sample_rate, signal = wav.read('Male_Twenties.wav') pre_emphasis = 0.95 emphasized_signal = numpy.append(signal[0], signal[1:] - pre_emphasis * signal[:-1]) # 对信号进行短时分帧处理 frame_size = 0.025 # 设置帧长 frame_stride = 0.1 # 计算帧对应采样数(frame_length)以及步长对应采样数(frame_step) frame_length, frame_step = frame_size * sample_rate, frame_stride * sample_rate signal_length = len(emphasized_signal) # 信号总采样数 frame_length = int(round(frame_length)) # 帧采样数 frame_step = int(round(frame_step)) # num_frames为总帧数,确保我们至少有一个帧 num_frames = int(np.ceil(float(np.abs(signal_length - frame_length)) / frame_step)) pad_signal_length = num_frames * frame_step + frame_length z = np.zeros((pad_signal_length - signal_length)) # 填充信号以后确保所有的帧的采样数相等 pad_signal = np.append(emphasized_signal, z) indices = np.tile(np.arange(0, frame_length), (num_frames, 1)) + np.tile( np.arange(0, num_frames * frame_step, frame_step), (frame_length, 1)).T frames = pad_signal[indices.astype(np.int32, copy=False)] NFFT = 512 mag_frames = np.absolute(np.fft.rfft(frames, NFFT)) pow_frames = ((1.0 / NFFT) * ((mag_frames) ** 2)) log_pow_frames = logpowspec(pow_frames, NFFT, norm=1) # 保留语音的前3.5秒 # signal=signal[0:int(3.5*sample_rate)] # 信号预加重 # emphasized_signal=preemphasis(signal,coeff=0.95) # 显示信号 plt.plot(mag_frames) plt.title("Mag_Spectrum") plt.plot(emphasized_signal) plt.show() plt.plot(pow_frames) plt.title("Power_Spectrum") plt.show() plt.plot(log_pow_frames) plt.title("Log_Power_Spectrum") plt.show()中的三个图分别如何命名横纵坐标
时间: 2023-11-22 15:52:25 浏览: 28
第一个图应该命名为 "Mag_Spectrum",横坐标为频率,单位为 Hz,纵坐标为幅度,单位为未知。
第二个图应该命名为 "Power_Spectrum",横坐标为频率,单位为 Hz,纵坐标为功率,单位为未知。
第三个图应该命名为 "Log_Power_Spectrum",横坐标为频率,单位为 Hz,纵坐标为对数功率,单位为未知。
相关问题
sample_rate, signal = wav.read('Male_Twenties.wav') pre_emphasis = 0.95 emphasized_signal = numpy.append(signal[0], signal[1:] - pre_emphasis * signal[:-1])输出为折线图时横纵坐标该如何命名
横坐标可以命名为“时间”或“采样点”,纵坐标可以命名为“信号幅度”或“强度”。可以使用Matplotlib库的plot函数来绘制折线图,代码示例如下:
```
import matplotlib.pyplot as plt
plt.plot(emphasized_signal)
plt.xlabel('Time')
plt.ylabel('Amplitude')
plt.show()
```
其中,plt.xlabel和plt.ylabel分别用于设置横坐标和纵坐标的标签。您也可以根据具体情况进行修改。
age_preg_bar = px.box(risk_factor_df, x="age_cat", y="Num of pregnancies", color_discrete_sequence=["darkblue"], points="outliers", category_orders=["Teenager", "Twenties", "Thirties", "Forties", "Fifties", "Seventy and over"]) age_preg_bar.update_xaxes(title="Age Category") age_preg_bar.update_yaxes(title="Number of Pregnancies") age_preg_bar.update_layout(title="Distribution of number of pregnancies per age group") age_preg_bar.show()用pyecharts绘制代码
以下是使用pyecharts绘制类似的箱线图的代码:
```python
from pyecharts.charts import Boxplot
from pyecharts import options as opts
import pandas as pd
# 读入数据
risk_factor_df = pd.read_csv('risk_factor.csv')
# 按照年龄分组
groups = risk_factor_df.groupby('age_cat')['Num of pregnancies'].apply(list).reset_index()
# 绘制箱线图
boxplot = Boxplot().add_xaxis(groups['age_cat'].tolist()) \
.add_yaxis("", box_data=groups['Num of pregnancies'].tolist(), \
color="#5470c6", \
itemstyle_opts=opts.ItemStyleOpts(border_color="#5470c6",
border_width=2,
border_type="solid")) \
.set_global_opts(title_opts=opts.TitleOpts(title="Distribution of number of pregnancies per age group"),
yaxis_opts=opts.AxisOpts(name="Number of Pregnancies"),
xaxis_opts=opts.AxisOpts(name="Age Category"))
boxplot.render_notebook()
```
需要注意的是,pyecharts中的Boxplot图并没有针对离群点(points="outliers")进行单独的处理,而是将所有数据都绘制在同一个图中。如果需要将离群点单独绘制,可以考虑使用其他的图表类型或者自己对数据进行处理再绘图。