J'ai des fichiers audio d'appels échographiques d'animaux. 20kHz-70kHz est ma gamme d'intérêt (ce que je veux étudier). L'audio a été échantillonné à 250 kHz. Puis-je utiliser l'analyse par ondelettes pour étudier les appels dans cette plage de fréquences?
Brock McKean, ingénieur démarrage
Les analyses par ondelettes et FFT vont toutes les deux vous procurer ce que vous recherchez, mais au vu des sons, vous ne savez pas exactement ce que vous recherchez.
Vous pouvez analyser les signaux (appels) dans le domaine temporel (pour les paramètres tels que l'amplitude, la vitesse de balayage, la phase, etc.) ou dans le domaine fréquentiel (pour les paramètres tels que puissance, fréquence, délai de groupe, etc.). Vous avez besoin d'un algorithme pour comparer ces métriques, qui ne sont pas nécessairement liées au traitement du signal. Ce ne sont que des nombres d'un ensemble que vous essayez de trouver entre les deux.
Si vous recherchez un type d'appel spécifique à partir d'un type d'animal spécifique, vous pouvez également exécuter un "filtre" de corrélation capable d'identifier le signal comme étant similaire. C'est une implémentation idéale et difficile (en raison de toutes les contraintes et mesures que vous devez prendre).
Manuel V, B.Sc. Psychologie, paramédic
Répondu le 1 avril 2015
Bien sûr, l'analyse par ondelettes ou FFT est une option viable pour votre tâche. La question est, sont-ils nécessaires du tout? Habituellement, lorsque la FFT est utilisée par exemple pour analyser des diagrammes d'ondes cérébrales électriques, ce que vous avez mesuré auparavant sur une seule électrode EEG n'est qu'une valeur de tension à un instant donné. Vous disposez alors de nombreuses mesures de ce type sur une certaine période. Le résultat est une courbe représentant la tension dans le temps. Vous utilisez ensuite FFT pour déterminer quelles fréquences votre courbe résultante est composée. Étant donné que vous n'avez en un coup d'œil qu'une seule fréquence fluctuante représentée dans cette courbe unique par électrode, FFT prend tout son sens ici pour obtenir une meilleure compréhension des activités sous-jacentes, qui se traduisent par une courbe unique.
Corrigez-moi si je me trompe ici, mais pour autant que je me souvienne, vous obtenez tous les composants de fréquence d'un son lorsque vous enregistrez avec un microphone. C'est ainsi que les visualiseurs acoustiques sont possibles, sans besoin de puissance de calcul supérieure FFT en temps réel sur la chanson que vous écoutez. Ainsi, je ne vois aucune nécessité d’effectuer une analyse FFT ou Wavelet sur les sons enregistrés de votre animal. Vous pouvez simplement regarder leurs distributions de fréquence / temps avec un outil de traitement du son, et vous devriez obtenir un histogramme changeant dynamiquement. Vous pouvez alors exécuter un algorithme d'apprentissage automatique pour rechercher des modèles similaires dans ces sons, étant donné que vous en avez suffisamment. Le plus le mieux à cette fin.Vous pouvez discrétiser les fréquences et leurs amplitudes en catégories discrètes, puis créer des chaînes de Markov pour déterminer quelles fréquences sont souvent suivies par quelles autres fréquences, etc. Une fois que vous avez terminé avec cela, vous pouvez utiliser un algorithme de classification simple, ou vous pouvez utiliser la distance euclidienne pour calculer la similarité des différents sons animaux.
J'espère que ça a aidé.
Mohsin Tiwana, PhD, Développeur Bionique, Entrepreneur
Répondu le 6 avril 2015
dFFT (transformée de Fourier discrète)
Ondelettes, Echographie, Traitement du signal numérique, Audio, Traitement du signal, Question personnelle
