverberación). La opción es incompatible con el
procesado por bloques (stateful).
```python
from phonometry import metrology
fs = 48000
t = np.linspace(0, 0.5, int(fs * 0.5), endpoint=False)
y = np.sin(2 * np.pi * 250 * t) + np.sin(2 * np.pi * 1000 * t)
bank = metrology.OctaveFilterBank(fs=48000, fraction=3)
spl, freq, xb = bank.filter(y, sigbands=True, zero_phase=True)
```
*El filtrado causal retrasa la ráfaga según el retardo de grupo del filtro; el
filtrado de fase cero la mantiene alineada con la entrada.*
Mostrar el código de esta figura
```python
from phonometry import metrology
fs = 48000
t = np.linspace(0, 0.15, int(fs * 0.15), endpoint=False)
x = np.zeros_like(t) # ráfaga de 250 Hz a mitad de trama
start, end = int(0.05 * fs), int(0.10 * fs)
x[start:end] = np.sin(2 * np.pi * 250 * t[start:end]) * np.hanning(end - start)
bank = metrology.OctaveFilterBank(fs=fs, fraction=1, order=6, limits=[200.0, 300.0])
_, _, fwd = bank.filter(x, sigbands=True, calculate_level=False)
_, _, zp = bank.filter(x, sigbands=True, calculate_level=False,
zero_phase=True)
fig, ax = plt.subplots(figsize=(9, 4.5))
ax.plot(t, x, color="gray", alpha=0.5, label="Ráfaga de entrada (250 Hz)")
ax.plot(t, fwd[0], label="Causal (retardo de grupo)")
ax.plot(t, zp[0], "--", label="zero_phase=True (alineado)")
ax.set(xlabel="Tiempo [s]", ylabel="Amplitud")
ax.legend()
plt.show()
```
## Qué cubre esta guía
**Cubierto.** La matemática de bordes de banda de la IEC 61260-1:2014
(apartados 5.2-5.5) y los límites de aceptación de clase 1/2 de la Tabla 1,
verificados por `verify_filter_class` y reportados por
`filter_class_compliance().report()`; la máscara de clase 0 de la IEC
61260:1995 / ANSI S1.11-2004, retirada pero accesible con `edition="1995"`;
y la serie de frecuencias preferentes de la ISO 266:1997 tras
`nominal_frequencies`. La biblioteca diseña cada banda como una cascada SOS
en cinco arquitecturas (Butterworth, Chebyshev I/II, elíptico, Bessel), más
el crossover Linkwitz-Riley y el `ParametricEQ` del RBJ Audio EQ Cookbook.
**No cubierto.** Los ensayos de conformidad de la IEC 61260-1 sobre el
propio filtro físico (recuperación tras sobrecarga, linealidad del filtro,
influencias ambientales) se aplican a filtros analógicos y digitales de
hardware y no están implementados: `verify_filter_class` comprueba la
respuesta digital diseñada frente a la Tabla 1, no un instrumento. Cerca de
Nyquist, la transformada bilineal deforma el eje de frecuencia y el banco
no tiene corrección para ello (a diferencia de la opción `high_accuracy` de
`WeightingFilter`): mantén el borde superior de banda con margen cómodo
respecto a Nyquist, o sube `fs`, y confirma el margen con
`verify_filter_class`.
## Véase también
- Referencia de la API: [`phonometry`](/phonometry/es/reference/api/filters/phonometry/), [`metrology.core`](/phonometry/es/reference/api/filters/core/) y [`metrology.parametric_filters`](/phonometry/es/reference/api/filters/parametric-filters/).
## Respuestas rápidas
### ¿Cómo se definen las frecuencias centrales y los bordes de banda de octava fraccionaria?
IEC 61260-1:2014 (apartados 5.2-5.5) construye cada banda a partir de la
razón de octava en base 10 $G = 10^{3/10} \approx 1{,}99526$, de modo que
una octava no es exactamente 2. Las frecuencias centrales siguen
$f_m = 1000 \cdot G^{x/b}$ (para $b$ impar) y los bordes son
$f_1 = f_m G^{-1/2b}$ y $f_2 = f_m G^{+1/2b}$; cada banda de tercio de
octava abarca $G^{1/3} \approx 1{,}2589$, diez bandas por década.
### ¿Qué arquitectura de filtro cumple la clase 1 de IEC 61260-1 con los ajustes por defecto?
Con el orden 6 por defecto, Butterworth cumple la clase 1 de los límites de
aceptación de la Tabla 1 de IEC 61260-1:2014, y también Chebyshev II: su
`attenuation` por defecto de 72 dB supera el límite de clase 1 de 70 dB en
el stopband lejano. Chebyshev I, elíptico y Bessel no la cumplen: el rizado
de banda de paso (cheby1, ellip) y la caída lenta (bessel) violan la
máscara. `verify_filter_class` informa de la clase alcanzada por banda.
### ¿Qué es la clase 0 y qué norma la define?
La clase 0 es la clase de prestaciones más estricta, definida por IEC
61260:1995 y su gemela estadounidense ANSI S1.11-2004 y eliminada por IEC
61260-1:2014. Su corredor de banda de paso admite solo ±0,15 dB en el
centro de banda, frente a ±0,3 dB para la clase 1 en las máscaras de 1995.
Sigue accesible con `edition="1995"`, y el banco Butterworth de orden 6 por
defecto cumple la clase 0 en las configuraciones verificadas a 48 kHz.