STATLAB/Zadanie zaliczeniowe3: Różnice pomiędzy wersjami
m |
m |
||
| (Nie pokazano 7 wersji utworzonych przez 2 użytkowników) | |||
| Linia 1: | Linia 1: | ||
[[ZasadyZaliczenia]]/Projekt_1 | [[ZasadyZaliczenia]]/Projekt_1 | ||
| + | |||
| + | <br> | ||
| + | <hr> | ||
| + | Projekt proszę przygotować w postaci '''notebooka''' z opisem poszczególnych kroków i własnych przemyśleń. Gotowy projekt prosimy przesyłać do Jarosława Żygierewicza (jarekz@fuw.edu.pl). W razie wątpliwości będziemy prosili o obronę projektu. | ||
| + | <hr> | ||
===1. Dane === | ===1. Dane === | ||
| − | Poniżej | + | Poniżej znajdują się linki do dwóch fragmentów utworów audio. Zapisane są w formacie wav. Pliki takie można wczytać do programu pythonowego za pomocą funkcji <tt>scipy.io.wavfile.read</tt>( [https://docs.scipy.org/doc/scipy-0.18.1/reference/generated/scipy.io.wavfile.read.html dokumentacja] tej funkcji.) |
| − | [https://drive.google.com/ | + | [https://drive.google.com/file/d/1bcving2rqJxtFwB6l40DqGKcxKYzg3Jr/view?usp=sharing Candy_Dulfer_-_Lily_Was_Here.wav] |
| − | [https://drive.google.com/ | + | [https://drive.google.com/file/d/1CgOpkldAZnvd_zj1tGD572XLD3fDSIsJ/view?usp=sharing Rupert_Blaise_-_06_-_What_A_Wonderful_World.wav] |
===2. Analiza czasowa widma: spektrogram=== | ===2. Analiza czasowa widma: spektrogram=== | ||
| − | Programistyczna część projektu polega na samodzielnej implementacji spektrogramu: reprezentacji rozkładu energii sygnału w | + | Programistyczna część projektu polega na samodzielnej implementacji spektrogramu: reprezentacji rozkładu energii sygnału w dziedzinie czas-częstość. Idea tworzenia tej reprezentacji przedstawiona jest na poniższym rysunku. |
[[Plik:spectrogram.png|600px|thumb|center|Idea tworzenia spektrogramu]] | [[Plik:spectrogram.png|600px|thumb|center|Idea tworzenia spektrogramu]] | ||
| Linia 27: | Linia 32: | ||
** wzdłuż osi poziomej moc sygnału w czasie | ** wzdłuż osi poziomej moc sygnału w czasie | ||
** wzdłuż osi pionowej widmo mocy z całego prezentowanego odcinka czasu | ** wzdłuż osi pionowej widmo mocy z całego prezentowanego odcinka czasu | ||
| + | wskazówka: można skorzystać z instrukcji w https://matplotlib.org/stable/tutorials/intermediate/arranging_axes.html; warto też zpoznać się z koncepcjami pracy z osiami i ich własnościami: https://matplotlib.org/stable/users/explain/axes/axes_intro.html | ||
===3. Interpretacja wyniku=== | ===3. Interpretacja wyniku=== | ||
| Linia 32: | Linia 38: | ||
* Czy na podstawie takich spektrogramów jesteśmy w stanie odróżnić kiedy grał który instrument, lub kiedy był to głos ludzki? | * Czy na podstawie takich spektrogramów jesteśmy w stanie odróżnić kiedy grał który instrument, lub kiedy był to głos ludzki? | ||
* Czy dałoby się w ten sposób określić tony podstawowe? | * Czy dałoby się w ten sposób określić tony podstawowe? | ||
| + | |||
| + | ===4. Cochleogram: na bonus === | ||
| + | Zapoznać się z koncepcją cochleagramów (https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=7251910&tag=1) i porównać mapy czas częstość uzyskane tą techniką z mapami uzyskanymi za pomocą spektrogramów dla Rupert_Blaise_-_06_-_What_A_Wonderful_World.wav. | ||
[[ZasadyZaliczenia]]/Projekt_1 | [[ZasadyZaliczenia]]/Projekt_1 | ||
Aktualna wersja na dzień 09:06, 13 gru 2023
ZasadyZaliczenia/Projekt_1
Projekt proszę przygotować w postaci notebooka z opisem poszczególnych kroków i własnych przemyśleń. Gotowy projekt prosimy przesyłać do Jarosława Żygierewicza (jarekz@fuw.edu.pl). W razie wątpliwości będziemy prosili o obronę projektu.
Spis treści
1. Dane
Poniżej znajdują się linki do dwóch fragmentów utworów audio. Zapisane są w formacie wav. Pliki takie można wczytać do programu pythonowego za pomocą funkcji scipy.io.wavfile.read( dokumentacja tej funkcji.)
Candy_Dulfer_-_Lily_Was_Here.wav
Rupert_Blaise_-_06_-_What_A_Wonderful_World.wav
2. Analiza czasowa widma: spektrogram
Programistyczna część projektu polega na samodzielnej implementacji spektrogramu: reprezentacji rozkładu energii sygnału w dziedzinie czas-częstość. Idea tworzenia tej reprezentacji przedstawiona jest na poniższym rysunku.
Spektrogram otrzymujemy w następujący sposób:
- Sygnał dzielimy na fragmenty o długości N_okna
- Fragmenty mogą ale nie muszą na siebie nachodzić. Liczba próbek nachodzących niech będzie oznaczona N_wsp
- Dla każdego fragmentu estymujemy widmo gęstości energii za pomocą periodogramu z okienkiem okno
- Widma kolejnych fragmentów zapisujemy w macierzy numpy, tak, że i-ta kolumna zawiera widmo i-tego fragmentu
- Macierz wykreśl przy pomocy funkcji pylab.imshow, podając zakresy poszczególnych osi przy użyciu parametru extent
Kod należy przygotować tak, aby łatwo było modyfikować:
- okno, N_okna, N_wsp, czyli: typ okna, jego długość i stopień nachodzenia okien.
- zakres czasu i częstości wyświetlanej reprezentacji: [math] t_{min}, t_{max}, f_{min}, f_{max}[/math]
- ważne jest też wyświetlenie właściwych skal czasu i częstości
- wersja bardziej rozwinięta powinna także wyświetlać rozkłady brzegowe mocy tj.:
- wzdłuż osi poziomej moc sygnału w czasie
- wzdłuż osi pionowej widmo mocy z całego prezentowanego odcinka czasu
wskazówka: można skorzystać z instrukcji w https://matplotlib.org/stable/tutorials/intermediate/arranging_axes.html; warto też zpoznać się z koncepcjami pracy z osiami i ich własnościami: https://matplotlib.org/stable/users/explain/axes/axes_intro.html
3. Interpretacja wyniku
- Analizę spektrogramem wykonaj dla obu sygnałów i dla kilku różnych długości okien N_okna. Zinterpretuj widoczne różnice.
- Czy na podstawie takich spektrogramów jesteśmy w stanie odróżnić kiedy grał który instrument, lub kiedy był to głos ludzki?
- Czy dałoby się w ten sposób określić tony podstawowe?
4. Cochleogram: na bonus
Zapoznać się z koncepcją cochleagramów (https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=7251910&tag=1) i porównać mapy czas częstość uzyskane tą techniką z mapami uzyskanymi za pomocą spektrogramów dla Rupert_Blaise_-_06_-_What_A_Wonderful_World.wav.
ZasadyZaliczenia/Projekt_1
