Colsto localiza una cámara con el ruido tenue de aviones de hélice

De las curvas Doppler a los lugares candidatos

Colsto abrió el audio en un espectrograma, que representa las frecuencias a lo largo del tiempo. Al ampliar la banda adecuada aparecieron curvas debidas al efecto Doppler, el mismo que hace que la sirena de una ambulancia suene más aguda al acercarse. En un modelo simplificado, con un avión en línea recta y a velocidad constante, la magnitud del cambio de frecuencia indica su velocidad, y la rapidez del cambio ayuda a estimar la distancia mínima al micrófono.

Eligió dos pasadas separadas por unos 920 segundos. Después obtuvo los datos ADS-B de los vuelos sobre Estados Unidos continental ese día, descartó los modelos de reacción conocidos y creó una cuadrícula de posibles lugares separados 200 metros. Para cada punto calculó cuándo se habrían oído las pasadas, teniendo en cuenta el tiempo de propagación del sonido, la altitud de las aeronaves y la elevación del terreno.

La ausencia de otros ruidos durante casi quince minutos también sirvió de pista: descartó los lugares donde debería haberse oído otro avión, lo que redujo los candidatos de unos 73.000 a 15.000. Luego simuló las curvas esperadas para cada punto y las comparó con el espectrograma. Tras afinar la cuadrícula a 100 metros, destacó con claridad una combinación de lugar y vuelos.

Un método con condiciones

Al repetir la búsqueda con solo un minuto de audio y la hora conocida, las 20:37 UTC, bastó una pasada para hallar la misma zona. Street View confirmó después la cámara por la silueta de los árboles.

No es un atajo: Colsto habla de varios meses de trabajo, más de 5.000 líneas de código y 50 GB de datos. Además, hacen falta ruido de avión aprovechable, datos de vuelo disponibles e información suficiente para delimitar la búsqueda. Sus pruebas sugieren que la curva puede sobrevivir a ciertos filtros e incluso a una llamada telefónica, sin que eso implique que todos los filtros o dispositivos la conserven.