我正在尝试弄清楚如何检测一个录音语料库中的音节数。我认为一个好的代理可能是wave文件中的峰值。

这是我尝试用英语说的文件的内容（我的实际用例是斯瓦西里语）。该示例录音的记录是：“这是我试图使用计时器功能。我正在查看暂停和发声。” 此段落共有22个音节。

WAV文件：https：//www.dropbox.com/s/koqyfeaqge8t9iw/test.wav？ dl = 0

seewaveR中的程序包很棒，并且有多个潜在功能。首先，导入wave文件。

library(seewave)
library(tuneR)
w <- readWave("YOURPATHHERE/test.wav")  
w
# Wave Object
# Number of Samples:      278528
# Duration (seconds):     6.32
# Samplingrate (Hertz):   44100
# Channels (Mono/Stereo): Stereo
# PCM (integer format):   TRUE
# Bit (8/16/24/32/64):    16

我尝试的第一件事是timer()功能。它返回的内容之一是每次发声的持续时间。此功能可识别7个发声，远远少于22个音节。快速浏览情节表明，发声不等于音节。

t <- timer(w, threshold=2, msmooth=c(400,90), dmin=0.1)
length(t$s)
# [1] 7

我还尝试了fpeaks函数，但未设置阈值。它返回了54个峰。

ms <- meanspec(w)
peaks <- fpeaks(ms)

这按频率而不是时间绘制幅度。添加等于0.005的阈值参数可以滤除噪声并将计数减少到23个峰值，这与实际音节的数量非常接近（22）。

我不确定这是最好的方法。结果将对阈值参数的值敏感，因此我必须处理一大批文件。关于如何对此进行编码以检测表示音节的峰值的任何更好的想法？

我不认为以下是最佳解决方案，但是@ eipi10有一个很好的建议，可以在CrossValidated上查看此答案。所以我做了。

一种通用方法是对数据进行平滑处理，然后通过将局部最大滤波器与平滑处理进行比较来找到峰值。

第一步是创建argmax函数：

argmax <- function(x, y, w=1, ...) {
  require(zoo)
  n <- length(y)
  y.smooth <- loess(y ~ x, ...)$fitted
  y.max <- rollapply(zoo(y.smooth), 2*w+1, max, align="center")
  delta <- y.max - y.smooth[-c(1:w, n+1-1:w)]
  i.max <- which(delta <= 0) + w
  list(x=x[i.max], i=i.max, y.hat=y.smooth)
}

它的返回值包括局部最大值（x）的参数（可回答问题）以及这些局部最大值出现的x和y数组的索引（i）。

我对test绘图函数进行了少量修改：（a）显式定义x和y，（b）显示峰数：

test <- function(x, y, w, span) {
  peaks <- argmax(x, y, w=w, span=span)

  plot(x, y, cex=0.75, col="Gray", main=paste("w = ", w, ", span = ", 
                                              span, ", peaks = ", 
                                              length(peaks$x), sep=""))
  lines(x, peaks$y.hat,  lwd=2) #$
  y.min <- min(y)
  sapply(peaks$i, function(i) lines(c(x[i],x[i]), c(y.min, peaks$y.hat[i]),
                                    col="Red", lty=2))
  points(x[peaks$i], peaks$y.hat[peaks$i], col="Red", pch=19, cex=1.25)
}

就像fpeaks我在最初的问题中提到的方法一样，此方法也需要大量调整。我不知道要输入的“正确”答案（即音节/峰值的数量），所以我不确定如何定义决策规则。

par(mfrow=c(3,1))
test(ms[,1], ms[,2], 2, 0.01)
test(ms[,1], ms[,2], 2, 0.045)
test(ms[,1], ms[,2], 2, 0.05)

在这一点上，fpeaks对我来说似乎有点复杂，但仍不令人满意。

我在分析蛋白质电泳图谱时遇到类似的问题。我通过在配置文件的第二个派生类上应用msprocess R包的某些功能来解决它​​们（请参阅https://fr.wikipedia.org/wiki/D%C3%A9pouillement_d'une_courbe＃Position_et_hauteur_du_pic）。它已在此处发布：http : //onlinelibrary.wiley.com/doi/10.1111/1755-0998.12389/abstract;jsessionid=8EE0B64238728C0979FF71C576884771.f02t03

我不知道类似的解决方案是否可以为您服务。祝好运

这是我之前使用的Python库，当时它试图通过在自相关函数中找到峰值来估计周期性。

它使用一阶差分/离散导数进行峰值检测，并支持通过阈值和最小距离（连续峰值之间）参数进行调整。还可以使用高斯密度估计和内插来提高峰分辨率（请参阅链接）。

即使没有嘈杂的数据，它对我来说也非常有效，无需太多调整。试试看。

我想提出一个利用该changepoint软件包的解决方案。下面的简单示例尝试通过从可用数据中查看一个通道来识别峰值，此处将其定义为变化点。

例

数据采购

# Libs
library(seewave)
library(tuneR)

# Download
tmpWav <- tempfile(fileext = ".wav")
download.file(url = "https://www.dropbox.com/s/koqyfeaqge8t9iw/test.wav?dl=0",
              destfile = tmpWav)

# Read
w <- readWave(filename = tmpWav)

资料准备

# Libs
require(changepoint)

# Create time series data for one channel as an example
leftTS <- ts(data = w@left)

## Preview
plot.ts(leftTS)

通过plot.ts调用生成的图表：

变更点分析

该changepoint软件包提供了许多选项来标识数据中的变化/峰值。下面的代码仅提供一个使用BinSeg方法查找3个峰的简单示例：

# BinSeg method (example)
leftTSpelt <- cpt.var(data = leftTS, method = "BinSeg", penalty = "BIC", Q = 3)
## Preview
plot(leftTSpelt, cpt.width = 3)

获得的图表： 也可以获取值：

cpts(leftTSpelt)
[1]  89582 165572 181053

旁注

所提供的示例主要涉及说明如何将变更点分析应用于所提供的数据。传递给cp.var函数的参数应格外小心。以下文件给出了对该软件包及其可用功能的详细说明：

Killick，Rebecca和Eckley，Idris（2014）变更点：用于变更点分析的R包。统计软件杂志，58（3）。1-19页。

ecp

ecp，是另一个值得一提的R包。这ecp有助于进行非参数多变量更改点分析，如果希望识别跨多个通道发生的更改点，这可能会很有用。