2017년 11월 30일 목요일

두서없이 써본 파이썬 built-in functions

locals()
현재 범위에서 사용할 수 있는 이름들을 반환한다.

reset -sf
메모리에 있는 모든 변수를 삭제한다.

pow(a,b)
a의 b승. a**b와 같다.

run
ipython console창에서 파이썬 스크립트를 실행시킨다.
(예) In [1]: run gogoletsgo.py

sorted
입력값을 오름차순으로 정렬한 후 리스트로 반환

2017년 11월 29일 수요일

파일 입출력

파이썬의 기본 입력 매커니즘은 라인을 기반으로 한다. 데이터를 텍스트 파일에서 프로그램으로 읽어들이면 한 번에 한 라인씩 가져온다.

data = open('head_first.txt')
print(data.readline(), end='')

open으로 연 파일은 한 라인씩 읽어들이는 것이 기본이고, readline() 메서드로 파일에서 한 라인을 읽어 올 수 있다.
print 함수는 기본적으로 줄바꿈을 수행하지만 줄을 바꾸지 않으려면 end=''을 사용한다.

open() : 파일을 읽고 쓰기위해 아래의 모드를 지정해야 한다.
r : 읽기 모드. 기본 모드이므로 생략 가능하다.
w : 쓰기 모드. 기존에 파일이 있었다면 모든 내용이 지워진다.
w+ : 파일의 내용을 지우지 않고 읽고 쓰기 위한 모드
a : 파일의 끝에 추가하기 위한 모드

print() : 데이터를 파일로 출력하기 위해서 file 인자에 데이터 파일 객체를 지정해야 한다.
fID = open('data.out', 'w')
print('Nothing changes unless you change yourself.', file = fID)

문자열 매서드

strip() 문자열 앞뒤의 불필요한 공백을 제거

2017년 11월 28일 화요일

Spectral flatness

Spectral flatness or tonality coefficient,[1][2] also known as Wiener entropy,[3][4] is a measure used in digital signal processing to characterize an audio spectrum. Spectral flatness is typically measured in decibels, and provides a way to quantify how noise-like a sound is, as opposed to being tone-like.[2]

The meaning of tonal in this context is in the sense of the amount of peaks or resonant structure in a power spectrum, as opposed to flat spectrum of a white noise. A high spectral flatness (approaching 1.0 for white noise) indicates that the spectrum has a similar amount of power in all spectral bands — this would sound similar to white noise, and the graph of the spectrum would appear relatively flat and smooth. A low spectral flatness (approaching 0.0 for a pure tone) indicates that the spectral power is concentrated in a relatively small number of bands — this would typically sound like a mixture of sine waves, and the spectrum would appear "spiky".[5]

The spectral flatness is calculated by dividing the geometric mean of the power spectrum by the arithmetic mean of the power spectrum, i.e.:

{\mathrm {Flatness}}={\frac {{\sqrt[ {N}]{\prod _{{n=0}}^{{N-1}}x(n)}}}{{\frac {\sum _{{n=0}}^{{N-1}}x(n)}{N}}}}={\frac {\exp \left({\frac {1}{N}}\sum _{{n=0}}^{{N-1}}\ln x(n)\right)}{{\frac {1}{N}}\sum _{{n=0}}^{{N-1}}x(n)}}

where x(n) represents the magnitude of bin number n. Note that a single (or more) empty bin yields a flatness of 0, so this measure is most useful when bins are generally not empty.

The ratio produced by this calculation is often converted to a decibel scale for reporting, with a maximum of 0 dB and a minimum of −∞ dB.

The spectral flatness can also be measured within a specified subband, rather than across the whole band.

출처: <https://en.wikipedia.org/wiki/Spectral_flatness>

Spectral centroid

The spectral centroid is a measure used in digital signal processing to characterise a spectrum. It indicates where the "center of mass" of the spectrum is. Perceptually, it has a robust connection with the impression of "brightness" of a sound.[1]

It is calculated as the weighted mean of the frequencies present in the signal, determined using a Fourier transform, with their magnitudes as the weights:[2]

\mathrm {Centroid} ={\frac {\sum _{n=0}^{N-1}f(n)x(n)}{\sum _{n=0}^{N-1}x(n)}}

where x(n) represents the weighted frequency value, or magnitude, of bin number n, and f(n) represents the center frequency of that bin.

출처: <https://en.wikipedia.org/wiki/Spectral_centroid>

감마톤 필터

A gammatone filter is a linear filter described by an impulse response that is the product of a gamma distributionand sinusoidal tone. It is a widely used model of auditory filters in the auditory system.

출처: <https://en.wikipedia.org/wiki/Gammatone_filter>

감마톤 필터 대역폭은 1.01일 때와 필터 차수 4일 때 청각 특성을 가장 잘 반영한다.(한국음향학회 논문). 아래 매트랩 툴박스의 감마톤 필터의 필터 차수는 4로, 대역폭은 1.019로 설정되어있다. (gammatoneFast.m파일 참고)

Matlab Toolbox - need to install

bm = gammatoneFast(x,cfs,fs)

bm = gammatoneFast(...,align)

[bm,env] = gammatoneFast(...)

[bm,env,delay] = gammatoneFast(...)

NOTE: this function is now available from the IoSR Matlab Toolbox as iosr.auditory.gammatoneFast.

fs = 48000; % sample rate

numchans = 8; % number of frequency channels

t = -0.005:1/fs:0.025; % time (s)

% impulse

imp = zeros(numel(t), 1);

imp(t==0) = 1;

% centre frequencies

cfs = iosr.auditory.makeErbCFs(500, 7500, numchans);

% calculate impulse response fine structure

x1 = iosr.auditory.gammatoneFast(imp, cfs, fs);

x2 = iosr.auditory.gammatoneFast(imp, cfs, fs, true);

% normalise each frequency for plotting

for c = 1:numchans

x1(:, c) = x1(:, c) ./ max(abs(x1(:, c)));

x2(:, c) = x2(:, c) ./ max(abs(x2(:, c)));

end

% draw

figure

% non-phase aligned

subplot(1, 2, 1), iosr.figures.multiwaveplot(t*1000, 1:numchans, x1')

h = gca;

% phase aligned

subplot(1, 2, 2), iosr.figures.multiwaveplot(t*1000, 1:numchans, x2')

h(2) = gca;

% plot settings

set(h, 'yticklabel', num2str(round(cfs)'))

for n = 1:2

xlabel(h(n), 'Time [ms]');

ylabel(h(n), 'Frequency [Hz]');

end

title(h(1), 'Non-phase-aligned gammatone filterbank')

title(h(2), 'Phase-aligned gammatone filterbank')

출처: <https://kr.mathworks.com/matlabcentral/fileexchange/32212-gammatone-filterbank>

파고율(Crest factor)

크레스트 팩터는 교류 또는 사운드 와 같은 파형의 측정 값으로, 피크 값과 실효 값의 비율을 나타냅니다. 즉, 파고율은 파고가 파형에 얼마나 극단적인지 나타냅니다. 크레스트 팩터 1은 직류와 같이 피크가 없음을 나타냅니다 . 더 높은 크레스트 팩터는 피크를 나타내며, 예를 들어 음파는 높은 크레스트 팩터를 갖는 경향이 있습니다. 파고율은 파형의 피크 진폭을 파형의 RMS 값으로 나눈 값입니다.

소음 및 음향 공학

음향 및 오디오 엔지니어링에서 크레스트 팩터는 일반적으로 데시벨 표시되므로 RMS와 파형의 최고 값 사이의 레벨 차이로 정의됩니다 . 예를 들어, 사인파의 경우 1.414 비율은 20log(1.414) 또는 3dB입니다. 대부분의 주변 소음은 약 10dB의 파고율을 가지지만 총소리와 같은 임펄스성 소리는 30dB 이상의 파고율을 가질 수 있습니다.