Spectrogramme matplotlib

Un spectrogramme est une représentation graphique des longueurs d'onde le long du temps qui représente la puissance de transmission à un moment donné dans le temps. En termes simples, un spectrogramme est une représentation du son. Il est également connu sous le nom de voix ou de voix de voix. Les niveaux de signal sont représentés par un spectrogramme, qui est affiché dans une variété de couleurs. Si la teinte du signal est brillante, cela indique que l'intensité du signal est forte.

En d'autres termes, le taux d'échantillonnage du spectrogramme est directement lié à la luminance de la couleur. La série de Fourier à court terme est utilisée pour fabriquer les spectrogrammes. Il effectue une évaluation simple variant dans le temps de la fréquence. L'idée principale est de décomposer l'onde sonore en petits morceaux, qui sont ensuite montrés sur un tracé contre la durée. La méthode SpecGram () a été utilisée avec les arguments appropriés pour cette représentation visuelle.

Dans cet article, nous examinerons en détail la façon de dessiner un spectrogramme dans Python en utilisant le module Matplotlib.

Utiliser PLT.Méthode SpecGram ()

Ici, nous allons discuter de la façon d'utiliser la fonction plt.specGram () pour dessiner le spectrogramme en python.

Importer Matplotlib.pypllot comme plt
Importer Numpy comme NP
mathématiques d'importation
Time_diff = 0.0005
Time_arr = np.lispace (1, 6, mathématiques.cel (6 / time_diff))
D = 30 * (np.péché (4 * np.pi * time_arr))
PLT.specGram (d, fs = 8, cmap = "arc-en-ciel")
PLT.Titre ('Figure 1')
PLT.xlabel ("axe x")
PLT.ylabel ("axe y-")
PLT.montrer()

Avant de commencer le code, nous devons introduire différentes bibliothèques. Matplotlib.Pyplot est utilisé pour créer des visualisations animées ou statiques. La bibliothèque Numpy fournit un grand nombre de données quantitatives. Et la bibliothèque mathématique est utilisée pour effectuer des calculs mathématiques.

Dans l'étape suivante, nous devons indiquer l'intervalle de temps pour prendre la photo du signal produit. Maintenant, nous initialisons un tableau de valeurs en utilisant la bibliothèque Numpy. Ici, nous appelons la fonction mathématique.ceil () et la valeur de la différence de temps sont fournies sous forme de paramètre à cette fonction.

De plus, nous créons un nouveau tableau qui contient les points de données réels que nous voulons être dessinés. Nous utilisons la méthode sin (). En tant que paramètre de cette fonction, nous multiplions les valeurs 3 et PI par le tableau déjà existant. Le spectrogramme est créé par l'utilisation du PLT.Méthode SpecGram ().

Les données, la fréquence et la couleur du tracé sont passées comme paramètre de cette fonction. De même, nous avons fixé le titre de l'axe X et de l'axe Y par l'utilisation du PLT.Fonction Label (). En fin de compte, nous représentons le graphique à l'aide du PLT.Méthode Show ().

Dessiner le spectrogramme ayant une palette de couleurs arc-en-ciel

Nous pouvons créer le spectrogramme par l'utilisation du PLT.Fonction SpecGram (). Et ici, nous pouvons spécifier la carte des couleurs en fournissant l'argument «CMAP» à la fonction plt.specGram ().

Importer Matplotlib.pypllot comme plt
Importer Numpy comme NP
NP.aléatoire.graines (9360801)
d_t = 0.0007
temps = np.Arange (1.0, 30.0, d_t)
sig1 = np.péché (5 * np.pi * 150 * heure)
sig2 = 1.4 * np.péché (1.4 * np.pi * 450 * heure)
sig2 [temps <= 11] = sig2[14 <= time] = 0
bruit = 0.8 * np.aléatoire.aléatoire (taille = len (temps))
A = SIG1 + SIG2 +
NFFT = 620
Fs = int (2.5 / d_t)
PLT.specGram (a, fs = fs, cmap = "arc-en-ciel")
PLT.Titre ('Figure 2',
FontSize = 22, fontwe] ight = 'normal')
PLT.montrer()

Tout d'abord, nous importons nos bibliothèques qui sont nécessaires pour les visualisations graphiques et l'analyse quantitative. Maintenant, nous appliquons la fonction aléatoire () de la bibliothèque Numpy pour déclarer un ensemble de données aléatoires. Nous spécifions la valeur du décalage horaire. Nous prenons une nouvelle variable et la déclarons avec la méthode arrange () de la bibliothèque Numpy.

De plus, nous intégrons les données de deux signaux par l'utilisation de la méthode sin () de la bibliothèque Numpy. Nous créons une nouvelle variable pour le bruit par la méthode aléatoire (). Ici, nous passons la fonction taille () pour trouver la longueur du signal de l'intervalle de temps.

Maintenant, nous faisons une nouvelle variable qui stocke les données du bruit et les deux autres signaux. En plus de cela, nous définissons la valeur de la longueur du segment et de la fréquence d'échantillonnage. La fonction plt.specgram () est appelé pour dessiner un spectrogramme. Cette fonction contient trois paramètres, y compris l'ensemble de données de l'axe X, la fréquence d'échantillonnage et la couleur de la carte.

Juste avant d'afficher le graphique, nous spécifions le titre du graphique par l'utilisation du PLT.Titre () Méthode. Ici, nous pouvons définir la forme et le poids de la police du titre.

Utilisation de NFFT pour dessiner le spectrogramme

Dans cette étape, nous créerons un spectrogramme par l'utilisation du paramètre NFFT.

Après avoir intégré les bibliothèques, nous devons réparer l'état aléatoire par l'utilisation de la méthode aléatoire (). Maintenant, nous spécifions le décalage horaire. Ici, sa valeur est 0.0007. De plus, nous déclarons la valeur de l'intervalle de temps en utilisant la fonction arrange () de la bibliothèque Numpy.

À l'étape suivante, nous acquérons les valeurs des deux ondes de signal à l'aide de la fonction sin (). Maintenant, nous créons un chirp temporaire du deuxième signal. Nous ajoutons la valeur du bruit dans le mélange en utilisant la fonction aléatoire (). Nous obtenons la longueur de l'onde de bruit.

De plus, nous définissons la valeur de NFFT. Il contient le nombre d'ensembles de données impliqués dans chaque bloc. La valeur de la fréquence d'échantillonnage est également définie. Pour créer des graphiques, nous créons d'abord deux objets, puis nous utilisons le PLT.Méthode sous-tracés (). Ici, nous avons défini le non. de lignes comme paramètre.

En plus de cela, nous utilisons la méthode SpecGram () pour dessiner le spectrogramme. Ici, nous avons passé la valeur du chevauchement en tant que paramètre. Cela montre le non. de points qui se chevauchent entre des morceaux. Enfin à la fin, nous devons montrer le graphique par l'utilisation de PLT.Fonction show ().

Conclusion

Nous avons expliqué la méthode pour créer un spectrogramme dans Python. Nous observons l'utilisation de la méthode SpecGram () pour ce type de visualisation. Nous pouvons spécifier le schéma de couleurs du spectrogramme en passant «CMAP» comme paramètre à la fonction SpecGram (). De plus, nous obtenons le spectrogramme ayant un motif de couleur arc-en-ciel.