Le registrazioni vocali in contesti ambientali come piazze, documentari all’aperto o interviste in spazi pubblici italiani sono spesso compromesse da rumore di fondo non stazionario – traffico, riverbero, vento, e attività umana variabile – che riduce drasticamente la leggibilità del messaggio vocale. Mentre la trasformata di Fourier (FFT) è da tempo il pilastro della separazione segnale-rumore, la sua efficacia dipende criticamente dalla scelta accurata dei parametri spettrali, soprattutto quando il rumore varia nel tempo. Questo articolo approfondisce una metodologia esperta, passo dopo passo, per calibrare i parametri FFT in modo dinamico e contestuale, garantendo una riduzione del rumore mirata e professionale, mantenendo la naturalezza della voce italiana.

—

## 1. Introduzione: il problema del rumore non stazionario nelle registrazioni italiane

Le registrazioni audio in contesti urbani o ambientali italiani sono caratterizzate da rumore di fondo fortemente non stazionario: transitori di traffico, voci di passanti, rumori meccanici intermittenti e riverbero accentuato in spazi aperti o semi-chiusi. A differenza di rumori stazionari (come il ronzio di un condizionatore), il rumore non stazionario presenta variazioni rapide di intensità e frequenza, sfidando i tradizionali filtri FFT standard. Questo tipo di rumore mina la leggibilità del testo, poiché altera la chiarezza spettrale delle vocali e consonanti, soprattutto in lingue come l’italiano, dove l’intonazione e la durata delle fonemi sono cruciali per la comprensione. La FFT, se non calibrata con parametri adatti, può attenuare erroneamente componenti vocaliche vitali o lasci passare rumori percettivamente fastidiosi.

> *“Un filtro FFT generico, applicato senza considerare la natura dinamica del rumore italiano, rischia di “appiattire” il segnale vocale, eliminando bande basse essenziali o non isolando correttamente le frequenze di interferenza.”* — Esperto audio ref. Tier 2

—

## 2. Fondamenti FFT per la filtrazione dinamica in campionamenti non stazionari

La trasformata di Fourier rapida permette di convertire il segnale audio dal dominio temporale a quello spettrale, rivelando dove e quando il rumore si concentra. Tuttavia, per dati non stazionari, un’unica FFT globale per l’intero campione non è sufficiente: è necessario un approccio a finestra sovrapposta (overlap-add), che suddivide il segnale in brevi intervalli temporali (tipicamente 20-40 ms), applica una finestra (Hann o Hamming) per ridurre le discontinuità spettrali e calcola la FFT su ogni finestra. Questo processo genera uno spettrogramma dinamico, che evidenzia l’evoluzione temporale dell’energia nelle frequenze vocali (80–250 Hz) e nelle pause (50–200 ms), fondamentali per distinguere voce da rumore.

### Parametri FFT chiave
– Δf = Fs / N: risoluzione in frequenza, dove Fs è il tasso di campionamento (es. 48 kHz) e N la dimensione della finestra.
– Sovrapposizione (overlap): 50–75% tra finestre per preservare transizioni rapide.
– Finestra: Hann riduce aliasing, Hamming migliora la localizzazione temporale.

> *“In ambienti urbani italiani, una finestra troppo corta (es. 20 ms) può generare artefatti spettrali, mentre una troppo lunga (40+ ms) smorza le variazioni rapide del rumore di fondo, come il passaggio di un furgone o il fruscio dell’acqua.”* — Protocollo Tier 2

—

## 3. Fase 1: preprocessing e analisi iniziale del segnale vocale

Prima di applicare la FFT, è fondamentale normalizzare dinamicamente l’ampiezza per compensare variazioni di volume, riducendo l’impatto di picchi improvvisi. Successivamente, si applica una finestra di Hann per minimizzare le discontinuità agli estremi della finestra, prevenendo “leakage” spettrale. Infine, si estraggono caratteristiche fondamentali: energia media per finestra, spettrogramma iniziale (2D matrice frequenza×tempo), e analisi F0 per identificare le frequenze fondamentali e le pause articolatorie tipiche del parlato italiano.

**Passo 1.1: Normalizzazione dinamica**
def normalizza_ampiezza(segnale, fattore=0.5):
rms = np.sqrt(np.mean(segnale**2))
segnale_norm = segnale * (fattore / (rms + 1e-8))
return segnale_norm

**Passo 1.2: Finestratura e applicazione finestra Hann**
def applica_finestra(segnale, n_finestra=512, finestra=’hann’):
finestra = np.hanning(n_finestra)[:n_finestra]
segnale_finestrato = segnale[:n_finestra] * finestra
return segnale_finestrato

**Passo 1.3: Calcolo spettrogramma con overlap-add**
def calcola_spectrogramma(segnale, n_finestra=512, overlap=0.75, Fs=48000):
n_finestr = int(len(segnale) / (n_finestra * (1 – overlap)))
samples_per_finestra = n_finestra * (1 – overlap)
fft_finestre = np.zeros((n_finestre, n_finestra//2 + 1))

for i in range(n_finestre):
inizio = i * samples_per_finestra
finestra = applica_finestra(segnale[inizio:inizio+samples_per_finestra], n_finestra, ‘hann’)
fft = np.fft.rfft(finestra, n=n_finestra//2 + 1)
fft_finestre[i] = fft

return fft_finestre, samples_per_finestra

—

## 4. Fase 2: calibrazione avanzata dei parametri FFT per rumore non stazionario

La calibrazione ottimale richiede di adattare Δf e la strategia di sovrapposizione al profilo spettrale tipico del parlato italiano. Frequenze vocali primarie (80–250 Hz) richiedono una risoluzione sufficiente per distinguere fonemi come “u”, “o”, “p” e “b”, mentre pause lunghe (50–200 ms) necessitano di finestre più corte per tracciare variazioni rapide. Il parametro di sovrapposizione 75% è ideale per catturare transizioni senza sovraccaricare il calcolo.

### Parametri ottimizzati per il contesto italiano
– Δf = 48000 / 512 = 93,75 Hz (sufficiente per risolvere vocali e pause)
– Sovrapposizione: 75% (0,75) per bilanciare precisione temporale e carico computazionale
– Finestra: Hann (minimizza aliasing spettrale)
– Campionamento: 48 kHz (standard professionale italiano)

> *“Un Δf più basso migliora la risoluzione ma aumenta il carico; in ambienti con rumore dinamico, la sovrapposizione elevata preserva la continuità spettrale senza artefatti.”* — Esperto Tier 2

—

## 5. Fase 3: selezione dinamica e filtraggio delle bande di rumore

Per ridurre il rumore senza appiattire la voce, si implementa un filtro ibrido dinamico: un Metodo A basato su soglia adattativa (media mobile esponenziale del livello rumore) filtra le bande inferiori sotto 80 Hz, dove il rumore spesso contiene componenti basse ma non vocaliche, mentre un Metodo B rileva deviazioni standard elevate rispetto al segnale parlando, identificando anomalie spettrali tipiche di rumori transienti (es. furgone, campanello).

**Metodo A: soglia energetica adattativa**
def soglia_adattiva(segnale_finestrato, finestra_len=512, alpha=0.3):
# Calcolo media mobile esponenziale del livello RMS
rms = np.convolve(np.abs(segnale_finestrato), np.ones(finestra_len)/finestra_len, mode=’valid’)
soglia = alpha * np.mean(rms) + 2 * np.std(rms)
attenuazione = np.where(segnale_finestrato > soglia, (segnale_finestrato / soglia), segnale_finestrato)
return attenuazione

**Metodo B: rilevamento anomalie tramite deviazione standard**
def anomalie_sd(segnale_finestrato, finestra_len=512):
sd = np.std(segnale_finestrato[:, -finestra_len:]) / np.mean(segnale_finestrato[:, -finestra_len:])
epsilon = 0.5 * sd # soglia dinamica
anomalie = np.where(np.abs(segnale_finestrato) > epsilon, 1, 0)
return anomalie

**Filtro ibrido finale**
def filtra_hybrid(segnale, fft_finestre, soglia_metodo_a, anomalie_metodo_b, overlap=0.75):
seg_elaborato = np.copy(segnale)
for i in range(len(fft_finestre)):
# Applica soglia energetica
seg_elaborato[…, i] = np.where(fft_finestre[i] > soglia_metodo_a, seg_elaborato[…, i], seg_elaborato[…, i])
# Rafforza con rilevamento anomalie
seg_elaborato[…, i] = np.where(anomalie_metodo_b[i:i+1] == 1, seg_elaborato[…, i], seg_elaborato[…, i])
return seg_elaborato

—

## 6. Fase 4: implementazione del filtro con ottimizzazione in tempo reale

La pipeline di elaborazione si struttura in quattro fasi:
i) Campionamento e windowing preciso,
ii) FFT a finestra sovrapposta con sovrapposizione 75%,
iii) Applicazione dinamica della soglia ibrida,
iv) Trasformata inversa con ricostruzione fluida e minimizzazione di artefatti.

**Pipeline ottimizzata in Python (scipy + numpy):**
import numpy as np
import scipy.fft as sp

def filtro_fft_ottimizzato(segnale, Fs=48000, n_finestra=512, overlap=0.75, alpha=0.