Differences

This shows you the differences between two versions of the page.

--- graficar_respuesta_del_barrido_en_frecuencia_con_python [2024/06/02 22:36] – [Notas Adicionales] oso
+++ graficar_respuesta_del_barrido_en_frecuencia_con_python [2024/10/17 21:42] (current) – external edit 127.0.0.1
@@ Line 212: / Line 212: @@
   * **Seguridad Auditiva**: Asegúrate de mantener el volumen a un nivel seguro para evitar daños auditivos, especialmente cuando trabajes con frecuencias altas y barridos de amplio rango.
-Prueba este script y ajusta los parámetros según tus necesidades. ¡Buena suerte con tu análisis de la respuesta en frecuencia de tu dispositivo de sonido!
+===== Ventana de Hann y media móvil =====
+<code python: sweep_Hanning_5x_movingavg.py>
+import numpy as np
+import pyaudio
+import matplotlib.pyplot as plt
+from scipy.signal import get_window, butter, filtfilt
+from scipy.fft import fft
+def generate_sweep(start_freq, end_freq, duration, sample_rate=44100):
+    t = np.linspace(0, duration, int(sample_rate * duration), False)
+    sweep = np.sin(2 * np.pi * np.logspace(np.log10(start_freq), np.log10(end_freq), t.size))
+    return t, sweep
+def play_and_record(sweep, duration, sample_rate=44100, channels=1):
+    p = pyaudio.PyAudio()
+    stream = p.open(format=pyaudio.paFloat32,
+                    channels=channels,
+                    rate=sample_rate,
+                    output=True,
+                    input=True,
+                    frames_per_buffer=1024)
+    recorded_frames = []
+    stream.start_stream()
+    stream.write(sweep.astype(np.float32).tobytes())
+    for _ in range(0, int(sample_rate / 1024 * duration)):
+        data = stream.read(1024)
+        recorded_frames.append(np.frombuffer(data, dtype=np.float32))
+    stream.stop_stream()
+    stream.close()
+    p.terminate()
+    recorded_signal = np.hstack(recorded_frames)
+    return recorded_signal
+def analyze_frequency_response(sweep, recorded_signal, sample_rate=44100):
+    len_min = min(len(sweep), len(recorded_signal))
+    sweep = sweep[:len_min]
+    recorded_signal = recorded_signal[:len_min]
+    # Aplicar una ventana de Hann
+    window = get_window('hann', len(recorded_signal))
+    yf = fft(recorded_signal * window)
+    xf = np.fft.fftfreq(len(recorded_signal), 1 / sample_rate)
+    # Solo tomar la parte positiva del espectro
+    pos_freqs = xf[:len(xf) // 2]
+    power = np.abs(yf[:len(yf) // 2]) ** 2
+    return pos_freqs, power
+def moving_average(data, window_size):
+    return np.convolve(data, np.ones(window_size)/window_size, mode='valid')
+def plot_frequency_response(frequencies, power):
+    power += 1e-10  # Agregar un valor pequeño para evitar log10(0)
+    smoothed_power = moving_average(10 * np.log10(power), 1000)  # Ajusta el tamaño de la ventana según sea necesario
+    plt.figure(figsize=(10, 6))
+    plt.plot(frequencies[:len(smoothed_power)], smoothed_power, label='Smoothed Response')
+    plt.plot(frequencies, 10 * np.log10(power), alpha=0.3, label='Original Response')
+    plt.title('Frequency Response')
+    plt.xlabel('Frequency (Hz)')
+    plt.ylabel('Power (dB)')
+    plt.xscale('log')
+    plt.grid()
+    plt.legend()
+    plt.show()
+if __name__ == "__main__":
+    start_freq = 20
+    end_freq = 20000
+    duration = 10  # Duración en segundos
+    sample_rate = 44100
+    t, sweep = generate_sweep(start_freq, end_freq, duration, sample_rate)
+    recorded_signals = [play_and_record(sweep, duration, sample_rate) for _ in range(5)]
+    # Promediar las respuestas en frecuencia
+    power_avg = np.zeros(len(recorded_signals[0]) // 2)
+    for recorded_signal in recorded_signals:
+        frequencies, power = analyze_frequency_response(sweep, recorded_signal, sample_rate)
+        power_avg += power
+    power_avg /= len(recorded_signals)
+    plot_frequency_response(frequencies, power_avg)
+</code>
+==== Resultado ====
+{{:sweep_hann_window_test01.png?nolink|}}
+{{:figure_1_probing.png?nolink|}}