Spektrogramme von Herzschlag-Audio
Spektrales Feature-Engineering ist eine der gängigsten Techniken im Machine Learning für Zeitreihendaten. Der erste Schritt in diesem Prozess ist die Berechnung eines Spektrogramms eines Sounds. Es beschreibt, welche spektralen Inhalte (z. B. tiefe und hohe Tonhöhen) im Zeitverlauf im Sound vorhanden sind. In dieser Übung berechnest du ein Spektrogramm einer Herzschlag-Audiodatei.
Wir haben einen einzelnen Herzschlag in der Variable audio geladen.
Diese Übung ist Teil des Kurses
<Kurs>Maschinelles Lernen für Zeitreihendaten in Python</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Import the stft function
____
# Prepare the STFT
HOP_LENGTH = 2**4
spec = ____(audio, hop_length=HOP_LENGTH, n_fft=2**7)