audio-spektralc/elitebook-8540w/fazni-sum

77 lines
2.7 KiB
Plaintext
Raw Normal View History

2021-02-16 12:55:11 +01:00
#!/usr/bin/python3
print('*** Preprost zvočni spektralni analizator - S53MV 28.09.2020 ***')
print('*** popravek odziva za EliteBook 8540w - Andrej 11.2.2012 ***')
print('*** meritev faznega suma - Andrej 15.2.2012 ***')
fs=192000 #Frekvenca vzročenja zvočnega signala (max 192000Hz)
pts=2048 #Število točk spektra 0...fs/2 (potenca 2 za učinkovit FFT)
avg=128 #Število povprečenj spektra
import sounddevice as sd #Poiskati na spletu in naložiti s pip3!
import numpy as np #Uporaba učinkovitih funkcij numpy
import matplotlib.pyplot as plt #Risanje rezultata z matplotlib
2021-02-16 13:55:52 +01:00
import matplotlib.animation as animation
2021-02-16 12:55:11 +01:00
sd.default.device = 0
fskala=np.linspace(0,fs/2,2*pts+1)[:-1] #Izračunaj frekvenčno skalo [Hz]
### podatki za kalibracijo sistema
dSB = -42 #dB
L = 1256 #metrov
tau = L*1.4676/3e8
### popravek odziva
odziv = np.loadtxt("5mhz-polinom-2048tock.csv", delimiter=',')
a = odziv[:,1]
popravek = np.max(a[4:-1])-a[4:-1]
2021-02-16 13:08:20 +01:00
2021-02-16 12:55:11 +01:00
def spekter(fs,pts,avg,fskala): #Zajem signala z zvočno kartico in povprečenje spektra [dB]
s=sd.rec(pts*(1+avg),samplerate=fs,channels=1) #Vzorčenje ADC zvočne kartice, 2D polje!
sd.wait() #Počakaj do konca vzorčenja
nz=1.e-12 #Dodatek za neničelni argument logaritma
s2=np.square(s) #Izpis jakosti/max [dB]
print('Jakost:',"%.1f"%(10*np.log10(nz+np.mean(s2))),'dB Vrh:',"%.1f"%(10*np.log10(nz+np.amax(s2))),'dB',end=' ')
o=1+np.cos(np.linspace(-np.pi,np.pi,2*pts)) #Okno dvignjeni kosinus
k=0
s2=np.zeros(2*pts)
while k<pts*avg: #Seštevanje moči FFT
s2=s2+np.square(np.abs(np.fft.rfft(o*s.reshape(-1)[k:k+2*pts],n=4*pts)[:-1]))
k+=pts
s=10*np.log10(nz+0.5*s2/pts/pts/avg) #Povprečje [dB]
2021-02-16 13:55:52 +01:00
#print(' Max:',"%.1f"%(np.amax(s)),'dB @',"%.1f"%(fskala[np.argmax(s)]),'Hz')
2021-02-16 12:55:11 +01:00
return s[4:-1]+popravek
2021-02-16 13:55:52 +01:00
### izris z animacijo
f=fskala[4:-1]
initsum = spekter(fs,pts,avg,fskala)
fig,ax = plt.subplots()
raw,pn, = ax.plot(f,initsum,f,initsum)
2021-02-17 10:29:02 +01:00
ax.set_xlim(100, 100000)
2021-02-16 13:55:52 +01:00
ax.set_ylim(-130,-30)
2021-02-17 10:29:02 +01:00
plt.xscale('log')
2021-02-16 13:55:52 +01:00
ax.grid(True)
def meritev():
s = spekter(fs,pts,avg,fskala)
Pcal = np.amax(s)
K = Pcal - 3 - dSB
fsum = s - K - 3 - 6 - 20*np.log10(np.sin(f*np.pi*tau))
raw.set_data(f,s)
pn.set_data(f,fsum)
ax.figure.canvas.draw()
return raw,pn
ani = animation.FuncAnimation(fig,meritev,interval=50)
2021-02-17 10:29:02 +01:00
plt.show()
2021-02-17 11:49:34 +01:00
#shrani csv file
s = spekter(fs,pts,avg,fskala)
Pcal = np.amax(s)
K = Pcal - 3 - dSB
fsum = s - K - 3 - 6 - 20*np.log10(np.sin(f*np.pi*tau))
data = np.column_stack((f,fsum,s))
np.savetxt('rezultat.csv',data,delimiter=',')
2021-02-16 12:55:11 +01:00
print('*** Konec ***') #pritisk tipke na tipkovnici