Ben ses kayıtları bir grup hece sayısını tespit etmek anlamaya çalışıyorum. Bence iyi bir vekil dalga dosyasında zirveler olabilir.

İşte İngilizce konuşan bir dosya ile denedim (gerçek kullanım durumum Kiswahili'de). Bu örnek kaydın transkripti: "Bu benim zamanlayıcı işlevini kullanmaya çalışıyorum. Duraklamalara, seslendirmelere bakıyorum." Bu pasajda toplam 22 hece vardır.

wav dosyası: https://www.dropbox.com/s/koqyfeaqge8t9iw/test.wav?dl=0

seewaveR paket harika ve birkaç olası fonksiyonlar vardır. İlk önce dalga dosyasını içe aktarın.

library(seewave)
library(tuneR)
w <- readWave("YOURPATHHERE/test.wav")  
w
# Wave Object
# Number of Samples:      278528
# Duration (seconds):     6.32
# Samplingrate (Hertz):   44100
# Channels (Mono/Stereo): Stereo
# PCM (integer format):   TRUE
# Bit (8/16/24/32/64):    16

Denediğim ilk şey işlevdi timer(). Geri döndüğü şeylerden biri de her seslendirmenin süresidir. Bu işlev, 22 heceden çok kısa olan 7 vokalizasyonu tanımlar. Konuya hızlı bir bakış, seslendirmelerin hecelere eşit olmadığını göstermektedir.

t <- timer(w, threshold=2, msmooth=c(400,90), dmin=0.1)
length(t$s)
# [1] 7

Ayrıca bir eşik ayarlamadan fpeaks işlevini denedim. 54 tepe döndü.

ms <- meanspec(w)
peaks <- fpeaks(ms)

Bu, genliği zaman yerine frekansa göre çizer. 0.005'e eşit bir eşik parametresi eklemek gürültüyü filtreler ve sayıyı gerçek hecelerin sayısına oldukça yakın olan 23 pik'e düşürür (22).

Bunun en iyi yaklaşım olduğundan emin değilim. Sonuç, eşik parametresinin değerine duyarlı olacak ve büyük bir dosya toplu işlemek zorundayım. Heceleri temsil eden zirveleri tespit etmek için bunu nasıl kodlayacağınız hakkında daha iyi fikirler var mı?

Aşağıdaki en iyi çözüm olduğunu düşünmüyorum, ancak @ eipi10 CrossValidated üzerinde bu yanıtı kontrol etmek için iyi bir öneri vardı . Ben de yaptım.

Genel bir yaklaşım, verileri düzeltmek ve daha sonra yerel bir maksimum filtreyi pürüzsüz ile karşılaştırarak tepe noktaları bulmaktır.

İlk adım argmaxişlevi oluşturmaktır :

argmax <- function(x, y, w=1, ...) {
  require(zoo)
  n <- length(y)
  y.smooth <- loess(y ~ x, ...)$fitted
  y.max <- rollapply(zoo(y.smooth), 2*w+1, max, align="center")
  delta <- y.max - y.smooth[-c(1:w, n+1-1:w)]
  i.max <- which(delta <= 0) + w
  list(x=x[i.max], i=i.max, y.hat=y.smooth)
}

Dönüş değeri, soruyu cevaplayan yerel maxima (x) argümanlarını ve bu yerel maxima'nın meydana geldiği x- ve y-dizilerine indeksleri içerir (i).

testÇizim işlevinde küçük değişiklikler yaptım : (a) açıkça x ve y tanımlamak için ve (b) tepe sayısını göstermek için:

test <- function(x, y, w, span) {
  peaks <- argmax(x, y, w=w, span=span)

  plot(x, y, cex=0.75, col="Gray", main=paste("w = ", w, ", span = ", 
                                              span, ", peaks = ", 
                                              length(peaks$x), sep=""))
  lines(x, peaks$y.hat,  lwd=2) #$
  y.min <- min(y)
  sapply(peaks$i, function(i) lines(c(x[i],x[i]), c(y.min, peaks$y.hat[i]),
                                    col="Red", lty=2))
  points(x[peaks$i], peaks$y.hat[peaks$i], col="Red", pch=19, cex=1.25)
}

fpeaksOrijinal sorumda bahsettiğim yaklaşım gibi , bu yaklaşım da iyi bir ayarlama gerektirir. Bunun içine "doğru" cevabı (yani hece / zirve sayısı) bilmiyorum, bu yüzden nasıl bir karar kuralı tanımlamak için emin değilim.

par(mfrow=c(3,1))
test(ms[,1], ms[,2], 2, 0.01)
test(ms[,1], ms[,2], 2, 0.045)
test(ms[,1], ms[,2], 2, 0.05)

Bu noktada fpeaksbenim için biraz daha az karmaşık görünüyor, ancak yine de tatmin edici değil.

Protein elektroforez profillerini analiz etmek için benzer problemler yaşadım. Profillerin ikinci türevlerine msprocess R paketinin bazı işlevlerini uygulayarak bunları çözdüm (bkz. Https://fr.wikipedia.org/wiki/D%C3%A9pouillement_d 'une_courbe # Position_et_hauteur_du_pic). Bu, burada yayınlanmıştır: http://onlinelibrary.wiley.com/doi/10.1111/1755-0998.12389/abstract;jsessionid=8EE0B64238728C0979FF71C576884771.f02t03

Benzer çözümün sizin için işe yarayıp yaramayacağı hakkında hiçbir fikrim yok. İyi şanslar

İşte otokorelasyon fonksiyonundaki zirveleri bularak periyodunu tahmin etmek isterken Python I'de bir kütüphane daha önce kullanılır.

Tepe tespiti için birinci dereceden farklar / ayrık türevler kullanır ve eşik ve minimum mesafe (ardışık pikler arasında) parametreleriyle ayarlamayı destekler. Gauss yoğunluk kestirimi ve enterpolasyon kullanılarak tepe çözünürlüğü de artırılabilir (bağlantıya bakınız).

Gürültülü veriler için bile, çok ince ayar yapmadan benim için kutudan oldukça iyi çalıştı. Bir şans ver.

changepointPaketi kullanan bir çözüm önermek istiyorum . Aşağıdaki basit örnek , mevcut verilerden bir kanala bakarak, burada değişiklik noktaları olarak tanımlanan zirveleri belirlemeye çalışır .

Misal

Veri kaynağı

# Libs
library(seewave)
library(tuneR)

# Download
tmpWav <- tempfile(fileext = ".wav")
download.file(url = "https://www.dropbox.com/s/koqyfeaqge8t9iw/test.wav?dl=0",
              destfile = tmpWav)

# Read
w <- readWave(filename = tmpWav)

Veri Hazırlama

# Libs
require(changepoint)

# Create time series data for one channel as an example
leftTS <- ts(data = w@left)

## Preview
plot.ts(leftTS)

plot.tsÇağrı yoluyla oluşturulan grafik :

Değişim noktası analizi

changepointPaket tanımlanması için seçenek bir dizi sağlar değişiklikleri / tepe noktaları veri. Aşağıdaki kod, BinSeg yöntemini kullanarak 3 tepe noktası bulmanın basit bir örneğini sunmaktadır :

# BinSeg method (example)
leftTSpelt <- cpt.var(data = leftTS, method = "BinSeg", penalty = "BIC", Q = 3)
## Preview
plot(leftTSpelt, cpt.width = 3)

Elde edilen grafik: Değer almak da mümkündür:

cpts(leftTSpelt)
[1]  89582 165572 181053

Yan notlar

Sağlanan örnek çoğunlukla değişiklik noktası analizinin sağlanan verilere nasıl uygulanabileceğini göstermekle ilgilidir; cp.varişleve iletilen parametreler konusunda dikkatli olunmalıdır . Paketin ve mevcut işlevselliklerin ayrıntılı bir açıklaması aşağıdaki makalede verilmiştir:

Killick, Rebecca ve Eckley, Idris (2014) değişim noktası: değişim noktası analizi için bir R paketi. İstatistiksel Yazılım Dergisi, 58 (3). s. 1-19.

ecp

ecp, R paketinden bahsetmeye değer başka bir şeydir . ecpBir birden fazla kanal üzerinden meydana gelen değişim noktaları tespit etmek istiyorum yararlı olabilir kolaylaştırır girişim parametrik olmayan çok değişkenli değiştirme noktası analizi.