Primeros pasos

Instalación

Opción 1: Desde PyPI (recomendada)

pip install phonometry

Extras opcionales:

pip install phonometry[plot]   # matplotlib, para las gráficas de respuesta
pip install phonometry[perf]  # numba, ponderación temporal 'impulse' más rápida
pip install phonometry[full]  # ambos

Opción 2: Clonar e instalar

git clone https://github.com/jmrplens/phonometry.git
cd phonometry
pip install .

Opción 3: Submódulo de git

git submodule add https://github.com/jmrplens/phonometry.git
# Después, instálalo en modo editable para usarlo desde tu proyecto
pip install -e ./phonometry

La cadena de procesado de un vistazo

Todo análisis con phonometry es un subconjunto de una misma cadena: tomar la señal cruda, convertirla a unidades físicas, ponderarla en frecuencia, dividirla en bandas normalizadas, suavizarla en el tiempo y reducirla a métricas:

Cada etapa es una función o clase independiente que puedes usar por separado; las guías las recorren de izquierda a derecha (Calibración → Ponderación frecuencial → Bancos de filtros → Ponderación temporal → Niveles).

Uso básico: análisis en tercios de octava

Analiza una señal y obtén el nivel de presión sonora (SPL) por banda de frecuencia.

import numpy as np
from phonometry import octavefilter

fs = 48000
t = np.linspace(0, 1, fs, endpoint=False)
# Señal compuesta: 100 Hz + 1000 Hz
signal = np.sin(2 * np.pi * 100 * t) + np.sin(2 * np.pi * 1000 * t)

# Aplicar el banco de filtros de 1/3 de octava
spl, freq = octavefilter(signal, fs=fs, fraction=3)

print(f"Bandas: {freq}")
print(f"SPL [dB]: {spl}")

Ejemplo de análisis espectral en tercios de octava de una señal compleja.

Analizar un archivo de audio

from scipy.io import wavfile
from phonometry import octavefilter

# Cargar un archivo WAV estándar
fs, signal = wavfile.read("measurement.wav")

# Analizar
# Nota: para obtener valores SPL reales debes calibrar la entrada.
# Consulta la guía de calibración.
spl, freq = octavefilter(signal, fs=fs, fraction=3)

El audio entero (por ejemplo, datos int16 de un WAV) se convierte internamente a float64, así que es seguro pasar directamente la salida de wavfile.read.

Siguientes pasos

• Bancos de filtros — elige una arquitectura e inspecciona sus respuestas
• Calibración y dBFS — obtén valores SPL reales
• Referencia de la API — todos los parámetros de cada función