Calculer l’enveloppe du son
L’une des façons d’améliorer les caractéristiques à disposition de votre modèle est de supprimer une partie du bruit présent dans les données. Avec des données audio, une méthode courante consiste à lisser les données puis à les redresser afin que la quantité totale d’énergie sonore au fil du temps soit plus identifiable. C’est ce que vous allez faire dans cet exercice.
Un fichier de battement cardiaque est disponible dans la variable audio.
Cet exercice fait partie du cours
Machine Learning for Time Series Data in Python
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Plot the raw data first
audio.____(figsize=(10, 5))
plt.show()