• Keine Ergebnisse gefunden

dplot() Durchschnitt der Signale

N/A
N/A
Protected

Academic year: 2022

Aktie "dplot() Durchschnitt der Signale"

Copied!
15
0
0

Wird geladen.... (Jetzt Volltext ansehen)

Volltext

(1)

Abbildungen in EMU-R dplot eplot hplot

Jonathan Harrington & Tina John

(2)

dplot()

Eine Abbildung eines Parameters als Funktion der Zeit

s.ea = emu.query("seminar03", "gam*", "[Phonetic=e: | a:]")

Segmentliste aller [e:] und [a:] Vokale (Sprecher "gam" der seminar03 Sprachdatenbank Etikettierungen

l.ea = label(s.ea) Formanten

fvals = emu.track(s.ea, "fm")

Abbildung von F2 aller Segmente dplot(fvals[,2])

Werte in einer Trackdatei

0 50 100 150 200

1000140018002200

(3)

dplot() mit Trennung der Laute

dplot(TRACKWERTE , labelvektor)

s.ea = emu.query("seminar03", "gam*", "[Phonetic=e: | a:]") l.ea = label(s.ea)

fvals = emu.track(s.ea, "fm")

Abbildung von F2 aller Segmente nach Lauten getrennt

Werte

dplot(fvals[,2], l.ea)

0 50 100 150 200

1000140018002200

a:

e:

Labelvektor, der die Labels der Segmentliste enthält für welche auch die Trackdatei erzeugt wurde

(4)

dplot() Durchschnitt der Signale

dplot(TRACKWERTE , labelvektor, average=T)

s.ea = emu.query("seminar03", "gam*", "[Phonetic=e: | a:]") l.ea = label(s.ea)

fvals = emu.track(s.ea, "fm")

Abbildung vom Durchschnitt der F2 Werte aller Segmente nach Lauten getrennt

Werte Labelvektor

dplot(fvals[,2], l.ea, average=T) Durchschnitt der Trackwerte an den verschiedenen

Zeitpunkten 0 50 100 150 200

1000140018002200

time (ms)

a:

e:

Ohne Labelvektor würde der Durchschnitt über alle Segmente berechnet werden, was auch funktioniert.

(5)

F2 (alle Werte) vom zweiten und vierten Segment?

form[c(2,4),2]

Eine Abbildung davon dplot(form[c(2,4),2])

dplot() für eine Auswahl an Segmenten

segs = emu.query("seminar04", “agr*", "[Phonetic= i: | u: | a:]")

Segmentliste aller [i: u: a:] Vokale (Sprecher “agr" der seminar04 Sprachdatenbank Etikettierungen

l.segs = label(segs) Formanten

form = emu.track(segs, "fm")

0 50 100 150

100020003000

time (ms)

(6)

dplot() Synchronisierung der Signale

dplot(TRACKWERTE , offset = 0-1)

Abbildung der F2 Werte der Segmente 2 und 4 synchronisiert zum Segmentbeginn

Werte

dplot(form[c(2,4),2], offset = 0)

segs = emu.query("seminar04", “agr*", "[Phonetic= i: | u: | a:]") l.segs = label(segs)

form = emu.track(segs, "fm")

0 50 100 150

100020003000

time (ms)

Synchronisierung der Signale der verschiedenen Segmente zu einem Zeitpunkt (hier der Segmentonset) – default Einstellung

(7)

-50 0 50

100020003000

Abbildung der F2 Werte der Segmente 2 und 4 synchronisiert zum zeitlichen Mittelpunkt

Werte

dplot(form[c(2,4),2], offset = 0.5) Zeitlicher Mittelpunkt

dplot() Synchronisierung der Signale

dplot(TRACKWERTE , offset = 0-1)

segs = emu.query("seminar04", “agr*", "[Phonetic= i: | u: | a:]") l.segs = label(segs)

form = emu.track(segs, "fm")

(8)

dplot(form[c(2,4),2], offset=0.5)

0 50 100

100020003000

-50 0 50

100020003000

Sychronisierungszeitpunkt Segmentbeginn (default)

Sychronisierungszeitpunkt Mittelpunkt

dplot(form[c(2,4),2])

(9)

200 400 600 800 1000

500100020003000Spalte2

eplot(formmitte[,1:2], l.segs) Eine Matrix von 2 Spalten

dazu passende Etikettierungen

Spalte 1

Jede Ellipse schließt 95% der Werte ein

eplot()

F1 x F2 Ellipsen von [i: u: a:] zum zeitlichen Mittelpunkt.

F1-F4 zum zeitlichen Mittelpunkt formmitte = dcut(form, .5, prop=T)

segs = emu.query("seminar04", “agr*", "[Phonetic= i: | u: | a:]") l.segs = label(segs)

form = emu.track(segs, "fm")

Eine Abbildung eines Parameters über einen anderen Parameter

(10)

eplot(formmitte[,1:2],l.segs, dopoints=T)

u:u:u:u:

u: u:u:

u:u:

i:i:i:i:i:

i:i:

i:

i:

a:a:a:a:a:

a: a:a:

a:

200 400 600 800 1000

500100020003000

> temp = l.segs=="a:"

> form5[temp,1:2]

V3 V4 181 989 1684 244 985 1607 307 1036 1700 413 1020 1721 454 1009 1845 495 920 1744 620 890 1765 727 957 1741 822 988 1588

1036 1700

die tatsächlichen Werte abbilden

Die F1 und F2 Werte von [a:]

eplot() mit Abbildung der tatsächlichen Werte

(11)

eplot(formmitte[,1:2],l.segs, dopoints=T, form=T)

u:u:u:u:

u:u:u:

u:u:

i:i:i:i:i:

i:i:i:

i:

a:a:a:a:a:

a:a:a:

a:

200 600 1000

50015002500

u:u:u:

u:u:u:

u:

i:i:i:i:i:i:i: i:i: u:u:

a:a:

a:a:

a:a:a:

a:a:

3000 2000 1000

1000600F1 200

F2

Stelle

Höhe

eplot() transponieren (drehen) der Achsen

Dreht die Achsten

(12)

Segmentliste von [i: u: a:] Vokalen

> segs = emu.query("seminar04", "agr*", "Phonetic=i: | u: | a:")

Etikettierungen davon

> l.segs = label(segs)

Trackdatei F1-F4

form = emu.track(segs, "fm")

F1-F4 zum zeitlichen Mittelpunkt

formmitte = dcut(form, .5, prop=T)

Dauer

d = mudur(segs)

Verbinden der Parameter zu einer Matrix

mat = cbind(d, formmitte[,1])

Ellipse-Abbildung: Dauer-Werte (x-Achse) und F1 (y-Achse)

eplot() Beispiel

mat ist nun eine zweispaltige Matrix der Dauerwerte (Spalte 1) und F1 zum zeitlichen Mittelpunkt (Spalte 2)

(13)

eplot(mat, l.segs, dopoints=T, xlab="Dauer ms", ylab="F1 (Hz)")

u: u: u:

u: u:u:

u:

u: u:

i: i:i:i:i:i: i:

i: i:

a:a:a:a: a:

a: a:a:a:

100 150 200 250

2006001000

Dauer ms

F1 (Hz)

Plotten der mat Matrix mit dazugehörigen Labelvektor

eplot() Beispiel

(14)

hplot()

Histogramm-Abbildung (Ein Parameter)

Die Dauer-Werte als Histogramm darstellen

hplot(d, l.segs, xlab="Dauer (ms)")

100 150 200 250

012345

u:

100 150 200 250

012345

i:

100 150 200 250

012345

a:

Dauer (ms)

segs = emu.query("seminar04", “agr*", "[Phonetic= i: | u: | a:]") l.segs = label(segs)

d = mudur(segs)

Vektor der Werte

dazugehörige Labelvektor

(15)

Zusammenfassung

dplot(TRACKDATEI , optionen )

Eine Abbildung eines Parameters als Funktion der Zeit optionen

Labelvektor – trennt Lautkategorien offset – zeitliche Synchronisierung

average – Durchschnitt der einzelnen Kategorien eplot(2DIMMATRIX , labels , optionen )

Abbildung eines Parameters über einem anderen als Ellipsen optionen

dopoints = T – zeigt die labels an den absoluten Werten form = T – Transponiert die Achsen des plots

Weitere Optionen für die verschiedenen Plots

tippe help(PLOT) in R, PLOT jeweils der gesuchte Plottyp

Abbildung

Abbildung von F2 aller Segmente dplot(fvals[,2])
Abbildung von F2 aller Segmente nach Lauten getrennt
Abbildung vom Durchschnitt der F2 Werte aller Segmente nach Lauten getrennt
Abbildung der F2 Werte der Segmente 2 und 4 synchronisiert zum Segmentbeginn
+2

Referenzen

ÄHNLICHE DOKUMENTE

Hilfs—T.: hinten gelegen; zwei oder mehr gek‘uppelte Achsen, kleinere Räder; nur für Anfahren und Befahren stärkerer Steigungen; es arbeitet nur bis zu einer bestimmten

Hilfs—T.: hinten gelegen; zwei oder mehr gek‘uppelte Achsen, kleinere Räder; nur für Anfahren und Befahren stärkerer Steigungen; es arbeitet nur bis zu einer bestimmten

Rule 3: Otherwise (i.e., the distance to the nearest corner is more than ~, and the obstacle does not ex- tend past both sides of the window), then the robot travels to the

Gegeben eine Menge E von Ereignistypen, eine Ereignisfolge s über E, eine Klasse E von Episoden, eine Fensterbreite win, ein Schwellwert min_fr und einer min_conf!.

• Diese heißen Links- (bzw. Rechts-) Ableitungen und werden durch Index L bzw. Rechts-) Ableitungen entsprechen einem links-rechts (bzw.. rechts-links) preorder-DFS-Durchlauf durch

In conclusione, una funzione di autocorrelazione temporale ci dice per quanto tempo una certa proprietà del sistema permane prima che venga mediata a zero dalle fluttuazioni

Hierbei ist τ die mittlere Zeit zwischen zwei St¨ oßen des Elektrons an St¨ orstellen im Metall... Integriert man die Bewegungsgleichung f¨ ur allgemeine Energien, so erh¨ alt man

Wir betrachten die physikalische Situation, daß eine Welle von links (x < 0) einl¨auft und teilweise durch den Potentialtopf l¨auft, teilweise reflektiert wird. Welcher Bedingung