Niveles integrados y estadísticos

Una medición de ruido rara vez termina en una forma de onda: termina en un puñado de números únicos que se pueden contrastar con un límite, un reglamento o un informe. Esta página es esa cadena de reducción, calculada directamente sobre la señal calibrada en pascales y no sobre lecturas de un sonómetro: el nivel continuo equivalente $L_{eq}$/$L_{Aeq}$, los niveles percentiles $L_N$, las medidas de sucesos y de pico ($L_{AE}$/SEL, $L_{Cpeak}$), la dosis de ruido de IEC 61252 y los descriptores de día completo $L_{den}$/$L_{dn}$ con los niveles de evaluación de ISO 1996-1. Trabajar desde la señal significa aplicar cada definición (una integral, un percentil, una suma de energías) de forma exacta, sin aproximaciones de detector ni de pantalla por medio.

Qué descriptor encaja con qué pregunta sigue las familias de magnitudes de ISO 1996-1 (BS 7445-1 es la guía de práctica de medición sobre esa misma elección, y Bies, Hansen y Howard 2017, §2.5 las repasa en paralelo):

• Exposición acumulada en un intervalo: $L_{eq}$/$L_{Aeq}$, la media energética. Responde a “cuánto sonido llegó en total”, sin importar cómo se repartió en el tiempo.
• Cómo se distribuyó el nivel fluctuante: los percentiles $L_N$: $L_{90}$ como nivel de fondo, $L_{10}$ como indicador de intrusión de tráfico, $L_{50}$ como mediana. Dos señales con el mismo $L_{Aeq}$ pueden tener dispersiones $L_{10}-L_{90}$ muy distintas.
• Sucesos aislados de duraciones distintas, comparados con justicia: SEL, toda la energía del suceso normalizada a un segundo.
• Cribado de riesgo auditivo: $L_{Cpeak}$ y las medidas de dosis, que alimentan el flujo laboral de Exposición laboral (ISO 9612).
• Molestia comunitaria a largo plazo: $L_{den}$/$L_{dn}$ y los niveles de evaluación de ISO 1996-1, que penalizan la energía de tarde y noche antes de promediar el día.

Conviene mantener nítidas dos fronteras con las páginas hermanas. Las métricas integradas de esta página evitan deliberadamente el detector exponencial: $L_{eq}$ y SEL no tienen constante de tiempo, y las balísticas Fast/Slow solo entran por los niveles percentiles, definidos sobre la traza de nivel con ponderación temporal (ver Ponderación temporal). Y todo lo de esta página asume la señal ya en pascales: el factor de sensibilidad que la lleva ahí es el asunto de Calibración.

Leq y LAeq

El nivel continuo equivalente integra la presión al cuadrado durante el tiempo de medición:

$$L_{eq}=10{\log }_{10}\left(\frac{1}{T}{\int }_0^T\frac{p^2(t)}{p_0^2}dt\right)\text{ dB},p_0=20\mu \text{Pa}$$

y $L_{Aeq}$ es la misma integral tras ponderar A la señal. $L_N$ es el nivel superado el $N\%$ del tiempo: el percentil $(100-N)$ de la distribución del nivel con ponderación temporal.

import numpy as np
from phonometry import metrology

# recording: una captura de micrófono calibrada (Pa) — grabada con tu cadena de medición. Sintetizada aquí para que la guía funcione por sí sola.
fs = 48000
recording = 0.2 * np.sin(2 * np.pi * 1000 * np.arange(fs) / fs)
sensitivity = 1.0                                    # calibration_factor (ver Calibración)

# Nivel continuo equivalente de toda la grabación
level = metrology.leq(recording, calibration_factor=sensitivity)

# Leq ponderado A (la métrica estándar de ruido ambiental)
la = metrology.laeq(recording, fs, calibration_factor=sensitivity)

Ambas aceptan señales 1D (devuelven un escalar) o arrays 2D [channels, samples] (devuelven un nivel por canal), y admiten dbfs=True para análisis digital a fondo de escala (la calibración no aplica en modo dBFS).

¿Por qué la media energética y no la media aritmética de los valores en dB? Porque las dosis sonoras se suman como energía: dos periodos a 60 dB y 80 dB no promedian 70 dB; la mitad a 80 dB domina y $L_{eq}$ = 77 dB. Promediar decibelios directamente subestima cualquier ruido fluctuante. $L_{eq}$ es el nivel del sonido estacionario que transporta la misma energía que el real, fluctuante, y por eso las normativas se redactan en términos de él.

La misma regla gobierna cualquier combinación de niveles: niveles de periodo en un valor de día completo, posiciones de micrófono en un promedio de sala, mediciones repetidas en una media. Combina energías, 10 * np.log10(np.mean(10 ** (L / 10))), nunca los valores en dB. El error de la media aritmética es unilateral (siempre lee de menos) y crece con la dispersión, así que no se cancela con muchas mediciones: con valores repartidos en 10 dB ya cuesta un par de decibelios. Las pocas fórmulas normativas que sí promedian decibelios directamente son aproximaciones deliberadas y lo declaran (ISO 1996-2 ofrece una como sustituto de la incertidumbre por mediciones repetidas y avisa de que se infla cuando los niveles se dispersan más de 3 dB, ver la sección de incertidumbre más abajo); en todo lo demás, energía.

Parámetros de leq() / laeq()

Parámetro	Tipo / forma	Unidades	Rango / valor por defecto	Notas
x	array 1D o 2D	unidades digitales (o Pa si está calibrada)	no vacío	2D es [channels, samples]; devuelve un nivel por canal
fs	int	Hz	> 0 (solo laeq)	leq no necesita frecuencia de muestreo (integral RMS pura)
calibration_factor	float	Pa por unidad digital	por defecto 1.0	De sensitivity()
dbfs	bool	—	por defecto False	True: 0 dBFS = seno RMS a fondo de escala; ignora la calibración

Niveles percentiles (LN)

ln_levels calcula niveles estadísticos a partir de la envolvente con ponderación temporal: L10 es el nivel superado el 10 % del tiempo (picos de eventos), L50 la mediana y L90 el nivel de fondo.

import numpy as np
from phonometry import metrology

# Un tono constante da L10 = L50 = L90; los percentiles solo cuentan algo con un
# nivel *fluctuante*. Sintetizamos 3 s alternando entre medio segundo tranquilo
# y otro ~10 dB más fuerte para que los estadísticos se separen.
fs = 48000
rng = np.random.default_rng(0)
segment = fs // 2                                  # 0.5 s por nivel
quiet = 0.02 * rng.standard_normal(segment)        # fondo
loud = 0.06 * rng.standard_normal(segment)         # eventos ~10 dB más fuertes
varying = np.tile(np.concatenate([quiet, loud]), 3)

stats = metrology.ln_levels(varying, fs, n=(10, 50, 90), weighting="A")
print(f"LA10={stats[10]:.1f}  LA50={stats[50]:.1f}  LA90={stats[90]:.1f} dB")
# LA10=66.6  LA50=65.2  LA90=58.5 dB  -> L10 (eventos) > L50 (mediana) > L90 (fondo)

L10 sigue los picos de los eventos, L50 el nivel mediano y L90 el fondo.

Mostrar el código de esta figura

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

# La señal fluctuante del ejemplo de ln_levels: 0.5 s de fondo alternando
# con 0.5 s de eventos ~10 dB más fuertes, repetido 3 veces
fs = 48000
rng = np.random.default_rng(0)
segment = fs // 2
quiet = 0.02 * rng.standard_normal(segment)
loud = 0.06 * rng.standard_normal(segment)
varying = np.tile(np.concatenate([quiet, loud]), 3)

# Envolvente cuadrática media Fast -> nivel frente al tiempo, y los percentiles
envelope = metrology.time_weighting(varying, fs, mode="fast")
level_t = 10 * np.log10(np.maximum(envelope, 1e-12) / (2e-5) ** 2)
stats = metrology.ln_levels(varying, fs, n=(10, 50, 90))
t = np.arange(varying.size) / fs

fig, ax = plt.subplots()
ax.plot(t, level_t, linewidth=0.8, label="Nivel Fast Lp(t)")
for i, (n_value, style) in enumerate([(10, "--"), (50, "-"), (90, "-.")], 1):
    ax.axhline(float(stats[n_value]), color=f"C{i}", linestyle=style,
               label=f"L{n_value} = {stats[n_value]:.1f} dB")
ax.set(xlabel="Tiempo [s]", ylabel="Nivel [dB]")
ax.legend(loc="lower right")
plt.show()

Opciones: mode selecciona la ponderación temporal de la envolvente ('fast', 'slow', 'impulse'), weighting aplica antes la ponderación A/C, y calibration_factor/dbfs se comportan como en leq. El transitorio de ataque del integrador (~5τ) se descarta antes de calcular los percentiles, de modo que la rampa inicial de asentamiento no cuenta en los percentiles bajos.

Formalmente, $L_N$ es el percentil $(100-N)$ de la distribución del nivel con ponderación temporal: la grabación se convierte primero en una envolvente de nivel frente a tiempo (Fast por defecto), y $L_{10}$ es el valor de la envolvente superado el 10 % del tiempo. Eso hace que la elección de la ponderación temporal forme parte de la métrica: un $L_{10}$ con envolvente Slow es sistemáticamente más bajo que con una Fast en ruido impulsivo, por lo que las normativas siempre indican la ponderación temporal.

Leer Leq frente a los percentiles

$L_{eq}$ y la familia $L_N$ responden preguntas distintas sobre el mismo historial de niveles. $L_{eq}$ es una media energética, así que los momentos más ruidosos la dominan: un solo segundo a 100 dB eleva el $L_{eq}$ de una hora por lo demás estable a 60 dB hasta unos 66 dB, mientras que $L_{90}$, $L_{50}$ e incluso $L_{10}$ apenas se mueven (un evento de un segundo ocupa mucho menos del 10 % de la hora). Los percentiles son estadísticos de rango, robustos frente a eventos raros por construcción. En la práctica:

• $L_{eq}$ (y $L_{Aeq}$) es la métrica de dosis: las normativas, la exposición y los modelos de molestia se escriben con ella precisamente porque se niega a ignorar los eventos ruidosos raros.
• $L_{90}$ estima el nivel residual (de fondo) bajo una fuente intermitente, que es como lo usa el Anexo I de ISO 1996-2.
• $L_{10}$ sigue los picos de los eventos; la separación $L_{10}-L_{90}$ es un indicador rápido de intermitencia.
• $L_{eq}-L_{50}$ mide lo “picudo” que es el historial: en ruido estacionario casi coinciden, y cuanto más fluctúa el nivel más sube $L_{eq}$ por encima de la mediana (para una distribución gaussiana de niveles con desviación típica $\sigma$ dB, $L_{eq}\approx L_{50}+0,115{\sigma }^2$).

Una precaución: los percentiles no se combinan. Dos horas con $L_{90}$ conocidos no dan el $L_{90}$ de las dos horas con ninguna fórmula; recalcúlalo sobre la envolvente conjunta. Los valores de $L_{eq}$, en cambio, se combinan exactamente promediando energías ponderadas por el tiempo, que es lo que hace composite_rating_level más abajo.

Parámetros de ln_levels()

Parámetro	Tipo / forma	Unidades	Rango / valor por defecto	Notas
x	array 1D o 2D	unidades digitales	no vacío	2D devuelve diccionarios por canal
fs	int	Hz	> 0	Lo necesita el detector de envolvente
n	tupla de ints	%	por defecto (10, 50, 90)	Cualquier porcentaje de excedencia, p. ej. (1, 5, 95)
mode	str	—	'fast' (por defecto), 'slow', 'impulse'	Ponderación temporal IEC 61672-1 de la envolvente
weighting	str o None	—	'A', 'C', 'G', 'Z', None (por defecto)	Ponderación frecuencial previa a la envolvente
calibration_factor / dbfs	float / bool	—	como leq	Misma semántica que en leq()

Métricas de pico, evento y ocupacionales

import numpy as np
from phonometry import metrology

# recording: una captura de micrófono calibrada (Pa) — grabada con tu cadena de medición. Sintetizada aquí para que la guía funcione por sí sola.
fs = 48000
recording = 0.2 * np.sin(2 * np.pi * 1000 * np.arange(fs) / fs)
sensitivity = 1.0                                    # calibration_factor (ver Calibración)

# Pico ponderado C (IEC 61672-1 §5.13): los límites de acción laborales usan esto
peak = metrology.lc_peak(recording, fs, calibration_factor=sensitivity)

# Un único evento de ruido y una muestra de jornada (fragmentos de una grabación real)
event = recording
shift_sample = recording

# Nivel de exposición sonora: nivel del evento normalizado a 1 s (LAE)
lae = metrology.sel(event, fs, weighting="A", calibration_factor=sensitivity)

# Dosis diaria de ruido (IEC 61252): exposición en Pa²·h y LEX,8h / LEP,d
E = metrology.sound_exposure(shift_sample, fs, duration_hours=8, calibration_factor=sensitivity)
lex = metrology.lex_8h(shift_sample, fs, duration_hours=8, calibration_factor=sensitivity)

lc_peak está verificado contra las respuestas de referencia de ciclo único/semiciclo de la Tabla 5 de IEC 61672-1:2013, sel contra la columna LAE de la Tabla 4, y las funciones de dosis contra las anclas de IEC 61252 (3,2 Pa²h ↔ exactamente 90 dB). lc_peak sobremuestrea (polifásico) la señal ponderada C por oversample (por defecto 8) antes de tomar el máximo, recuperando el verdadero pico inter-muestra: un máximo en rejilla subestima los tonos de HF sostenidos hasta ~1,15 dB (un tono de 8 kHz a 48 kHz tiene solo 6 muestras/ciclo). Usa oversample=1 para detectar el pico en la rejilla original. Con duration_hours, la entrada se trata como muestra representativa de ese periodo de exposición; sin él, la entrada es el evento completo.

SEL: comparar eventos de distinta duración

Un paso de tren de 4 s y otro de 30 s no pueden compararse solo por su $L_{Aeq}$: el evento más largo entrega más energía al mismo nivel. El nivel de exposición sonora comprime la energía del evento completo en exactamente un segundo:

$$L_E=L_{eq,T}+10{\log }_{10}\frac{T}{T_0},T_0=1\text{s}$$

de modo que los eventos de cualquier duración resultan directamente comparables, y $N$ eventos idénticos se suman como $+10{\log }_{10}N$. Es el bloque básico de los modelos de ruido aeroportuario y ferroviario.

Mostrar el código de esta figura

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

# El paso de un vehículo: ruido bajo una envolvente de energía gaussiana (análisis en dBFS)
fs = 48000
t = np.arange(int(8.0 * fs)) / fs
rng = np.random.default_rng(11)
x = 0.3 * np.exp(-0.5 * ((t - 4.0) / 1.1) ** 2) * rng.standard_normal(t.size)

level = 10 * np.log10(np.maximum(metrology.time_weighting(x, fs, mode="fast"), 1e-12))
l_sel = float(metrology.sel(x, fs, dbfs=True))
l_eq = float(metrology.leq(x, dbfs=True))
print(f"Leq = {l_eq:.1f} dBFS, SEL = {l_sel:.1f} dBFS")
# Leq = -16.6 dBFS, SEL = -7.6 dBFS -> el bloque de 1 s lleva la energía del evento

fig, ax = plt.subplots()
ax.plot(t, level, linewidth=1.0, label="Nivel Fast del evento")
ax.hlines(l_eq, 0, 8, color="C2", linestyle="--",
          label=f"Leq sobre el evento completo = {l_eq:.1f} dBFS")
ax.fill_between([3.5, 4.5], -55, l_sel, color="C1", alpha=0.25)
ax.hlines(l_sel, 3.5, 4.5, color="C1", linewidth=2,
          label=f"SEL = {l_sel:.1f} dBFS: la misma energía en 1 s")
ax.set(xlabel="Tiempo [s]", ylabel="Nivel [dBFS]", ylim=(-55, l_sel + 6))
ax.legend(loc="lower left")
plt.show()

Dosis de ruido: exposición sonora y LEX,8h

Las normativas laborales limitan la dosis diaria, no el nivel. IEC 61252 la expresa como exposición sonora $E$ en pascales al cuadrado por hora (la integral temporal de la presión ponderada A al cuadrado) y el nivel normalizado a 8 h equivalente:

$$E={\int }_0^T{p}_A^2(t)dt[{\text{Pa}}^2\text{h}],L_{EX,8h}=10{\log }_{10}\frac{E}{8\text{h}\cdot p_0^2}$$

El ancla que conviene memorizar: 3,2 Pa²h ⇔ exactamente 90 dB durante 8 h (la suite de CI lo verifica). La mitad de dosis son −3 dB; el doble de duración al mismo nivel son +3 dB.

Parámetros de pico / evento / dosis

Función	Parámetros clave	Devuelve	Ancla normativa
lc_peak(x, fs, calibration_factor=1.0, dbfs=False)	dbfs=True referencia el pico a fondo de escala (1.0), no el RMS	LCpeak [dB]	IEC 61672-1 §5.13, ráfagas de tono de la Tabla 5
sel(x, fs, weighting=None, ...)	weighting='A' da el LAE	SEL [dB]	IEC 61672-1 Tabla 4 (columna LAE)
sound_exposure(x, fs, duration_hours=None, ...)	duration_hours trata x como muestra de ese periodo	E [Pa²h]	IEC 61252
lex_8h(x, fs, duration_hours=None, ...)	misma semántica de muestreo	LEX,8h [dB]	IEC 61252 (≡ LEP,d)

lex_8h califica una grabación; componer una jornada laboral completa a partir de muestras por tarea o por función, con el presupuesto normativo de incertidumbre de la ISO 9612, continúa en Exposición al ruido en el trabajo.

Ruido ambiental: Lden, Ldn y niveles de evaluación (ISO 1996-1)

La evaluación regulatoria del ruido pondera más las tardes y las noches. lden() implementa el nivel día-tarde-noche de ISO 1996-1:2016 (3.6.4: +5 dB tarde, +10 dB noche, periodos 12/4/8 h por defecto, ajustables porque cada país los define distinto), ldn() la variante día-noche (3.6.5) y composite_rating_level() el compuesto general de jornada completa del apartado 6.5 (Fórmulas 5-6) para periodos arbitrarios con ajustes por fuente o carácter (Tabla A.1: p. ej. +5 dB impulsivo regular, +12 dB altamente impulsivo, +3 a +6 dB tonos prominentes):

from phonometry import environmental

l = environmental.lden(63.2, 58.1, 51.4)                      # desde LAeq por periodo
r = environmental.composite_rating_level([(63.2, 12, 0.0),    # día
                            (58.1, 4, 5.0),     # tarde (+5)
                            (51.4, 8, 10.0)])   # noche (+10) == environmental.lden

Mostrar el código de esta figura

import numpy as np
import matplotlib.pyplot as plt
from phonometry import environmental

# LAeq horario sintético de una vía urbana (dB), horas 00 a 23
laeq_h = np.array([48, 46, 45, 45, 46, 50, 56, 64, 66, 65, 63, 63,
                   64, 63, 63, 64, 65, 66, 65, 64, 63, 62, 61, 50], dtype=float)

def period_leq(idx):
    return 10 * np.log10(np.mean(10 ** (laeq_h[idx] / 10)))  # media energética

ld = period_leq(np.arange(7, 19))                # día 07-19
le = period_leq(np.arange(19, 23))               # tarde 19-23
ln_ = period_leq(np.r_[23, np.arange(0, 7)])     # noche 23-07
l_den = environmental.lden(ld, le, ln_)
print(f"Lden = {l_den:.1f} dB")   # Lden = 64.3 dB

fig, ax = plt.subplots()
ax.axvspan(19, 23, color="C1", alpha=0.15)                                # tarde
ax.axvspan(23, 24, color="C0", alpha=0.15); ax.axvspan(0, 7, color="C0", alpha=0.15)
ax.step(np.arange(25), np.r_[laeq_h, laeq_h[-1]], where="post",
        color="0.3", label="LAeq horario")
ax.hlines(ld, 7, 19, color="C2", linestyle="--", label="Ldía (+0 dB)")
ax.hlines(le + 5, 19, 23, color="C1", linestyle="--", label="Ltarde + 5 dB")
ax.hlines([ln_ + 10, ln_ + 10], [23, 0], [24, 7], color="C0",
          linestyle="--", label="Lnoche + 10 dB")
ax.hlines(l_den, 0, 24, color="C3", linewidth=2, label=f"Lden = {l_den:.1f} dB")
ax.set(xlabel="Hora del día", ylabel="Nivel [dB]", xlim=(0, 24))
ax.legend(loc="upper left", fontsize=8, ncol=2)
plt.show()

Parámetros de lden() / ldn() / composite_rating_level()

Función	Parámetros clave	Notas
lden(lday, levening, lnight, hours=(12, 4, 8))	LAeq por periodo [dB]; hours debe sumar 24	+5 dB tarde, +10 dB noche (3.6.4)
ldn(lday, lnight, hours=(15, 9))		+10 dB noche (3.6.5)
composite_rating_level(periods)	iterable de (level_db, hours, adjustment_db)	Fórmulas generales (5)-(6); ajustes según la Tabla A.1

Dónde pones el micrófono cambia el número: ISO 1996-2 fija las posiciones del receptor y sus correcciones de fachada. El diagrama es contexto de medida; aplica las correcciones a tus niveles antes del análisis:

Combínalo con laeq() por periodo para ir de grabaciones a Lden, y con los veredictos tone_to_noise_ratio() / prominence_ratio() de Tonos discretos prominentes para justificar ajustes tonales.

Determinación de niveles: ajuste tonal, ruido residual e incertidumbre (ISO 1996-2)

ISO 1996-2:2017 es la parte de determinación: cómo el nivel medido se convierte en nivel de valoración y se reporta con su incertidumbre. La suma del nivel de valoración y las penalizaciones por periodo están en ISO 1996-1 (arriba); ISO 1996-2 aporta el ajuste tonal, la corrección de ruido residual y el presupuesto de incertidumbre.

Ajuste tonal (método de ingeniería, Anexo C). A partir del nivel tonal sumado en energía $L_{pt}$ y el nivel de ruido enmascarante $L_{pn}$ en la banda crítica alrededor de un tono, la audibilidad sobre el umbral de enmascaramiento es $\Delta L_{ta}=L_{pt}-L_{pn}+2+\lg [1+(f_c/502{)}^{2.5}]$ dB (Fórmula (C.3)), y el ajuste es $K_t=0$ para $\Delta L_{ta}<4$, $K_t=\Delta L_{ta}-4$ para $4\le \Delta L_{ta}\le 10$ y $K_t=6$ por encima (Fórmulas (C.4)–(C.6)). El ancho de banda crítico es 100 Hz hasta 500 Hz y el 20 % de $f_c$ por encima (Tabla C.1). El método de cribado en tercios de octava (tonal_seeking_survey) marca una banda que supera a ambas vecinas en 15/8/5 dB (baja/media/alta), y tonal_adjustment_from_mean_audibility mapea la audibilidad media de ISO/PAS 20065 a $K_t$ (Tabla J.1).

Mostrar el código de esta figura

import matplotlib.pyplot as plt
from phonometry import environmental

# ISO 1996-2:2007 Anexo C.5, Ejemplo 2 (dos tonos cerca de 400 Hz):
res = environmental.assess_tonal_audibility(tone_level=54.1, masking_noise_level=45.2,
                              centre_frequency=430.0)
print(res.audibility, res.adjustment)   # ΔLta ≈ 11,1 dB -> Kt = 6 dB
res.plot(language="es")
plt.show()

Corrección de ruido residual (Cláusula 10.4). residual_sound_correction() aplica $L=10\lg (10^{L^{\prime }/10}-10^{L_{\text{res}}/10})$ (Fórmula (16)). Con un residual dentro de 3 dB del nivel medido no se permite corrección alguna: el valor reportable es entonces el nivel medido sin corregir $L^{\prime }$, como cota superior del sonido específico (expuesto como reportable_upper_bound, con reliable=False). gaussian_residual_level() estima el residual a partir de niveles percentiles (Anexo I) y rechaza ordenaciones de percentiles invertidas.

Incertidumbre de medición (Cláusula 4, Anexo F). combined_standard_uncertainty() forma $u=\sqrt{\sum (c_j{u}_j{)}^2}$ (Fórmula (2)) y environmental_expanded_uncertainty() aplica $k=2$ (95 %) o $k=1.3$ (80 %); residual_correction_uncertainty() lleva la sensibilidad de la corrección residual (Fórmulas (F.7)/(F.8)) y uncertainty_from_repeated_measurements() la incertidumbre típica de mediciones repetidas: la vía primaria en el dominio de energía (Fórmulas (17)+(19)), con el sustituto en niveles de la Nota 2 (Fórmula (20)) reportado al lado como approximate_uncertainty y un aviso cuando los niveles se dispersan más de 3 dB, donde el sustituto se infla groseramente.

from phonometry import environmental

tonal = environmental.assess_tonal_audibility(54.1, 45.2, 430.0)  # TonalAssessmentResult
kt = tonal.adjustment                                             # 6 dB
tonal.plot()   # esta audibilidad sobre la curva de Kt, como en la figura de arriba
corr = environmental.residual_sound_correction(measured_level=58.0, residual_level=50.0)
u = environmental.combined_standard_uncertainty([0.59, 0.3, 2.0, 0.40, 0.38])  # 2,18 dB (G.2)
environmental.expanded_uncertainty(u)                            # 4,36 dB (k = 2)

Espectrograma de octavas (niveles vs tiempo)

Análisis de octava fraccional en tiempo corto: un nivel por banda y ventana, alineado en el tiempo entre bandas.

import numpy as np
from phonometry import metrology

# recording: una captura de micrófono calibrada (Pa) — grabada con tu cadena de medición. Sintetizada aquí para que la guía funcione por sí sola.
fs = 48000
recording = 0.2 * np.sin(2 * np.pi * 1000 * np.arange(fs) / fs)

bank = metrology.OctaveFilterBank(fs=48000, fraction=3)
levels, freq, times = bank.spectrogram(recording, window_time=0.125, overlap=0.5)
# levels: (bandas, ventanas) — listo para pcolormesh(times, freq, levels)

Un barrido logarítmico y dos ráfagas de tono, resueltos en el tiempo y en bandas normalizadas de tercio de octava.

Mostrar el código de esta figura

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

# Barrido logarítmico de 80 Hz -> 8 kHz más dos ráfagas de tono, con algo de ruido
fs = 48000
t = np.arange(int(4.0 * fs)) / fs
x = 0.5 * chirp(t, f0=80, t1=4.0, f1=8000, method="logarithmic")
x[int(1.0 * fs):int(1.3 * fs)] += np.sin(2 * np.pi * 4000 * t[: int(0.3 * fs)])
x[int(2.5 * fs):int(2.8 * fs)] += np.sin(2 * np.pi * 250 * t[: int(0.3 * fs)])
x += 0.01 * np.random.default_rng(42).standard_normal(t.size)

bank = metrology.OctaveFilterBank(fs=fs, fraction=3, order=6, limits=[50.0, 12000.0])
levels, freq, times = bank.spectrogram(x, window_time=0.125, overlap=0.5)

fig, ax = plt.subplots()
mesh = ax.pcolormesh(times, freq, levels, shading="auto")
ax.set_yscale("log")
ax.set(xlabel="Tiempo [s]", ylabel="Frecuencia [Hz]")
fig.colorbar(mesh, label="Nivel [dB]")
plt.show()

• Una entrada multicanal (channels, samples) devuelve (channels, bands, frames).
• times contiene el centro de cada ventana en segundos.
• mode='peak' da niveles de pico por ventana en lugar de RMS.
• zero_phase=True filtra las bandas hacia delante y atrás para que el retardo de grupo por banda no desplace las ventanas (solo análisis offline).

Parámetros de OctaveFilterBank.spectrogram()

Parámetro	Tipo	Unidades	Rango / valor por defecto	Notas
x	array 1D o 2D	unidades digitales	no vacío	2D devuelve (channels, bands, frames)
window_time	float	s	> 0; por defecto 0.125	Longitud de la ventana (0,125 s replica Fast)
overlap	float	—	0 ≤ overlap < 1; por defecto 0.5	Fracción de solape entre ventanas (0 = sin solape)
mode	str	—	'rms' (por defecto) o 'peak'	Detector por ventana
detrend	bool	—	por defecto True	Elimina el offset DC de cada banda antes del nivel (mejora la precisión en graves)
zero_phase	bool	—	por defecto False	Filtrado hacia delante y atrás (solo offline)
calibration_factor / dbfs	—	—	solo constructor	Se fijan en OctaveFilterBank(...), no por llamada

Consulta Calibración y dBFS para convertir unidades digitales a SPL físico, y Ponderación temporal para los detalles de la envolvente. Las estrategias ocupacionales de la ISO 9612 continúan en Exposición al ruido en el trabajo, los veredictos de prominencia tonal de ECMA-418-1 en Tonos discretos prominentes, y las curvas isofónicas de ISO 226 viven con las métricas de percepción en Sonoridad. Que un único Leq sea un resumen justo de una medición es, de entrada, una cuestión de estacionariedad: los tests de calificación de datos la responden objetivamente a partir de medias cuadráticas por segmento.

Qué cubre esta guía

Cubierto. La balística de envolvente Fast/Slow/Impulse de la IEC 61672-1:2013 que hay tras los niveles percentiles, el pico ponderado C del apartado 5.13 (lc_peak, verificado frente a la Tabla 5) y el nivel de exposición sonora (sel, verificado frente a la columna LAE de la Tabla 4); la exposición sonora y el LEX,8h de la IEC 61252:1993 (sound_exposure, lex_8h); el Lden, el Ldn y el nivel de valoración compuesto de la ISO 1996-1:2016 (apartado 6.5, environmental.lden/ldn/composite_rating_level); y el ajuste tonal (anexo C), la corrección de ruido residual (apartado 10.4) y el balance de incertidumbre de medida (apartado 4, anexo F) de la ISO 1996-2:2017.

No cubierto. La IEC 61252 se revisó en 2025; aquí solo están las fórmulas de la primera edición implementada (1993), no las de la más reciente. La ISO 1996-2 fija las posiciones del receptor y las correcciones de fachada que convierten una medida en bruto en el nivel que esperan las funciones de esta página: esos procedimientos de posición y corrección no están implementados, solo la aritmética que sigue una vez aplicados.

Véase también

• Ponderación temporal: el detector Fast/Slow/Impulse sobre el que se definen los niveles percentiles.
• Calibración: el factor de sensibilidad que convierte unidades digitales en los pascales que todo nivel de esta página asume.
• Exposición laboral (ISO 9612): las estrategias de medición en el puesto de trabajo que alimentan las medidas de dosis.
• Multicanal y rendimiento: niveles por canal y cómo combinarlos energéticamente.
• Referencia de la API: metrology.levels, environmental.measurement y environmental.rating.

Respuestas rápidas

¿Cuál es la diferencia entre Leq y SEL?

$L_{eq}$ es el nivel continuo equivalente: la media energética de la presión al cuadrado durante el tiempo de medición $T$, referida a $p_0=20\mu \text{Pa}$. El SEL, el nivel de exposición sonora ($L_{AE}$ si está ponderado A), comprime la energía del evento completo en exactamente un segundo: $L_E=L_{eq,T}+10{\log }_{10}(T/T_0)$ con $T_0=1\text{s}$, de modo que los eventos de cualquier duración resultan directamente comparables y $N$ eventos idénticos se suman como $+10{\log }_{10}N$.

¿Qué exposición sonora corresponde a 90 dB en una jornada de 8 horas?

Según IEC 61252:1993, la exposición sonora $E$ es la integral temporal de la presión ponderada A al cuadrado, expresada en pascales al cuadrado por hora, y $L_{EX,8h}$ (equivalente a $L_{EP,d}$) es el nivel correspondiente normalizado a 8 h. El ancla que conviene memorizar: 3,2 Pa²h corresponde a exactamente 90 dB durante 8 h. La mitad de dosis son -3 dB, y el doble de duración al mismo nivel son +3 dB.

¿Qué penalizaciones aplica Lden a la tarde y a la noche?

$L_{den}$, el nivel día-tarde-noche de ISO 1996-1:2016 (3.6.4), suma +5 dB al nivel de tarde y +10 dB al de noche antes de promediar energéticamente el día completo, con periodos por defecto de 12, 4 y 8 horas, ajustables porque cada país los define distinto. La variante día-noche $L_{dn}$ (3.6.5) conserva solo la penalización de +10 dB de noche.

Referencias

• Bies, D. A., Hansen, C. H. y Howard, C. Q. (2017). Engineering noise control (5th ed.). CRC Press. https://doi.org/10.1201/9781351228152La sección 2.5 (las medidas de ruido: Leq, Ldn, L10/L90 y sus usos previstos) y la sección 2.15 (campañas de ruido ambiental). ISBN 978-1-4987-2405-0.
• British Standards Institution. (2003). Description and measurement of environmental noise — Guide to quantities and procedures (BS 7445-1:2003). El compañero de práctica de medición de ISO 1996-1: qué familia de descriptores encaja con cada pregunta de evaluación, y los procedimientos de medición a su alrededor (BS 7445-2:1991 cubre la adquisición de datos para usos del suelo).
• International Electrotechnical Commission. (1993). Electroacoustics — Specifications for personal sound exposure meters (IEC 61252:1993). La exposición sonora E en Pa²h y el nivel normalizado a 8 h LEX,8h (≡ LEP,d), anclados en 3,2 Pa²h ⇔ exactamente 90 dB. Revisada después como IEC 61252:2025 (https://webstore.iec.ch/en/publication/68929); la primera edición es la implementada.
• International Electrotechnical Commission. (2013). Electroacoustics — Sound level meters — Part 1: Specifications (IEC 61672-1:2013). La balística de envolvente Fast/Slow/Impulse que sustenta los niveles percentiles, el pico ponderado C del apartado 5.13 (verificado contra las ráfagas de tono de la Tabla 5) y el nivel de exposición sonora verificado contra la columna LAE de la Tabla 4.
• International Organization for Standardization. (2016). Acoustics — Description, measurement and assessment of environmental noise — Part 1: Basic quantities and assessment procedures (ISO 1996-1:2016). Lden (3.6.4), Ldn (3.6.5) y el nivel de evaluación compuesto de jornada completa del apartado 6.5 (Fórmulas 5-6, ajustes de la Tabla A.1).
• Kinsler, L. E., Frey, A. R., Coppens, A. B. y Sanders, J. V. (2000). Fundamentals of acoustics (4.ª ed.). Wiley. Las definiciones de presión acústica, energía y nivel que sostienen Leq, SEL y las medidas de dosis (ISBN 978-0-471-84789-2).