Parametrisierung,von,Spektra EnergieSummen Spektrale ...jmh/lehre/sem/ws1011/R/m… ·...
Transcript of Parametrisierung,von,Spektra EnergieSummen Spektrale ...jmh/lehre/sem/ws1011/R/m… ·...
![Page 1: Parametrisierung,von,Spektra EnergieSummen Spektrale ...jmh/lehre/sem/ws1011/R/m… · Parametrisierung,von,Spektra Jonathan,Harrington, EnergieSummen Spektrale,Momemte, Spektrale,Neigung](https://reader035.fdocument.pub/reader035/viewer/2022081408/6059d7f0ba7449261e44baf4/html5/thumbnails/1.jpg)
Parametrisierung von Spektra
Jonathan Harrington
Energie-‐Summen Spektrale Momemte Spektrale Neigung
![Page 2: Parametrisierung,von,Spektra EnergieSummen Spektrale ...jmh/lehre/sem/ws1011/R/m… · Parametrisierung,von,Spektra Jonathan,Harrington, EnergieSummen Spektrale,Momemte, Spektrale,Neigung](https://reader035.fdocument.pub/reader035/viewer/2022081408/6059d7f0ba7449261e44baf4/html5/thumbnails/2.jpg)
Das Ziel ist allen 3 Fällen ist, ein Spektrum, das sehr viele (z.B. 64, 256, 512..) Werte enthält, auf ein paar Parameter zu reduzieren.
Und zwar auf eine solche Weise, dass verschiedene phonePsche Lautklassen voneinander differenziert werden können.
![Page 3: Parametrisierung,von,Spektra EnergieSummen Spektrale ...jmh/lehre/sem/ws1011/R/m… · Parametrisierung,von,Spektra Jonathan,Harrington, EnergieSummen Spektrale,Momemte, Spektrale,Neigung](https://reader035.fdocument.pub/reader035/viewer/2022081408/6059d7f0ba7449261e44baf4/html5/thumbnails/3.jpg)
# Segmentliste v.s = emu.query("florian", "*", "phonePc=i:|u:|a:") # Label-‐Vektor v.l = label(v.s) # Spektrale Trackdatei v.d` = emu.track(v.s, "d`") # Spektra zum zeitlichen Miaelpunkt sp = dcut(v.d`, .5, prop=T) # Abbildung plot(sp[,0:3000], v.l, xlab="Frequenz (Hz)", ylab="Intensitaet (dB)")
Spektra mit Default-Weren, berechnen, Sprachdatenbank florian!
![Page 4: Parametrisierung,von,Spektra EnergieSummen Spektrale ...jmh/lehre/sem/ws1011/R/m… · Parametrisierung,von,Spektra Jonathan,Harrington, EnergieSummen Spektrale,Momemte, Spektrale,Neigung](https://reader035.fdocument.pub/reader035/viewer/2022081408/6059d7f0ba7449261e44baf4/html5/thumbnails/4.jpg)
1. Energie-Mittelwert
2 Frequenz-‐Bereichen, in denen sich die Vokale unterschieden.
zB
2200-3000 Hz
noch eine?
![Page 5: Parametrisierung,von,Spektra EnergieSummen Spektrale ...jmh/lehre/sem/ws1011/R/m… · Parametrisierung,von,Spektra Jonathan,Harrington, EnergieSummen Spektrale,Momemte, Spektrale,Neigung](https://reader035.fdocument.pub/reader035/viewer/2022081408/6059d7f0ba7449261e44baf4/html5/thumbnails/5.jpg)
dB Miaelwert 2200-‐3000 Hz vom ersten Segment? miael =
plot(sp[1,2200:3000]) abline(h = miael)
Eine FunkPon, fun auf alle Segmente einer spektralen Matrix m andwenden fapply(m, fun)
dB-‐Miaelwert 2200-‐3000 Hz aller Segmente?
fapply(): eine Funktion anwenden auf Spektra
mean(sp[1,2200:3000])
a = fapply(sp[,2200:3000], mean)
dB-‐Miaelwert aller Segmente vom anderen gewählten Frequenzbereich?
b =
Ellipse-‐Abbildung in diesem Raum
beide = cbind(a, b)
eplot(beide, v.l, dopoints=T)
![Page 6: Parametrisierung,von,Spektra EnergieSummen Spektrale ...jmh/lehre/sem/ws1011/R/m… · Parametrisierung,von,Spektra Jonathan,Harrington, EnergieSummen Spektrale,Momemte, Spektrale,Neigung](https://reader035.fdocument.pub/reader035/viewer/2022081408/6059d7f0ba7449261e44baf4/html5/thumbnails/6.jpg)
m1: erstes spektrales Moment (spektrales Gewichtsschwerpunkt)
Je mehr sich die Energie in höheren Frequenzen konzentriert, umso höher m1 (in Hz gemessen).
(a) m1 ist ca. 2000 Hz (die Energie ist in den Frequenzen gleich verteilt)
m1 gleich/höher/Pefer im Vgl. zu (a)?
(b) (c) (d)
m1 wird nicht von der dB-‐Skalierung beeinflusst
(b): m1 wie für (a) (a)
![Page 7: Parametrisierung,von,Spektra EnergieSummen Spektrale ...jmh/lehre/sem/ws1011/R/m… · Parametrisierung,von,Spektra Jonathan,Harrington, EnergieSummen Spektrale,Momemte, Spektrale,Neigung](https://reader035.fdocument.pub/reader035/viewer/2022081408/6059d7f0ba7449261e44baf4/html5/thumbnails/7.jpg)
Je verteilter die Energie im Spektrum, umso höher m2 (in Hz2)
m2: zweites spektrales Moment (spektrale Varianz)
(a)
(c)
(d) (f)
(e)
m2 wird nicht von der dB-‐Skalierung beeinflusst
(b): m2 wie für (a)
m1 von c-‐f im Vgl. zu (a)?
m2 von (c, d) > (a) m2 von (e) im Vgl. zu (c)?
m2 von (f) im Vgl. zu (d)?
![Page 8: Parametrisierung,von,Spektra EnergieSummen Spektrale ...jmh/lehre/sem/ws1011/R/m… · Parametrisierung,von,Spektra Jonathan,Harrington, EnergieSummen Spektrale,Momemte, Spektrale,Neigung](https://reader035.fdocument.pub/reader035/viewer/2022081408/6059d7f0ba7449261e44baf4/html5/thumbnails/8.jpg)
hoch Pef
Pef
hoch
m2
m1
Spektrale Momente einschätzen
![Page 9: Parametrisierung,von,Spektra EnergieSummen Spektrale ...jmh/lehre/sem/ws1011/R/m… · Parametrisierung,von,Spektra Jonathan,Harrington, EnergieSummen Spektrale,Momemte, Spektrale,Neigung](https://reader035.fdocument.pub/reader035/viewer/2022081408/6059d7f0ba7449261e44baf4/html5/thumbnails/9.jpg)
Die spektralen Momente im Bereich 0-‐3000 Hz vom ersten Segment?
p = moments( ) sp[1,0:3000], minval=T
p = fapply(sp[,0:3000],
Ellipse-‐Abbildung im Raum m1 x m2
Spektrale Momente in Emu-‐R
eplot(p[,1:2], v.l, dopoints=T)
moments, minval=T)
Die spektralen Momente im Bereich 0-‐3000 Hz aller Segmente?
![Page 10: Parametrisierung,von,Spektra EnergieSummen Spektrale ...jmh/lehre/sem/ws1011/R/m… · Parametrisierung,von,Spektra Jonathan,Harrington, EnergieSummen Spektrale,Momemte, Spektrale,Neigung](https://reader035.fdocument.pub/reader035/viewer/2022081408/6059d7f0ba7449261e44baf4/html5/thumbnails/10.jpg)
Lineare Neigung 1500-‐3000 Hz
a:
i:
u:
posiPv, flach, oder negaPv?
flach
+
-‐
![Page 11: Parametrisierung,von,Spektra EnergieSummen Spektrale ...jmh/lehre/sem/ws1011/R/m… · Parametrisierung,von,Spektra Jonathan,Harrington, EnergieSummen Spektrale,Momemte, Spektrale,Neigung](https://reader035.fdocument.pub/reader035/viewer/2022081408/6059d7f0ba7449261e44baf4/html5/thumbnails/11.jpg)
Lineare Neigung 1500-‐3000 Hz
Vom ersten Segment
lm(sp[1,1500:3000] ~ trackfreq(sp[1,1500:3000]))$coef
FunkPon, um die lineare Neigung zu berechnen:
spec = funcPon(specdaten) {
lm(specdaten ~ trackfreq(specdaten))$coef
}
FunkPon auf alle Segmente anwenden
erg = fapply(sp[,1500:3000], spec)
Boxplot der Neigungen als FunkPon der Vokal-‐Kategorie
boxplot(erg[,2] ~ v.l)